摘要：光催化反应可将太阳能转化为可储存的化学能源,被认为是缓解能源危机和解决环境问题的有效途径之一。然而,由于光生载流子低的转移和分离效率,实际的光化学转换效率提升受到了限制。新兴的S型异质结光催化剂由于其在空间上实现了光生载流子的有效转移分离并展现出强的氧化还原能力,在太阳燃料制备和环境治理领域受到了广泛关注和研究。本文综述了S型异质结光催化剂的发展历程和设计原理、光生载流子转移机制以及在能源和环境等领域的应用。最后,提出了S型异质结光催化剂的发展前景和面临的挑战。

摘要：随着工业的快速发展和化石燃料的过度开发使用,能源危机和环境污染日益严重.光催化技术在能源与环境领域具有良好的应用前景,是人类社会可持续发展的有效策略之一.传统氧化锌(ZnO)光催化剂因其无毒性、良好生物相容性和低成本而备受关注.然而,ZnO光催化性能受限于光生载流子复合严重和光生电子还原能力弱等问题.常规的改性方法,包括原子掺杂、缺陷调控、助催化剂负载等,很难兼顾载流子分离效率和氧化还原能力.相较而言,构建梯型异质结可以较好地解决上述问题.梯型异质结界面处的内建电场可以促进光生载流子的高效分离和转移,同时保留光催化体系最强的氧化还原能力,从而实现更高效的光催化反应.然而,尽管已有大量关于ZnO基梯型异质结的研究工作被陆续发表,却很少有评论性文章对该领域进行综述.因此,有必要对ZnO基梯型光催化剂的研究成果进行总结,并为这一研究方向的发展提供及时的指导.本文首先介绍了异质结的发展历程,讨论了II型异质结、传统Z型体系、全固态Z型异质结的光催化反应机理,并在此基础上指出了它们在热力学上的挑战.其次,深入分析了梯型异质结的理论基础,包括还原型半导体和氧化型半导体的选择,相互接触后的电子转移,梯型异质结中内建电场的形成,以及光激发后梯型异质结中光生载流子的分离和迁移,并诠释了梯型异质结在促进电荷载流子分离以及增强光催化体系的氧化还原能力方面的突出优势.此外,阐明了ZnO基梯型异质结的分类和设计原理.除了常见的ZnO基梯型n-n异质结,还讨论了以Zn O为还原型半导体的梯型n-p异质结以及以ZnO为氧化型半导体的梯型p-n异质结.归纳了目前ZnO基梯型异质结光催化剂的制备方法,包括水/溶剂热法、共沉淀法和静电自组装法等,剖析了这些制备方法的优缺点以及所制备的ZnO基梯型异质结的界面性质.概述了以ZnO基梯型异质结为代表的梯型异质结的表征技术,包括原位辐照X射线光电子能谱、开尔文探针力显微镜、电子顺磁共振波谱和第一性原理计算.总结了ZnO基梯型异质结近年来在不同光催化应用领域的研究进展,包括光催化环境修复、制氢、制备双氧水、二氧化碳还原、杀菌、固氮等.最后,对ZnO基梯型异质结的未来发展进行了展望,提出了其所面临的机遇与挑战,希望能为该领域带来新的启示.

摘要：【目的】实现精确迅速的农作物病害检测,减少人工诊断成本,降低病害带来的农作物产量和品质影响。【方法】根据对农作物病害和病斑特征的分析,提出一种基于卷积注意力机制改进的YOLOX-Nano智能检测与识别模型,该模型采用CSPDarkNet作为主干网络,将卷积注意力模块CBAM引入到YOLOX-Nano网络结构的特征金字塔(Feature pyramid network,FPN)中,并在训练中引入Mixup数据增强方式,同时将分类的损失函数由二分类交叉熵损失函数(Binary cross entropy loss,BCE Loss)替换为焦点损失函数Focal Loss、回归损失函数由GIOU Loss替换为本文设计的CenterIOU Loss函数,采用迁移学习策略训练改进的YOLOX-Nano模型,以此提升农作物病害检测的精度。【结果】改进后的YOLOX-Nano模型仅有0.98×10^(6)的参数量,在移动端测试单张图片检测时间约为0.187 s,平均识别精度达到99.56%。实践结果表明,其能快速有效地检测与识别苹果、玉米、葡萄、草莓、马铃薯和番茄等农作物的常见病害,且达到了精度与速度的平衡。【结论】改进后的模型不仅对农作物叶片病害识别具有较高的精度和较快的检测速度,参数量和计算量较少,还易于部署在手机等移动端设备。该模型实现了在田间复杂环境对多种农作物病害精准定位与识别,对于指导早期农作物病害的防治具有十分重要的现实意义。