基于卷积神经网络的行人人头检测方法对比研究

为提高车站客流统计的精度使其可以准确预警,针对传统的客流统计方法步骤繁琐、准确率低等局限性,对基于卷积神经网络的行人人头检测方法进行研究。首先在常州某车站安检站台处通过高位摄像头采集行人的人头数据库;然后通过不同的行人特征提取网络(Inception模块、Resnet、Mobilenet)与Faster R-CNN、SSD、R-FCN等目标检测结构组合的方式来对比探究各种行人人头检测组合模型的准确率和检测速度,并选择最优的行人人头检测方法;最后通过模型试验分析,结果显示Inception-V2特征提取网络与Faster R-CNN目标检测结构组合的行人人头检测模型具有较高的准确率和较优的实时性,这种行人人头检测方法对客流预警具有重要的意义。     

基于改进Faster R-CNN的石化装置火灾增强识别方法

为提高复杂石化装置场景下火灾发现速度和识别准确率,特别是强化对石化厂区监控图像内小微火焰、烟雾等事故初期关键目标信息的发现能力,以应对石化装置火灾事故演化所具有的典型多米诺效应,在事故发展初期快速准确发现异常、控制事故态势发展、降低事故危害,建立了基于深度学习的石化装置明火、烟雾识别方法,以改进的Faster R-CNN作为目标信息检测算法,利用K-Means++聚类方法优化锚框尺寸,结合基于递归策略的多尺度特征融合设计,显著改善了模型小微关键目标识别能力,实验测试数据表明,改进后的模型检测平均准确率(mAP)提升11.0%,小目标平均识别准确率(mAP(s))提升19.7%。     

基于注意力机制及Ghost-YOLOv5的水下垃圾目标检测

水下垃圾的目标检测技术对水下机器人实现垃圾自动清除有着重要意义。然而,复杂的水下环境和水底光线不足,易导致检测精度受限、计算量大等问题。针对这些问题,提出了一种基于YOLOv5的水下垃圾目标检测的改进算法。在该方法中,在预处理部分引入Gamma变换提高水下图像的灰度和对比度,便于模型检测。同时,在YOLOv5检测部分嵌入CBAM注意力机制,以突出目标特征并抑制次要信息,从而提高算法精度。此外,将颈部层中的普通卷积模块替换为Ghost卷积模块,减少计算量,加快检测速度。采用真实环境下的水下垃圾数据集进行模型验证,与当前热门的目标检测算法进行对比,该方法在分辨率为640×640的图像上的最高检测精度为93.7%,且计算时间仅为6.7 ms,满足实时性的要求。该研究成果对水下垃圾的目标检测具有良好的借鉴意义。     

一种具有多尺度感受视野注意力机制的生活垃圾单阶段目标检测方法

生活垃圾种类繁杂,传统垃圾分选工艺的效率及精确度较低,为提高多尺度、不同材质垃圾的检测精度,同时保证垃圾分类的鲁棒性,基于现有深度卷积神经网络和单阶段目标检测算法YOLOv3,提出具有多尺度感受视野注意力机制的ECA_ERFB_s-YOLOv3算法.首先在算法检测器前引入多尺度感受视野模块,使算法能选择合适的感受视野对...     

辽东湾河口区海洋垃圾赋存特征及管理对策

海洋垃圾已引起国际社会的广泛关注,是当前环境领域热点问题之一.为揭示我国渤海近岸海域海洋垃圾的赋存特征及其分布规律,于2018年丰水期（8月）在辽东湾河口区海域布设6个长度为5~10 km的调查断面,利用拖网同时采集海面漂浮垃圾与海底垃圾,初步调查辽东湾近岸海域海洋垃圾分布和组成特征,并对海洋垃圾来源进行了分析.结果表明:①辽东湾海面漂浮垃圾数量密度为67个/km2,质量密度为741 g/km2;海底垃圾数量密度为19个/km2,质量密度为2 544 g/km2.②在所收集的各类海洋垃圾中,塑料类垃圾数量占比约为50.9%,其中海底塑料类垃圾数量占比（62.1%）明显高于海面漂浮塑料垃圾数量占比（37.5%）.③由塑料垃圾形态特征和表面带有的标识判断,辽东湾近岸海域塑料垃圾主要是来源于生活塑料垃圾（84.9%）和渔业垃圾（15.1%）.在此基础上,建议加强源头管理以减少塑料垃圾进入海洋,主要包括完善当前海洋垃圾分类方法、加强渔业塑料垃圾回收、提升公民保护海洋环境意识和制定国家海洋塑料垃圾行动计划等.      

