摘要：微重力测量相较于传统重力测量方法,其观测研究的对象是在尺度规模上越来越细小、在重力信息上反应越来越微弱的密度异常体,更加突出“微”的性质与特点.利用该方法能精准识别地下岩溶的平面位置,但推测目标体的垂向埋深需结合其他先验信息进行反演;微动法采用天然源信号,具有抗电磁干扰、抗振动干扰能力强、纵向分辨率高等优点,可准确识别地下岩溶的空间位置,特别适用于强干扰环境下的地质勘察.将微重力和微动两种方法相结合进行岩溶探测,优势互补,能准确确定地下岩溶的空间位置和形态规模.本文通过微重力、微动两种测量方法在长宁页岩气区块某钻井平台场地岩溶探测的具体实例,来分析两种方法组合在工程场地隐患排查中的效果.实践证明,应用微重力、微动方法组合在探测近地表的溶洞、地下河、孔穴以及规模较小的地质构造等异常体方面有广泛的应用前景.

摘要：乌木又称阴沉木,多出现在古代河滩等沉积层中,由地震、洪水、泥石流将地上植物生物等全部埋入古河床等低洼处,埋入淤泥中的部分树木,在缺氧、高压状态下,细菌等微生物的作用下,经长达上千万年炭化过程形成,又称"炭化木"。乌木作为一种稀缺的不可再生资源,近年来对其的勘查开发力度逐渐加大,乌木勘查方法的科学研究逐渐加强。其中,地球物理勘查作为一种科学的勘查方法在此邻域的应用效果也引起业内专家的讨论和重视。高密度电法作为一种电阻率勘探方法由于其具有分辨率高、数据量大、有效信息多等特点在本次工作中首次被提出并应用,通过偶极装置和温纳装置两种测量方式对一定勘探深度的横纵方向上的视电阻率差异的分辨来圈定乌木异常。最终在设计的剖面上发现一处相对高阻异常体,推断为乌木异常。

摘要：目前,随着人口增长与城市化推进,生活垃圾产量与清运量大幅增加,垃圾分类处理效率低且浪费大量资源,基于上述社会环境,设计垃圾分类系统具有重要意义。本文章介绍在树莓派4代B型开发板上使用垃圾分类数据集训练的Keras模型识别垃圾的过程。采用卷积神经网络,通过Python搭载神经网络来做到图像识别进行垃圾分类,将垃圾分类数据集在LeNet-5网络模型上深度学习得到训练模型,最后通过PyQt5构建图形化的界面。运行在搭建好TensorFlow框架和Opencv计算机视觉库的树莓派开发板上,树莓派4B通过载入照片识别垃圾。