基于PLC的X射线无损检测系统研究CSCD

研制基于PLC的X射线无损检测系统,系统主要应用于木材内部结构成像,呈现出横切面、径切面和弦切面木材内部图像。设计搭建西门子S7-1200PLC控制系统、升降旋转检测平台、CT检测设备,编写下位机控制程序和上位机人机交互界面。调试设备,将木材试样放于升降旋转检测平台中心,开启升降旋转检测平台和CT检测设备。在对木材试样进行扫描的过程中,X射线源发射扇形束X射线,X射线穿透木材试样。由X射线探测器接收数据,上传至上位机进行数据处理,完成图像重建。本研究完成了无损检测系统平台的设计调试,精确控制升降旋转检测平台动作,旋转精度达0.01°/s,升降精度达0.01mm/s。精确、稳定的运动控制使采集的投影数据准确可靠,实现了木材内部的高质量横经弦三切面成像。设计双伺服电机同步控制系统,实现基于PLC的X射线无损检测平台高精度控制,旋转和升降精度均达到较高水平,同步性能优越,完全满足科研人员对木材扫描要求,重建出高质量、高分辨率的木材内部构造图像,为木材无损检测提供了新方法。     

汽车钥匙居然被电脑辐射消除器干扰

近年来,很多人为了消除电脑辐射购买了电脑辐射消除器.电脑辐射消除器由过压保护装置、滤波器、电磁屏蔽器、报警器4部分组成.该装置通过滤波器对电脑所使用的电源进行滤波,滤掉电脑产生的辐射杂波,然后通过电子电路转换开关的动触点分别与两个静触点的接触,实现电压相位的转换,将电源输出线的接地线与零线充分接触.该装置将电脑显示器、主机、键盘、鼠标及外附设备在工作时产生的辐射波经滤波后剩下的辐射波进行收集,通过电器设备外壳及公共接地线耦合到交流电源的零线上进行泄放,从而形成电磁屏蔽来达到消除电脑电磁信号的效果.     

基于ECA的YOLOv5水下鱼类目标检测

针对水下图像模糊、颜色失真,水下场景环境复杂、目标特征提取能力有限等导致的水下鱼类目标检测精确度低的问题,提出一种基于YOLOv5的改进水下鱼类目标检测算法.首先,针对水下图像模糊、颜色失真的问题,引入水下暗通道优先(underwater dark channel prior, UDCP)算法对图像进行预处理,有助于在不同环境下正确识别目标;然后,针对水下场景复杂、目标特征提取能力有限问题,在YOLOv5网络中引入高效的相关性通道(efficient channel attention, ECA),增强对目标的特征提取能力;最后,对损失函数进行改进,提高目标检测框的准确度.通过实验证明改进后的YOLOv5在水下鱼类目标检测中精确度比原始的YOLOv5提高了2.95%,平均检测精度(mAP@0.5:0.95)提高了5.52%.     

基于深度学习和颜色特征的行人跟踪算法

针对行人跟踪算法中因行人遮挡而导致行人跟踪准确率低、跟踪速度慢的问题,论文提出了一种基于深度学习和颜色特征的行人跟踪算法。首先利用yolov5目标检测算法检测行人,得到带有行人框的视频帧,同时利用检测框坐标信息判断行人之间是否存在遮挡,若有遮挡,则把遮挡区域像素设为0,分割出非遮挡区域,将非遮挡区域转化为HSV颜色空间,量化HSV分量,构造颜色特征直方图,并表示为一维向量G。其次,以第一帧行人检测框坐标为基础构建行人跟踪模型,初始化跟踪对象,并根据行人质心变化预测行人位置。在公开数据集MOT-16数据集上测试,MOTA为49.78%,相比于Sort和DeepSort算法分别提高1.51%和0.33%,在IDF1分数上分别高于Sort和DeepSort算法7.07%和3.46%。跟踪速度比DeepSort提升24%。     

