显像管沉淀质量的提高

显像管沉淀是显像管生产的一个重要环节，提高显像管沉淀质量一直是各生产厂家的重要课题。本文就减少屏脏、掉粉、提高显像管沉淀质量进行了探索，并对沉淀过程中产生的白色（有的稍呈淡黄色，本文全称作白色）片状屏脏物质进行了理论分析。     

基于气味在线检测的绿茶锅式杀青系统研究

在传统的锅式杀青装置基础上,植入PEN3电子鼻进行气味在线检测,通过研究不同锅温下PEN3电子鼻代表性传感器响应值与杀青品质的关系,提出基于气味在线检测的绿茶锅式杀青系统,根据酶促氧化物以及绿茶香气的测量值来反馈控制杀青锅温。结果表明:杀青锅温过低会导致前期酶促氧化严重,过高会导致香气散失过多,因此在前期灭酶完成后立刻将杀青锅温降低,可提升杀青品质;对比发现杀青锅温由180℃降低到140℃的控制方案下品质最佳,此时茶多酚和氨基酸分别为20.85%和3.66%,酚氨比为5.85,氧化酶活性为5.19 U/mL。     

基于温度和功率控制的微波干燥研究

基于一种可自动连续调节微波功率和自动控温的微波干燥系统,以土豆片为原料,采用3种不同温度和功率控制组合的干燥模型。对3种干燥模型的产品进行品质分析和能耗计算以寻求优良的土豆片微波干燥工艺。研究表明,无温度控制的微波干燥在干燥后期易发生过热现象使产品焦糊,基于预定功率分布的可变微波功率与反馈温度控制相结合,可以得到最佳的温度控制效果和产品质量;同时,干燥系统采取可变微波功率的控温方案比固定微波功率的控温方案要节约35%的能耗。     

黑莓微波真空干燥传热特性

对黑莓进行微波真空干燥,研究不同微波功率和真空度对黑莓干燥过程中温度的影响,观察样品整个温度场的分布规律。采用数值模拟的方法,建立电磁与传热耦合模型,经过2min的微波真空加热,得出不同微波功率、不同真空度下黑莓的仿真温度场分布图。选取微波功率为400 W,真空度为-60kPa的条件进行试验,对数值模拟的结果进行分析和评定。仿真的意义在于规避加热区域的冷点位置,同时选取合适的微波功率和真空度以降低热点区域的温度差异性,保证实际加热时同一批次的样品加热效果基本一致。结果表明:黑莓在微波功率为400 W,真空度为-80kPa的条件下加热2min后,热点的温度维持在60℃左右,温度差异性为0.27,在样品热点区域加热温度高度一致性的前提下,保证了合适的加热温度,满足黑莓的干燥要求。     

微波干燥温度分布对胡萝卜干燥特性与品质的影响

为提升胡萝卜的干燥品质,减少局部过热和过分干燥问题,采用多物理场仿真与微波干燥试验,研究胡萝卜微波干燥中旋转运动与不同微波缓苏时间对温度分布、干燥特性、品质（色差、复水比、VC含量、感官评价）的影响。结果表明：水分比的模拟值与试验值的RMSE<5%,模型有效模拟了胡萝卜微波干燥热质传递的过程。旋转样品的温度均匀度指标λ较不旋转减至0.092,干制品品质及其均匀性显著提高,其中色差值标准差减到0.18。R1/4（旋转条件下加热20 s缓苏60 s）条件下胡萝卜样品温度分布区间为65～75℃,色差、VC含量均为最优。采用旋转与1/4的缓苏时间的干燥条件较优。本研究成果为胡萝卜微波干燥应用提供理论参考依据。     

牛蒡微波恒温干燥特性研究

利用自制的微波干燥设备对牛蒡的干燥特性进行研究,通过获取在线重量、温度,实时地监测牛蒡切片的含水率和内部温度。通过正交试验探讨干燥过程中微波功率密度、样品内部温度、样品厚度对干燥时间的影响,确定恒温微波干燥牛蒡的最佳工艺参数:微波功率密度10 W/g,样品内部温度60℃,样品厚度2mm,在该条件下干燥后,牛蒡复水比为3.77,色差值为61.37。方差分析表明:微波功率密度和样品厚度对干燥时间影响显著,样品内部温度影响极显著。     

谈谈黑白显像管的光栅暗角

本文根据黑白显像管电子束的偏转原理，分析了在生产和使用显像管时可能遇到的光栅暗角的四点原因，并且提出相应的解决措施。     

基于 3D 结构光的芒果位姿判别与体积质量预测

目前大部分芒果需通过人工识别体积质量来实现分拣和分级,造成效率低下、缺乏数据管理。机器视觉是提高芒果分级效率的有效手段,然而传统的工业相机仅能获取二维投影。针对这一情况,利用3D结构光系统,获取芒果的形状描述子结合三维深度信息。然后以80个矫正集为样本,利用Fisher判定方法进行位姿检测,并由非线性支持向量机建立“平躺”、“直立”两种位姿下的体积和质量预测模型,并对20个预测集进行误差分析。结果表明,加入深度信息后,位姿检测的准确率可提高到100%,体积质量的平均误差降低到5%以内。     

通用静态格式报表打印设计

介绍了一种通用静态格式报表的打印设计方法,该方法具有通用性强、程序维护简单、可护展性能好的特点,为了有效提高报表描述数据的定义效率,还介绍了一种实用的数据定义工具。     

基于PSO-Gabor特征增强的钢板表面缺陷识别研究北大核心CSCD

为了解决钢板表面类内缺陷形态差异大、类间缺陷相似度高且传统方法难以准确识别的问题,提出了基于PSO-Gabor特征增强的钢板表面缺陷识别方法。首先采用粒子群优化算法(PSO)对Gabor滤波器的频率、方向、尺度和滤波窗口尺寸进行迭代寻优,根据得到的最优参数构造Gabor滤波器;然后利用该滤波器与钢板表面缺陷图像进行卷积操作,并计算其能量响应值获得对应的能量图;最后将能量图输入到卷积神经网络中进行训练和测试。实验结果表明,该方法对钢板表面缺陷识别准确率达到97.5%,检测时间约为50 ms,与传统的模式识别方法相比,识别准确率大幅提升,识别速度快。