·
收录于
当前文章被以下社区和专栏收录：
标签
#python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
注塑、吹塑与吸塑工艺特征全解析
塑料成型工艺是制造业的基础技术，其中注塑、吹塑和吸塑是三种最常用的加工方法。从原理上看，注塑依靠高压将熔融塑料注入模具，适合生产结构复杂的精密零件；吹塑通过气体膨胀成型中空制品，在包装领域应用广泛；吸塑则利用真空吸附使热软化片材成型，适用于简单壳体制造。这些工艺在产品特征上存在显著差异：注塑件具有壁厚均匀、结构精细的特点，吹塑件以合模线和壁厚不均著称，而吸塑件则以边缘不规整和厚度差异大为识别标志。掌握这些鉴别要点，对于产品质量控制、工艺优化和成本核算都具有重要价值，特别是在包装、电子和汽车零部件等行业应用中
阅读详情
相关推荐
注塑、吹塑与吸塑工艺特征解析与鉴别指南
塑料成型工艺是制造业的基础技术之一，主要包括注塑、吹塑和吸塑三种主流方法。从原理上看，注塑通过高压将熔融塑料注入模具成型，适合复杂结构件；吹塑利用压缩空气使型坯膨胀成型，专长于中空容器；吸塑则通过真空吸附软化片材成型，擅长薄壁制品。这些工艺在模具设计、生产效率和产品特性上各有优劣，工程师需要根据产品结构、产量需求和成本预算进行合理选择。在实际鉴别中，通过观察合模线、壁厚分布和表面特征等关键指标，可以快速区分注塑件、吹塑件和吸塑件。掌握这些塑料制品的鉴别技巧，对质量控制、成本估算和工艺改进都具有重要价值，特别
weixin_29607511的博客
193
2021-06-08
塑料模具成型方法论述
模具是现代工业的重要工艺装备，是许多工业产品生产中不可缺少的组成部分。我
们日常生产、生活中所使用到的各种工具和产品，大到机床的底座、机身外壳，小到一
个胚头螺丝、纽扣以及各种家用电器的外壳，无不与模具有着密切的关系。模具的类型
通常是按照加工对象和工艺的不同进行分类，从行业角度的区分来看主要有塑料模具、
橡胶模具、金属冷冲模具、金属冷挤压模具和热挤压模具、金属拉拔模具、粉末冶金模
具、金属压铸模具、金属精密铸造模具、玻璃模具、玻璃钢模具等等。
塑料最常见的成型方法一般分为熔体成型和固
Trouvaille_a的博客
156
模具设计知多少？注塑件设计要点都在这
塑料是四大工程材料（钢铁、木材、水泥和塑料）之一，它是以高分子量的合成树脂为主要成份，广泛应用于工业、农业、国防等行业。但是塑料与其它材料相比又具有自己的一些特有的性能，这些性能决定它的一些特有的使用场合、加工方法、生产工艺等。
塑料的分类
塑料按照受热属性分类，分为热固性和热塑性两种，区分两种塑料的规则一般是在一定温度加热一段时间或加入硬化剂后有无发生化学反应而硬化，发生化学反应而硬化的叫热固性塑料，反之则叫热塑性塑料。
塑料按照基本性能分类主要分为通用塑料、工程塑料、功能塑料。通用塑料主要有聚乙烯（PE
j13712128767的博客
1571
面向对象高级（继承与方法重写）
空子类可直接继承父类方法，验证了继承的自动性；重写时可通过super().charge()或Car.charge(self)调用父类逻辑，前者自动传self，后者需手动传递；私有属性__owner虽在实例中存在（改名为_Car__owner），但子类无法以原名访问，说明私有成员“继承但不可见”，而非未继承。
W20070611的博客
333
东莞塑料是四大工程材料
东莞塑料是四大工程材料
塑料是四大工程材料（钢铁、木材、水泥和塑料）之一，它是以高分子量的合成树脂为主要成份，广泛应用于工业、农业、国防等行业。
塑料的分类
塑料按照受热属性分类，分为热固性和热塑性两种，区分两种塑料的规则一般是在一定温度加热一段时间或加入硬化剂后有无发生化学反应而硬化，发生化学反应而硬化的叫热固性塑料，反之则叫热塑性塑料。
