基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。     

基于多视图立体视觉的沙堆三维尺寸测量研究

利用从运动中恢复结构方法(SFM),提出了一种基于多视图立体视觉的沙堆三维重建及三维尺寸测量方法。首先根据SFM方法的求解不稳定特点,结合光束平差法对SFM求解过程进行分析及优化;其次针对SFM重建结果为稀疏点云的问题,利用基于面片的稠密重建算法重新生成稠密的三维点云,再利用泊松算法对密集点云进行三维曲面重建;最后获得模型的三维尺寸信息。对某建筑工地的沙堆进行了三维尺寸的测量实验,实验结果验证了该方法的有效及可行性,提高了重建能力及精度,同时考虑了目标实际测量误差与重建误差,能够满足实际智能测量的应用需求。     

高效液相色谱法测定多环芳烃的出峰顺序探讨

目的探讨水﹑气﹑土壤中多环芳烃检测标准(HJ 478-2009﹑HJ 647-2013、HJ 784-2016)的正确出峰时间和顺序。方法用高效液相色谱来对苊烯、芴、苊、?、苯并(a)蒽进行定性分析,并与3个标准中的出峰顺序进行比较。结果苊烯、苊、芴、苯并(a)蒽、?的出峰时间分别为6.450、7.923、8.233、17.760、18.740min,与标准HJ478-2009﹑HJ647-2013的出峰顺序存在差异。结论在使用标准HJ478-2009﹑HJ647-2013、HJ 784-2016同时测定16种多环芳烃时,多环芳烃的出峰顺序及时间应以HJ 784-2016为准。     

基于SBAS-DInSAR的大宁矿区多工作面开采地表沉陷规律研究

针对常规DInSAR监测方法对多工作面开采沉陷预计难度较大的问题,以大宁矿区为例,利用小基线集技术对研究区9景PALSAR数据进行时序处理,去除轨道误差、残余数字高程模型误差和大气延迟误差,得到研究区沉降速率图、时序累计沉降图,并利用实测数据对SBAS-DInSAR的反演结果进行验证。首先分析了2007年1月—2008年7月的矿区地表沉降速率;其次选择了沉降范围较大的研究区东部P101、P102、P103工作面作为研究对象,分析正在开采的工作面对已采工作面的影响;最后讨论了开采工作面走向和倾向方向观测点的累计沉降特征,总结了矿区多工作面开采沉陷规律。研究表明:矿区开采工作面上方地表发生的沉降范围广、速率快,在多工作面开采作业条件下,相邻工作面的开采会使已采工作面上方的地表移动衰退期延长,且随着时间的推移,地表累计沉降值增加,矿区沉降总体趋势体现出下沉盆地特征;SBAS-DInSAR技术可以有效监测矿区多工作面开采地表沉陷,可为类似矿区开采沉陷高精度监测提供参考。     

基于时间向量的多工序加工系统工艺路线重组建模与优化

为增强工艺知识的重用性,提高工艺规划的柔性和动态适应性,提出基于时间向量和矩阵的多工序加工系统工艺路线重组建模与优化方法。通过分析多工序的共同作用因素及工序间复杂的耦合关系,构建了基于简单插入操作的惩罚时间矩阵、换刀时间向量、定位时间向量、装夹时间向量、旋转时间向量和加工时间矩阵。在此基础上,以非切削加工时间和空闲时间最小为目标,建立了多工序加工系统工艺路线重组模型,设计了工艺路线整数线性优化重组算法。通过汽车发动机缸盖加工工艺优化重组,验证了该模型和优化算法的有效性。