基于改进型YOLO的密集环境下槟榔果实的快速识别方法

目的:提高小个体槟榔的识别精确率以及槟榔加工厂的自动化程度。方法:设计并选取Mob-darknet-52作为新型特征提取网络,采用多尺度检测尺寸,提出一种基于改进型YOLO算法的槟榔定位与识别的方法。结果:Mob-YOLOV3-SPP对槟榔果实分类的检测精度为94.8%,准确率为94.5%,召回率为95.1%,模型的检测时间为6.679 ms。结论:基于改进型YOLOV3网络的优化算法可以实现密集环境下槟榔果实的快速定位与识别。     

基于DDA方法的排碴井筒堵塞概率分析

依托某公路隧道的超大直径通风竖井工程,针对通风竖井施工中心小直径井筒排碴存在极大堵塞风险、严重影响建设工期的问题,考虑到井筒落石属于非连续变形动力学过程,因此,采用非连续变形分析（DDA）方法,通过对井筒落石进行数值建模,以球体作为基本块体单元,基于捆绑算法将球颗粒捆绑成相应形状块体,模拟块体运动过程中的碰撞、摩擦等,开展了针对性的小直径井筒落石堵塞概率分析。数值模拟结果表明,为避免小直径排碴井筒发生堵塞现象,应严格控制抛入排碴井筒的岩块尺寸与块度;钻爆法施工的小直径排碴井筒超欠挖现象越严重,井筒堵塞概率越大。模拟结果较为真实地反映了排碴井工况的工程实际。