A Z-scheme g-C3N4/Ag/MoS2 ternary plasmonic photocatalyst in a flowerlike architecture of diameter about 0.4–0.6 μm is successfully synthesized by a reliable and effective method. The as-synthesized g-C3N4/Ag/MoS2 photocatalyst showed excellent improvement for visible-light absorption and separation efficiency of photoinduced electron–hole pairs. The g-C3N4/Ag/MoS2 system exhibits optimum visible-light-induced photocatalytic activity in degrading Rhodamin B (RhB), which is 9.43-fold and 3.56-fold of Ag/MoS2 and g-C3N4/MoS2 systems, and 8.78-fold and 2.08-fold in the production of hydrogen (H2) out of water, respectively. The excellent photocatalytic activities are attributed to the synergetic effects of Ag, g-C3N4, and MoS2 nanophase structures in the g-C3N4/Ag/MoS2 composites, which result in a Z-scheme-mechanism-assisted fast separation and slow recombination of photoinduced electron–hole pairs and thereby higher photocatalytic activity.

Abstract Organometallic halide perovskite films with good surface morphology and large grain size are desirable for obtaining high‐performance photovoltaic devices. However, defects and related trap sites are generated inevitably at grain boundaries and on surfaces of solution‐processed polycrystalline perovskite films. Seeking facial and efficient methods to passivate the perovskite film for minimizing defect density is necessary for further improving the photovoltaic performance. Here, a convenient strategy is developed to improve perovskite crystallization by incorporating a 2D polymeric material of graphitic carbon nitride ( g ‐C 3 N 4 ) into the perovskite layer. The addition of g ‐C 3 N 4 results in improved crystalline quality of perovskite film with large grain size by retarding the crystallization rate, and reduced intrinsic defect density by passivating charge recombination centers around the grain boundaries. In addition, g ‐C 3 N 4 doping increases the film conductivity of perovskite layer, which is beneficial for charge transport in perovskite light‐absorption layer. Consequently, a champion device with a maximum power conversion efficiency of 19.49% is approached owing to a remarkable improvement in fill factor from 0.65 to 0.74. This finding demonstrates a simple method to passivate the perovskite film by controlling the crystallization and reducing the defect density.

The detection of pomegranate fruitlets is of great significance for fruit thinning and yield estimation. However, the researches on the detection of pomegranate fruitlets are rarely considered in recent years. In addition, the immature fruit detection algorithms often have a large amount of calculation, which require high computing memory and computing resources of the equipment. Based on the mentioned issue, we propose a lightweight detection method based on the improved You Only Look Once Version 8(YOLOv8) to realize the automatic detection of pomegranate fruitlets (PG-YOLO). Firstly, the lightweight network Shufflenetv2 is used to reconstruct the backbone of YOLOv8s. Secondly, the Depthwise separable convolution is used to replace the standard convolution of Neck layer. Then, the multi-head self-attention (MHSA) is used to enhance the positioning ability and feature extraction ability of the model before the backbone network outputs features. Finally, the self-built pomegranate fruitlet dataset is used to train and test the PG-YOLO model. It is shown that, the Mean Average Precision(mAP) of pomegranate fruitlets detected by PG-YOLO model is 93.4%. The optimal weight size of PG-YOLO is only 2.2 Mb, which is 89.9% less than the original YOLOv8s. In addition, the detection speed of the PG-YOLO model is 74.1% higher than the original YOLOv8s. The results demonstrate that the study significantly reduces the complexity of the model and provides a research basis for further application in mobile devices. The self-built PG-YOLO-Dataset used in this paper has been published on github: https://github.com/LforikC/PG-YOLO-Dataset.