基于改进Faster RCNN的节肢动物目标检测方法

自然生态环境下的节肢动物目标检测存在目标背景复杂、尺度差异大以及目标密集等特点,导致目标检测精度和准确率不高。为此,提出一种基于改进Faster RCNN模型的节肢动物目标检测方法 AROD RCNN。首先,设计一种有监督的并行空间与通道注意力（SPSCAT）机制,以提高复杂背景环境下节肢动物目标检测的准确率;然后,引入第二代可变形卷积重塑ResNet50中C1～C5块卷积层,并使用特征金字塔网络（FPN）对ResNet50中C2～C6块进行特征融合以解决目标尺度差异较大影响检测精度的问题;最后,通过密集局部回归（DLR）方法对回归阶段进行改进,从而提高模型回归的准确性。实验结果表明,该方法在ArTaxOr数据集上的各类别平均精度（mAP）达到了0.717,较原始Faster RCNN模型提高了0.453,而召回率达到了0.787。可见该方法能够有效解决目标遮挡和复杂背景等问题,在节肢动物密集目标与小目标检测中表现良好。     

基于轨迹聚类的业务流程剩余时间预测方法

现有的剩余时间预测方法仅关注对剩余时间预测任务起决定性作用的时间特征信息,并未考虑空间特征信息以及异质事件日志对预测任务的影响,导致预测准确度降低。提出基于轨迹聚类的剩余时间预测方法。将不同轨迹间的相似度作为距离度量,通过对事件日志中不同长度的轨迹进行聚类,以降低事件日志复杂度并细化结构。针对业务流程剩余时间预测任务,结合卷积神经网络与准循环神经网络,同时引入双向机制与注意力机制,设计基于注意力机制的卷积准循环神经网络模型,充分地捕获和增强对剩余时间预测任务有决定性影响的时间和空间特征信息,以提高业务流程中上下文事件之间的关联性,从而识别不同事件对业务流程剩余时间预测任务的重要程度。在BPIC_2012_A、BPIC_2012_O、BPIC_2012_W等事件日志数据集上的实验验证了该方法的有效性和可行性,结果表明,相比传统剩余时间预测方法,该方法的预测准确度平均提高约20%,有助于提升业务流程剩余时间的预测质量。     

浅谈电梯检验过程中的事故伤害及其预防措施

依据实际工作经验及相关文献资料的记载,详细分析电梯检验过程当中发生几率比较高的事故伤害,并提出一些预防措施。     

电梯现场检测技术及其存在的问题分析

当电梯得到较为广泛的应用之后,电梯逐渐成为了一种不可或缺的运输工具。电梯事故的发生,会造成一定损失。首先提出电梯现场检测技术,而后分析电梯现场检测过程中存在的问题,并提出一些应对措施。