基于SURF算法的图像配准技术的改进

本文主要针对基于SURF算法的图像配准技术进行改进,目前在SURF算法中使用的特征点描述子没有充分考虑到特征点周围的信息,匹配正确率不高。针对这一点,改进的主要方法是在匹配的过程中增加了灰度差直方图描述子,使得匹配精度提高。图像配准算法在考虑提高配准精度的同时,也要兼顾算法的时间,通过实验证明,改进的算法可以满足以上两点。     

优化排样技术在包装印刷中的应用

以优化排样的理论方法研究为基础,主要是针对不规则形状进行排样优化.通过对现有的几种常见的主流算法分析比较、选定出一种适用于包装纸盒排板的优化排样方法,并在此基础之上提出了改进方案,以得到最有效的算法.根据提出的算法思路,利用计算机编程语言开发出包装纸盒排版排样优化的系统程序,将这种算法得以实现.     

氧化单宁酸提高含猪血浆蛋白水解物的乳状液物理稳定性

在以猪血浆蛋白水解物（porcine plasma protein hydrolysates,PPPH）作为乳化剂所制备的水包油（oil-in-water,O/W）型乳状液中添加氧化单宁酸（oxidised tannic acid,OTA）,研究OTA添加量对乳状液贮藏期间物理稳定性的改善,测定乳状液在贮藏期间的粒径、Zeta电位、絮凝指数、凝结指数和乳状液中蛋白质分配系数的变化趋势,并且利用激光共聚焦显微镜观察乳状液的微观结构。结果表明,在乳状液1～10 d的贮藏期间,与对照组相比,随着OTA添加量的增加,D[3,2]、D[4,3]、絮凝指数以及凝结指数显著降低（P＜0.05）,且在OTA添加量1%时达到最低（P＜0.05）;相反,Zeta电位随着OTA添加量的增加显著提高（P＜0.05）,且在OTA添加量1%时达到最高（P＜0.05）。同时,OTA的添加在一定程度上促进了PPPH的交联,能够显著增加其在乳状液界面蛋白膜表面的分布（P＜0.05）;另外,乳状液的微观结构进一步验证OTA添加量1%的处理组能够在油滴表面形成最紧密和厚重的界面蛋白膜。研究结果表明,在PPPH制备的O/W型乳状液中添加OTA,能够显著提高其在整个储藏期间的物理稳定性,为OTA在乳状液食品中的应用提供了实验参考。     

基于PLC的直角坐标机械手系统设计

针对工业自动化生产领域内存在的机械式重复动作,该文提出了一种四自由度直角坐标式机械手设计方案,系统以欧姆龙PLC为控制核心,控制伺服电机及气动执行元件实现了代替人工执行工件搬运、分拣和组装等基本。同时,设计了相对友好的人机交互界面,实现对系统的操作控制。通过现场试运行并应用于汽车前挡板的生产制造中,证明了系统设计方案的合理性。该系统自动化程度高且运行稳定,对于提高企业生产效率及质量、降低劳动成本、改善工人劳动环境具有重要意义。     

稻壳基木质素在聚氨酯泡沫材料中的应用研究

针对生产聚氨酯所用的原材料价格昂贵、不可再生的问题,采用粮食加工废弃物——稻壳中的木质素为原料,部分取代聚醚多元醇合成聚氨酯。通过乙醇法从稻壳中提取木质素,再以环氧氯丙烷对其改性,来增加木质素中的活性羟基数量及在聚醚多元醇中的溶解度,以增加木质素的反应活性和提高取代聚醚多元醇的程度;从而部分替代聚醚多元醇与异氰酸酯和其他助剂混合制备出性能优良的木质素聚氨酯泡沫材料。研究结果为稻壳基木质素聚氨酯泡沫材的研究提供了可行方案,也使稻壳的回收再利用成为可能。     

有线电视网络安全防范的策略探讨

本文认真分析了有线电视网络安全管理所遇到的问题,并结合自身工作的实际,分别提出了确保有线电视网络结构合理,加强有线电视网络安全管理,健全有线电视网络管理机制等安全防范策略与措施.     

丁虫腈5％悬浮剂防治二化螟田间药效试验

丁虫腈5％悬浮剂防治二化螟,按推荐剂量40-50ml/667m2试验,结果表明,对1-2龄幼虫效果较明显,最佳施药时期为二化螟1-2龄幼虫期.防治效果可达87.5％.     

新一代智能变电站整体方案的经济性模糊综合评价

提出了目前智能变电站研究的不足之处,对新一代智能变电站整体方案中的关键技术:层次化保护、集成整合型测控、二次设备状态监测和评估进行了分析;基于层次分析法(analytic hierarchy process,AHP)和模糊综合评价法提出了一种评价变电站经济性能的计算方法,按照变电站全寿命周期内的经济因子建立结构模型,构建变电站经济性能综合评价体系,推导出体系中各因素的评价计算方法;对采用新一代智能变电站整体方案的某110kV变电站进行了评估,得出了结论:能够有效地降低变电站全寿命周期成本。     

塑料挤出机节能高效螺杆设计

在详细分析屏障螺杆的结构特点、工作原理和加工要求的基础上,选择最优设计参数,并使用流体力学软件,数值仿真动态模拟螺杆的挤出过程,达到节能、高效和高质量生产塑料农膜的目的。     

基于数据可视化的复杂系统信号时序识别方法

针对复杂系统研发及运行过程中产生的大量信号可以表征系统运行的时序健康状态这一特性,提出了一种基于数据可视化及卷积神经网络(convolutional neural networks, CNN)智能识别的时序特征识别方法;该方法使用数据可视化技术将信号的时序特征映射至图像,通过训练好的特征识别模型对信号可视化图像进行时序特征的识别,可实现系统运行时的实时智能状态监测;选取了三种典型信号的正常及异常特征,通过模型构建及测试分析,验证该方法对复杂系统信号的时序特征有良好的识别效果,可应用于对时序要求较高的复杂系统进行状态监测及故障诊断。