基于改进YOLOV3算法的斜拉桥拉索表面缺陷检测方法

针对人工检测斜拉桥拉索表面缺陷效率低、危险性高、鲁棒性差、检测效果主观性强等问题,提出改进YOLOV3算法进行斜拉桥拉索表面缺陷自动检测方法。首先,采用K-means聚类算法获取适合拉索表面缺陷特征的先验框尺寸;然后,削减主干特征提取网络中的残差块数量,提高网络检测效率,通过在特征金字塔内添加SPP结构,融合不同感受野的显著特征提升网络对多尺度特征信息的适应能力;最后,将IOU进化成为CIOU作为预测框回归损失,提高定位精度。针对分类效果较差的问题,增大分类损失在总损失中的权重,提高分类精度。测试结果表明,改进YOLOV3算法mAP达到93.7%,FPS指数为17,满足拉索表面缺陷检测精度和实时性要求。     

基于多传感器的四旋翼飞行器硬件系统设计

四旋翼飞行器由于其简单的机体结构与较为复杂的姿态控制,近年来在军用和民用领域广泛应用。旨在通过四旋翼飞行器飞控平台的搭建,实现对飞行器姿态的稳定控制。首先论述了四旋翼飞行器的飞行原理与机械结构,给出了硬件系统总体结构。在对各功能模块整合的基础上,实现基于多传感器的控制系统硬件电路设计。仿真与实验证明：多传感器使用过程中,通过卡尔曼滤波进行姿态数据的融合,有效地解决了加速度计、陀螺仪易受外界干扰问题,所设计硬件系统在飞行实验中性能稳定,为四旋翼的稳定控制提供了参考。     

高层建筑火灾特点与对策探讨

安全是建筑物设计需要考虑的首要因素,而在安全指标中防止火灾的工作也是重中之重。本文通过分析高层建筑火灾的特点,研究防火策略,将高层建筑的损失减到最小。     

加工误差和形位误差对气浮主轴稳定性的影响

采用有限差分结合线性小扰动法研究静压气浮主轴加工误差(正弦波纹、矩形波纹、三角波纹)和形位误差对主轴临界惯性力和临界涡动比的影响。结果表明：随着偏心率增加,临界惯性力增大而临界涡动比减小;转速增大,临界惯性力增大,临界涡动比增大到极值后略微减小,小偏心率和高转速有利于提高主轴稳定性;正弦波纹提高主轴稳定性最显著,矩形波纹次之,三角波纹导致主轴稳定性降低;加工误差周期越小,主轴稳定性越好;误差周期较大时,波纹幅值增大,主轴稳定性下降;误差周期较小时,波纹幅值对主轴稳定性的影响可以忽略不计;形位误差导致主轴稳定性降低,x、y方向同时存在形位误差对主轴稳定性的影响大于x或y单一方向形位误差。     

建筑物火灾的事故与分析

建筑物火灾事故问题是一个重要的问题，如果不能以以往发生的火灾事故为鉴，将会引发更多的火灾问题甚至是恶性火灾事故。本文对建筑物火灾的事故进行了分析，并提出了预防措施。     

建筑物火灾的事故与分析

建筑物火灾事故问题是一个重要的问题,如果不能以以往发生的火灾事故为鉴,将会引发更多的火灾问题甚至是恶性火灾事故。本文对建筑物火灾的事故进行了分析,并提出了预防措施。     

建筑电气设计中的消防设计要点探究

随着我国经济的发展,我国的城市建设也在不断的加快,建筑物之间的密集度也变得越来越大,现代人们的文化素养也在普遍的提高,居住在这样密集的环境中。人们首现考虑到的就是自身的安全问题,密集的建筑物中,一旦发生火灾,造成的后果肯定就是非常的严重,所以建筑物中的电气消防安全问题一定要引起相关工作人员,以及住户的重视,在平时的工作以及生活中一定要安全的用电。     

砝码自动检定系统

现有标准砝码检定仍以实验室手工检定为主,检测效率低下、人工成本高.根据JJG99-2006《砝码》国家检定规程要求,系统选用高精度响应特点的传感机构和传感器,设计了方便不同外形砝码取放、具有防划防撞功能、满足精准定位要求的机械定位机构;设计了高效的控制系统,实现实时数据远程传输,完成砝码性能指标全自动检测,大大提高检测效率与管理水平,保证检定质量.     

仪表用步进电机驱动方式的研究

主要介绍步进电机式车载组合仪表驱动控制技术。依据步进电机的细分驱动原理,对三种驱动控制技术进行分析和实验,得出了控制方法的各自特点,对设计步进电机式仪表有借鉴作用。     

基于新型编解码网络的复杂背景航拍图像输电线识别

针对常规图像处理和现有语义分割方法从航拍图像中识别输电线速度慢、准确率低等问题,构建了新型高效的输电线识别编解码网络。为减少模型参数,提高计算效率,采用轻量级MobileNetV3作为编码器主干特征提取网络,并在浅层引出快捷链路与深层进行堆叠;通过金字塔池化模块(PSP)和深度可分离卷积构建解码器提高输电线多尺度特征复用能力并实现网络轻量化;采用跳跃连接结构级联编码器和解码器从而融合浅层和深层多尺度特征信息;利用迁移学习加快网络训练收敛速度并识别出输电线。实验结果表明,新型编解码网络能准确快速地识别出复杂背景下的输电线,MPA、MIOU和FPS分别达到了94.37%、86.95%和31帧每秒,识别精度和速度均优于UNet网络和PSPNet网络。