基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。     

钩形弯交叉口信号协同控制优化方法研究

针对车辆在钩形弯交叉口与相邻常规交叉口间的整体运行特性，建立了各条车道的车辆平均延误计算模型。以各交叉口的周期时长和相位绿灯时间为约束，钩形弯交叉口与相邻常规交叉口间的车辆平均延误最小为目标，建立了信号协同配时方案。以位于苏州市高新区内有轨电车沿线的两个相邻交叉口为例，采用实际数据验证所建立的方法，并设置钩形弯渠化方案。将设置的钩形弯交叉口与其相邻常规交叉口的信号协同作为改进方法，在VISSIM软件中对比分析改进方案与现状方案的车辆延误指标。实验结果表明，钩形弯交叉口与相邻常规交叉口的信号协同优化方法可有效提高交叉口的通行能力，尤其是干道直行机动车的通行能力，可降低车辆的平均延误。     

甘肃黑方台黄土压缩试验研究

以黑方台地区原状黄土为对象,开展不同含水率试样的侧限压缩试验,对比分析了不同荷载下各含水率试样的e-lgp曲线,采用双对数坐标法确定了试样的结构屈服应力,对黑方台原状黄土压缩试验结果进行拟合分析。结果表明:随着试样含水率的增高,其对应的e-lgp曲线呈依次降低的趋势,但15%含水率试样与20%含水率试样对应的e-lgp曲线间具有较大空隙,说明含水率为15%20%是试样结构发生较大变形的临界值;各含水率试样在试验过程中都存在结构屈服应力,天然状态下黑方台原状黄土的结构屈服应力为99 k Pa,但随着含水率增高,其结构屈服应力值持续降低;基于岩土破损力学理论基础建立的数学表达式确定出了黑方台原状黄土材料参数B值为0.011 3,并将模拟结果与试验数据进行对比,得到了较好的拟合结果。     

中国高校地理科学专业本科教学改革探讨——基于美国奥本大学与中国福建师范大学的比较研究

以美国奥本大学和我国福建师范大学地理科学专业为主要研究对象,从培养目标、核心课程、课程多样化、课程组织、教学模式和成绩评定等方面进行了比较研究,系统地总结了美国高校教学的特色与优势.在此基础上,提出优化我国课程体系,推行小班制讨论课,提倡思维训练为主的精品课堂,提高考核难度和改进考核方式等教学改革建议,以推进我国地理科学专业创新人才的培养.     

青藏铁路含保温夹层路基厚度与地温关系的研究

通过对青藏铁路风火山段含有保温夹层的路基建立均匀介质分层纯导热模型并运用分层近似解法求出冻土表层的温度函数,结合Lachenbruch给出的冻土层的理论温度表达式,得到了路基填料层、保温层、地表年平均温度与正弦变化温度的振幅比三者之间的隐式方程,并应用该方程对三者之间的关系进行了分析.     

基于GM(1,1)的农田土壤湿度灰色预测模型

针对土壤湿度变化趋势对于分析区域旱情的重要性,研究了GM(1,1)模型的建模方法,建立了基于GM(1,1)的农田土壤湿度的灰色预测模型,并将试验数据和预测值进行对比。结果表明土壤湿度的预测值略大于试验值,且相对误差不大于5%,验证了所建立的预测模型的准确性。该模型为土壤湿度动态变化特征的深入研究提供了重要的科学依据,对农田水利灌溉具有重要意义。     

利用SRTM数据修测高山区地貌的探讨

在高海拔区域测制地形图,如青藏高原地区,所获取的遥感影像局部存在着大范围的高山阴影或云雪覆盖,造成立体观测地貌困难的现象,探讨应用SRTM数据对这类特殊区域地貌进行修测补绘。介绍了数据处理的作业过程,并对实验区SRTM与SPOT5影像立体测图成果进行实验对比分析,成果符合要求。     

也谈“力学性能”

笔者读到《中国科技术语》2015年第1期赵中平的《mechanical properties中文译名演变过程及定义》一文,很受启发,但也有一些不同看法。该文斩钉截铁地说,"力学性能"并不存在,只有"机械性能",恐怕事实并不那么简单。问题的起源大概是对英文中mechanical和mechanics的理解。我们查找一本英文辞典(比如Webster’s New World College Dictionary),便可以知