论土建专业的施工配合

从土建专业的角度出发，按照从下到上的施工顺序，分地下地上两大部分，比较广泛地分析了土建专业的施工配合。文章总结出了施工配合最密集的七个环节，并对这七个环节做了比较详细地分析，列举了需要同其他专业相配合的重点，分析了容易出现问题的原因，并提出了配合措施。     

新型自适应字符检测系统研究

目的 为解决现有字符检测系统出错率高、自适应能力较差的问题,提出一种新型自适应字符检测系统。方法 针对某国内大型方便面生产企业产品研发生产批号检测系统过程中,遇到的光照变化和多种产品规格变化对图像采集质量的影响问题,分别提出相应的自适应解决方案;通过改进局部阈值算法,增强算法鲁棒性,并进一步提出基于实时采集图像的自适应采集矫正算法。结果 通过实验测试和现场验证,该检测系统的自适应能力和鲁棒性较强,检测速度为10个/s,误剔率小于0.005%,漏剔率为0。结论 该系统具有较强适应性,相比传统字符检测系统更加稳定可靠,具有良好的应用前景。     

基于目标检测网络的轮对踏面缺陷检测方法

针对传统图像处理算法难以快速、准确识别轮对踏面缺陷的问题,提出一种采用双深度神经网络对轮对踏面缺陷进行检测的算法。该双网络分为踏面提取网络与缺陷识别网络。根据踏面为大目标的特点,分析与测试SSD网络,并用该网络提取轮对图像中的踏面区域。为提高踏面缺陷识别效率,在提取出踏面图像后,针对踏面缺陷属于中、小目标的特点,对YOLOv3网络结构进行优化得到M-YOLOv3。实验测试表明:提取踏面区域时,SSD算法的精度均值(AP)最高,达99.8%;识别踏面缺陷时,M-YOLOv3的AP达89.9%,相较于原始YOLOv3,单张图像计算耗时减少7.1%,同时AP仅有0.6%的损耗。结果表明,所提算法具有较高的检测准确率。     

基于高光谱成像技术的大曲还原糖含量预测及其可视化

还原糖是大曲质量评价的重要指标,为进一步提高大曲还原糖含量的检测精度,提出了一种应用高光谱成像技术检测大曲还原糖含量的方法。采用高光谱成像系统,在900～1 700 nm采集大曲样本的光谱信息,并提取全部样本的平均光谱数据。首先,采用标准正态变量校正(standard normal variables, SNV)、卷积平滑、多元散射校正3种预处理方法对原始光谱进行预处理;然后,分别使用主成分分析(principal component analysis, PCA)荷载系数法、连续投影法(successive projections algorithm, SPA)和PCA荷载系数-SPA三种方法提取了大曲光谱数据的特征波段;最后,基于全波段和特征波段的光谱数据,分别建立了预测还原糖含量的偏最小二乘回归(partial least squares regression, PLSR)和最小支持向量机(least squares support vector machine, LS-SVM)模型。结果表明,对SNV预处理后的大曲光谱数据,采用PCA-SPA算法提取的特征波段建立的PLSR模型效...     

基于深度自编码的大曲高光谱数据解混研究

利用高光谱技术检测大曲发酵品质时,获取的水分等高含量物质的高光谱数据可能掩盖对大曲质量评价至关重要的微量物质高光谱数据。为方便后续更微量物质的光谱曲线分解,需先排除水分等高含量物质的数据干扰,该文通过建立无监督的深度自编码模型,可实现大曲水分高光谱曲线分解。通过实验设计,采集与水混合后的成品曲粉光谱数据。首先编码部分,将混合大曲光谱曲线压缩为低维表示,即端元;解码部分,将光谱的低维表示解压重构为原始光谱曲线,结合比较不同目标函数,反向传递重构误差,更新解码权重;最终,通过端元解码出水与曲粉各自的光谱曲线,运用欧氏距离与皮尔逊相关系数方法从特征距离和相关系数两方面同时评价解混效果。实验显示,利用深度自编码解混模型,选择L-C目标函数得到的解混效果最好,解混曲线与纯曲粉曲线的欧式距离与皮尔逊相似度分别为0.3427和0.9967。研究表明,利用深度自编码网络能够对大曲高光谱数据进行解混,可为实现大曲高光谱微量物质检测提供理论支持和技术支撑。     

谈土建专业的施工配合

从土建专业的角度出发,按照从下到上的施工顺序,分地下地上两大部分,比较广泛地分析了土建专业的施工配合.文章总结出了施工配合最密集的七个环节,并对这七个环节做了比较详细地分析,列举了需要同其他专业相配合的重点,分析了容易出现问题的原因,并提出了配合措施.