基于改进YOLOv4的X射线图像违禁品检测算法

为提高安检速度、实现X射线图像中违禁物品的自动检测,提出一种基于改进YOLOv4的X射线图像违禁品检测算法。该算法在单阶段目标检测算法YOLOv4基础上设计一种空洞密集卷积模块。将上采样链路融合后特征输入空洞密集卷积模块中,增强特征表达能力和卷积视野。对融合后特征信息加入注意力机制,用来增强有效特征和抑制无效特征,最终得到表征图像信息的特征图输入检测头部。采用Mosaic数据增强方法训练网络,提升网络的鲁棒性。结果表明：该算法在公开SIXray数据集上的均值平均精度达到80.16%,检测速度为25帧/s;该算法在公开SIXray数据集上多类违禁物品能够取得较高的检测精度,且满足检测的实时性要求。     

基于NB-IoT技术的井盖管理系统设计与实现

井盖是地下管廊安全的出入口,是地下管廊运维不可缺少的组成部分。传统的井盖管理是采用人工巡检方式,但是由于井盖数量大以及分布不集中,管理起来比较困难,特别是当井盖出现破裂、移开、被盗等问题时不能及时发现,就会造成一定的安全隐患。本文提出了一种基于NB-IoT技术并集成多种传感器的智能井盖管理系统,该管理系统增加了电子锁功能和低功耗模式,使得实际应用价值得到很大提升。通过大量实验证明,该管理系统可以实时监控井盖的状态以及井盖环境信息,从而达到智能管理井盖的作用。