基于生成对抗网络和迁移学习的排水管道缺陷识别

城市排水设施的服役可靠性成为越来越重要的工程问题,高效率、自动化、大规模的管道缺陷智能检测是城市排水设施建设和管理的迫切需求和重要发展趋势。近年来深度学习技术发展迅速,为排水管道缺陷检测提供了新方法。然而,数据量不足和样本不均衡是深度学习模型普遍存在的问题,影响模型的泛化能力和识别鲁棒性。基于当前先进的生成对抗网络（StyleGAN）,提出了一种高质量的排水管道缺陷图像合成方法,以解决训练样本问题。进一步采用卷积神经网络算法,借助迁移学习和预训练模型（SqueezeNet网络）实现管道缺陷识别,提升模型识别效率,并对合成图像进行效果验证。结果表明,StyleGAN能高效合成高质量的缺陷图像,识别模型的平均精度达到90.0%（对树根、错口、残墙坝根和障碍物的精度分别为99.7%、92.3%、87.7%和81.7%）。借助生成对抗网络实现数据增强,为深度学习模型训练提供了一种有前景的方法,具有重要的应用意义。     

基于深度学习的排水管道缺陷内窥检测智能识别系统研究

目前国内各城市已普遍采用管道机器人深入管道内部摄取视频影像,有效获取到可供管道缺陷检测的一手资料,但缺陷识别大部分依靠人工目视识别,耗时耗力,生产周期长。利用福州市勘测院多年累积的管道检测数据,基于Pytorch深度学习框架、建立了排水管道缺陷内窥检测智能识别系统,包括:数据预处理,残差神经网络设计与训练、系统集成等。重点实现了三级组合识别模型建构(二分类,类型识别,等级识别),解决了系统准确度等技术难题。经生产实践表明:模型准确率高,可有效提高管道健康状况检查质量和效率。     

基于YOLOv3的深度学习交通标志识别系统

介绍采用深度学习算法中的目标检测网络模型在禁令交通标志识别研究方面的难点以及国内外对此类问题的相关研究成果;阐述基于YOLOv3目标检测网络模型以及其训练方法;通过测定平均精度及平均召回率对研究结果进行评估。     

基于PLC工件自动清洗装置的电气控制研究

机械工件需要经过清洗,才可以保证其在今后工作过程中避免出现故障现象,因此,如何有效提高机械加工件自动清洗已经成为相关企业、生产厂家需要考虑的重要问题。文章结合实际情况,对基于PLC工件自动清洗装置的电气控制进行分析,旨在有效提高我国自动清洗装置电气控制水平。     

基于生成对抗网络的深度Q学习空调冷负荷预测算法

针对传统预测算法在商场空调冷负荷预测中存在数据样本不足和预测精度低的问题,提出了一种基于生成对抗网络的深度Q学习的算法预测商场的空调冷负荷.利用生成对抗性网络生成与历史冷负荷数据相似的冷负荷数据,通过生成对抗网络解决真实负荷数据样本不足的问题.然后,利用深度Q学习网络预测未来时刻空调冷负荷数据.为了验证算法的有效性,以...     

基于大数据深度学习的输电塔结构抗风易损性评估

为了有效预测输电网系统在强风作用下的响应,并开展高效精准的性能评估,文章提出了基于深度学习模型的风致易损性评估框架。以某具备健康监测系统的输电塔结构为例,首先对监测数据进行清洗和重构,通过大数据深度学习建立荷载输入和响应输出的等效映射模型,然后通过数值模拟生成灾害强度均匀的风场数据并由深度学习模型预测输电塔关键杆件响应,计算不同性能水准的易损性曲线。研究结果表明,经训练的深度学习模型可以涵盖实际工程中存在的各类不确定性因素,有效映射复杂风环境下输电塔结构的动力响应。提出的框架方法可以避免单纯通过数值模型制备大量动态响应数据,更高效地进行输电网系统风致易损性评估。     

基于计算机视觉的钢结构表面缺陷智能识别研究综述

我国是钢结构工程建造量和保有量最多的国家,传统的钢结构缺陷工程诊断方法已无法满足当前的需求。而随着计算机技术的快速发展,将人工智能引入工程诊断领域逐步成为研究热点。根据对国内外研究现状的总结,提供了常见的钢结构表面缺陷基于计算机视觉的智能识别方法的研究综述,并结合国内实际情况总结出一套通用的技术框架。首先总结了表面缺陷智能检测与识别的通用流程,即：图像采集、目标提取和缺陷识别,然后以此为框架介绍了计算机视觉各种方法的内容和原理。接下来分别介绍了钢结构三种常见表面缺陷：高强螺栓缺失与松动、表面锈蚀、表面裂缝智能识别技术最新的研究进展和当前方法的不足。最后讨论和展望了基于计算机视觉的表面缺陷智能识别未来的研究方向。     

