下载文档原格式
⽆损检测技术综述⽆损检测技术原理与应⽤安全⼯程1401班 20140742011⽆损检测技术的定义及发展概况随着中国科学和⼯业技术的发展，⾼温、⾼压、⾼速度和⾼负荷已成为现代化⼯业的重要标志。
但它的实现是建⽴在材料⾼质量的基础之上的。
必须采⽤不破坏产品原来的形状，不改变使⽤性能的检测⽅法，以确保产品的安全可靠性，这种技术就是⽆损检测技术。
⽆损检测技术不损害被检测对象的使⽤性能，应⽤多种物理原理和化学现象，对各种⼯程材料，零部件，结构进⾏有效地检验和测试，借以评价它们的连续性、完整性、安全可靠性及某些物理信息。
⽬的是为了评价构件的允许负荷、寿命或剩余寿命，检测设备在制造和使⽤过程中产⽣的结构不完整性及缺陷情况，以便及时发现问题，保障设备安全[1]。
⽆损检测技术是机械⼯业的重要⽀柱，也是⼀项典型的具有低投⼊、⾼产出的⼯程应⽤技术。
可能很难找到其他任何⼀个应⽤学科分⽀，其涵盖的技术知识之渊博、覆盖的基本研究领域之众多、所涉及的应⽤领域之⼴泛能与⽆损检测相⽐。
美国前总统⾥根在发给美国⽆损检测学会成⽴20周年的贺电中曾说过，(⽆损检测)能给飞机和空间飞⾏器、发电⼚、船舶、汽车和建筑物等带来更⾼的可靠性，没有⽆损检测(美国)就不可能享有⽬前在飞机、船舶和汽车等众多领域和其他领域的领先地位。
作为⼀门应⽤性极强的技术，只有与国家⼤型⼯程项⽬结合，解决国家⼤型和重点⼯程项⽬中急需解决的安全保障问题，⽆损检测技术才能有⽤武之地和⼴阔的发展空间[2]。
我国⽆损检测技术的快速发展得益于经济的快速发展和国家综合实⼒的快速增强。
近⼗年来，我国经济⼀直处于快速发展期，⽆损检测事业也处于蒸蒸⽇上的局⾯，其总体形势和⽔平已是⼗年前⽆法⽐拟。
在我国各⼯业部门和国防单位，我国⽆损检测⼯作者取得了令世⼈瞩⽬的成绩[2]。
2⽆损检测技术的基本类型及其原理⽬前常⽤的⽆损检测类型主要有超声检测技术、射线检测技术、磁粉检测技术、渗透检测和红外检测技术五种，本⽂选取其中3种检测技术对其基本原理和应⽤进⾏简单的讲述，选取超声波检测技术和红外检测技术这两种检测技术进⾏较为详细的论述。
体外检测肿瘤细胞增殖实验综述报告5篇篇1一、引言肿瘤细胞增殖实验是研究肿瘤发生、发展及其相关机制的重要手段。
随着科技的进步，体外检测肿瘤细胞增殖的方法逐渐成为研究热点。
本文将对体外检测肿瘤细胞增殖的实验方法、应用及优缺点进行综述，为相关研究者提供参考。
二、实验方法1. 细胞培养细胞培养是体外检测肿瘤细胞增殖的基础。
研究者需根据实验需求选择合适的细胞系，并掌握细胞培养的基本技术，如细胞的复苏、传代、冻存等。
2. 实验试剂与仪器在进行肿瘤细胞增殖实验时，需要使用一系列的试剂和仪器，如细胞计数试剂、酶标仪、显微镜等。
这些试剂和仪器的选择对实验结果的准确性至关重要。
三、实验技术1. MTT法MTT法是一种常用的检测细胞增殖的方法，其原理是利用活细胞线粒体中的琥珀酸脱氢酶还原MTT，生成蓝色结晶物并沉积在细胞中，从而反映细胞的增殖情况。
该方法具有操作简便、快速、准确等优点，在肿瘤细胞增殖实验中得到了广泛应用。
2. BrdU法BrdU法是通过检测细胞内BrdU的掺入量来反映细胞的增殖活性。
该方法需要预先在培养基中加入BrdU，然后通过特异性抗体检测BrdU的掺入量。
BrdU法具有较高的灵敏度和特异性，能够更准确地反映细胞的增殖情况。
3. 流式细胞术流式细胞术是一种能够同时检测单个细胞多个参数的技术，可以用于分析细胞的周期、凋亡、增殖等情况。
在肿瘤细胞增殖实验中，流式细胞术可以用于检测细胞的DNA含量、BrdU掺入量等指标，从而更全面地了解细胞的增殖情况。
