����ƣ����������ʵ���ϵͳ

 基于AVR单片机的弯曲疲劳数字智能实验机系统,实验机可进行材料的3点弯曲性能测试和疲劳性能测试。整套设备精度高,安全可靠。     

自密实再生混凝土配合比设计与试验研究

设计C30自密实再生混凝土的配合比并对其力学性能进行试验研究。通过试验数据,分析龄期、减水剂掺量和再生骨料取代率对自密实再生混凝土坍落度、抗压强度的影响,结果表明,自密实再生混凝土28 d后达到C30试配强度,56 d后超过配制强度的43%。减水剂最佳掺量和再生骨料的最佳取代率分别为3%和40%。     

面向视频数据的深度学习目标识别算法综述

目标识别是计算机视觉领域的一大挑战,随着深度学习的发展,目标识别算法被广泛应用于视频数据中目标的识别和监测。对现有目标识别算法进行归纳,根据是否采用锚点机制将主流算法分为Anchor-Based和Anchor-Free两大类。针对R-CNN、SPP-Net、SSD、YOLOv2等Anchor-Based类目标识别算法,从候选框创建、特征提取和结果生成角度分析基于区域和基于回归的目标识别算法的区别和各自优势。针对CornerNet、ExtremeNet、CenterNet、FCOS等Anchor-Free类目标识别算法,从特征提取、关键点选择/层次结构和结果生成角度分析基于关键点和基于特征金字塔的目标识别算法的区别和各自优势。在此基础上,以识别效率和识别精度为评价指标,对Faster R-CNN、Mask R-CNN、SSD等8种代表性目标识别算法进行对比总结。最后,针对目标识别算法中的数据预处理耗时长、多尺度特征同步识别精度低、结构繁杂等问题,对当前研究的不足和未来研究方向进行分析和展望。     

浅谈装配式建筑施工技术的应用方式及几点建议

<正>1绿色装配式施工技术的积极作用1.1提高建筑施工质量预制施工技术主要使用预制混凝土结构并且预先组装建筑物的基本构件,这不仅利于防止后续工作出现隐患问题,还有效的将整体施工与局部施工结合起来,进而提高建筑施工质量。在施工的结构组装中,严格遵照工厂生产标准,加强基本结构参数的准确程度,有效规避传统施工过程中人工作业的误差值,有效提高了建筑施工质量。     

基于多关键字的Top-k布尔可搜索加密方案

针对在云存储服务中可搜索加密技术的研究,解决了现存3个问题：1)传统可搜索加密方法大多数只支持单关键字搜索,并且在安全索引过大时,搜索时间代价过大;2)现有方案大多使用倒排索引进行快速搜索,然而倒排索引并不支持动态关键字更新;3)现有方案大多数无法针对某些按需用户,根据关键字的重要性对搜索文件进行安全高效的top-k排序.提出了一种基于多关键字的top-k布尔可搜索加密方案(top-k boolean searchable encryption scheme based on multiple keywords, TBSE).该方案利用Goldwasser-Micalli与2DNF这2种加密算法构建了一种支持动态更新的安全索引;利用集合论与布尔搜索的相关知识构建了关键字交集索引与交集搜索令牌,以实现对多关键字的布尔搜索;利用TF-IDF加权技术与安全协处理器构造分数索引,进而能够对文件进行top-k排序.安全性分析表明：该方案保证了在已知密文模型与已知背景模型下的安全性.通过实验证明：该方案提升了对多关键字布尔搜索的效率以及索引存储的效率.     

遥感地物分割的改进格子玻尔兹曼并行模型

针对遥感影像目标地物分割存在的分割精度低和时效要求高等问题,提出了遥感地物分割的改进格子玻尔兹曼并行模型(SPF-LBM)。文章利用符号压力函数改进格子玻尔兹曼模型,以提高分割精度;对改进模型分阶段并行优化,以提高分割效率。以海岛瞬时水边线分割为例,将SPF-LBM模型与CV模型、马尔可夫随机场(MRF)以及Otsu阈值分割模型进行比较,结果表明,其分割精度较上述模型分别提高了1.14%、0.82%和4.02%;其分割效率较上述模型分别提高了96%、89%和25%。分析表明,SPF-LBM模型在保证遥感影像目标地物分割精度的前提下,提高了目标地物的分割效率。     

PVA纤维掺和胶凝砂砾石材料的力学性能研究

随着胶凝砂砾石坝(CSG Dam)的应用,对CSG材料的力学性能研究亦有所增加。为改善CSG材料的强度及破坏变形率等力学性能,选取天然砂砾石为原材料,采取等骨料级配及砂率,通过掺和纤维及选用不同胶凝材料用量、龄期等参数以正交试验方法研究设计配合比,并通过试验及回归方程分析CSG材料力学性能。结果表明:CSG材料掺和PVA纤维能较好地改善原材料的延性,且将试件破坏形态由脆性破坏转化为延性破坏,特别是掺入3%PVA纤维时,试件的抗压及劈拉强度均达到最大值。研究成果可为CSG今后在坝体材料上的推广运用提供科学依据。