基于深度学习的绝缘子精确识别

针对大量高分辨率的无人机航拍影像中自爆绝缘子的检测问题,提出一种基于SSD检测网络改进的MFPSSD网络(Multidirectional Feature Pyramid Single Shot Detector,MFPSSD),实现绝缘子目标的精确识别.第一,利用K-means算法对训练数据进行聚类分析得到绝缘子数据集中的样本形状分布特征,然后设置默认框参数.第二,将多向特征金字塔结构引入SSD目标检测算法,实现低层网络与高层网络的多向连接,有效将底层信息与高层信息进行特征融合.实验结果表明,与SSD、Faster R-CNN等算法相比较,MFPSSD目标检测算法在检测速度和检测精度两方面性能更好.     

基于大数据技术的计算机应用人才培养模式研究

随着社会的发展与进步,对于计算机应用人才的需求也越来越高,社会需求往往跟人才培养容易造成供需矛盾,为了满足社会发展需求,近年来计算机人才培养模式也发生了转变。为了满足于大数据技术相关岗位人才需求,文章基于大数据技术的计算机应用人才培养模式做出研究分析。     

基于深度学习的人脸识别研究

基于深度学习的人脸识别技术是目前人工智能和图像领域研究的热点之一,尤其随着近年来深度神经网络的发展,人脸识别的准确性和有效性得到了极大的提高。文章首先简要阐述了人脸识别技术的研究和发展历史,接着叙述了人脸识别的技术流程,随后详细介绍了在人脸识别中常用到的卷积神经网络。由于各大企业在人脸识别领域取得丰硕的研究成果,因此,也对人脸识别的产品和公司进行了简单介绍。最后,对人脸识别技术存在的不足和发展前景进行了总结和展望。     

Slope stability analysis based on big data and convolutional neural network

The Limit Equilibrium Method (LEM) is commonly used in traditional slope stability analyses, but it is time-consuming and complicated. Due to its complexity and nonlinearity involved in the evaluation process, it cannot provide a quick stability estimation when facing a large number of slopes. In this case, the convolutional neural network (CNN) provides a better alternative. A CNN model can process data quickly and complete a large amount of data analysis in a specific situation, while it needs a large number of training samples. It is difficult to get enough slope data samples in practical engineering. This study proposes a slope database generation method based on the LEM. Samples were amplified from 40 typical slopes, and a sample database consisting of 20000 slope samples was established. The sample database for slopes covered a wide range of slope geometries and soil layers’ physical and mechanical properties. The CNN trained with this sample database was then applied to the stability prediction of 15 real slopes to test the accuracy of the CNN model. The results show that the slope stability prediction method based on the CNN does not need complex calculation but only needs to provide the slope coordinate information and physical and mechanical parameters of the soil layers, and it can quickly obtain the safety factor and stability state of the slopes. Moreover, the prediction accuracy of the CNN trained by the sample database for slope stability analysis reaches more than 99%, and the comparisons with the BP neural network show that the CNN has significant superiority in slope stability evaluation. Therefore, the CNN can predict the safety factor of real slopes. In particular, the combination of typical actual slopes and generated slope data provides enough training and testing samples for the CNN, which improves the prediction speed and practicability of the CNN-based evaluation method in engineering practice.     