四、应用及优缺点1. 药物筛选与评价体外检测肿瘤细胞增殖实验可以用于药物的筛选与评价。
通过检测药物对肿瘤细胞增殖的抑制作用，可以评估药物的抗肿瘤活性，为药物的进一步研究和开发提供依据。
2. 肿瘤病理学研究体外检测肿瘤细胞增殖实验还可以用于肿瘤病理学研究。
通过分析肿瘤细胞的增殖特性，可以了解肿瘤的发生、发展及其相关机制，为肿瘤的诊断和治疗提供理论依据。
3. 个体化治疗与预后判断体外检测肿瘤细胞增殖实验在个体化治疗和预后判断中也具有重要价值。
化肥中铊元素的检测综述摘要以2023年一、二季度陕西省产品质量监督检验研究院的委托检验和监督抽查肥料作为试验对象，采用电感耦合等离子体发射光谱法分析其中的总铊含量。
结果表明：对所检肥料的总铊含量进行检测，虽制备过程不同，导致其检出限不同，但其最终的化肥中总铊含量，均为合格。
关键词化肥；铊；电感耦合等离子体发射光谱法；含量检测铊，是一种白色、重而柔软的金属物质，是典型的稀有分散元素1。
铊在地壳的含量较低，仅约为十万分之三，分别以低浓度分布在长石、云母和铅、锌、铁、铜的硫化物矿中，独立的铊矿很稀有，中国贵州省兴仁县是世界上唯一的独立铊矿，其主要成分是红铊2。
目前铊被广泛应用于工业制造中，在电子、航天、化工、冶金、光学等领域均具有巨大的应用价值。
起初在未发现其毒性前，铊有医学方面也有应用价值，可以用来治疗头癣等疾病，且有一定的脱发效果。
但当发现铊和含铊化合物能使生物和人体产生中毒后，被禁止应用，之后主要用于农业药剂来杀鼠、杀虫和防霉2，3。
铊对生态环境系统和人体健康造成的危害相对较大，其毒性高于铅、汞等金属元素，具有高毒性、长期残留性、生物富集性、隐蔽性、难分解等特点3。
由于人类活动，铊可以通过农药化肥等不同方式进入到土壤中，最终导致土壤的恶化且不可逆，从而产生各类环境问题4。
为了降低其进入环境系统产生不可逆转的危害，保障人民身体健康安全，按照执行标准对市场中的化肥进行总铊元素含量的检测，就显得尤为重要。
GB38400 2019中规定了肥料中铊元素的限量要求、试验方法和检验规则5。
本文以2023年一、二季度陕西省产品质量监督检验研究院的委托检验和监督抽查肥料作为试验对象，探究其中的总铊含量，旨在为总铊的元素检测提供数据基础。
1.材料与方法1.1材料与试剂铊元素标准储备液：100μg/mL，国家有色金属及其电子材料分析测试中心；盐酸、硝酸，优级纯，成都市科隆化学品有限公司；碘化钾，分析纯，天津新技术产业园区科茂化学试剂有限公司；抗坏血酸，分析纯，天津基准化学试剂有限公司；甲基异丁基甲酮，分析纯，天津市科密欧化学试剂有限公司1.2仪器与设备低温电热板：天津市泰斯特仪器有限公司；恒温振荡器：国华企业集团有限公司；电感耦合等离子体发射光谱仪iCAP7000：美国Thermo公司1.3试验对象针对2023年来陕西省产品质量监督检验研究院对委托检验产品和监督抽查产品中铊元素进行了25批次的检测，其样品名称、检测来源等相关信息见表1；1.4试验方法1.4.1 试样溶液的制备称取试样5g（精确至0.0001g）于100mL烧杯中，用少量水浸润，加入20mL王水（15mL盐酸和5mL硝酸）将样品溶解，盖上表面皿，在低温电热板上加热至沸，保持微沸15min。
