图样画法中向视图的相关问题及思考

本文从向视图的定义以及投影的表示法两个方面阐述了作者对向视图的理解,对相关著作有关向视图部分提出了商榷,对GB/T17451-1998第6.2款向视图的内容提出了试加补充建议。     

大豆智能辅助系统模拟对话栏中的动态多视

在大豆施肥智能辅助系统框架设计中,需要主辅视图同步显示,主视图负责修改控制参数．辅助视图负责同步显示修改结果。为此,笔者模拟MFC对话栏建立了自定义对话栏控件并实现了在该控件中动态装载视图的技术。同时。详细讨论了如何实现用扩展的MFC标签栏作为容器,动态地装载、管理和安全移除视图的整套方法,以及成对视图标题同步、切换同步等方面的问题。结果表明。其比默认的MFC窗口拆分策略更为灵活和强大。可以为MFC下类似用户界面的开发提供参考。     

机械零件几种常用表达方法异同点的探究

学习掌握图样的各种表达方法是正确绘制和阅读机械图样的最基本条件,依据零件的复杂程度不同,可用视图、剖视图、断面图以及其他表达方法清晰地展示零件的内、外结构。在运用这些方法表达零件时,应该以方便看图为基本原则,根据零件的结构特点和形状特征,采用恰当的表达方式。基于此,笔者根据多年机械制图教学经验,分析了基本视图与向视图等几种图样表达方法的异同点。教学实践表明,让学生真正理解视图、剖视图和断面图等概念,掌握零件的各种表达方式,可以帮助其牢固掌握制图要点,提高制图教学效果。     

浅析图样画法及运用

图样是现代工业生产中最基本的技术文件，绘制和识读机械图样是每个工程技术人员乃至机械工人必备的基础知识，而准确抉速地给制和识读机械图样必须建立在正确理解和深刻认识国标（机械制图）基本规定的基础上。为了更好地宣传贯彻和实施国家标准（机械制图）的有关规定，现结合在宣贯标准过程中的体验，谈一谈对国标（机械制图）图样画法的几点认识。一、基本视圈的标注：基本视图学习的难点是：基本视图不按规定位置（GB4458．1-84图2）配置时的标注。即在视图的立方标出视图的名称”X向”在相应的视图附近用箭头指明投影方向，并注上同…     

产品多学科协同设计中基于语义推理的动态协调方法

一致性维护和协调是协同设计中的关键问题,针对产品多学科协同设计的多视图性和动态性的特点,引入了一种动态协调原理和方法,其主要思想是当某学科设计者在协同设计过程中根据需求在其学科视图模型中动态增删组件后,通过基于组件功能语义的推理机制,其他学科自动响应,进行各自学科视图模型的更新操作,从而实现多学科视图模型间的动态协调.采用JSP+ JavaBean+ Drools+ Ajax及相关技术开发了一个原型系统,并以减速器设计为例进行了分析与说明.     

计算机三维实体造型在工程设计中的应用

计算机绘图技术的发展和计算机性能的不断提高，引发了工程设计的新理念，三维实体造型设计也应运而生，并以其无可比拟的优越性显示出强大的生命力。AutoCAD、Pro／E和3DMAX等绘图软件不仅可以较方便地绘制二维视图，还可以形象逼真地绘制_三维视图。利用这些软件的强大功能，对图形进行适时修改、动画控制和模拟生产过程，使计算机三维实体绘图成为越来越方便的方法。为此，论述了三维实体建模的优点．介绍了三维实体建模的思路和特点．以及采用三维实体建模对传统设计方法的影响。     

PowerPoint使用技巧

1如何制作摘要幻灯片在创建幻灯片时,经常需要制作一张包含其他幻灯片标题的摘要幻灯片,使得听众对演讲有一个总体的印象。一般在"幻灯片浏览"视图中,单击"摘要幻灯片"按钮,即可自动创建PowerPoint摘要幻灯片。以PowerPoint 2003为例(下同),操作步骤如下:(1)执行菜单栏中的"视图"、"幻灯片浏览"命令,     

