排序方式: 共有39条查询结果,搜索用时 15 毫秒
1.
为了解决饲料生产过程中入仓原料种类采用人工取样感官识别所存在的问题,实现原料种类自动识别,以玉米、麸皮、小麦、豆粕、鱼粉等大宗饲料原料为研究对象,自主设计搭建了多通道入仓原料种类自动识别装置,采集饲料原料图像数据集,并使用数据增强的方法增加样本多样性。基于ResNet18网络模型加入通道注意力机制、增加Dropout函数,并嵌入余弦退火法的Adam优化器,引入迁移学习机制训练模型,构建适用于饲料原料种类识别的CAM-ResNet18网络模型。CAM-ResNet18网络模型的原料种类验证准确率达99.1%,识别时间为2.58ms。与ResNet18、ResNet34、AlexNet、VGG16等网络模型相比,模型验证集准确率分别提升0.6、0.2、3.7、1.1个百分点。针对混淆矩阵结果分析,测试集识别平均准确率达99.4%,具有较高的精确度和召回率。结果表明,构建的CAM-ResNet18网络模型在饲料原料种类识别方面具有较高的识别精度和较快检测速度,自主研发的多通道入仓原料种类自动识别装置具有实际应用价值。 相似文献
2.
本文简要介绍了Pro/E软件的特点和应用,探讨了Pro/E教学中常见的几个问题,如螺纹收尾特征、在曲面上创建拉伸文字及在组件装配和运动仿真中应注意的问题等,为Pro/E的初学者提高绘图质量和绘图效率提供一定的指导。 相似文献
3.
为提高仓内原料储料量测量自动化和智能化水平,设计了一种基于二维激光雷达扫描的储料量测量装置与系统。本系统采用RPLIDAR S1型二维激光雷达扫描获取不同储料量物料的原始点云数据,通过坐标变换、重叠点提取、滤波、分割等方法对原始点云进行预处理,采用贪婪投影三角化算法将预处理后的点云进行三维重建,获得仓内原料的三维模型,结合物料三维模型和物料的容重获得仓内原料的储料量,从而实现储料量的自动测量。以玉米为试验对象,测量小型储料塔内玉米储料量并对玉米不同储料量进行扫描测量,验证模型的准确性,结果显示:测量结果的平均绝对误差为8.05 kg,平均相对误差为1.52%。研究结果表明,基于二维激光雷达扫描的储料量测量方法是可行的,具有较好的稳定性和测量精度,能够满足实际生产需求。 相似文献
4.
为比较不同种类生物质秸秆热解特性的差异,探讨地域对生物质秸秆热解特性的影响,以四川、湖北和云南产区的油菜、小麦、玉米和水稻秸秆为试材,采用SDT-Q600型同步热分析仪,通入高纯氮气后,对样品进行热解与测定(加热速率为20℃/min,终止温度为1 000℃),最终获得不同种类和不同产区生物质秸秆的TG曲线和DTG曲线,并对各曲线进行比较与分析。结果表明:4种生物质秸秆热解过程呈现相似的变化规律,但由于样品种类的组分不同,样品呈现出失重程度和失重速率上的差异;地域对同种生物质秸秆的失重程度有影响,对失重速率影响不明显。采用Coats-Redfern法,对不同种类和产区的生物质秸秆热解过程进行动力学计算,得出表观活化能和频率因子动力学参数。结果显示,在主要失重阶段生物质秸秆活化能为89~144kJ/mol。 相似文献
6.
7.
8.
9.
小麦秸秆剪切力学性能的测试 总被引:4,自引:0,他引:4
为分析小麦茎秆在剪切过程中力的变化规律,以及不同加载速率对剪切强度和剪切功的影响,选择成熟期自然状态下风干的宜宾1号、矮抗58、周麦22和豫麦7号4个品种小麦茎秆的第2~4节间为研究对象,采用美国FTC公司生产的TMS-PRO型质构仪在茎秆节间中心进行横纹剪切试验,测定不同加载速率下不同品种不同节间的最大剪切力、剪切强度以及剪切功。结果表明:小麦茎秆在剪切过程中力的变化规律是先上升再减小,然后上升直至切断最后卸载的变化过程,4个品种小麦茎秆不同节间的硬度为37.3~191.0N,剪切强度为4.2~9.8MPa,剪切功为43.53~432.23mJ;同一小麦品种不同节间的剪切强度和剪切功均为第2节间最大,第3节间次之,第4节间最小。运用SPSS软件对不同加载速率对剪切强度和剪切功进行显著性检验,分析结果表明不同加载速率对剪切强度和剪切功均无显著影响。 相似文献
10.
粉碎机筛网破损线阵扫描自动识别系统的设计与实现 总被引:1,自引:0,他引:1
根据粉碎物料颗粒特征,构建一种基于线阵光学图像采集技术与皮带同步传送技术相结合的动态扫描检测装置和基于虚拟仪器开发平台LabVIEW的粉碎机筛网破损识别系统。以玉米和小麦2种谷物原料为试验样本,在筛网孔径分别为2、4、6mm条件下,以颗粒平均面积为判别指标,粉碎玉米和小麦的筛网破损平均识别率分别为91.25%、82.50%、96.25%和93.75%、86.25%、78.75%;以颗粒面积变异系数为判别指标,粉碎玉米和小麦的筛网破损平均识别率分别为93.75%、98.75%、97.50%和93.75%、87.50%、96.25%。结果表明,以面积变异系数作为判定筛网破损的判别指标的识别效果优于平均面积的识别效果,所构建的自动识别系统可以实现对粉碎机破损筛网的实时自动识别。 相似文献