基于MPP方法的SAR目标检测

由于受到海面粗糙度的干扰和成像分辨率等的制约,背景噪音成为影响海洋SAR图像质量的主要因素;准确提取淹没在背景噪音中的海面目标,是遥感图像处理中的一个重要研究课题。采用多尺度逐点乘积方法（MPP）对SAR图像中的舰船目标进行了精确检测。详细介绍了a trous算法及MPP方法在SAR图像目标检测中的应用,并提供了分析实例验证该方法的可靠性与实用性。     

基于改进YOLOv3算法的高密度人群目标实时检测方法研究

公共建筑高密度人群疏散运动极具危险性,实时的人群目标识别与检测对于密集场所人群疏散安全至关重要。针对现有行人检测方法对于行人密集、局部遮挡等情况存在鲁棒性差、实时性低等问题,提出了一种基于改进YOLOv3算法的密集人群目标实时检测方法。该检测方法以YOLOv3算法为基础,采用K-means方法对实验用数据集进行聚类分析并对网络结构进行调整,最终得到适用于高密度人群目标检测的算法即YOLOv3-M算法。实验结果表明:YOLOv3-M算法平均准确率达到91.20%,召回率为89.77%,相比YOLOv3算法模型平均准确率提高了6.4%,召回率提高了4.73%;在阈值相同条件下,YOLOv3-M算法可有效降低图片漏识率与误识率;对1080P视频的检测速度达到19.2 FPS,基本满足实时检测的需求,从而验证了该检测方法的有效性。     

钻井过程人员异常行为视频智能识别系统

针对钻井现场视频监控人工值守工作量大、异常行为识别不及时、海量视频数据缺乏实时报警等问题,结合钻井作业操作规程建立井控坐岗监测、起下钻、甩钻具等钻井作业场景典型异常行为判别规则,在基于卷积神经网络的目标检测方法基础上,引入SIFT方法和基于强化学习的困难样本筛选策略,提高了算法识别的准确率与鲁棒性。测试结果表明,在像素分辨率1 920×1 080的情况下,该方法整体识别准确率达到85%以上,平均识别速度为135 ms/帧。在此基础上,开发了钻井过程人员异常行为智能识别系统,试点应用结果表明,该系统能够对接入的视频流进行实时检测,及时、准确识别出坐岗人员擅自离岗、起下钻及甩钻具过程人员危险站位等异常行为,有效提升钻井现场安全管理水平。     

垃圾填埋场人工衬层渗漏的电学法检测研究

基于电学法无二次污染、操作易掌握和费用低等特点,提出了4种用于垃圾填埋场人工衬层渗漏检测的电学方法:电阻法、电流法、感应电势差法和远距离参比电极感应法。其原理都是利用垃圾和土壤有一定的水分而具有的导电性,以及一般用作人工衬层(俗称土工膜)的高密度聚乙烯绝缘材料。通过实验指出电阻法只能检测到是否有漏洞,不能判断漏洞的位置;电流法是一种一次性方法,只能判断一次是否有漏洞,也不能够定位漏洞;感应电势差法有很好的发展前景;远距离参比电极感应法的检测效果非常好。      

一种基于污染风险的地下水监测井网多目标优化方法

地下水具有重要的生态服务功能。地下水监测可为管理和维护地下水生态安全提供必要的信息。如何以最低的监测成本获取最丰富的地下水信息一直是科学家和管理者关注的热点问题之一。在模拟退火算法的基础上,利用随机森林算法筛选出对地下水质量演化指示性最强的监测指标,并结合水文地质分析法,考虑地下水污染风险性,以监测成本最低、精度最高和不确定性最小为目标函数,建立了区域地下水污染监测井网多目标优化模型,最后通过北京市平谷盆地平原区的示范应用,验证了该方法的有效性。结果表明:多目标优化模型的Pareto最优解显示,示范区地下水污染监测井的最优数量为29口,冗余监测井为3口,为提高监测精度需新增监测井5口;示范区地下水污染监测井网优化前后NO~-_3-N浓度的相对误差小于20%,低于接受阈值,证明该方法具有可靠性,可为平原地区地下水污染监测井网布设提供一种指示性强且快速的多目标优化方法。     