箱体零件结构设计分析与设计技巧

每一部机器都少不了箱体零件,怎样来设计箱体零件结构才能既满足机器的装配实用性要求,又便于制造,降低生产成本?这篇文稿以实例的形式,用三维绘图软件绘出箱体设计的三维视图,直观、形象地对箱体零件结构进行分析与正误对比,能迅速有效地提高箱体设计人员的箱体结构设计技能。     

试验室内发动机燃油消耗的精确测量

分析了油耗仪的工作原理,安装情况和试验室工作条件等几个方面对发动机试验室内的燃油消耗测量准确性的影响,并为如何精确地测量发动机的燃油消耗提出了具体的建议。     

基于设计模板的小型农业作业机快速设计

利用设计模板是提高设计效率的有效方法。为此,研究了设计模板的多视图结构特点,以及不同视图之间的相互关系,从而将设计模板应用于产品设计。以产品模型作为信息载体,通过规则推理对约束规则进行匹配,在设计模板的基础上提出了小型农业作业机产品的快速配置流程,通过设计平台实现了产品的快速设计。     

农业机器人路径规划与实时定位系统——基于数据挖掘技术

首先介绍了数据挖掘技术的特点和优势,然后采用可视图建模方法建立了农业机器人作业环境模型,最后利用粒子滤波器算法实现了一套基于数据挖掘的农业机器人路径规划与实时定位系统。实验结果表明:农业机器人成功避开所有的障碍物,顺利地从起点到达了终点。从其移动路径和拐点来看,该系统优化效果明显,具有很强的避障、路径规划和定位能力。     

基于YOLO v8n-seg-FCA-BiFPN的奶牛身体分割方法

奶牛身体部位的精准分割广泛应用于奶牛体况评分、姿态检测、行为分析及体尺测量等领域。受奶牛表面污渍和遮挡等因素的影响,现有奶牛部位精准分割方法实用性较差。本研究在YOLO v8n-seg模型的基础上,加入多尺度融合模块与双向跨尺度加权特征金字塔结构,提出了YOLO v8n-seg-FCA-BiFPN奶牛身体部位分割模型。其中,多尺度融合模块使模型更好地提取小目标几何特征信息,双向跨尺度加权特征金字塔结构实现了更高层次的特征融合。首先在奶牛运动通道处采集奶牛侧面图像作为数据集,为保证数据集质量,采用结构相似性算法剔除相似图像,共得到1452幅图像。然后对目标奶牛的前肢、后肢、乳房、尾部、腹部、头部、颈部和躯干8个部位进行标注并输入模型训练。测试结果表明,模型精确率为96.6%,召回率为94.6%,平均精度均值为97.1%,参数量为3.3×106,检测速度为6.2f/s。各部位精确率在90.3%~98.2%之间,平均精度均值为96.3%。与原始YOLO v8n-seg相比,YOLO v8n-seg-FCA-BiFPN的精确率提高3.2个百分点,召回率提高2.6个百分点,平均精度均值提高3.1个百分点,改进后的模型在参数量基本保持不变的情况下具有更强的鲁棒性。遮挡情况下该模型检测结果表明,精确率为93.8%,召回率为91.67%,平均精度均值为93.15%。结果表明,YOLO v8n-seg-FCA-BiFPN网络可以准确、快速地实现奶牛身体部位精准分割。     

改进BP算法的轮胎侧向力神经网络模型

用改进的误差反向传播 (BP)算法建立了轮胎侧向力的数学模型 ,研究了模型精度与网络结构、训练方法之间的关系。结果表明 ,该算法克服了传统BP算法网络收敛速度慢及易陷入局部极小点的两个缺点 ,能较精确地对轮胎侧向力进行建模     

