企业蒸汽管道直埋技术的探讨

直埋蒸汽管道的关键技术包括：固定支座、检查井、弯头、三通、变径管、阀门井、疏水装置、补偿器等。每一处关键技术都必须处理得当，否则，隐患很大，可能造成工程事故。     

IGC把世界小麦产量预估上调至6.17亿t调高粗粮库存

本刊讯据国际谷物理事会(IGC)最新公布的数据显示,IGC维持世界小麦期末库存预估不变,但是调高了世界粗粮库存预估,原因是产量增长。IGC表示,欧洲和美国的小麦单产高于预期,促使他们把世界小麦产量预估上调了200万t,达到创纪录的6.17亿t。世界小麦消费量预计为6.06亿t,与上月的预估保持不变。2004/05年度小麦贸易预估略有上调,为1.012亿t。■ IGC把世界小麦产量预估上调至6.17亿t调高粗粮库存…     

杉木人工林经济成熟龄的研究

利用杉木人工林标准地材料建立生长收获预估模型，根据技术经济指标采用净现值法研究经济成熟。结果表明：在现有技术经济指标的情况下，利率为5％时杉木人工林经济成熟龄为17年．若其它条件保持不交，木材价格或成本每增减20％，杉木人工林经济成熟龄将推迟或提前1年．利率对经济成熟龄的到来有显著影响，利率每增加1个百分点，经济成熟龄将提前1年．     

小微茶企业融资风控模式的策略分析

小微茶企业的融资问题是一个很具挑战性的难题,它的出现困扰着我国的银行贷款,最为重要的原因在于小微茶企业的风险控制是个未知数,没有办法准确地评估和判断。从个体的发展角度来看,小微茶企业自身存在很多不规范的管理,在抵抗风险时的能力较弱。随着社会经济的发展,我国目前的银行信用环境得到了很大的改善,加之中国人具有吃苦敬业的精神,因此,人们的信用度也在不断的提升,对小微茶企业的风险把握还是可以较为准确的预估。本文将根据小微茶企业融资风控模式进行策略分析和讨论。     

温度大时滞串级-Smith预估控制系统建模与仿真

本文针对大时滞系统在控制过程中存在的容量滞后较大、调节作用不及时、干扰比较频繁和动态偏差量大等常见问题,建立了温度大时滞串级-Smith预估控制系统的数学模型,该模型有效地改善了系统性能,解决了温度控制品质难以提高的问题。以典型温度大时滞控制系统——聚合釜温度控制系统为例,通过引入串级-Smith预估控制以改善系统性能,提高温度控制品质。根据聚合釜温度控制系统的一般特性,进行了聚合釜温度控制系统的系统模型建立和控制器参数整定,并通过MATLAB/Simiulink进行了仿真分析。实验结果表明,相对于单回路PID控制和串级PID控制系统,采用串级-Smith预估控制系统可以明显改善聚合釜温度控制系统的品质,大幅度降低了大时滞系统中由于容量滞后对系统动态性能的影响,使系统具有更优的动态特性和鲁棒性。     

纸浆材桉树人工林生长与收获预估模型研究

以国营雷州林业局纸浆材桉树人工林为研究对象,基于2015年1—2月调查的190块标准地数据,应用SPSS 19.0,For Stat 2.2软件,研究纸浆材桉树人工林生长与收获预估模型。结果表明:密度指数模型为SDI=1.7470No~(1.0951)e~(-3.7637t0.05-0.1742L);断面积模型为G=16.7828L~(0.1529)(1-e~(-1.0125×10-8SDI-2.1970t))~(0.5554);蓄积模型为M=e~(2.3641+0.0988L-3.0557t-1G0.9126)。研究结果可为国营雷州林业局纸浆材桉树人工林生长收获预估、森林成熟龄确定以及森林资源管理提供理论依据。     

基于UEGO的柴油机EGR系统的鲁棒Smith预估器的仿真

在各种可能的情况下，利用Matlab工具箱对鲁棒Smith预估控制器进行了仿真。仿真结果表明，Smith预估控制器对参数的变化具有很强的鲁棒性，闭环系统是稳定的，且控制器动态性能良好。     

基于改进YOLOv5柑橘成熟果实检测算法

为提高柑橘果园产量巡检作业效率和质量,巡检机器人精准检测成熟柑橘果实至关重要。考虑到成熟果实特有的颜色空间、果实遮挡导致的小目标以及巡检机器人有限的硬件资源,本文提出一种简单有效的基于改进YOLOv5的柑橘成熟果实检测方法。本工作主要设计一个由三层Context Aggregation Block (CAB)组成的特征金字塔并将其插入到YOLOv5网络的Head部分。此改进的YOLOv5模型具有如下优点：（1）集成的底层CAB模块通过特征通道注意力机制和空间注意力机制更好更快地学习小目标局部成熟果实的颜色和纹理特征、重叠果实的边缘特征;（2）多层CAB模块构建的特征金字塔能够有效地避免小目标随网络深度增加而消失,从而降低小目标果实漏检率。柑橘成熟果实识别验证试验结果表明,改进YOLOv5网络模型的精确度和平均精度分别为98.21%和98.07%,较原始YOLOv5分别提升了0.31%和0.17%,较Faster-RCNN分别提升了8.41%和8.31%。同时,单张成熟柑橘果实图像的平均检测时间32.5 ms,模型占用内存15.8 mb。该结果表明改进 YOLOv5模型可实现果园自然环境下柑橘成熟果实快速准确的检测识别,可为柑橘果园巡检机器人产量巡检提供技术支持。     

基于卷积神经网络的小麦产量预估方法

小麦产量是评估农业生产力的重要指标之一,针对小麦产量人工预估困难,提出将卷积神经网络运用于小麦产量预估,为农业生产力的预估提供参考,指导农业生产管理决策。利用无人机分别在河南省新乡、漯河两地进行图片采集,并以之构建麦穗数据集,分为正样本(麦穗)和负样本(叶子和背景)。针对小麦常规的生理形态和生长环境,设计卷积神经网络识别模型,以图像金字塔构建多尺度滑动窗口,以非极大值抑制(NMS)去除重叠率较高的目标框,实现对单位面积内麦穗的计数,并利用随机采样的方式对大田麦穗进行单位面积图像采样,以采样图像中麦穗数量的平均值作为产量预估基准,进一步实现麦穗产量预估。随机抽取100幅不同小麦图片进行测试,与人工计数结果进行对比,准确率达到97.30%,漏检率为0.34%,误检率为2.36%,误差率为2.70%。试验结果表明,此方法能够克服环境中的多种噪声干扰,能够在不同光照条件下对麦穗进行计数和产量预估。