宾馆水景的生态设计

以宾馆水景为研究对象,从动植物、水体、水岸的生态设计方面,结合广州市具有代表性的宾馆实例,考察了宾馆水体景观的生态设计,其中动植物的生态设计应注重选择合适的乡土植物并加以科学合理地配置,保护生物多样性,营造平衡的生态系统;水体的生态设计应注重形成良好的水循环系统;水岸的生态设计应有助于密切水景与人之间的关系,满足人类亲水的天性.分析了宾馆水体景观设计中存在的问题并提出相关建议,针对生态方面的水体循环系统设计和搬质治理方面的问题,主张建立水体生态平衡系统并保持水体清洁;针对因水体的水质污染而造成的安全问题,提出宾馆水景应加强防护等措施,保证顾客的安全;对于可观性欠佳的水体景观应着重于从各种渠道提升其观赏性,发挥出最大的艺术效果;在水景的运行与维护方面则应加强整体规划,节约水资源,节省水体运行成本.     

基于YOLOv5s-SDE的带式输送机煤矸目标检测

传统的煤矸图像检测方法需要人工提取图像特征,准确率不高,实用性不强。现有基于改进YOLO的煤矸目标检测方法在速度和精度方面有所提升,但仍不能很好地满足选煤厂带式输送机实时智能煤矸分选需求。针对该问题,在YOLOv5s模型基础上进行改进,构建了YOLOv5s-SDE模型,提出了基于YOLOv5s-SDE的带式输送机煤矸目标检测方法。YOLOv5s-SDE模型通过在主干网络中添加压缩和激励（SE）模块,以增强有用特征,抑制无用特征,改善小目标煤矸检测效果;利用深度可分离卷积替换普通卷积,以减少参数量和计算量;将边界框回归损失函数CIoU替换为EIoU,提高了模型的收敛速度和检测精度。消融实验结果表明：YOLOv5sSDE模型对煤矸图像的检测准确率达87.9%,平均精度均值（mAP）达92.5%,检测速度达59.9帧/s,可有效检测煤和矸石,满足实时检测需求;与YOLOv5s模型相比,YOLOv5s-SDE模型的准确率下降2.3%,mAP提升1.3%,参数量减少22.2%,计算量下降24.1%,检测速度提升6.4%。同类改进模型对比实验结果表明,YOLOv5s-STA与YOLOv5s-Gho...     

基于改进YOLOv5的矿用钢丝绳芯输送带破损检测方法

针对矿用钢丝绳芯皮带进行无损检测时存在目标区域占比小、局部信息冗余以及网络参数难以训练等问题,提出一种基于改进YOLOv5的钢丝绳芯皮带检测算法。通过优化Mosaic数据增强将图像数从4提升至9,提升图像特征丰富度;采用注意力机制对图像中重要特征进行加权控制;并用EIOU作为损失函数,增加收敛和改善回归准确度。实验结果表明,改进后平均精度均值增加0.7%,达到70.9%,增强了其抗干扰能力且漏检量减少。