新污染物以及其在水环境中的检测技术综述目录一、新污染物的概述 (2)1. 新污染物的定义与特点 (3)2. 新污染物的来源与分布 (4)二、水环境中的新污染物 (5)1. 水环境与新污染物的关系 (6)2. 水环境中新污染物的种类 (6)三、新污染物的检测技术 (7)1. 荧光法 (9)2. 生物传感器法 (11)3. 高效液相色谱法 (12)4. 气相色谱-质谱联用法 (14)5. 核磁共振法 (15)6. 其他检测技术 (16)四、新污染物检测技术的应用与发展趋势 (18)1. 新污染物检测技术在环境监测中的应用 (19)2. 新污染物检测技术的研究进展 (20)3. 新污染物检测技术的未来发展趋势 (21)五、结论 (23)1. 新污染物在水环境中的重要性 (24)2. 新污染物检测技术的挑战与机遇 (24)一、新污染物的概述随着工业化和城市化进程的加速，新污染物问题日益严重，对生态环境和人类健康构成严重威胁。
新污染物是指那些具有内分泌干扰、生殖危害、神经毒性、生物累积性等特性，在环境中广泛存在且难以降解的有机化合物。
这些化合物可能来自工业生产、农业污染、城市垃圾处理等过程，通过大气沉降、废水排放等方式进入水体环境。
新污染物种类不断增加，包括持久性有机污染物（POPs）、重金属、抗生素、农药等。
这些新污染物在水环境中的分布广泛，且具有较高的浓度和生物毒性，对生态系统和人类健康造成长期影响。
开展新污染物及其在水环境中的检测技术研究，对于了解新污染物的来源、迁移转化规律及其生态风险具有重要意义。
在水环境中，新污染物通常以各种形态存在，如溶解态、悬浮态和沉积态等。
这些形态的新污染物在环境中的行为和归宿各不相同，给检测带来一定困难。
发展高效、灵敏、准确的检测技术对于新污染物监测至关重要。
为应对新污染物污染问题，各国政府和国际组织正加强新污染物的监测和研究工作，制定相关法规和标准，推动新污染物的管理。
空气质量监测文献综述中国空气质量监测文献综述1. 综述近年来，中国空气质量一直处于十分差的状态，尤其是在城市地区，空气污染已经成为中国社会中最主要的环境问题之一。
因此，进行空气质量监测显得十分必要。
本文通过分析和综述近年来国内外空气质量监测的文献，旨在为中国空气质量改善和提供资料支持。
2. 空气质量监测现状近年来，中国对空气质量监测课题缺乏重视，导致监测系统和手段未能得到很好的建设和开发，存在许多不足。
担心空气中污染物造成生态环境污染和危害人体健康的问题日益受到重视，但仅少数能够进行监测的城市及其设施空气质量的监测情况严重不足。
3. 空气质量监测系统为了满足国内外环境污染物的监测需求，已经有一些空气质量监测系统的相关产品应运而生。
总体上，当前的系统分类可以分为城市空气质量监测系统、企业空气质量监测系统、污染源空气质量监测系统和便携式空气质量监测系统等。
4. 现有空气质量监测文献至今，世界各国、尤其是欧洲及美国、日本等发达国家在空气质量的监测方面取得了显著的成果，文献研究也越来越全面。
而在中国，特别是我国发展中的中部和西部地区，人们对空气质量监测仍然缺乏充分的认识和认知，文献内容较少。
5. 改进空气质量监测技术随着我国社会的发展，可再生能源的发展以及能源效率和性能方面的新技术的推广，空气质量监测技术也在不断改进和发展。
例如，运用感知技术进行空气质量监测，利用新型的便携式装置结合实时的云端监测、分析数据，实现室外和室内空气质量的更加精准的监测，以及开发具备在线测量、检测和传输数据的空气质量传感平台等。
综上所述，空气质量监测是中国近年来减少废气排放，改善空气质量的重要环节，也是关系到环境质量和社会发展的重要因素。
本文通过对近年来国内外文献分析，对空气质量监测技术发展现状、课题分析与研究进行了简要回顾，以期为中国空气质量改善和提供资料支持。
卫星安全系统入侵检测研究文献综述二十世纪末，入侵检测系统首次被提出，并进化成为入侵检测专家系统（Intrusion Detection Expert System，IDES）[4]。
经过较长时间的发展和进步，入侵检测系统已经逐渐发展成可适用于多种实际的模型，有较为广泛的适用性。
