基于生物视觉同时对比现象的边缘检测模型研究

以生物视觉同时对比现象为基础,提出一种用于图像边缘检测的各向异性感受野模型.并对模型中边缘与算子中心长轴之间的角度关系对边缘检测效果的影响进行研究.实验表明,相对于各向同性感受野模型和一些传统的同方向各向异性边缘检测算子,所提出的感受野模型能够获得更加优越的边缘检测性能.     

LD波长漂移检测及窄带滤光片的优化选择

对半导体激光器波长(频率)漂移的检测原理进行了分析，用计算机仿真分析出波长锁定的最佳区域。通过对波长漂移检测灵敏区域的界定和捕捉范围的选择，确定鉴频F—P窄带滤光片的参数，提出波长锁定器光路优化的方法。     

关节点时空信息融合降维的人体动作识别方法

基于二维卷积神经网络(2DCNN)和三维卷积神经网络(3DCNN)的人体动作识别方法都存在运算量较大的问题,提出了关节点时空信息融合降维的人体动作识别方法(Joint-trajectory).首先,采用高分辨率网络(HigherHRnet)提取视频每帧图像中人体各个关节点的空间坐标信息,构建单帧图像中人体关节点空间信息...     

蛋清蛋白Pickering乳液制备及其负载β-胡萝卜素的稳定性

以蛋清蛋白凝胶颗粒为乳化剂制备Pickering乳液,研究油相比例、凝胶颗粒蛋白含量对蛋清蛋白颗粒稳定的Pickering乳液(EWP-PE)的影响,并探究其负载β-胡萝卜素的热稳定性及储藏稳定性的变化。结果表明:1)当蛋清蛋白含量4%,油相体积分数40%时,EWP-PE粒径47.37 μm,Zeta-电位值-30.3 mV,乳析指数14.2%,此时的EWP-PE具有较好的稳定性。2)EWP-PE负载β-胡萝卜素后,其粒径随温度的升高而显著增加(P＜0.05)。在80℃条件下,乳液中β-胡萝卜素保留率达65.8%。储藏15 d后,乳液中β-胡萝卜素的保留率为42.8%,显著高于油相中β-胡萝卜素保留率(27.5%)。结论:负载β-胡萝卜素的EWP-PE具有较好的热稳定性和储藏稳定性。本研究结果为拓宽β-胡萝卜素在食品领域的应用提供了参考数据。     

多缸并行驱动液压系统建模与动态特性分析

为揭示多缸并行驱动液压系统多参数耦合作用规律,采用解析法建立了液压机驱动系统动态数学模型。利用变步长Runge-Kutta法探讨了粘性阻尼系数、油液有效弹性模量、管道内径、运动部件质量以及负载刚度等参数对驱动系统动态特性的影响规律。结果表明：粘性阻尼系数增大或减小运动部件质量使系统瞬态振荡幅度减弱;油液有效弹性模量增大或管道内径减小,系统响应速度加快;随着负载刚度增大,主缸稳定压力值增大,开环系统稳态误差增大。液压机在快降过程中不宜采取主动同步控制方式。液压机空载或工件处于塑性变形阶段应重点关注系统稳定性,而工件处于弹性变形阶段时,则应着重提高系统的跟踪精度。研究结果可为液压机驱动系统设计和参数选择提供理论依据。     

彩色照相材料信道容量的研究

本文从信息论观点出发,将彩色照相材料作为一个客观景物信息的传输通道,其单个空间可分辨面积构成一个独立信道,照相材料是大量独立信道并联组成的扩展信道,并提出了使用复层Shannon熵计算彩色照相材料独立信道容量的方法。作者在PDS显微光密度计——电子计算机系统上发展了全套测试计算程序,并完成了中国1821型彩色红外航空负片的信道容量测试。     

基于改进的多层BLSTM的中文分词和标点预测

目前主流的序列标注问题是基于循环神经网络（RNN）实现的。针对RNN和序列标注问题进行研究,提出了一种改进型的多层双向长短时记忆（BLSTM）网络,该网络每层的BLSTM都有一次信息融合,输出包含更多的上下文信息。另外找到一种基于序列标注的可以并行执行中文分词和标点预测的联合任务方法。在公开的数据集上的实验结果表明,所提出的改进型的多层BLSTM网络模型性能优越,提升了中文分词和标点预测的分类精度;在需要完成中文分词和标点预测两项任务时,联合任务方法能够大幅地降低系统复杂度;新的模型及基于该模型的联合任务方法也可应用到其他序列标注任务中。     

大型模锻液压机极低速运行泄漏补偿

针对等温锻造中模锻液压机低速运行时液压系统泄漏影响模锻液压机稳定性的问题,运用AMESim和MATLAB/Simulink软件建立了考虑系统泄漏模型的模锻液压机极低速驱动液压控制系统的联合仿真模型,并通过实验验证了该仿真平台的有效性与精确性。分析了系统泄漏对低速性能的影响,提出了常规PID泄漏补偿控制方法和基于PID的复合泄漏补偿控制方法,并对两种方法的补偿效果作了比较。仿真结果表明基于PID的复合泄漏补偿控制方法效果更好,超调量降低至3.4%,最大系统稳态误差减小至0.686%。     

照相影像RMS粒度的测试研究

RMS粒度是照相材料成像质量的重要特性。使用显微光密度计-电子计算机系统进行该项测定是目前最为先进的方法。这种方法自动进行数字采样,按编制好的程序计算,具有快速简便的优点。但测试过程中有许多重要环节,如果处理不当,计算出的结果值就完全不能代表样品的粒度水平而只是一个完全错误的结果。本文通过设计的各种实验,研究了仪器系统噪声,样品中宏观密度不均及影像数字化时采样间距对RMS粒度测值的影响。结果表明,必须选取恰当的实验参数和数据处理方法,才能消除上述各种干扰,得到RMS粒度的正确估值,同时,本文还对数字模拟光孔与真实光孔的RMS粒度测值作了比较,得到了有实际应用价值的结果。