基于Pro／E的智能化标准件库系统的开发

在Pro／E平台上,以组件级、零件级、特征级等多层次参数化技术为基础,通过综合运用Pro／Toolkit、UDF和Pro／Program等多种二次开发技术,建立了智能化标准件库系统。本系统能够同时兼容零件标准件和组件标准件,结合Pro／E本身的装配定位方式,并实现了标准件的追加加工,自动打孔等多种功能,从而扩大了标准件库的使用范围,提高了标准件库使用的智能化。     

水利工程BIM+GIS与施工进度动态计划关联方法及实现

在水利工程的建设管理中,施工进度会不可避免地受到外界因素的影响,导致工程施工不能按照原有计划进行。针对于此提出了基于BIM+GIS的施工进度动态计划关联方法,以互联网技术为基础,结合数据库技术和可视化技术,实现工程量统计与施工进度的动态模拟,通过Cesium 3D GIS平台建立了基于BIM+GIS的水利工程施工进度管理系统。此系统将GIS大场景与BIM深度结合,为水利工程项目参建方提供施工三维动态可视化环境,精细化控制水利工程的工程量统计与进度计划管理。目前该系统已经在某水闸工程中投入使用,应用效果良好。     

橡胶自粘防水卷材及其应用

介绍了自粘防水卷材的构造和自粘防水卷材应具备的性能特点,对自粘卷材在地下工程、柔性泛水、防潮、桥梁防水、绝缘、水湿气及化学气体保护、斜屋面垫层防水、空气及水蒸气屏障等方面的应用分别进行了阐述.     

南昌市城区商品房开发策略研究

从整体市场、区域、项目逐步深入进行市场调研分析,借由全面的市场及消费者调研,针对南昌市区的商品房开发,提出了切实的具有市场导向的开发策略,以期指导南昌城区的合理规划和市民购房时的理性选择。     

基于RGB-D视频的多模态手势识别

本文是对SKIG RGB-D多模态的孤立手势视频进行手势识别研究.首先将RGB和Depth两种单模态视频提取成图片的形式保存,然后采样成长度为32帧的手势序列分别输入到本文提出的稠密连接的3DCNN组件学习短期的时空域特征,然后将提取的时空域特征输入到卷积GRU网络进行长期的时空域特征学习,最终对单模态训练好的网络进行多模态融合,提升网络识别准确率.本文在SKIG数据集上取得了99.07%的识别准确率,达到了极高的准确率,证明了本文提出的网络模型的有效性.     

藻类加工污水处理方法研究进展

随着我国藻类养殖业的迅速发展,藻类加工产生的污水排放问题越来越严峻.藻类加工产生的污水不仅对环境造成破坏,而且还制约整个产业循环良性发展.目前的污水处理方法有物理法、化学法、生物法等.对藻类加工污水处理的各种方法进行了详细分析,以期为海藻加工者了解藻类加工污水处理原理与技术提供知识借鉴,进一步完善我国藻类加工污水处理方法,促进我国藻类产业的协同发展.     

融合颜色特征的核相关滤波器目标长期跟踪算法

为了解决基于相关滤波器的跟踪方法在长期遮挡或尺度变化情况下跟踪性能降低,对核相关滤波器目标跟踪方法提出了改进.首先将目标区域的方向梯度直方图、颜色名特征进行融合,对目标外观进行建模;然后对目标构建尺度金字塔,求取尺度的最大响应.最后,引入再检测机制,只有当目标的置信度小于阈值时,才利用在线随机蕨分类器重新扫描窗口,获取检测结果.实验结果表明,该文提出的改进算法在目标发生快速运动、遮挡和尺度变化等复杂场景下有较强的鲁棒性.     

基于遮挡检测的尺度自适应相关滤波跟踪

近年来,相关滤波（CF）方法在目标跟踪领域的应用取得了骄人的成绩.本文针对相关跟踪在目标遮挡时效果不佳以及尺度变化方面不敏感的问题,提出了一个有效的遮挡检测机制和尺度变换策略.将跟踪目标以中心为原点分成四块矩形块,通过计算分析四块的峰值响应（Peak-to-Sidelobe Ratio,PSR）来判断目标受遮挡情况.并依据之前四个峰值响应点的位置,提出一个新的自适应尺度更新策略.在具有遮挡,尺度变化,光照变化等问题的公开数据集上对该方法进行测试,仿真实验表明,本文提出的自适应尺度的核相关滤波（OSCF）具有良好的跟踪性能.     

HPLC法分离鉴定樟子松树皮多酚研究

使用高效液相色谱法对樟子松树皮中多酚类化合物进行分离及鉴定,考察了高效液相最佳的检测波长,优化了洗脱剂、酸、流速、柱温、进样量对多酚分离效果的影响.结果表明,在波长为280nm条件下,流动相为甲醇-水(0.05％ TFA),流速为1.OmL/min,柱温为30℃,进样量为5μL时,色谱峰的分离效果好,峰形最佳.通过与标准样品进行比对鉴定后发现,樟子松树皮中含有七个单体酚,分别为对香豆酸、儿茶素、咖啡酸、芦丁、绿原酸、没食子酸、肉桂酸,其中对香豆酸和儿茶素的含量较高.     

地面小目标快速检测算法研究

由于地面小目标像素低、携带信息量少等特点,常规数据集上的目标检测算法直接用于地面小目标的检测,会出现漏检和错检现象。针对此问题,该文基于深度学习算法,提出将一种改进的YOLOv3算法应用于地面小目标检测。利用K-means算法对数据集中目标进行聚类分析,选取合适的anchor boxes数量和大小。通过增加一个检测小目标的特征图,建立特征融合目标检测层,改进YOLOv3网络检测尺度。在遥感数据集DOTA检测实验中,用改进的YOLOv3算法与YOLOv3算法进行对比实验,结果表明改进后的算法能有效检测地面小目标,查准率提高17.04%,查全率提高了6.44%;与Faster R-CNN算法对比,改进的YOLOv3算法的mAP提高了12.7%。在改进的YOLOv3算法训练时,加入dropout优化机制,其在测试集上的mAP得分又提高了3.24%。