基于YOLOv5的火灾场景检测算法

火灾是经常危害公众安全,影响社会发展的灾害之一。及时地发现火灾,预警火灾,对于保卫人民生命财产安全,维护社会治安稳定有着重大意义。针对上述问题,设计了一种基于YOLOv5目标检测网络的火灾场景检测算法。算法首先在数据增强方面使用Mosaic-9方法来对训练集进行数据增强,使得网络具有更好的泛化能力,从而更好适用于应用场景。而后,为了更进一步提升检测精度,在backbone中嵌入了CBAM注意力机制模块,通过对特征通道和空间的学习,使得网络能够更好地提取到有用特征并抑制不重要特征。实验结果表明,改进后的网络在fi re-images数据集上取得了良好的性能,相对于YOLOv5n原网络,在推理时间几乎等同的情况下,精度提升了5.7%,mAP@0.5提升了2.4%。     

高压齿轮泵污染磨损的寿命模型研究与验证

工程应用案例中常常遇到齿轮泵的实际使用寿命远低于开发设计中的预期寿命情况。针对这一现象,提出了固体颗粒在液压油污染条件下的敏感度概念,并建立齿轮泵在颗粒污染下的预测寿命模型。以某轴向补偿外啮合齿轮泵为研究对象,设计一台关于齿轮泵污染敏感度试验装置,系统中输入一定浓度尺寸的固体颗粒,得到分布颗粒的污染敏感度参数,依据计算固体颗粒在NAS1638标准下的分布情况,获得泵在不同污染等级下的磨损预测寿命。同时绘制出被试泵在NAS10级污染下磨损寿命为2000 h的污染耐受度曲线。研究结果具有一定的工程应用价值,能够定量分析和比较被试泵的污染耐受性、预测泵在不同颗粒污染等级下的性能变化规律和污染磨损寿命,可为高污染耐受泵的设计提供参考。