-
题名家电壳体用高分子材料及其应用技术的发展趋势
被引量：17
- 1
-
-
作者
莫荣强
雷春堂
-
机构
四川长虹智能制造技术有限公司
-
出处
《塑料工业》
CAS
CSCD
北大核心
2019年第2期6-10,88,共6页
-
文摘
面对家电行业的激烈竞争,发展高性能、低成本的家电用高分子材料原材料已成为当前高分子材料的重要发展趋势之一;与此同时,随着消费者对生活品质要求的不断提升,对家用电器产品已不满足于简单的使用性能上的要求,对外观品质、视觉效果提出了更高的要求,消费者在感官上并不希望大量单调的塑料制品充斥整个生活环境中,因此发展免喷涂材料技术成为家电壳体用高分子材料的重要发展趋势。此外,冰箱、空调、洗衣机等家电产品的高分子材料零部件易滋生细菌、酵母菌、病毒等微生物,为获得洁净的生存环境,享受健康的生活,抗菌高分子材料技术在家电产品中的应用也将成为必然趋势。介绍了用于家电制造的高分子材料的发展趋势,免喷涂材料技术的发展趋势以及抗菌高分子材料技术发展趋势,重点阐述了具有安全无毒害、可循环利用的"免喷涂材料技术"以及"抗菌高分子材料技术"在家电壳体产品中的应用现状及发展前景。
-
关键词
家电壳体
高分子材料
免喷涂
抗菌
发展趋势
-
Keywords
Household Appliance Shell
Polymer Materials
Coating-free
Antibacterial
Development Trend
-
分类号
TQ317.9
[化学工程—高聚物工业]
-
-
题名嵌入SENet结构的改进YOLOV3目标识别算法
被引量：47
- 2
-
-
作者
刘学平
李玙乾
刘励
王哲
刘宇
-
机构
清华大学深圳研究生院
清华大学机械工程系
长虹智能制造技术有限公司
-
出处
《计算机工程》
CAS
CSCD
北大核心
2019年第11期243-248,共6页
-
基金
国家自然科学基金(51475263)
-
文摘
为准确识别工业图像中的目标零件,提出一种改进的YOLOV3目标识别算法。结合K-means聚类与粒子群优化算法进行锚框计算,以降低初始点对聚类结果的影响,加快算法收敛速度。同时在YOLOV3网络shortcut层嵌入SENet结构,得到SE-YOLOV3网络。对零件图像进行数据增强并加入零件标注,制作包含10 816张图片的样本集,用于算法训练和测试。实验结果表明,该算法能够获得平均交并比为83.01%的锚框,当样本图像存在较多残缺零件干扰时,YOLOV3存在将背景识别为零件的情况,其查准率与查全率分别为72.11%和97.51%,而SE-YOLOV3能有效减少假正例数量,其查准率与查全率分别为90.39%和93.25%。
-
关键词
目标识别
卷积神经网络
SENet结构
YOLOV3网络
粒子群优化算法
-
Keywords
target recognition
Convolutional Neural Network(CNN)
SENet structure
YOLOV3 network
Particle Swarm Optimization(PSO)algorithm
-
分类号
TP753
[自动化与计算机技术—检测技术与自动化装置]
-
