太原市大气降尘化学组分及来源的粒径分布

2019年11月～2020年12月,从太原市8个监测站点采集的大气降尘样品,进行化学组分和粒径分析,研究了降尘化学组分及降尘来源的粒径分布特征.研究结果表明:首先,太原市降尘的粒径大小受地理位置影响显著,呈现南部粒径大,北部粒径小的特点,且呈现秋冬季粒径偏大的季节特点,这与太原市降尘污染源的时空分布有关.此外,不同粒径大小降尘的化学组分存在明显的时空差异,尤其是OC、SO₄^2-和无机元素Ca、Si和Fe等组分.源解析结果表明城市扬尘源对太原市各粒径大小降尘样品的贡献均较高(33.7%～37.5%).同时,建筑尘源(21.8%～31.6%)和钢铁工业源(5.1%～18.1%)对中粒径和粗粒径降尘具有显著贡献,燃煤源对细粒径降尘的影响也不可忽视(14.1%～22.6%).     

茶园土壤酸化对氟的影响及茶叶氟安全限量的探讨

在分析国内外茶园土壤酸化现状的基础上,概述了关于土壤水溶性氟与土壤pH值关系的研究进展,并通过实地调研和培养实验研究了茶园土壤酸化对土壤水溶性氟的影响.实地调研中土壤水溶性氟含量与土壤pH值无显著相关性.培养实验中,当pH＞4.00时,模拟土壤水溶性氟含量随土壤pH值的下降变化不显著;而当pH＜4.00时,土壤水溶性氟含量随着pH值的下降迅速增加,且达到极显著水平.同时描述了世界各国制订的每人每天最大摄氟量标准,对我国现行茶叶标准与国外一些国家的同类标准之间的差异做了评析.茶叶溶出实验的结果表明,我国茶叶氟安全限量需要进一步完善.     

卷烟厂通风空调系统中聚积物燃烧特性研究

选取某烟厂车间通风空调系统,分别对风管内表面及设备部件表面附着的聚积物进行实测与分析.通过对所采集样品的C、H、N、S等的元素分析、工业分析、自然状态下的着火点参数以及灰熔融性参数等的实验分析,得到了烟厂建筑的通风空调系统中聚积物的燃烧特性,为工业建筑火灾的预测评价及防排烟设计提供了参考.     

BIM技术在钢结构建筑抗震减灾管理中的应用

为提高钢结构建筑抗震减灾性能,降低建筑坍塌风险,研究BIM技术在钢结构建筑抗震减灾管理中的应用方法是非常必要的。利用BIM技术在钢结构建筑整体建造中的动态建模、可视化、信息共享管理以及抗震减灾性能检测等优势,在建筑抗震减灾管理决策阶段,选出最优方案,针对方案中影响建筑抗震减灾性能风险制定管理策略;在设计阶段,创建三维建筑模型,调整存在风险建筑模型数据信息,并通过振荡模拟分析降低风险;在施工阶段,管理钢结构建筑材料,提升建筑构件的刚度,并依据建筑施工阶段的抗震减灾管理原则制定相应的管理方法,实现对钢结构建筑的抗震减灾管理。结果表明,BIM技术可实现抗震减灾管理中的地震波检测,检测结果精准可靠;可提升建筑构件的刚度与承载力及建筑的抗震减灾性能,降低建筑坍塌等风险,实现钢结构建筑抗震减灾管理。     

嵌入式智慧工地安全帽检测系统设计与实现

针对施工作业人员不佩戴安全帽的问题,设计了一种基于计算机视觉的嵌入式智慧工地安全帽检测系统并进行了实用性的算法改进,解决了人力检测效率低下、标准不一的问题,同时提升了在目标检测领域小目标检测的精度。介绍了人工和传统算法在安全帽佩戴监管方面的弊端以及嵌入式系统的优势,详细介绍了算法优化的方法以及本系统的实验结果。     