塑料按照基本性能分类主要分为通用塑料、工程塑料、功能塑料。通用塑料主要有聚乙烯（PE）、聚丙烯（PP）、聚苯乙烯（PS）、聚氯乙烯（PVC）、ABS，特点是产量大，价格
Trouvaille_a的博客
476
行业标签准不准？实测工具对细分制造领域的识别能力
制造业B2B平台行业标签精准度实测显示，主流工具在细分领域识别上普遍存在不足。测试5款工具对8个垂直制造领域的识别能力，发现企查查等通用平台依赖工商注册信息，准确率仅31%-45%；而垂直工具「天下工厂」通过多维生产行为数据分析，准确率达92.6%。精准行业标签能显著提升拓客效率（转化率提升3倍）、降低合作风险，建议制造业从业者优先选择基于真实生产数据的专业工具，而非"大而全"的通用平台。
WindHunter615的博客
1157
Python-Matplotlib可视化
Python-Matplotlib可视化
感谢所有乐于奉献的人，在此不一一具名
46
第33章 YOLO+OpenCV：视频流网络传输
本案例演示用视觉处理库连接网络视频流并逐帧显示画面。程序先打开流地址，再循环取帧、显示、等待按键退出，并用重试计数应对连接失败与读取中断。验证时关注窗口能否稳定出画、是否长时间卡顿黑屏、退出后终端有无报错。🌈
小哥谈
422
python熟手-排序类问题
sorted()和sort()都支持key和reverse传参。跟上面排序是一类问题，但是如果直接用排序，快排时间复杂度O(Nlog(N))，成本相对高。改用小顶堆复杂度会降低到O(N)。key=lambda x: x[1] # 按下标 1。key=lambda x: x["score"] # 按字典字段。key=lambda x: x.age # 按对象属性。key=lambda x: (x[1], x[0]) # 多条件排序。
Codnn的专栏
144
HDR标准核心参数全解析：从PQ/HLG到元数据，一篇搞懂技术选型
本文全面解析HDR标准的核心参数，包括PQ/HLG传输函数和元数据机制，帮助读者理解技术选型的关键因素。通过对比主流HDR标准的技术细节，提供从内容创作到硬件适配的实用指南，助力实现更真实的视觉体验。
weixin_31766003的博客
295
AI应用架构师总结：智能问答系统用户意图识别的8种方法与实践！
意图识别是智能问答系统的大脑入口，其技术水平决定了系统能否准确捕捉用户的核心诉求。本文系统剖析了从基础规则到前沿PLM的8种核心意图识别方法透明简单，冷启动快，维护成本高。中等规模场景基线，依赖特征工程。利用词义和局部/序列信息，训练成本高。当前最优精度，需大量资源。添加意图灵活，冷启动友好，精度可能略逊。提升鲁棒性，系统变复杂。解决歧义和自然交互的关键（多轮）。增强专业领域理解和推理能力。成功的意图识别模块需要：精准的意图定义（Schema）是前提！
AI云原生与云计算技术学院
1625
4 个 Agent 从空手到屠龙
当上下文过长时，智能体会对上下文做压缩处理；提示指令要求智能体记住那些压缩后不能丢失的信息，例如正在进行的（work in progress）工作、后续计划步骤（next steps）。可以借鉴到日常的智能体开发中。
wangkai6666的博客
172
Fiddler Everywhere保姆级教程：10分钟搞定手机HTTPS抓包（附证书配置避坑指南）
本文提供Fiddler Everywhere移动端HTTPS抓包的保姆级教程，涵盖环境配置、代理设置、证书安装及常见问题排查。重点解析如何正确安装并信任Fiddler根证书以解密HTTPS流量，帮助开发者快速搭建抓包环境，高效分析应用网络行为，提升调试效率。
git9versioner的博客
698
