水泵泵轴淬火裂纹分析

用金相显微镜和扫描电镜(电子探针)等对发动机冷却水水泵泵轴淬火后出现的裂纹进行了宏观和微观分析。探讨了裂纹产生的影响因素，结果表明：淬火过程中产生的组织应力和热应力、工件的尺寸、带状碳化物和集中及分散分布的脆性非金属夹杂物是裂纹产生的主要原因。在上述观察和分析的基础上，对如何选材及确定正确的热处理工艺等提出了建设性意见。     

建筑裂缝浅析

分析了建筑裂缝的形成原因及控制要求 ,并阐述了几种常见裂缝的防治措施和处理方法     

基于行为监测的疑似病猪自动化识别系统

针对传统的群养猪行为观察方法的缺点,提出了1种疑似病猪行为自动监测系统。系统基于ARM平台,利用安装于猪舍排泄区的嵌入式监控设备对群养猪的排泄行为进行24 h监控,通过1种改进的运动目标检测算法和基于像素块对称特征的图像识别算法定位具有异常行为的疑似病猪,并将报警图像通过通用分组无线服务（general packet radio service）网络传送至监控中心。对一栏10头大约克夏猪的试验结果表明,病猪检测正确率为78.38%,基本达到了预期的目标。因此,该文设计的方法对我国的养殖业实施自动化监测具有一定的借鉴意义。     

管道轴向穿透裂纹尖端应力强度因子数值模拟

裂纹是管道中常见的缺陷形式,其应力强度因子是开展管道安全性评价的重要依据。为了准确获得管道中裂纹的应力强度因子,采用1/4节点法建立了求解长输管道轴向穿透裂纹应力强度因子的有限元模型,并将有限元法和解析法求得的应力强度因子进行对比,验证了新建模型的可靠性。分析了内压、裂纹长度、内径以及厚径比对裂纹尖端应力强度因子的影响,同时探究了沿壁厚方向应力强度因子的变化规律。结果表明:内压、裂纹长度的增加,将会导致应力强度因子增大;内径、厚径比的增大,则会使应力强度因子减小,且当内径超过500 mm时,应力强度因子不再随着直径的增加而发生变化;管道外壁处应力强度因子始终高于内壁处,随着内压的增加,裂纹将从管道外壁启裂。采用1/4节点法计算裂纹尖端的应力强度因子,其操作方便、计算精度高,可为开展长输管道的安全评价工作提供参考。(图10,表6,参24)     

鸡胚疫苗注射时蛋壳力学模型分析及参数优化

针对鸡胚疫苗注射时由针头冲击产生裂纹导致接种失败的问题,建立了蛋壳注射时冲击固体力学分析模型。首先,由冲量定理和动量守恒定律推导出注射孔单位长度所受合力与注射初速度、注射体系质量及针头锥形角之间的关系。由ANSYS19.2有限元分析软件初步确定注射初速度的范围为0.5～0.8 m/s,注射体系质量0.5～1.2 kg,针头锥形角为10°和15°。其次,通过图像处理技术实现对注射孔裂纹特征的提取,计算注射孔裂纹有效面积指数和裂纹有效轮廓指数,实现对注射裂纹蛋胚和完好蛋胚的判别。最后采用三因素二水平有交互作用的方差分析法,确定最优注射参数组合：注射初速度为0.6 m/s、针头锥形角为10°、注射体系质量为1.0 kg。采用7～14日龄乌鸡孵化种蛋80枚,根据优化后的参数组合,进行鸡胚注射试验,注射成功率为98.75%。     

基于改进型YOLOv4-LITE轻量级神经网络的密集圣女果识别

对密集圣女果遮挡、粘连等情况下的果实进行快速识别定位,是提高设施农业环境下圣女果采摘机器人工作效率和产量预测的关键技术之一,该研究提出了一种基于改进YOLOv4-LITE轻量级神经网络的圣女果识别定位方法。为便于迁移到移动终端,该方法使用MobileNet-v3作为模型的特征提取网络构建YOLOv4-LITE网络,以提高圣女果果实目标检测速度;为避免替换骨干网络降低检测精度,通过修改特征金字塔网络（Feature Pyramid Networks,FPN）+路径聚合网络（Path Aggregation Network,PANet）的结构,引入有利于小目标检测的104×104尺度特征层,实现细粒度检测,在PANet结构中使用深度可分离卷积代替普通卷积降低模型运算量,使网络更加轻量化;并通过载入预训练权重和冻结部分层训练方式提高模型的泛化能力。通过与YOLOv4在相同遮挡或粘连程度的测试集上的识别效果进行对比,用调和均值、平均精度、准确率评价模型之间的差异。试验结果表明：在重叠度为0.50时所提出的密集圣女果识别模型在全部测试集上调和均值、平均精度和准确率分别为0.99、99.74%和99.15%,同比YOLOv4分别提升了0.15、8.29、6.55个百分点,权重大小为45.3 MB,约为YOLOv4的1/5,对单幅416×416（像素）图像的检测,在图形处理器（Graphics Processing Unit,GPU）上速度可达3.01 ms/张。因此,该研究提出的密集圣女果识别模型具有识别速度快、识别准确率高、轻量化等特点,可为设施农业环境下圣女果采摘机器人高效工作以及圣女果产量预测提供有力的保障。     

