基于S3-YOLOv5s的矿井人员防护设备检测算法研究

针对复杂矿井环境下光照度低、目标尺度变化大、目标间遮挡严重,现有的目标检测网络特征提取困难、检测效果差等问题,提出了改进的S3-YOLOv5s的矿井人员防护设备检测算法。在主干网络中加入无参注意力模块(SimAM),提升网络的特征提取能力;引入尺度均衡特征金字塔卷积,加强多尺度特征融合;最后采用SIoU作为边框回归损失函数并使用K-means++算法进行先验锚框聚类,提高边框检测精度。实验表明,相比现有的YOLOv5s算法,所提算法在所有类别的平均检测精确度从89.64%提升到了92.86%,在复杂矿井环境条件下对人员防护设备有优良的检测能力,验证了所提方法的有效性。     

磁流变弹性体的磁致性能

设计了一种聚氨酯基磁流变弹性体,利用设计的磁致力学性能测试装置,对剪切状态下磁流变弹性体的磁流变效应进行了系统的测试。结果表明,相对磁流变效应随着外加磁场强度的增大而增大,随着激励振幅的增大而减小。预加载位移的大小直接决定这相对磁流变效应,过大的变形会导致相对磁流变效应急剧减小。激励频率对相对磁流变效应影响不大。     

邯钢热轧表面检测仪速度输入信号的选取修正实例

基于邯钢热轧厂2250mm热连轧表面检测仪的应用问题,重点分析基于一个速度信号的选取导致的表面检测仪无法正常工作的原因,论述了如何通过修正一级PLC程序正确切换适合的速度信号来完成上、下表面检测仪的正常检测的一种解决办法。实践证明,该办法在实际使用中能够自动切换需要的速度信号给表面检测仪,能够不增加硬件投入的情况下满足质量检测的要求,在供货商拒绝增加速度输入信号的情况下表面检测仪正常投用。     

PAL／NTSC兼容梳状滤波器Y／C分离电路

为满足人们对彩电画质及色彩日益增长的要求对ＮＴＳＣ制彩色信号均已采用梳状滤波器的进行Ｙ／Ｃ分离。由于ＰＡＬ制彩色逐行倒相，亮度信号怀色度信号１／４行频间置，因此ＰＡＬ制Ｙ／Ｃ分离梳状滤波器必须用延迟两行的信号与直通信号加减才能实现Ｙ／Ｃ分离，这对彩色信号相关性提出了更高的要求。最新实和的ＳＡＡ４９６１，ＮＴＳＣ／ＰＡＬ制兼容梳状滤波器（ＩＣ），采用三行数字式自适应电路，对其中彩色相关性强的两行信号     

室内装饰材料的感知美及其具体运用

装饰材料作为室内设计艺术的重要物质载体,具有一定的审美价值。本文试图从人的感知角度来分析室内装饰材料中美的潜质,并进一步探究装饰材料中感知美的运用。     

论中部地区农村人居环境的改善与创新——基于传统与现实对接的若干探讨

以我国中部地区农村人居环境的典型意义与现状为切入点,提出了改善与创新中部地区农村人居环境的定位在于实现传统与现实对接的命题.围绕这一命题,遵循从一般到具体,再由具体到一般的逻辑原则,展开了农村人居环境概念的表述和特点的归纳.在此基础上,以张谷英个案为例,总结了实现传统与现实对接的3大启示和2大契合点,并从宏观和微观2个层面探讨了实现对接延伸的若干原则和实体设计问题.     

科技创新 人性设计——核工牌气压磨粉机

核工牌气压磨粉机于 1 988年通过部级鉴定 ,1 990年开始装备第一条生产线 ,至今已在国内几百家面粉厂投入使用 ,并有部分出口海外。核工牌磨粉机系列可以按下述 5种方式划分 :从整机机构分 ,有四辊磨粉机、八辊磨粉机两种 ;从磨辊直径分 ,有 3 0 0ｍｍ和由 2 5 0ｍｍ两种。从磨辊长度分 ,有 1 2 5 0、 1 0 0 0、 80 0、60 0四种 ;从喂料控制分 ,有气动伺服喂料、电控变速喂料两种。从提料方式分 ,有自流提料和磨膛吸料两种。1　 2 0 0 2型系列磨粉机特点介绍1 0多年来 ,核工牌磨粉机不断创新 ,至今已推出 6代机型。2 0 0 2年1 1月 ,我公司广…     

中厚板T形接头焊接顺序的模拟研究

采用数值模拟方法,通过建立中厚板T形接头有限元模型,研究了七种焊接顺序对焊接变形和残余应力的影响。基于模拟分析结果可知,对于中厚板T形接头,不同焊接方案产生的变形均较小,焊接顺序对焊接变形的影响较小,但合理的焊接顺序可以有效减小残余应力峰值。焊件的残余应力既与热输入的时间有关,又与热输入的值相关,这为实际焊接提供了参考。     

硝酸铈添加剂对7075铝合金微弧氧化陶瓷膜特性的影响

为进一步提高7075铝合金的表面耐磨性,在硅酸钠、六偏磷酸钠复合电解液中加入不同质量浓度的硝酸铈添加剂,运用微弧氧化技术在其表面原位生长出氧化铝陶瓷膜。采用涂层测厚仪、维氏硬度计、扫描电子显微镜(SEM)、X射线衍射议(XRD)等方法研究了硝酸铈添加剂对陶瓷膜厚度、显微硬度、表面形貌、相组成以及耐磨性的影响。结果表明:陶瓷膜主要由α-Al2O3和γ-Al2O3两相组成,当硝酸铈质量浓度为0.12g/L,陶瓷膜的厚度达到最大,约为18μm;硬度达到最高,约为916HV0.2;致密性最佳;陶瓷膜表现出更好的耐磨性能。     

基于可解释深度学习的单通道脑电跨被试疲劳驾驶检测

脑电信号被认为是检测驾驶员疲劳状态的最佳生理信号之一。 然而,由于不同被试者和不同记录时段的脑电信号差异 很大,设计一个无校准的脑电疲劳检测系统仍然具有挑战性。 近年来,虽然开发了许多深度学习方法来解决这个问题并取得了 重大进展,但是深度学习模型的黑盒效应使得模型决策不可信赖。 为此,本文提出了一种可解释深度学习模型,用于从单通道 脑电信号中检测跨被试疲劳状态。 该模型具有紧凑的网络结构,首先设计浅层 CNN 提取 EEG 特征,然后引入自适应特征重新 校准机制增强提取特征的质量,最后通过 LSTM 网络将时间特征序列与分类相关联。 模型分类决策的可解释信息则是由 LSTM 输出隐藏状态的可视化技术实现的。 在持续驾驶任务的公开脑电数据集上进行大量跨被试实验,该模型的分类平均准确率最 高达到 76. 26% 。 相比于先进的紧凑型深度学习模型,该模型有效降低了参数量和计算量。 可视化结果表明该模型已发现神经 生理学上可靠的解释。