两步升温热轧工艺对AZ31镁合金薄板各向异性及成形性能影响（英文）

采用两步梯度升温轧制工艺对AZ31镁合金板材进行轧制，探究轧制过程对镁合金板材显微组织织演化、各向异性及成形性能的影响。第I步轧制在300℃开展，其每道次压下量为15%；第II步轧制在550℃进行，其每道次压下量为40%。经过共4道次轧制后，最终获得厚度为1 mm的镁合金薄板。结果显示，第I步低温轧制过程不更换轧制方向时，试样中生成大量剪切带；而更换轧制方向时，组织内部主要为孪晶和再结晶晶粒。随着II步轧制温度的升高，由于动态再结晶急剧激发，剪切带数量及尺寸逐渐减小，晶粒明显细化。根据IGMA分析得出，非基面滑移，特别是棱柱面滑移活动增强。轧制退火后的AZ31镁合金薄板的力学性能得到提高，各向异性减小，冲压成形性能得到明显改善。     

基于视觉原理的直槽丝锥径向几何参数测量方法研究

针对目前丝锥测量方法测量参数单一、需人工操作的问题，提出了一种基于视觉原理的直槽丝锥径向综合多参数自动测量方法。通过预处理得到丝锥极坐标下的径向轮廓图。对端面刃背到几何中心的最大、最小极径像素拟合圆，得到端部和芯部直径。通过拟合特征曲线，得到两对直线方程，利用夹角公式得到前角和后角值。计算刃背首末像素点间距离得到刃背宽度值。将刃背首末像素极径差值作为铲背量。实验结果表明：对M10丝锥进行10次重复性测量，上述几何参数的测量相对误差均在0.58%之内，平均耗时7 s，能满足高精度、高效率、多参数自动测量的工程需求。     

微晶形状对锐钛矿型TiO2材料超级电容器性能的影响

研究了晶粒各向异性对锐钛矿型TiO₂电化学性能的影响，这对超级电容器材料性能提升具有显著的意义。利用水热合成法，以HF和H₂SO₄为不同的酸性形貌诱导剂，钛酸四丁酯为钛源制备了片状和球状微晶的TiO₂,两者会暴露不同的晶面。经X射线衍射(XRD)、扫描电子显微镜(SEM)及透射电子显微镜(TEM)证实片状TiO₂暴露的晶面是高活性{001},而球状TiO₂暴露的晶面具有随机性。采用X射线光电子能谱(XPS)和比表面及孔隙度分析(BET)以及相应的电化学性能测试：结果表明片状TiO₂的比表面积(112.76 m²/g)是球状TiO₂比表面积(46.88 m²/g)的2.41倍，片状TiO₂超级电容器的比电容(174.0 F/g)是球状TiO₂超级电容器比电容(67.00 F/g)的2.59倍，同时片状TiO₂     

基于多因素辅材参数的短支卷烟烟气有害成分预测模型

为考察卷烟辅助材料参数对短支卷烟7种有害成分（CO、HCN、NNK、氨、B[a]P、苯酚和巴豆醛）释放量及H值（危害性指数）的影响，选取卷烟纸定量、卷烟纸透气度、卷烟纸助燃剂质量分数、卷烟纸助燃剂钾钠比、滤棒压降和接装纸透气度共6个因素，采用中心组合结合正交设计制备50个短支卷烟样品，使用样品的检测结果建立多元线性模型、二次多项式模型、多因子及互作项模型，并筛选出各指标的最优模型。通过调整卷烟辅材的参数和烟丝配方对预测模型进行了验证。结果表明：短支卷烟的7种有害成分及H值预测模型预测精度良好，8个模型的验证数据中97.5%的相对误差在±15%以内，平均绝对误差在3.4%～6.5%之间。该预测模型对短支卷烟具有良好的适用性。     

电子仪器仪表计量管理及计量检测分析

现阶段，我国工业生产力大幅度上升，随着商品市场需求量的与日俱增，工业生产作业对电子仪表精度的要求变得越来越高，导致部分电子仪器仪表在实际使用过程中存在管理不当的问题，基于此，需要针对电子仪器仪表设备展开更加深入的研究，确保设备在使用过程中的计量管理工作和计量检测工作能够发挥出实际作用。本文以上述内容为基础，针对电子仪器仪表计量管理及计量检测工作展开研究，并对设备的优化管理措施做出详细说明，以事实为依据，保证设备的最终使用效果，同时总结相关经验，给出针对性建议，明确计量管理与计量检测需要注意到的关键事项，希望可以为同领域工作者提供合理参考作用。     

分离复杂背景下的文档图像二值化方法

目的 二值化方法的主要依据是像素的颜色和对比度等低级语义特征，辨别出与文字具有相似低级特征的复杂背景是二值化亟待解决的问题。针对文档图像二值化复杂背景分离问题，提出一种分离文档图像复杂背景的二阶段二值化方法。方法 该方法分为易误判像素筛选和二值化分割两个处理阶段，根据两个阶段的分工构建不同结构的两个网络，前者强化对复杂背景中易误判像素识别和分离能力，后者着重文字像素准确预测，以此提升整个二值化方法在复杂背景图像上的处理效果；两个网络各司其职，可在压缩参数量的前提下出色完成各自任务，进一步提高网络效率。同时，为了增强文字目标细节处理能力，提出一种非对称编码—解码结构，给出两种组合方式。结果 实验在文本图像二值化比赛（competition on document image binarization，DIBCO）的DIBCO2016、DIBCO2017以及DIBCO2018数据集上与其他方法进行比较，本文方法在DIBCO2018中FM（F-measure）为92.35%，仅比经过特殊预处理的方法差0.17%，综合效果均优于其他方法；在DIBCO2017和DIBCO2016中FM分别为93.46%和92.13%，综合效果在所有方法中最好。实验结果表明，非对称编码—解码结构二值化分割的各项指标均有不同程度的提升。结论 提出的二阶段方法能够有效区分复杂背景，进一步提升二值化效果，并在DIBCO数据集上取得了优异成绩。开源代码网址为https://github.com/wjlbnw/Mask_Detail_Net。