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。     

混凝土梁后张预应力损失的概率特征及敏感性评估

为研究混凝土梁中后张预应力损失的分布特征及其对各种不确定因素的敏感性,以概率数值模拟为基本手段,得到各分项预应力损失及预应力总损失的概率分布特征,并对预应力损失进行了区间估计.将各影响因素划分为施工、设计和材料3类,分析了预应力损失对各类因素的敏感性.结果表明:预应力总损失可用对数正态分布描述;95％置信概率下预应力总损失的上、下限偏离均值可达20％以上,各因素不确定性对预应力损失影响不容忽视;各类因素的敏感程度依次为施工条件、材料性能和设计因素,其中张拉控制应力、预应力筋弹性模量和预应力筋面积分别在3类因素中的影响最为显著;各分项预应力损失中,管道局部偏差对摩阻损失的影响强于管道摩擦,预应力筋越长对锚具变形损失影响越弱,而混凝土收缩徐变损失对徐变的敏感程度要强于收缩.     

融合YOLOv5-ResNet级联网络的烟火检测方法

火灾产生的烟雾和火焰对人类生命财产及安全会造成严重威胁。针对现有烟火检测算法在实际工业应用中无法满足高检测率、低误报率以及高实时性的检测需求,提出了一种融合YOLOv5-ResNet级联网络的烟火检测算法。首先,为了提高YOLOv5检测网络对烟火目标的检测性能,尤其针对小目标烟火,通过增加注意力机制模块、小目标尺度检测层、Focal Loss损失函数的方式改进YOLOv5目标检测网络;然后,为了降低误检情况的发生,将检测到的烟火目标进行阈值筛选,筛选后的烟火目标增加部分背景信息后送入ResNet34分类网络,剔除非烟火目标;最后,通过综合分析连续多帧检测结果和烟雾面积变化情况,进一步降低误检的发生。结果表明：融合YOLOv5-ResNet级联网络的烟火检测算法,在29个烟火视频的查全率为99.38%,漏检率为0.62%;在45个非烟火视频的误检率约为0.001 6%,在所有测试视频的平均检测速度为51.67帧/s, YOLOv5-ResNet级联网络算法检测精度较高,检测速度较快,误检率低,可满足实际的大规模复杂工业场景下检测任务,综合性能优于现有的其他火灾检测算法。     

多作业场景下个体防护装备自动检测研究

为实现对企业作业现场人员个体防护装备(Personal Protective Equipment, PPE)正确穿戴的精准监管，采用YOLOv5模型和单阶段目标检测算法，设计并开发了一种辅助作业现场PPE自动检测与研判的管理系统。通过对某企业工作全流程的调研和分析，明确了存在遮挡物、密集多目标、远距离目标及光照不均匀4类典型的作业场景及检测环境特征。基于不同作业场景下的监控设备完成数据采集，并建立了4种PPE的数据集。通过YOLOv5目标检测模型的训练和测试，融合现有的监控平台，实现了作业过程人员PPE使用情况的动态、快速研判。研究表明，系统对目前企业典型作业场景PPE使用情况的检测平均精确度为99.5%,同时兼顾了检测速度和运行成本，有效提升了企业现场安全管理效能。     

考虑碳排放的危险品运输异构车辆路径问题研究

为满足危险品运输异构车辆路径问题(HVRP)的低碳需求,对易爆危险品运输过程中的总风险、总成本和总碳排放量进行最优化处理。首先,在模型构造阶段,改进总成本与总风险的度量方式,包括建立爆炸事故场景下考虑危险品装载量的风险量化模型,并设计一种用于惩罚成本计算的软时间窗函数,该函数可以优先减少装载量较大的车辆在客户处的等待时间;然后,在算法改良阶段从2方面改进非支配排序遗传算法(NSGA-Ⅱ),设计一种带有改良交叉算子的混合交叉方法来提升全局搜索效率,并通过包含2个阶段的变邻域搜索(VNS)算法来提高局部搜索能力;最后,通过算例验证模型和算法的有效性。研究结果表明：相较于原始NSGA-Ⅱ,改进的算法收敛曲线下降更快,使总成本、总风险和总碳排放量3个优化目标的平均值进一步减少3.36%、12.16%和6.96%;在车辆数目有限的车队中,承运人可以通过选择不同的车辆类型对各目标产生不同程度的影响。     

