摘要：针对槟榔人工分级劳动生产率低、准确率低的问题,开展基于遗传神经网络的机器视觉槟榔分级研究。以4种类别的槟榔图像为研究对象,首先设计一个6层结构的遗传神经网络对槟榔进行分级,虽然分级准确率较高但是网络结构复杂。然后对运用主成分分析法降低图像特征的维数并将遗传神经网络简化为3层结构的方法进行研究。最后用400幅和100幅槟榔图像对这个3层神经网络进行训练和验证,经过调整网络的学习率等参数,训练和验证的准确率达到95%以上。通过神经网络模型测试试验,槟榔正确分级的准确率为90%。数据降维后的三层遗传神经网络能够实现对槟榔的实时分级,为机器分级提供了技术支持。

摘要：课堂练习是巩固知识、促进素质内化的一个重要的教学过程，但人们常常不太重视课堂练习的设计，于是，练习的多(即大题量)、杂(即杂乱无序)、死(即思路单一，答案唯一)等弊病便应运而生，增加了学生学习的负担，阻碍了学生思维的发展，自然也降低了课堂教学的效率。因此，在提倡素质教育、创新教育的今天，优化课堂练习的设计已成为当务之急。

摘要：针对槟榔的人工分级劳动生产率和分级准确率低的问题,构建基于卷积神经网络的槟榔分级模型。设计1个由两个卷积块构成的槟榔图像特征提取网络,每个卷积块有2个卷积层和1个池化层。第2个卷积块联接1个由扁平层、隐含层和输出层构成的多层感知器,特征提取网络和感知器构成1个浅层卷积神经网络(SCNN)。通过SGD、Adam等6种优化方法和学习率的人工调整完成网络训练、验证和测试的对比分析,选择Adam为SCNN的优化方法并将学习率设置为0.001。将基于Adam优化的SCNN应用于槟榔分级,分级准确率达到98.05%,网络ROC曲线的AUC值等于1。利用SCNN模型能够快速、准确地完成对槟榔的分级,为槟榔机器分级研究提供基础。

摘要：构建基于深度学习的轻量级卷积神经网络实现发动机声音信号的失火故障检测。运用计算机的麦克风阵列记录发动机不同转速下的正常状态、一缸失火状态、二缸失火状态的声音信号。将声音信号转换成时频图像应用于卷积网络模型的训练、验证和测试。声音时频图像特征提取网络主要由可分离卷积模块构成。特征提取网络连接时频图像分类器,对含有不同个数的特征通道分组卷积模块的网络模型进行训练、验证和测试试验的比较分析。设计的卷积神经网络应用于发动机失火故障检测的准确率达到99.60%。网络的计算量小、检测时间短。基于特征通道分组卷积的深度学习网络能够快速地完成对发动机失火故障声音信号的检测诊断,为发动机失火故障的在线实时检测提供智能决策支持。

摘要：应用三维光学扫描技术,结合Geomagic Studio逆向软件和三维设计软件对汽车底盘进行设计研究。介绍三维扫描汽车底盘、采集底盘的点云数据和处理点云数据过程,其次进行汽车底盘曲面的重构和数字化建模,获取汽车底盘的三维和二维图像,最后探讨3D打印技术在汽车底盘快速成型上的应用,证实光学三维扫描技术和3D打印技术在汽车底盘逆向设计及制造中的可行性。

摘要：为提高汽车转向稳定性,针对主动前转向(AFS)系统提出了一种基于可变传动比转向系统(VGRS)的多目标滑模控制(SMC)策略。首先依据AFS系统工作原理,建立了VGRS执行器数学模型,构建了控制器输出转向角与实际前轮转向角之间的关系。然后以双自由度汽车控制模型为基础,运用滑模变结构控制原理,设计了以侧滑角和偏航率为控制变量的滑模控制器,分析了该控制系统的稳定性。最后利用MATLAB和Simulink软件,在仿真平台上分别进行开环和闭环转向稳定性控制的仿真试验,结果表明,与模糊PID策略相比,SMC策略中的侧滑角和偏航率均有所降低,表明SMC策略能有效提高汽车转向稳定性。

摘要：课堂教学是由多重因子构成的,作业是有机组成部分,是课堂教学的延伸。要想夯实学习基础,完成教学目标,必须以作业为抓手,助推课堂教学。道德与法治教学中,作业无疑占据重要地位。有效的作业对学生综合能力生成、学科素养形塑有积极作用。设置有效作业,为学生提供多种知识输出渠道,已经成为当前教学的重中之重。初中道德与法治课堂实践,教师要设置分层作业,给学生提供更多选择机会,在主动参与中,顺利完成作业,真正喜欢上作业。

摘要：文中针对岩土工程勘察的室内土工试验质量控制展开分析,提出了土工试验中存在样本采集不合格、样品流转不合要求、试验操作不规范等问题,并以厦门的土工试验为例,阐述了含水量与密度试验、液限与塑限试验、压缩固结试验的质量控制对策,旨在提高土工试验的准确性和可靠性,为工程设计和施工提供有力支持。

摘要：针对人工或机械振动筛对板栗分级精度低的问题,提出基于浅层卷积神经网络的板栗分级方法。用小米手机拍摄获取5种级别板栗的5481幅图像应用于卷积网络模型的训练、验证和测试。学习EfficientNet的网络结构,设计的浅层卷积神经网络(Efnet-1)由1个普通卷积模块和3个MB卷积模块构成板栗图像特征提取器。特征提取器连接一个由全局平均池化层、隐含层和输出层组成的分类器。在Efnet-1模型的训练过程中对相关超参数进行优化。对比分析Efnet-1与深度学习模型AlexNet的板栗分级性能。Efnet-1对板栗的分级准确率是98.68%,坏板栗被分为好的板栗的比例不大于0.9%。Efnet-1的板栗图像分类时间为62 ms。改进的卷积神经网络模型Efnet-1对板栗的分级快速而准确,为板栗的自动化分级提供技术基础。

摘要：再版图书对成就经典图书有着重要意义,本文通过《手术室护理实践指南》一书说明图书如何从一本新书通过再版,根据时代发展,使图书不断完善,最终成为一本经典书籍。《手术室护理实践指南》是人民卫生出版工作在新形态下的研发产品,在数字化教学和出版产业的创新变革中产生的权威经典专著。本文从该书选题出发,既汇聚焦点又融合视角,契合医疗专业实情。从第一版到第七版,编辑选题策划、图书整体规划、质量控制等方面严格把控,成就了一本经典权威图书。