可视化编程(VC)。
熟悉VCIDE,创建一个简单的VC界面。
在窗口中画一个旋转的风车，风车中有三个叶片，颜色分别为红、黄和蓝，叶片外侧有一个外接圆。
等
熟悉VCIDE,创建一个简单的VC界面。
在窗口中画一个旋转的风车，风车中有三个叶片，颜色分别为红、黄和蓝，叶片外侧有一个外接圆。
等
2024/5/6 5:20:42
381KB
1
为实现自然条件下棉花叶片的精准分割，提出一种粒子群（Ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）优化算法和Ｋ－ｍｅａｎｓ聚类算法混合的棉花叶片图像分割方法。
本算法将棉花叶片图像在ＲＧＢ颜色空间模式下采用二维卷积滤波进行去噪预处理，并将预处理后的彩色图像从ＲＧＢ转换到目标与背景差异性最大的Ｑ分量、超Ｇ分量、ａ＊分量；
随后在Ｋ均值聚类的一维数据空间中，利用ＰＳＯ算法向全局像素解的子空间搜寻，通过迭代搜寻得到全局最优解，确定最佳聚类中心点，改善Ｋ均值聚类的收敛效果；
最后，对像素进行聚类划分，从而得到棉花叶片分割结果。
按照不同天气条件和不同背景采集了１ ２００幅棉花叶片样本图像，对本研究算法进行测试。
试验结果表明：该算法对于晴天、阴天和雨天图像中目标（棉花叶片）分割准确率分别达到９２．３９％、９３．５５％、８８．０９％，总体平均分割精度为９１．３４％，并与传统Ｋ均值算法比较，总体平均分割精度提高了５．４１％。
分割结果表明，本研究算法能够对３种天气条件（晴天、阴天、雨天）与４种复杂背景（白地膜、黑地膜、秸秆、土壤）特征混合的棉花叶片图像实现准确分割，为棉花叶片的特征提取与病虫害识别等后续处理提供支持。
本算法将棉花叶片图像在ＲＧＢ颜色空间模式下采用二维卷积滤波进行去噪预处理，并将预处理后的彩色图像从ＲＧＢ转换到目标与背景差异性最大的Ｑ分量、超Ｇ分量、ａ＊分量；
随后在Ｋ均值聚类的一维数据空间中，利用ＰＳＯ算法向全局像素解的子空间搜寻，通过迭代搜寻得到全局最优解，确定最佳聚类中心点，改善Ｋ均值聚类的收敛效果；
最后，对像素进行聚类划分，从而得到棉花叶片分割结果。
按照不同天气条件和不同背景采集了１ ２００幅棉花叶片样本图像，对本研究算法进行测试。
试验结果表明：该算法对于晴天、阴天和雨天图像中目标（棉花叶片）分割准确率分别达到９２．３９％、９３．５５％、８８．０９％，总体平均分割精度为９１．３４％，并与传统Ｋ均值算法比较，总体平均分割精度提高了５．４１％。
分割结果表明，本研究算法能够对３种天气条件（晴天、阴天、雨天）与４种复杂背景（白地膜、黑地膜、秸秆、土壤）特征混合的棉花叶片图像实现准确分割，为棉花叶片的特征提取与病虫害识别等后续处理提供支持。
2024/4/14 16:22:47
2.56MB
1
结合飞机起动机钛合金叶轮的修复需要，研究了Ti-6Al-3.5Mo-1.8Zr-0.23Si(TC11)钛合金激光熔化沉积修复工艺及界面的组织与力学性能。
结果表明，激光熔化沉积TC11钛合金及界面重熔区具有典型的魏氏组织特征，基体热影响区组织逐渐由魏氏组织向双态组织过渡；
激光熔化沉积TC11钛合金的抗拉强度高于界面过渡区及基体，而塑性稍低于基体。
通过采用逐点熔化沉积的方法对叶轮受损叶片进行了修复，经加工检验后通过了超转试验考核，实现了装机应用。
结果表明，激光熔化沉积TC11钛合金及界面重熔区具有典型的魏氏组织特征，基体热影响区组织逐渐由魏氏组织向双态组织过渡；
激光熔化沉积TC11钛合金的抗拉强度高于界面过渡区及基体，而塑性稍低于基体。
通过采用逐点熔化沉积的方法对叶轮受损叶片进行了修复，经加工检验后通过了超转试验考核，实现了装机应用。
2024/2/29 20:02:50
5.47MB
1
MFC制作的一个风车,以前上课的作业.3片叶片颜色不一,有控制叶片大小和旋转速度的菜单选项,相对比较容易.适合新入门的人.
2023/11/5 11:36:40
1.88MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB