小尺度特征提取的瓶装矿泉水异物检测方法

瓶装矿泉水异物检测旨在查找出矿泉水中的异物杂质,在矿泉水制造业具有重要的应用价值。然而,传统的机器视觉检测精度较低,受背景的干扰较大、且漏检率和误检率较高。为解决上述问题,提出小尺度特征提取的瓶装矿泉水异物检测算法。该算法主要包含判别性特征学习模块,数据增值模块以及细粒度信息获取模块。在判别性特征学习模块中,针对矿泉水异物,利用聚类的方式设计合理的先验框尺寸并对特征图进行处理,通过对网络的输出结果进行损失约束以赋予模型提取判别性特征的能力。样本数量的增加能够对算法检测性能的提升起积极作用。为此,构建数据增值模块。在该模块中,利用通道随机打乱和重组的方式对自建数据集进行扩充。进一步,在细粒度信息获取模块中,采用小尺度特征学习的机制对异物进行表征。实验结果证明了该研究提出算法的优越性和有效性。瓶装矿泉水异物检测平均准确率可达96.22%,m AP值为83.84%,召回率为86.31%,检测速度为50 f/s。因此,该研究能够为瓶装矿泉水异物检测提供可靠的技术支持。     

浅析Mike21二维模型在桥梁防洪评价中的应用

简述了Mike21二维模型的特点,并以乐山市某岷江特大桥桥区岷江河段模拟为例,模拟桥梁建设后桥区河道水位变化情况。经与经验公式计算结果对比,该模型计算结果较为准确,能满足防洪评价要求。