地基处理中素砼桩的应用及对检测结果的判定与处理

素混凝土桩施工方便、工期短、造价低、对地基承载力有明显的提高、地基变形小,同时对环境的影响较小,被广泛使用.本文结合现行规范,对其应用范围进行梳理,对其检测结果的判定与处理提出可行的方案,对设计中应注意或交代的问题进行总结,可为同类工程的设计提供借鉴.

基于图像处理的球笼防尘罩缺陷检测方法

针对球笼防尘罩的小口内部毛刺缺陷人工质检效率低的问题,提出了一种基于图像处理的实时缺陷检测方法来使质检过程自动化,从而提高生产效率。首先,通过一系列无参数化的图像预处理方法使原始图像满足边缘提取的条件。接着,使用启发式的边缘搜索算法得到小口内部边缘坐标。之后通过最小二乘算法拟合出椭圆参数方程,从而计算得到相似点坐标。最后通过图像边缘与拟合椭圆的相似度来判定物料是否存在小口内部毛刺缺陷。最终实验结果表明,该算法在实际采集的测试数据集中的检测准确率为100%,并且完全可以实现对小口内部毛刺缺陷的实时检测。

生长激素预处理在胚胎植入前染色体非整倍体检测中的应用研究

目的研究生长激素(GH)预处理对整倍体的改善及妊娠结局的影响。方法前瞻性分析行胚胎植入前染色体非整倍体检测(PGT-A)助孕的134例患者,其中30例行自身对照,104例行组间对照。根据是否添加GH分为GH预处理组和GH非预处理组,GH预处理为促性腺激素(Gn)启动前行4~6周的GH 2 U/d皮下注射,Gn启动日剂量加倍直至扳机日,GH非预处理为未用过GH处理。前次PGT-A周期失败后一年内再次行PGT-A时予GH预处理构成自身对照组。组间对照和自身对照分别比较各组间的基本情况、囊胚情况及助孕结局。结果无论组间对照还是自身对照,GH预处理后的HCG日子宫内膜厚度、卵巢敏感指数(OSI)、获卵数、MII卵数、2PN数、2PN受精率、可利用卵母细胞率、活检囊胚数、整倍体囊胚数、整倍体囊胚率、至少一个整倍体率均明显增加,差异均有统计学意义(P<0.05),GH预处理后的Gn总量、Gn天数、嵌合体囊胚数、嵌合体囊胚率无明显变化,差异均无统计学意义,GH预处理后的种植率、临床妊娠率均有提高,但差异均无统计学意义。结论GH预处理可以明显增加行PGT-A患者的整倍体数和整倍体率,并有改善妊娠结局的趋势。

研究生专业技术课程科教融合的创新实践探索--以微弱信号检测与处理课程为例

研究生教育是我国高等教育体系的重要组成部分,肩负着培养具备创新能力的科技领域人才的神圣使命。在新工科背景下,如何实现课堂教学与科学研究融合、达到学术素养和工程能力共同提升的培养目标,已成为高校教育教学改革面临的新课题。该文选取北京航空航天大学仪器科学与技术和光学工程两个一级学科开设的专业技术课微弱信号检测与处理,阐述在研究生专业技术课程教学中,通过融入本学科在国内具有影响力和技术优势的光纤陀螺、光纤电流互感器、空芯光纤微弱散射光检测三个典型科研实例,进行科教融合、提高教学质量的创新实践探索。

基于图像处理的电路板缺陷检测系统设计

针对传统电路板缺陷检测多为人工检测、速度较慢且成本较高的问题,本文研究设计了一款以图像处理为基础、利用现场可编程门阵列(FPGA)实现对电路板缺陷准确、高速的检测系统。在传统图像增强算法的基础上提出一种针对不同图像信息采用不同感兴趣区间的方法,增强效果显著;为减少电路板上标识字样对匹配算法计算速度的影响,提出一种去除丝印算法,将电路板上多余的标识字样取消,减少图像匹配的计算量,加快检测的速度;在传统绝对误差和算法(SAD)模板匹配算法的基础上采用去平均值法计算图像信息,减小光照变化带来的影响;将传统2算子Sobel边缘检测扩展到8算子边缘检测,边缘信息更加明显清晰。采用FPGA作为硬件平台,在Vivado开发环境下实现Verilog HDL硬件逻辑语言,下载到FPGA中实现。实验结果表明,系统的平均检测精度为98.53%,检测单张电路板的时间为8.204 s。本系统设计在检测精度和速度上都有明显提升,且造价成本低。

