摘要：提出了一种基于改进的YOLOv5模型算法的蚕茧缺陷检测的智能分选方法。首先,搭建视觉测量系统,实时高效采集高分辨率的蚕茧图片。其次,利用空域的方式对样本图像进行特征增强;使用K-means++聚类算法,对本文数据集进行尺度分类,以更好地适应各种目标尺度的检测;此外,对YOLOv5模型检测部分进行修改,使用挤压激励(SE)模型,在前3个特征尺度的特征输出部分中添加该模块,以提高模型的有效特征响应。最后,对检测结果进行对比。实验结果表明:改进后的方法对特征检测的平均精度均值(mAP)提高了5.5%,其缺陷的检测精度为96.6%、检测速率为43 fps,能够实现对蚕茧缺陷的精确检测,实现蚕茧的高效精确智能分选。

摘要：在复式断面明渠流中,能量及动量校正系数对水力学计算结果的精确性有直接影响。为研究水深比(滩地水深与主槽水深之比)及滩地植被密度对复式断面明渠流能量及动量校正系数的影响,采用基于壁面建模的大涡模拟(WMLES)方法的三维数值模型,对5种水深比和3种植被密度工况进行数值模拟研究。结果表明:由于流速分布不均匀,主槽和滩地的能量及动量校正系数有明显差异,其值均大于1。随着水深比的增大,复式断面的流速分布趋向均匀,能量和动量校正系数随之减小,能量校正系数的变化范围为1.07~1.19,动量校正系数的变化范围为1.03~1.07。此外,随着滩地植被密度的增大,滩地与主槽的流速差值变大,能量和动量校正系数随之增大,能量校正系数的变化范围为1.09~1.59,动量校正系数的变化范围为1.04~1.21。最后,通过回归分析发现能量校正系数与动量校正系数存在线性关系,所得计算式可用于相同工况条件下能量及动量校正系数的预测。

摘要：目的:解决目前分段摘酒过程依赖人工“看花摘酒”,酒精度检测不准确的问题。方法:设计搭建基于酒精度建模的分段摘酒系统,研究采集音叉在不同模态不同浓度酒精溶液内的音叉频率值、音叉内置温度值,酒精溶液温度值和动态条件下泵转速值,基于最小均方算法(LMS)和长短期记忆网络(LSTM)实现音叉频率自适应滤波和动态补偿,基于改进遗传算法优化BP神经网络(IGA-BP)建立酒精度预测模型。结果:模型在迭代次数和预测精度上优于传统遗传算法优化BP神经网络和BP神经网络建立的酒精度预测模型,酒精度平均预测误差为0.381。结论:基于改进遗传算法优化BP神经网络(IGA-BP)建立酒精度数预测模型具有合理性。

摘要：对化学品进行风险管理是防控化学品健康和生态风险的重要举措.获取化学品大量的理化属性、健康/生态毒理学数据、环境行为参数等是进行其风险管理的前提基础.为此,集成了大量实测数据和预测数据的化学品风险管理数据库在化学品风险管理中发挥着重要的支持辅助作用.本研究共收集了国内外19个面向化学品风险管理的数据库,从发展历程、信息范围及用户体验三方面对数据库进行比较分析.结果表明,化学品风险管理相关数据库的开发与各个国家和地区不同时期对化学品信息的不同需求密切相关;当前各国数据库主要涵盖理化属性、健康毒理学数据、生态毒理学数据和环境行为四大类37种数据信息,其中,理化属性和健康毒理学数据最为丰富,生态毒理学数据还较为缺乏,此外,各数据库包含物质数量跨度从百至亿,差异巨大;由于物质类别差异以及物种差异等原因,国外数据库本土化适配度有限;当前我国化学品风险管理数据库主要是围绕化学品安全信息,在物质数量、涵盖信息范围、更新频率和数据质量方面还存在较大上升空间,未来还需加强顶层设计、强化数据共享、采用预测模型以及提高人员专业素养,从而支撑化学品的风险管理.