基于改进YOLOv7-x的多场景火灾识别算法

为解决发生火灾时传统的火灾报警器易受环境和空间的限制,出现检测精度下降的问题,提出1种基于改进YOLOv7-x的多场景火灾识别算法。首先,对火灾数据集进行多样化扩展,使其对任务场景更具适应性,再将扩展好的数据集进行数据增强以提升模型的鲁棒性;其次,在算法头部嵌入Coordinate Attention注意力机制,用来增强算法对火灾的专注力,并在算法主干引入ConvNeXtBlock结构,提升算法的精度;最后,使用Merge-NMS算法代替传统的NMS算法用来提升预测框位置的精准度。研究结果表明：改进YOLOv7-x算法相比于改进前的均值平均精确度mAP提高7.8个百分点,改进后的算法性能更优,可满足复杂场景下火灾精准检测的要求。研究结果可为智能化检测火灾提供技术支持。     

基于深度学习的吸烟行为实时检测

为预防在禁烟场所因吸烟引发的火灾事故，提出了一种基于YOLOv5s的改进算法，利用改进算法对摄像头获取的图像进行逐帧检测，实现吸烟行为的实时检测。首先，将转换器(Transformer)引入网络颈部中，增强网络对多尺度目标的检测能力；其次，加入坐标注意力(Coordinate Attention, CA)模块，丰富网络提取的特征图信息，增强特征图信息表达能力；最后，增加一个小目标检测层，提高网络对香烟小目标的检测能力，降低网络对小目标的漏检率。此外，构建了一个多场景下的吸烟行为数据集，并对马赛克(Mosaic)数据增强策略进行改进，改善原有数据增强方式丢失目标的问题。试验结果表明，改进后的算法在精确率、召回率和平均精确率上相比原模型均有所提升，在多目标和小目标场景下的实际检测效果对比原模型有明显改善，同时检测速度满足实时性要求，改进后的模型能够更好地应用于吸烟行为实时检测任务。     

视频中异常行为自动检测技术研究

为提升计算机对视频中异常行为的识别、判断能力，提供及时发现异常行为并阻止其造成更大损失的可能性，本文提出2种基于视觉低层特征设计的异常行为检测技术，利用混合高斯模型和区域像素灰度值判断运动目标是否进入危险高度，进而达到对攀高的检测；利用光流—聚类法和目标跟踪法实现初步、精确判断是否存在逆行行为。攀高实验中选取2个不同场景下的视频，逆行实验选取室外复杂环境中拍摄的视频进行检测，检测结果显示：攀高检测中，无误检；逆行检测中相较于传统光流法，误检率明显降低。     

基于改进蝴蝶算法和社会力模型的多出口疏散模型研究*

为提高多出口场景下行人疏散效率和精度,基于蝴蝶算法和社会力模型,提出一种新的应急疏散仿真路径规划方法。在原有社会力模型中,考虑距离出口远近及行人所处位置拥挤度对运动过程中期望速度的影响,引入速度调节因子,描述行人在疏散中的期望速度变化;针对蝴蝶算法中后期收敛速度慢和易陷入局部最优的缺陷,提出自适应感知概率参数以增强局部搜索和全局搜索之间的平衡;在每轮迭代结束时引入迭代局部搜索策略,扰动局部最优解获得中间状态,并重新搜索上述中间状态得到全局最优解。研究结果表明:提出的应急疏散仿真路径规划方法在多出口环境下能够更有效地利用出口资源,提高疏散效率。     