计算机毕设推荐：基于深度学习的动物图像识别方法研究（Python+Django+PyTorch）
本文围绕基于深度学习的动物图像识别方法研究，介绍一套从数据到网站都能跑通的完整方案。数据用Kaggle公开数据集，共15类动物，按原图分组划分训练、验证和测试集，避免相近图片跨集让指标虚高。模型用PyTorch做迁移学习，主模型选ResNet-50，另训ViT和EfficientNet两个对比模型，在相同条件下评估。网站用Django加Vue搭建，支持图片、视频、摄像头三种识别，带识别历史和统计大屏。
WEIXIN_JSJBSZDS的博客
211
手把手教你玩转服务器芯片架构​专栏--​​3.5 实战案例：用SystemC搭建一个多核服务器芯片的NoC模型（含流量分配与延迟仿真）​
通过SystemC搭建多核NoC模型，可深入验证流量分配策略与延迟特性。实际工程中需结合FPGA原型验证（如Xilinx Alveo）进行时序收敛分析，并通过参数化设计适配不同服务器芯片需求。
MHD0815的博客
3041
【即插即用模块】注意力篇 | TGRS 2025 | CDFIM：通道+空间多尺度注意力，双模态特征融合增强，性能翻倍！
C2DFF-Net提出了一种轻量级跨模态特征融合模块CDFIM，通过模态差异感知和多尺度深度滤波增强双模态互补信息。该模块采用通道-空间注意力协同机制，以极低计算成本（仅增加0.26M参数）提升多模态目标检测性能，在三个遥感数据集上平均提升mAP约1.7%。适用于无人机等边缘设备的实时检测任务，为跨模态融合提供高效解决方案。
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
618
Python 浏览器自动化：Selenium vs Playwright 底层原理、实现细节 + Codex 大模型为什么能自主操控浏览器登录填表
Selenium。缺点维护成本高，不适合对接 AI。Playwright，CDP+AX 语义树是核心优势。用自然语言代替硬编码选择器，让 AI 看懂网页语义，自主完成多步网页任务。传统自动化是 “人告诉程序每一步点击哪里”；AI 浏览器 Agent 是 “人告诉程序目标，AI 自己观察页面，决定点哪里，自主完成任务”。
十年老程序猿，AI 疯狂研究专家，前沿硬核知识分享
297
游戏大厂技术护城河：你以为他们靠“美术和买量”，其实背后全是硬家伙
先把效果堆满到快上线了才发现低端机跑不动然后疯狂砍特效、降分辨率，画面崩、口碑崩机型分档（低/中/高）每帧预算（CPU/GPU 各多少 ms）每种资源预算（贴图、网格、粒子数量）性能自动回归（每天跑性能测试，发现波动立刻报警）大白话：小厂像装修到入住前才发现电路不够，临时拉线；大厂从设计图开始就算承重、算电路、算水压。玩家会不会来？活动会不会爆？版本会不会翻车？外挂会不会泛滥？竞品会不会抄？流量不确定 → 可扩容架构版本不确定 → 灰度与回滚。
本博客聚焦游戏开发技巧、创业实战心得及大学热门课程干货。这里既有技术深度，也有思维广度，无论你是开发者、创业者还是高校学子，都能在这里找到适合自己的成长之路！
100
【Harness】Claude Code 开发 Python 项目：编码规范控制的完整方案
本文提出一套基于Claude Code的Python开发规范体系，强调以Ruff、mypy、pytest等工具为核心，结合pre-commit与CI实现质量门禁。通过分层架构：CLAUDE.md定义规则，.claude/rules/细化编码标准，skills/固化开发流程，hooks/自动触发检查，确保代码风格统一、类型安全、测试完备。项目结构清晰，职责分明，真正实现“规范可执行、质量可保障”。
I'm Zz.
