基于滚动摩擦作用下玉米颗粒在模拟筒仓卸料中的力链分析（网络首发、推荐阅读）

针对颗粒滚动摩擦作用对筒仓中玉米颗粒的力链空间分布进行研究，通过EDEM离散元软件建立筒仓模型与仿真玉米颗粒模型进行卸粮仿真模拟，并与筒仓卸料实验作流态对比，验证模型与仿真结果的准确性。通过对模拟仓进行切片观察和数据处理，对比分析了不同摩擦情况下力链的细观参数随时间演化规律。模拟结果表明：颗粒间摩擦系数越大，卸粮完成的最终时间越长；颗粒间滚动摩擦系数越小，颗粒由整体流转变为管状流的时间越早。对于有漏斗的筒仓来说，减小颗粒间摩擦会改变整体流和管状流之间的极限，从而增加产生管状流的面积。标准滚动摩擦系数下玉米颗粒在卸料过程中会出现起拱-塌陷效应；减小滚动摩擦，玉米颗粒卸料较稳定，未出现起拱的应力突增、以及拱塌陷的应力衰减；增大颗粒间滚动摩擦不但会增加拱效应，且出现成拱高度距离漏斗口更高。     

小型饮料瓶盖颜色识别系统设计与实现

目的：解决当前饮料瓶盖检测系统功能单一、体积偏大、颜色识别率低的问题。方法：提出一种基于ARM处理器的小型饮料瓶盖颜色识别系统设计方案，通过仿真软件HyperLynx的LineSim工具设计四层PCB板，设置传输线参数并进行阻抗匹配仿真分析；利用编译软件Jupyter Notebook实现阈值设置、目标轮廓检测、目标框出等功能。结果：在强、弱光条件下，识别系统对红、绿、蓝3种颜色瓶盖的识别率达到92.7%。结论：与傅里叶描述子相比，该识别系统识别准确率和精度更高，同时系统也具有人脸识别功能，适用于各种智能应用场景。     

Eco-friendly and degradable red phosphorus nanoparticles for rapid microbial sterilization under visible light

Pathogens pose a serious challenge to environmental sanitation and a threat to public health.The frequent use of chemicals for sterilization in recent years has not only caused secondary damage to the environment but also increased pathogen resistance to drugs,which further threatens public health.To address this issue,the use of non-chemical antibacterial means has become a new trend for environmental disinfection.In this study,we developed red phosphorus nanoparticles(RPNPs),a safe and degradable photosensitive material with good photocatalytic and photothermal properties.The red phosphorus nanoparticles were prepared using a template method and ultrasonication.Under the irradiation of simulated sunlight for 20 min,the RPNPs exhibited an efficiency of 99.98%in killing Staphylococcus aureus due to their excellent photocatalytic and photothermal abilities.Transmission electron microscopy and ultraviolet–visible spectroscopy revealed that the RPNPs exhibited degradability within eight weeks.Both the RPNPs and their degradation products were nontoxic to fibroblast cells.Therefore,such RPNPs are expected to be used as a new type of low-cost,efficient,degradable,biocompatible,and eco-friendly photosensitive material for environmental disinfection.     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

盾构隧道施工物料无人运输发展现状及关键技术

盾构隧道施工物料无人运输有助于提升运输效率、降低运输成本、减少运输安全事故率。与公路汽车无人驾驶、港口车辆无人驾驶、轨道交通无人驾驶等逐步成熟的无人驾驶技术不同，在隧道场景下实施施工物料无人运输存在运输物料种类繁多、运输调度困难、地下定位信号拒止、狭窄车道频繁会车、行车路面工况复杂、地上地下联动响应慢等诸多挑战。从实现盾构隧道施工物料无人运输的关键问题分析入手，综述当前盾构隧道施工物料运输方式、运输需求、无人运输发展现状及存在的挑战，提出盾构隧道施工物料无人运输的五大关键技术：多种类物料智能货控能效管理技术，无人化垂直装卸门机控制技术，多传感器融合同步定位与地图构建技术，隧道复杂环境路径规划与自主避障技术，隧-地一体化联动响应的高可靠性无线通信技术。