基于传感器技术、信号处理技术和模式识别技术发展起来的电子鼻技术是过去二十年中发展最为迅速的气相分析和气体检测技术之一,它已逐渐在生物医学、环境监测、农业生产、食品检测等多个领域得到应用.电子鼻是利用对待测气体具有交叉敏感性的传感器阵列将待测气体中的混杂气味组分信息转化为与时间、成分、浓度或含量相关的可测物理信号组,利用信号采集系统输出含有待测气体特征信息的数字信号,通过模式识别系统分析数字信号得到待测气体综合气味信息和隐含特征,实现对待测气体快速、系统、准确的鉴别和分析.本文综述了电子鼻技术中的传感器技术和模式识别技术及在中国白酒品牌鉴定、风味识别、酒龄检测方面的最新研究进展;以聚合物石英压电传感器型电子鼻为例,阐明该电子鼻的技术方案及其在中国白酒检测中的应用;展望电子鼻未来研究方向

项目总投资500万元,实验室面积约1500m2,实验内容为环境检测实验,实验内容包括:检测废气、废水、噪声、固废、土壤能力以及数据处理等。项目建成后,预计可实现年出具各类检测报告300份的实验规模

当激光照射到金属表面时,其反射光形成特有的衍射象,检出这种衍射象的形状和分布就可检测表面的粗糙度状态及其它各种缺陷。本文研制的装置是为了开展自动检测薄纲带表面质量的研究而设计制作的。为了提高扫描光点的分辨率,改善扫描的线性,扫描器采用了扩束装置和F-θ镜头。对扫描器的核心元件——旋转多面镜的设计进行了理论计算,推导了半径和面数的设计公式,并提出了扫描效果的合理取值问题。接收器采用了大面积的圆-直变断面光导纤维传光束。在实验室对廿辊轧制的薄钢带表面情况进行的检测试验表明,本文介绍的装置可以检测钢带表面上线度在10μ以上的缺陷

本章主要讲解系统入侵的基本原理、主要方法以及如何实现入侵检测,进行主动防御。通过本章学习,读者应该掌握以下内容: 一、系统入侵的概念 二、几种系统攻击方法的原理 三、入侵检测的原理 四、入侵检测系统的组成及结构

基于高性能的YOLOv3目标检测算法，提出一种分阶段高效火车号识别算法。整个识别过程分为两个阶段：第一阶段在低分辨率全局图像中检测出火车号区域位置；第二阶段在局部高分辨率图像中检测出组成火车号的字符，根据字符的空间位置关系搜索得到12位火车号，并利用每个字符的识别置信度及火车号编码规则进行校验得到最终火车号。另外，本文提出一种结合批一化因子和滤波器相关度的剪枝算法，通过对两个阶段检测模型的剪枝，在保证识别准确率不降（实验中略有提升）的条件下降低了存储空间占用率和计算复杂度。在现场采集的1072幅火车号图像上的实验结果表明，本文提出的火车号识别算法达到了96.92%的整车号识别正确率，平均识别时间仅为191 ms

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

1.无损检测诊断技术概述1.1前言 无损检测诊断技术是一门新兴的综合性应用学 科。它是在不损伤被检测对象的条件下,利用材 料内部结构异常或缺陷存在所引起的对热、声、 光、电、磁等反应的变化,来探测各种工程材料、 零部件、结构件等内部和表面缺陷,并对缺陷的 类型、性质、数量、形状、位置、尺寸、分布及 其变化作出判断和评价

2.1 概述 2.2 线位移检测传感器 2.3 角位移检测传感器 2.4 速度、加速度传感器 2.5 测力传感器 2.6 传感器的正确选择和使用 2.7 检测信号的采集与处理

第一节 概述 第二节 线位移检测传感器 第三节 角位移检测传感器 第四节 速度、加速度传感器 第五节 测力传感器 第六节 其它传感器 第七节 传感器的正确选择和使用 第八节 检测信号的采集与处理

掌握电阻抗法血细胞检测原理 熟悉联合检测型血细胞分析仪器的检测原理 了解血液分析仪的分类、基本结构、性能指标与评价 血细胞分析仪的检测原理 血细胞分析仪的基本结构 血细胞分析仪的性能指标与评价（自学）