基于图像处理的羽毛球发球高度检测技术

世界羽联发布最新规定,要求发球时击球点的高度不能超过1.15m。目前,并没有能够准确地测量出发球时击球点的高度的有关装置,是否违规只能由裁判目测后判定,具有较大主观性。图像处理技术具有原理简单、实现成本较低、与被测物体不接触、采集信息的方式是非侵犯性等优点。因此,提出了一种基于图像处理的羽毛球发球高度检测的技术。首先采集运动员发球时的视频数据,为了得到视频中羽毛球的位置,采用了二值化、形态学滤波、特征检测等多种图像处理技术。得到羽毛球位置后,通过叠加帧得到羽毛球的运动轨迹,轨迹斜率的突变点即为击球点,最后通过搜索图像中地面的位置进行转换来得到击球点的实际高度。为了验证提出的检测方法的有效性,采用实际击球实验多次进行验证。结果表明,该技术具有良好的检测效果,误差较小,能够满足击球点检测的基本需求。

污水处理厂中典型肠道病毒的分布与检测方法及其风险评估

新冠肺炎威胁了全球经济和公众健康,其在粪便和污水中的检出表明了存在粪口传播的可能性。污水在城市污水处理系统中来源广泛,是水传播病毒的重要途径。为进一步开展污水处理设施中病毒的相关研究工作,文中分析了污水处理系统中典型肠道病毒的定量分布现状,总结了污水处理流程中病毒的灭活机制,并对国内外污水处理厂的肠道病毒研究进展进行归纳。此外,梳理了污水处理厂样本中典型肠道病毒的浓缩及检测方法,最后结合定量微生物风险评价(quantitative microbial risk assessment,QMRA)分析方法,讨论了病毒的浓度、感染概率及其潜在的健康风险。研究对国内病毒排放标准和风险评价体系的建立进行了探讨,为实现污水处理厂肠道病毒全过程风险管理和后续处理处置相关规范的制定提供参考和理论支撑。

基于图像处理的复杂场景火焰识别与火灾判定方法

为了提高复杂场景及不同火灾场景火焰识别的准确性,提出一种基于图像处理的复杂场景火焰识别与火灾判定方法。结合应用高斯低通滤波、基于HSI的分块同态滤波增强与基于Lab的K-means彩色图像分割算法实现火焰识别,并通过计算评估火焰的面积变化率和质心分散来判定是否发生火灾。结果表明,高斯低通滤波避免了“振铃”现象的产生,且峰值信噪比(PSNR)较巴特沃兹和理想低通滤波方法更高;基于HSI的分块同态滤波增强算法抑制了背景光亮度的影响,并与对比度受限的自适应直方图均衡化(CLAHE)和色彩恢复的多尺度视网膜(MSRCR)算法比较,达到了更高的对比度;基于Lab的K-means分割算法降低了光线及设备对分割结果的影响,与Otsu和区域生长方法相比,能够更准确提取不同场景火灾图像的火焰。通过对30张不同场景的火灾图像进行火焰识别测试,其平均识别准确率达96.66%,处理1张图像用时0.96 s。最后,以某餐厅和室内蔓延火灾火焰及蜡烛稳定燃烧火焰为例,判定当火焰面积变化率不低于0.22且质心分散不低于17.02时发生火灾,应及时触发火灾报警器,降低火灾事故的损失。

基于图像处理的微通道流道板表面缺陷检测方法研究

针对工业自动化生产中微通道流道板复杂结构表面缺陷自动检测的需求,提出了一种基于图像处理的流道板表面缺陷检测方法。该方法针对流道板CV孔和膨胀阀孔中常见的凹坑缺陷和破损缺陷,首先通过霍夫圆检测提取ROI区域剔除背景区域干扰,利用高斯滤波对ROI图像进行滤波处理,并使用二值化和形态学腐蚀运算对干扰噪点进行过滤从而凸显缺陷特征,之后使用Two-Pass算法和种子填充法计算连通域实现凹坑缺陷的检测;使用圆查找找到孔端面内外圆进行圆环展开并采用Canny边缘检测算子查找缺陷轮廓,筛选轮廓面积实现破损缺陷的检测。通过对比实验,验证了本文方法相较于传统表面缺陷检测方法,在流道板缺陷样本的检测中有更高的检出率。本文方法经验证,对流道板表面缺陷检出率稳定在92%以上,且算法处理速度快、鲁棒性强,实现了快速、非接触式的高精度检测,满足了工业自动化需求。

