低温脱脂大豆粕理化性质及挤压组织化特性关系研究

以2012年9家大豆蛋白生产企业的9份低温脱脂大豆粕为原料,以德国Brabender DSE-25型同向啮合双螺杆挤压机为挤压设备,采用相关性和主成分法分析大豆粕理化性质与挤压组织化系统参数、产品特性的关系。结果显示,挤压机扭矩与挤压组织化蛋白的硬度、咀嚼度、拉断强度呈极显著正相关(P<0.01);模头处物料的表观黏度与挤压组织化蛋白硬度呈极显著正相关(P<0.01),与挤压组织化蛋白咀嚼度、拉伸强度呈显著正相关(P<0.05);单位机械能耗与色差△E*、咀嚼度、拉断强度之间呈显著正相关(P<0.05);大豆粕粗蛋白含量和挤压组织化产品硬度、咀嚼度、拉断强度之间正相关系数大于0.543;乳化性与挤压组织化蛋白组织化度的正相关系数为0.627。主成分载荷分布和得分分布图显示,参试大豆粕中P1、P2和P7的粗蛋白含量及其产品硬度较高;P3和P9的乳化性及其产品组织化度较高;P5和P7的粗纤维含量较高。结论认为,粗蛋白含量较高的大豆粕可生产出拉断强度较大、硬度和咀嚼度较高的挤压组织化蛋白;粗蛋白含量、乳化性可作为挤压组织化蛋白生产原料大豆粕的分类性状。     

一起变电站异常局放信号的声电联合定位测试

针对本单位某35kV变电站35kV开关柜出现暂态地电位信号偏大的问题,本文对该变电站进行了局放检测、定性、定位测试。为了定性、定位的准确,本文采用了声电联合的测试方法。首先根据局放的特高频、超声、高频电流检测信号的谱图,判断其放电类型为悬浮放电,然后根据定位结果,找到了其放电源的位置。     

中国航空工业总公司汽车工业发展概况

一、航空工业汽车及零部件的现状 在国家和行业的大力支持下,经过十多年的艰苦奋斗,目前在航空系统的110个企业当中,已有近85％的企业程度不同的开发了汽车、摩托车零部件产品。“八五”末期已形成各类汽车17万辆、发动机19.5万台、汽车零部件产值25亿元和摩托车200万辆的生产能力。 “八五”期间,航空工业累计生产各类汽车22.6万辆(其中微型汽车19.9万辆),摩托车282.1万辆。     

结合形变模型与图像修复的人脸姿态矫正

目的 人脸姿态偏转是影响人脸识别准确率的一个重要因素,本文利用3维人脸重建中常用的3维形变模型以及深度卷积神经网络,提出一种用于多姿态人脸识别的人脸姿态矫正算法,在一定程度上提高了大姿态下人脸识别的准确率。方法 对传统的3维形变模型拟合方法进行改进,利用人脸形状参数和表情参数对3维形变模型进行建模,针对面部不同区域的关键点赋予不同的权值,加权拟合3维形变模型,使得具有不同姿态和面部表情的人脸图像拟合效果更好。然后,对3维人脸模型进行姿态矫正并利用深度学习对人脸图像进行修复,修复不规则的人脸空洞区域,并使用最新的局部卷积技术同时在新的数据集上重新训练卷积神经网络,使得网络参数达到最优。结果 在LFW（labeled faces in the wild）人脸数据库和StirlingESRC（Economic Social Research Council）3维人脸数据库上,将本文算法与其他方法进行比较,实验结果表明,本文算法的人脸识别精度有一定程度的提高。在LFW数据库上,通过对具有任意姿态的人脸图像进行姿态矫正和修复后,本文方法达到了96.57%的人脸识别精确度。在StirlingESRC数据库上,本文方法在人脸姿态为±22°的情况下,人脸识别准确率分别提高5.195%和2.265%;在人脸姿态为±45°情况下,人脸识别准确率分别提高5.875%和11.095%;平均人脸识别率分别提高5.53%和7.13%。对比实验结果表明,本文提出的人脸姿态矫正算法有效提高了人脸识别的准确率。结论 本文提出的人脸姿态矫正算法,综合了3维形变模型和深度学习模型的优点,在各个人脸姿态角度下,均能使人脸识别准确率在一定程度上有所提高。