苎麻茎秆木质部力学性能试验

以苎麻茎秆木质部为试验对象,在RGT-10型微机控制电子万能试验机上进行了弯折、拉伸、压缩试验。试验结果表明：“华性14号”木质部的抗弯弹性模量为7358．69MPa,最大抗弯强度为40．77MPa;拉伸弹性模量为177．26MPa,最大抗拉强度为32．25MPa;压缩弹性模量为7．70MPa。相同部位木质部的抗弯弹性模量明显高于拉伸弹性模量,最大抗弯强度大于最大抗拉强度,木质部横向抵抗变形能力强。拉伸弹性模量与压缩弹性模量有明显差异,木质部属各向异性材料,建立力学模型应采用各向异性的本构关系。     

基于改进YOLO v4的笼养蛋鸭行为实时识别方法

蛋鸭行为模式是判断笼养鸭养殖过程中健康状况及福利状态的重要指标，为了通过机器视觉实现识别蛋鸭多行为模式，提出了一种基于改进YOLO v4 (You only look once)的目标检测算法，不同的行为模式为蛋鸭的养殖管理方案提供依据。本文算法通过更换主干特征提取网络MobileNetV2,利用深度可分离卷积模块，在提升检测精度的同时降低模型参数量，有效提升检测速度。在预测输出部分引入无参数的注意力机制SimAM模块，进一步提升模型检测精度。通过使用本文算法对笼养蛋鸭行为验证集进行了检测，优化后模型平均精度均值达到96.97%,图像处理帧率为49.28 f/s,相比于原始网络模型，平均精度均值及处理速度分别提升5.03%和88.24%。与常用目标检测网络进行效果对比，改进YOLO v4网络相较于Faster R-CNN、YOLO v5、YOLOX的检测平均精度均值分别提升12.07%、30.6%及2.43%。将本文提出的改进YOLO v4网络进行试验研究，试验结果表明本文算法可以准确地对不同时段的笼养蛋鸭行为进行记录，根据蛋鸭表现出的不同行为模式来帮助识别蛋鸭的异常情况，如部分行为发...     

基于点云变形分析的羊胴体最佳宰后成熟时间确定方法

为探索羊胴体最佳宰后成熟时间在实际生产过程中应用的方法，以变形检测技术为主要手段，研究通过观测羊胴体宰后成熟过程中的变形情况来确定胴体最佳宰后成熟时间的可行性。以同批宰杀的杜泊绵羊和巴美肉羊胴体作为试验样本，宰杀后静置于恒温排酸间并在宰后一定时间点使用激光扫描仪采集整只胴体的三维点云模型，经过预处理和配准后借助三维色谱图确定胴体上变形显著的感兴趣区域，计算其变形量的同时测定其肉样的pH值和水分含量随时间的损失率两项指标，通过分析两项指标初始值的分布性和一致性筛选用于相关性分析样本集，通过相关系数判断其变形量与上述两项指标之间变化的相关程度。结果表明，试验样本在感兴趣区域的变形量与上述两项指标在宰后成熟过程中变化的相关系数均分别达到0.875和0.944以上，呈现高度相关性。结合从传统方法中得出的研究结论，验证了通过外部观测宰后胴体的变形情况来判断胴体最佳宰后成熟时间的可行性。     

基于声波信号递归图的鸡蛋裂纹检测

针对基于声波信号的鸡蛋裂纹检测过程中易受到噪音干扰的问题,采集运输线上敲击鸡蛋产生的声波信号,对信号进行递归图分析,采用递归定量分析提取递归图的量化特征参数,用于鸡蛋壳裂纹的分类检测。分别构建基于支持向量机(support vector machine,SVM)、反向传播神经网络模型的鸡蛋裂纹分类检测模型,对300枚鸡蛋进行检测。结果表明,SVM检测模型效果较好;在SVM模型中,完好蛋和裂纹蛋的识别率分别达93.98%和95.52%,效果理想。