目前，具有代表性的商用入侵检测系统是RealSecure系统，是国际互联网安全系统公司设计的能够监控数据传输并自动实时检测异常的行为，在网络受到损害之前检测和响应发现的外部攻击和内部误用操作的系统[3]。
此外，许多公司都推出了自己产品，如：思科的Netranger系统，以及国内华为的NIP系统、启明星辰的天阗系统等。
现如今入侵检测技术呈现出多样化的前进趋势，从信息来源的角度可以分为分析网络主机的配置信息、日志信息以及操作记录等数据的基于主机的检测、分析原始数据包的基于网络的检测以及混合型的入侵检测技术[3,18]。
其中，基于网络的入侵检测分析的数据包来源于对通信网络进行实时监视和检测。
另外，入侵检测系统从检测方法的角度，一般可分为与正常行为做匹配的异常检测和与异常行为做匹配的特征检测[7]。
异常检测主要比较用户操作与正常合理行为的相符程度，所有用户实施的不符合正常操作特征的行为将被判定为入侵。
常用的异常检测方法主要是模式匹配算法。
而特征检测则是检测与已知的存在威胁的行为之间的符合程度，将已知的所有具有威胁的操作行为归纳成特征库，凡是用户行为符合特征库中的某特征就会被判定为攻击行为。
在针对已知攻击的检测技术中，特征检测是准确率最高的，但未知攻击不会被发现；异常检测可以识别出未知的威胁行为，所以应用较为广泛，但其需要不断对标准库进行扩充。
四种入侵检测方法的优缺点如表1.1所示。
表1.1 入侵检测方法的分类及优缺点众多机器学习算法都属于特征检测的范畴。
1999年，Wenke Lee及其团队首次入侵检测中运用机器学习方法，主要是分析网络上的相关数据，提出了一个异常检测模型[5]。
水体中抗生素的检测及去除方法研究综述水体中抗生素的检测及去除方法研究综述1. 引言随着人口的增加和工业化的加剧，水源的污染日益严重，其中包括了抗生素的排放和释放。
抗生素在人类医疗保健和农业生产中发挥了重要的作用，但其过度使用和滥用导致了许多负面影响。
抗生素残留物在水体中的存在对环境和人类健康构成了潜在的风险。
因此，研究水体中抗生素的检测和去除方法变得至关重要。
2. 抗生素的检测方法2.1 色谱技术色谱技术被广泛用于水体中抗生素的分析。
包括气相色谱（GC）、高效液相色谱（HPLC）和毛细管电泳（CE）。
这些方法可以对不同类型和浓度的抗生素进行准确测定。
2.2 免疫分析技术免疫分析技术是一种简便、快速且敏感的方法，被广泛应用于水体中抗生素的检测。
常用的免疫分析方法包括酶联免疫吸附测定法（ELISA）和放射免疫测定法（RIA）。
2.3 生物传感器技术生物传感器技术是一种新兴的检测方法，通过利用生物体的生物特性来检测抗生素的存在。
以微生物电化学传感器为例，通过微生物的生物电活性来测定抗生素的浓度，具有高灵敏度和高选择性的优势。
3. 水体中抗生素的去除方法3.1 生物降解方法生物降解方法利用微生物的代谢活性来分解和降解抗生素。
包括好氧降解、厌氧降解和酶解三种方式。
生物降解方法具有环境友好、经济实用的特点，但对水质环境条件要求较高。
3.2 物理化学方法物理化学方法是指通过吸附、氧化还原、超滤和紫外光降解等手段来去除水体中的抗生素。
这些方法可以高效地去除抗生素，同时也适用于多种污染物的去除。
3.3 高级氧化技术高级氧化技术是指利用氢氧自由基、羟基自由基和超声波等高级氧化剂来降解抗生素。
该技术具有高效、无副产物和无毒性的特点，在水体中抗生素的去除中具有潜力。
4. 抗生素污染的环境风险评估抗生素污染的环境风险评估是对水体中抗生素污染程度和对环境的影响进行综合评估的过程。
