纳米材料量子尺寸效应的理解及应用

在理解纳米材料量子尺寸效应的基础上,对久保提出的分立平均能级间距与热能的关系公式δ=4EF与温度T之间的关系公式d03<1.078×T 10-14n-31m3,由此讨论临界粒径d0与温度T之间的关系,并进而应用公式举例计算纳米级金属颗粒出现量子尺寸效应的临界粒径。     

基于Halcon的圆形陶瓷片表面缺陷检测方法

针对圆形陶瓷片的产品特性以及厂家检测的需要,设计了一种基于Halcon平台的表面缺陷分区检测算法.通过前期预处理中的灰度化、图像增强处理以及ROI的选取后,再针对不同缺陷分别采用阈值分割、极坐标转换及边缘提取等方法获取产品缺陷区域并进行检测.实验结果证明本检测算法具有较高的准确性,并能较好地满足实际检测要求.     

掺入不同尺寸钢纤维的高强混凝土深梁抗剪性能

高强混凝土与不同尺寸钢纤维的混合使用,可以极大的提升材料本身的性能,得到高强度、高韧性的深梁构件.本文对1个高强混凝土深梁和4个掺入不同尺寸钢纤维(混合钢纤维)的高强混凝土深梁进行了受剪试验,通过改变混合钢纤维体积掺量和分布钢筋配筋率,研究了构件的破坏模式、承载能力、变形能力和钢筋应变,分析了混合钢纤维对试件的增强机理...     

浅析水泥地面施工的常见质量缺陷及防治

目前,工程质量粗糙、低劣的状况还没得到根本改变,质量事故时有发生,尤其是水泥地面的施工因量大面广,很容易出现质量问题,严重影响建筑物的使用.     

单质对低碳钢A-TIG焊焊缝成形的影响

以Ti粉、Si粉和Te粉作为活性剂,研究了单质对低碳钢直流正接A-TIG焊焊缝成形的影响,分析了单质影响熔深的机理.在试验条件下,传统TIG焊的焊缝深宽比为0.24.添加三种活性剂后,焊缝表面都成形良好,Te粉使得焊缝余高增大.Ti粉和Te粉能显著增加熔深,Si粉对焊缝熔深影响则相对较小.Ti和Si粉能使熔宽收缩,而Te粉对熔宽几乎没有影响.在活性剂作用下,Ti粉的焊缝深宽比为0.43;而Te粉的为0.40,Si粉的只有0.35.Si粉、Ti粉、Te粉三者的焊缝熔深排序与其原子半径的大小顺序相同,焊缝熔深变化与单质原子半径大小关系密切.     

基于RAGA的灰色BP神经网络预测模型及其对三江平原地下水埋深的动态预测

三江平原是我国粮食主产区之一,近年来农业水资源出现危机.预测该地区地下水动态变化趋势,对于指导该地区合理开发利用地下水有着重大的理论和现实意义.建立了基于RAGA的灰色BP神经网络预测模型.该模型克服了传统GM(1,1)模型存在明显系统误差的缺点,既具有GM(1,1)模型对数据确定性方面把握的长处,也融合了人工神经网络在不确定因素预测领域的优势.通过两种途径进行检验,结果表明该模型具有相对较高的预测精度.运用该模型对三江平原地下水埋深进行动态预测,未来五年内,如果仍按目前的发展模式,该地区地下水埋深仍将持续下降,从2007年到2012年,该地区地下水平均每年下降0.3m.预测结果对有关部门的政策决策具有一定的指导意义.     

基于深度学习的小样本墙壁缺陷目标检测及分类

近年来,无须人工干预的深度学习已成为缺陷图像检测与分类的一种主流方法。文章针对室内墙壁缺陷缺检测中数据集大多是小样本的问题,提出了相关的深度学习研究方法。首先,自制墙壁表面缺陷数据集（Wall surface defect dataset,WSDD）并对其进行数据标注,进而使用Faster RCNN和YOLOv5进行目标检测,两个模型的评价指标（Mean Average Precision,MAP）均高于0.517,表明本文采集的WSDD有效。然后,采用几种传统的数据增强方法（尺度调整、旋转和翻转）及图像拼接和图像融合的方法来扩充原始数据集的数量。最后,将增强前后的数据集分别用四种经典的深度卷积神经网络（ResNet34、ResNet50、DenseNet121、VGG16）模型进行测试,结果显示经过数据增强后,四种模型的识别精度明显高于增强前,分别为98.86%、99.47%、99.06%和90.25%,证明本文所采用的数据增强和深度学习方法缓解了数据集小样本的问题。     

采用ORB-SVM模型的铝合金熔滴复合电弧堆积层形貌缺陷快速识别

针对铝合金熔滴复合电弧增材制造堆积层潜在的形貌缺陷,以及图像处理时长导致的整个监控系统滞后的问题,建立了一个快速原位被动视觉系统来识别缺陷类型。首先,基于ORB算法自动提取堆积层形貌关键点的二值字符串描述子;然后,采用BOW模型得到维度相同的图像特征描述向量;最后,利用提取的特征向量对SVM分类器进行训练,并在分类准确性和处理时间方面验证了性能。结果表明,ORB-SVM模型对堆积层形貌识别的准确率为0.96,特征提取、编码与识别总时间约为9 ms/帧,为确保熔滴复合电弧增材制造在复杂制造条件下的堆积层精度提供了一种可行的解决方案,并且在实时监控应用中具有较大的潜力。