基于改进YOLOv3算法的高密度人群目标实时检测方法研究

公共建筑高密度人群疏散运动极具危险性,实时的人群目标识别与检测对于密集场所人群疏散安全至关重要。针对现有行人检测方法对于行人密集、局部遮挡等情况存在鲁棒性差、实时性低等问题,提出了一种基于改进YOLOv3算法的密集人群目标实时检测方法。该检测方法以YOLOv3算法为基础,采用K-means方法对实验用数据集进行聚类分析并对网络结构进行调整,最终得到适用于高密度人群目标检测的算法即YOLOv3-M算法。实验结果表明:YOLOv3-M算法平均准确率达到91.20%,召回率为89.77%,相比YOLOv3算法模型平均准确率提高了6.4%,召回率提高了4.73%;在阈值相同条件下,YOLOv3-M算法可有效降低图片漏识率与误识率;对1080P视频的检测速度达到19.2 FPS,基本满足实时检测的需求,从而验证了该检测方法的有效性。     

基于通勤时间距离的LE污水处理过程故障检测方法

污水处理过程的性能监测与故障诊断,对于保障污水处理过程正常运行及保证出水质量达标具有重要意义.针对污水处理过程数据具有非线性、不确定性及且易受随机噪声影响等特征,提出了一种新的基于通勤时间距离的LE流形学习算法实现对复杂过程数据的特征提取.改进算法采用通勤时间距离方式进行样本间的相似度衡量并构造邻域图,理论分析和仿真测试表明改进算法可有效克服基本LE算法的邻域参数敏感问题并提高了算法的鲁棒性.将基于通勤时间距离的LE流形学习算法用于污水处理过程故障检测建模,在低维流形子空间构造综合统计量进行过程监测.应用结果表明,与基于PCA方法和LE方法的故障检测模型相比,基于改进算法的故障检测模型可及时探测故障的发生,具有较低的故障漏报率和故障误报率.为污水处理等复杂工业过程的故障监测提供了一种可行的解决方案.     

基于注意力机制及Ghost-YOLOv5的水下垃圾目标检测

水下垃圾的目标检测技术对水下机器人实现垃圾自动清除有着重要意义。然而,复杂的水下环境和水底光线不足,易导致检测精度受限、计算量大等问题。针对这些问题,提出了一种基于YOLOv5的水下垃圾目标检测的改进算法。在该方法中,在预处理部分引入Gamma变换提高水下图像的灰度和对比度,便于模型检测。同时,在YOLOv5检测部分嵌入CBAM注意力机制,以突出目标特征并抑制次要信息,从而提高算法精度。此外,将颈部层中的普通卷积模块替换为Ghost卷积模块,减少计算量,加快检测速度。采用真实环境下的水下垃圾数据集进行模型验证,与当前热门的目标检测算法进行对比,该方法在分辨率为640×640的图像上的最高检测精度为93.7%,且计算时间仅为6.7 ms,满足实时性的要求。该研究成果对水下垃圾的目标检测具有良好的借鉴意义。     

面向石化厂区安全风险防控的异常场景图像识别技术研究

针对石化厂区安全风险防控的需求,提出了一种基于卷积神经网络的单分类图像识别算法。为了构建识别模型,首先创建了一个带标签的厂区火灾、烟雾图像数据集用于模型的训练。其次,通过特征提取及分类器模块,实现了对视频监控异常场景的识别。此外,设计了一种全新的损失函数,以增强异常场景识别能力。该算法采用端到端的网络架构,解决了传统目标检测方法的结构臃肿、计算复杂等问题,减少了模型的复杂程度,弥补了现有视频监控资源利用场景的不足,进一步提高了厂区风险识别能力。实验结果表明,所提出的单分类视频监控图像识别算法在准确率等方面优于现有算法。     

