Improving accuracy of automatic optical inspection with machine learning

Electronic devices require the printed circuit board(PCB)to support the whole structure,but the assembly of PCBs suffers from welding problem of the electronic components such as surface mounted devices(SMDs)resistors.The automated optical inspection(AOI)machine,widely used in industrial production,can take the image of PCBs and examine the welding issue.However,the AOI machine could commit false negative errors and dedicated technicians have to be employed to pick out those misjudged PCBs.This paper proposes a machine learning based method to improve the accuracy of AOI.In particular,we propose an adjacent pixel RGB value based method to pre-process the image from the AOI machine and build a customized deep learning model to classify the image.We present a practical scheme including two machine learning procedures to mitigate AOI errors.We conduct experiments with the real dataset from a production line for three months,the experimental results show that our method can reduce the rate of misjudgment from 0.3%–0.5%to 0.02%–0.03%,which is meaningful for thousands of PCBs each containing thousands of electronic components in practice.     

基于VMD和改进TCN的短期光伏发电功率预测

光伏发电功率存在波动性,且光伏出力易受各种气象特征影响,传统TCN网络容易过度强化空间特性而弱化个体特性。针对上述问题,文中提出一种基于VMD和改进TCN的短期光伏发电功率预测模型。通过VMD将原始光伏发电功率时间序列分解为若干不同频率的模态分量,将各个模态分量以及相对应的气象数据输入至改进TCN网络进行建模学习。利用中心频率法确定VMD的最优分解模态分解个数。在传统TCN预测模型的基础上,使用DropBlock正则化取代Dropout正则化以达到抑制卷积层中信息协同的效果,并引入注意力机制自主挖掘并突出关键气象输入特征的影响,量化各气象因素对光伏发电的影响,从而提高预测精度。以江苏省某光伏电站真实数据为例进行仿真实验,结果表明所提预测方法的RMSE为0.62 MW,MAPE为2.03%。     

基于超声导波SC-DTW的金属板微损检测方法

针对金属板材的质量控制与服役性能评估问题,在对金属板材微损伤进行超声导波检测的基础上,结合形状上下文(shape context,SC)与动态时间规整方法对其损伤劣化程度进行量化评估.该方法以无损Lamb波信号为基准,采用动态时间规划(dynamic time warping,DWT)算法对损伤信号进行相似匹配分析对比,确定基准信号与损伤信号的最佳匹配路径.引入SC的轮廓识别方法对Lamb波的局部波形信息进行统计分析,以波形形状距离代替传统欧氏距离匹配方法,解决DTW相似匹配中的病态对齐问题.最后,将无损Lamb波与损伤Lamb波信号间SC-DTW匹配距离作为损伤程度的量化指标,采用随机闭合裂纹的有限元仿真模型和铝板弯折实验对所提出方法进行验证,结果表明,基于Lamb波SC-DTW的损伤量化指数对铝板早期裂纹具有较高的敏感性和较好的量化表征能力.该方法无需对波包进行识别,也不必进行复杂的特征提取,具有简单高效和抗噪声能力强等优点,在金属板服役性能评估与质量控制中有较好的实用性和推广价值.     

互联网时代下的学校图书管理信息化建设

如何在互联网时代打造一个信息化的管理模式,已经成为广大学校图书管理发展过程中亟待处理的问题。文章就互联网时代下的高职图书管理信息化建设进行了详细探讨,以期能够给广大同仁提供一些借鉴参考,共同为图书管理工作的现代化改革和发展贡献力量。     

基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

基于平均飞行航迹的CCO减噪效用研究

近年来，通过优化飞行程序降低机场飞机噪声影响成为机场环境保护的重要研究方向。文章首先建立了基于飞机“噪声-功率-距离”数据的噪声计算模型，介绍了平均飞行航迹以及连续爬升运行(Continuous Climb Opera-tion, CCO)离场程序的相关理论，最后以大型国际机场为实例，使用飞机平均飞行航迹进行噪声预测，运用综合噪声模型计算出噪声影响面积并绘制噪声影响等值线图，比较了CCO离场相对常规的标准仪表离场(Standard Instru-ment Departure, SID)的降噪效果。结果表明，CCO离场程序可有效降低机场噪声影响，在高噪声级影响区域的降噪效果更佳。     

南美白对虾肝胰腺蛋白提取方法优化及无水保活环境胁迫对细胞凋亡蛋白的影响

为提高Western Blotting结果的可靠性，以蛋白溶出率和凝胶电泳蛋白条带完整性为指标，比较提取液种类、研磨方式、酶抑制剂种类及其体积分数和提取时间对南美白对虾肝胰腺蛋白提取效果的影响。采用优化后的提取方法获得高质量蛋白样品，并采用Western Blotting法分析无水环境胁迫后南美白对虾肝胰腺组织中细胞凋亡信号通路相关蛋白的表达水平。结果表明：RIPA裂解液作为提取溶剂所得的蛋白溶出率高于水提和磷酸盐缓冲液，电动匀浆和液氮研磨所得蛋白条带更完整，4%蛋白酶磷酸酶混合抑制剂能有效抑制肝胰腺内源酶引起的蛋白降解；采用Western Blotting法分析无水保活期间南美白对虾肝胰腺蛋白，发现低温诱导休眠的同时会引起细胞轻微凋亡，且凋亡水平呈应激时间依赖性增加，环境胁迫解除后有所回调。     

天然气管道放散计算与速查图

结合工程需要和实际情况，应用实际气体状态方程得到放散量计算式。放散时间计算式选取临界流计算模型。将两个计算式中的固定值和影响因素单独归纳，分别绘制出天然气管道放散量计算系数和放散时间计算系数速查图，给出计算流程。经实例验证，计算值与实际值相对误差不超过5%,此计算方法的实用性较强，能很好地满足工程上对放散量计算方便性和准确性的要求，对指导施工具有一定实用意义。文末附有放散量计算系数和放散时间计算系数速查图下载链接，也可扫二维码下载。