包括了污染浓度的测定、生物毒性测试和生态学评估等环节。
3d目标检测方法研究综述目前，3D目标检测在计算机视觉领域中变得越来越流行，因为这个新兴的技术能够提供更加丰富和准确的场景理解。
3D目标检测涉及使用深度学习和传感器技术来精确地测量和捕捉物体的三维信息。
在本文中，我们将对3D目标检测方法进行研究综述。
针对3D目标检测，人们主要面临的挑战是如何从多个噪声来源中提取准确的3D信息。
由于传感器噪声和位置偏移等问题，导致深度信息的精确程度受限，从而使得物体的3D边界信息无法准确获取。
在过去的几年中，研究者们已经发展出了各种各样的3D目标检测算法来解决这些问题。
在传统计算机视觉领域中，物体检测通常基于基于视觉特征的方法，如Haar-like特征或HOG（方向梯度直方图）特征。
这些方法仅限于2D，无法准确捕捉物体的真实形状和空间位置。
人们开始研究基于3D数据的物体检测算法。
随着深度学习技术的发展，基于神经网络的3D目标检测方法开始流行。
最具代表性的是基于点云的3D目标检测方法，该方法首先将输入的点云数据转换为三维体素网格，然后对每个体素进行二进制分类或回归，以确定目标是否存在（分类）或其3D边界信息（回归）。
这个方法的优点是可以处理不同分辨率和密度的点云数据，而且能够准确捕捉目标的3D信息。
一些研究人员通过对体素大小进行优化，以实现更好的检测精度，但与此计算复杂度也会增加。
还有许多其他基于3D数据的物体检测方法，如多视角投影方法、基于图像和点云的方法等等。
多视角投影方法通过将不同视角的深度图像进行融合，以获取物体的3D信息。
基于图像和点云的方法则通过将2D图像和点云数据进行融合，以提供更加全面的场景理解。
3D目标检测在计算机视觉领域中是一个不断发展的领域，现有的方法有助于解决从多个噪声来源中提取准确的3D信息的问题。
随着技术的不断发展，我们相信将会有更多更高效的3D目标检测算法被提出并应用到实际场景中。
另一个挑战是如何在复杂的场景中对多个目标进行检测。
传统的2D图像和视频中存在遮挡和重叠等问题，这些问题在3D场景中更加突出。
水中铝的检测方法及研究进展[摘要] 结合国内外的研究进展，综述了水中铝的各种检测方法，并展望了铝在检测方法上的发展趋势。
[关键词] 水铝检测进展铝是重要的金属元素，在自然界中含量丰富，在地壳中分布广泛，含量高达8.8％(重量)，仅次于氧、硅位居第三。
存在的最主要形式是复硅酸盐及风化产物[1]，主要矿物为冰晶石、铝土矿和高岭土，活性溶解态的铝含量非常有限，一般不会对植物的根系造成伤害，也很少被人体消化道吸收。
在生物体内，铝的含量很少，被称为微量元素。
长期以来，铝一直被认为是无毒元素，但随着它在人们生活中的广泛应用，使其对环境的污染日益突出，尤其是对水环境的污染。
过量铝不仅对各类水生生物，植物等有强烈的毒害作用，还会导致人体多种疾病[2]。
因此，水中铝检测方法的探讨也日益成为人们关注的热点。
本文对几种检测方法做简单的论述，以便为今后的研究提供参考。
1.水中铝的检测方法1.1 分光光度法分光光度法是基于郎伯-比耳定律，即被测物质的浓度与吸光度呈线性关系来进行定量分析的方法。
分光光度法在水中铝的测定中有广泛的应用,根据所用显色剂的不同,有7-碘-8-羟基喹啉-5-磺酸荧光分光光度法,铬天青S——溴化十六烷基三甲胺分光光度法,铍试剂Ⅲ分光光度测定法和铝试剂分光光度法等。
1.1.1 7-碘-8-羟基喹啉-5-磺酸荧光分光光度法杨阳[3]等研究了在502nm波长下，以pH5.0的乙酸-乙酸钠为缓冲液，依据铝与H2QSI（7-碘-8-羟基喹啉-5-磺酸荧光分光光度法）结合成的二元配合物和有CTMAB（六烷基溴化铵）存在下形成的三元配合物以及试剂空白的荧光强度与水中铝的含量呈线性关系，建立了测定水中铝含量的7-碘-8-羟基喹啉-5-磺酸荧光分光光度法。
