数字图像处理在SEM空蚀图像定量分析中的应用

针对收缩-扩散型水洞中进行铝制翼型空蚀破坏试验时,传统度量不能准确量化翼型表面不同位置的空蚀程度,提出了数字图像检测的方法.获取试验翼型表面SEM空蚀图像,然后对图像进行模糊增强,并进行类间方差最大阈值分割,用二值形态学方法处理边缘,最后由统计特性计算出空蚀破坏表面积、蚀坑数量等.图像测量可得到空蚀对翼型表面破坏数值的定量结果.     

非传统通心粉生产工艺参数优

通过对非传统通心粉生产工艺研究,探索采用国产小麦制作非传统通心粉较佳工艺条件.研究结果表明:生产非传统通心粉较佳的工艺条件为:和面加水量28%～30%,和面水的温度5～15℃,和面真空度60～80 kPa,挤压面团温度35～45℃;控制预干燥、主干燥、平衡干燥各阶段的温、湿度条件,可得到品质较好的非传统通心粉.     

牛肉新鲜度的电子鼻检测技

为了简单、快捷、准确地检测牛肉新鲜度,建立了电子鼻检测系统.根据牛肉产生的气味和传感器实验,合理地选用了气敏传感器阵列.为提高电子鼻传感器灵敏度,对购置的传感器进行了改进.利用生物嗅觉的研究成果,开发出仿生嗅觉鼻道结构.为了提高电子鼻系统小样本训练的识别率,提出了用支持向量机(SVM)算法识别牛肉新鲜度的方法.应用电子鼻系统对储藏7 d不同新鲜度的牛肉进行了识别实验,识别率达到99.25%.结果表明电子鼻检测牛肉新鲜度是可行的.     

基于响应面法的板料成形工作模面几何参数优化

阐述了以响应面法建立板料成形参数与有限元模拟结果的代理模型的基本原理;介绍了板料成形中的设计变量、目标函数、约束条件,多目标优化的处理方法;基于响应面法.以汽车后桥悬架内板零件为研究对象,成形后最小板料厚度为优化目标,成形极限图为约束条件,建立了模面几何参数优化模型;对模面几何参数进行优化并获得最优参数组合;以最优几何参数组合进行了实际的冲压试验,验证了优化结果.     

自走式棉秆联合收获机设计与试验

阐述了自走式棉秆联合收获机的基本结构及工作原理,对总体结构、底盘配置及喂入切碎机构进行了设计和参数计算,采用纵向对称配置、简化喂入机构、交错对称布置切碎滚筒动刀等方法,实现了棉秆收割、切碎、集箱、自卸的一体化.试验结果表明作业流程安排合理,适用性较好,是棉秆资源规模化工业利用的适用设备.     

玉米根茬图像的分割方法

对保护性耕作留茬覆盖情况下田间玉米根茬图像进行了分割.选取采集图像的彩度信息作为对象,通过对几种常用的自动阈值选取算法的比较,选择了迭代法对田间图像进行分割.实验结果表明:该方法能够有效地将根茬目标与土壤背景分割开来,为下一步检测行茬直线并将其作为导航基准线进行视觉导航的研究提供了基础.     

自然环境下桃子图像分割算法

成熟果实的识别是果蔬采摘机器人视觉系统的关键问题,要解决该问题,首先需要进行有效的图像分割.从复杂背景中分离果实一直是该领域的一个难题.为此,针对自然环境下的桃子图像进行了图像分割方法的研究.利用2R-G-B和L*a*b*的a*分量以及HSI的H分量分别对彩色图像进行了3种方法的灰度化处理,然后采用大津法对灰度图像进行了二值化处理,对二值化图像采用匹配去噪与匹配膨胀相结合的方法,去除了复杂背景噪声.试验表明,所提出的桃子分割方法具有很好的分割效果.     

负载敏感技术在甘蔗联合收割机上的应用

甘蔗联合收割机由于执行元件的复杂性及液压系统负载的多变性,在作业过程中造成了大量的液压能损失现象.为改善收割机的节能性,在对负载敏感系统的工作原理进行分析的基础上首次提出了将负载敏感技术应用于甘蔗联合收割机的节能观点,并为其负载敏感系统匹配了相关参数.基于AMESim平台的静、动态仿真结果表明,在系统压力达到调压阀设定压力之前,系统的流量仅取决于流量阀的开口而与负载无关,负载敏感阀将根据流量阀的开口自动调节变量泵的排量.在系统压力达到调压阀设定压力之后,系统压力仅取决于调压阀的设定值,而与负载无关,此时负载敏感阀将自动调节变量泵的排量使其恰好与负载的需要相适应,控制过程的压力损失小于1 MPa,从而大大减小了甘蔗联合收割机的液压能损失.     

钳夹式棉花膜上精量穴播器的实验研究

将钳子夹持事物的思想运用到传统的滚筒穴播器取种装置的设计中,并将其运用到穴播器取种、清种和排种等播种过程,研制出新型棉花精量膜上穴播装置.为此,首先介绍了钳夹式棉花膜上精量穴播器关键部件的结构及工作过程,然后依靠实验的方法确定了钳夹式精量穴播器的影响因素,确定了该穴播器的各因素工作水平的最佳组合,实验结果对该穴播器的大田运用及推广具有一定的指导意义.     

苹果可溶性固形物含量的检测方法——基于可见光近红外光谱技术

为了快速检测苹果的可溶性固形物(SSC)含量,采用可见光近红外光谱技术,结合主成分分析(PCA)和BP神经网络技术,来建立苹果SSC的预测模型.获取苹果样本在345～1039 nm波段的漫反射光谱,采用DPS数据处理系统对其进行主成分分析,并提取出累计可信度大于95 %的5个新主成分.建立一个3层的BP神经网络模型,并将这5个新的主成分作为BP神经网络模型的输入量,其结果是98 %以上预测样本的预测相对误差在5 %以下.该研究表明,采用近红外光谱技术来建立苹果可溶性固形物的预测模型是可行的.