1 武汉理工大学硅酸盐建筑材料国家重点实验室, 武汉 430070
2 中国建筑材料联合会, 北京 100037
本文基于中心质假说, 通过测试单个吸水树脂集料(SAP集料)或聚苯乙烯颗粒(EPS集料)的混凝土抗压强度, 定量表征了不同颗粒粒径(6~20 mm)SAP集料的正、负中心质效应。结果表明, SAP集料释水对水泥砂浆表现出界面增强的正中心质效应与形成孔洞造成的负中心质效应。提出了SAP集料引入气孔带来负中心质效应的经验公式。随着SAP集料颗粒粒径增加, 负中心质效应逐渐增强, 同时正中心质效应呈先增强后变弱的趋向。提出了SAP集料在不同水灰比砂浆基体中的“临界尺寸”的概念, 临界尺寸与基体的水灰比、养护龄期等因素有关。
吸水树脂 中心质假说 内养护 界面过渡区 力学性能 superabsorbent polymer centroplasm hypothesis internal curing interfacial transition zone mechanical property
1 武汉理工大学，硅酸盐建筑材料国家重点实验室，武汉 430070
2 北京凯盛建材工程有限公司，北京 100024
3 武汉理工大学理学院，武汉 430070
为探究硬化水泥石部分替代水泥生料对熟料烧成的影响，研究了硬化水泥石在高温(1 000~1 450 ℃)下的煅烧特性，进而研究了相同率值下不同硬化水泥石掺量(0、10%、20%和30%)与不同煅烧温度(1 350、1 400 ℃和1 450 ℃)对水泥生料的易烧性与熟料性能的影响规律。结果表明：硬化水泥石经过高温煅烧后，在1 300 ℃时会再次生成C3S。硬化水泥石替代部分硅酸盐水泥生料会降低液相出现的温度与C3S的表观活化能，其最佳掺量为20%。硬化水泥石的掺入会稳定C2S的晶型导致C3S形成困难，同时使C3S的晶型由R型向M型转变。与分析纯原料作为水泥生料相比，适量硬化水泥石(20%)作为水泥生料掺入会提高熟料后期的力学性能，这可能与熟料中C3S晶型差异、C2S活性差异以及熟料矿相的发育质量有关。
硬化水泥石 水泥熟料 高温煅烧特性 水化活性 hardened cement paste cement clinker thermal decomposition hydration activity
1 宁波中淳高科股份有限公司, 宁波 315000
2 武汉理工大学硅酸盐建筑材料国家重点实验室, 武汉 430070
研究了不同比例工程渣土与粉煤灰对高强、低吸水率人造骨料物理性能的影响规律, 并利用X射线衍射仪、X射线显微成像系统(X-CT)、压汞仪及扫描电镜等手段研究导致人造骨料物理性能差异的原因。结果表明, 人造骨料的密度和强度随着粉煤灰掺量的提高先上升后降低, 吸水率先降低后上升, 当粉煤灰掺量为50%(质量分数)时, 可制备表观密度为2.17 g/cm3, 抗压强度为22.88 MPa, 吸水率为0.055%的高强、低吸水率人造骨料。人造骨料强度的降低和吸水率的提高主要是液相不足造成的孔隙率增加, 原料中Al2O3含量过高会导致骨料难以形成液相, 影响其物理性能。
固体废弃物 人造骨料 粉煤灰 渣土 物理性能 微观形貌 solid waste artificial aggregate fly ash muck physical property microstructure
1 沈阳化工大学 信息工程学院，辽宁 沈阳 110142
2 中国科学院沈阳自动化研究所，辽宁 沈阳 110016
针对经典的基于深度学习的红外弱小目标检测算法存在目标信息在高层感受野消失导致无法检出的问题，提出一种新的基于多通道多尺度特征融合的红外弱小目标检测算法（J-MSF）。首先，该算法提出了一种新的多通道JAnet结构，基于此结构搭建了主干特征提取网络；其次，设计了下降门限式特征金字塔池化结构(DSPP)，并提出了多尺度融合检测策略；最后，设计了高斯损失优化函数。实验结果表明，所提出的算法在“地/空背景下红外图像弱小飞机目标检测跟踪数据集”上的检测效果与YOLOv3、YOLOv4算法对比，检出率、整体AP值分别提升9.07%、9.89%和1.67%、3.16%，提出算法优于目前主流的检测算法，体现出了良好的鲁棒性和适应性，可以有效的应用于红外弱小目标的检测。
红外弱小目标 JAnet 多通道 多尺度 YOLO 高斯 池化 dim and small JAnet multi-channel multi-scale YOlO Gaussian pooling 红外与激光工程
2022, 51(5): 20210459
为了较好地实现全息体视图虚实场景融合的立体显示，分析了虚实场景之间存在的遮挡关系，提出一种基于实例分割与深度值判定的图像编码方法。理论分析表明，场景间的遮挡来源于特定视角下物点的不同深度信息，相机采样时只能保留近处物点的强度信息。求解采样图像的深度图，利用深度值判定的方法可以实现场景的有效融合。为进一步降低深度值求解不精确的影响，利用Mask R-CNN实例分割算法对真实场景的采样图像进行分层处理，并赋予各层伪深度值，再采用深度值判定方法实现虚实场景之间有遮挡关系的融合编码。采用基于有效视角图像分割与重组(EPISM)的方法进行全息打印光学实验，结果表明，所提出的图像编码方法可以有效实现虚实场景融合的立体显示。
全息 全息体视图 虚实融合 图像编码 三维显示
