摘要：为有效提高鸡蛋新鲜度检测效率、优化检测模型,本研究结合波长特征选择和特征提取方法各自的优点,对二者进行有效融合共同优化鸡蛋新鲜度检测模型。利用一阶微分对550~950 nm范围内鸡蛋的可见-近红外透射光谱数据进行预处理,考虑到冗余光谱信息对模型精度的影响,使用特征选择方法中的竞争性自适应重加权(competitive adaptive reweighted sampling,CARS)算法融合非线性特征提取局部切空间排列(local tangent space alignment,LTSA)算法最小化光谱无用信息,建立支持向量机回归(support vector regression,SVR)模型,结果表明单一使用CARS特征波长选择建立模型得到训练集交叉验证相关系数(Rcv)为0.8805,交叉验证均方根误差(root mean square error of cross validation,RMSECV)为8.59,预测集相关系数(Rp)为0.8889,预测集均方根误差(root mean square error of prediction,RMSEP)为8.42,融合LTSA特征提取方法后得到Rcv为0.8960,RMSECV为8.04,Rp为0.8983,RMSEP为8.18,与CARS-SVR模型相比较,融合模型预测精度均有所提高,同时数据维数再次减少14个,进一步简化了预测模型。研究表明,将特征选择与特征提取二者融合共同应用于鸡蛋可见-近红外光谱数据,不仅提升了光谱检测效率,而且提高了鸡蛋新鲜度预测模型精度,可为鸡蛋新鲜度光谱检测模型优化提供参考依据。

摘要：为了进一步提升油茶果壳籽分选效率,该研究采集油茶果脱壳后经过初步筛分的果壳与茶籽图像,构建壳籽分类图像数据集,以VGG16为基础网络,通过深度可分离卷积模块和全连接层神经元数目优选等方式缩小模型规模,采用跨层特征融合机制与引入指数线性单元(exponential linear units,ELU)激活函数优化网络结构,提出一种适用于油茶果壳籽分选的卷积神经网络模型。结果表明,跨层特征融合机制加强了深层网络特征的有效信息表达能力,相比于未融合时的模型精度得到了明显提升,并且三次跨层特征融合总体优于一次与二次融合方式。ELU激活函数加快了模型收敛速度,同时缓解了梯度爆炸,提高了模型鲁棒性。当全连接层神经元个数减少为128时模型得到进一步压缩,并且拟合程度较好。改进模型在油茶果壳籽图像分类上的验证集准确率为98.78%,模型的占存仅需8.41MB,与未改进的VGG16模型相比,准确率提高了0.84个百分点,模型占存减少了519.38MB,并且改进模型的性能相比于AlexNet、ResNet50与MobileNet_V2等其他网络更具优势,同时在测试试验中该模型分选准确率达到了98.28%,平均检测时间为85.06 ms,满足油茶果的壳籽在线快速分选要求。该研究提出的改进卷积神经网络模型具有较高的准确率与较强的泛化能力,可为深度学习运用于油茶果壳籽实时分选提供理论参考。

摘要：油茶果脱壳后果壳与茶籽混合在一起,采用传统的机械分选仍会出现掺杂果壳的情况,清选率有待提高。比较ResNet不同层数模型,发现在当前壳籽实验样本下ResNet18与其他模型相比每次迭代的平均训练时间最少,并且验证集平均准确率最高,同时均优于其他CNN分类模型。为进一步提升分选效率,在ResNet18网络中引入注意力机制,结果表明,SE-ResNet18模型与改进前的模型相比,训练过程中每次迭代的平均时间由1.31 s下降到1.13 s,缩短0.18 s,验证集平均准确率为98.88%,提升1.4个百分点。经过测试后得出,测试集整体准确率为98.43%,与原模型相比提升1.3个百分点,说明使用ResNet18模型结合注意力机制的方法在油茶果果壳与茶籽的分选上是可行的,为油茶果在分选方法提供一种新的理论基础与思考方向。

摘要：以3次B样条曲线作为超声变幅杆横截面的轮廓形状,应用有限元软件ANSYS的动力学分析功能与优化设计方法,设计出在既能满足材料许用工作应力、又具有较高形状因数与较大振幅放大系数的新型超声变幅杆。应用Matlab软件对其节点位置进行理论计算。针对传统基于波动理论的求解方法计算量大,变幅杆轮廓线质点与对应轴线质点之间存在相对偏移等问题,提出一种基于Ansys有限元动力学分析与优化设计方法的变幅杆节点定位方法。并应用于传统形状变幅杆进行比较,验证了其正确性。

