多维度视觉传达下投影变换图像配准仿真

为优化图像配准后轮廓模糊、总体分布形状不完整等问题,提出一种多维度视觉传达下投影变换图像配准仿真.为保留配准后图像能够完整保留不同分辨率下的特征,采用LOG(Laplacian of Gaussian)算子提取图像轮廓.将每个轮廓形状的描述子视为形状的特征向量,通过傅里叶特征匹配算法匹配提取出的不同图像轮廓,获得轮廓对应点对,将其作为投影变换的映射点,得到配准后图像.仿真中,对比分析所提方法和传统方法的配准效果,结果表明所提方法没有明显的误配准,且图像间的连接平滑自然,具有一定的可行性和有效性.     

快速卷积算法的综述研究

卷积神经网络是深度学习算法应用最广泛的方向之一,目前卷积神经网络的应用不仅仅是停留在科技领域,已经扩展到医学、军事等领域,并且已在相关领域发挥着巨大的作用。卷积是卷积神经网络中最为核心的一部分,卷积运算占整个网络70%以上的时间,所以针对卷积运算的加速研究就显得十分重要。首先介绍近年来的卷积算法,并对其复杂度进行分析,总结了这些算法各自的优点和不足,最后对其理论研究和应用领域可能存在的突破进行了探讨和展望。     

基于半经典量子傅里叶变换的◢t◣-比特半经典相位估计算法实现

半经典量子傅里叶变换(quantum Fourier transform,QFT)是通过测量计算线路中特定的比特,依据测量结果经过经典信息处理控制下一个比特的变换.利用半经典量子傅里叶变换思想,提出了t-比特半经典量子相位估计算法,并在IBMQ Experience量子云平台、IBMqiskit量子模拟器和国内本源悟源云平台量子模拟器上开展了不同规模的半经典相位估计实验.实验表明,该方法提高了估计精度的同时减少了算法对线路规模和两比特受控门的依赖.     

基于TACNN的玉露香梨叶虫害识别

为了解决玉露香梨叶虫害种类多、扩散速度快、人工识别梨叶虫害耗时长的问题,提出了能够在自然环境下对玉露香梨叶虫害图像自动识别的Tiny-Alexnet卷积神经网络（Tiny-Alexnet Convolution Neural Network,TACNN）的虫害识别模型。分析了Alexnet模型的网络结构,并将实地采集的玉露香叶片虫害图像进行统一处理,为避免全连接层卷积核参数过大而产生的过拟合现象,通过优化全连接层,设置不同神经元节点和实验参数,得出了Mid-Alexnet、TACNN两种虫害识别模型。实验结果表明：TACNN较Alexnet和Mid-Alexnet模型有较高的识别准确率,该模型能够有效地提取梨叶虫害特征,类别平均准确率为81.18%,实现了对金龟子、梨木虱、梨瘿蚊三种虫害的准确区分。该模型在玉露香梨叶虫害识别方面具有良好的性能,可实现自然环境下玉露香梨叶虫害的精准识别。     

复杂结构汽轮机叶根相控阵检测工艺研究

汽轮机是电厂火力发电的主要组成部分,其叶片的完整性直接关系到整个汽轮机组的安全稳定运行.在汽轮机检修期间,对叶片的叶根进行检测,及早的发现潜在的问题,是保证机组安全运行,避免停机和设备损坏的重要手段.现代的汽轮机制造技术越来越先进,叶片越来越大,叶根越来越复杂,找到行之有效的办法对叶根进行检测就显得尤为重要.在传统的检测手段中,可采用常规的超声波检测方法对叶根实施检测,不过对于复杂结构的叶根,传统的超声波检测技术就无效果了,相控阵超声波检测使这一目标的实现,成为了可能.     

采用4-WFRFT和人工噪声的变换域通信物理层安全传输

为了提高变换域通信(TDCS)信号的物理层安全性,提出了一种基于4项加权分数阶傅里叶变换(4-WFRFT)和人工噪声的TDCS信号加密方式。首先利用4-WFRFT代替传统TDCS中的DFT/IDFT,改变了TDCS信号的空间分布,在保持原系统复杂度的同时增加了TDCS信号的抗截获性,在此基础上使用人工噪声进一步增强系统的安全性,最后推导了非法用户理论误码率以及系统保密容量。仿真结果表明,无论是全频谱或是频谱失配情况下,采用当参数 在[0,0.8)或(1.7,4]的范围内时,窃听者误码率始终保持在0.5,无法正确解调发送信号,同时系统保密容量也为正数,有效保证了信息的安全传输。     

灯泡贯流式机组导叶外环磨损原因分析及处理

导水机构作为水轮机重要组成部件,导水机构的运行状态影响着整个机组的稳定及安全。控制环在整个导水机构中起着传递导叶开度的作用,其中控制环与导叶外环直接接触,导叶外环承载着控制环的转动力矩及摩擦力矩,导叶外环在水电站日常运作当中发挥着不可替代的作用。它的状态正常与否将决定着机组的稳定性及安全性。因此做好水电站导叶外环的检修及日常维护工作十分重要。本文主要以导叶外环的磨损故障为例,分析可能产生磨损的原因,提出有效的解决办法及预防措施,以保证机组的安全稳定运行。     

响应面法优化超声波辅助提取柚叶多酚的工艺研究

以柚叶为原料,采用响应面法优化超声波辅助提取柚叶多酚的工艺,在单因素试验的基础上,采用Box-Behnken试验设计,对影响柚叶多酚提取率的提取温度、超声功率、液料比、超声时间等工艺条件进行优化,建立了提取各因素与柚叶多酚提取率的二次多项式模型。结果表明,超声波辅助提取柚叶多酚的最佳工艺条件为:提取温度63℃、超声功率245 W、液料比(m L/g)25、超声时间28 min,柚叶多酚提取率为29.14 mg/g,与模型预测值(29.42 mg/g)相比,其相对误差为0.95%,验证了该模型的有效性。     

基于FRFT的LFM信号的检测及其参数估计

针对LFM信号的检测及参数估计等问题,先对现有的检测方法如Wigner-Ville、FRFT等进行研究,在FRFT变换的基础上提出基于预判法与FRFT变换相结合的算法。通过仿真分析,验证了该方法能有效对L F M信号的参数进行估计,同时降低了计算量。     

Compatibility and Properties of Biodegradable Blend Films with Gelatin and Poly（vinyl alcohol）

The blend films with gelatin and poly（vinyl alcohol） （PVA） were prepared by a solution casting method. The compatibility between gelatin and PVA in the blend films was investigated. The transmittance, Fourier-transform infrared spectroscopy （FTIR）, x-ray diffraction （XRD）, thermogravimetry analysis （TG）, and differential scanning calorimetry （DSC） were employed to characterize the resultant blend films. According to optic result, the opacity of the blend film at the ratio of 20/80 （w/w, Gel to PVA） was the lowest, indicating the best compatibility between Gel and PVA at the ratio. The results oflR, XRD, DSC, and TG revealed an intensive interaction and good compatibility between them in the blend film at the ratio. The mechanical properties and solubility showed that PVA content in the blend films obviously affected the elongation at break and solubility. The mechanical properties and water resistance of gelatin film may be improved by the introduetion of PVA.