怎样提高双面胶版纸的质量

双面胶版纸是供多色印刷的纸张,产品质量要求较高。我国生产的双面胶版纸普遍存在纸面不够细腻、表面强度低、伸缩变形大等弱点。笔者通过走访多家造纸厂,结合自己从事双胶纸生产的实践,谈谈提高产品质量的措施,供参考。一、正确选用纤维原料国外胶版纸多以针叶木浆配阔叶木浆生产。由于我国木材资源有限,因此应根据各厂情况决定浆料配比。多配木浆对提高纸张表面强度有益。配用草浆时,必须加强筛选净化,减少杂细胞对     

燃料乙醇生产原料筒仓储存的运用研究

燃料乙醇生产通常使用薯类和谷类为原料.为了实现大规模生产,节约原料及其占地面积,提高机械化和自动化程度,引进了谷类原料的筒仓储存系统.筒仓储存系统的运用改变了原来原料进入生产线时人工袋装上垛、人工倒料的生产模式,给燃料乙醇生产带来了诸多好处.在燃料乙醇生产中随着其他生物质原料(如秸秆和薯类原料等)的采用,筒仓储存系统的应用范围进一步拓宽.     

镗削精密空间位置孔的夹具对刀装置

如图1所示的12V130柴油机的机床,其上有12个呈V形排列的气缸孔,2排气缸孔轴线夹角为60°,技术要求每排6个气缸孔的轴线均与机体上曲轴的主轴孔轴线垂直相交,交点在主轴孔轴心线上,在空间接一定的轴向距离排列,位置度是0.20mm。又如内燃机车的万向轴法兰、万向轴,技术要求十字销轴承孔与万向轴(或万向轴法兰)的轴线在空间垂直交叉、对称分布,位置度为0.05mm,镗削十字销轴承孔φ83_(-0.038)~(-0.016),必须满足位置度要求。     

一种迁移学习和可变形卷积深度学习的蝴蝶检测算法

针对自然生态蝴蝶多种特征检测的实际需求,以及生态环境下蝴蝶检测效率低、精度差问题,本文提出了一种基于迁移学习和可变形卷积深度神经网络的蝴蝶检测算法（Transfer learning and deformable convolution deep learning network,TDDNET）.该算法首先使用可变形卷积模型重建ResNet-101卷积层,强化特征提取网络对蝴蝶特征的学习,并以此结合区域建议网络（Region proposal network,RPN）构建二分类蝴蝶检测网络,以下简称DNET-base;然后在DNET-base的模型上,构建RPN网络来指导可变形的敏感位置兴趣区域池化层,以便获得多尺度目标的评分特征图和更准确的位置,再由弱化非极大值抑制（Soft non-maximum suppression,Soft-NMS）精准分类形成TDDNET模型.随后通过模型迁移,将DNET-base训练参数迁移至TDDNET,有效降低数据分布不均造成的训练困难与检测性能差的影响,再由Fine-tuning方式快速训练TDDNET多分类网络,最终实现了对蝴蝶的精确检测.所提算法在854张蝴蝶测试集上对蝴蝶检测结果的mAP_0.5为0.9414、mAP_0.7为0.9235、检出率DR为0.9082以及分类准确率ACC为0.9370,均高于在同等硬件配置环境下的对比算法.对比实验表明,所提算法对生态照蝴蝶可实现较高精度的检测.     

基于注意力机制的乳腺X线摄影分类方法

环境的日益恶化导致癌症的发病率不断升高,2018年全球乳腺癌的发病率在所有癌症中已经位居首位。乳腺X线摄影价格实惠且易于操作,目前被认作是最好的乳腺癌筛查方法,也是早期发现乳腺癌最有效的方法。针对乳腺X线摄影不容易分辨、特征不明显等特点,提出了基于RNN+CNN的注意力记忆网络对其进行分类。注意力记忆网络包含注意力记忆模块和卷积残差模块。注意力记忆模块中,注意力模块提取乳腺X线摄影的特征,记忆模块在RNN网络加入注意力权重来模拟人对所提取关键信息的重点突出;卷积残差模块使用CNN对图像进行分类。该方法创新之处在于：提出注意力记忆网络用于乳腺X线摄影图像分类;所设计网络在RNN+CNN结构上引入注意力权重,提取图像关键信息以增强特征描述。在乳腺X线摄影INbreast数据集上的实验结果显示,注意力记忆网络的运行时间比预训练的Inceptionv2、ResNet50、VGG16网络少50%以上,同时达到更高的分类准确率。     

基于脉冲神经网络与移动GPU计算的图像分类算法研究与实现

计算机视觉旨在通过计算机模拟人的视觉系统,让计算机学会"看",是人工智能、神经科学研究的一个热点。作为计算机视觉的经典任务,图像分类吸引了越来越多的研究,尤其是基于神经网络的算法在各种分类任务上表现优异。然而,传统浅层人工神经网络特征学习能力不强、生物可解释性不足,而深层神经网络存在过拟合、高功耗的缺点,因此在低功耗环境下具有生物可解释性的图像分类算法研究仍然是一个具有挑战性的任务。为了解决上述问题,结合脉冲神经网络,设计并实现了一种基于Jetson TK1和脉冲神经网络的图像分类算法。研究的主要创新点有:(1)设计了深度脉冲卷积神经网络算法,用于图像分类;(2)实现了基于CUDA改进的脉冲神经网络模型,并部署在Jetson TK1开发环境上。     

机动型激光测风雷达倾斜风场修正算法研究

为了解决激光测风雷达处于倾斜放置的情况下测出的风场信息与实际风场之间存在的误差,分析了激光雷达的测量原理、放置情况以及存在的问题,采用空间坐标变换的方法对雷达倾斜状态进行理论计算并给出了修正计算公式。对比了水平放置和横向倾斜7.2°放置的激光雷达的实测数据,发现修正前由于倾斜放置导致雷达所测垂直气流数据间产生的误差较大,加入修正算法进行仿真后,数据曲线吻合良好,修正效果明显。结果表明,空间坐标变换的修正算法可使激光雷达在处于非特定位置时仍能正确地反映实际风场信息,从而验证了该修正算法的正确性和可行性。     

大跨度空间钢管桁架拱施工技术

国家体育总局训练局比赛馆屋面承重结构采用大跨度空间钢管桁架拱结构,介绍桁架拱的制作、拼装、滑移和安装等施工工艺以及相应的施工过程分析。     

交流电弧发射光谱法测定铅矿石中锡

准确、快速测定铅矿石中锡,对矿产资源的综合利用具有十分重要的意义。实验采用交流电弧发射光谱法测定铅矿石中锡。以二氧化硅、氟化铝、氟化钠、碳为缓冲剂,锗为内标元素,优选了锡元素分析线对,曝光时间为22 s;采用氧化铅光谱纯物质与合成硅酸盐标准物质按不同比例混合来建立校准曲线,从而降低由基体差异引入的误差;选择干扰少、灵敏度高的Sn I 283.998 nm作为分析线,采用两点差值法背景校正扣除PbⅠ283.306 nm尾峰对SnⅠ283.998 nm的干扰。方法中锡的检出限为0.13μg/g,定量限为0.43μg/g。按照实验方法测定铅矿石国家一级标准物质和铅矿石样品中锡,结果的相对标准偏差(RSD,n=12)为3.9%～5.6%,相对误差(RE)为-2.81%～4.63%,精密度和正确度结果均满足地质矿产行业标准DZ/T 0130.3—2006的技术要求。