基于机器视觉的玻璃缺陷检测

随着科学技术的进步,高端显示屏产品对平板玻璃的质量要求越来越高,玻璃的表面缺陷检测技术也因此备受关注。传统的人眼检测方法工作量大且准确率低,已经无法满足生产实际要求。研究了一种基于机器视觉的玻璃质量检测系统,采用先进的CCD成像技术和背光式照明获取图像,用MATLAB图像处理工具箱对采集到的图像进行灰度值化、滤波降噪和阈值分割处理,实现对缺陷区域的特征提取和识别。最后用BP神经网络对玻璃表面的三种缺陷进行分类,该神经网络识别的平均误差率为9.84%,表明此检测方法具有一定的应用价值。     

MW级空间核反应堆系统热管式辐射散热器分析及优化

空间核反应堆是空间核电源和核推进的研究基础，大功率核反应堆的体积和质量一直是限制航空航天设计的重要因素。针对这一问题，本文对MW级空间核反应堆系统热管式辐射散热器进行建模和分析，建立热管式辐射散热器的热阻模型，利用穷举法和遗传算法在给定工况下探讨裸碳纤维翅片长度L_f和厚度δ_f、冷却剂质量流量m、辐射散热器入口温度T_f1对散热器质量M的影响。结果表明，当T_f1＝800 K、L_f＝5 cm、δ_f＝0.16 mm、m＝9 kg/s时，M达到最优，为906.593 kg，优化了0.63%的系统质量。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

基于多尺度结构特征的快速异源图像匹配

针对异源图像提出一种基于多尺度密集结构特征的快速匹配算法。算法首先利用Gabor滤波器逐像素提取图像中的结构响应,再根据主方向响应对多尺度结构特征融合,然后使用快速傅里叶变换在频域计算各特征分量图像之间的卷积,最后将卷积生成的系数矩阵求和计算出图像之间的相似性并选择相似性最大位置作为匹配结果输出。本文算法能有效适应异源图像间的非线性灰度变化和噪声干扰问题。测试使用可见光、红外、雷达图像组成的异源图像数据集对本文算法和现有算法进行测试比较,结果表明:本文算法的平均误匹配率最低,并且计算速度有明显优势。     

基于特征贡献率的机械故障分类方法

为了使7075铝合金薄壁件表面喷丸加工应力得到松弛和均化，运用ANSYS建立平台式振动时效有限元模型，通过振动模态和谐响应分析，获得最佳激振频率和试样装夹位置。在此基础上，将薄壁框架件置于平台上进行振动时效处理，以验证仿真分析结果，评价其对试样表面应力作用效果。结果表明：在亚共振频率为112 Hz时，试样在平台零振幅和最大弯曲位置处分别对称布置，时效后表面均形成应力松弛，松弛率分别为29.5%和33.3%，不均匀波动分别为20.3%和20.7%，而沿振动方向松弛程度不均匀，说明激振力造成了材料表面组织屈服，且屈服程度与应力强度有关。提出再时效-位置交叠方法，使应力松弛不均匀度分别下降到9.9%和15.9%，应力均化得到改善，该研究工作为薄壁类零件表面应力均匀化提供了参考。     

Quality-by-design approach for the development of telmisartan potassium tablets

A quality-by-design approach was adopted to develop telmisartan potassium (TP) tablets, which were bioequivalent with the commercially available Micardis^® (telmisartan free base) tablets. The dissolution pattern and impurity profile of TP tablets differed from those of Micardis^® tablets because telmisartan free base is poorly soluble in water. After identifying the quality target product profile and critical quality attributes (CQAs), drug dissolution, and impurities were predicted to be risky CQAs. To determine the exact range and cause of risks, we used the risk assessment (RA) tools, preliminary hazard analysis and failure mode and effect analysis to determine the parameters affecting drug dissolution, impurities, and formulation. The range of the design space was optimized using the face-centered central composite design among the design of experiment (DOE) methods. The binder, disintegrant, and kneading time in the wet granulation were identified as X values affecting Y values (disintegration, hardness, friability, dissolution, and impurities). After determining the design space with the desired Y values, the TP tablets were formulated and their dissolution pattern was compared with that of the reference tablet. The selected TP tablet formulated using design space showed a similar dissolution to that of Micardis^® tablets at pH 7.5. The QbD approach TP tablet was bioequivalent to Micardis^® tablets in beagle dogs.     

基于修正等速运动规律的自由曲面多轴加工刀轴序列优化方法

针对自由曲面多轴加工中起始位置处刀具相对工件速度、加速度不为零导致的一定程度刚性冲击现象,提出了一种基于修正等速运动规律的刀轴序列优化方法,通过控制工件坐标系中决定刀具姿态的两个约束角,使之变化遵循修正等速运动规律,获得了切削行上平稳变化的刀轴序列,避免了由于起始位置处刀具相对工件速度、加速度不为零导致刀具不能精准到达后续加工位置的现象。算例分析表明,该方法能产生平稳且光滑的刀轴序列,可一定程度改善机床运动性能,提高加工表面质量。     

基于GFU和分层LSTM的组群行为识别研究方法

提出一种以"关键人物"为核心，使用门控融合单元（GFU，Gated Fusion Unit）进行特征融合的组群行为识别框架，旨在解决两个问题：①组群行为信息冗余，重点关注关键人物行为特征，忽略无关人员对组群行为的影响；②组群内部交互行为复杂，使用GFU有效融合以关键人物为核心的交互特征，再通过LSTM时序建模成为表征能力更强的组群特征.最终，通过softmax分类器进行组群行为类别分类.该算法在排球数据集上取得了86.7%的平均识别率.     

改进ILoG算子的故障检测方法

针对强背景噪声干扰下轮对轴承故障特征微弱、难以准确检测的问题,提出了一种自适应改进高斯拉普拉斯(improved Laplacian of Gaussian,简称ILoG)算子的微弱故障检测方法。ILoG算子滤波器具有优良的信号突变特征检测能力,将其用于轮对轴承故障信号的冲击特征检测,同时利用水循环算法(water cycle algorithm,简称WCA)的寻优特性,并行搜寻筛选最佳的ILoG算子影响参数,通过对参数优化后ILoG算子滤波后信号做进一步包络解调分析,提取出轮对轴承微弱的故障特征信息。对实际轮对轴承外圈和内圈故障信号分析的结果表明,该方法可以有效检测出轴承微弱故障特征频率,故障检测效果优于小波阈值和多尺度形态学差值滤波方法。     

自适应融合层级特征的混合退化图像复原算法

多种退化类型混合的图像比单一类型的退化图像降质更严重,很难建立精确模型对其复原,研究端到端的神经网络算法是复原的关键.现有的基于操作选择注意力网络的算法(operation-wiseattentionnetwork,OWAN)虽然有一定的性能提升,但是其网络过于复杂,运行较慢,复原图像缺乏高频细节,整体效果也有提升的空间.针对这些问题,提出一种基于层级特征融合的自适应复原算法.该算法直接融合不同感受野分支的特征,增强复原图像的结构;用注意力机制对不同层级的特征进行动态融合,增加模型的自适应性,降低了模型冗余;另外,结合L1损失和感知损失,增强了复原图像的视觉感知效果.在DIV2K,BSD500等数据集上的实验结果表明,该算法无论是在峰值信噪比和结构相似性上的定量分析,还是在主观视觉质量方面,均优于OWAN算法,充分证明了该算法的有效性.