基于YOLOv5s-SE和通道剪枝的虫咬紫金蝉茶检测方法研究

为了实现复杂自然背景下虫咬紫金蝉茶的快速、准确识别,提出了一种基于YOLOv5s-SE和通道剪枝的虫咬紫金蝉茶检测方法。首先在YOLOv5s的主干网络中添加SE注意力机制以增强模型特征提取的能力,降低复杂背景对茶叶特征提取时的干扰;然后采用通道剪枝算法对模型进行剪枝并进行微调,实现虫咬紫金蝉茶叶片的快速、准确检测。结果表明,修剪后的模型相比原YOLOv5s模型,参数量减少60.1%,帧率提升18.6%,运算量减少29.7%,平均精度均值(mAP)为81.3%。

镍基高温合金多孔质电极电火花加工实验研究

采用一种由紫铜颗粒经高温烧结获得的多孔材料作为工具电极,并施加内冲液,分别在不同的加工方式、峰值电流、冲液流量和脉冲宽度下,对镍基高温合金GH4169进行多孔质电极电火花加工实验研究。结果表明:由于采用了分布式的内冲液,多孔质电极能以不抬刀方式加工,可获得比实体电极更高的材料去除率和更低的工具电极损耗率。但分布式内冲液对极间状态的改善作用受到峰值电流、脉冲宽度所导致的蚀除产物粒径的影响,当蚀除产物粒径过小或过大时,多孔质电极相对于实体电极的优势无法体现。

排湿压力对微波干燥过程的影响

研究了排湿压力对苹果微波干燥过程中干燥速率和干后制品品质的影响,通过分析微波干燥速率曲线,发现排湿压力决定干燥速率的峰值,对干燥时间与能耗的影响较小,而对干后制品品质的影响较大。其中,在70℃、排湿压力34.47 k Pa时,苹果干后制品品质最好,这将为提高苹果干制品品质提供重要参考。

电化学放电线切割电压-电流特性研究

设计并搭建了基于水平走丝方式的电化学放电线切割加工装置,可用于非导电硬脆材料的微细线切割加工,研究了加工过程中的电压电流特性。当电压超过临界值后,电极丝表面会形成不稳定的气层并产生放电现象;随着电压升高,放电状态由火花放电向电弧放电过渡。对石英玻璃的加工实验结果显示,通过增加电压并使放电电压维持在火花区内,能在保证表面质量较好的同时提高加工效率,在电弧区加工可得到更高的材料去除率,但工件表面质量会下降。

电火花加工用多孔质电极内部流场仿真与优化

为获得加工液在多孔质电极中流动的一般性规律,通过建立多孔质电极内部流道模型,采用数值方法对其内部流场进行了模拟仿真,并进行了实验验证.仿真结果与实验结果均显示普通多孔质电极的加工液大部分耗散于不参与加工的区域,加工液的利用率不高;采用裹覆铜箔的电极优化方法后,大幅提高了加工液利用率,但由于电极内部流道复杂狭窄,导致加工液的流动效率较低;进一步采用中空电极的优化方法后,其加工液利用效率不仅达到普通多孔质电极的5倍,也可减小加工液流动时的压力损失,提高加工液流动效率,获得较好的冲液效果.

基于机器视觉的茶叶微波杀青中品质变化与预测研究

茶多酚、氨基酸、含水率是茶叶品质的重要指标,传统检测方法周期长且过程复杂。本研究利用机器视觉对微波杀青过程中茶叶的色泽和纹理特征实时监测,在线检测含水率,同时检测茶多酚和氨基酸含量。结果表明,色泽、纹理特征与含水率、茶多酚、氨基酸含量均呈规律性变化且显著相关。对色泽和纹理特征进行主成分分析,以前3个主成分为输入建立极限学习机(ELM)、遗传神经网络(GA-BP)、卷积神经网络(CNN)模型对品质成分含量进行预测。结果表明,ELM、GA-BP、CNN模型分别适用于含水率、茶多酚含量和氨基酸含量的预测,精度均在0.99以上。研究表明,通过实时监测茶叶的色泽和纹理特征来预测其在杀青过程中含水率、茶多酚和氨基酸含量是可行的。

基于数据融合策略的红茶发酵程度判别

发酵是红茶加工过程中关键的一道工序,对红茶的品质形成有着重要影响。该研究以大叶种英德红茶中的英红九号为研究对象,试验收集了204份不同发酵时间的红茶样品并使用便携式近红外光谱仪和工业相机获取红茶发酵中的信息,基于近红外光谱数据、图像数据和数据融合策略分别建立了红茶发酵程度判别模型。通过分析茶多酚和儿茶素类含量的变化,将红茶的发酵划分为3个阶段,即发酵不足、发酵适度和发酵过度。采用Savitzky-Golay光滑对原始光谱进行预处理,利用竞争自适应重加权采样(Competitive Adaptive Reweighted Sampling,CARS)、连续投影算法(Successive Projections Algorithm,SPA)和主成分分析(Principal Components Analysis,PCA)对近红外光谱变量进行降维处理;相应地,图像进行去阴影后提取了9个颜色特征变量,采用皮尔森(Pearson)相关分析和主成分分析进行特征变量提取。最后采用线性判别分析(Linear Discriminant Analysis,LDA)和支持向量机(Support Vector Machine,SVM)分别建立了基于近红外、图像和两者数据融合的分类模型。结果表明,在建模数据相同的条件下,非线性的支持向量机模型性能优于线性判别分析模型。单一传感器数据建模效果不佳,近红外光谱和图像判别模型的预测集最大准确率仅为83.82%和73.53%。低层次数据融合建模效果较单一传感器数据建模无明显提升,而中层次的数据融合建模效果比单一数据建模均有显著提高,其中SPA提取光谱变量结合Pearson提取图像变量建立的判别模型效果较佳,校正集和预测集准确率分别达到了97.06%和95.59%。研究表明,近红外光谱和视觉结合的中层次融合策略可以作为一种快速判别红茶发酵程度的方法,研究结果为红茶发酵程度构建等级模型与判别奠定了一定的理论基础,为红茶发酵的自动化检测提供了重要依据。