【摘 要】
：
实验采用加压流体萃取-硅酸镁小柱净化-气相色谱法(ECD检测器)测定芡实种植底泥中六六六(BHC)和滴滴涕(DDT)残留,不仅提高了萃取效率,优化了净化条件,而且准确度灵敏度较高。利用标准曲线代替工作曲线缩短程序升温时间的同时,可有效提高检测效率。结果表明:该方法采用的8种有机氯标准曲线均具有较好的线性关系,R值在0.998~0.999之间,检出限符合标准要求,精密度达到0.8%~1.5%,加标回收率在87.6%~97.1%,均符合有机物检测相关规定,适用于复杂基质中有机氯农药残留的批量测定。
【机 构】
：
安徽省滁州生态环境监测中心,安徽省生态环境监测中心
论文部分内容阅读
实验采用加压流体萃取-硅酸镁小柱净化-气相色谱法(ECD检测器)测定芡实种植底泥中六六六(BHC)和滴滴涕(DDT)残留,不仅提高了萃取效率,优化了净化条件,而且准确度灵敏度较高。利用标准曲线代替工作曲线缩短程序升温时间的同时,可有效提高检测效率。结果表明:该方法采用的8种有机氯标准曲线均具有较好的线性关系,R值在0.998~0.999之间,检出限符合标准要求,精密度达到0.8%~1.5%,加标回收率在87.6%~97.1%,均符合有机物检测相关规定,适用于复杂基质中有机氯农药残留的批量测定。
其他文献
针对大场景遥感图像内容复杂,并且具有目标种类较多、尺度不一、方向多变等特点,导致遥感图像中目标多类多尺度多方向的问题,提出一种基于多尺度注意力特征金字塔网络(MAFPN)以及滑动顶点回归(GVR)机制的遥感图像目标检测方法.首先利用骨干网络提取多层特征作为MAFPN的输入,MAFPN结合特征融合和注意力机制,在融合多个尺度的特征映射的基础上使用通道域注意力和空间域注意力机制来抑制噪声,增强有效特征
病理切片中肾小球的识别和分类是诊断肾脏病变程度和病变类型的关键,为解决肾小球的识别和分类问题,从中检测出肾小球并进行分类,设计了一个基于深度学习的完整的肾小球检测及分类框架.该框架包括肾小球识别的4个阶段,第1阶段的扫描窗生成中,设计一种网络框架RGNet,用于初步判断肾小球可能出现的位置;第2阶段的检测和粗分类中,针对肾小球数据改进了Faster R-CNN;第3阶段基于NMS算法设计了NMS-
现有基于深度学习的缺陷检测方法通常采用强监督学习策略,检测效果依赖于样本的数量和标注的质量.针对上述问题,提出弱监督学习下融合注意力机制的神经网络算法,仅使用图像级别标签便可同时预测缺陷的位置和概率.首先对多尺度感受野模块提取的特征应用特征融合网络,获取更多边缘细节信息;然后通过多层次的自编码器挖掘特征的深层语义信息;同时通过三线性全局注意力模块进一步细化浅层特征的空间位置信息;最后对浅层边缘特征
跨模态哈希检索以其较高的检索效率和较低的存储成本,在跨模态检索领域受到了广泛的关注.现有的跨模态哈希大多直接从多模态数据中学习哈希码,不能充分利用数据的语义信息,因此无法保证数据低维特征在模态间的分布一致性,解决这个问题的关键之一是要准确地度量多模态数据之间的相似度.为此,提出一种基于对抗投影学习的哈希(adversarial projection learning based Hashing f
用FPGA加速深度学习算法的训练过程通常需要较长的开发周期和丰富的硬件设计经验.为了应对这一挑战,设计了一种基于自适应模板技术的深度学习算法训练加速框架,在应用规模、并行调度策略、资源使用和功能扩展上进行了深入的研究并提出了相应的优化策略.采用CPU-FPGA异构加速模板技术,提出了自适应的上层模型编译框架实现与不同硬件加速资源的适配.这种基于定制模板的软硬件协同设计可以很好地适配不同的FPGA芯
在纳米数字锁存器中,多节点翻转(multiple-node upset, MNU)正持续增加.虽然现有基于互连单元的抗辐射加固设计(radiation hardening by design, RHBD)的锁存器可以恢复所有MNU,但是需要更多的敏感节点和晶体管.为了在获得高可靠性的同时降低硬件开销,提出利用辐射翻转机制进行加固的方法.首先,通过使用屏蔽晶体管减少敏感节点,进而降低使用的晶体管数;
针对在可视化过程中出现的具有相同类别对应关系的多个图表需要保持配色一致的问题,提出多图表协同配色优化,从感知性与和谐度2个方面提出感知性与和谐度引导的多图表协同配色优化方法.给定调色板和多图表数据后,对调色板的质量进行评估,若给定的调色板质量较高,则对其颜色分配方案直接进行优化;否则,先对调色板进行优化,再对其颜色分配方案进行优化.多项用户调研结果证明,该方法能够在保证多图表配色统一的前提下提升配
知识图谱嵌入将离散的符号化实体和关系映射到连续的低维空间中,使后续的任务(如推理、图谱补全等)可以通过代数运算的方式进行.大体而言,知识图谱嵌入可以分成2类主流方法:平移距离模型和语义匹配模型.从知识图谱的图结构出发,可以分析平移距离模型的学习瓶颈,进而得出结论,即平移距离模型的缺点是没有区别对待实体在头部和尾部2个位置所应有的不同语义.据此,提出位置敏感的嵌入表示(location-sensit
轴承在高负荷的环境下长时间运转经常会发生故障,造成巨大损失.若能在故障发生前期进行准确感知,则可以在很大程度上减少损失.通过分析轴承故障问题的特点,提出一种半实时的高准确率诊断方法,使用双路宽卷积核深度卷积网络(deep convolutional neural networks with double paths and wider kernels, DWDCNN)作为实时诊断算法,在结果出现异
针对现有的目标检测算法在提取特征时往往仅使用单一尺度大小的卷积核,忽略了不同尺度特征感受野的差异,从而影响网络对不同尺度目标的检测效果的问题,提出一种基于多分支并行空洞卷积的多尺度目标检测算法.首先,采用基础网络VGG-16对待检测图像进行特征提取;其次,在网络的低层引入多分支并行空洞卷积,对不同扩张率的空洞卷积进行融合,从而获取多尺度特征信息,提高网络对不同尺度特征的提取能力;然后,采用非局部化