摘要：大跨混凝土斜拉桥收缩徐变效应显著,单一计算方法很难完美确定其合理施工状态。目前确定斜拉桥合理施工状态的常见计算方法有前进分析法、倒退分析法、正装迭代法、倒拆-正装交互迭代法、无应力状态法等。以一座主跨300 m的大跨混凝土斜拉桥为依托,建立Midas三维空间有限元模型,基于无应力状态法与正装迭代相结合的计算方法,确定其合理施工状态,获取考虑收缩徐变效应后无应力正装迭代收敛本质及相关迭代规律。主要结论表明:考虑混凝土材料收缩、徐变效应后,构件无应力状态量会随施工过程发生变化,收缩徐变对结构线形影响实质是对结构构件无应力状态量的影响,导致最终成桥状态与目标状态不闭合;调整无应力状态量进行正装迭代分析可实现闭合;基于无应正装迭代法,大跨混凝土斜拉桥索力、线形与设计值能够闭合,内力与设计值接近。

摘要：为了保护患者信息的安全与隐私并提供更多的个人医疗服务,提出一种基于区块链技术的医疗数据融合和认证方案。此方案设计一种基于区块链的组签名认证机制,使得小组成员可以自由访问患者的个人医学报告。授权的小组成员将就小组会话密钥达成一致,并将其用于保护患者的敏感信息。如果有新成员加入组或老成员离开组,则组会话密钥需要随时更新。最后,通过性能和安全性分析,将区块链技术应用于电子医疗数据共享,能增加数据共享的安全性和可靠性。

摘要：面对制造企业数字化、网络化和智能化转型升级需求,自动引导车(AGV)被广泛应用于生产作业的物流运输过程。在对多品种小批量工件任务的工艺路线规划基础上,迫切需要对各加工运输环节进行集成以更加符合实际生产的要求。针对有限AGV资源的柔性车间调度问题,构建了以最大完工时间、AGV数量和资源不均衡率最小化的多目标模型,采用基于生产甘特图的改进鲸鱼算法进行求解。首先,介绍了鲸鱼算法的基本原理;其次,设计了基于AGV数量、工序加工顺序和AGV编号的三段式编码方式将离散的数据转化为鲸鱼个体中的连续位置;最后,采用3种措施对算法进行改进:在初始化时通过反向学习策略获得较好的初始种群,而在迭代过程中分别加入自适应权重和变异因子,使算法的收敛精度和全局搜索能力得到提高。为验证算法的性能,用改进鲸鱼算法与基本鲸鱼算法、经典的NSGA-II求解上述模型。仿真结果表明,改进鲸鱼算法求解的质量较高且运行时间相较于NSGA-II缩短了21.6%。所提算法在有限AGV资源约束的智能化车间调度问题求解中有一定的实用价值。

摘要：目前自动驾驶推理任务调度中要解决的关键问题是如何在不同的时间窗内,让实时推理任务满足可容忍时间约束的前提下,在相应的处理设备上被调度执行完成.在不同时间窗内,依据边缘节点的数量变化以及推理任务的不同,设计了一种边缘环境下基于强化学习算法的工作流调度策略.首先,利用推理任务工作流调度算法计算任务的完成时间;其次,采用基于模拟退火的Q学习算法(Q-learning based on simulated annealing,SA-QL)来优化推理任务的完成时间;最后,从可行性、收敛性、有效性和探索性四个角度来体现基于模拟退火的强化学习算法(Reinforement learning based on simulated annealing,SA-RL)和粒子群优化算法(Particle Swarm Optimization,PSO)的性能差异.实验结果表明,模拟退火的强化学习算法和粒子群优化算法都具有可行性和有效性,单步时序差分算法(TD(0))具有更强的探索性,多步时序差分算法(TD(λ))具有更强的收敛性.

摘要：对滨海水泥土的固结特性及其微观机理进行探讨具有重要的研究意义.以滨海水泥土为研究对象,对不同养护龄期下的滨海水泥土试样进行单向固结压缩试验及微观测试.滨海水泥土试样中水泥掺量为20%,含水率为80%.固结试验结果表明:在最大荷载下,28 d龄期下的滨海水泥土的压缩量较7 d龄期下减小了1.06 mm,孔隙比变化值从0.67下降至0.5.随着养护龄期的增长,滨海水泥土同级压力下的压缩系数随之降低.微观测试发现随养护龄期的增长,滨海水泥土内部会产生大量凝胶形成骨架,提高其抗压缩变形能力.

摘要：在XML查询处理中,目前普遍的算法仍然使用传统的串行处理模式,无法充分利用多核资源的优势。针对此问题,设计了一种基于任务抢占与数据分区的XML多核优化策略(Imp-NBPP),它对XML文档进行数据分区,以达到负载平衡,让各个线程独立处理分区内的数据,减少了线程之间同步与通信带来的开销。同时还探讨了任务抢占在多核查询中的应用。实验表明,对于不同大小的XML文档,基于节点数(NBP),基于文档大小(SBP)与本文所提策略,这三种策略与单核查询相比均能有效的节约查询时间;使用Imp-NBPP策略时,在节约查询时间和负载平衡方面均优于NBP、SBP策略。