柔性体死结打结装置研究进展

柔性体死结打结装置是近年来机械设计和自动化领域的研究热点。针对现有死结打结装置可靠性差、打结成功率低等问题,从死结成结原理和打结技术两个方面综述了死结打结装置的最新研究进展。具体基于绕轴旋转打结法、缠绕打结法、扭转打结法以及D型打结器式这四种死结打结方法,重点对几种典型死结打结装置从工作原理、功能特点等方面进行论述和分析,并总结了死结打结装置在工业生产中的应用现状,为其他研究者在柔性体自动打结设备方面的研发设计、改进以及打结装备的智能化发展提供重要参考依据。

基于Visual C++的单板表面缺陷图像检测软件开发与应用

针对单板中的死节与裂缝缺陷,利用VisualC++2017(VC++)与OpenCV编写缺陷图像检测程序。先将RGB图像进行分数阶主成份(principal component analysis,PCA)转换,再对得到的三通道灰度图像进行Chan-Vese (CV)分割;最后对二值图像面积滤波,根据长宽比检测出死节与裂缝。结果显示:此程序可去除大部分噪声,很好地实现单板表面死节和裂缝缺陷的提取和检测。

基于图像处理的家具表面死节缺陷检测方法研究

针对成品家具中的表面死节缺陷,提出一种基于非负矩阵分解(NMF)与Chan-Vese(CV)的死节缺陷图像检测算法。将RGB彩色图像转换成灰度图像,对灰度图像进行分块,同时将块变换成列向量,所有列向量组成矩阵进行NMF分解,对基向量进行K-均值聚类,得到初始分割子图。最后对灰度图采用CV模型进行精细分割,得到死节缺陷目标。Matlab试验结果表明,提出的算法能降低光照影响,分割效果好,能很好地提取家具表面死节缺陷。

成品家具中的表面死节缺陷图像检测方法

针对成品家具中的表面死节缺陷,提出一种基于局域直方图匹配与水平集的死节缺陷图像检测算法。将RGB彩色图像转换成HSV图像,提取训练样本集,并将样本与分块图像进行直方图匹配,得到匹配相似度灰度图,并用Otsu分割得到初始分割子图。最后对子图采用水平集进行精细分割,得到死节缺陷目标。Matlab试验结果表明,提出的算法能降低光照影响,分割效果好,能很好地提取家具表面死节缺陷。

正本清源，打开历史与美学的僵结——论李建军的《重估俄苏文学》

《重估俄苏文学》对俄苏文学精神、文学理念、文学传统、文学批评以及观念异变与路向转换等俄苏文学的方方面面追本溯源,削株掘根,进行了前所未有的全面重估和深度清理。进而摧陷廓清,揭櫫了其与二十世纪中国文学根牙磐错的复杂关联,是一部打开俄苏文学研究"僵结"的力作,也是一部打开我们这个时代文学困局、提撕文学创作者和研究者视野与水平的巨著。

试解《孔雀东南飞》中一个"死结

《孔雀东南飞》中关于太守向刘家求婚一节,向来是注解中解不开的"死结",本文认为这是由于错简而导致语句失序及存在衍文二个原因所致,因此在删除衍文的基础上,对语句做了合理调整,从而对该节作出了文畅理合的解读。

水曲柳人工林节子愈合与变色特征

节子的变色现象严重影响木材质量,了解节子变色规律及其影响因素是确定合理修枝的重要依据。以黑龙江省孟家岗林场地区49年生的水曲柳(Fraxinus mandshurica)人工林为研究对象,采用节子剖析技术分析自然整枝条件时水曲柳节子愈合时间与变色长度的变化规律。结果表明:水曲柳节子平均愈合时间约为6.7 a,约91.1%节子的愈合时间为3~11 a。水曲柳节子均出现了变色现象,平均变色长度约为30.93 mm,约92.2%节子的变色长度低于60.00 mm,仅有不足3.0%的节子变色长度超过80.00 mm。位于西南方向的节子愈合时间明显长于东北方向的节子(P<0.05),与东南、西北方向的节子愈合时间无显著差异(P>0.05)。位于树干高度10.0 m以下的节子愈合时间与变色长度均随节子着生高度的增加而逐渐增加(P<0.05)。节子愈合时间与变色长度均随着节子直径、死节半径的增加而增加,当节子直径超过15.00 mm,死节半径超过30.00 mm时,节子变色长度均明显增大。节子愈合时间越长,节子变色长度越大。水曲柳节子具有极易变色的特性,在生产上为了降低水曲柳节子变色长度,建议修枝时侧枝直径最好控制在15.00 mm内。