基于理想点法的加筋板屈曲承载力优化

目的针对加筋板在使用工况中易发生屈曲和结构失稳,提出一种基于理想点法的屈曲承载力优化设计方法。方法以加筋板的屈曲承载力最大和结构质量最小为目标,以加筋板的屈曲、最大vonMises应力和筋条压损等为约束条件,并利用理想点法将多目标优化问题转化为单目标优化问题。基于ANSYS参数化建模技术,构建屈曲分析、优化设计一体化分析与设计模型,并采用单目标优化算法——DOWNHILL SIMPLEX算法实施了优化分析。结果优化后结构质量从0.195 kg增加到0.24 kg,增加了23%,结构承载力从129.4 k N提升到235.84 kN,提高了82%。结论通过优化能够获得结构性能折中的方案,可为加筋板结构设计应用提供参考。     

基于分区多点供电的填埋场渗漏实时检测系统研究

针对现有填埋场渗漏检测系统在检测大面积填埋场时存在的检测成本高、电极铺设困难和定位不精确的实际问题,设计了一种新型填埋场实时渗漏检测系统,该系统采用分区检测、多点供电的方式采集检测电极电势,并通过定位算法定位漏洞。该系统在大大降低了大面积填埋场渗漏检测成本的同时,也提高了定位精度。通过在中国环境科学研究院内小型填埋场做模拟实验验证,在膜上供电电流400 mA、膜下电极栅格间距10 m、膜下媒质电阻率50Ω·m的情况下,系统的定位精度可达到20 cm。该系统为垃圾填埋场的科学管理和减少环境污染提供了新的科学技术手段。     

城镇供水管网漏损检测及定位技术研究进展

为了给供水行业快速检漏及定位提供参考,对比了基于硬件及模型算法的检漏方法,分析了适用范围及特点。分析认为:基于硬件的检漏方法主要建立在声学、光学反射原理及电信号传递等基础上,具有较高的精度,但耗时耗力且成本高;基于模型算法的检漏技术建立在管网节点压力、流量特征的基础上,通过模型模拟值与测量值之间差值最小化的优化算法可快速定位可能的漏损点,但位置存在一定偏差;建议将两种检漏方法相结合,充分发挥彼此的优势,为自来水厂快速精准检漏提供思路。     

边缘点颜色分布结合车牌自身结构的车牌检测

提出了一种基于边缘点颜色分布结合车牌自身结构的二次车牌定位方法。首先,根据牌照区域的纵向纹理特性,提取灰度图像的竖直边缘突出车牌特征,然后计算边缘点的颜色分布,滤除不满足车牌特定颜色搭配的背景边缘点,最后通过形态学运算、滤波、矩形区域覆盖等得到候选目标。在验证模块中,依据车牌的结构特征对候选区域进行验证分类,最终确定车牌位置。本文对实际收集的样本车牌图像进行试验,结果表明,算法对车牌目标定位具有较高的准确率。     

基于空间拟合和神经网络的机场噪声预测集成模型

将集成学习方法引入到机场噪声预测中,提出一种基于空间拟合和神经网络的机场噪声预测集成模型.该模型采用空间拟合算法和BP神经网络算法构建基学习器,然后通过所提出的基于观察学习的异构集成算法将基学习器集成起来,获得集成的机场噪声预测结果.该模型通过集成多个异构机场噪声预测基学习器,能够有效提升预测准确率.实验结果表明,本文所提出的基于观察学习的异构集成算法,较之其他异构集成算法,在解决机场噪声预测问题上准确性更高、容错性更强.     

一种具有多尺度感受视野注意力机制的生活垃圾单阶段目标检测方法

生活垃圾种类繁杂,传统垃圾分选工艺的效率及精确度较低,为提高多尺度、不同材质垃圾的检测精度,同时保证垃圾分类的鲁棒性,基于现有深度卷积神经网络和单阶段目标检测算法YOLOv3,提出具有多尺度感受视野注意力机制的ECA_ERFB_s-YOLOv3算法.首先在算法检测器前引入多尺度感受视野模块,使算法能选择合适的感受视野对...