价值工程在施工组织设计中的应用

通过对价值工程基本原理和具体方法的描述 ,以及对其应用实例进行剖析 ,为日后运用价值工程进行施工方案的比选和完善提供了有益的借鉴。     

农网配电自动化系统的技术方案

随着我国配电网的建设发展,网络结构趋于合理,线路负荷能力加强,但自动化程度的不足,这对配电网供电能力、安全运行和管理都造成一定限制。基于试点工程建设简单的系统主站,采用变电调度和配电调度合一模式,实现了利用配电载波通信网络对柱上开关的三遥(遥测,遥控,遥信)和短路故障的快速处理,节约了人力资源、简化并强化了管理。     

合肥市河湖长制工作成效与建议

对合肥市推行河湖长制的现状进行探究,通过总结合肥市河湖现状和合肥市开展河湖长制取得的工作成效,针对合肥市推行河湖长制过程中存在的河湖长职责不够明确、跨界河湖联防联控不到位、河湖长制考核制度不健全、公众参与度较低等问题,提出强化河湖长制履职尽责、推动河湖联防联控联治、健全考核问责机制、推进幸福河湖建设、畅通社会参与渠道等具体建议,为今后合肥市推动河湖长制工作提供参考。     

灯泡贯流式机组运行中的若干问题

我国低水头水力资源十分丰富,近年来灯泡贯流式机组发展迅速,正在向大容量、高水头、大尺寸方向发展,十分可喜,但也看到一些灯泡贯流式机组事故频繁,暴露出来的问题较多,应该引起足够重视,作者结合若干机组事故实例,探讨经验教训和提出几点粗浅建议。     

松嫩平原旱涝变化及其对农业生态环境的影响

探讨了松嫩平原旱涝变化的一般规律及其对农业生态环境的影响，对未来的旱涝变化趋势与农业生态环境进行了预测和评估，最后提出了几点建议。     

一种基于可见光巡检图像的杂草智能识别方法

目前电力巡检主要是采用无人机巡检的方式,针对无人机巡检获取的图像识别过程中,电力设备旁的杂草可能会造成安全隐患,需要对图像中的杂草进行识别。针对电力巡检的场景,提出了一种基于可见光巡检图像的杂草智能识别方法,以可见光巡检图像中杂草的特征为基础,结合卷积神经网络方法,解决可见光巡检图像中电力设备附近的杂草识别问题。通过对图像进行样本数据增广和预处理,接着引入区域生成网络,再对图像提取固定个数候选框的图像特征,和改进的图像分类网络连接在一起,得到最终的卷积神经网络模型。实验表明其准确率可以达到97.98%,检测一幅600×600大小图像需要花费的平均时间约为0.256 s,在保证了准确率的同时达到了高效识别的要求。     

我国西北地区水资源利用及保护问题研究

在综述西北地区水资源状况和特征的基础上,分析现在西北地区水资源开发利用存在的问题,探讨西北地区水资源科学利用和管理的基本原则,以及西北水资源科学利用和管理的立法建议。     

我国革制品业的现状与发展

就当前我国革制品业的现状进行了分析,提出了要以设计为导向,走自主创新、品牌建设的道路,并在人才培养等方面提出了建议,展望了其发展的趋势,希望能为革制品行业核心竞争力的提升和持续发展提供导向。     

孪生导向锚框RPN网络实时目标跟踪

目的 区域推荐网络（region proposal network,RPN）与孪生网络（Siamese）相结合进行视频目标跟踪,显示了较高的准确性。然而,孪生RPN网络（Siamese region proposal network, SiamRPN）目标跟踪器依赖于密集的锚框策略,会产生大量冗余的锚框并影响跟踪的精度和速度。为了解决该问题,本文提出了孪生导向锚框RPN网络（Siamese-guided anchor RPN,Siamese GA-RPN）。方法 Siamese GA-RPN的主要思想是利用语义特征来指导锚框生成。其中导向锚框网络包括位置预测模块和形状预测模块,这两个模块分别利用孪生网络中CNN（convolutional neural network）产生的语义特征预测锚框的位置和长宽尺寸,减少了冗余锚框的产生。然后,进一步设计了特征自适应模块,利用每个锚框的形状信息,通过可变卷积层来修正跟踪目标的原始特征图,降低目标特征与锚框信息的不一致性,提高了目标跟踪的准确性。结果 在3个具有挑战性的视频跟踪基准数据集VOT（video object tracking）2015、VOT2016和VOT2017上进行了跟踪实验,测试了算法在目标快速移动、遮挡和光照等复杂场景下的跟踪性能,并与多种优秀算法在准确性和鲁棒性两个评价指标上进行定量比较。在VOT2015数据集上,本文算法与孪生RPN网络相比,准确性提高了1.72%,鲁棒性提高了5.17%;在VOT2016数据集上,本文算法与孪生RPN网络相比,准确性提高了3.6%,鲁棒性提高了6.6%;在VOT2017数据集上进行实时实验,本文算法表现出了较好的实时跟踪效果。结论 通过孪生导向锚框RPN网络提高了锚框生成的有效性,确保了特征与锚框的一致性,实现了对目标的精确定位,较好地解决了锚框尺寸对目标跟踪精度的影响。在目标尺度发生变化、遮挡、光照条件变化和目标快速运动等复杂场景下仍然表现出了较强的鲁棒性和适应性。     

使用贝叶斯优化对遥感影像目标进行精确定位

针对大尺寸遥感影像目标检测中检测边框不精确的问题,提出使用高斯过程贝叶斯优化对遥感影像中的目标进行精确检测与定位。研究分为两个阶段,第一阶段使用基于边缘信息的EdgeBoxes算法对大尺寸遥感影像进行目标候选区域的选取,用分类器得到初始检测结果;为了得到更加准确的边框,在第二阶段,基于高斯过程的贝叶斯优化对每个目标的边框进行微调：①以目标初始边框为基准,在其周围选取与初始边框相交的边框集合,并得到一个高斯过程分布;②使用贝叶斯优化估计出下一个边框,并将其加入边框集;③求分类器对所有边框的得分,得分最高的边框作为下次迭代的基准边框;④重复若干次贝叶斯优化后得到最终的边框。实验结果表明：EdgeBoxes方法以较少的候选框可以得到较大的召回率,使用高斯过程的贝叶斯优化可以明显地提高检测边框的精度。