结果表明，用该法测水中铝的含量，平均回收率达96.0％，精密度较好，其检测范围为0.01—0.3mg/L，且该法操作简便，不需要有机溶剂萃取即可直接测定，易于掌握适合生活饮用水中铝的测定。
源检测研究综述摘要:本文简要介绍记忆源以及源检测概念以及相关研究,论述有关错误记忆理论模型。
在综述大量实验证据基础上,指出源检测研究的理论意义和应用价值。
关键词: 源检测，源检测框架理论，模糊痕迹理论，错误信息效应引言：人不仅能够从记忆系统提取有关事实以及知识观点的记忆符号,同时还能够判断记忆符号的来源。
源检测研究就是探讨记忆系统的这种能力。
从1981年到现在,源检测研究仅几十年的历史,但已涉及到心理学许多领域、积累很多研究结果。
1源检测概念及相关研究1.1源以及源检测概念源(source)概念与情境记忆联系较为密切,但又较情境记忆意义广泛。
源意指记忆产生的种种特征,例如记忆事件的空间、时间、社会情境、感觉媒体和通道等等。
源检测(source monitorin )研究的重要假设是人们不但能从记忆系统直接提取特定记忆源的抽象靶子或者说符号,而且能评估激活的记忆,判断记忆的源。
源检测意指对记忆、知识以及观点的来源进行判断的认知加工。
简单来说源信息提取的认知过程,被称为源检测(source monitoring)。
1.2 源检测认知加工所依赖的记忆特征源检测的基础是与判断过程相联系的各种记忆特征,这些重要的特征是知觉信息(例如,声音、颜色等)、情境信息(例如,空间、时间)、语义细节、情感信息和认知操作码。
不同的记忆源其记忆特征各不相同,例如,与想象事件相比较,知觉事件的记忆包含比较多的知觉、时间空间、语义以及情感信息和比较少的认知操作方面的信息。
Johnson和Raye认为,外部事物的编码表征具有丰富的知觉信息和背景信息,而内部产生事件的编码则应当包含许多有关用于编码此事件的认识操作的信息。
因此,他们认为,如果一件事情有大量知觉背景信息而认知操作信息很少,就比较容易被判断为外部信息,反之亦然。
另外,源判断也以记忆特征与激活特定源的模式匹配情况为基础,例如,如果一个陈述记忆的听觉特征与你所了解的某个人的声音相匹配,你会说这个陈述是这个人讲的。
1.3 源检测的判断过程源检测的判断过程可分为两类,一类称相对“自动化”的过程,另一类称较多“控制”的过程。
前者比较快并且相对来说不要细心考虑,它以激活记忆的本质特征为基础(例如,知觉细节的质和量)；后者包含较多的策略加工,相对说比较慢而且要细心考虑。
Chaiken等又称前者为启发式加工,后者为有系统性加工。
源检测判断的典型加工是启发式加工,系统性加工相对较慢且易受干扰,一般很少被采用。
两种加工在源检测判断过程中往往会相互补充、相互调节共同完成源检测任务。
例如在缺乏感觉细节情况下,启发式加工可能会受到阻碍,有意识运用一般知识和信念进行条理化加工可能被接受。
1.4 源检测的完整性某一记忆的源包含多个方面,源判断的正确可分不同的程度。
例如,你可能记住某人何时何地告诉你的一件事；你也有可能记住某人告诉过你的一件事而不知何时或者何地或者何种方式告诉你的；你还有可能记得有人最近告诉过你某件事但对此人没有印象了。
当你发现一个熟悉的面孔而不知何时何地遇到过此人时,你甚至对源信息一无所知。
1.5 影响源检测的因素影响检测的因素包括影响源信息特征编码的因素和影响源判断过程的因素。
源检测依赖可能激活的记忆信息,它的基础是记忆系统所登记的起始事件的信息类型,这些记忆记录是起始经验的知觉和反映过程的产物。
