基于Mask Scoring R-CNN的高质量数据集快速自动标定方法

针对计算机视觉领域人工标定多目标数据集时间冗长的问题,提出一种基于Mask Scoring R-CNN的高质量数据集快速自动标定方法;首先,设计了高质量数据集快速自动标定架构,训练数据自动标定模型并搭建目标分类与标定系统;其次,在对比不同残差网络及引入迁移学习基础上,进一步研究了基于MaskIoU Head的多目标掩膜标定质量评价方法,完成基于Mask Scoring R-CNN的多目标高质量数据集快速自动标定方法设计;最后,以车辆数据为例进行数据集快速自动标定方法验证,实验结果表明,相较于Mask R-CNN和Faster R-CNN方法,Mask Scoring R-CNN方法具有目标数据分类效果好及掩膜分割精度高的优点,检测准确率达到93.4%,且标定速度相较于人工标定速度提升了95.77%。     

基于微粒群算法的非线性系统模型参数估计

微粒群优化(PSO)算法是一种进化算法,包含的概念简单.本文不同于传统的非线性模型参数估计方法,将微粒群优化算法应用于非线性系统模型(NSM)的参数估计,并通过重油热解三集总模型参数估计进行PSO算法效果测试.实验结果表明:微粒群算法为非线性系统模型参数估计提供了一种新方法.     

微粒群优化算法在传感器非线性自校正中的应用

微粒群优化(PSO)算法是一种进化算法,包含的概念简单。介绍了不同于传统的传感器非线性校正方法,将PSO算法应用于传感器非线性校正的参数估计,并通过电涡流微位移传感器非线性校正进行PSO算法效果测试。实验研究表明:PSO算法简单、得到的传感器非线性校正曲线精度高。PSO算法为传感器的非线性校正提供了一种新方法。     

微粒群算法在自动控制系统设计中的应用

提出了将微粒群优化(Particle Swarm Optimization,PSO)算法与控制系统设计相结合的系统设计思路和方法。系统设计过程包括两个部分：首先基于历史输入输出数据,用微粒群算法建立系统的模型,然后基于得到的模型进行控制器的设计,并用微粒群算法进行控制器的参数优化整定。仿真试验结果表明,微粒群算法在控制系统设计的模型建立、控制器参数优化等方面发挥了重要的作用,简化了控制系统设计任务,提高了设计效率。     

水轮机组调节的模糊控制算法研究

从提高模糊控制精度出发．提出了一种混合参数自调整模糊PID控制器结构,融合了常规PID控制器和模糊控制的优点．控制器主要包括了常规PlD控制器、增益调整型模糊控制器和直接控制型模糊控制器3个部分,能根据对象参数的变化合理地调整控制器的参数．叙述了混合参数自调整模糊PID控制器各部分的功能和参数的选择．针对水轮机组控制的仿真实验表明了该控制策略的有效性,与常规PID控制器的对比结果表明该控制算法能够提高系统的响应速度和鲁棒性．     

基于Web的办公自动化系统软件开发

公办自动化系统对于提高企业的管理水平具有重要意义．随着网络技术的发展和企业信息量的增加,必需要有合理的方法进行信息的管理．基于Web技术开发了用于信息管理的企业办公自动化软件,介绍了设计目标、主要功能模块、实现的关键技术以及特点,实现了与生产过程数据库的集成．开发平台选用了Lotus Domino,Domino采用多达7级的系统访问权限控制手段和数字签名技术,有力地保证了系统的安全．由于采用了B／S的软件架构,使得软件的模块增加、维护等工作变得相对简单．实际企业的应用结果表明本套软件提高了企业的办公效率、节约了办公成本．