人员安全帽佩戴轻量化检测方法研究

为有效减小安全帽检测算法的计算复杂度，并提高算法对于小目标的检测精度，提出一种基于Pytorch深度学习框架的轻量化安全帽检测模型。使用轻量化网络设计减小模型的计算量；设计可变形双向聚合网络提高模型对检测对象尺度和形状多样性的适应能力，优化对小目标的检测效果；通过网络收集的施工现场图像验证安全帽检测算法的检测效果。与已有安全帽检测算法相比，该方法检测精度有明显提高、模型参数量显著下降，并以137帧/s的速度运行。可变形双向聚合网络利用深层语义特征和浅层细节特征，并自适应调整感受野，可以适应不同形状和尺寸的检测对象，提高检测精度。     

关于建立工业园区统一规范碳核算方法体系的思考

工业园区是中国制造业发展的重要载体与做好碳达峰碳中和的关键支撑，建立统一规范的碳核算方法，是园区科学推进低碳发展的必要前提。本研究剖析了园区碳核算的复杂性，明确了园区“双碳”工作的核心要义，建立了“一芯四核”互馈式园区碳核算方法框架。该框架主要包括应用目标与范围定义、流分析与排放清单建立、碳排放计算、结果解释与决策支撑四个核心环节，四“核”间相互作用、迭代优化，根据园区发展实际进行具象化，并充分考虑向上与所在行政区域碳核算清单、向下与企业碳排放核算兼容，最终服务于准确把握低碳发展内涵、锻造新的产业竞争优势这一关键内“芯”。进一步地，研究阐述了“一芯四核”方法框架各主要步骤，分析了园区碳核算实践中面临的园区边界、核算范围、清单建立、数据质量等方面的难点，提出了基于检验清单的各环节工作原则、操作步骤及注意事项。研究为“千园千面”的工业园区提供了科学统一的碳核算理论框架，可为工业园区在低碳转型中锻造新的产业竞争优势提供决策支撑，为建立统一规范碳排放统计核算体系奠定方法基础。