基于改进YOLOX的轻量型垃圾分类检测方法

生活垃圾分类是保护生态环境、促进绿色和谐发展的有效措施。针对移动端设备计算资源和内存有限，重量级模型难以嵌入等问题，本文提出一种基于改进YOLOX-tiny轻量型的垃圾分类检测方法。首先，使用EIoU替换原来的IoU损失函数，能加速收敛，提升检测精度；其次，在颈部网络引入注意力机制CBAM,对不同通道的权重重新分配，获取更多浅层的细粒度特征和深层的语义信息；最后，使用GhostBottleneck模块替换特征提取网络中的CSP模块，保留更多边缘信息，同时降低参数量，使模型轻量化。在华为云垃圾数据集上的实验结果表明，改进的算法与YOLOX-tiny相比，参数量降低至原来的87.97%,精度提升了0.3个百分点，在TrashNet数据集上的实验效果提升了0.36个百分点，从而证明了本文算法的有效性，该算法有利于嵌入移动端设备使用，具有一定的实用价值。     

基于遗传神经网络的电火花镗磨加工效果的预测

电火花镗磨加工的放电过程非常复杂,整个加工受多种因素影响。针对BP神经网络算法易陷入局部极小、收敛速度慢的缺点和遗传算法全局搜索能力强、收敛速度快的优点,提出了基于遗传神经网络(GA-BP)的电火花镗磨加工效果的预测模型。通过该预测模型对一定加工条件下的表面粗糙度和加工精度进行预测,以MATLAB为平台的计算机预测结果和实测结果有较好的一致性,说明该算法模型对电火花镗磨加工效果的预测是有效的。     

基于正交试验的电火花成形加工工艺研究

电火花成形加工技术在难加工材料、复杂型面、模具等加工领域扮演着重要的角色。但电火花加工的放电过程非常复杂,整个加工过程受多种因素影响。文章通过正交试验设计和极差的分析方法,重点探讨了峰值电流、脉冲宽度、脉冲间隙和峰值电压对工艺效果的影响,找出了影响加工效果的主次因素和最优组合,对解决电火花成形加工工艺参数,优化和提高加工质量具有一定的参考价值。