合成全息体视图技术是三维显示领域的研究热点，被广泛应用于**、经济等各个行业。基于国内外合成全息体视图技术的发展现状，综述了该技术的基本写入方法、像质提升方法以及性能改善方法。介绍了基本写入方法的发展历程及研究现状，归纳了其实现方法，并对现阶段几种主要方法的综合性能进行了简要评价。围绕合成全息体视图技术的成像质量与综合性能两个方面，总结了近年来改进合成全息体视图技术的较新进展，最后得出结论并进行了展望。
全息 合成全息体视图 三维显示 研究现状 激光与光电子学进展
2022, 59(2): 0200002
1 1.中国科学院 高能物理研究所, 北京同步辐射实验室, 北京 100049
2 2.中国科学院大学 核科学与技术学院, 北京 100049
同步辐射是环形加速器中做循环运动的高速电子在经过弯转磁铁时, 沿电子轨道切线方向发射的电磁辐射。作为一类平台型科技基础设施, 同步辐射光源对无机材料的研究和发展起到了重要支撑作用。同步辐射实验技术已经成为现代科学技术不可或缺的研究手段, 无机材料研究是同步辐射技术的主要应用领域之一。相对于用于材料研究的常规光源来说, 同步辐射技术研究无机材料有以下优势: 1)获取的数据质量更高; 2)空间分辨和时间分辨的能力更强; 3)原位和材料服役环境更易模拟; 4)多尺度、多方面、多种类的结构信息同步获取; 5)探测新的结构特性更有可能。同步辐射实验技术有助于解决无机材料领域中的一些关键科学问题, 从而极大地推动了无机材料的研究进展。本文首先简要介绍了同步辐射光源的现状, 以及国内现有三个同步辐射装置: 北京同步辐射装置(Beijing Synchrotron Radiation Facility, BSRF)、上海同步辐射装置(Shanghai Synchrotron Radiation Facility, SSRF)和国家同步辐射实验室(National Synchrotron Radiation Laboratory, NSRL)。然后, 从X射线衍射、散射、谱学、成像等四个方面, 列举了同步辐射技术在无机材料研究中的应用实例。最后, 对同步辐射光源和结构表征技术及其在无机材料中的应用进行了总结与展望。
无机材料 同步辐射 光束线 结构表征 综述 inorganic materials synchrotron radiation beamline structure characterization review 江苏蓬 1,2,3,4,5向伟 1,2,4,5刘云鹏 1,2,4,5罗海波 1,2,4,5,*
1 中国科学院 沈阳自动化研究所，辽宁沈阳006
2 中国科学院 机器人与智能制造创新研究院，辽宁沈阳110169
3 中国科学院大学，北京100049
4 中国科学院 光电信息处理重点实验室，辽宁沈阳110016
5 辽宁省图像理解与视觉计算重点实验室，辽宁沈阳110016
为解决在模板匹配过程中，目标图像发生局部遮挡、背景变化、光照变化以及剧烈非刚性形变等情况而出现的匹配失败问题，本文提出了一种基于多特征融合的共生矩阵模板匹配算法。首先，采用多特征融合的方法提取图像信息。分别提取图像的颜色特征、深度特征、方向梯度直方图（HOG）特征，通过主成分分析（PCA）与K均值聚类的方法实现多通道多特征融合；随后，以共生矩阵作为相似性度量方法，通过统计相似性特征信息来代替直接施加距离计算；最后，计算滑动窗口中每一组像素点对的共生概率，并加权求和作为匹配得分，由此在目标图像上寻找最佳匹配区域。通过实验对比，本文算法的AUC （Area Under Curve） 得分为0.658 6，较目前最好的几种模板匹配算法DDIS-D、DDIS-C、BBS算法分别提高了：7.9%，8.1%，20.2%。采用特征融合的方法能够充分利用图像信息，有效提高匹配的准确率；共生矩阵可以捕获图像的纹理相似性，且这种度量方法仅与共生统计有关，与实际像素无关，能够在一定程度上克服复杂场景对匹配结果带来的影响。实验结果表明本文的方法匹配精度更高、鲁棒性更强。
图像处理 模板匹配 多特征融合 共生矩阵 image processing template matching multi-feature fusion co-occurrence matrix 鞠默然 1,2,3,4,5罗海波 1,2,4,5,*刘广琦 1,2,3,4,5刘云鹏 1,2,4,5
1 中国科学院 沈阳自动化研究所， 辽宁沈阳006
2 中国科学院机器人与智能制造创新研究院，辽宁沈阳110016
3 中国科学院大学，北京100049
4 中国科学院光电信息处理重点实验室，辽宁沈阳110016
5 辽宁省图像理解与视觉计算重点实验室，辽宁沈阳110016
红外弱小目标检测被广泛应用于预警、制导等**领域中。然而，红外弱小目标所占像素少、缺少形状特征和纹理特征，使得红外弱小目标检测成为一个具有挑战性的课题。针对红外弱小目标检测，提出了一种简单高效的实时红外弱小目标检测网络。检测网络利用自适应感受野融合模块来增加小目标周围的上下文信息，并通过引入空间注意力机制来建立不同区域之间的相关性模型，使不同区域之间的相关性和紧凑性得到加强。为了提高检测网络对目标的定位和正负样本的判别能力，分别利用GIOU loss和Focal loss来设计损失函数。在3个红外弱小目标序列和单帧红外图像上进行实验，检测网络分别取得了91.62%，71.54%，81.77%和90.67%的AP值，且检测速度接近165 FPS。实验结果表明，该红外弱小目标检测网络对复杂背景和低信噪比条件下的红外弱小目标具有较好的检测效果。
红外弱小目标检测 注意力机制 卷积神经网络 深度学习 infrared small target detection attention mechanism convolutional neural network deep learning
