融合环境特征与改进YOLOv4的安全帽佩戴检测

目的 在施工现场，安全帽是最为常见和实用的个人防护用具，能够有效防止和减轻意外带来的头部伤害。但在施工现场的安全帽佩戴检测任务中，经常出现难以检测到小目标，或因为复杂多变的环境因素导致检测准确率降低等情况。针对这些问题，提出一种融合环境特征与改进YOLOv4（you only look once version 4）的安全帽佩戴检测方法。方法 为补充卷积池化等过程中丢失的特征，在保证YOLOv4得到的3种不同大小的输出特征图与原图经过特征提取得到的特征图感受野一致的情况下，将两者相加，融合高低层特征，捕捉更多细节信息；对融合后的特征图采用3×3卷积操作，以减小特征图融合后的混叠效应，保证特征稳定性；为适应施工现场的各种环境，利用多种数据增强方式进行环境模拟，并采用对抗训练方法增强模型的泛化能力和鲁棒性。结果 提出的改进YOLOv4方法在开源安全帽佩戴检测数据集（safety helmet wearing dataset，SHWD）上进行测试，平均精度均值（mean average precision，mAP）达到91.55%，较当前流行的几种目标检测算法性能有所提升，其中相比于YOLOv4，mAP提高了5.2%。此外，改进YOLOv4方法在融合环境特征进行数据增强后，mAP提高了4.27%，在各种真实环境条件下进行测试时都有较稳定的表现。结论 提出的融合环境特征与改进YOLOv4的安全帽佩戴检测方法，以改进模型和数据增强的方式提升模型准确率、泛化能力和鲁棒性，为安全帽佩戴检测提供了有效保障。     

面向微博文本的自杀风险识别模型

自杀是当今社会严重的公共卫生问题, 对自杀预防工作进行深入研究有着极大的社会意义. 该文对基于微博文本的自杀风险评估方法进行了研究. 针对微博文本的特点, 为解决当前神经网络单一结构在预测精度提升上的瓶颈问题, 本文提出了一种混合架构的神经网络模型nC-BiLSTM, 并将其应用于微博文本自杀风险识别. 该模型利用多路不同卷积核的卷积层提取局部特征信息, 同时使用双向长短期记忆网络层提取句子的上下文语义特征信息, 实验表明nC-BiLSTM模型的识别精准率、召回率、F值均优于其它模型. 该研究成果可应用到自杀预防的早期干预中.     

变电站温度在线监测预警系统构建

以增强变电站安全可靠性为目的,基于数字温度感应器、无线通信技术、屏蔽技术、抗干扰措施等设计了变电站电缆温度在线监测及预警系统,着重探讨了系统构成和软件设计问题,仅供参考借鉴。     

胡尖山油田采出水处理药剂研究与应用

通过分析胡尖山油田胡154区块采出水化学成分与腐蚀、结垢、细菌繁殖、破乳与凝聚的关系,掌握了采出水性质与水质指标的内在联系,结合水处理单剂作用机理,选择针对性单剂,并对同类型单剂进行了优选。在药剂协同效应分析的基础上,设计投加离子调节剂、预处理剂、助沉剂、助凝剂和水质稳定剂等5种药剂,优化了各单剂投加顺序、浓度;现场采出水处理水质达标,通过核算现场采出水处理成本,总处理成本为5.715元/立方米,其中药剂费用为4.715元/立方米,形成该区有效的采出水处理技术配套。     

一种并行不对称空洞卷积模块

构建卷积神经网络要耗费大量的人力资源,且训练过程中需要消耗大量的算力资源.利用空洞卷积代替卷积神经网络中的池化操作,能有效增加感受野,降低运算复杂度,但是空洞卷积会带来空间层次和信息连续性的丢失.本文提出了一种并行不对称空洞卷积模块,该模块能够补全空洞卷积所丢失的信息,可以嵌入到现有的卷积神经网络中,代替3×3卷积进行网络训练,从而加速网络的收敛,提高网络的性能.实验结果表明,利用本文所提出的并行不对称空洞卷积模块,可以显著提高不同网络在CIFAR-10等数据集上的分类效果.     

变电站温度在线监测预警系统构建

以增强变电站安全可靠性为目的,基于数字温度感应器、无线通信技术、屏蔽技术、抗干扰措施等设计了变电站电缆温度在线监测及预警系统,着重探讨了系统构成和软件设计问题,仅供参考借鉴。     

基于SVM模式识别的光纤围栏入侵告警技术研究

设计了光纤围栏系统的系统组成,并对系统的工作原理和围栏主机的工作流程进行了重点分析.设计了围栏主机中基于支持向量机(SVM)的模式识别模块,介绍了在二类分类和多类分类情况下的相关算法,给出了在Labview中的实现结果.     

一种具有边缘增强特点的医学图像分割网络

针对传统医学图像分割网络存在边缘分割不清晰、缺失值大等问题,该文提出一种具有边缘增强特点的医学图像分割网络(AS-UNet)。利用掩膜边缘提取算法得到掩膜边缘图,在UNet扩张路径的最后3层引入结合多尺度特征图的边缘注意模块(BAB),并提出组合损失函数来提高分割精度;测试时通过舍弃BAB来减少参数。在3种不同类型的医学图像分割数据集Glas, DRIVE, ISIC2018上进行实验,与其他分割方法相比,AS-UNet分割性能较优。