信息获取过程中,任何有碍于知觉和反映过程的因素都将影响相关源信息的编码,例如紧张和分散注意。
在源判断过程中,干扰回忆的情景(如学习和检测内容的差异)或时间压力、严格要求下的紧张、分心任务、饮酒等都会降低人的反映能力以及相关的组织过程。
除此之外激活的记忆编码中的源信息特征的类型和数量；源信息之间的相似性都会影响源检测。
2. 源记忆相关理论模型2.1 源检测框架理论源检测理论由Johnson等人于1981年提出的现实性检测理论发展而来。
按照源检测框架理论的观点,“源”是指记忆的来源,有内源和外源之分。
内源指记忆的事件是个体内部产生的,例如通过想象、思考或推理等体验过的事件；外源指记忆的内容来源于个体外部世界,例如信息获得的时间、地点、感觉通道、是何人所为等。
源检测即判断记忆的来源,根据以上定义,有三类源检测:外源检测,内源检测和内-外源检测。
外源检测指对外部产生的事件来源的区别,例如判断一件事是A做的还是B做的就属于外源检测；内源检测是指对内部产生的事件来源的区别,例如判断一件事是自己想过的还是自己说过的就属于内源检测；内-外源检测又叫现实性检测,是指对外部真实发生的事件和个体内部的心理体验的区别,例如一件事是自己想象的还是真正发生过的。
这些分类可以丰富人们对源检测心理机制的认识。
2.2 模糊痕迹理论模糊痕迹理论。
该理论用字是由 Brainerd 和 Reyna提出的。
该理论认为人们通常把信息分为两种成分进行编码和存储。
一种是字面形式(细节性表征)，代表物理刺激的表面细节，例如:声音、视觉等其他外显刺激表象形式:另一种是要旨(gist 概括性表征)，代表刺激的意义，即对事件解释的储存。
当人们记忆某一事件时，这两种编码是并行的。
两种表征可以同时生成，无须相互依赖。
但是人们常常能回忆事件的要旨，而不能回忆表层信息。
细节性表征会比概括性表征遗忘得更快。
这两种表征是再认判断的基础: 对学习过项目的正确再认很大程度上是由字面表征驱动的，而当被试基于要点表征进行再认判断时就会经常发生错误记忆。
2.3 错误信息效应所谓“错误信息效应”,指的是事件后误导信息可以降低被试有关原始事件的一系列记忆测试的成绩。
有时候,错误的事件后误导信息可能会以一种隐藏的方式潜移默化地传递给被试。
在这种情况下,被试往往意识不到自己接受到错误信息的暗示；而事实上,被试关于原始事件的记忆已经因为受到这些错误暗示信息的干扰而被削弱。
心理学家对于儿童与成人进行过各种各样类似的实验,就“错误信息效应”本身取得较为一致的观点,但是关于导致“错误信息效应”的机制却争论倍出。
Loftus最初提出“错误信息效应”源于“记忆削弱”。
该假设认为事件后误导信息要么和记忆中的原始事件信息相混合,要么“改写”或“替代”原始事件的记忆,从而导致原始事件记忆发生改变,或者被完全擦除,导致不可挽回的记忆损失[6]。
与记忆削弱假设密切相关的是“记忆痕迹”的概念。
所谓记忆痕迹,指的是记忆编码时认知加工活动产生的一系列关于事件的组合特性。
主体在对事件进行编码时,会执行一系列的模式识别与解释分析。
模式识别过程将事件的特性(如:形状、轮廓、差异对比、大小等)进行抽象,而解释分析过程则负责给该事件赋予一定的意义, 如:给事件命名、为事件赋予一定的情绪体验等。
上述这些活动的综合记录就形成了记忆痕迹。
由于这些表征原始事件的组合特性可能会随时间的推移变得松散或解体,这就使事件后的暗示信息被收编成为原始信息的一部分,或与原始信息并存形成两者竞争成为可能。