基于RGB-D信息融合和目标检测的番茄串采摘点识别定位方法

采摘点的识别与定位是智能采摘的关键技术,也是实现高效、适时、无损采摘的重要保证。针对复杂背景下番茄串采摘点识别定位问题,提出基于RGB-D信息融合和目标检测的番茄串采摘点识别定位方法。通过YOLOv4目标检测算法和番茄串与对应果梗的连通关系,快速识别番茄串和可采摘果梗的感兴趣区域（Region of Interest,ROI）;融合RGB-D图像中的深度信息和颜色特征识别采摘点,通过深度分割算法、形态学操作、K-means聚类算法和细化算法提取果梗图像,得到采摘点的图像坐标;匹配果梗深度图和彩色图信息,得到采摘点在相机坐标系下的精确坐标;引导机器人完成采摘任务。研究和大量现场试验结果表明,该方法可在复杂近色背景下,实现番茄串采摘点识别定位,单帧图像平均识别时间为54 ms,采摘点识别成功率为93.83%,采摘点深度误差±3 mm,满足自动采摘实时性要求。     

采用注意力机制与改进YOLOv5的水下珍品检测

海胆、海参、扇贝等水下珍品在渔业中具有重要意义和价值,最近,利用机器人捕捞水下珍品成为发展趋势。为了探测水下珍品的数量及分布情况,使水下机器人获得更加可靠的数据,该研究提出基于注意力机制与改进YOLOv5的水下珍品检测方法。首先,使用K-means匹配新的锚点坐标,增加多个检测尺度提升检测精度;其次,将注意力机制模块融入特征提取网络Darknet-53中获得重要特征;然后,利用Ghost模块的轻量化技术优势,引入由Ghost模块构成的Ghost-BottleNeck代替YOLOv5中的BottleNeck模块,大幅度降低网络模型的参数与计算量;最后,将IOU_nms修改为DIOU_nms以优化损失函数。采用基于实际水下环境建立的数据集,样本数量为781幅图像,按照9∶1的比例随机划分训练与测试集,对改进的网络进行验证。结果表明,该研究算法可获得95.67%平均准确率,相比YOLOv5算法可提升5.49个百分点,试验效果良好,研究结果可以为水下珍品的检测捕捉提供更加准确快捷的方法。     

稻谷热风干燥缓苏工艺参数优化与试验

为提高稻谷干燥特性与营养品质,该研究探究了缓苏温度、缓苏起始时刻、缓苏时长、缓苏循环次数等缓苏工艺参数对稻谷爆腰增率、整精米率、蛋白质质量分数与脂肪酸值等干燥品质指标的影响。首先,通过单因素试验分析了稻谷干燥品质随缓苏工艺参数的变化趋势,得出爆腰增率、整精米率、蛋白质质量分数与脂肪酸值的权重均大于20%,为稻谷缓苏干燥的关键性指标;其次,通过隶属函数模型确定影响稻谷干燥品质的主要因素为：缓苏温度、缓苏起始含水率与缓苏时长;最后,以缓苏温度、缓苏起始含水率、缓苏时长为试验因子,采用Central-Composite试验,通过建立回归模型分析了各试验因素与品质指标之间的相互关系并阐释结果产生的原因。结果表明：优化参数组合为缓苏温度45 ℃、缓苏起始含水率21%、缓苏时长1.61 h,此参数组合下稻谷干燥后的爆腰增率6.63%、蛋白质质量分数5.39%、脂肪酸值11.68%,验证试验结果与优化结果间相对误差为2.97%。研究表明,优化后的缓苏干燥工艺明显改善了稻谷干燥品质,该结果可为生产实践及深入探究稻谷品质变化机理提供理论基础。     

基于毫米波雷达的果园单木冠层信息提取

为解决当前果园探测技术难以在恶劣的果园环境中提取果树冠层信息的问题。该研究将毫米波雷达应用于果园冠层探测,搭建了基于毫米波雷达的果园冠层探测系统,利用该系统扫描得到了果园点云,检测和估算得到每棵果树的株高、冠幅和体积参数。针对毫米波雷达在不同距离下产生点云密度不同的问题,该研究提出了一种基于可变轴的椭球模型自适应密度聚类算法,用以提高果树点云识别效果,进而使用Alpha-shape算法和随机抽样一致算法（Random Sample Consensus）对果树进行了表面重建和结构参数的提取。通过与人工测量数据比较,该研究提出的聚类算法可以有效的识别和提取单木冠层点云,代表果树识别精度的 F1 分数为 93.7%;检测到的果树的株高和冠幅的平均相对误差分别为8.7%和8.1%,决定系数分别为0.84和0.92,均方根误差分别为16.39和7.82 cm;使用Alpha-shape算法计算得到平均果树体积为5.6 m3,相比传统几何法测量体积,体积计算准确度提高了59.4%。该研究表明毫米波雷达可以用于果园冠层信息的准确提取,为采集果园冠层信息提供了技术,对农业信息采集和自动化作业技术的发展具有重要意义。