二烃基二硫醚化合物制备技术新进展

二烃基二硫醚类化合物是一类重要的精细有机中间体,广泛用于高分子和有机合成等领域.较为系统地介绍了烃基二硫醚合成的最新研究进展情况,并展望了其合成技术的发展趋势.     

基于图像深度学习的调制识别算法

针对现阶段基于深度学习的调制识别算法中出现的检测效率低下的问题,提出一种高效的调制识别算法—RadioFSDet(Radio Frequency Spectrum Detection)检测算法.RadioFSDet算法利用信号在频谱图上的特征差异,使用目标检测算法YOLOv4检测频谱图上的调制信号.相较于主流的基于深度...     

基于弱语义分割的轻量化交通标志检测网络

针对现有网络在检测高分辨率交通标志图片时速度过慢、精确度较低等问题,提出一种轻量化交通标志检测网络。在MobileNetv3-Large基础上对YOLOv4网络的骨干部分进行优化,针对数据集的特点舍弃部分耗时层,更改第8层和第14层的输出通道数,并改进基础模块中通道域注意力网络的注意力机制,使输出的权重数值能更准确地表征特征的重要程度。在检测头前加入基于弱语义分割的动态增强附件,利用其输出作为空间权重分布来矫正激活区域,以避免提取能力下降导致误检、漏检问题,最终构成YOLOv4-SLite网络。采用滑窗剪裁的方法对高分辨率图片进行训练和预测,从而减少训练时间及增加样本的多样性。在TT100K交通标志数据集上的实验结果表明,相较于YOLOv4基准网络,YOLOv4-SLite网络的mAP@0.5仅下降了0.2%,但模型大小减少了96.5%,响应速度提升了227%,精确度与速度的平衡效果达到了预期。     

油气集输管网优化设计软件中图形建模平台的开发

根据软件工程的基本原理,应用可视化和图形数据一体化技术,开发了油气集输管网图形建模平台。油气集输管网图形建模平台采用Windows界面,操作简单、方便。绘图时,只需用鼠标点击工具栏或菜单栏对应的按钮,选择正确的图元,就可以绘制树状、环状等各种集输管网分布图。平台设计了人机交互接口,可将集输管网中每一个图元与数据库中的记录对应起来;用户可以编辑、修改所有的节点、管道的各类参数,实现了真正的图形化操作和图形、数据一体化。     

高硅铝比钾离子筛的合成及其对K+的交换性能

以NaA1O2、水玻璃为原料,KOH为碱源,利用水热法合成了高硅铝比钾离子筛.考察了硅铝比、碱度、模板剂、晶化温度和晶化时间对钾离子筛晶相结构、产率和交换容量的影响,通过X射线衍射、化学组成分析、扫描电镜、热重差热分析、Fourier红外光谱对样品进行了表征.结果表明:以四丁基溴化铵为模板剂,物质的量比为6.68K2O:19.3SiO2:1Al2O3:624H2O,120℃条件下合成12 h,获得的高硅铝比钾离子筛为钾型钙十字沸石,化学组成为Si21Al5.1K2.4Na2O55·8H2O;离子筛对纯钾溶液和海水中钾离子的交换量分别达123·22 mg/g和56.96 mg/g,对K+/Na+的选择性系数为95.46,可用于从海水中选择性分离钾盐.     

分类应变限制下的服装仿真

针对服装仿真中基于物理的质点弹簧模型会产生不真实拉伸形变这一问题,提出了一种分类应变限制方法。该方法主要分为两大处理模块。第一个模块是分类：它使用积分系统计算的速度作为输入参数;然后通过能量法判断某个点是否进行应变限制;最后根据判断结果将点集分为需要应变限制和不需要应变限制两类。第二个模块是应变限制：首先,它设定了弹簧形变限制值和主应变方向上三个未知的限制比;然后根据线应变理论计算出与点相连的弹簧应变张量;最后,通过弹簧方向向量的不变性计算出限制比并更新点的空间位置。该方法在保证仿真结果自然的情况下避免了不真实拉伸形变,并且不需要对所有的图元进行应变限制的处理,减少了计算开销保证了实时性。实验结果表明该方法有不错的仿真效果和仿真效率。     

构建以问题为导向的制丝设备异常隐患综合治理机制探讨

卷烟厂制丝车间依托前期参与研发并投入应用的设备综合管理平台系统(TnPM),建立了以问题为导向的设备异常隐患综合治理机制,包含"全员参与"反馈机制、"点面结合"的检查机制和通过流程再造重新构建的问题处置机制,本文以制丝设备异常隐患综合治理机制为基础,对设备安全、稳定和有效的运行进行了深入研究。     

一种低参数的孪生卷积网络实时目标跟踪算法

针对基于深度学习的目标跟踪算法模型参数多、难以部署于嵌入式设备上的问题,提出一种改进的孪生卷积网络实时目标跟踪算法.设计一个非对称卷积模块来构建整个网络框架,通过非对称卷积模块的压缩层减少模型参数量,利用非对称层进行特征融合,以在保证精度的同时压缩模型大小.使用三元组损失函数代替逻辑损失函数进行模型训练,在输入不变的情...     

基于集成分类算法的自动图像标注

基于语义的图像检索技术中,按照图像的语义进行自动标注是一个具有挑战性的工作. 本文把图像的自动标注过程转化为图像分类的过程,通过有监督学习对每个图像区域分类并得到相应关键字,实现标注. 采用一种快速随机森林(Fast random forest, FRF)集成分类算法,它可以对大量的训练数据进行有效的分类和标注. 在基于Corel数据集的实验中,相比经典算法, FRF改善了运算速度,并且分类精度保持稳定. 在图像标注方面有很好的应用.