智能电视体感操控技术及其专利浅析

随着遥控技术发展,传统的键盘式控制方式已不足以满足新的需求,取而代之的是更为智能的遥控方式.人体姿态、手势、语音、表情、脑波等体感遥控技术正在迅速发展.就“体感遥控”的技术特点和国内专利发展现状进行了介绍,以期使读者更为了解该项新技术.     

PCR法检测大肠杆菌的增殖条件优化研究

目的:比较不同培养模式与不同添加剂对大肠杆菌增殖效果的影响。方法:本实验以大肠杆菌为目标菌,研究了2种培养模式(振荡与静止培养)、2种添加剂(甘露醇与乳糖)对大肠杆菌增殖效果的影响,并采用PCR法检验其增殖效果。结果得出:振荡培养的增殖效果优于静止培养。在LB培养基中添加甘露醇和乳糖可起增殖作用,其中0.3g/100mL甘露醇与1.0%乳糖复配4h后,大肠杆菌的增殖效果最佳。检测中使用0.3g/100mL的甘露醇和1.0%的乳糖,并辅以37℃、150r/min的振荡培养即可获得良好效果。结论:本方法在6h内即可完成大肠杆菌的增殖及PCR检测,可用于食品中大肠杆菌的快速检测。     

茶叶染料的开发及应用前景初探

绿色环保是世界各国的共同追求,天然植物染料越来越受到人们的追捧。茶叶作为染料因其色彩自然素雅,对身体无毒无害,有抗菌作用更受欢迎。从茶叶综合利用资源的角度看,茶叶在新领域中有了新用途。本文对茶叶作为染料进行初步的研究,探讨了茶叶作为染料的开发和在应用前景。     

做防水慎过选材关

建筑防水是一项系统工程,它包括方方面面的因素。有关防水方面的专家指出,做好防水的前提条件就是请专业防水工程公司进行深化防水设计,并由建筑设计师审定,如若不然,就容易出现设计的缺陷并导致在施工中发生许多棘手的问题。除了设计,选材是非常重要的一环。要选择好的防水材料,业主千万不要因为贪便宜而使用劣质材料,否则容易因此而蒙受巨大损失。但是,要怎样才能选择到好的防水材料呢?据了解,国内防水材料品种非常多,要选择好的材料就必须遵循以下原则:一是根据工程的防水要求选择材料的类型;二是看材料搭配是否可靠;三是看厂商的实力,国…     

β—甲基戊二酸单甲酯的合成

研究了麝香酮的中间体β－甲基戊二酸单甲酯的合成工艺过程，得到了含量较高的产品。     

基于多元半参数回归建模的机械加工过程误差分析

机械加工过程的误差分析对于消减误差源、提升工序质量具有重要的实际指导意义．研究者们尝试了多种误差分析方法用于获得误差源对加工质量的作用规律,然而由于加工误差的复杂性,各有局限性．本文则根据工程经验和数学推导建立了用于一般机械加工过程误差分析的多元半参数回归模型,基于测量数据详细讨论了所建立模型的参数估计和非参数规律辨识问题．仿真实例证明,与现有方法相比,本文所提方法能够准确估计上游工序传递误差,有效辨识当前工序系统误差的作用规律,研究成果为一般机械加工过程的误差分析奠定了基础．     

基于FPGA的PCI总线接口设计

PCI是一种高性能的局部总线规范,可实现各种功能标准的PCI总线卡。随着总线技术的发展,PCI局部总线以其优异性价比和适应性成为大多数系统的主流总线。本文简要介绍了PCI总线的特点、信号与命令,提出了一种利用高速FPGA实现PCI总线接口的设计方案。     

一种基于Top-hat的乳腺图像中钙化点的检测方法

钙化点是乳腺癌早期的一个主要放射学征象。为了实现数字乳腺图像中钙化点的自动检测，提出了一种基于Top—hat算子的钙化点检测方法。该方法采用形态学中的Top—hat算子对图像的背景进行抑制，然后结合孤立钙化点的灰度、纹理和对比度等特征对乳腺图像中的钙化点进行检测。与一般的检测方法相比，这种方法能够有效地检测到强背景中的弱小钙化点目标，而且检测结果贴近于钙化点病灶的真实形状。     

鲜切果蔬中生物保鲜剂的研究进展

随着人们对食品质量与安全的要求日益提高,鲜切果蔬保鲜技术迅速发展,生物保鲜剂因具有安全、高效等特点成为鲜切果蔬保鲜的研究热点。鲜切果蔬经分级、清洗、修整、去皮、切分、保鲜、包装等过程处理后,机械损伤、生理代谢、病原微生物污染等问题会引起鲜切果蔬腐烂、品质下降,给鲜活农产品的经济贸易带来了巨大损失,并对人类生命安全造成了重大威胁,因此本文综述了温度、气体环境、生理生化反应、微生物等几项能够导致鲜切果蔬褐变腐烂、品质下降的重要影响因素;总结了3种生物保鲜剂在鲜切果蔬保鲜中的应用,包括植物类天然保鲜剂、动物类天然保鲜剂和微生物保鲜剂;讨论了生物保鲜剂的不足,并对今后生物保鲜剂的发展进行了展望。     

热力站日供热量神经网络预测模型比较与分析

依据北京某热力站运行数据、气象参数，采用BP神经网络，建立日供热量预测模型，对输入变量、隐含层神经元数量的影响进行分析。当隐含层神经元数量设定为10,输入变量为日平均室外温度、日平均风速、前1日供热量、日最低室外温度、日最高室外温度、前2日供热量、前3日供热量时，预测模型的预测效果最佳。输入层神经元数量为3时，由于输入变量不足，预测模型的预测效果最差。当输入变量为日平均室外温度、日平均风速、前1日供热量、日最低室外温度、日最高室外温度、前2日供热量、前3日供热量时，隐含层神经元数量达到最多时(为15)的预测模型预测效果最佳。隐含层神经元数量并非越多越好，在实际应用中，应选取多个隐含层神经元数量，根据预测效果选取合适的隐含层神经元数量。