摘要：目的 塑料制品污染在人们的生活中随处可见,但有关塑料制品的前沿应用普及度并不高.在强调新型可降解塑料和人们日常行为转变的同时,也要认识到不可降解塑料仍旧存在,要明确如何处理不可降解塑料和利用残留物,旨在探究塑料降解新的可能性.方法 通过多方资料收集类比,得出适用于消化动物体内塑料的微生物处理办法,以信天翁为设计实践目标,结合TRIZ理论,完成产品设计、绘制相关机械流程图.结论 未来塑料制品污染可以通过发明新型可降解塑料的方式解决,现在塑料制品的扩散可以通过法律法规去限制,过去的塑料制品带来的污染和伤害同样可以用新的设计方案去解决.

摘要：船舶驾驶台人员包括按照规定要求的常规值班人员和特殊情况下额外的瞭望人员或船长、引航员等,驾驶台人员活跃度是判断其工作状态的重要指标之一。传统的基于计算机视觉的人员检测方法在面对船舶驾驶台遮挡物多、夜间或恶劣天气下光线不足等问题时,精度明显降低。为解决该问题,提出了1种基于普通商用Wi-Fi设备的活跃度感知方法。由于船体材质、结构特点以及变化的运动状态导致动态多径多、信号噪声强,对Wi-Fi设备造成干扰,为此设计了值班高关联度数据(duty high correlation data,DHCD)选择模块及基于信道状态信息(channel state information,CSI)的多层级特征提取模块。DHCD选择模块分析驾驶台人员不同航行、值班情况下的CSI特点,对比0~5人在驾驶台内值班、工作时的信道变化,利用模糊C-means聚类算法提取CSI中对值班人员行为反应最灵敏的信道,去除对信号噪声反应敏感的信道信息;通过多层级特征提取模块计算去噪后CSI数据的幅值与相位离散度、多链路融合离散度、变异指数等多层特征,作为活跃度评价基础参数。依据驾驶台值班要求设计了驾驶台人员活跃度评价模块,采用支持向量机算法判断驾驶台人员数量,采用客观赋权法得到基础参数权重,结合人数信息与权重信息评价驾驶台人员活跃度。实验结果表明:使用DHCD选择模块和多层级模块处理后的多层级特征将驾驶台人员数量检测精度提升至89.6%,对比直接使用原始数据时检测精度提升7.1%。在夜间、雨雾天气等光照不足情况下,基于计算机视觉方法的检测精度会由光线充足时的96.2%降至60.3%,而该方法监测精度不会降低。因此,基于CSI的驾驶台人员活跃度检测方法丰富了驾驶台人员检测算法,能有效识别船舶驾驶台人员是否符合安全值班的基本要求。