施用污泥对鹅掌藤根系生长和重金属吸收的影响

【目的】分析表施和混施污泥对鹅掌藤Schefflera arboricola根系生长和重金属吸收的影响,深入认识污泥施用对园林植物根系生长的影响,为污泥在园林中安全利用提供借鉴。【方法】采用根箱试验,观测不施、表施和混施10%(w)污泥对常见园林植物鹅掌藤的不同土层根系形态及土壤pH和电导率动态变化的影响,分析根组织密度、根密度和重金属含量,拟合土壤pH、电导率、根系重金属含量与根长的关系。【结果】与不施污泥相比,混施污泥明显抑制鹅掌藤根长、根表面积和根密度增长;而表施污泥显著增加鹅掌藤0~20 cm土层的总根长、根体积和根密度。处理240 d后,混施污泥处理的0~20与20~40 cm土层总根长分别为不施污泥的66.37%和51.51%,而表施污泥处理分别为不施污泥的115.43%和98.66%。最大总根长、根体积和根密度均出现在表施污泥的0~20 cm土层,最大根干质量和根组织密度出现在表施污泥的污泥层。混施污泥显著提高了土壤pH和电导率以及植株重金属含量,不同土层根系Cd、Zn、Cu和Ni含量分别是不施污泥的2.32~11.70倍。线性回归拟合分析表明,不施和表施污泥处理的0~20 cm土层鹅掌藤原位扫描总根长均与原位测定土壤pH呈极显著正相关(P<0.001),鹅掌藤总根长与根系Cd、Zn、Cu和Ni含量均呈极显著负相关(P<0.001)。【结论】表施10%(w)污泥可以提高土壤pH并促进鹅掌藤根系生长。混施10%(w)污泥显著增加不同土层根系重金属含量,进而抑制鹅掌藤根系生长。

酸碱污染重塑粉质黏土的塑性及其与力学特性的关系

酸碱溶液会显著改变黏性土的力学特性因而在污染土的研究中备受关注。通过室内试验,详细研究了硫酸、盐酸和氢氧化钠污染重塑粉质黏土的现象、孔隙水离子成分以及土的塑性、压缩性和强度的变化规律。从孔隙溶液的pH值、离子交换以及土的结构三方面解释了硫酸和氢氧化钠污染土塑性增大、盐酸污染土塑性减小的机理。给出了这3种污染土的力学特性与塑性指标之间的关系,并与一些用于非污染重塑土的经验公式进行了对比。发现这3种酸碱污染土均表现出一定的结构性,尽管结构性形成的机理并不相同,但均导致压缩性增大,适用于非污染重塑土的经验公式会低估这类污染土的压缩性。研究发现这种低浓度的污染土的结构性不足以改变不排水抗剪强度cu与液性指数IL之间的关系,因而其强度可以大致通过未污染土的cu–IL关系来预测。

基于深度学习网络的电气设备图像分类

为了对变电站中智能巡检系统采集到的海量图片进行快速分析和识别,提出一种深度学习和支持向量机(support vector machine, SVM)相结合的图像分类模型。首先,运用旋转、翻折等方法对采集到的原始数据进行扩充。然后,合并扩展图像集,并在相同类型的条件下将其随机划分为训练集和测试集。基于实际图像改进卷积神经网络(convolutional neural network, CNN),并提取训练集的图像特征。最后,通过使用训练集图片的深度特征来训练SVM分类器,并且在测试集图片上实现分类测试。利用巡检机器人采集到的8 000张图片对模型精度进行实验验证,结果表明,该模型具有较强的分类性能。

基于新型阈值选择方法的变电站红外图像分割

为增强电气设备红外热图像的视觉效果,对其运行状态进行准确检测,提出了一种新型阈值选择的图像分割方法。该方法首先对原始图像进行傅里叶滤波处理形成自动梯度图形,然后针对每种特定类型的目标图像,拟合具有N个相邻点的线性模型计算斜率差的变化趋势,在斜率差分布谷值中挑选适合不同类型故障区域的最佳阈值,最后通过形态学迭代腐蚀,将目标区域与噪声斑点分开,得到清晰的分割图像。该方法可监测各种类型故障,只需校准参数N和确定分割案例,其余部分自动处理。实验结果显示:该方法对目标区域分割的准确率为82%,误分率为0.0182%。通过使用不同类型的红外热故障图像进行测试对比,验证了所提方法的有效性和通用性。

基于BOF图像检索算法的变电站设备图像分类

基于BOF(Bag of features)图像检索算法对电气设备图像进行分类,首先,通过加速鲁棒特征(SURF)算法寻找特征点位置,构造高维特征描述算子对特征进行描述和统计。然后,利用K-means聚类算法处理特征描述算子,得到独立的视觉词汇并汇总为特定数目的码书。将码书中的特征描述算子进行量化和加权统计,用特征向量直方图表示整个图像。最后,用训练集图像的高维特征向量进行机器学习,对未知图像进行快速准确分类。将自然光条件下拍摄的电气设备图像和电气设备工作状态下的红外图像作为两个实验样本集进行分类测试,结果表明,该算法可对不同图像集实现快速准确分类,准确率可达95.59%。