金属表层梯度微结构对力学性能和裂纹扩展的影响

表层梯度结构广泛应用于工程材料,经表面强化技术处理后,零件表层结构呈梯度分布,可以改善零件的服役能力.综述了金属表层梯度微结构对力学性能和裂纹扩展的影响,从微观结构和力学性能的角度,结合非均匀材料中裂纹的扩展行为,考虑了微结构和力学性能之间的相互影响规律,分析了梯度结构中影响裂纹扩展的因素.经表面强化后,材料表面晶粒细化,晶粒尺寸沿纵深方向呈现梯度分布,改变裂纹萌生位置,同时对裂纹扩展起到阻碍,使零件疲劳寿命延长.梯度结构中金相组织由表层单一组织到芯部多相组织的转变,引起表层硬度和残余压应力向纵深方向逐渐减小,表面压应力可以减弱外力的作用,从而影响疲劳寿命.然而,梯度结构中微观组织和力学性能互相关联,像晶粒和位错能改变残余应力的分布,也会对裂纹扩展路径产生影响,如何定量表征他们的影响还有待进一步研究.     

基于紫外光谱的茶叶识别

茶叶品质主要是根据人的主观判断进行评估,缺乏客观依据。因此对茶叶种类进行快捷评价是发展趋势。茶叶品质的准确、快速、科学的鉴别对消费者和生产者都具有极其重要的现实意义。为建立一种快速地评估茶叶品种的方法,试验挑选4种选择性茶叶样本为材料,以开水泡制茶叶浸汁液的方式制作样本,利用紫外光谱分析技术,实现茶叶种类鉴别。在对光谱进行降噪处理同时用光谱对波长的相对变化率进行预处理,结合主成分分析法对光谱数据进行降维,进行BP神经网络识别,准确率达97.66%,该方法样品制备简单,能够准确地识别茶叶种类,避免人为的主观评价,使得茶叶鉴定更具有客观性。     

用于驾驶员分心行为识别的姿态引导实例感知学习

目的 基于图像的驾驶员分心行为识别可认为是一种二级图像子分类问题，与传统的图像分类不同，驾驶员分心识别任务中的各类区别比较微小，如区分一幅图像是在弄头发还是打电话完全取决于驾驶员手上是否有手机这个物体，即图像中的较小区域就决定了该图像的类别。对于那些图像差异较小的类别，通常的图像分类方法无法高精度地区分。因此，为了能够学习到不同驾驶行为之间微小的表征区别，提出了一种姿态引导的实例感知学习网络用于驾驶员行为识别。方法 首先利用人体检测器检测到人体框，利用人体姿态估计获取具有辨识性的手部相关区域，将人体和手部区域的特征作为实例级别的特征，以此设计一种实例感知学习模块充分获取不同层级的上下文语义信息。其次利用手部相关特征构建双通道交互模块来对关键空间信息进行表征的同时，对视觉特征进行优化，组建成一个多分支的深度神经网络。最后将不同分支的结果进行融合。结果 实验结果表明，本文方法在AUC（American University in Cairo）数据集和自建三客一危数据集上的测试准确率分别达到96.17%和96.97%，相较于未使用实例感知模块和通道交互的模型，准确率显著改善，在复杂数据集下识别效果提升明显。结论 本文提出的姿态引导的实例感知学习网络，在一定程度上降低了环境的干扰，准确度高，能辅助驾驶员安全行车，减少交通事故的发生。