近年来,深度学习方法在合成孔径雷达(SAR)图像目标检测中得到了广泛的应用.船舶出现在近海、港口、岛礁、远洋等各种场景中,同时海洋环境复杂多变,使得船舶目标检测很难排除混乱背景的干扰.对于大纵横比、任意方向、密集分布的目标,精确定位变得更加复杂.本文基于深度学习的方法提出用于SAR图像目标检测的改进RetinaNet模型,使用深度残差网络自主获取图像特征,利用基于圆形平滑标签(Circular Smooth Label,CSL)的旋转框检测方法实现精准定位,在分类与定位网络中加入了注意力机制以增强网络特征
以核桃壳为原料制备活性炭作为废水中锌离子吸附剂,探究其最佳的吸附条件和去除效率.通过对吸附时间、温度、粒径以及初始锌离子浓度等参数进行优化,得到最适合的吸附条件:吸附剂加入量为4 g/L,吸附温度为20℃,吸附时间设定为150 min.通过等温吸附曲线拟合发现Freundlich吸附等温方程可以更好的拟合并描述制备活性炭对锌离子的吸附过程,吸附锌离子的行为符合二次动力学方程,采用颗粒内扩散方程对吸附过程进行拟合发现活性炭材料对锌离子的吸附行为是协同作用的吸附过程.采用火焰—原子吸收光谱仪对添加核桃壳活性炭