多通道称重传感器蠕变测试系统方案及应用

为提高称重传感器蠕变测试的检测精度和生产效率,本文介绍了如何利用计算机控制系统和载荷砝码加载机改造传统手工传感器蠕变检测方式,通过串口通信对多台精密测试仪表数据采集及PLC控制自动加载砝码,研发出一套多通道,操作简便,稳定性强,实时传输能力快速的自动化检测设备,并已在本单位生产实际中得以应用。     

结构保持生成对抗网络的SD-OCT图像去噪方法

为了去除频域光学相干断层扫描(SD-OCT)中的散斑噪声,提出了一种结构保持生成对抗网络模型,可以无监督地从SD-OCT图像合成高质量的增强深部成像光学相干断层扫描(EDI-OCT)图像.该模型基于循环生成对抗网络结构学习无配对SD-OCT和EDI-OCT图像之间的域映射关系.为了克服循环生成对抗网络生成图像的结构性差异问题,模型利用连续帧之间的相似性引入全局结构损失,保证了图像的全局结构一致性;同时通过模态无关邻域描述符引入局部结构损失,保持了图像的解剖结构细节.在50组CirrusSD-OCT数据集上进行去噪的实验结果表明,该模型的PSNR值为29.03 dB, SSIM值为0.82, EPI值为0.50,均优于现有模型.     

一种基于无源RFID的裂缝传感器设计

基于无源RFID原理，提出了一种安全可靠、结构简单、价格低廉的新型裂缝标签传感器。该标签由两个嵌套的环形缝隙天线、二倍压整流电路、二次谐波带阻滤波器和发光报警电路组成，工作频率为f0＝2.45GHz?并使用0.254mm厚超薄型高频覆铜板加工制作完成，当裂缝出现时，带阻滤波器与传感器标签断开连接，标签中的二次谐波信号通过缝隙天线发送到 接收端实现远距离报警，同时标签中的直流信号给发光报警电路供电实现近距离的位置报警。实验结果表明，当有效发射功率为35dBm时，传感器标签的预警距离可达7m以上，发光定位的正常工作距离超过0.8m。     

基于贝叶斯估计的土壤呼吸传感器最优高度点搜索研究

为了准确监测土壤呼吸，针对土壤呼吸传感器最优布点的问题，提出了一种基于贝叶斯估计的土壤呼吸传感器最优高度点搜索算法。算法的具体思路为:首先通过CFD(计算流体力学)仿真与涡度相关法得到土壤呼吸稳态时气室内不同高度的碳通量数据。然后对数据赋予一定的权值得到不同高度的融合数据，最后采用贝叶斯估计理论求解相应高度的概率密度，从而确定传感器最优高度点。结果表明:直径为0.25m，高度为0.3m的气室传感器最优高度点为中轴线上0.0836m处，且该点数据的均方根误差RMSE为1.426μmol·ｍ-2·s-1 。平均偏差Bias为1.224μmol·m-2·s-1，并与贝叶斯联合密度的计算结果验证分析，证明此算法有很高的可行性与准确性，为土壤呼吸传感器的最优高度点选取提供了方向与建议。     

电子鼻技术对甘薯储藏中长喙壳菌侵染病变程度判别

针对甘薯受到病原菌侵害后，引发储藏病害产生毒素问题，提出了一种基于电子鼻技术，利用化学计量学对甘薯储藏病害的病变程度进行判别的方法，以期为库存甘薯储藏病害的识别提供技术参考。通过主成分分析(PCA)、偏最小二乘法 －判别分析(PLS-DA)、正交偏最小二乘法判别分析(OPLS-DA)、BP神经网络(BPNN)和支持向量机(SVM)对长喙壳菌侵染后不同病变程度的甘薯气味响应特征值进行分析判别。结果表明，PCA、PLS-DA、OPLS-DA)均可对3类病变程度的甘薯进行有效的区分。BPNN 模型未能对3类病变甘薯进行有效的区分。SVM利用交叉验证算法优化(Best c＝0.2500 Best g＝0.3789)并建立模型。测试集的准确率为96%。因此，电子鼻技术可对甘薯储藏病害程度实现区分，且具有较好的判别效果。     

大数据时代人工智能在计算机网络技术中的应用研究

经济社会的发展和科学技术的不断进步,人工智能方式的应用程度不断加深,在社会多个领域都产生了重要的影响,有效提了升网络运行的稳定性,且更好地满足大数据时代海量信息处理的需求。大数据发展背景下,要更好地带动计算机网络技术的运行发展,需要重视科学地使用人工智能方式,开展管理工作,合理使用大数据时代的人工智能,提升整体系统的运行效率,更好地满足时代发展需求。对大数据时代人工智能在计算机网络技术中的应用进行了探讨。