由此,很多支持“记忆痕迹”理论的心理学家认为,主体的记忆受到暗示信息的影响而发生改变的情况取决于原始记忆痕迹的强度,也即:如果关于事件的原始记忆痕迹很弱,那么事件的组合特性就特别容易发生解体、与暗示信息融合或被暗示信息完全擦除的情况。
相反,如果事件的特性使得主体具有很强的原始记忆痕迹,那么这种记忆痕迹往往更容易抵御外界暗示信息的入侵。
3 源检测的应用研究3.1 源检测记忆错觉的研究3.1.1 三种源检测错觉类型源检测错觉探讨了三种类型的记忆错觉:真实性检测错觉、内源检测错觉和外源检测错觉。
尤其是真实性检测和外源检测有很重要的应用价值而更受到研究者的重视。
真实性检测即内外源检测,主要涉及人们判断记忆来自真实的知觉还是自身的想象、思考、梦或幻想。
Johnson等认为,当人们混淆信息的来源,错误地将自身反应性信息归因于知觉或是将知觉归因于自身的想象时,就会导致真实性检测的失败。
大量真实性检测研究表明,想象对产生错误的记忆有很大的干扰作用,尽管有时知道这是不可能的,被试依旧把想象的事情确定为发生过。
一般来说,想象事件有更多的认知操作性特征,而真实事件具有更多的感觉信息、时间地点信息、上下文信息及语义信息等。
Johnson等认为,想象中的认知操作使知觉细节更为清晰,从而更容易导致认为事情真实发生过,这表明,形象的知觉信息在源检测中有较大的权重。
大量研究表明,内外源之间和外外源之间的知觉相似性和语义相似性可以使信源混淆增加。
例如事后误导信息效应揭示了人们倾向把事后误导的信息的细节错误地报告为目击事件的细节。
信源检测框架理论认为人们犯此类错误是因为他们错误地把事后的信息归结于目击的事件。
Lindsay和Johnson发现事后信息与目击事件越相似,源检测错误的可能性越大。
研究发现,不同的人在三种源检测错觉中的表现不同。
例如,Hashtroudi等人研究表明,与年轻人相比,老年被试内源检测和外源检测较差,但真实检测并不差；Havay研究发现,思维失调的躁狂者,内源检测没有困难,但外源检测受到损伤。
研究者认为,这些有选择性的缺失并不意味着不同的源检测任务包括了完全不同的记忆特征或判断过程,而是不同的源检测任务可能对记忆特征利用的权重不同(如认知操作在区别内外源和区别外源上有更重要作用)。
源检测任务中错觉表现的方式可以帮助人们进一步认识自己的记忆,因为不同的源检测错觉反映了被试在编码,激活或正确权重上存在不同的缺陷。
3.2 目击证人的源检测研究对目击证人的暗示感受性研究是源检测理论的重要应用之一。
在法庭见证的情况下,对源检测的准确性有最高的要求,但同时,检测过程也会受到最多的外界相关因素干扰。
因此,这一领域的研究显得格外的重要,也为源检测理论提供了很好的舞台。
很多研究表明,事后的暗示很可能会被目击者当成自己亲眼所见的事情报告,这一点已经成为共识。
研究者的工作在于更好的描绘源归因错误可能发生的情境,并且澄清在目击作证情境下可能增加或减少这种错误的因素。
在实验室研究中,被试通常会先“目击”一个事件,如观看一段犯罪的录像。
然后,被试会得到一些事后的描述,或者被提问刚才看到的内容。
在这个阶段,被试会得到一些误导的暗示。
在最后的测验阶段,主试明确地指出事后描述或提问时出现的信息并没有在原来的录像中发生,然后要求被试对暗示信息进行源判断。
结果发现,被试常常倾向于把事后呈现的信息归因于最初目击到的事件。
这样的实验室研究要求严格控制实验条件,虽然原始事件和事后信息必须有足够的区分度,但它们的背景信息几乎是一样的。
知觉和语义信息的接近会使源检测更加困难,诱发更多的错误；而现实中的情境不会像实验室条件那样受严格控制,因此,这些结果是否证明现实生活特别在司法见证中源检测错误也会发生并不确定,可能只是实验室条件诱发了这一现象。
