排序方式: 共有83条查询结果,搜索用时 781 毫秒
21.
家庭已经成为信息化和物联网应用的关键节点。其中,家庭网络作为信息数据传输和交换的载体.是指通过家庭网关将公共网络功能和应用延伸到家庭,以家庭有线/无线环境为基础,连接各种信息终端.提供统一的视频、话音、数据业务和控制、管理等功能,达到信息在家庭内部终端与外部网络之间以及家庭内部终端之间的交换和共享。 相似文献
22.
目的 研究纯铜在含氯液膜和霉菌共同作用下的腐蚀行为与机理。方法 将海南文昌采集的一株野生杂色曲霉接种到质量分数分别为0.9%和3.5%的NaCl溶液中制成孢子悬浮液,将孢子悬浮液均匀喷洒到铜试样表面后进行恒温恒湿试验,试验不同周期后采用体视学显微镜、扫描电子显微镜观察铜试样的腐蚀形貌,采用X射线光电子能谱仪分析试验14 d的试样表面和氩离子刻蚀15 s后的成分。结果 纯铜在NaCl薄液膜下的腐蚀产物具有明显的双层结构,内层靠近基体的为致密的Cu2O钝化层,外层为疏松的Cu2(OH)2CO3和Cu2(OH)3Cl组成的Cu(II)碱式盐;无菌时,铜表面出现大量蓝绿色的Cu(II)碱式盐,杂色曲霉存在时,铜表面腐蚀产物主要为红棕色的Cu2O钝化膜,仅有少量Cu(II)碱式盐零星分布在Cu2O膜外层;0.9% NaCl薄液膜与霉菌共同作用时,试样表面腐蚀产物主要为Cu2O,当薄液膜中盐的质量分数升高到3.5%时,霉菌数量减少,Cu(II)碱式盐较0.9% NaCl薄液膜组增多。结论 纯铜的腐蚀产物由内层的Cu2O钝化层、外层的Cu2(OH)2CO3和Cu2(OH)3Cl组成双层结构。杂色曲霉通过呼吸作用影响液膜中的O2浓度进而影响铜的腐蚀产物组成,霉菌存在时腐蚀产物中Cu(II)碱式盐显著减少。含氯液膜与霉菌共同作用时,液膜中的NaCl浓度通过影响杂色曲霉的生长活性而影响腐蚀产物组成。 相似文献
23.
针对货车利用躲避摄像头等手段在城市道路中不按规定时间、规定线路行驶, 使得车辆不能被准确识别的问题, 提出基于改进Faster RCNN的城市道路货车检测方法. 该方法以Faster RCNN为基础模型, 通过对传入主干网络的车辆图片进行卷积和池化等操作来提取特征, 其中增加特征金字塔网络(FPN)提升对多尺度目标检测的精度; 同时将K-means聚类算法应用在数据集上以获取新的锚点框; 利用RPN (region proposal network)生成建议框; 并使用CIoU (complete-IoU)损失函数代替原算法的smoothL1损失函数以提升检测车辆的精确性. 实验结果显示, 改进后的Faster RCNN相比原算法对货车检测的平均精度(AP)提高7.2%, 召回率(recall)提高6.1%, 减少了漏检的可能, 在不同场景下具有良好的检测效果. 相似文献
24.
25.
26.
为了提高动态手势学习训练速度和识别准确率,本文提出一种基于粒子群优化BP神经网络的动态手势识别方法。首先基于自然人机交互需要,定义一套基于机器视觉的动态手势模型;在获取指尖运动轨迹的基础上,提取动态手势的特征向量作为神经网络的输入;利用改进的PSO算法训练BP神经网络,得到神经网络的权值和阈值;最后利用训练过的神经网络识别基于机器视觉的动态手势。测试结果表明:改进的PSO算法能够提高神经网络训练速度和精度,进而提高动态手势识别准确率。 相似文献
27.
12%苄·恶乳油防除水稻田杂草试验 总被引:1,自引:0,他引:1
进行了12%苄·恶乳油防除水稻田杂草试验。结果表明:水稻田移栽后6天使用12%苄·恶乳油80、100、120mL/667m2,施药后20天,对稗草的株防效为84.5%~96.88%,总株防效为86.3%~92.83%;施药后45天,对稗草的株防效为81.5%~91.5%,总株防效为83.11%~92.95%,总鲜重防效为85.28%~93.17%。12%苄·恶EC对水稻安全,其效果优于10%苄磺隆WP或12%农思它EC。 相似文献
28.
29.
提出了一种基于DSP的全数字闭环光纤陀螺设计方案。文中对该闭环光纤陀螺的A/D、D/A等部分间的时序逻辑进行了设计和实现。讨论一种通过反馈调整D/A的基准电压来实现对2π复位不准确的控制。给出几个重要参数的测定方法和实验结果。 相似文献
30.
针对低信噪比水声目标单一特征识别率低,稳健性差的问题,提出一种基于注意力机制和多尺度残差卷积神经网络(Multi-scale Residual CNN with Attention,MR-CNN-A)进行特征融合的识别方法。该方法根据多尺度卷积核与特征图形成多分辨率分析关系,并以此通过注意力机制实现优势特征权值提取与融合,从而提高模型在文中水声数据集上提取目标噪声特征和分类识别的稳健性与抗噪能力。开展了4类舰船噪声和海洋环境噪声的识别试验、水下和水面自主式水下航行器的识别试验,以及不同信噪比条件下目标噪声的识别试验。结果表明:对于文中所涉及的水声目标噪声和人工高斯白噪声干扰,该网络模型识别正确率明显高于支持矢量机与简单卷积神经网络,且对高斯白噪声的抑制能力远强于支持矢量机与简单卷积神经网络,稳健性好,模型复杂度小。 相似文献