本文报道了一种在铜片上采用原位生长法制备的Cu2O-Ag SERS基底的方法。通过优化制备Cu2O的退火温度和时间及制备Cu2O-Ag的AgNO3浓度和反应时间，获得的原位生长Cu2O-Ag基底具有良好的拉曼增强效果。通过对基底的表征及仿真模拟，发现基底表面形成的凹型空间和均匀密布的Ag NPs提供了丰富的SERS“热点”，且该基底具有较好的疏水性，因此SERS活性显著。该基底对多种违禁药物都有很好的灵敏度，拉曼强度与药物浓度具有良好的定量关系，孔雀石绿、恩诺沙星和呋喃西林的检测线分别为4.9 nM、0.72 μM和0.12 μM。本文提出的基底制备方法具有工艺简单、成本低且SERS活性高等优点，在环境监测领域具有较好的应用前景。
2021-02-20 12:03:35
49KB
1
本文报道了一种在铜片上采用原位生长法制备的Cu2O-Ag SERS基底的方法。通过优化制备Cu2O的退火温度和时间及制备Cu2O-Ag的AgNO3浓度和反应时间，获得的原位生长Cu2O-Ag基底具有良好的拉曼增强效果。通过对基底的表征及仿真模拟，发现基底表面形成的凹型空间和均匀密布的Ag NPs提供了丰富的SERS“热点”，且该基底具有较好的疏水性，因此SERS活性显著。该基底对多种违禁药物都有很好的灵敏度，拉曼强度与药物浓度具有良好的定量关系，孔雀石绿、恩诺沙星和呋喃西林的检测线分别为4.9 nM、0.72 μM和0.12 μM。本文提出的基底制备方法具有工艺简单、成本低且SERS活性高等优点，在环境监测领域具有较好的应用前景。
2021-02-20 12:03:35
49KB
1
本文将覆盖通过绿盟企业安全中心（Nsfocus Enterprise Security Planning Customer，英文简称Nsfocus ESPC，以下简称ESPC）Web管理界面对WAF设备进行管理的所有功能点。
2021-02-20 10:57:59
2.91MB
1
本资源主要分为三个部分：车牌定位 字符分割 字符识别，每个部分都可单独运行。
车牌定位采用数学形态学和颜色特征相结合的方法。首先对图片进行开闭运算、轮廓检测等数学形态学操作突出车牌区域，然后依据车牌的形状特征去除部分干扰区域，并利用仿射变换对可疑车牌区域进行倾斜矫正，最后根据车牌颜色特征选取最终区域，同时确定车牌的颜色。
字符分割基于投影法，利用二值化图像像素的分布直方图进行分析。其中水平投影确定字符区域并去除上下边框，垂直投影找出相邻字符的分界点，并通过适当算法组合分离的汉字和去除车牌上的分隔点、边缘等干扰；
字符识别基于keras框架，首先搭建卷积神经网络对训练集进行训练，准确率达到97.87%，然后利用训练好的模型对分割下的字符逐一进行识别，最终组成车牌号码，实现车牌识别的目标。
2021-02-19 13:16:27
47.82MB
1