基于MD-LBP关联方向特征的铁路隧道漏缆卡扣检测算法

全路段跟车拍摄隧道漏缆卡扣图像再进行逐张排查,是实现卡扣故障检测的重要手段.针对目前LBP、CS-LBP等相关变体算法存在描述子质量不佳、特征维度过高的问题,提出MD-LBP关联方向特征提取算法实现故障卡扣的检测工作.该算法首先对输入图像进行高斯滤波预处理,根据图像的全局灰度均值得到图像的自适应阈值;其次计算图像的三层MD-LBP特征图结构,依次经过两次下采样分别得到Cell主方向特征和Block主方向特征;然后再在Block特征图上提取关联方向特征,并以此作为描述子;最后通过SVM区分故障卡扣,完成检测工作.实验还对比了LBP、H OG等9种特征描述子的检测情况,结果表明该算法不仅特征维度低,并且检测故障卡扣的召回率和精准度都达到了85％.     

模具结构对连续纤维增强热塑性复合材料性能的影响

采用自行设计的两种不同结构的熔融浸渍模具制备了连续玻璃纤维增强聚丙烯预浸带，测试了模具结构对预浸带的孔隙率、纤维断裂率、界面形貌、纤维分散均匀度和拉伸强度的影响，建立了纤维浸渍模型和纤维断裂模型，并通过理论模型对预浸带的孔隙率和断裂率进行理论预测。结果表明，本文建立的数学模型能够有效预测预浸带的浸渍程度和纤维断裂率，可用于浸渍模具结构的优化设计；在本文范围内，与波浪形模具相比，斜齿形模具的多楔形区结构可以有效地降低预浸带孔隙率和提升纤维分散程度；波浪形模具的流道圆角半径较大，楔形区个数较少，与斜齿形模具相比，可有效降低纤维断裂率并提升拉伸性能。     

一种新型聚合物辅助法制备SrCoO3电催化剂及其OER性能研究

提出了一种新型制备钙钛矿的方法-PVA聚合物辅助法,并成功制备了SrCoO_3电催化剂.与其他的合成方法相比,该方法合成时间更短,步骤简洁,便于规模化生产.与传统PEI聚合物辅助法相比,PVA更环保,煅烧过程中无有毒有害气体产生.对SrCoO_3样品进行了XRD和BET表征,并在0.1 mol/L KOH溶液中测量了其OER性能.结果表明,该方法适合大规模合成高性能钙钛矿材料.     

光束在不衰减的情况下实现了小角度转弯

一种类似蜂窝的塑料材料不但能引导光束实现精确的小角度转弯,还能在整个过程中保证光束的强度和完整性丝毫不受影响。由美国得克萨斯大学埃尔帕索分校(UTEP)和中佛罗里达大学(UCF)两校联合开发出的这种技术有望进一步拉近高性能光学计算机,特别是小型光学计算设备和现实的距离。相关论文发表在最近出版的《光学快报》杂志上。     

《装在口袋里的爸爸:身体调换机》

<正>聪明饭、摇钱树、后悔药、美梦制造机,爸爸以前发明的东西让杨歌心有余悸。这次,爸爸又有了新发明——身体调换机!一开始,杨歌很不待见这个新发明,不过后来转变看法了。因为他发现,有了身体调换机,他可以扮演很多不同的角色:成为人人称赞的优秀学生,变成受学生爱戴的老师,当一回万众瞩目的明     

基于加权局部梯度直方图的头部三维姿态估计

在实时估计人的头部三维姿态时,基于局部梯度方向直方图的面部特征表示方法容易受到背景和环境的影响,其检测精度无法满足实际需求。为了减少图像或视频序列中背景和环境的影响,提出了一种新的对面部特征进行描述的方法,即基于肤色权值和高斯权值加权的局部梯度方向直方图特征表示方法。在具体计算时,首先进行人脸检测并将人脸区域缩放到统一大小,然后计算人脸区域每个像素点对应的梯度方向,接着计算肤色权值并利用肤色权值和高斯权值对梯度方向进行加权得到加权局部梯度方向直方图,从而强化面部特征在直方图中的比重,有效减小背景对头部三维姿态估计的影响,最后利用非线性支持向量回归机求解加权局部梯度方向直方图与头部三维姿态之间的关系。实验结果表明:该特征表示方法具有更高的检测精度。     

基于改进灰狼算法优化SVR的航天侦察装备效能评估

定量评估航天侦察装备效能是武器装备体系建设的重要环节之一, 对装备发展和作战应用具有重要的现实意义。针对评估样本数据少、效能在多指标因素影响下变化规律非线性等条件下的效能评估问题, 提出一种基于改进灰狼(improved grey wolf optimizer, IGWO)算法优化的支持向量回归机(support vector regression, SVR)评估方法(IGWO-SVR)。引入反向学习策略及余弦非线性收敛因子改进灰狼优化算法收敛性能及全局寻优能力, 并将其应用于基于支持SVR效能评估参数的优化。基于航天侦察装备特点, 构建评估指标体系及航天侦察装备效能评估模型。最后, 通过对一定作战想定背景下航天侦察装备效能进行仿真评估, 验证了所提方法的合理性及优化模型的有效性。     

碳纤维复合材料丝束带剪断状态快速检测方法

为解决在狭小空间内无法准确有效识别碳纤维丝束带剪断状态的问题,提出了一种基于电信号的碳纤维丝束带剪断状态的检测方法,并设计了相应的剪断状态监测硬件及软件系统。该检测方法首先通过简单的检测电路以及数据采集卡,实现对碳纤维丝束带剪断过程中的电信号实时采集,然后对采集得到的信号进行低通滤波处理,获取电压信号的峰值,将峰值与设定的检测阈值相比较,可以有效识别出碳纤维丝束带的剪断情况。实验结果表明,在进行剪断操作时,未完全剪断的碳纤维丝束带电阻为10~500Ω,而完全剪断的丝束带电阻为无穷大,将丝束带与检测电路连接,电阻的变化即可反映到两电极间的电压变化。实验中,完全剪断时,丝束带两端电压从0V大幅跃升到4.377 03V,大于设定的阈值,而未完全剪断时,丝束带两端电压从0 V小幅跃升到0.067 97V,小于设定的阈值1V,均可有效识别剪断状态,证明该方法检测结果较为准确。该方法可以在铺丝头内部的狭小空间进行检测,同时能够快速识别出碳纤维丝束带的剪断状态。