高透滤棒质量稳定性的生产改进

在卷烟滤棒生产过程中,滤棒质量指标尤其是硬度和压降值波动较大,且因高透滤棒渗胶常导致发射管道堵塞,造成停机故障.经过采用丝束平衡机、导丝辊、新型送丝喷嘴等对丝束控制方式进行改进,提高了滤棒质量指标的稳定性.同时研制出一种管道疏通器,可定期对发射管道壁胶垢进行清理,减少管道堵塞.应用结果表明,改进后滤棒硬度合格率从72.04%提高到95.64%,滤棒压降合格率从92.12%提高到95.4l%,因发射管道堵塞造成的停机故障由原来的6.23次/天下降为3次/月.     

多种勘查手段在煤矿自燃区探测的应用研究——以山西宁武县石窑沟村露天煤矿为例

研究区位于山西省宁武县石窑沟村,为了探明该区域煤矿自燃区,采用收集资料、走访及野外地质调查、热红外遥感、高精度磁测、地面活性炭氡气测量初步解译推断出区内露天煤层自燃火区的范围、影响深度及类型,最后通过钻探对解译推断进行验证,结果显示数据基本准确、可靠,为后期火区治理工程提供了准确的基础数据。研究工作表明采用这些综合勘查手段在矿山隐伏火区探测中具有一定的应用前景,为其他地区的露天煤层自燃的勘查提供了参考的依据。     

某土质不稳定斜坡稳定性分析和评价

通过对北京市某土质不稳定斜坡的物质组成和结构特征分析,本文采用瑞典条分法,利用GeoStudio2018-SLOPE/W软件计算,里正软件验证,求出斜坡在天然、地震和暴雨三种工况下最危险滑动面的位置、形状、最小稳定性系数和所处状态。结果表明:不稳定斜坡在天然状态下处于基本稳定-稳定状态;在地震工况下,斜坡处于不稳定-基本稳定状态;在暴雨工况条件下,随着降雨入渗,斜坡处于不稳定状态,可能发生变形和局部垮塌。结合勘查现状和稳定性评价结果,给出相应的防治方案,以更好的维护居民财产与生命安全。     

基于人体动态特征的三维服装虚拟试穿技术

针对人体个性化姿态的动态感知以及服装模型对人体姿态动作的跟踪匹配精度低的问题,提出了一种基于人体动态特征的三维服装骨骼点分层模型,区分躯干(整体)与四肢(局部)的运动特征,并融合了基于Kinect体感设备的人体围度数据;设计了整体-局部分解算法,分层控制三维服装骨骼模型对人体姿态动作的高精度跟踪。经真人虚拟试穿的测试结果表明:新方法的相对跟踪误差降低约10%,明显改善了虚拟服装对人体姿态的实时跟踪精度,提高了服装模型与真人体型的匹配精度,支持裙子、裤子、上衣等服装类型的复杂姿态(抬腿、弓步等)试穿场景。     

响应面优化金丝小枣碱提多糖工艺及其抗氧化活性研究

以金丝小枣为原料,通过单因素考察提取温度、时间、料液比和NaOH浓度对多糖得率的影响,在此基础上进行Box-Behnken试验来优化碱提多糖的提取工艺,并对其进行总糖含量、扫描电镜、红外光谱及抗氧化活性测定。结果表明,碱提多糖最佳工艺为:料液比1:35(g/mL),提取温度80℃,提取时间120 min,NaOH浓度为0.2 mol/L,在此条件下多糖的得率为11.44%,总糖含量为69.39%。扫描电镜表明其具有不规则块状结构,内部紧实;红外光谱表明枣碱提多糖具有C=O和C-H等酸性多糖的特征吸收峰。抗氧化活性实验表明,碱提多糖具有一定清除自由基的能力,对DPPH和超氧阴离子自由基的IC₅₀分别为1.201 mg/mL和1.176 mg/mL。此研究为进一步开发枣多糖功能性食品及研究碱提多糖的构效关系提供参考。     

利用近红外光谱技术快速检测配方烟丝掺配均匀性

采用主成分分析构建反映主要化学成分含量及衍生指标值的统计量F得分,以F得分作为表征烟丝组分掺配均匀性的特性值。采集不同组分比例烟丝样品的近红外光谱数据,采用MSC结合一阶导数和S-G平滑处理将光谱信息进行预处理,提高信噪比,选择光谱范围为4 281.2～4 485.6,5 542.4～6 024.5,6 043.8～7 135.3cm~(-1),采用PLS法建立统计量F得分的近红外光谱模型,模型的决定系数(R~2)为0.996,RMSECV为0.269,模型预测性能好,预测精度高。说明利用近红外技术可快速预测配方烟丝样品的统计量F得分,实现卷烟加工过程中烟丝掺配均匀性的快速检测。     

生姜杆叶提取物香味成分分析及在卷烟中的应用

为寻找一种新的生姜杆叶利用和烟草香料制备途径,采用超临界CO2萃取法提取生姜杆叶精油,用气相色谱-质谱法分析了精油中的挥发性成分,并将提取物精油进行了卷烟加香应用实验。结果表明,生姜杆叶精油中共鉴定出38种成分,主要为萜烯类、醇类等重要的烟草香味物质;生姜杆叶精油应用于卷烟加香,具有改善卷烟香气、丰富烟香、去除杂气、改善口感的作用。生姜杆叶精油可作为一种新型天然香料应用于卷烟加香。     

基于纹理特征学习的高精度虚拟试穿智能算法

为更好地适应数字化时尚消费新趋势，针对虚拟试穿中人体姿态、遮挡、非试穿区串扰引起的重构纹理模糊、细节失真、相似度低等难题，提出一种高精度虚拟试穿C-CGAN智能模型。首先，利用服装蒙版定位和纹理约束，采用CGAN网络框架智能学习得到多姿态下的服装重构模型。然后，采用编解码网络融合重构服装与人体特征，并设计多种针对性的损失函数优化网络参数。最后，基于国际流行虚拟试穿模特样本库构建丰富的纹理数据集，在PyTorch环境下开发了服装虚拟试穿系统。对比测试结果表明：C-CGAN较CP-VTON生成图像质量指标，结构相反性提高约25%,弗雷歇距离降低约11%,峰值信噪比提高约78%,重构纹理自然细腻、图像清晰，场景适应性良好，可广泛用于个性化时尚定制、在线试穿等领域。