发酵食品中生物胺前处理和检测方法的研究进展

生物胺(BA)广泛存在于发酵食品中,过量摄入生物胺会危害人体健康。本文主要综述了近年来新型的几种前处理技术:分散液液微萃取、中空纤维液相微萃取、基质固相分散萃取、分子印记法、QuEChERS法、电膜萃取、超声波辅助提取法以及发酵食品中生物胺的主要检测方法的研究进展,包括超高效液相色谱-质谱法、高效液相色谱法、薄层色谱法。

基于图像处理的成熟草莓检测技术研究

针对目前成熟草莓的检测效率低及易增加草莓损坏率的问题,基于图像处理对成熟草莓检测技术进行了研究。草莓视觉检测系统的硬件组成主要包括CCD摄像头、图像采集卡、计算机主机、光源、继电器和运动控制设备,采用图像处理算法和BP神经网络算法对草莓成熟度进行检测。工作时,通过摄像头拍摄图片,并对草莓图片进行预处理、分割和滤波等处理和分析;然后,采用BP神经网络算法识别出不同成熟度的草莓。为了验证该系统的性能,采用确定成熟度的草莓对系统进行训练和测试,结果表明系统可以准确识别草莓的成熟度。

基于图像处理的钢材表面缺陷检测方法

由于钢材生产过程中因环境光的存在、光源照明不均匀等外界环境的干扰,采集到的图像容易产生光照不均匀、缺陷特征不明显以及噪声大等问题,故提出了一种基于图像处理的钢材表面缺陷检测方法。采用CLAHE算法突出缺陷特征以及双边滤波算法去除噪声;采用改进的Bottom-hat算法,增强缺陷特征与背景的对比度;采用基于LBP与支持向量机SVM相结合的方法进行钢材表面缺陷检测。结果表明,此方法对钢材表面缺陷测试集检测的准确率为81.67%,与改进之前相比提高了9.67%,能够对钢材表面缺陷进行有效检测。

YOLO目标检测后处理算法的优化和硬件加速

YOLO目标检测网络系列因具有高精度低延时的特点而得到广泛运用,但如何加速其后处理仍未得到充分研究。利用YOLO计算特点,优化了后处理算法:(1)融合detect层和后处理计算过程,通过将置信度阈值判断移至detect层计算前,避免无效计算和通信;(2)结合模型量化,实现基于脉动阵列的后处理硬件加速。实验表明:YOLOv3、YOLOv5的detect层卷积计算量减少了87.3%~99.9%;加速硬件设计在Virtex Ultrascale+VCU112上实现,100 MHz时钟频率下,YOLOv3的detect层与后处理计算相较优化前加速比达到7.2~9.3,在3000选框中筛选5个最佳选框条件下延时1736μs。相比现有工作,本文的detect层与后处理计算速度提升了4.7~5.0倍,后处理所需FF资源仅为9.9%~10.5%。较后处理优化前,稀疏化的YOLOv3网络整体推理速度提升1.2%~1.3%。

基于图像处理和机器学习的PE管道缺陷检测

对于聚乙烯(PE)管道,在运行中经常有不同程度的泄漏等异常,通过对管道中不同异常的实验模拟,收集数据并手动标记相应的数据集。为了提高管道缺陷图像的质量,首先采用加权平均法对图像进行灰度处理;然后,利用伽马变换改进管道背景与缺陷的对比度;最后,使用双重过滤来降低图像中的噪声。为了降低数据的复杂度,提高模型训练速度,采用改进的Sobel算法对管道缺陷图像进行边缘检测,采用自适应阈值分割算法分割缺陷图像的边缘,生成二值图像,用二值图像训练模型,减少了模型对颜色特征的依赖,加快了模型的收敛速度。为了提高管道缺陷检测的精度,引入CA注意力机制,提高目标检测特征提取能力。改进的YOLOv5模型的mAP和召回率分别为97.18%和98.03%。与原算法相比,mAP增加了1.33%,召回率增加了3.83%。

