引进高速印铁线做优质印铁产品供应商

上海宝印金属彩涂有限公司是上海宝钢产业发展有限公司和上海宝钢国际经济贸易有限公司共同投资兴建的印铁专业公司.其总投资约2亿元,引进一整套印前系统、1条德国UV六色彩印线、3条日本C452涂布线(配备日本大和三光绿色烘房)、1条裁切线和完善的品控仪器,具有年产5万吨的印铁涂布加工能力.     

基于有限元分析的棒球最佳击球点问题

针对棒球运动中的球棒最佳击球点问题,首先以梁振动模型为基础,研究了两端自由均匀杆振动能量的传递,得到了振动能量损失最小的受力区域.接着运用有限元分析法,将不规则的棒球棒模型细化为752个规则三角形进行受力分析,结合振动方程和边界条件,求出前3种振动模式下的振动节点,将振动能量损失最小的击球区域定位于基波节点与二次谐波节点之间.研究结果表明,以标准棒球棒(81.3cm)为例,其最佳击球区域为:62.4～70.8cm,该结论为棒球运动员选择最佳击球区域提供了可靠的理论依据.     

乙烯掺炼在干气制乙苯和苯乙烯中的应用

介绍了5 kt/a乙烯掺炼项目在山东晟原石化科技有限公司60 kt/a干气制乙苯/苯乙烯装置的工业化应用情况,结果表明:乙烯掺炼项目改善了装置产能波动问题,工艺技术可行,流程简单,操作方便,降低了加工成本,提高了苯乙烯产品市场效益。     

一种基于CAN总线的CO气体监测系统

为顺应当今楼宇自动化发展趋势,提高室内气体检测有效性,设计了一种基于CAN总线和电化学传感器的家庭或工业环境中的CO实时在线监测和远端控制系统,该系统采用电化学传感器完成气体采集,以低功耗单片机MSP430F5438为数字信号处理平台,并设置了CAN总线的接口.同传统的可燃性气体监测仪器相比,该系统具备功耗低、监测数据准确、实时性强、数据存储和远程传输等优点.经过对实验装置的测试,本系统准确检测气体浓度,达到预定的指标要求.     

电子类基础实验课程混合式教学模式探索

针对电子类基础实验课程教学的特点和不足,本文提出了“线上教学+自主实验+翻转课堂”的混合式教学模式,阐述了集约化线上教学资源平台、智能化翻转教学环境以及多元化过程性考核评价机制三个环节。研究发现,学生的课堂主动参与度、自主学习能力、创新思维能力以及教师的教学创造力得到全面提升。教学环境支持课堂互动和全周期教学行为数据采集,实现了信息技术与实验教学的深度融合。     

轻量化YOLOv5s网络车底危险物识别算法

针对现有车底危险物检测模型结构复杂、参数量大、不易部署于端侧的问题，提出轻量化SG-YOLOv5s网络模型.对YOLOv5s网络的骨干和颈部进行优化改进，显著降低网络的参数量，大幅缩小模型的权重体积；在训练阶段采用Mixup数据增强，提高模型的泛化能力；采用SIoU替换边框回归损失函数CIoU，使危险物预测框更接近真实框，提高检测精度.鉴于车底危险物数据集较少的现状，利用智能小车拍摄大量车底碎片化图像，采用AutoStitch算法进行图像拼接，最终获得自建车底图像数据集.实验结果表明：在自建的9种模拟车底危险物数据集上，SG-YOLOv5s模型识别精确率为97.63%，相较于原YOLOv5s模型提升了1.26%，而参数量减少了71.27%，模型权重体积下降了71.28%，为后续识别模型的嵌入式部署提供了可能.     

基于DSP的自动指纹识别系统

本文提出了一种基于TI(Texas Instruments)公司的高性能DSP芯片TMS320VC33,并集合了CPLD和外围存储技术的实用的自动指纹识别系统,并且介绍了该系统的软硬件组成和设计方案.该系统算法性能优异,运算速度快,精度高,兼容性好.     

基于改进YOLOv5m的电动车骑行者头盔与车牌检测方法

电动车上路必须佩戴安全头盔已成为交管部门的强制性规定.为了能自动检测出电动车骑行者的头盔佩戴情况,提出一种基于改进的YOLOv5m模型的头盔与车牌检测方法,在检测出骑行者未佩戴头盔的同时还能检测出电动车车牌.模型使用自建电动车骑行者头盔与车牌检测数据集进行训练,用DIOU损失函数代替GIOU损失函数,DIOU_NMS代替加权NMS,增强模型对密集骑行场景的识别能力.在Backone部位与预测中小目标的Neck部位加入ECA注意力机制,使得模型对中小目标的识别率有所提高;用K-means算法对锚框尺寸重新进行聚类.最后,改进Mosaic数据增强方式.实验结果表明:改进的 YOLOv5m 电动车骑行者头盔与车牌检测模型的 mAP 为 92.7％,较原 YOLOv5m 模型提高 2.15个百分点,较 YOLOv4-tiny、Faster RCNN 模型分别提高 5.7个百分点与 6.9个百分点.改进后的 YOLOv5m 模型能有效提高对头盔与车牌的识别率.     

基于纹线跟踪的指纹分类方法

在深入研究现有指纹分类算法的基础上,提出了一种基于纹线跟踪的新颖指纹分类方法。不同于以往利用core点和delta点进行分类,该算法结合纹线跟踪的思想,在模式区进行纹线跟踪,得到模式区的跟踪曲线,然后再根据曲线参数进行分类,取得了较好的效果。