深度学习识别光网络单元故障的设计与应用

为解决依赖装维上门鉴别光网络单元故障带来的不便,可以从机器视觉入手实现自动化故障识别。近年,ImageNet挑战赛的成功推动了物体识别技术的跨越式发展,特别是基于卷积的深度学习技术在视觉识别方面已经达到人类水平,为光网络单元故障的自动识别提供了技术基础。文章对识别光网络单元的工作状态进行了研究,将设备工作状态分为7个场景,提出了利用手机APP采集图片识别故障的解决方案并投入了实际生产;重点阐述了深度学习模块的设计与实现,提出一种通过算法整合的方式综合运用物体检测和图像分类算法,分3阶段逐步求精,解决了图片过滤,光网络单元型号和状态识别等问题,实现了基于计算机视觉自动识别光网络单元故障。从数据上看产品的端到端准确率超过84%,识别速度达到10 FPS,月均提供服务超过1万人次,在减少用户等待的同时节约了人力资源。     

机力塔消雾装置影响能效分析

由于我厂城市电厂的属性,为了避免机力塔飘出的白雾对城市景观的影响,也为了消除周围居民对白雾的误解,需要在机力通风冷却塔上加装消雾装置。但消雾装置的投入在一定程度上影响了机组的经济性。为了分析消雾装置对机组效能的影响,该文先利用理论定性的分析消雾装置的投入对机组能效影响原因,再采用试验的方式,对比消雾装置投退前后对机组能效的影响程度。为我厂今后在环保和经济之间做好权衡,根据实际需要投退消雾装置做出了理论基础。     

属性分析技术应用于断陷盆地沉积相带划分

断陷盆地的油气勘探,对各种类型储层的研究是必不可少的,而湖盆沉积的各种储集层,主要表现为各种扇,包括扇三角洲,浊积扇、滑塌扇等。为了寻找优质的扇体储集层,就必须对扇体的沉积相带开展仔细研究。在划分沉积相方面,应用最为广泛的技术就是地震属性分析技术。本文主要讲述了在具有三维地震资料的情况下,综合应用地震属性分析技术成功地划分了沉积相和沉积微相,对扇体的岩性和物性都有较好的预测,为后续的油气勘探提供了技术支持。     

因素空间理论下基点分类算法研究

目前，基于因素空间理论的背景基提取算法计算过程复杂，初始化必须依赖各因素极值，基点数量提取冗余等原因，未能在应用中取得很好效果。为此，结合内点判别法和知识可继承、可扩展的思想，提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法。然后，利用改进的背景基提取算法构造出一种全新的数据分类算法-基点分类算法，基点分类算法以提取每一类样本的背景基为预测模型，再通过新定义的λ-背景基，优化预测模型。数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强，预测能力准确率高，同时严格的模型限定区域又能为识别新类别提供新方法。     

责编小记

俗话说：多事之秋——难道秋天真的就这么多事情发生？     

基于感知评价的Internet语音终端流量控制

分析了影响因特网语音通信质量的主要因素，根据实时传输控制协议计算延迟、丢包率等网络参数，并利用RBF神经网络将参数映射为语音质量评分，根据评分值的变化动态地调整语音终端的编码速率，在保证一定语音质量的同时，缓解网络拥塞。实验证明了该方法的有效性。