基于改进电法装置和深度神经网络的填埋场渗滤液水位探测

渗滤液水位检测和管控是填埋场环境风险管控的关键之一,高密度电法装置具有无损、快速和分辨率高等优点,但填埋场铺设的HDPE防渗膜的高阻特性掩盖了渗滤液的低阻特性,反演结果存在探测精度差、探测范围有限等问题,无法有效识别渗滤液水位. 为此,本文设计了改进的川字型采集装置并配套提出了基于深度神经网络的非线性反演算法——EConvNet-C,通过构建高仿真模拟模型获得了代表性场景下的学习样本,并进行学习训练得到了渗滤液水位与观测数据的非线性映射关系. 对上述改进的电法装置和配套的反演算法的有效性进行了验证,并开展了实际填埋场地的案例研究. 结果表明:①基于川字型装置的EConvNet-C反演的电阻率存在明显的分层特征,在场景A中EConvNet-C反演算法的均方误差(MSE)均在0.00230以下,渗滤液水位探测精度均在90.0%以上. ②以“浅层滞水”形式非正常积存情况下,EConvNet-C探测精度略有下降,但MSE仍在0.00420以下,水位探测精度仍在80.0%以上. ③基于传统探测装置的深度神经网络耦合方法得到的渗滤液水位探测精度略低于基于川字型装置的EConvNet-C,而基于传统探测装置的线性反演耦合方法在HDPE膜高阻特性的影响下无法有效识别渗滤液水位. 因此,基于川字型装置的EConvNet-C在填埋场渗滤液水位探测领域具有较大潜力,可为后期开展垃圾填埋场的性能和风险评估提供指导.      

基于毫米波的海上目标RCS测量标定分析

目的提高靶场毫米波海上目标RCS测量标定精度。方法针对海上目标的外场雷达目标特性(Radar Cross Section,RCS)测量系统动态标定问题,在给出了无源相对标校法的基础上,对毫米波RCS测量系统标定过程中云雾杂波、大气衰减、海面及地面杂波的影响进行详细分析。结果结合靶场外场实际测量,提出了衰减修正、合理选择标校气象条件等相应减小标定误差的措施。结论基于毫米波海上目标RCS测量标定的分析及其措施可极大地减小毫米波外场海面测量标校中气象环境、海面或地面杂波等对系统标定的影响,提高系统标定精度。     

基于YOLO v5模型的非住宅区自动垃圾分类箱设计

提出了一种基于YOLO v5模型的自动垃圾分类箱设计,应用于非住宅区的公共场所(如火车站、公交站、商场、校园等)。垃圾箱设计有4个垃圾桶,以2行2列摆放,中间为转轴,可带动轴上方的垃圾临时存储抽屉转动。采用单目摄像头采集视频图像,以英伟达Jetson nano嵌入式芯片作为上位机主控芯片,利用YOLO v5深度学习模型进行垃圾的自动提取与识别,并将上位机识别结果信息通过串口发送至下位机Arduino控制板,Arduino控制板控制舵机带动垃圾临时储存抽屉开口转动到相应的垃圾桶上方,从而控制升降台倾倒垃圾,完成垃圾自动分类。测试结果表明:垃圾识别结果稳定可靠,准确率可达到93%,能够实现垃圾自动分类。     

基于Sentinel-1数据波弗特海域海冰漂移检测技术研究

卫星遥感技术是目前对极区海冰监测的重要手段,随着卫星数据的不断优化,选择适合的漂移算法,提高海冰漂移检测的精度,对我国开展极区海冰运动研究有重要的意义。本文首先基于Sentinel-1遥感数据,采用有效的预处理方法,得到较为准确的数据集。然后针对所得数据集采用SIFT（Scale-Invariant Feature Transform）特征跟踪方法,实现了对时间间隔为1 d的极区海冰漂移的速度和方向监测。最后用浮标数据对本方法进行了验证。结果表明,本文所得漂移矢量与浮标数据所得结果基本一致,与浮标数据的平均误差比仅为8.1%,从而表明该方法可以有效地实现极区海冰漂移检测,且准确性较高。     

