汽车拖拉机综合性能测试试验台的研究与开发

研制了一种集汽车拖拉机技术状态检测和故障诊断于一体的检测试验装置,能实时测试发动机的动力性、经济性、排放性能、底盘的安全性能等指标,并能进行故障诊断.该试验台采用机、电、液、电子和计算机等综合技术,具有操作简单,测试项目多,测试精度高等特点,为汽车拖拉机的生产、检测、维修和教学部门提供了一种新的试验、测试装备.     

大跨径桥梁挠度测量新方法研究

提出了一种以测量机器人为采集器,通过获取合作目标的几何信息进行桥梁挠度测量的新方法,从测量系统误差、偶然误差两个方面分析了测量机器人的测角及测距误差,并探讨了竖直角、视距对挠度测量误差的影响,同时依据最小二乘原理分析了该方法的测量精度.经分析得知:如果仪器至后视点距离小于150 m,至目标点距离小于200 m,挠度测量精度将优于±1 mm.在实际工程中,该方法测量的挠度值与电子水准仪测量的挠度值差异小于0.22 mm,相对误差小于3.3%,表明该方法在大跨径桥梁检测中完全能满足测试要求.     

φ273漏磁腐蚀检测器在输油管道上的应用

为了掌握管道的内外腐蚀情况,在新疆的输油管道上采用了带发讯器的机械清管器和引进的智能清管器,准确地找到了管道管材的缺陷和内外腐蚀管段的具体位置。为预防管道因腐蚀穿孔而造成的跑油事故,提高管道的本质安全找到了一种较理想的方法。此方法大修时间和大修费用,可使过去盲目的大修变为有计划的维修,在长输管道上有广阔的应用前景。     

油罐加热盘管泄漏回水检测工艺

介绍了一种储油罐加热盘管泄漏锅炉回水检测技术，给出了其在实际应用中的特定工艺规程。检测方法为利用油、水的物性差异，在储罐原有的加热盘管回水管道系统中增设观察玻璃管和分离凹槽，对加热盘管的泄漏及回水带油现象进行检测，该项技术也同样适用于不相容且密度不同的两种液体的分离及定性检测。     

具有路途感染和出境健康检查的SIQS传染病模型

提出了SIQS模型,研究了路途感染和出境健康检查对疾病传播的影响,获得了如下结果:如果基本再生数R0γθ≤1,无病平衡点全局渐近稳定;如果基本再生数R0γθ>1,综合利用Routh-Hurwitz准则和Gersgorin圆盘定理,得到了地方性平衡点局部渐近稳定性;此外,还证明了如果地方性平衡点存在,疾病是持久的.数学结论表明,出境健康检查能减少感染者出境数量和路途感染的发生率,有利于疾病的消失.     

项目教学法在动物性食品卫生检验技术课程中的实施

探索了项目教学法在动物性食品卫生检验技术课程中的实施方法,学生通过在食品加工厂参加项目训练,进一步锻炼了实际操作能力,真正掌握了本课程的基本技能,提高了教学效果。     

高光谱荧光示踪无损检测瓜类作物嫁接苗愈合状态

为了减少瓜类嫁接苗的愈合管理时间,实现快速准确判别嫁接苗早期愈合状态,促进嫁接苗规模化生产及育苗产业发展。该研究制备了氮硫掺杂碳点,以该碳点为荧光示踪材料,以西瓜嫁接苗为研究对象,利用高光谱荧光成像方法,探究了西瓜嫁接苗早期愈合状态无损检测的高光谱荧光示踪成像方法。高光谱荧光示踪图像及光谱分析结果表明,利用氮硫掺杂碳点进行荧光示踪,通过高光谱成像仪对瓜类作物早期愈合状态高通量表型的鉴定,能快速、自动、无损地获取嫁接苗愈合的情况。同时,通过氮硫掺杂碳点处理后第12天,处理组的西瓜嫁接苗相较于对照组,根系增长量提升了78.7%,叶面积增长量提升了61.4%。因此,该研究方法可以提早判别嫁接苗的愈合连通,促使瓜类嫁接苗提早移栽,并且氮硫掺杂碳点处理可以促进嫁接苗叶面积和根系的生长,达到种苗壮苗的作用。     

沽源县动物检疫工作的现状、存在问题与对策

沽源县的动物检疫工作起步较早,在屠宰检疫、提高人员素质上取得了可喜的成绩,但产地检疫、机构设置等方面相对薄弱,因此,今后要从强化监督管理、改革机构设置、仪器设备到位着手,改变当前的被动局面.     

油罐呼吸系统的检查与维护

油罐呼吸系统是保障油罐安全运行和减少油料蒸发损耗的的安全系统，定期对呼吸系统进行检查维护是保护保证油罐正常工作的重要措施，分析介绍了地面立式油罐和半地下立式油罐呼吸系统，洞式油罐呼吸系统，卧式油罐呼吸系统，粘油罐呼吸系统的组成，阐述了油罐呼吸系统的机械呼吸阀，液压安全阀，阻火器的检查维护及洞式油罐，粘油罐呼吸系统的检查维护。     

AdaBoost classifiers for pecan defect classification

One of the constraints in the adoption of machine vision inspection systems for food products is low classification accuracy. This study attempts to improve pecan defect classification accuracy by using machine learning classifiers: AdaBoost and support vector machine (SVM). X-ray images of good and defective pecans, 100 each, were segmented and features were extracted. Twenty classification runs were made to adjust parameters and 300 classification runs to compare classifiers. The Real AdaBoost classifier gave average classification accuracy of 92.2% for the Reverse water flow segmentation method and 92.3% for the Twice Otsu segmentation method. The Linear SVM classifier gave average classification accuracy of 90.1% for the Reverse water flow method and 92.7% for the Twice Otsu method. Computational time for the classifiers varied by two orders of magnitude: Bayesian (10⁻⁴ s), SVM (10⁻⁵ s), and AdaBoost (10⁻⁶ s). AdaBoost classifiers improved classification accuracy by 7% when Bayesian accuracy was poor (less than 89%). The AdaBoost classifiers also adapted well to data variability and segmentation methods. A minimalist AdaBoost classifier, more suitable for real time applications, using fewer features can be built. Overall, the selected AdaBoost classifiers improved classification accuracy, reduced classification time, and performed consistently better for pecan defect classification.