排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
2.
提出混合多准则群决策法评价制造商绿色供应链管理能力.首先,运用AHP法构建含6个准则17个指标的绿色供应链管理能力指标体系;然后,综合调研信息和专家评价数据形成混合决策矩阵、综合Theil不均衡指数和改进的灰关联偏离分析确定混合指标权重、综合专家指标熟悉度和专家参评对象熟悉度确定混合专家权重;再次,将所提决策法用于汽车制造商的绿色供应链管理能力评估;最后,将所提方法与VIKOR和TOPSIS法作对比分析.研究结果表明:1)中国汽车业整体供应链绿色化水平还有较大提升空间,国有车企的绿色化意识和水平相对较高,民营车企需迎头赶上;2)构建的绿色供应链管理能力多准则多指标体系能够反映制造商的绿色供应链管理能力;3)混合多准则群决策法弱化了主观随意性和客观刚性,与VIKOR和TOPSIS法异曲同工,为绿色供应链管理能力评估提供了又一贴近实际、科学可行的评价方法. 相似文献
3.
4.
5.
The deviation caused by acousto-optic tunable filter(AOTF) diffraction in multispectral imaging is analyzed through derivation calculus of the deviation angle.The rotatory polarization of acousto-optic crystal is taken into account in this analysis.The relationships between the polar angle of the incident and the diffracted beams are acquired by using the momentum-matching condition.During the diffraction of the incident beams,far more deviations are induced. 相似文献
6.
目标果实的精准识别是实现果园测产和机器自动采摘的基本保障。然而受复杂的非结构化果园环境、绿色苹果与枝叶背景颜色接近等因素的影响,制约着可见光谱范围下目标果实的检测精度,给机器视觉识别带来极大挑战。针对复杂果园环境下的不同光照环境和果实姿态,提出一种优化的一阶全卷积(FCOS)神经网络绿色苹果识别模型。首先,新模型在FCOS的基础上融合了卷积神经网络(CNN)的特征提取能力,消除了对锚框的依赖,以单阶段、全卷积、无锚框的方式预测果实置信度与边框偏移,在保证检测精度的前提下提升了模型的识别速度;其次,增加了自底向上的特征融合架构,为模型提供了更加准确的定位信息,进一步优化绿色苹果的检测效果;最后根据FCOS末端三个输出分支设计整体损失函数,完成模型训练。为尽可能模拟真实果园环境,分别采集不同光照环境、光照角度、遮挡类型、摄像距离的绿色苹果图像,制作数据集并用以模型训练。挑选最优训练模型在包含不同场景的验证集上进行评估,结果为:在检测效果方面,平均精度为85.6%,与目前最先进的检测模型Faster R-CNN,SSD,RetinaNet,FSAF相比,分别高出0.9,10.5,2.5,1.9个百分点;在模型设计方面,FCOS的模型参数量与整个检测流程所需的计算量分别为32.0 M和47.5 GFLOPs (10亿次浮点运算),与Faster R-CNN相比,分别降低了9.5 M和12.5 GFLOPs。对比表明,在可见光谱范围下,对复杂果园环境中绿色苹果,提出的新模型具有更高的检测精度和识别效率,为苹果果园测产和自动化采摘提供理论和技术支撑;也可为其他果蔬的球形绿色目标果实识别提供借鉴。 相似文献
7.
8.
本文报道利用XeCl准分子激光(308.1nm)横向泵浦硫双原子分子激光器,在近紫外谱区(330.9~390.0nm)的六条谱带上获得激光振荡。计算并测量了S2分子的吸收系数及小信号增益系数,从而确定了最佳泵浦波长。 相似文献
9.
10.