烟草异物剔除系统中实时低照度图像增强算法

为解决烟草异物剔除系统随照度衰减后系统剔除性能下降问题,采用优化的高斯同态滤波算法在系统中增设了图像增强功能。先将低照度烟叶图像从RGB(Red-Green-Blue)空间快速转换到HSV(Hue-Saturation-Value)空间,实现色彩与亮度的分离,采用实时性较高的空域同态滤波方法对亮度分量V进行增强,引入自适应系数对亮度进行拉伸,最后将HSV转换到RGB模式。结果表明,该方法能有效校正低照度图像的颜色、对比度和亮度,对光照不均有很好的均衡作用,具有较好的自适应性;能够较好地保持系统剔除性能,增强系统的可维护性、易操作性;与其他图像增强算法相比,本方法运算速度更快,能较好地满足实时增强彩色图像的需求。     

刘家峡水电站大坝观测系统改进方案的研究

本文对刘家峡水电站大坝内、外部观测做了详细地研究,针对刘家峡大坝原设计及现有观测系统存在的问题,结合今后安全监测的需要,提出了初步改进方案。     

刘家峡水库坝前泥沙淤积过程及现状

一、刘家峡水库概况刘家峡水库由黄河干流、洮河及大夏河支流组成,水库正常高水位1735m,相应设计库容57亿m~3,其中黄河、大夏河、洮河库区各占94%、4%、2%.有效库容41.5亿m~3,死水位1694m,相应死库容15.5亿m~3.刘家峡水库自1968年10月蓄水至1992年10月,24年全库共淤积泥沙13.16亿m~3,其中黄河干流库区淤积12.00亿m~3,洮河库区淤积0.72亿m~3,大夏河库区淤积0.44亿m~3,各库区相应库容百分数,全库占23%、黄河占22%、洮河占63%、大夏河占19.3%.     

基于PCNN的景象匹配和图像拼接

在实际应用中,采集到的实时图像会受到噪声的干扰,或相对于基准图有一定的旋转、比例变化等.因此,要求景象匹配算法必须具有一定的容错和抗干扰能力.将脉冲神经耦合网络思想引入景象匹配中,提出了一种用PCNN提取图像熵序列来实现景象匹配的新方法,具有较好的旋转不变性,对噪声和尺度变化具有很好的鲁棒性.在PCNN模板匹配的基础上还实现了图像良好拼接,具有对准精度高、易于硬件实现的特点.仿真实验结果验证了方法的有效性.     

烟草异物剔除系统中大块异物的检测与报警

烟草异物剔除系统是根据颜色特征来区分烟叶和杂物的,当前使用的系统杂物剔除率达到了90％以上。但系统存在大块异物剔除难的问题。本文提出首先对大块异物进行检测,然后通过特别设计的报警装置告知操作工手工将杂物分拣出来。实验结果表明,该方法简单,有效,大大提高了系统的可靠性。     

刘家峡主坝新增设扬压孔观测资料分析

扬压力观测是混凝土坝重要监测项目之一,也是规定的必测项目.在1980年工程整体竣工验收时认为,主坝的扬压力观测,只设有一个横向断面,偏少.同时在纵向也未设有观测孔.为了进一步掌握主坝Ⅴ～Ⅵ坝段的扬压力情况,从1980年开始,相继增设了纵向扬压孔6个及Ⅵ坝段横向断面的测压孔.在运行过程中发现,除Z_(6-4)、Z_(7-5)两个纵向孔的测值偏大以外,其他均属于正常.为了确保大坝的安全运行,搞清坝基扬压的分布状态,以及两个纵向孔测值偏高的原因,对观测资料进行初步分析.     

烟草异物剔除系统中典型异物处理方法

烟草异物剔除系统在配方学习过程中,很容易将颜色与烟叶相近的异物学习到颜色库中,导致该类杂物的剔除率较低;受风力等因素的影响,面积或体积较大的异物剔除也比较困难.为此,提出了通过颜色库过滤的方法处理颜色与烟叶相近的异物;当检测到大块异物时通过特别设计的报警装置人工将异物从烟叶中分拣出来.实验结果表明,该方法提高了系统的可靠性,杂物剔除率由原来的90%提高到97%.     

刘家峡水电站大坝监测项目的调整及警戒值的使用

一、问题的提出在刘家峡大坝安全定检过程中,通过资料分析,进一步认识到观测系统所存在的问题.根据定检专家组的建议:“健全整个电站监测系统,首先对整个坝区进行地形测绘,反映工程及坝区现状借以查明地表建筑物及植被分布情况对地下水的影响.其次建立完整的观测控制点,有计划的完善和改造观测系统.”电厂拟定了大坝监测系统改造的“八五”规划,在观测系统改造前需对观测项目作全面调整.     

计算思维指导下的Java程序设计课程建设

结合多年的实际教学经验,用实例阐述如何从抽象思维和逻辑思维的角度培养计算思维,激发学生的学习兴趣,提高学生的专业实践能力,进而达到提高教学质量的目的。计算思维的引入,对Java程序设计课程建设具有较强的推动作用。