水体微塑料检测与处理方法综述

近年来,微塑料(MPs)逐渐进入人们的视野,成为重要的水体污染物,对生物和生态环境产生了潜在的不利影响。其自然降解效果不明显,而传统的水处理工艺又无法对其完全去除。微塑料作为水环境污染的新兴问题,已引起全球范围内的广泛关注。文章重点介绍了微塑料的种类、来源及危害。结合相关前沿研究,系统地介绍了水体中微塑料的检测方法和处理技术。强调了该领域的新趋势和未来的研究方向,并对水处理技术应用提出建议。

某地下室开裂事故检测鉴定及处理

某新建别墅地下室出现开裂事故,现场对地下室损坏、变形情况进行检测及测量,分析该地下室裂缝和变形的分布规律。根据现场测量数据和检测结果,对地下室的荷载以及沉降变形情况进行验算,进而确定地下室开裂的主要原因,并基于此提出该工程后期加固处理建议及其注意事项,以期为类似工程设计和施工提供参考。

基于杂波边缘检测的精细化雷达杂波图处理方法

针对雷达阵地复杂杂波环境下的虚假点迹抑制问题,文章提出一种自适应杂波图处理架构,通过实时测量阵地周围每圈杂波回波幅度,通过对比度增强、边缘检测与平滑等方法提取杂波环境边缘轮廓并对杂波区域进行分区(杂波区、边缘区、噪声区)。进而,基于杂波环境分区结果,对杂波图单元大小、背景迭代因子、背景扩展开关等杂波图参数进行杂波图策略自动选择与参数精细化设置。实验表明,相对常规参数固化单一的杂波图方法,该方法对杂波虚假点迹抑制率提升约30%。

螺纹表面处理检测参数研究与应用

螺纹连接是实现零部件组装的主要方法,螺纹连接简单,拆卸方便,已被广泛应用于航空航天、石油化工、5G通信、新能源汽车、兵器和模具等行业。随着科学技术的不断发展,对螺纹连接的要求也日益提高,因而螺纹加工过程中进行监测是质量保证的重要手段。应用螺纹连接的装备产品为保证其长贮要求,会对带有螺纹的零部件进行表面处理,表面处理后螺纹尺寸发生变化,为使用专用螺纹量具完成螺纹加工各阶段的检测。因此,需要进行表面处理前、后螺纹检测参数的研究与应用,以控制表面处理前、后螺纹的加工质量,正确地检测表面处理前、后螺纹尺寸是否合格。

基于Faster R-CNN图像处理的变电站异常设备红外检测方法

针对智能变电站内一次设备红外监测图像分析与处理智能化较低的问题,提出了一种基于Faster R-CNN的变电站异常设备红外检测图谱分析方法,并实现了变电站故障设备的智能识别和原因分析。将远程终端单元所采集到的红外图像进行预处理,并对图中的变电站设备进行识别;采用大津算法结合图像灰度值的特殊性对图像进行分割与图像配准;Faster R-CNN则用于对比判断设备是否处于故障状态并分析原因。实验测试结果表明,所提方法对于多种故障设备的识别准确率均在90%以上,具有较优的鲁棒性。

基于数字图像处理的醋酸纤维丝束在线厚度检测

针对醋酸纤维丝束厚度检测缺乏成熟的非接触式检测方案的现状,基于丝束厚度与本身均匀性以及所受拉力有关,不同厚度的丝束区域透光性不同,呈现在图像中的灰度不同的原理,提出基于数字图像处理的丝束在线厚度检测方法。首先采用图像滤波去除噪声;接着通过Otsu阈值分割实现目标和背景的精确分离;随后进行连通区域划分,不同区域分别提取灰度信息,并结合光学领域知识,构建在线厚度检测模型,实现了对丝束厚度的准确检测。实验结果表明:该方法实现了对丝束区域的划分和对丝束厚度的计算,其厚度计算值与实际测量值的偏差不超过8.00%,满足实际检测需求。