人工智能深度学习的激光图像分割研究

激光成像受到环境、设备自身等干扰,使得激光图像含有噪声,当前图像分割方法对噪声干扰鲁棒性差,误分割现象出现概率高,重要信息丢失严重,为了克服当前激光图像分割的弊端,提出了基于人工智能深度学习的激光图像分割方法。首先采用小波变换对激光图像进行特征提取,并对噪声干扰进行抑制处理,然后引入人工智能学习算法对激光图像特征向量进行训练,并根据训练结果对激光图像像素点进行分类,从而实现激光图像分割,最后采用含噪和不含噪的激光图像进行仿真测试。结果表明,对含噪和不含噪的激光图像,人工智能深度学习的分割精度分别达到了91%和95%以上,精度明显高于经典激光图像分割方法,分割效率可以满足激光图像向大规模方向发展的要求。     

小学数学课堂存在的问题及解决的策略研究

小学数学是基础的学科教学,具有广泛的应用性和实践性。新课改下,作为小学教师应把塑造学生创新个性、创新意识、创新能力放在教学之重。增加师生互动,激发学习兴趣,发挥教师主导作用,让他们去发现问题,解决问题;去探索、去创新、去主动探究,提高数学课堂教学质量。     

InTouch与MATLAB集成方法研究与设计

介绍了组态软件InTouch与MATLAB集成的几种方式,以及Windows提供的支持这几种方式的DDE、OLE自动化、Ac-tiveX控件等标准.通过这几种方式,可以实现程序之间数据交换,方便对外集成,扩展功能.     

盐湖卤水制备硅钢级氧化镁的研究

文章研究了卤水-氨法制备硅钢级氧化镁的方法,讨论了影响中间体氢氧化镁的沉降性能及转化率的因素,确定了制备氢氧化镁的最佳工艺条件;通过对氢氧化镁煅烧温度和时间的研究,确定了煅烧条件,制得的氧化镁粒度小、分散性能好、水化率低,符合硅钢级氧化镁要求。     

三元素数字集下L2（μM,D）上正交指数系的个数

自仿测度μM,D是由{φd（x）=M-1（x＋d）}d∈D惟一确定的.借助模3的剩余类,讨论矩阵M=ab0c（a,b,c∈Z,｜a｜〉1,｜c｜〉1,ac∈3Z）和数字集D=（（00）,（10）,l0}（l{0,1}）所决定的L2（μM,D）中正交指数函数的个数,以及对M=p1 m1m20 p2m30 0 p3,M=p 0 m 0 p 0 0 0 p,D={{000},{100},{100}}l{0,1}）,所决定的L2（μM,D）中正交指数函数的个数,并找出最好的估计. 更多还原     

酸白菜腌制过程中优势乳酸菌及菌群演替规律研究

以陕西杨凌地区大白菜为原料,切碎,添加2.5%食盐,在22 ℃进行半厌氧自然发酵酸泡菜。发酵过程中在不同时间取泡菜液,测定泡菜pH值、乳酸菌落和菌落总数变化,分离鉴定优势乳酸菌株,检测酸白菜微生物多样性,探究酸白菜腌制过程中菌群的演替变化规律。结果表明:泡菜自然发酵,从第0天到第7天,pH值从初始的6.0降到4.2,乳酸菌数由4.65 lg(CFU/mL)增至7.86 lg(CFU/mL),菌落总数由9.11 lg(CFU/mL)减至8.65 lg(CFU/mL)。在不同发酵阶段共分离鉴定出27株乳酸菌,分别为10株明串珠菌,7株魏斯氏菌,4株乳酸乳球菌,4株弯曲乳杆菌和2株戊糖片球菌。泡菜发酵起始优势乳酸菌种属为魏斯氏菌,发酵中期优势乳酸菌逐渐变成乳酸乳球菌,肠膜明串珠菌演替成优势乳酸菌。整个泡菜发酵阶段异型乳酸发酵菌种占据主导地位,发酵中、后期(5 d后)同型乳酸发酵菌种参与泡菜发酵。     

单神经元PID在多电机控制中的应用

本文通过对多电机同步控制的原理及其特点分析,设计了具有自学习和自适应能力的单神经元PID同步控制器,建立了单神经元PID控制规则,提出了多电机同步控制的单神经元PID学习算法。系统仿真结果表明,运用单神经元自适应PID控制器能有效实现多电机同步控制,收敛速度较快,鲁棒性较好,且抗干扰能力强。最后,基于MCF5235微控制器,通过VxWorks实时嵌入式操作系统,应用于四轴同步控制系统,结果表明单神经元自适应PID同步控制器能大大增强系统的动态性能,有效缓解负载带来的同步误差,在相同扰动情况下,该方法能更好的使多电机以一定速度同步运行。     

选煤厂除尘降噪的有效途径

选煤厂生产过程中 ,煤尘、噪声污染极为严重 ,工人的工作环境也因此恶劣 ,严重影响工人的作业环境及身体健康 ,鉴于设备本身的原因 ,较难治理 ,本文介绍了选煤厂在除尘降噪方面所做的一些工作 ,取得了较好的效果。     

基于InTouch,Excel和MATLAB的水泥配料管理子系统设计

论述了基于InTouch,Excel和MATLAB的水泥配料管理系统的设计.该系统用InTouch开发人机交互界面,MATLAB实现高级控制算法,Excel进行数据记录和处理.三者之间通过DDE协议进行数据交换并协同工作.     

基于Linux的python多线程爬虫程序设计

微博作为国内最受欢迎的社交平台,海量的微博数据必然包含丰富的知识资源.如何获取这些非结构化的数据,是进行微博数据挖掘的基础.根据微博网页的特点,提出了一种基于Linux的python多线程爬虫程序设计方法,通过模拟登录新浪微博,自动获取网页内容,再从网页内容中抽取微博和用户数据,以结构化的CSV数据格式存储或存入MySQL数据库,从而获取微博海量数据和用户信息.通过和基于开放API的爬虫程序进行比较,结果表明,从较长时间考虑,基于Linux的python多线程爬虫程序拥有更加优异的性能.