基于改进YOLOv5s算法的隧道初期火灾检测模型

为提升公路隧道初期火灾的检出率与检测精度,考虑初期烟火特征量小且不易侦测的特点,提出一种基于改进YOLOv5s算法的公路隧道初期火灾检测模型。首先,在YOLOv5s特征检测层并入变压器预测头,在原有3个特征检测头的基础上新增第4个160×160尺度的特征检测头,以增强多尺度识别能力;同时,引入加权双向特征金字塔网络(BiFPN)结构,用于融合高低层火焰和烟雾的语义信息;然后,采用完全交并比(CIoU)替换距离交并比(DIoU),并在置信度损失中采用Focal Loss改进YOLOv5s的损失函数,从而提升新模型整体的训练效果和检测精确度;最后,在真实隧道内开展初期火灾模拟试验,获取50 000幅训练集样本,并结合2022年3月1日江苏镇江观音山隧道真实火灾视频数据,对比分析YOLOv5s-Opt和YOLOv5s算法模型。结果表明：YOLOv5s-Opt对初期火灾的平均检测精度达到90.38%,比YOLOv5s提高2.06%;对于同一段火灾实测视频,YOLOv5s-Opt的检出率比YOLOv5s高出3.63%。YOLOv5s-Opt算法模型更擅长初期火灾小目标的检测和识别,在检测精度和检...     

改进YOLOv3算法下通航机场场面运动目标检测

为获得更好的检测精度和更快的检测速度,保障通航机场场面运行安全,提出一种改进的YOLOv3算法,分别从网络结构和损失函数2方面进行改进。首先,在主干网络中使用深度可分离卷积代替原卷积,构建基于距离交并比(DIoU)的目标框回归损失函数;然后,以某通航机场为研究对象,搭建通航机场场面目标检测场景,采用迁移学习和冻结训练相结合的训练方法,以提升场面目标检测的速度;最后,比较分析所提算法与传统的YOLOv3、YOLOv4算法的识别效果。结果表明：飞机目标的检测效果明显优于车辆和人员目标,改进的YOLOv3算法对目标的检测精度、召回率、全类平均精度(mAP)分别达到92.96%、80.51%、91.96%,图形处理器处理速度高达74帧/s,较传统的YOLOv3、YOLOv4算法性能均有明显提升,可实现通航机场场面运动目标的有效检测。     

高斯混合模型下建筑工人高空作业失稳检测方法

为防止施工现场高处坠落事故,实现个性化矫正管理,在考虑个体异质性对运动信号造成的差异化影响基础上,提出一种基于高斯混合模型(GMM)的实时检测方法,可及时识别建筑工人高空作业失稳状态。首先,采用姿态传感器实时采集加速度和角速度数据,以刻画建筑工人的高空作业姿态特征;然后,基于GMM算法,建立建筑工人高空作业的个性化失稳检测模型,获得个性化阈值,以判断姿势失稳状态;最后,通过试验对比基于个体数据集和公共数据集2种方式构建的模型。研究结果表明：生成的个性化检测模型在准确度P、召回率R和综合评价指标F₁值上,均远优于公共数据集模型,具有更好的个性化检测效果。该失稳检测方法能够从工人的作业姿态习惯探究个性化的高空失稳风险,促进差异化安全预控和精准化安全培训。     

煤矿岗前人员不安全状态智能检测系统研究*—以红柳林煤矿为例

为从根本上降低煤矿从业人员实施不安全行为的概率,在充分考虑煤矿从业人员不安全个体状态是诱发其不安全行为的主要原因的基础上,设计开发一套矿工不安全状态智能检测系统。首先,对2007—2022年期间各高危行业安全事故调查报告和专家研究进行归纳,总结得出煤矿从业人员不安全状态的影响因素,构建包括生理状态、心理状态以及个体能力状态在内的3个一级指标和15个二级指标体系;其次,通过相应的表征模型对不安全状态影响因素进行深入剖析;最后,基于构建的从业人员不安全状态倾向数据库,建立煤矿岗前不安全状态智能检测系统。研究结果表明:在下井工作前对从业人员个体状态进行智能检测,能够实现矿工不安全状态“早发现、早干预”,能够有效地降低人因事故发生率,研究结果对煤炭行业安全管理具有重要的参考价值。     

天钢联合特钢公司实施“四清一绿”行动 推进大气污染治理工作 为打造美丽天津做贡献

<正>天津天钢联合特钢有限公司成立于2009年,是由天津钢铁集团有限公司和天津达亿钢铁有限公司共同出资组建的股份制公司。公司现有炼铁高炉、炼钢转炉、连铸、白灰窑、竖炉、烧结、制氧、轧钢等先进的冶炼设备及设施,是集炼铁、炼钢、轧钢连续生产于一体的现代化大型企业。主要设备设施情况炼铁系统:230 m2烧结机二台、500m3高炉两座、1080