超临界CO_2萃取技术在植物油脂提取中的应用

对超临界CO2萃取技术的原理、应用范围、特点、分类和国内外研究现状进行了介绍,综述了超临界CO2萃取在植物油脂提取中的应用情况,讨论了萃取压力、萃取温度、萃取时间、CO2流量、原料物性(粒度、含水量)、夹带剂等因素对植物油脂萃取率的影响,可为确定植物油脂超临界萃取的最佳考察因素及其水平提供参考;同时也分析了超临界CO2萃取技术的局限性及存在的问题,并对其在植物油脂萃取方面的应用前景进行了展望。     

浅析管理线损的计算模型

和理论线损相比,管理线损更能体现一个电力企业的营销管理水平,如何建立科学、高效的管理线损计算模型,在内蒙电力(集团)有限责任公司统一推广实施的新一代电力营销支持系统中实现管理线损的自动计算,有着十分重要的意义.文中介绍了兴安电业局建立的管理线损计算模型.     

电力通讯设备三维模型优化研究

运用虚拟现实技术对客观现实世界进行可视化逼真再现,衍生了众多当前流行的虚拟现实交互系统,而其所构建的虚拟环境场景是实现虚拟现实交互系统的基础。虚拟现实环境中的现实物体模型是其最重要的组成部分之一,为确保虚拟现实系统的整体视觉呈现才能更加完美,将各种电力通讯设备模型进行有效的优化设计与处理显得尤为重要,本文重点针对虚拟场景环境中的电力通讯设备三维模型进行模型优化方法研究。实验结果显示,经过算法优化,模型的顶点数,模型文件大小减少,系统运行流畅度都显著提高。     

青海欧拉羊肌肉脂肪酸组成的气相色谱-质谱分析

对青海欧拉羊肌肉脂肪酸进行分析,并与高原型藏羊和小尾寒羊的肌肉脂肪酸组成进行比较。欧拉羊肌肉提取脂肪后进行甲酯化,用气相色谱-质谱联用法测定脂肪酸组成。结果显示：在欧拉羊肌肉中分离鉴定出17种脂肪酸,其主要成分是棕榈酸(22.33%)、硬脂酸(25.91%)、油酸(39.32%)、亚油酸(1.87%),其中饱和脂肪酸占51.62%、单不饱和脂肪酸占42.41%、多不饱和脂肪酸占5.34%。欧拉羊不饱和脂肪酸含量与高原型藏羊比较,无明显差别,比小尾寒羊的含量要高。     

超临界CO_2流体萃取琉璃苣籽油及其脂肪酸分析

利用超临界CO2流体萃取技术萃取琉璃苣籽油,考察了萃取压力、萃取温度、萃取时间和CO2流量对琉璃苣籽油出油率的影响,并通过正交试验确定了超临界CO2萃取琉璃苣籽油的最佳工艺条件。研究结果表明,超临界CO2萃取琉璃苣籽油的最佳工艺条件为:萃取压力25 MPa,萃取温度45℃,萃取时间2.5 h,CO2流量45 L/h。在此条件下,出油率为28.08%。气相色谱对琉璃苣籽油的脂肪酸组成分析表明,琉璃苣籽油富含油酸、亚油酸和γ-亚麻酸。     

基于YOLOv5和FCN-DenseNet水下图像多目标语义分割算法

带视觉系统的水下机器人作业离不开对水下目标准确的分割,但水下环境复杂,场景感知精度和识别精度不高等问题会严重影响目标分割算法的性能.针对此问题本文提出了一种综合YOLOv5和FCN-DenseNet的多目标分割算法.本算法以FCN-DenseNet算法为主要分割框架, YOLOv5算法为目标检测框架.采用YOLOv5算法检测出每个种类目标所在位置;然后输入针对不同类别的FCN-DenseNet语义分割网络,实现多分支单目标语义分割,最后融合分割结果实现多目标语义分割.此外,本文在Kaggle竞赛平台上的海底图片数据集上将所提算法与PSPNet算法和FCN-DenseNet算法两种经典的语义分割算法进行了实验对比.结果表明本文所提的多目标图像语义分割算法与PSPNet算法相比,在MIoU和IoU指标上分别提高了14.9%和11.6%;与FCN-DenseNet算法在MIoU和IoU指标上分别提高了8%和7.7%,更适合于水下图像分割.