浅析借新还旧

目前 ,因借新还旧引起的借贷合同纠纷日益增多 ,并且涉案范围广、标的大。但是 ,由于现行金融立法、担保立法的不完善性和滞后性 ,对借新还旧的有关问题缺乏规定 ,导致在司法实践中 ,对借新还旧有关问题的处理存在较大分歧。因此 ,本文拟对借新还旧的认定、法律效力及其借新还旧中保证人的责任承担等有关问题作一分析。     

浅谈辩诉交易制度

辩诉交易制度在西方司法过程中起着重要的作用 ,2 0 0 2年 4月我国出现了辩诉交易第一案 ,学术界对此展开了激烈的讨论。本文介绍了辩诉交易的基本概念 ,优点和弊端 ,从其确立条件和我国司法现实情况的角度分析 ,对能否引进辩诉交易制度进行了探讨     

基于改进ResNet50模型的大宗淡水鱼种类识别方法

针对传统鱼类识别方法存在特征提取复杂、算法可移植性差等不足,该研究提出了一种基于改进ResNet50模型的淡水鱼种类识别方法。研究以鳙鱼、鳊鱼、鲤鱼、鲫鱼、草鱼、白鲢6种大宗淡水鱼为对象,通过搭建淡水鱼图像采集系统获取具有单一背景的淡水鱼图像,同时通过互联网搜索具有干扰背景的淡水鱼图像,共同构建淡水鱼图像数据集;再对淡水鱼图像进行预处理,以增加样本多样性;构建改进ResNet50模型,增加全连接层Fc1以及Dropout,引入迁移学习机制训练模型,同时选择CELU作为激活函数提高神经网络表达能力,通过Adam优化算法更新梯度,并嵌入余弦退火方法衰减学习率。为验证改进ResNet50模型的准确率等性能,对6种淡水鱼进行种类识别,结果表明：在单次验证方法下,选用包含单一背景图像和干扰背景图像构成的淡水鱼图像数据集训练模型,识别准确率为96.94%,比经典模型提高1.22%,单张淡水鱼图像样本的平均检测时间为0.234 5 s;在四折交叉验证下,选用具有单一背景的图像数据集,模型的识别准确率为100%,选用包含单一背景图像和干扰背景图像的淡水鱼图像数据集,模型的识别准确率为96.20%,说明模型具有较好的泛化性能和鲁棒性。针对混淆矩阵的可视化结果表明：改进的ResNet50模型具有通用的结构和训练方式,对不同背景下的淡水鱼进行种类识别具有较高的准确率,可为淡水鱼种类识别提供技术借鉴。     

基于机器视觉的鲐鱼鱼体定向排列输送装置设计与试验

针对传统鱼体头尾及腹背定向输送由人工操作完成,劳动强度大、生产效率低等问题,该研究探索了利用机器视觉技术结合输送装置实现鱼体头尾及腹背定向排列输送的方法。该研究以鲐鱼(Scomber japonicus)为研究对象,在对鱼体形态特征及物理特性检测的基础上,设计了鱼体提升装置、鱼体分离输送装置、鱼体头尾及腹背定向输送装置、鱼体返回输送装置、定向控制系统等部件组成鲐鱼鱼体定向排列输送装置;构建YOLOv5s目标检测模型对鲐鱼的头尾朝向和腹背朝向进行识别,并根据识别结果控制鱼体定向排列输送完成鲐鱼的头尾和腹背定向作业,检测模型在测试集上的精确率为99.76%,召回率为99.59%,平均检测精度值为99.5%;试制了鱼体定向排列输送装置样机,以单条鱼体提升成功率为评价指标,对不同输送速度下鱼体提升装置的输送效果进行试验;同时以鱼体的头尾定向成功率和腹背定向成功率作为评价指标,以鱼体提升装置输送速度、鱼体分离输送装置输送速度、鱼体头尾及腹背定向输送装置输送速度为试验因素,对鱼体定向排列输送装置的定向输送效果进行试验。试验结果表明：鱼体提升装置在不同输送速度下,都能有效实现鱼体单条分离并向上提升,且不存在鱼体重叠向上输送的情况;当鱼体提升装置输送速度为0.05 m/s、鱼体分离输送装置输送速度为0.45 m/s、鱼体头尾及腹背定向输送装置输送速度为0.60 m/s时,鲐鱼鱼体的头尾定向成功率平均为97.2%,腹背定向成功率平均为95.6%,鱼体定向输送速度可达15条/min。研究结果可为其他淡水鱼鱼体定向排列输送装置的研制提供参考。     

基于机器视觉的鲢鱼头加工装置设计及试验

针对目前国内淡水鱼鱼头加工装备缺乏、鱼头加工机械化程度低等问题，以鲢（Hypophthalmichthys molitrix）为研究对象，设计了基于机器视觉的鲢鱼头加工装置。鲢鱼头加工装置由鱼体输送装置、鱼体图像采集装置、鱼体翻转部件、立式夹持输送带、鱼头切割部件、鱼头剖切部件和装置控制系统等部分组成。鱼体图像采集装置获取输送装置上的鱼体图像，计算鱼头切割路径；鲢鱼体经鱼体翻转部件进入立式夹持输送带，在立式夹持输送带作用下向前移动；当鱼体到达鱼头切割位置，立式夹持输送带调整鱼体位置后停止，鱼头切割部件按照鱼头切割路径对鱼体进行切割后复位，立式夹持输送带带动鱼头继续前进；切割后的鱼头经过鱼头剖切部件将鱼头对半剖切。样机性能试验结果显示，鲢鱼头切割后，鱼体吻端分别至上切割点和下切割点的实际水平距离与预测水平距离的线性拟合的决定系数分别为0.911和0.985，均方根误差分别为6.31、2.61 mm；鱼头切割路径检测时间为（0.055±0.009） s，鱼头加工时间为（13.28±0.35） s，鱼头的外观评分为0.88±0.02，满足鲢鱼头加工的生产要求。