机械零件无约束装配法

无约束装配法(如图1所示)首先建立总装配体世界坐标系（World Coordinate System,WCS)，该坐标系自始至终不能改变；接着创建此世界坐标系下总装配体的视图(如X-Y平面或Isometric视图)；然后定义坐标原点为总装配体中所有零部件装配的参考点,即总装配体中所有零部件的装配都必须以此参考点为基准。     

基于SCR文件的机械零件三维自动绘图

以渐开线直齿圆柱齿轮为例,介绍计算机辅助机械设计中自动绘制零件三维视图的一般方法,给出程序流程图并指出实现此目标的关键技术。     

基于双目相机与改进YOLOv3算法的果园行人检测与定位

针对复杂果园环境中行人难以精确检测并定位的问题,提出了一种双目相机结合改进YOLOv3目标检测算法的行人障碍物检测和定位方法。该方法采用ZED双目相机采集左右视图,通过视差原理获取图像像素点的距离信息;将双目相机一侧的RGB图像作为用树形特征融合模块改进的YOLOv3算法的输入,得到行人障碍物在图像中的位置信息,结合双目相机获得的像素位置信息计算出相对于相机的三维坐标。用卡耐基梅隆大学国家机器人工程中心开放的果园行人检测数据集测试改进的YOLOv3算法,结果表明,准确率和召回率分别达到95.34%和91.52%,高于原模型的94.86%和90.19%,检测速度达到30.26 f/ms。行人检测与定位试验表明,行人障碍物的定位在深度距离方向平均相对误差为1.65%,最大相对误差为3.80%。该方法具有快速性和准确性,可以较好地实现果园环境中的行人检测与定位,为无人驾驶农机的避障决策提供依据。     

基于SCR文件的机械零件三维自动绘图

以渐开线直齿圆柱齿轮为例,介绍计算机辅助机械设计中自动绘制零件三维视图的一般方法,给出程序流程图并指出实现此目标的关键技术.     

基于CAXA数控车的非圆曲线加工

对中职学生来说,应用宏编程的能力不强,非圆曲线的编程与加工一直是个难点,CAXA是一款优秀的CAD/CAM软件,也是比赛常用软件,它可以精确地建立各种复杂的模型,并生成程序。文章介绍如何利用CAXA数控车加工非圆曲线。     

基于图像处理的杂草叶片识别参数研究

杂草种类繁多、危害严重,对杂草种类进行精确识别,可以提高除草效率,减少除草剂使用量,降低其对环境的污染.为此,应用图像处理的有关技术,以杂草叶片为研究对象,以形态、纹理和颜色特征相结合的方法来描述杂草叶片信息,提出了共16个特征参数可对杂草叶片信息进行精确描述,该特征参数可区别不同种类的杂草,为农药的精确投放和现代施药装备的开发奠定基础.     

基于改进Faster R-CNN的马铃薯发芽与表面损伤检测方法

发芽与表面损伤检测是鲜食马铃薯商品化的重要环节。针对鲜食马铃薯高通量分级分选过程中,高像素图像目标识别准确率低的问题,提出一种基于改进Faster R-CNN的商品马铃薯发芽与表面损伤检测方法。以Faster R-CNN为基础网络,将Faster R-CNN中的特征提取网络替换为残差网络ResNet50,设计了一种融合ResNet50的特征图金字塔网络（FPN）,增加神经网络深度。采用模型对比试验、消融试验对本文模型与改进策略的有效性进行了试验验证分析,结果表明:改进模型的马铃薯检测平均精确率为98.89%,马铃薯发芽检测平均精确率为97.52%,马铃薯表面损伤检测平均精确率为92.94%,与Faster R-CNN模型相比,改进模型在检测识别时间和内存占用量不增加的前提下,马铃薯检测精确率下降0.04个百分点,马铃薯发芽检测平均精确率提升7.79个百分点,马铃薯表面损伤检测平均精确率提升34.54个百分点。改进后的模型可以实现对在高分辨率工业相机采集高像素图像条件下,商品马铃薯发芽与表面损伤的准确识别,为商品马铃薯快速分级分等工业化生产提供了方法支撑。