基于 CNNs 识别反馈的点阵字符检测方法

针对点阵字符因错误分割导致识别准确率较低的问题,提出了一种基于卷积神经网络(CNNs)识别反馈的点阵字符检 测方法。 首先采用多尺度窗口获取多个候选区域并建立 CNNs 对其进行识别,利用投票机制对多个识别结果进行综合决策,然 后根据决策结果反向定位点阵字符并完成字符分割,最后提出一种滑动翻转窗口对所有字符进行分割与识别。 实验结果表明, 该方法在点阵字符的定位准确率和识别率方面都优于传统字符识别方法,分别达到了 97. 53%和 97. 50%。     

微注塑散热器流动诱导热导率变化的多尺度数值预测

为进一步提高聚合物复合材料热导率,采用多尺度数值预测法研究了微注塑聚酰胺/碳纤维(PA66/CFs)散热器内部CF的流动诱导取向及其对制品热导率的影响规律。首先,利用Moldflow获取CF取向张量,并以Comsol Multiphysics构建与之对应的复合材料微元胞。利用正交实验法研究熔体温度、模具温度、最大注射压力及注射流率对微散热器热导率的影响。然后,对预测数据进行分析获得最优注塑参数组合。最后,对优化结果进行模拟实验,验证了多尺度数值预测法的有效性。结果显示:上述各参数重要程度由大到小依次排列为熔体温度、注射流率、最大注射压力和模具温度;最佳组合为熔体温度360℃、模具温度70℃、最大注射压力220 MPa及注射流率3×10–4 cm3/s。另外,流动诱导热导率变化最大值达0.36 W/(m·K),为基体热导率的1.5倍。得到的研究结果为从工艺调控的新角度来改善聚合物复合材料的导热性能提供了理论依据与数据支撑。