基于改进YOLOX的变电站工人防护设备检测研究

为解决电气工人防护设备检测问题,通过改进YOLOX算法,提出检测工作人员防护设备的模型。首先在预测部分改进损失函数,为解决损失函数计算存在的缺陷,对IOU损失的计算方法进行改进,根据防护设备任务特性,通过调整各种类型损失函数的权重,增加对模型误判的惩罚,对模型进行优化;其次在算法主干网络中引入CBAM注意力模块提高神经网络对工人防护设备的感知能力;最后在算法Neck部分,将UpSample结构用于多尺度特征融合,加强网络的细节表达能力,从而提升对小目标困难样本的检测精度。研究结果表明：改进后的YOLOX模型平均精度均值达到87.24%,与已有YOLOX模型相比提升2.46%,具备有效性,适用于变电站工人防护设备检测。研究结果可为电气工人提供更高的防护装备检测精度。     

基于改进的YOLOv4安全帽佩戴检测研究

为了加强建筑工人佩戴安全帽情况的检测,防止安全事故的发生,提出1种改进的轻量级YOLOv4安全帽佩戴检测算法,用于运行在移动设备端,降低现场部署的条件;制作1个8 000幅图像的数据集,用于训练和评估安全帽检测算法;为了评估改进的YOLOv4的性能,从5个不同建筑工地采集到600张施工人员图像和60条施工视频作为验证集;根据建筑工地不同的视觉条件对图像进行分类,用于验证本文算法在不同外界环境下的性能。结果表明:改进后的模型检测速度是YOLOv4的3.4倍,可用于实时检测施工人员在不同施工现场条件下是否佩戴安全帽的情况,有利于提高安全检查和监督水平。     

考虑道路状况的应急配发站启用以及配送优化问题*

为了研究应急物资配发站启用及配送方案优化问题,综合考虑灾难事件下的道路损毁状况、道路复杂程度、需求不确定以及物资拆分配送等特点,以应急物资配发站启用成本、车辆启动成本、运输成本之和最小化为目标,建立应急物资配发站启用及配送模型,设计头脑风暴优化算法,结合算例,对该问题进行仿真,并将结果与遗传算法进行对比,验证模型的可行性和算法的有效性。结果表明,在决策时考虑道路状况能够有效降低系统成本,提高救援效率。     

1种基于视频的油田危险区域入侵检测智能综合识别技术研究

为解决油田日常生产作业中缺乏危险作业区域的等级划分与自动识别方式以及缺乏人员踏入危险区域的识别方法.提出1种基于视频智能综合识别技术的全天油田危险区域入侵检测算法,该算法首先结合油田危险因素对油田危险区域进行危险等级的划分与危险区域的识别;然后,针对光照条件良好的白天场景,在训练数据集中融合油田作业区视频数据和公开行人...     

气瓶腐蚀缺陷应力分析及寿命预测*

为研究气瓶全生命周期腐蚀缺陷与剩余寿命的关系,基于ANSYS建立某型号车用压缩天然气钢瓶有限元模型,分析内腐蚀深度0.1~3.0 mm状态下,气瓶Mises应力分布与应力强度变化规律;根据应力分析,应用局部应力应变理论和修正的Manson Coffin公式进行寿命预测。结果表明:随着气瓶腐蚀缺陷的加深,气瓶额定载荷下的应力分布呈现向缺陷区域集中、应力强度增大的趋势,且腐蚀曲线存在明显拐点;使用应力分析与寿命预测相结合的方法,得出含腐蚀缺陷车用气瓶寿命—腐蚀深度关系曲线,可为气瓶安全使用管理提供参考。     

双风机并联机站局阻特性研究

为探究双风机并联机站局部阻力特性、完善机站局部阻力及其系数的计算公式,以实际矿井通风机站为工程背景,在分析机站流场能量损失机理的基础上,采用物理模型实验和数值计算相结合的方法,分析了机站入口分流、出口汇流的断面速度不均匀程度与机站阻力损失的关系,同时对不同宽高比的矩形断面进行多工况模拟。结果表明:断面速度不均匀性越大,速度分布重组造成的阻力损失越大;确定了机站局阻计算所需参数的合理测定位置,得出机站局阻系数计算时的综合影响系数Kc随风机工况增大而增大、随断面宽高比A增大而减小,并呈现较好的线性关系。研究结果可为多级机站通风系统通风阻力特性分析以及工程优化设计提供参考。     

