系统引用外部应用程序的对象库

以Visual Basic 6．0这种高级语言开发多要素系统为例,主要介绍在处理具有相关性的各要素组成多要素系统时需要注意的问题及其解决方法,同时阐述了系统相关ActiveX控件的调用及其使用方法。此外,本多要素系统也实现了外部应用程序Microsoft Office对象库Access 2000的引用,同时完成与本多要素系统相关的程序代码。     

基于对象建模的农机产品CAPP系统设计与应用

利用对象建模技术,通过抽象与重组形成CAPP系统的一般对象模型,并把对象、关联及操作等映射成数据库表和程序实体,结合农机产品CAPP实例论述了工艺过程卡对象模型的实现流程,分析了选单等的设计重用方法。实践证明,CAPP系统开发过程中,只需开发一个编辑窗口,而非对应每一个数据表开发相应的编辑窗口。当数据表发生结构改变时可通过修改数据窗口来实现。采用这种方法,同一个选单就可以被不同的窗口所共用,使系统的开发效率大大提高,同时系统的结构也非常合理,根据作业机的主体结构相似性,可应用于各类农机制造的工艺设计过程。     

苹果图像的背景分割与目标提取

水果的缺陷、大小和颜色差异以及光照等因素影响图像背景分割与目标提取精度.以苹果为研究对象,针对4种不同光照强度条件下采集的280幅不同姿态的苹果图像,将彩色图像的R、G、B分量进行算术运算,然后采用形态学开运算进行消噪处理,采用线性空间滤波消除锯齿状边界,采用自动阈值分割方法进行背景分割与目标提取.结果显示,203幅图像的分割偏差小于1％,占总量的72.5％;70幅图像的分割偏差大于1％而小于2％,占总量的25％;偏差大于2％的有7幅,占总量的2.5％.最大分割偏差为2.83％.     

基于农业气象模型的农作物单产预测系统

基于农作物单产可以分解为趋势产量和气象产量的原理。采用面向对象的开发方法，在Windows 32位操作系统环境下，用VB与MO作为开发工具，成功开发了Client／Server结构的农作物单产预测系统。系统将数据库技术、组件化GIS技术集成在一起，各模块之间实现了无缝连接。系统运行表现出良好的性能。     

我国木材标准体系构建刍议

笔者在调查分析目前我国木材标准体系制、修订及研究工作现状的基础上,从标准化的对象着手,提出了由基础标准、技术标准和管理标准三大属性构建的木材标准体系新框架,同时给出基于标准化对象的木材标准体系实施建议。     

基于HSV空间的微米木纤维直径检测算法

为了实现生产中微米木纤维直径智能检测,结合先进的数字图像处理技术,并改进传统纤维分段测量法,研究了一种基于目标提取与最大内切圆的纤维直径检测算法.该算法对木纤维显微图像进行基于HSV空间的目标提取,分析木纤维形态并引入用户需求概念,通过改进的分段测量法实现木纤维直径检测.结果表明,采用的算法在木纤维直径检测中,具有良好的适用性,检测精度满足生产要求.     

所有权概念探讨

在对比各国对所有权的不同界定的基础上,立足于我国国情,重新阐释了所有权的概念。     

专家系统在冲压模具初始设计中的应用

提出了专家系统应用于冲压模具初始设计的思路 ,简要介绍了此专家系统的总体结构 ,详尽分析其知识表示方法、知识库结构及推理机的设计。知识表示方法和知识库结构的设计引入面向对象技术和数据库技术 ,推理机用面向对象推理机与面向过程推理机共同实现     

基于Java3D虚拟场景的关键技术

鉴于在网络上表达三维世界的需求以及Java3D良好的移植性,笔者讨论了Java3D场景结构图,并对基于Java3D开发三维虚拟场景的关键技术进行了深入研究,包括三维场景数据存取的序列化、改进的LOD算法以及在Java3D中调用VRML场景对象;最后实现了基于Java3D的三维虚拟城市,可在网络上实时漫游,编辑与处理。试验结果证明了Java3D相关技术的有效性。     

基于改进YOLOv8模型的轻量化板栗果实识别方法

为实现自然环境下的板栗果实目标快速识别，该研究以湖北省种植板栗为研究对象，提出了一种基于改进YOLOv8模型的栗果识别方法YOLOv8-PBi。首先，将部分卷积（partial convolution，PConv）引入C2f模块中，缩减卷积过程中的浮点数和计算量；其次，引入加权双向特征金字塔网络（bidirectional feature pyramid network，BiFPN），增强多尺度特征融合性能，最后，更改边界框损失函数为动态非单调聚焦机制WIoU（wise intersection over union，WIoU），提高模型收敛速度，进一步提升模型检测性能。试验结果表明，改进YOLOv8-PBi模型准确率、召回率和平均精度分别为89.4%、74.9%、84.2%；相比原始基础网络YOLOv8s，模型权重减小46.22%，准确率、召回率和平均精度分别提升1.3、1.5、1.8个百分点。部署模型至边缘嵌入式设备上，经过TensorRT加速后，检测帧率达到43 帧/s。该方法可为板栗智能化收获过程中的栗果识别提供技术基础。