上海市生活垃圾废塑料回收再利用现状及优化策略

在生活垃圾分类背景下上海市可回收物回收体系逐步完善,生活源废塑料回收再利用量获得极大提升。通过现场调研与统计资料分析,对当前上海市生活垃圾废塑料分类回收现状、再利用技术进行分析梳理,结果显示当前生活垃圾废塑料回收类别以PET、PP为主,分别占总回收量的45.3%和30.7%;另有近30%具有回收价值的废塑料未被回收,主要以PP和PET为主。在此基础上,提出需进一步完善分类回收标准与补贴政策、推动PET同级利用等回收技术创新、强化宣传教育与主体监管等优化策略,以期促进废塑料回收与再利用行业进一步发展。     

基于MPSoC的轻量化汽车检测系统及硬件加速 平台设计与优化

针对车辆分类检测在精度和实时性方面存在的挑战,提出了一项改进方案,以优化YOLOv5s 模型,旨在实现轻量化 的汽车检测。通过在MPSoC硬件架构的现场可编程门阵列(FPGA) 上设计系统,成功打造了一个具备高精度、快速检测和低 能耗的解决方案。为了使得模型更适合嵌入式设备部署,采用了MobileNetv3 Small 替代YOLOv5s 的主干网络,并引入卷积 块注意力模块(CBAM) 注意力机制和Inner-IoU Loss 优化方法,使模型在轻量化的同时提升了检测精度和速度。改进后的模 型相较于原始Yolov5s模型,平均精度均值(mAP) 提升了14.8%,参数量减少了49.7%,模型体积减小了40.7%,计算量减 少了48.9%,在NVIDIA 3060上,改进后的检测速度提升了48.8%,达到了82 fps。此外,还利用FPGA 对YOLOv5s 进行了 硬件加速。经过优化的系统达到了45fps 的检测帧率,并保持了较高的精度和速度,这一系统易于部署,适用于智能交通系 统,满足其高效实时监测的需求。     

基于改进2DCNN的高光谱遥感图像处理研究

针对传统遥感图像处理中的时间成本和人工成本高、效率低等问题,以提高遥感高光谱图像分类中的处理速度、精度,降低参数量为目标,提出改进的2DCNN模型En-De-2CP-2DCNN.首先,使用1DCNN、2DCNN与3DCNN在Pavia University HSI数据集上分别进行分类实验,对比分析各自优缺点.其次,在保持较快的处理速度和不增加模型参数量的前提下,选择2DCNN为基础模型,参考SegNet的Encoder-Decoder结构,融入双卷积池化思想进行基础模型改进,同时优化学习策略.结果表明:En-De-2CP-2DCNN模型F1为99.96％,达到3DCNN的同等水平(99.36％),较改进前(97.28％)提高2.68个百分点;处理速度(5 s／epoch)和1DCNN位于同一量级,快于3DCNN(96 s／epoch);参数量(2.01 MB)较改进前降低了1.54 MB,虽高于3DCNN(316 KB),但远低于1DCNN(19.21 MB).En-De-2CP-2DCNN模型在处理速度和参数量方面的改进,有利于进一步实现移动端的轻量化部署.     

制订城市抗震加固投资分配政策的最优化方法

城市的抗震防灾工作是一项重要而复杂的系统工程。本文利用一种动态最优化方法,初步解决了城市抗震加固投资的分配问题。该方法具有简便、实用的特点,可以较好地揭示城市抗震加固工作的经济本质和内在机制。该方法的应用可以取得显著的经济效益。     

水压引信目标分类的研究

本文提出一种模糊统计分类 FSC 方法,用于研究水压引信目标分类问题。在建立水面目标场多级网络分类模型的基础上,分析讨论了此方法的特征提取、识别函数、模糊与冲突、搜索算法等技术问题,并通过仿真实验,对水面目标航速、吨位、横距进行分类处理,结果表明,FSC 方法行之有效。     

Identification of heavy metal-contaminated Tegillarca granosa using laser-induced breakdown spectroscopy and linear regression for classification

Tegillarca granosa (T. granosa) is susceptible to heavy metals, which may pose a threat to consumer health. Thus, healthy and polluted T. granosa should be distinguished quickly. This study aimed to rapidly identify heavy metal pollution by using laser-induced breakdown spectroscopy (LIBS) coupled with linear regression classification (LRC). Five types of T. granosa were studied, namely, Cd-, Zn-, Pb-contaminated, mixed contaminated, and control samples. Threshold method was applied to extract the significant variables from LIBS spectra. Then, LRC was used to classify the different types of T. granosa. Other classification models and feature selection methods were used for comparison. LRC was the best model, achieving an accuracy of 90.67%. Results indicated that LIBS combined with LRC is effective and feasible for T. granosa heavy metal detection.     

Classification and prediction of burr formation in micro drilling of ductile metals

In the micro drilling of precision miniature holes, the formation of exit burrs is a topic of interest, especially for ductile materials. Because such burrs are difficult to remove, it is important to be able to predict various burr types and to employ burr minimisation schemes that consider burrs’ micro-scale characteristics. In the present work, an artificial neural network (ANN) was used to predict the formation of burrs in the micro drilling of copper and brass, along with burr formation/optimisation analysis specialised for micro drills. The influence of cutting conditions, including cutting speed, feed and drill diameter, upon exit micro burr characteristics such as burr size and type was observed, analysed and classified. Based on the results, an empirical equation to predict micro burr height is proposed herein. The classification results were compared with conventional burr cases using burr control charts. Then, micro burr types were predicted by means of an ANN, using the influential parameters as input vectors. The usefulness of the proposed scheme was demonstrated by comparing the experimental and prediction/analysis results.     

冲击声的固有结构建模及目标识别

将统计数据驱动方法应用于冲击声的固有结构建模,研究了单个冲击信号及冲击声组的时域和频域特征提取方法,并将所提特征用于圆柱壳冲击声和公路空洞检测冲击声分类,获得了良好效果,证实了该方法用于冲击声目标分类的有效程度。     

无线认知网络概念与实例研究

提出了一种新的、以认知能力为基础的无线网络,称为无线认知网络。对无线认知网络进行了定义,对认知实体、认知进程和认知环境进行了分析和讨论,提出了无线认知网络的实体、网络、认知和控制4个关联层面,对无线认知网络的特点进行了阐述,并给出了技术上的挑战。在此基础上,从基础设施、层次结构和节点性质3个方面对无线认知网络进行了分类研究,在给出最小跨层设计原则与信息交换方法的基础上,提出了由基础层、网络适配层、应用开发环境层和应用逻辑层组成的4层软件体系结构。最后结合无线认知网络目前的惟一实例-认知无线电网络,对无线认知网络的实例化问题进行了讨论。     

FPNN:优化的过程神经网络模型及其应用

利用既定条件下过程神经元与傅里叶神经元的等价性,提出一种优化的过程神经网络模型FPNN,并对等价性进行了证明。FPNN网络在保持了过程神经网络模型表达能力和预测准确率的同时,继承了FNN的优点,大大提高了模型的效率。