基于机器视觉技术的稻米等级快速 自动判定方法及系统研究

当前稻米等级的判定多依赖于人工挑拣称重计算,具有人工主观性强、检测效率低等缺陷,因此实现快速自动判定稻米 等级是稻米行业的必然趋势。 本文基于机器视觉技术设计并开发了稻米等级快速自动判定系统。 通过成像技术获取稻米籽粒 高分辨率图像,利用 Watershed 算法和自适应阈值函数对图像进行处理,对不同籽粒进行标记并运用卷积神经网络训练,选取 最优训练模型对糙米分类,利用线性回归分析数据,实现对稻米等级的判定。 本系统与人工对同一批稻米等级的判定结果相似 度可达 91. 4%,采用本方法设计的系统在对稻米等级判定的过程中不仅排除了人为的主观性,还在检测速度上有了显著提升, 从而提高了稻米分级判定效率。     

不同纳米填料填充聚偏氟乙烯基复合材料的介电松弛行为

以绝缘性BaTiO₃、半导性SiC和具有导电性的纳米石墨片（GNP）为填料,采用溶液法制备了聚偏氟乙烯（PVDF）基复合材料,着重研究了具有不同性质的填料对PVDF基复合材料介电行为的影响。结果表明：随着不同纳米填料用量的增加,PVDF基复合材料的介电常数都有增大的趋势,尤其是添加半导性SiC和导电性GNP对PVDF基复合材料介电性能改善的效果最明显,其影响程度可由ε'-ε"曲线获知;当SiC和GNP含量高于渗流阈值后,其高频松弛峰趋于平直;采用介电模量的形式可以很好地描述材料在频率依赖下的松弛行为,其松弛激活能随着填料用量的增大而降低,表明填料的加入促进了PVDF基复合材料的极化。     

试论建筑工程项目管理中的施工现场管理与优化措施

在建筑工程的项目管理中,施工现场管理是一项重要的工作内容,施工现场管理的有效性直接关系到建筑工程项目整体施工效率、质量与安全,进而关系着建筑工程经济效益与社会效益的实现,因而加强对建筑工程施工现场管理的重视也就显得尤为重要。为保证施工现场管理工作的作用得到充分发挥,文章中将针对建筑工程项目管理中施工现场管理的常见问题和优化措施展开探讨。     

橡胶增强剂及天然高分子增强丁苯橡胶材料的应用分析

丁苯橡胶广泛应用于工业领域，为了增强丁苯橡胶的性能，可添加一些辅助设计的橡胶增强剂。对高分子增强丁苯橡胶材料进行分析，意在明确增强剂应用价值，为进一步提升丁苯橡胶材料应用质量提供帮助。通过分析可知，在高分子增强丁苯橡胶材料中，需要做好增强丁苯橡胶制备工作，并分析表征，可以了解增强剂对丁苯橡胶材料应用性能的增强效果，从而合理选择相应的增强剂。     

船用中速柴油机预测模型的自动标定与优化

为解决柴油机预测模型参数过多导致的标定困难问题，采用遗传基因算法对搭建的船用中速机DIjet预测燃烧模型进行智能标定。借助最大缸内压力以及对应的曲轴转角快速完成缸压曲线标定，相较于传统手动标定，标定时间可缩短到几十分之一。在进行柴油机整体功率验证后，对NO_x排放进行标定，形成一套简便可行的智能标定流程。在完成标定的模型上进行NO_x排放及有效燃油消耗率（brake specific fuel consumption，BSFC）优化，在考虑两者不同权重系数的情况下得到更优的帕累托前沿面。