为了研究碱性氧化铜矿产氨菌浸出特性，分析了产氨菌浸矿过程对矿石的作用.将云南某矿的碱性氧化铜矿置于含菌培养液、去菌培养液和氨水等5种浸矿溶液中，在同一条件下进行摇瓶浸矿实验，剖析溶液中各可能的浸矿因子.研究结果表明：产氨菌产氨能力较强，尿素培养液中氨质量浓度最大达8.93 g·L-1；产氨量与细菌含量呈正相关关系，细菌含量越高，产氨量越大；产氨菌主要通过产氨间接浸矿，此外产氨菌和其代谢产物都能直接作用于矿石，浸矿能力细菌产氨 > 细菌 > 细菌代谢产物，三者比值约为12：5：4

微生物浸矿是提取低品位,难选次生硫化铜矿中有价元素的最有效方法之一.本研究利用嗜酸氧化亚铁硫杆菌(Acidthiobacillus ferrooxidans)浸取福建某难选次生硫化铜矿,依次开展浸矿菌富集培养实验、驯化转代实验和不同粒径配比下柱浸试验,获得了不同阶段的细菌浓度、pH值、铜浸出率等演变规律;并结合电子计算机断层扫描技术实现了柱内矿堆塌落、截面孔隙演化和浸矿机理研究.研究表明:细菌浓度和pH值均呈现缓慢增加后趋降低的趋势,浸柱中细菌增殖较慢,浸矿480 h后,细菌浓度仅为每毫升5×107个.浸矿过程中,细颗粒趋于向柱底迁移,矿堆出现塌落;柱顶孔隙率变大,增幅为6.65%,柱底孔隙率变小,降幅为8.29%;塌落程度与细粒含量成正比,最小塌落为1.7 mm,最大塌落为6.15 mm.入堆矿石粒径极大影响着柱浸体系的浸出效果.实验中柱浸B组(粒径r < 1 mm占28.41%)浸矿效果最佳,浸矿480 h后铜浸出率达47.23%

非刚性图像配准一直是计算机视觉领域的研究重点. 为解决上述问题, 提出一种改进的光流场模型算法, 以提高光流估计的准确度. 算法首先对原始变分光流模型进行了改进, 提出利用新的各向异性正则项来代替原来的同向扩散函数, 以避免图像模糊, 保留图像的边缘特征与细节特征; 此外, 通过引入包含邻域信息的非局部平滑项来去除光流噪点, 同时增加了一个结合图像结构与光流运动信息的权函数, 以减少过平滑所造成的细节丢失, 提高算法的鲁棒性. 最后, 利用交替最小化与金字塔分层迭代策略相结合的方法求解位移场, 实现非刚性图像的自动配准. 仿真实验结果表明, 与传统方法相比, 本文算法对不同类型的非刚性图像均具有较高的鲁棒性, 取得了理想的图像配准效果

在基于独立分量分析的人耳识别方法研究基础上,提出复合结构分类器的人耳识别通用模型.该模型首先根据人耳的几何特征对人耳进行粗分类;然后应用独立分量分析的方法提取代数特征,支持向量机进行细分类,最后给出分类结果.这与人类由粗到细的识别过程是相符合的,能够克服单一独立分量分析识别方法的特征提取时间过长、特征数过多的缺点,同时避免了归一化过程中丢失比例结构特征的问题.实验结果表明,该模型取得了较高的识别率,尤其适用于规模大的复杂人耳库

随着无人工厂、智能安监等技术在制造业领域的深入应用，以视觉识别预警系统为代表的复杂环境下动态识别技术成为智能工业领域的重要研究内容之一。在本文所述的工业级视觉识别预警系统中，操作人员头发区域由于其具有移动形态非规则性、运动无规律性的特点，在动态图像中的实时分割较为困难。针对此问题，提出一种基于SiamMask模型的时空预测移动目标跟踪算法。该算法将基于PyTorch深度学习框架的SiamMask单目标跟踪算法与ROI检测及STC时空上下文预测算法相融合，根据目标时空关系的在线学习，预测新的目标位置并对SiamMask模型进行算法校正，实现视频序列中的目标快速识别。实验结果表明，所提出的算法能够克服环境干扰、目标遮挡对跟踪效果的影响，将目标跟踪误识别率降低至0.156%。该算法计算时间成本为每秒30帧，比改进前的SiamMask模型帧率每秒提高3.2帧，算法效率提高11.94%。该算法达到视觉识别预警系统准确性、实时性的要求，对移动目标识别算法模型的复杂环境应用具有借鉴意义

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径

表面结冰给通讯、电力等工业领域带来巨大损失，电加热和喷洒乙二醇等主动除冰方法虽然在一定程度上可以解决上述问题，但在能源、人力、环境方面需付出较高代价。为解决这一问题，低成本、低能耗的被动式防/除冰表面被寄予厚望。防/除冰表面主要分为延长结冰时间的防冰表面和低冰粘附强度的除冰表面。由于实际工况的复杂性，除冰表面比防冰表面更具有可实现性。除冰表面主要与低表面能、界面滑动和裂纹产生相关，低冰粘附强度表面按实现机理可分为化学改性低表面能表面、润滑表面、界面滑动表面和裂纹源表面。本文对不同类型低冰粘附表面的低冰粘附强度产生的原因和表面的制备方法进行总结。同时，对冰粘附强度的测量标准进行了说明和讨论，以解释不同的测试方法对防/除冰性能测试结果造成的差异

针对经典人工蜂群算法收敛速率较慢,后期易陷入局部最优解的不足,本文将粒子群算法中\全局最优\的思想引入到人工蜂群算法的改进过程,从而形成了一种新的人工蜂群改进算法——粒子蜂群算法.首先,提出了趋优度的概念,用来衡量引领蜂在有限次迭代过程中向全局最优解靠近或远离的程度,趋优度值可以评价个体的\发展潜力\,趋优度值越低的个体,越需要增大变异的程度,以便找到质量更优的解.其次,专门设计了一种新的蜜蜂群体——粒子蜂,在引领蜂变异阶段根据趋优度的大小将引领蜂变异为侦查蜂和粒子蜂,粒子蜂的出现在很大程度上增加了种群的多样性,拓展了算法的搜索范围.然后,通过粒子蜂群算法种群序列是一个有限齐次马尔科夫链和种群进化单调性的分析,验证了本文所提算法的种群序列依概率1收敛于全局最优解集.最后,将本文所提算法应用于多个常见测试函数,并与经典蜂群算法、近年其他文献改进蜂群算法进行了仿真对比研究,仿真结果表明本文所提算法确实加大了种群的分散度、扩宽了搜索范围,从而具有更快的收敛速度和更高的寻优精度