摘要：【目的】解决现有的豆腐皮加工装置人工添加豆浆成本较高、用竹签等工具收集豆腐皮时易出现位置偏差以及存在豆腐皮收集不整齐等问题。【方法】研发一种自动化豆腐皮加工装置,该装置主要包括豆浆研磨筒、豆浆煮沸炉、豆浆储存容器和豆腐皮生成容器,其中,豆浆研磨筒通过驱动电机驱动旋转的研磨砂轮研磨大豆,在豆浆煮沸炉中利用高功率电加热模块煮沸豆浆。通过液位传感器和电控阀的配合,实现豆浆的自动添加,保证豆腐皮生成容器中的豆浆量保持在较佳的位置。采用两根捞杆配合使用,使得豆腐皮自动对半折叠,完成对豆腐皮的收集。【结果】该装置可实现豆浆的自动添加、完成对豆腐皮的自动收集,通过液位传感器监测豆浆液位,通过电控阀门开启进豆浆口,保证豆腐皮生成容器中的豆浆量保持在较佳的位置,提高了豆腐皮的生成质量。【结论】可实现豆腐皮的加工自动化、机械化,降低人力成本和劳动强度,能够保持豆腐皮表皮完整性,从而提高豆腐皮的加工效率,有效实现豆腐皮的自动加工,使豆腐皮的生产形成规模,满足广大市场的需求。

摘要：依托重庆万州驸马长江大桥结构健康监测系统,介绍了连通管及压力变送器在大跨度悬索桥挠度监测中的应用情况,研究基于温度效应的大跨度悬索桥长期监测和评估,结果表明钢箱梁竖向变形和梁端纵向位移随环境温度发生较大变形,温度效应显著。此外,建立有限元模型进行大跨度悬索桥温度效应的理论分析,温度效应现场监测值与理论分析结果基本吻合,验证了连通管和压力变送器系统用于监测大跨度悬索桥温度效应的可靠性。

摘要：为了解决如何从背景中把感兴趣的桥梁病害区域以像素级精度识别出来的问题,本文针对混凝土裂缝、钢材锈蚀、表面涂层脱落、混凝土掉块4种桥梁局部病害形式,提出了一种基于深度学习语义分割的桥梁病害图像像素级识别方法,通过构建由一系列功能层组成的深度卷积神经网络(包括卷积层、批归一化层、非线性激活层、最大池化层、反卷积层、全连接层、softmax分类层等),实现像素级的病害区域识别。以考虑不平衡数据处理的像素级交叉熵分类损失为模型训练的损失函数,同时采用数据增强方法,对输入输出图像随机采用逆时针旋转90°、180°、270°、水平翻转、竖直翻转的形式来提高模型的泛化能力。将400张原始病害图像和其像素级分割真实值分别作为输入和输出,80%进行训练,剩余20%作为测试集。随着训练过程的进行,损失不断下降,准确率逐渐上升,最终经过100轮次训练(每轮的批次大小为32),准确率提升至94.96%。测试结果表明,训练模型基本可以实现对混凝土裂缝、钢材锈蚀、表面涂层脱落、混凝土掉块4种桥梁局部病害区域的像素级识别,其中可以很好地识别出在较简单背景下的混凝土裂缝病害区域,而对于复杂背景下的表面涂层脱落、混凝土掉块、钢材腐蚀耦合发生时的识别结果的准确度则相对降低。可能原因是由于在实际复杂场景下,表面涂层脱落、混凝土掉块具有很大程度上的相似性,并且钢材腐蚀往往伴随着表面涂层脱落、混凝土掉块的发生。