系统性护理对甲状腺功能亢进合并糖尿病患者生活质量及血糖控制的影响研究

目的:研究系统性护理对甲状腺功能亢进合并糖尿病患者生活质量及血糖调控的影响。方法:选取2016年2月-2018年5月来本院治疗的90例甲状腺功能亢进合并糖尿病患者为研究对象,采用随机数字表法分为观察组(45例)和对照组(45例)。其中对照组采用常规护理,观察组在对照组护理基础上给予系统性护理。对比两组患者生活质量,血糖水平以及甲状腺功能差异。结果:护理前,两组患者血糖水平比较差异无统计学意义(P>0.05);护理后两组患者血糖均显著改善,差异均有统计学意义(P<0.05),且观察组改善程度显著优于对照组,两组比较差异有统计学意义(P<0.05)。护理前,两组患者T3、T4、TSH水平比较差异均无统计学意义(P>0.05);护理后两组患者T3、T4、TSH水平均显著改善,差异均有统计学意义(P<0.05),且观察组T3、T4、TSH水平改善程度显著优于对照组,差异均有统计学意义(P<0.05)。护理后,观察组生理、心理、社会以及环境评分均显著优于对照组,差异均有统计学意义(P<0.05)。结论:系统性护理应用于甲状腺功能亢进合并糖尿病患者护理科显著提高患者的生活质量,有效调节血糖水平,促进患者甲状腺功能恢复,有推广应用价值。     

水库水情自动测报系统开发研究

以某水库综合自动化系统为研究背景,经过对多种监控系统方式的比较和从工程的具体实际情况出发,研究采用了集散式监控系统（分布式控制系统）,以局域网的形式把各测控站、分中心站经光纤链路组成网络,开发了相应的监控系统软件,目前该系统已经建设完成,运行安全、稳定,产生了良好的经济效益和社会效益。     

基于深度学习的盾构隧道渗漏水病害图像识别

随着城市地铁隧道急剧增加的养护需求,地铁盾构隧道结构病害尤其是渗漏水病害亟需快速精准的识别诊断。利用计算机视觉对盾构隧道进行健康检测是近年来国内外的一种新趋势,但目前渗漏水病害图像的识别效果尚不能满足实际工程的需要。在分析盾构隧道衬砌表面图像特点的基础上,将渗漏水图像分为6种类别,采用深度学习的方法,提出一种新颖的基于全卷积网络的盾构隧道渗漏水病害图像识别算法,并从图像识别结果、错检率和运行时间三个方面与大律法、区域生长法、分水岭法等传统图像识别方法进行对比分析。研究表明:基于全卷积网络的盾构隧道渗漏水病害的图像识别能够有效地避免管片拼缝、螺栓孔、管线、支架等干扰物的影响,特别是在克服管线遮挡方面具有优越的鲁棒性;与传统图像识别算法相比,提出方法在错检率和运行时间上具有较大优势,能够更好地满足工程需要。     

大数据背景下的智能交通系统应用与平台构建

随着互联网信息的高速发展,获取外出行动者信息的方式也在呈现指数增长。利用网络实时大数据信息转换建立智能交通体数据库,从而建立大规模信息转换的交通仿真系统应用平台,与此同时,并用数据处理与计算机学习对智能体决策进行迭代反馈,更进一步的提高智能交通体系统应用平台的精准度。继现在国际现有研究的基础上,进行更深一步的大数据背景下智能交通应用系统与平台构建设计的研究,为智能交通系统相关研究工作提供理论基础和科学依据。     

基于云教学和大数据的高职学生学习行为研究

云计算、大数据技术的快速发展正在深刻影响着人们的工作、生活和学习。随着信息技术和教育领域的深度融合,越来越多的云教学平台成为课堂教学的智能助手。文章基于蓝墨云班课平台中的高职学生课程学习行为日志数据,分析学生的线上和线下学习行为,以期为本课程的建设和诊改提供可靠的依据,改善课程教学效果、提高学校人才培养质量。     

外科治疗甲状腺功能亢进症的临床效果分析

目的:分析外科治疗甲状腺功能亢进症(简称甲亢)的临床效果。方法:选取2015年8月-2018年8月本院收治的80例甲亢患者,按照随机数字表法将其分为A组(n=40)与B组(n=40)。A组给予常规药物保守治疗,B组在A组基础上给予外科手术治疗。对比两组临床治疗效果、不良反应、治疗前后的TSH与FT4水平的变化。结果:B组总有效率为97.50%,高于A组的77.50%(χ~2=7.314,P=0.014);B组不良反应发生率为2.50%,低于A组的17.50%(χ~2=5.000,P=0.025);治疗后,两组TSH与FT4水平均较治疗前改善,且B组TSH与FT4水平均优于A组,差异均有统计学意义(P<0.05)。结论:相较于药物保守治疗,对甲亢患者给予外科手术治疗,不仅能够有效提高临床的治疗效果,且能在降低不良反应发生率的同时,使机体TSH与FT4水平恢复正常,对促进患者身体康复有着至关重要的作用,值得临床推广。