基于深度学习的嵌入式CO_(2)浓度反演算法实现

以CO_(2)为主的温室气体排放使得全球变暖,严重影响生态环境,2021年习近平主席在二十国集团领导人峰会上提出“中国将力争2030年前实现碳达峰、2060年前实现碳中和”,因此精确检测CO_(2)气体浓度具有重要研究意义。由于CO_(2)气体吸收谱线的展宽受到气体压力、温度等因素影响,导致TDLAS气体检测系统测量结果误差增大,因此本文结合HITRAN数据库仿真,提出了基于BP神经网络深度学习的CO_(2)浓度反演算法和嵌入式实现方法,实现了对气体浓度的补偿,为嵌入式浓度反演算法设计提供理论依据。该算法可以移植到STM32F407中,经过测试,气体浓度的检测误差小,有效提升了气体检测精度,此方法同样适用于TDLAS型的其他气体检测应用场景中。

基于深度学习算法的原位激光CO_(2)检测系统研制

随着全球变暖日益严重,精准检测CO_(2)浓度具有重要的研究意义。可调谐半导体激光吸收光谱技术(TDLAS)具有高灵敏度、高分辨率等特点,被广泛应用于气体检测领域。为进一步提升TDLAS气体检测技术的检测精度,本文提出一种基于深度学习的原位激光二氧化碳检测系统。该系统采用BP神经网络算法反演CO_(2)浓度,补偿了温度压强对气体浓度反演的影响,提升了检测精度;采用无线通信模块,通过MQTT协议将检测的CO_(2)数据上传至OneNET云平台,实现了CO_(2)浓度的原位检测。经测试,该系统可以快速、稳定的处理数据,并且适配于其他气体检测系统。

白鸽剥制标本制作及毛发修复技术改良

动物标本在科普、科研中占有重要的地位,因其资源的珍贵,其修复技术也要不断更新。该文详细介绍了白鸽剥制标本的制作过程并对部分传统标本制作材料做出改良,同时改进了剥制标本毛发修复技术。以制作白鸽剥制标本过程为依据,针对不同类型的羽毛,提出操作的注意事项,为鸟类剥制标本羽毛的修复提供参考。