摘要：包裹相位是激光干涉测量获取相位信息的前提,为了减小测量过程中噪声对包裹相位条纹的干扰,提高重构图像的质量,提出了一种非对称融合非局部边缘提取神经网络(Asymmetric Fusion Non-Local and Verge Extraction Neural Network,AFNVENet)。该网络在FFDNet基础上,设计了非对称融合非局部块和边缘提取模块,通过融合不同级别噪声特征及反向引导去噪过程,在有效抑制多等级噪声的同时,保留了更多的图像细节信息。选择带有乘性散斑与加性随机噪声的包裹相位数据集用于训练,通过消融实验和对比实验结果表明,AFNVENet算法对不同等级的噪声都具有更好的噪声滤除效果,当噪声标准差在[0,2.0]范围内变化时,去噪后的PSNR、SSIM和SSI均值分别达到24.88 dB,0.97和0.95。此外,通过进一步解包裹结果表明,AFNVENet去噪后的解包裹相位均方根误差均值比SCAF,NLM,KSVD和DnCNN分别减小了87%,73%,79%和36%,验证了该方法的可行性。AFNVENet方法在抑制噪声时具有较好的鲁棒性,可适用于不同干涉测量环境下多等级噪声的包裹相位信息恢复。

摘要：目的通过访谈,了解大课堂受众对大课堂的知识、态度和行为的需求与反馈,为今后健康大课堂的继续开展探讨行之有效的健康教育形式,采用居民容易接受的方式普及健康知识,逐步提高居民健康素养。方法采取定性研究方法,对辖区内94名大课堂听众进行专题小组访谈。结果 98.9%的受访者从电视中获取健康知识,60.6%的受访者能根据自己的需求愿意选择性听取不同类型的健康大课堂,接受健康知识;受访者担心老师在课堂打广告、销售"健康产品"、无法鉴别健康信息的真伪;互动、小型、有针对性的健康大课堂是居民需要的。结论逐步规范和完善健康大课堂,定期对居民的听课效果和讲师的授课水平进行评价;加强师资培训,建立高素质的健康大课堂师资队伍,利用大数据,在开展健康大课堂前,对听众进行需求调查,针对不同人群的不同需求开展健康讲座。

摘要：搅拌叶片是混凝土搅拌机的核心部件,与搅拌阻力直接相关。搅拌叶片过大,则搅拌阻力增加,能耗随之增加,反之亦然。一直以来,搅拌叶片形状的设计大都根据经验或参考国外产品参数选取,因而,设计的产品性能差别很大,也没有成熟的设计方法。以西安德通振动搅拌技术有限公司设计的DT1500ZBW搅拌机为载体,按照国家标准通过加载实验来探究两种不同形状的叶片设计方案在加载过程中搅拌阻力变化情况及其超载能力,为样机搅拌叶片大小设计合理与否提供有利的实验依据。实验结果表明:随着充盈率的增加,阻力先增加的相对缓慢;随着充盈率从半载增加至满载时,阻力增加相对剧烈。在超载情况下,相对于对中型搅拌叶片,梯形搅拌叶片产生的阻力更小,更适于工业机超载情况下的运行。