木节对齿板连接板齿承载力的影响

选用北美二级带节SPF规格材和国产齿板,在荷载平行于木纹及齿板主轴(一字型试件)和垂直于木纹但平行于齿板主轴(丁字型试件)两种条件下,测试齿板连接受拉时板齿的承载力,分析木材活节和死节对板齿承载力的影响。研究表明,活节对板齿承载力有提高作用;在无效齿数量比例大于11%时,死节会降低一字型试件的板齿承载力;而无效齿比例超过15%时,死节丁字型试件的板齿承载力亦降低。

基于RCDA的家具表面死节缺陷图像分割

针对木制家具的表面死节缺陷,提出一种基于正则化共面判别分析(RCDA,Regularized Coplanar Discriminant Analysis)与支持向量机(SVM,Support Vector Machine)的死节缺陷图像分割算法。将RGB彩色图像转换成灰度图像,对灰度图像进行分块,同时将块变换成列向量,所有列向量组成矩阵进行RCDA维数约减,对约减后的特征进行SVM训练与测试,得到图像块分类结果。最后将块分类矩阵变形成二值分割图,得到死节缺陷目标。试验结果表明,提出的算法效果好,SD、Dice、ER、NR值分别为80.96%、89.48%、23.33%、0.16%。

基于L1L0层分解模型的家具死节缺陷图像分割

针对成品家具中的表面死节缺陷,提出一种基于L1L0层分解模型与主动轮廓模型的死节缺陷图像分割算法。将RGB彩色图像转换成Lab图像,对Lab各通道灰度图进行L1L0两层分解,得到分解后的低频灰度图与高频系数图;并用主动轮廓模型对各低频灰度图进行分割得到Lab多通道的二值图。最后对多通道的二值图进行比较,选择b通道二值图作为图像最终分割结果,得到死节缺陷目标。试验结果表明,提出的算法能降低复杂背景噪声,分割效果好,能很好地提取家具表面死节缺陷,性能优于传统的Otsu方法。

木地板表面死节缺陷图像检测方法

针对室内装饰实木地板表面死节缺陷,提出一种基于多通道大津法(Otsu)与加权Chan-Vese(CV)模型的实木地板死节缺陷图像检测算法。首先,输入RGB彩色图像并提取R、G、B三颜色通道,分别对三通道进行Otsu阈值分割,将三通道二值图进行或运算,得到初始水平集;然后,将三通道的数据项进行加权,与正则化项一起构成能量泛函,进行曲线演化;最后,采用加权CV模型进行水平集迭代计算,得到木地板死节缺陷。试验结果表明,提出的算法能充分利用各通道的优点,提高分割效果。

基于深度学习的木材死节缺陷图像分割方法

深度学习是当前机器学习的研究热点之一,针对木材表面死节缺陷图像,提出一种基于自动编码器(Autoencoder,AE)与长短期记忆网络(Long Short-Term Memory,LSTM)的深度学习图像分割方法。将RGB彩色图像转换成灰度图像,对灰度图像进行分块,同时将块变换成行向量,所有行向量组成矩阵并采用AE进行深度学习,通过设置多层深度学习结构,实现行向量维数约减。最后采用LSTM对约减后的死节和背景特征进行训练与测试并得到分类结果。试验结果表明,提出的算法的分割效果好,能很好地提取木材表面死节缺陷。

基于和声搜索优化的木材死节缺陷图像分割

针对木材表面死节缺陷,提出一种基于和声搜索优化(HSO,Harmony Search Optimization)的KAPUR死节缺陷图像分割算法。将RGB彩色图像转换成灰度图像,分别对R通道、G通道、B通道灰度图进行处理。将KAPUR中的前景和背景熵之和作为目标函数,将图像直方图内可行搜索空间中的随机样本编码为候选解,候选解通过进化迭代得到最优解,最后通过阈值分割得到目标。试验结果表明,算法能分割出木材表面死节缺陷,SD、Dice指数、ER、NR平均值分别为94.30%、97.07%、6.05%、0.00%。