BP神经网络模型对浮法退火窑内玻璃温度的预测

利用热电偶测得的退火窑中空气温度和红外测温仪测得的玻璃表面温度作为训练样本,建立了基于BP神经网络的玻璃温度预测模型.通过与实际工况对比,证实了该模型的有效性.该模型对改善玻璃退火窑运行质量,预测玻璃成型性能具有积极的意义.     

浮法玻璃压裂缺陷的成因分析与整改

在浮法玻璃生产中,由于不同原因所造成的下表面缺陷时常出现,且反复性较强,给浮法玻璃的产、质量带来了较为严重的负面影响.本文对玻璃带下表面压裂、磨伤等缺陷的成因及根治过程进行了详细的剖析,以求能为其他单位在处理类似问题时提供一些可借鉴的经验.     

延长浮法玻璃熔窑使用期限的措施

针对浮法玻璃熔窑在超期运行过程中出现的一系列烧损现象,采用多种措施对窑炉进行热修,使窑龄延长一年多.介绍了在各部位进行热修的具体实施方法.     

浮法玻璃退火窑故障诊断专家系统设计

开发了一种浮法玻璃退火窑故障诊断专家系统,能有效解决目前浮法玻璃退火窑故障诊断随意性和滞后性的问题.该系统采用Visual C 语言编写,增强了用户界面的友好性,便于用户在较短时间内迅速掌握此系统的运用.编写过程中采用了实例推理机制,提高了结论的可靠性及运行速度.     

浮法生产线冷却水的恒温控制

结合生产实际,详细分析了传统的浮法生产线循环冷却水系统对生产超薄或超厚浮法玻璃时存在的制约因素,并系统阐述了我厂对循环冷却水进行改造而达到恒温控制的实践经验.期望对国内其它浮法生产线在开发新产品、进行工艺精细化操作时提供一些有益的借鉴.     

浮法玻璃下表面炸口机理研究与技术处理

通过正确理解和区分玻璃下表面炸口与辊痕截然不同的本质内涵,有效避免了传统操作中将玻璃炸口与辊痕混为一谈的误判和采用措施混淆不清的做法,为快速准确解决此类玻璃缺陷提供有效途径.     

基于HOGv-CLBP特征融合和ELM的交通标志识别

针对交通标志识别识别率低和时间复杂度大的问题 ,本文提出一种HOGv-CLBP特征融合和极限学习机的交通标志识别算法。首先通过描述交通 标志图像边缘信息的方向梯度直方图(HOG)特征,与能够 表示标志图像内部纹理信息的局部二值模式(LBP)特征融合得到降维后形成一种HOGv-CLB P有效特征, 然后利用ELM进行交通标志训练和分类。实验结果表明,该算法不仅提高了交通标志的识别 率,而且降低了时间复杂度,增强了系统鲁棒性。     

浮法锡槽密封性能的改良措施

在浮法锡槽运行过程中,由于锡液在高温状态极易被氧化,需要N、H气体来保护。为了防止保护气体外泄,阻2 2止外界空气（氧气）进入锡槽污染锡液,对锡槽的密封性能要求极高。本文主要探讨对锡槽密封性能起积极作用的相关改良措施。     

基于显著图和稳定区域融合的小目标检测算法

在真实场景中,物体的尺寸往往是多样的,基于大 图像的目标检测很难检测所有的物体。为了检测较小尺寸目标,本文利用显著图和稳定区域 融合,建立小目标检测算法模型。首先利用基于颜色名空间的显著性检测算法生成显著图, 同时采用基于最大稳定极值区域(MSER)算法提取局部稳定区域,MSER算法是目前针对图像 变形最为稳定的特征检测算法;其次采用像素乘性融合稳定区域和显著图以降低虚警概率; 最后调用一些图像处理过程,包括形态学重建操作、灰度变换、形态空穴填充操作,能够有 效抑制背景,同时均匀的突出显著性目标,以推断和优化最终结果。为了验证该算法的有效 性和实用性,以PR曲线为评价指标,比较了几种主流算法的性能,包括AZ-NET、FPN、PGAN 。通过对Sky数据集和Ground数据集的测试,表明该算法能够很好地适应目标尺寸的变化, 在检准率和检全率方面优于现有的小目标检测算法,具有良好的鲁棒性。     

基于颜色衰减先验和视觉显著性的水下图像增强算法

针对水下拍摄的图片存在颜色失真、细节和边缘模 糊等特点,提出了一种基于颜色衰减先验的水下图像增强算法。首先在计算暗通道函数时,用最小值滤波去噪。然后,对图片进行显著图处理,利用颜色先验法则完成深度估计。此滤波方法不仅能降噪,还可以防止颜色失真。最后,基于模型简化获得复原的图片,将其进行伽马变换进行校正,实现柔性去雾。实验结果表明,本文算法与几种典型的水下图像去雾算法相比,能够较好提高图像的清晰度和对比度,同时获得较好的图像颜色。