基于像素偏转模型和机器学习的室外图像天空像素检测

图像中的天空区域对于基于视觉的地面机器人导航具有重要意义,为了识别图像中的天空部分,本文提出了一种基于像素偏转模型的BP神经网络天空识别方法.首先,制作天空图像集和非天空图像集,天空图像集由各种天气情况下的天空提取而成,非天空图像集由非天空的景物构成,主要包括建筑、汽车、树木、植物等;其次,使用提出的像素偏转模型提取天空图像集和非天空图像集的像素特征并进行处理,对天空像素点和非天空像素点进行标注,利用BP神经网络对像素特征进行训练,得到权重文件;最后,使用得到的权重文件进行天空的识别.为了更好的说明本文算法和模型的优越性,使用本文算法与Otsu算法、YeHu算法、Graph-cut算法和Mask-Rcnn算法模型进行了比较,并设计了两组组对比实验,第一组实验进行识别效果的主观评价,第二组实验利用CamVid数据集的天空类进行算法精度的定量分析.     

消防喷淋末端支管全自动精准测量施工技术

本文结合实际工程,介绍了消防喷淋末端支管全自动精准测量施工工艺流程及施工技术要点.该施工技术提高了消防喷淋末端追位的施工质量,解决了天花板上极易出现点位位置偏移、喷淋头凹陷或者凸出等问题,提高了集中预制加工生产效率,可为同类工程提供参考.     

智慧标识网络服务机理研究进展及安全性分析

随着互联网规模的不断扩大以及应用场景的多元化,传统网络无法很好地满足新业务的动态多样化需求,因此国内外对未来网络展开了深入研究.本文首先介绍了未来互联网体系架构的研究现状.其次,介绍了具备"三层、两域"特征的智慧标识网络(Smart Identifier NETwork,SINET)体系架构,然后重点阐述了SINET服务机理在服务的命名与解析、路由机制、服务缓存、移动性、传输控制机制、可扩展性、绿色节能等关键技术方面取得的研究进展,并进一步详细分析了SINET服务机理的安全性.最后总结了SINET面临的挑战,对SINET服务机理在大规模场景部署中可能存在的问题做出讨论.     

基于GNSS的广电发射塔状态监测技术研究

随着全球卫星导航系统(Global Navigation Satellite System,GNSS)技术的迅速发展,定位精度持续优化,其应用范围越来越广.为了突破单基站载波相位差分(Real Time Kinematic,RTK)技术带来的局限性,网络RTK技术应运而生.网络RTK技术使设备在基准站网络覆盖范围内实现精准定位,因此在各个传统行业中的应用越来越广泛.广播电视的信号发射环节非常重要,由于广电发射塔一般地处高山地区,维护维修不便.基于此,设计一种基于网络RTK定位技术的高精度发射塔状态监测方法,可以在保证广电信号安全优质播出方面发挥重要作用.     

节能减排措施在建筑给排水设计中的运用

分析了节能减排设计的意义,重点探究了在建筑给排水设计中常见的问题,并提出了节能减排措施,这样既可以提高整个建筑的舒适度,达到节约能源的效果,而且还可以提高水资源的利用率,推动资源的健康、可持续发展。     

现代食品变得廉价易得,你害怕了吗?

正有些东西我们天天接触,也就会认为很了解它。但事实不见得如此。在食品上尤其明显——现代工业的生产方式,跟我们头脑中的生产方式差别太大了,大得让许多人感到不安。比如大家更为熟悉的鸡肉和鸡蛋,在许多人的头脑中保留着小桥流水、房前屋后,公鸡母鸡闲庭信步四处觅食的景象。鸡的主人们,甚至能够记住那些鸡的性格特点。人与禽畜,在一定程     

液相沉淀-煅烧法制备大粒径球形四氧化三钴

以硫酸钴为原料,碳酸氢铵为沉淀剂,采用液相沉淀法合成了大粒径球形碳酸钴,考察了不同晶种量、pH和硫酸钴溶液流量对碳酸钴形貌、粒度分布、振实密度和硫元素质量分数的影响,并探究了碳酸钴的生长机理。通过分步煅烧,并设置不同升温时间使碳酸钴热分解,得出优化四氧化三钴理化指标的煅烧条件。结果表明,当晶种量为2 kg,pH在7.2～7.5,硫酸钴溶液流量为500 mL/h时,采用分段式热分解碳酸钴,各温区按统一时间(60 min)升温,所得四氧化三钴形貌为球形,中值粒径为16.52μm,振实密度达2.26 g/cm3。     

基于SCAE⁃ACGAN的直升机行星齿轮裂纹故障诊断

直升机行星传动轮系结构复杂、工况多变,其振动信号受工况影响大,在故障样本较少的情况下导致行星齿轮箱故障诊断准确率不高,早期故障诊断困难。针对上述问题,提出将堆栈收缩自动编码网络(stacked contractive autoencoder,简称SCAE)与辅助分类生成式对抗网络(auxiliary classifier generative adversarial networks,简称ACGAN)相结合的SCAE-ACGAN故障诊断方法。ACGAN的生成器产生与真实样本具有类似分布的生成样本,扩展训练样本集,并与真实样本一起输入至判别器进行训练。ACGAN采用SCAE作为判别器,利用SCAE良好的抗数据波动能力,从扩展样本集中挖掘出有效的深度特征,并实现样本的真伪与类别的判定。ACGAN的判别器和生成器在对抗学习训练机制下交替优化,提高方法的样本生成质量与故障判定能力。将SCAE-ACGAN应用于直升机行星轮裂纹故障诊断,结果表明,SCAE-ACGAN的故障诊断性能好,在样本数量少与工况变化情况下具有较好的健壮性和适应性。