改进的多目标回归实时人脸检测算法

针对物体检测实时多目标回归算法中分别优化各四个位置参数，割裂了四个位置变量之间的关系，造成对物体的边框回归不够准确且训练不易收敛的问题，提出一种带检测评价函数（Intersection over Union，IoU）作为损失函数的实时多目标回归人脸检测算法。首先基于Redmond等提出实时多目标回归模型，采用该模型检测实时性的机制，然后融合了IoU函数作为位置参数的损失函数，将实时多目标回归模型中的四个独立位置参数整合成一个单元进行优化，避免了基础模型的缺陷。算法在人脸检测基准库FDDB上进行测试，实验结果表明：在人脸检测的有效性上优于主流的传统人脸检测算法，检测速度上领先于其他经典深度学习方法。提出的算法在检测人脸的有效性和检测速度两者之间取得了一个较好的平衡，为构建实用的人脸相关应用系统提供了参考价值。     

基于深度学习视觉和激光辅助的盾构管片自动拼装定位方法

隧道管片定位是实现盾构管片自动拼装的关键。文中提出了一种基于深度学习视觉和激光辅助相结合的盾构管片自动拼装定位方法,分别利用视觉系统和激光测距系统计算待拼装管片的平面位姿和深度位姿信息。其中,视觉系统基于特殊设计的双阶段卷积神经网络可以实现管片表面定位标志轮廓特征的有效提取,提取精度和识别率相比于现有算法具有明显的提高。实验表明所提出的盾构管片自动拼装定位方法能够满足盾构管片自动拼装定位需求。     

8 m级盾构推进分区液压缸浮动分配

盾构推进系统中的推进分区压力控制是盾构向前掘进以及进行盾构姿态纠偏的重要手段。盾构推进液压缸普遍采用固定分区模式。以8 m级盾构为例,对推进液压缸分区中推进液压缸浮动分配策略对推进力心及力矩影响做对比分析。建议盾构推进系统设计时在保留原有的343分区的基础上融入363分区模式,以提高盾构在垂直方向上的纠偏能力。     

隧道管片成型质量检测方法综述

隧道管片成型质量检测的内容主要包括检测管片收敛变形及椭圆度、管片错台和破损、管片沉降、管片平整度等。总结各成型质量检测的技术方法，主要包括三维激光扫描、无线倾角传感器、分布式光纤、图像识别和液压缸行程检测平整度等相关检测技术。最后展望管片成型质量检测技术的发展前景和方向。