不同深度学习模型在餐厨垃圾类型识别中的应用与比较

厨房产生的尾菜垃圾以及餐后垃圾在质地上差异较大,预处理环节若不能有效识别餐厨垃圾的类型,进而采取合适的工作参数,经常导致减量化处理设备处理效果差甚至无法正常进行的问题。针对尾菜垃圾和餐后垃圾在图像上的差异,对不同季节的蔬菜产生的尾菜垃圾以及不同饮食风格下产生的餐后垃圾进行图像采集和处理,在此基础上采用ResNet18作为基础网络,引入注意力机制设计1个全新深度学习模型进行餐厨垃圾识别,并用ResNet18、ECANET+ResNet18、SENET+ResNet18、SANET+ResNet18模型进行对比。结果表明：上述4种网络模型均有较高的准确率。准确率分别为96.73%、97.10%、97.28%和96.92%;损失率分别为4.35%、4.11%、3.76%和4.17%;在训练时间方面,ECANET+ResNet18的训练时间最短,比ResNet18快350 s。ECANET+ResNet18网络有效提高了ResNet18网络的性能,达到了最高准确率和最小的损失率,能够满足餐厨垃圾的机器识别要求。     

基于内隐学习的企业师带徒培训

随着经济社会的发展和竞争的加剧,如何提升企业员工的知识与能力、建立学习型企业已日益成为企业家和学界最为关注的课题。培训是提升企业员工社会管理能力的重要途径,但应当采取何种培训方式才能契合企业员工的工作特点？当前许多企业员工培训往往忽视了企业员工与其他类型组织人员的差别,社会上流行什么培训方式就采用什么培训方式,     

合煤公司组织学习贯彻《国务院关于进一步加强企业安全生产工作的通知》精神

为学习贯彻好《国务院关于进一步加强企业安全生产工作的通知》精神,9月6日下午,合煤公司再次组织在家的公司领导、公司部门领导和各矿井的矿井长、安监站长、投资方代表等60多人对《通知》进行了细致的学习、讨论和贯彻。     

走出去借“他山之石”，用起来建“安全社区”

日前,盐城市亭湖区安委办组织部分街道分管负责人、安监科长和安监局领导、职能科室负责人去上海、苏州等地考察学习城市街道社区安全监管工作。考察组先后到上海市卢湾区淮海街道、闸北区临汾街道、苏州市金阊区北洋湾街道和虎丘街道听取介绍,实地走访,取经学习。通过此次考察学习,大家感到收获很大,一致觉得,所参观的上海、苏州部分街道社区安全监管上的做法和经验值得借鉴,对搞好亭湖区街道社区的安全监管工作有着重要的启示。     

漳州市民车牌选号趋于理性

2月20日下午,龙岩市安监局召开局党组扩大会议,传达学习胡锦涛总书记来闽视察重要讲话精神。通过学习中共福建省委《关于认真学习贯彻胡锦涛总书记在福建考察时的重要讲话精神的通知》、龙岩市委常委扩大会议精神和《闽西日报》相关报道,     

省安监局、福建煤监局认真传达学习贯彻胡锦涛总书记在福建考察时的重要讲话精神

2月21日下午,福建省安监局局长、福建煤监局局长陈炎生主持召开两局传达学习贯彻胡锦涛总书记视察福建重要讲话精神大会。两局机关全体干部职工、直属事业单位中层以上领导干部约100人参加了大会。     

基于光纤传感探测的直升机修理异常振动源定位研究

目的 针对直升机异常振动故障排除,对振动源进行检测,并分析振源频谱,准确定位异常振动源,指导振动源调整,并对调整情况进行检测,提升直升机异常振动排故效率。方法 结合光纤传感器的振动检测特性应用分析,开发一套基于光纤传感探测的直升机修理异常振动源定位系统,实现直升机的振动源动态监控。结果 识别了直升机的主要振动源,分析统计了振动源频率,梳理了直升机试车、试飞典型振动故障,研究了光纤振动传感器感知被测量的实时调制方法和信号调制的光波解调方法,结合应用需求对市场上成熟的分布式光纤传感系统进行了优化设计,采用深度学习技术,对后端数据处理平台软件进行了重新设计。结论 通过有针对性地创建识别模型库,并对模型库进行实际样本训练,模型准确率可达到66.37%。     

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。     

基于强化学习布谷鸟搜索算法的应急无人机路径规划

无人机可以在灾后救援中分析灾情,搜寻人员,提高救援的效率。为保证无人机在受灾区域的飞行安全,建立了较为全面的路径模型并提出了高效的求解算法：考虑路径长度、风险成本、高度成本和平滑程度四个指标,建立应急无人机路径规划模型;提出一种基于强化学习的布谷鸟搜索算法对模型求解。实验结果表明：提出的模型和算法能够更加有效地解决应急场景下的无人机路径规划问题,提升无人机在受灾区域飞行的安全性,为应急管理决策者规划出高质量的无人机救援路线。     

基于深度学习的建筑破坏状态智能评估研究

地震发生后需要对震害区域建筑物破坏等级进行快速评估,以便于震后辅助决策和应急救援。通过分析建筑物外立面震害照片数据,挖掘不同建筑破坏等级与其立面图像特征潜在的映射关系,建立基于震害图像数据的建筑破坏状态智能评估深度学习方法,并应用于都江堰的地震调查数据。首先,训练获得了DeeplabV3+图像语义分割深度神经网络模型,实现在震后复杂背景下的建筑物外观整体的分割提取。进一步,利用迁移学习进行ResNeXt网络参数训练用于图像分类,实现建筑物地震破坏等级的评估。分析了都江堰地震现场调查数据,实验结果表明,所提方法能够较精细地将建筑破坏划分为基本完好、损坏和倒塌三类,准确率达到90.33%。评估模型可直接应用于震后建筑状态的较精细评估,且对外立面图像拍摄角度无较高要求,对图像背景鲁棒,可避免环境因素影响。相较于人工判断,研究方法提高了工作效率,缓解了调查者主观性判断带来的离散性影响,具有良好的应用潜力。