八倍体小偃麦营养品质及主要品质特性分析

分析了5个八倍体小偃麦中1、中2、中3、中4和中5和新育成的高蛋白优质小麦晋麦67的营养品质与几个主要的品质特性。结果表明,八倍体小偃麦的蛋白质、氨基酸、矿物元素均显著高于对照晋麦67,并且它们的加工品种较好,例如中2面团稳定时间达到17.2 mim,面包评分达90.5分,可制作优质面包,克服了营养品质提高,加工品质下降的矛盾。中1和中2具有1,7 8,5 10高分子量谷蛋白亚基,中3、中4、中5具有2*,7 9,5 10高分子量谷蛋白亚基。总之,八倍体小偃麦是小麦营养品质育种的新的优质资源。     

基于数学形态学的二维条码边缘检测算法

边缘模糊会导致二维条码识别率下降,提出了一种基于数学形态学边缘检测的二维条码识别算法,该算法最大的特点是用具有特定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的,从而有效地降低边缘模糊对条码识别的影响。选取PDF417二维条码为应用对象,采用基于数学形态学对二维条码的识别算法选择合适的结构元素。实验结果表明与传统的几种边缘检测算法相比,基于数学形态学对二维条码的识别算法能够更有效地识别条码边界,显著地提高了条码的识别率。     

专家控制技术在锌湿法冶炼技术中的应用

针对锌湿法冶炼生产过程自动化控制系统中的实际问题,介绍了专家控制技术在生产过程控制的作用。把模型的优化控制方 法和专家控制系统技术 相结合,能对复杂的生产过程进行有效的实时控制和集中监视,减轻工人劳动强度和提高劳动生产率。     

基于双维度EKNN的滚动轴承早期故障分类算法

为提高对滚动轴承早期故障识别的精确度,提出一种基于混合特征提取的故障分类模型.该模型利用类内紧致性和类间重叠性识别出次优特征组,作为增强K近邻分类器(EK N N)的输入,并以距离和密度双维度计算,得到最大平均分类精确度,进而输出最优早期故障特征组,对未知数据进行分类来检测故障.实验采集滚动轴承在低速运行下的早期故障声发射(A E)信号,对所提算法以及现有5种算法进行对比分析,验证了其对滚动轴承早期故障诊断具有更好的表现.     

基于统计高斯拟合的圆形光斑中心定位方法

针对二维高斯曲面拟合算法定位精度不高的问题,提出一种基于统计高斯拟合算法,可用于圆形光斑中心的高精度定位。结合二维高斯曲面的分布特性,对圆形光斑的灰度分布进行分析,指出了在对圆形光斑灰度拟合时需对光斑像素点进行有效筛选,避免因光照或噪声等带来的拟合误差。针对有效圆形光斑像素点的筛选方法进行了研究和分析,提出一种简单有效的方法。该方法根据边缘检测算子得到圆形光斑边界,再利用形态学算法对圆形边界点进行扩充,得到圆形光斑的扩展边界。结合圆形光斑目标区域灰度信息和非光斑背景区域灰度信息,利用统计学方法进一步筛选,获得了最终光斑灰度拟合像素点。与传统的高斯曲面拟合算法相比,仿真实验、运行时间测试实验和实物实验验证了该方法的优势。该方法能有效应用于工业领域圆形光斑中心定位中,具有很好的实际应用价值。     

基于B样条概率密度估计的纹理图像分类

通过模拟人脑视觉神经接收视觉信息形成表面感知 的处理机制,提出一种基于大脑层状皮质模型的全参考立体图像的图像质量评价(IQA)方法 。首先, 分析大脑形成表面感知的过程,提出可运用于立体图像的IQA的层状皮质模型;然后依据 模型得到各层的响应输出,构建感知特征向量;最后利用机器学 习算法,建立 特征和质量的关系模型,预测立体图像质量。实验结果表明,本文方法在对称立体图像库上 的Pearson线 性相关系数(PLCC)和Spearman等级系数(S ROCC)高于 0.91,在非对称库上高于0.93。与现有的相关方法相比 ,本文方法与主观评价更加吻合,更适合立体图像的评价和优化。     

基于Curvelet变换的浮选泡沫图像序列时空联合去噪

提出一种时空信息联合的浮选泡沫图像去噪方法。首先,将基于GSM统计建模和贝叶斯最小二乘准则的局部空间去噪方法应用到图像Curvelet域,获得基于单图像信息的Curvelet空间域最佳系数估计;然后,根据运动补偿原理和帧间子块的相关性引入帧间加权因子,通过加权处理帧间子块系数获得待处理图像时空相关的最佳去噪系数估计。结果表明,该方法能在去除噪声的同时更好地保护泡沫的细节,对于严重噪声污染的泡沫图像序列也能获得较好的处理效果。     

基于小波变换的浮选泡沫图像纹理特征提取

随矿物浮选工况的变化,精选泡沫表面出现亮度分布不均、灰度分布差异性大的特点,表现出明显的纹理特性。为定量分析精选泡沫表面纹理特征与浮选工况间的关系,采用小波变换方法提取纹理特征均匀度,实现精选泡沫表面纹理的量化描述,并通过实验分析,获得精选泡沫的最佳纹理区间。工业现场运行结果表明,该方法可以实时监视精选泡沫表面纹理特征变化,有利于浮选生产指标的优化 控制。     

基于数据分布特性的代价敏感宽度学习系统

宽度学习系统(broad learning system,BLS)作为深度神经网络的替代框架,具有快速自适应模型结构选择和在线增量学习能力,被认为是知识发现和数据工程领域中一种极具前途的技术.传统的BLS主要应用于数据分 布均衡且误分类代价相同的模式分类任务,但大多数实际应用的数据是非均衡分布的,如网络入侵监测、医疗诊断、信用卡欺诈检测等.基于此,提出一种基于数据分布特性的代价敏感BLS(data distribution-based cost-sensitive-BLS,DDbCs-BLS),解决数据分布不均、误分代价不同的模式分类任务.DDbCs-BLS在充分考虑数据统计分布特性的基础上寻找代价敏感型BLS分类器的最佳分类边界,保证少数类样本信息不被丢失,从而提高BLS在各类数据集上的模式分类性能.在多种公共数据集(包括均衡和不均衡数据集)上进行大量的验证性和对比性实验,结果表明DDbCs-BLS能有效确定分类边界线的最佳位置,无论是在均衡数据集还是在不均衡数据集上均能获得更好的分类性能.     

水泥搅拌桩和土钉墙在道路工程中的联合应用

结合市政道路工程实例，认识水泥搅拌桩和土钉墙联合应用的基坑支护新技术。