基于机器学习方法的安全帽佩戴行为检测

施工现场作业人员是否佩戴安全帽主要依靠人工检查,存在监管效率低、时效性差等问题,为了实时自动监管作业人员是否佩戴安全帽,提出1种基于机器学习的安全帽佩戴行为检测方法。首先利用深度学习YOLOv3算法检测出现场视频中的施工人员脸部位置,根据安全帽与人脸的关系估算出安全帽潜在区域;然后对安全帽潜在区域图像进行增强处理,使用HOG（方向梯度直方图）提取样本的特征向量;再利用SVM（机器学习的支持向量机）分类器对脸部上方是否有安全帽进行判断,进而实现对施工人员安全帽佩戴行为的实时检测与预警。以某高铁站施工现场为例进行验证,研究数据表明在施工通道和塔吊作业区域,该方法可实时有效检测出工人未佩戴安全帽的行为,识别率达90%。     

基于VR的地铁基坑施工安全教育系统设计与应用*

为解决地铁基坑施工事故应急演练存在的实际操作困难、场景复杂、成本高等问题,采用多人虚拟现实（VR）技术开发的地铁基坑施工安全教育系统,使受训人员可以身临其境地体验地铁基坑施工过程中常出现的典型安全事故（触电、物体打击、高空坠落、基坑坍塌）,以满足演练需求。每个系统场景由多个环节组成,解决地铁基坑跨度大造成的场景数据庞大问题,并采用UE4级联粒子系统来实现复杂粒子动态变化,运用物理引擎PhysX来简化碰撞模型。同时,系统采用分角色互动演练,以培养施工员之间的协同性。结果表明:系统模拟符合实际地铁基坑施工事故应急演练要求,具有较高体验感和互动性,可快速提升施工员的安全意识和应急能力。     

重大基坑坍塌事故虚拟仿真系统研究

为预防基坑坍塌事故发生、进行重大事故警示教育,以杭州地铁湘湖站北2基坑坍塌事故为素材,研究构建重大基坑坍塌事故虚拟仿真培训系统。对案例事故涉及的设计、施工、环境三大因素的技术问题进行总结,研究了事故链各致险因素及对推动事故发生所起作用,完成仿真系统平台设计和开发工作。系统应用多种制作技术创建工程场景模型,展示深基坑工程复杂的施工工序和空间关系,再现基坑坍塌事故发生发展过程和贴近实际的灾难场景。研究结果表明:仿真系统成果可丰富地下工程教学、施工现场安全教育和安全监察培训的内容和形式。     

基于深度学习的污染场地作业人员着装规范性检测

为解决污染场地修复作业中缺乏统一的人员安全保障管理措施以及人工监管困难的问题,结合HSE理念提出1种基于优化Faster R-CNN的作业人员着装规范性检测算法。该方法在回归损失函数中引入L2正则项,既保证模型的泛化能力,又提高深层网络模型收敛速度。基于自建着装规范数据集（Dress Code Dataset）进行实验,评价算法检测时间和mAP等指标。结果表明:所提出的着装规范性检测算法检测时间为44 ms,mAP为88.17%,解决了传统检测算法中实时性和准确率低的问题,且模型具有更好的泛化性和鲁棒性。     

基于区间概率优势决策模型的滑坡治理方案优选研究

滑坡灾害治理初步设计阶段的方案优选和科学处置,对于避免或减少生命财产损失具有重要的科学和工程意义。针对滑坡治理决策指标信息属性的复杂性、区间性与不确定性等特征,首先借鉴博弈决策论的Minimax算法优化思路,结合概率优势关系及粗糙集相关理论,提出滑坡灾害治理方案优选的区间概率优势关系决策模型,该模型考虑治理方案与理想方案之间的优势度及其属性值的概率测度,与方案属性值大小之间存在着等价关系;然后利用属性值优势关系求得权重量化值,同时基于离差最大化算法和推论2对治理方案进行排序和反演;最后通过工程案例仿真模拟进行验证。研究结果表明:优选方案可为滑坡工程项目治理提供借鉴和参考。