基于通勤时间距离的LE污水处理过程故障检测方法

污水处理过程的性能监测与故障诊断,对于保障污水处理过程正常运行及保证出水质量达标具有重要意义.针对污水处理过程数据具有非线性、不确定性及且易受随机噪声影响等特征,提出了一种新的基于通勤时间距离的LE流形学习算法实现对复杂过程数据的特征提取.改进算法采用通勤时间距离方式进行样本间的相似度衡量并构造邻域图,理论分析和仿真测试表明改进算法可有效克服基本LE算法的邻域参数敏感问题并提高了算法的鲁棒性.将基于通勤时间距离的LE流形学习算法用于污水处理过程故障检测建模,在低维流形子空间构造综合统计量进行过程监测.应用结果表明,与基于PCA方法和LE方法的故障检测模型相比,基于改进算法的故障检测模型可及时探测故障的发生,具有较低的故障漏报率和故障误报率.为污水处理等复杂工业过程的故障监测提供了一种可行的解决方案.     

基于密度–距离空间的红外引信抗噪声方法研究

目的 通过简易的图像处理和目标检测方法，提高红外引信在复杂环境下的抗干扰能力。方法 分析红外引信在复杂背景中的噪声类别，采用“密度–距离”空间方法与像素生长方法进行预处理和目标检测，赋予像素2种属性，并进行量化分析，确定灰度平坦区域中的红外候选目标，并通过像素生长方法筛选候选目标中的真实目标。结果 计算在不同信噪比环境下算法的抗噪声干扰能力，当红外图像的SNR值在44.1~45.4时，算法检测效果理想。结论 红外引信探测过程中的复杂背景和随机噪声都会降低图像质量，考虑到红外目标所占像素数少，极易受噪声影响，需要运用自适应简易算法提高检测准确性。该算法有良好的实时性和抗干扰能力，为红外引信在目标检测中的环境适应性提供了理论依据。     

建筑垃圾对环境的影响及对策

近年来,我国建筑垃圾产生量剧增,对环境和社会的影响也越加严重。我国的建筑垃圾综合利用率较低,处理方式落后,对土地、水体、大气等环境要素造成一定影响。根据我国建筑垃圾及其处理现状,应从综合利用、技术研究、法律政策等方面加以规范和改善。     

轻量化网络LW-GCNet在垃圾分类中的应用

垃圾分类是构建绿色城市的重要途径。传统的垃圾分类是由人工进行,分类不彻底,工作强度大,不利于环境保护与资源再利用。为提高垃圾分类的准确性,提出了一种基于VGG16网络的轻量化网络模型LW-GCNet (light weight garbage classify network)。该网络模型通过引入深度可分离卷积和SE(squeeze-and-excitation)模块来进行特征提取,并将垃圾图像的浅层和深层特征有机融合,在减少计算量的同时,增强了待分类垃圾图像通道之间的依赖关系,为分类提供多层次的语义信息。此外,LW-GCNet模型采用自适应最大池化和全局平均池化取代VGG16网络中的全连接层,有效降低了参数量。利用由4类垃圾图像构成的数据集GRAB125对LW-GCNet性能进行验证。实验结果表明：该方法在保证识别速度的前提下,识别平均准确率达到77.17%,参数量为3.15M,易于在户外的嵌入式系统中进行部署。     

基于哨兵二号遥感影像的近海养殖区提取方法研究

卫星遥感为近海养殖区信息的精确提取提供了有效的技术手段,对实现海水养殖业的科学监管具有重要意义。现有光学遥感手段对养殖区信息的提取多侧重于影像空间特征的使用,对于光谱和空间信息的结合在养殖区特征表达与判别提取方面的综合利用还有待进一步挖掘。本文利用哨兵二号卫星遥感影像,针对近海养殖区小样本、多维度、水体组分复杂等特点,...