钕铁硼电镀技术生产现状与展望

随着稀土钕铁硼永磁材料的快速发展,钕铁硼电镀中表现出的问题日益显现,从而成为制约其发展的一个重要因素。首先总结了钕铁硼电镀的多个难点,然后以目前钕铁硼电镀生产中普遍采用的工艺为生产线,对钕铁硼电镀技术的生产现状、存在的问题及生产设备等逐一进行了详细分析和介绍,随后仍以这些工艺为生产线,提出改进问题的方案、工艺及设备等的发展方向。     

静态开关在化工生产中的应用

化工行业中,生产装置的操作大量采用DCS(Distributed Control System)集散控制系统,其供电均采用UPS(Uninterruptible Power System)不间断电源供电,以提高供电的可靠性,但UPS故障时,若不能成功切换到自动旁路运行,则会造成供电电源的中断,对生产系统带来较大影响.通过采用STS(Static Transfer Switch)静态开关的快速切换功能与U PS互补,可有效提高供电的可靠性.     

带眼球细节的情感虚拟人面部表情合成*

针对当前三维头部重建中使用的网格模型不能完整表达头部拓扑结构或者模型过于复杂的问题,提出了一种完整头部网格模型合成方法。该方法首先以Candide-3模型为基础加入后脑勺模型,对面部Candide-3模型的眼睑部分进行重新建模,并加入比例合适的眼球模型,得到一个完整头部网格模型。然后结合人脸特征点信息和局部最小二乘法匹配原理对模型进行调整,并对模型进行纹理贴图合成真实感的虚拟人头部模型。最后,在该模型上用分段线性插值的方法,合成带眼球细节的情感虚拟人表情。实验结果表明,基于该模型合成的虚拟人表情不仅逼真而且情感丰富。     

基于SAU-NetDCGAN的天气云图生成方法

天文台天气监测系统对天气云图存在巨大需求。为解决传统的生成对抗网络在扩充天气云图数据集时模型不稳定以及图像特征丢失等问题,提出一种基于SAU-NetDCGAN的双层嵌入式对抗网络天气云图生成方法,该方法由两层网络相互嵌套组成。首先,第一层嵌入式网络是将U型网络添加到生成对抗式网络的生成器中,该网络作为基础架构,利用编码器与解码器之间的跳跃连接增强图像的边缘特征恢复能力;接着,第二层嵌入式网络是将简化参数注意力机制（simplify-attention,SA）添加到U型网络中,该注意力机制通过简化参数降低了模型复杂度,有效地改善了图像暗部特征丢失的问题;最后设计了一种新的权重计算方式,加强了各特征之间的联系,增加了对图像细节纹理特征的提取。实验结果表明,该方法生成的图像在清晰度、色彩饱和度上与传统的生成对抗网络相比图像质量更好,在峰值信噪比、结构相似性的评价指标下分别提高了27.06 dB和 0.606 5。     

改进SSD算法的道路小目标检测研究

在道路场景中,因小目标分辨率低且特征不明显,传统的目标检测算法难以确认其所属类别和位置信息,导致检测精度低、检测速度慢、漏检率高。提出一种改进SSD的道路小目标检测算法RFG_SSD。在SSD网络结构的主干部分和检测部分之间,通过引入改进的特征金字塔网络结构,融合浅层和深层感受野的特征信息,以获得小目标语义信息丰富的特征图。将深层特征提取网络ResNet 50作为改进网络的主干特征提取网络,提高整体网络的检测精度。为加快网络运算速度,基于检测层结构,利用全局平均池化层代替全连接层,减少网络参数量。实验结果表明,与SSD、VGG16+SFPN等算法相比,该算法能够有效提高小目标检测性能,且加快检测速度,其在BDD100K数据集上的平均精度和检测速度分别为98.05%和85.56 frame/s,小目标检测个数相较于SSD算法提高3倍多。     

