应用于精准发酵的激光CO2尾气在线检测技术研究

针对精准发酵过程特征气体实时在线监测的需求，采用可调谐半导体激光吸收光谱（TDLAS）方法对发酵尾气中CO2进行了检测技术研究，并结合精准发酵工艺特点，研发了一套激光CO₂在线监测分析系统，检测量程为0~2%，实现了全量程范围内测量误差小于0.08%，响应时间达到5.46 s。现场试验结果表明，该系统具有较高的灵敏度、稳定性与可靠性，并且使用寿命较长，适用于精准发酵过程特征气体的在线监测。     

基于语义分割的高原鼠兔目标检测

针对区域建议网络中锚点框引入背景噪声导致小目标检测精度低的问题,提出了基于语义分割的感兴趣区域生成方法.首先把感兴趣区域的搜索问题转化为前景和背景的二值语义分割问题;然后对语义分割所得的前景进行中值滤波及连通域分析,直接得到感兴趣区域的大小和位置,从而避免使用锚点框来生成感兴趣区域,减小了背景噪声对目标检测的影响.对自然场景下高原鼠兔目标进行检测,结果表明:基于语义分割的感兴趣区域生成方法最优F1值比区域建议网络高27.75%,检测精度更高.     

基于分块阈值LBP算法的光学薄膜表面缺陷分割

为提高光学薄膜缺陷检测的能力和精度,提出一种基于局部二值模式(LBP)的改进算法。通过对采集到的图像进行分块分析,计算全图和各小块离散度,并进行对比。将分块离散度全图离散度的视为缺陷与背景共存的模块,以该模块中间像素灰度均值作为LBP阈值进行图像处理;分块离散度≤全图离散度的视为平稳模块,将全图灰度均值作为LBP阈值进行图像处理。实验结果表明:该算法能有效地检测出光学薄膜的缺陷,同时也避免了噪声的干扰,证明该算法用于检测光学薄膜缺陷的可行性。     

基于电磁振动与卷积神经网络的玉米品质精选装置

为提高玉米分选自动化水平,针对传统方法特征建模过程繁琐、现有卷积神经网络部署要求高的问题,设计了一种基于电磁振动与卷积神经网络的玉米品质精选分级装置,主要包括玉米粒群落料单元、电磁给料单元、控制单元、分选收集单元和恒定光强视觉单元,可实现玉米粒群自动分离、籽粒自动识别与分选.模型、样机试验结果表明:模型大小仅5.83 MB,对计算机硬件要求低;模型平均检测准确率mAP为88.03%,模型总体分类检测性能良好;模型对优良玉米籽粒的识别能力强,准确率P、召回率R、误报率FPR、加权调和平均值F_1分别为98.75%,94.84%,3.78%,96.85%;样机将玉米籽粒的实际检测准确率提升至96.50%,实际有效分选率为97.51%.     

健康中国背景下大型体育赛事环境SWOT分析及研究——以无锡地区为例

在健康中国背景下,以无锡地区为例,借助SWOT分析法,对无锡举办大型体育赛事环境的优势、劣势、机遇、挑战进行系统分析,并就如何优化大型体育赛事的举办环境,诸如自然生态环境、人文环境、策略环境、法制环境、消费环境、经验环境、人力资源环境、运作方式环境等提出对策。     

防幼儿跌落窗户开口自动调节装置设计

近十年来,儿童爬上窗户坠楼造成伤害的事件在全国各地时有发生,为此分析市面上的智能窗户,发现目前并无专门防范儿童坠落的窗户装置。结合防护安全知识,分析2～8岁儿童的身高和步速,根据光电检测原理,设计能够根据身高检测传感器判断有无儿童经过以相应调节窗户开口大小的装置;进而对装置主要构成部分的动力输出、丝杠传动做详细的分析,并对运动箱结构进行精心的设计;运动箱利用椭圆长短轴之差和开合螺母的特性实现运动控制。研究结果可为专门防儿童爬窗坠落机构设计提供参考。     

基于有监督核自组织映射的锂电池健康状态预测

高效准确地预测锂电池的健康状态(State of health,SOH)可以保证锂电池的正常运行,提高维护效率及电池本身的稳定性。提出一种基于有监督核自组织映射(Supervised kernel self-organizing map,SKSOM)的建模方法用于锂电池SOH预测。首先,对锂电池的原始放电数据进行预处理及归一化;然后,设计并优化了针对SKSOM的输入特征,在此基础上训练出SOH预测模型;最后,在美国国家航空航天局(National Aeronautics and Space Administration,NASA)的标准锂电池数据集上进行验证。实验结果表明,该文所用的预测模型能有效挖掘出锂电池的SOH规律,预测性能优于其他已有的SOH预测模型。