基于支持向量机的电力二次设备继电保护装置故障检测方法

为进一步提高电力设备故障的检测效果,基于支持向量机设计了电力二次设备继电保护装置故障检测方法。该方法以隐藏故障为研究对象,采集互感器信号,绘制信号波形;基于支持向量机建立电力二次设备继电隐藏故障判定函数,得到高压侧的三相电流计算值,从而计算高压侧平衡系数,得到保护断路器的动作期望集合;通过设置最优超平面的分类决策函数,获取广义最优分类面的判别函数。实验结果显示,该故障检测方法的检测精度为9997%,平均响应时间为0034 s,检测效果较好。     

地铁站场景下的可行驶区域检测

在室内环境下的机器人视觉导航任务中,可行驶区域检测是不可或缺的一部分,这是保证自动驾驶任务实现的基础.目前较多的解决方法是对数据集中出现过的障碍物进行识别来检测可行驶区域,缺乏灵活性,因此本文提出了一种针对地铁站等室内平坦地面的可行驶区域检测方法,提高实用性.本文采用经典的MobileNetV3网络对采集到的前方图像进行分类,判断是否为地面区域.由于室内地面的地标、箭头等贴纸的影响,因此需要对非地面区域进一步判断,与常规的立体障碍物进行区分.本文利用连续帧之间的特征点匹配获得相机移动距离,并利用直线拟合计算斜率的方法达到区分立体障碍物与平面地标的目的.实验表明,本文提出的方法能较好地检测机器人前方可行驶区域,具有较高的实用价值.     

基于深度学习的计算机软件安全性能检测方法

由于计算机软件的大范围开发及开发者编写的代码逐渐简单化,导致软件存在漏洞,影响其安全性能,故提出基于深度学习的计算机软件安全性能检测方法。提取计算机软件代码数据,预处理代码数据作为模型输入参数,基于深度学习构建一个软件安全漏洞检测模型。实验结果表明,该方法的检测漏报率为0.04%、误报率为2.71%、检测时间为254 s,具有良好的软件安全漏洞检测能力。     

分布式频谱监测的黑广播发现系统

分析黑广播具体特点、危害和打击黑广播一般的通行方法,提出一种基于分布式频谱快速识别方案。该方案通过小型化分布式频谱检测探针实现对黑广播的快速识别及定位,具有更高的识别准确率和更快的发现速度。后期该系统将开发射频指纹特征识别算法,以期获得更好更快的识别黑广播效果。     

基于PLC屋顶花园浇灌系统的设计与实现

为了实现植物生长所需的温度、湿度、光照等重要环境因素的自动调节,设计了一款基于西门子 PLC的自 动灌溉控制系统.该系统以组态王为上位机,PLC为下位机,通过组态与 PLC的通信,实时对花园动态情况的了解. 由液位传感器检测储水箱的水位信息进行抽水和放水,以土壤水分传感器、温度传感器采集的温湿度数据实现对屋顶 花园的适时灌溉.该系统具有手动和自动两种灌溉模式,操作简单、组态界面美观,能有效解决人们因工作繁忙、出 差等没有时间去浇灌这一难题.     

大数据技术在高校发展中的应用策略

阐述大数据技术的特点,大数据推动高校发展中的问题,在教育、管理、科研中的应用策略,利用大数据技术收集更多的数据信息、进行科学决策与分析、实现高效灵活应用。     

现代信息技术在计算机工程中的应用

阐述计算机应用技术应用的特点,信息技术与计算机应用的融合策略,包括提高先进设备的运算效率、开发适应产业需求的计算机核心系统、形成数据整合的高精度仿真系统。     

基于注意力机制和特征聚合的车道线检测

车道线检测的可靠性和稳定性对智能驾驶系统来说至关重要.由于车道线容易受到光线、遮挡、老化等复杂情况的干扰,导致传统的语义分割网络无法准确的学习到车道线的细节特征.为解决该问题,本文首先在编码网络部分引入CA坐标注意力机制,进一步增强网络对车道线提取能力,然后,在特征聚合网络引入金字塔空洞卷积模块与RESA模块并联来增强模型的感受野,以丰富和提取全局的空间特征信息,最后经过解码网络将融合后的特征图上采样到原图大小,并预测每个车道的位置和概率分布.实验证明,文中提出的算法在CULane数据集上有较高准确率,多路面综合准确率达到76.2%,并通过实车测试表明,该算法检测帧率为30 fps,可以在复杂交通场景下进行实时检测,具有较高的泛化性和鲁棒性.     

亮度增强的多尺度垃圾检测

垃圾检测能减少资源浪费、缓解环境污染,对环境保护具有重要意义.针对现有方法在图像昏暗和物体细小情况下存在误识别、漏检的问题,本文提出了一种亮度增强的多尺度垃圾检测方法.首先在亮度增强模块中,利用跳跃连接增强各层级垃圾图像特征的关联性,解决了昏暗条件下的垃圾误识别问题.然后在多尺度垃圾检测模块中,使用密集连接将不同尺度特征进行融合,提高了对细小垃圾特征的学习能力,解决了细小垃圾存在的漏检问题.本文方法在自制数据集和公共数据集上的mAP达到了96.62%和93.81%.实验结果表明,该方法解决了图像昏暗和物体细小情况下的误识别、漏检问题,优于现有的YOLOv4等主流方法.     

基于多流网络一致性的视频显著性检测

现有的视频显著性检测算法通常采用双流结构提取视频的时空线索,其中运动信息作为双流结构的一个分支,在显著物体发生剧烈或慢速移动时存在运动估计准确率低的问题,并且不合理的训练数据或方案使得权重偏向单个分支结构。提出一种基于多流网络一致性的视频显著性检测算法MSNC。设计并使用一种新的三重网络结构提取预选目标区域的颜色信息、时序信息和先验特征,通过先验特征补偿运动流的缺陷,并提高运动线索的利用率。采用多流一致性融合模型优化三流分支,得到不同特征的最佳融合方案。同时通过循环训练策略平衡三重网络的权重,以避免网络过度拟合单流分支,从而有效地提高运动估计和定位的准确率。在Davis数据集上的实验结果表明,相比PCSA、SSAV、MGA等算法,该算法的鲁棒性更优,其maxF和S-Measure值分别达到0.893和0.912,MAE仅为0.021。