基于合成的通用头部网格模型的表情合成

针对当前通用脸部网格模型的可操控性和逼真性难以同时兼顾的问题,提出了一种新的通用网格模型合成方法,该方法基于Candide-3模型和从建模软件中导出来的模型进行简化得到的模型进行结合来合成通用头部模型.在此模型的基础上合成出六大基本表情,对输入人脸正面照片使用ASM(active shape model)算法自动提取出特征点,利用特征点和径向基函数来调整合成的通用模型得到特定的表情.实验结果显示,该通用网格模型具有良好的操控性,且能完整表示整个头部结构,还能表达六大基本表情和特定表情.     

基于通信信号时频特性的卷积神经网络调制识别

在通信环境日益密集、信号调制样式层出不穷的情况下,信号的调制识别变得愈加困难。寻求一种高精度、时效性好的自动调制识别新方法,对无线电通信应用领域有重大意义。对此,文中提出了一种结合通信信号时频特性的卷积神经网络(Convolutional Neural Network Based on Time-Frequency Characteristics,TFC-CNN)调制识别算法。首先,采集大量调制信号,将信号的时频特征通过短时傅里叶变换转换成图像特征,并将其作为网络的输入;然后,设计一种特征提取能力更强、参数更少的卷积神经网络,通过改进网络中不同层的连结方式来增加网络的特征提取能力,同时通过减小卷积核的尺度、使用全局均值池化层来减少模型参数,提高了模型的时效性;最后,在网络中添加批归一化(Batch Normalization,BN)层,在增加模型稳定性的同时防止模型出现过拟合。实验结果表明,所提算法在参数和训练时间上比传统方法明显减少,同时有更高的准确率,体现了所提算法的优越性。     

基于语义区域提取的图像重排

针对目前图像搜索引擎难以正确把握用户真正意图的问题, 从爬虫Web图像搜索引擎检索结果入手,提出三种聚类算法来提取海量Web图像中的语义区域. 这三种聚类算法包括确定初始化中心的K-means聚类、确定参数的最大期望聚类以及基于半监督的K-means聚类算法. 然后选取显著值较大的显著区域作为语义区域.实验分析比较了三种聚类算法的有效性, 最终实现的图像重排系统能比网络搜索引擎更好地反馈给用户精确而且有序的查询结果.     

基于正面照的自适应三维头部网格模型研究

研究三维头部建模问题.针对以软件导出的三维头部模型作为标准模型受到数据量多、结构复杂的影响,对不同人脸进行匹配时需要进行数据简化操作,造成工作量大、可控性差且应用受限等问题,提出一个简单的能适应于不同人脸的三维头部模型.根据Candide-3模型提供的人脸三维信息,通过增加耳朵特征和后脑曲面模型,使用127个控制点建立了标准三维头部模型,然后配合人脸特征点信息和局部调整原理建立了与输人人脸图像相仿的三维头部模型.实验结果表明,建立的三维头部模型顶点少且具有较强真实感,可根据输入人脸图像的不同相应地产生与图像人脸相仿的形变模型,具有较好的适应性和广泛的应用价值.     

基于质点转换和包围盒的混合碰撞检测算法

为了提高碰撞检测的效率,提出了一种基于质点转换和包围盒相结合的碰撞检测算法。对空间中的所有物体采用区域中心法和二叉树来构建OBB层次包围盒;对于空间中相隔一定距离的物体利用物理学中质点的概念,把物体的最外层OBB包围盒当作三维空间中的点来计算两点之间的距离,根据质点计算的结果与还原距离进行判断,对于没有通过结果验证的质点不再检测,而通过结果验证的质点则对其进行质点还原;对还原的包围盒进行OBB层次包围盒相交测试。实验结果表明,相比于前人算法基于质点转换和包围盒的混合碰撞检测算法能够更加有效地提升检测效率,并且随着空间的增大检测所花费的时间将会变得更少检测效率更高,特别适用于空间中存在大量物体的复杂环境。