基于联邦学习的输电塔螺母销钉缺失检测

输电塔上的螺母是连接两个或多个输电塔部件之间的媒介, 销钉是确保螺母不脱落的重要保障. 销钉缺失会使各部件之间的连接处存在安全隐患.本文将联邦学习与目标检测算法结合起来, 在保证各地区数据不互通的情况下, 上传局部模型, 经过中心节点生成融合模型, 采用Faster RCNN检测算法对螺母进行检测, 同时用分类网络对螺母进行分类, 最终得出销钉是否缺失. 实验结果表明, 联邦学习融合后的模型比各局部模型在检测任务的mAP上提升3%–6%, 在分类任务的准确率上提升2%–3%.     

基于遗传算法的污水处理工艺流程优化

污水处理工艺是针对城市生活污水和工业废水的处理问题所提出的一套完整的解决方案,并且被广泛应用于各个领域.城市污水处理工艺应根据处理规模、水质特性、受纳水体的环境功能及当地的实际情况和要求,在工艺技术特性与经济成本的衡量中选择优化方案确定,其可以看作是一种特殊形式的多参数优化问题:首先统计污水处理的工艺方法并设计污水处理工艺知识库;其次将各工艺的参数和环境信息作为输入,以工艺知识库作为支撑,依托设定好的智能算法自动生成由工艺知识库中的工艺组合而成的方案,方案包括各工艺模块的顺序、工艺内部组件的尺寸、预测运行成本以及处理效果.本文提出了使用messy遗传算法对污水处理工艺流程进行选优推荐,将工艺序列的总成本的倒数作为适应度,根据工艺知识库与优化目标,自动生成在多个污染物指标达标的情况下成本最低的优化方案.通过实验验证,messy遗传算法能够在工艺序列长度变化的情况下实现方案的高效准确推荐.     

基于微服务架构的众包图像数据集标注系统

深度学习在图像识别领域凸显出了优势,而在深度学习图像识别模型训练的准备阶段,制备图像数据集需要人工将图片上的信息进行标注.这一准备过程往往需要耗费大量人力成本与时间成本.为了提升数据制备阶段的工作效率,从而加速深度学习模型的生成与迭代,提出了一种基于微服务架构的多人协作众包式图像数据集标注系统.通过将繁重的标注任务划分为不同的小任务,使更多的人能够参与并协同完成数据标定.通过引入对象存储机制并采用微服务架构,提升了系统性能,在开发阶段使用了基于Gitlab的持续集成与持续部署,实现了系统的快速迭代与部署,提升了微服务系统在开发过程中的集成效率.     

基于尺度融合的密集人群计数

现实场景中人群尺度的巨大差异给密集人群计数算法带来了巨大的挑战,因此提出一种基于尺度融合的密集人群计数算法.首先对密度图构建算法进行优化,利用多个头部检测器获取稀疏人群的部分头部尺度,并用径向基差值进行补全,在人群密集区域辅之以距离自适应的人群密度图生成算法,生成更为精确的人群密度图.其次利用移动翻转瓶颈卷积模块设计尺度融合的人群密度图回归神经网络,并加入膨胀卷积模块进一步提升人体头部边缘特征提取能力.最后,通过将人群区域和非人群区域进行区分对人群密度图回归神经网络损失函数进行优化.在实验部分,将该算法在多个数据集上与多个同类算法进行了充分的对比实验与消融实验,实验结果表明提出的方法能够显著提升密集人群计数算法的准确性.