摘要：在油茶果脱壳后,采用机械方法分选的茶籽中混杂着一些果壳,由于两者大小和比重相似,其外观差异成为分选的重要依据。本文提出一种综合考虑油茶果颜色、纹理、几何形状多种图像特征的分选方法,结合机器视觉技术实现油茶果果壳与茶籽的准确分选。通过有效的图像预处理手段提取物料样本轮廓,并计算轮廓内的颜色、纹理以及形状特征信息,分别比较了通过网格搜索法(Grid Search,GS)、粒子群算法(Particle Swarm Optimization,PSO)和遗传算法(Genetic Algorithm,GA)寻优而建立的三种支持向量机(Support Vector Machine,SVM)分类模型,最终确定GS-SVM模型最佳,其模型训练集识别率为94.44%,测试集识别率为93.33%,结果表明将此方法应用于油茶果果壳与茶籽分选是可行的,为油茶果果壳与茶籽分选加工技术提供了一定的理论基础。

摘要：该文利用自行搭建的油茶果壳籽分选装置采集壳籽图像,提出一种HOG和LBP特征融合的方法应用于壳籽的自动识别,实现了油茶果壳籽快速分选。将采集图像进行预处理,分割出壳籽前景图像,提取壳籽的HOG形状特征和LBP纹理特征信息,为了提升检测速率,分别采用主成分分析法(PCA)对HOG特征、LBP特征以及HOG+LBP特征进行降维,利用BP神经网络(BP)、朴素贝叶斯(NBM)、K近邻(KNN)和支持向量机(SVM)等4种机器学习算法训练壳籽分类模型,并通过测试集对比各分类模型性能。实验结果表明,HOG+LBP融合特征的支持向量机分类模型识别效果最好,其训练准确率为100%,平均测试准确率为96.00%,并且特征融合后的识别准确率均高于单一特征,说明该方法对于油茶果壳籽的自动识别有效。

摘要：医疗卫生领域的供给侧改革怎么改？我认为,必须坚持问题导向和目标导向,把握好节奏和力度,采取创新性的改革措施,完善系统性的配套政策,在求实求效上下功夫。去低效＂产能＂坚持分级诊疗加快实施分级诊疗,关键是要对医疗卫生服务体系、服务模式和就医秩序进行制度设计和政策推进。规范基层首诊。

摘要：目的:提高食物储藏室围护结构的缺陷检测效率。方法:提出了一种基于机械臂搭载热红外相机履带式行走机构为一体的检测机构,根据围护结构的面积规划采集路径,采用改进Ostu图像分割方法对采集的热红外图像进行分析并输出其“缺陷”部位的大小及位置坐标。结果:“缺陷”的检测率和误检率分别为92%和6.6%。结论:检测机构能完整扫描并采集食物储藏室围护结构热红外图像,图像分割法能较为清楚地表述出热源的大小,符合机械视觉检测的实际应用要求。

摘要：为了提高船用冷库中货物的储存效果,需要解决货物区温度分布不均匀的问题,采用计算流体力学方法对船用冷库模型中气流组织的速度场和温度场进行数值模拟,研究在新型通风形式下,送风口形式、送风口数量及送回风口位置等因素对于货物区域温度分布的影响,进而改善货物的储存环境。通过分析各模型的气流组织和温度分布情况,逐步对送回风口布置结构进行优化,获得了良好的冷藏效果。研究结果可为船用冷库送回风口的优化设计提供参考。

摘要：卫星面板体积与质量大,装配精度要求高,现有通过吊装-人工协调装配,调姿效率低,精度差,易发生碰撞,难以保证装配效率与精度。通过在机器人末端安装六维力传感器,实时检测末段工具重力和外部引导力、力矩,基于逆运动学求解,提出外部随机牵引力作用下重载机器人的重力随动补偿策略。采集机器人多个姿态下的数据,设计400组设计重力补偿实验,结果表明空载状况下重力补偿整体误差波动均值不超过±0.2,方差波动不明显;设计可阶段变化的力控参数,通过对比实验优化,能够让力和位移产生阶段变化,力的阈值控制在50N附近。实验结果表明,重载机器人力控策略可以实现人工引导装配下的重型卫星面板装配位姿快速响应与对接精度保证。