小麦隐蔽性害虫检测新模型

粮食在存储过程中极易发生虫蚀现象,因此需要快速高效的检测粮食是否染虫.基于生物光子分析技术(Biophoton Analytical Technology,BPAT),提出了一种新型的小麦隐蔽性害虫检测模型.以小麦籽粒和玉米象为研究对象,分别测量正常和含虫小麦的自发光子数,并提取8个统计特征(均值、方差、中位数、四分位数、平均差、离散系数、偏度、峰度)和13个直方图特征组成粮食特征数据向量,对这些特征向量进行主成分分析(principalcomponent analysis,PCA),并在此基础上分别采用线性分类器LDA(linear discriminant analysis)和BP神经网络模型进行识别,实验结果表明,所提模型可以较好地区分正常小麦和含虫小麦.     

轿车后备箱支撑气动冲孔夹具设计

轿车后备箱支撑组件需要加工同轴度为φ0.01 mm的2个孔,经分析采用气动冲孔夹具一次性加工才能实现2个孔同轴度的要求。生产实践证明：采用气动冲孔夹具不仅保证了冲孔的精度,还提高了加工效率,节省了冲压设备。     

仓储小麦隐蔽性害虫的检测模型及算法

粮食在存储过程中极易发生虫蚀现象,因此需要一种快速高效的检测手段来检测粮食是否染虫。结合机器学习和生物光子学的相关理论,分别测量正常和含虫小麦的自发光子数,然后提取8个统计特征和13个直方图特征,分别采用线性判别分析LDA和二次辨别分析QDA算法对正常小麦和含虫小麦进行识别,同时针对小样本情况下协方差矩阵奇异性问题,引入正则化判别分析RDA方法,对QDA算法进行优化,提高分类正确率。实验结果证实了所提方法的有效性。