291
从数据库到数据仓库：数据仓库导论
本文为数据仓库导论，旨在介绍数据仓库的基本理念和应用场景，帮助读者理解数据仓库的重要性及其在企业中的实际应用。
探索大数据世界 - 深入解析数据存储、分布式计算与人工智能
2772
electron：解决打包后报错Cannot find module ‘X‘ 运行报错各种模块缺失问题（解决electron build打包后运行应用报错启动失败或白屏，无论模块名称是什么都能解决！）
Electron app打包后启动报错：“Cannot find module 'X'”解决方案，electron-builder 打包出现 cannot find module，electron 打包后找不到module问题，electron打包运行白屏、Can not find modules ‘x‘,electron项目打包报错，electron打包后，点击生成的exe应用程序出现Cannot find module，解决electron-build打包后运行app报错:cannot find mod
✅ 精选推荐文章
4377
6-1.Python 异常处理 - 异常处理引入（异常引入、异常捕获）
6-1.Python 异常处理 - 异常处理引入（异常引入、异常捕获）
weixin_52173250的博客
110
WINCC7.3破解文件
WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！
《Java版数据结构 & 集合类剖析》Map & Set & 反射：“从哈希碰撞到红黑树转换，反射帮你扒开 HashMap 的桶数组看个究竟”
本文系统剖析Java中Map与Set的数据结构基础——二叉搜索树（BST），涵盖其插入、查找、删除等核心操作，并通过代码实现展示其实现逻辑。重点分析了BST的性能瓶颈及其在极端情况下的退化问题，引出平衡二叉树（如红黑树）的重要性。进一步阐述了TreeMap与TreeSet底层基于红黑树的实现机制，揭示其高效动态查找能力。最后结合键值对模型，说明Map与Set在实际应用中如何支持高效的动态搜索，为理解Java集合框架中的高级数据结构奠定基础。
2401_88739751的博客
231
IEM模型，地表粗糙度模拟
利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟
精雕软件(JDpaint) 5.5 绿色版
精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版
Python量化实操：3步把五档盘口变成可读表格
做量化交易时，很多人会使用 Python 获取股票行情，再进一步分析买卖盘的挂单情况。
但真正拿到五档盘口数据后，问题才刚刚开始。
买一到买五是一组数据，卖一到卖五是另一组数据。如果继续使用传统爬虫或者拼接多个行情接口，不仅需要处理不同的数据结构，还可能遇到接口不稳定、字段不一致、请求失败等问题。
2601_96694965的博客
245
C# WinForm 基于DirectShow.dll编写的程序，可边预览边保存视频，音频和图片
基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择（默认选中第一个）2.可录制wmv和avi两种格式的视频并且都带有音频，avi可以录制的分辨率和帧数进行选择，wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照，也可边录制视频边拍照4.添加了视频和音频的压缩功能（酌情使用）这次二次开发发现C#对DirectShow的相关信息太少，这次做完也不敢藏私共享出来，还望大家指正
PyTorch 线性层nn.Linear底层数学原理
揭示本质nn.Linear并不是什么魔法，它的底层就是yxWTbyxWTb的矩阵运算。权重互通：PyTorch 的模型参数可以无缝导出到 NumPy 进行自定义计算，反之亦然（只要维度对齐）。调试与理解：通过手动复现，开发者可以深入理解神经网络每一层的数据流向和变换过程，这对于调试模型或实现自定义算子非常有帮助。一句话概括：这段代码展示了如何用纯数学公式（NumPy）完美复刻 PyTorch 线性层的计算过程，证明了框架底层的数学原理。
m0_57307213的博客
354
【Python】标准多态和鸭子多态
【Python】标准多态和鸭子多态
qq_43494013的博客
142
上一篇：
宏碁Acer 非凡 S5 vs 微软Surface Laptop 3 详细对比
下一篇：
Amazon Echo Dot 4 配网详细教程