摘要：根据STM和AFM的扫描原理,通过CAM设计了一种新型偏心升降装置,使STM和AFM测试样品的高度大为增加,形成柔性测试系统。根据对实际工况的仿真研究,对装置进行了修改。

摘要：信息门户作为高校信息基础平台的重要组成,一直在不断发展演进。信息门户作为信息应用的聚合入口,提供了一站式系统的内外网资讯推送和系统集成功能。传统情况下,信息门户使用企业总线来实现多个单体系统的业务集成,存在集成复杂、迭代变更困难的缺点。微服务架构是一种新型的分布式架构,在互联网行业取得广泛的应用。通过对微服务架构和信息门户集成模式的研究,提出了一种利用Spring Cloud微服务架构进行分布式门户服务集成的应用模式,并在具体的一站式门户建设中予以实践。

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：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：目的调查四川省双流县居民健康体检现状,探索适合小康型乡镇卫生院的居民健康体检模式,并为提高体检效果提供依据。方法采用自行设计的调查表调查双流县24家镇级基层医疗单位(3家中心型卫生院、3家社区卫生服务中心及18家一般型卫生院)的居民健康体检的开展情况。同时设计访谈提纲,对负责居民体检工作管理及实施者进行个人访谈。使用Epidate3.1录入数据,采用SPSS17.0对调查数据进行定量处理,采用归类法对个人访谈资料进行定性研究。结果 2008～2010年8月双流县开展居民健康体检的基层医疗单位逐年增多,至2010年8月,全县24家镇级医疗单位已全部开展。但存在居民参检率不高、档案利用效果不佳等问题。结论①基层医疗单位开展居民健康体检应扎实做好体检工作准备,加强组织,扩大宣传,不断提高参检率;②加快健康档案的信息化建设,加快体检信息的处理分析;③应根据体检信息不断优化体检项目,提升体检人员资质,加快体检队伍建设。

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。