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。     

Sonic 2026多波束测深系统在小浪底水利枢纽的应用

与传统测设技术相比,多波束测深系统具有高精度、高分辨率的优点。将Sonic 2026多波束测深系统应用于小浪底水利枢纽近坝区的水下地形测量工作,结果发现,该系统覆盖面宽、分辨率高,且能完成对垂直壁面的扫测工作;以进水塔上孔洞的实际尺寸为基准,测量误差最大为0.33m。     

发展肉鸭生态养殖 培育农民增收亮点

<正>肉鸭养殖投资小、周期短、见效快、效益高。福建省清流县拥有适宜的肉鸭发展环境条件以及该地清流市场和镇源公司需求的产业发展机遇。养殖100羽肉鸭,纯收入可达400~1 000元,若全县饲养300万只肉鸭,产值可达1亿多元,比饲养牛、羊、猪更省力、更经济、更见效。因此,发展肉鸭产业,有利于开发利用清流县的稻田、林地、苗木地及水域,提供它们的利用率和经济效益;有利于充分利用现有闲置牲畜栏     

GB 20178—2014强制性标准解读与实施指南

本文分析研究GB 20178—2006《土方机械安全标志和危险图示通则》和GB 20178—2014《土方机械机器安全标签通则》两项强制性国家标准的技术差异,提出了正确实施新标准的方法,用于指导企业完善安全标签的产品设计流程和设计方法。