基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。     

基于自适应结构元网格线交叉点坐标提取算法研究

提出了基于形态学自适应结构元网格线交叉点坐标提取算法。在全局结构元算法基础上,根据校正靶图像中不同位置网格线扭曲变形程度不同建立自适应结构元,并利用自适应结构元构建数学形态学算子对采集的XRII图像进行验证。验证结果表明,本文提出的算法不仅能有效地识别并提取出校正靶图像中网格线交叉点坐标值,而且视觉效果上优于全局结构元提取的结果。     

胆固醇氧化酶高产菌株的诱变选育及产酶条件优化

在对细脚拟青霉、玫烟色拟青霉、粉拟青霉、香菇、平菇、金针菇等胆固醇氧化酶产生菌初筛的基础上,选择以产酶较高的玫烟色拟青霉作为紫外诱变的出发菌株,筛选出一株相对高产突变菌株MFEC006,其酶活达到了0.548 3 U/mL,比出发菌株提高了154%,经8次传代培养,突变株性质稳定.对MFEC006菌株产酶条件进行优化,得出其最佳产酶条件为:pH为6.5.温度27℃,接种量10%,摇床转速180 r/min.     

细脚拟青霉产胞外抗氧化活性成分培养基的优化

采用液体摇瓶培养的方法,以DPPH自由基清除率为指标,对一株细脚拟青霉产胞外抗氧化活性成分培养基进行了优化.确定了其产抗氧化活性物质的最佳培养基.结果表明最佳培养基为:碳源为蔗糖和麦芽糖组成的复合碳源;氮源为酵母浸出粉;微量元素及生长因子为KH2PO4、柠檬酸铵和VB;正交实验结果表明最佳培养基配方为蔗糖2%、麦芽糖1%、酵母浸出粉1.5%、KH2PO4 0.5%、柠檬酸铵0.04%、VB 0.03%.培养基优化后,该菌株发酵液中代谢产物的扰氧化活性可达73.47%.     

博来霉素和内毒素诱导两种品系小鼠肺纤维化模型的比较研究

目的 通过比较博来霉素和内毒素诱导ICR、C57BL/6两个品系小鼠的肺纤维化程度,从而建立合适的小鼠肺纤维化模型。方法 分别将ICR、C57BL/6两个品系小鼠随机分为对照组、博来霉素组、内毒素组。博来霉素组向气管注射博来霉素(5 mg/kg体质量),内毒素组尾静脉注射内毒素(40 EU/kg体质量),对照组气管注射等量生理盐水。两个品系的对照组、博来霉素组、内毒素组分别于造模后第7、14、28天各处死8只,观察小鼠一般情况,测量小鼠肺系数;采用HE染色观察肺组织病理学变化; ELISA法检测肺组织中羟脯氨酸的含量。结果 与对照组相比,两个品系的博来霉素组和内毒素组的肺系数、肺组织羟脯氨酸含量均不同程度增加,有显著性差异(P0. 05)。结论 C57BL/6小鼠对博来霉素和内毒素更敏感。博来霉素、内毒素均能够制备小鼠急性肺损伤肺纤维化模型。     

常数比例投资下正则变化尾且相依索赔的渐近破产概率

研究了更新风险模型中的渐近破产概率,其中允许保险公司将其资产按常数比例投资于满足几何布朗运动的股票市场,其余部分投资于非负利率的债券市场.对此模型假定索赔额满足正则分布且两两拟渐近独立,根据伊藤公式,给出保险公司资产的表达式,并最后给出了有限时间和无限时间的破产概率.当更新过程的特殊情况即复合泊松过程且索赔额独立同分布时,得出最终破产概率简洁的渐近表达式,与文献[Gaier J,Grandits P.Ruin probabilities and investment underinterest force in the presence of regularly varying tails.Scand Actuarial J,2004(4):256-278]中得到结果一样,并给出了模拟的结果.     

基于软件工程与叠层深度学习的工件文本识别算法

目的解决当前图像特征训练不充分,系统软件不规范,导致文本识别不准确的问题。方法分别从系统软件开发和识别算法验证的角度出发,提出基于软件工程与叠层深度学习的工件文本识别算法。首先,根据系统功能需求,进行软件模块化分析,设计出集算法计算、硬件控制、逻辑通信和数据存储于一体的系统架构。然后,基于自适应阈值分割与图像校正,对工件文本图像进行预处理,得到准确的包含文本目标的二值图像区域。最后,利用叠层DAE构成L层深度网络,计算权值矩阵,达到对文本图像轮廓特征深度训练学习的目的。结果利用所提算法获得了复杂干扰条件下的文本识别结果。结论实验测试结果显示:与当前文本识别技术相比,本文算法拥有更高的准确性与现场实用性。     

应用于量子含时波包方法的高精度透明边界条件

本文提出了一种适用于量子含时波包方法的透明边界条件. 该量子含时波包方法结合分离变量表象方法使用的时候,本质上是具有谱收敛性质的. 相对于以往的复数吸收势,该透明边界条件的突出优点是其对于波函数的能谱分布并不敏感. 采用具有共振态的一维势垒散射模型,本文对该方法的特点做了阐述.     

氦气下介质阻挡放电表面电荷分布规律

为探究表面电荷在介质阻挡放电(DBD)放电模式转化中的作用机制,对不同电压参数下的表面电荷分布进行了实验研究。首先,根据Pockels效应搭建了微秒级分辨率的表面电荷测量系统,并使用该系统测量常压氦气环境中平板电极在不同电压参数下的介质表面电荷密度二维分布与放电电流波形,统计表面电荷在各密度区间中的概率分布;然后,根据得到的电流波形、表面电荷密度二维分布与概率分布,对不同电压参数下的放电模式进行了判断;最后,分析不同放电模式的电荷密度二维分布与概率分布,得到外加电压参数变化时介质表面电荷对放电模式转化的作用机制：在下次放电前,介质表面积聚的电荷与气隙中残存的带电粒子会产生反向电场,使得放电更容易在该区域发生,从而促使放电模式从均匀放电向丝状放电演化。实验结果表明：随着电压的增加,表面电荷分布从单个电荷斑逐渐向多个电荷斑转变,放电模式表现为不同形式的丝状放电;随着频率的增大,表面电荷分布由均匀分布转变为电荷斑分布,且电荷斑直径不断增大,电荷总量从0.21 nC增加到0.41 nC。研究结果可为表面电荷对常压介质阻挡放电中放电模式演化的影响机制提供参考。     

Stabilizing photoassociated Cs2 molecules by optimal control

We demonstrate theoretically that photoassociated molecules can be stabilized to deeply bound states. This process is achieved by transferring the population from the outer well to the inner well using the optimal control theory, the Cs 2 molecule is taken as an example. Numerical calculations show that weakly bound molecules formed in the outer well by a pump pulse can be compressed to the inner well via a vibrational level of the ground electronic state as an intermediary by an additionally optimized laser pulse. The positively chirped pulse can enhance the population of the target state. With a transform-limited dump pulse, nearly all the photoassociated molecules in the inner well of the excited electronic state can be transferred to the deeply vibrational level of the ground electronic state.