【摘 要】
:
火灾的发生会给经济财产造成严重的损失,还会给人的生命安全带来一定的隐患。火灾的初期会有许多烟雾产生,而在火情中期才有火焰的产生,所以为了预防火灾,及时对烟雾进行检测是非常重要的。传统的烟雾检测方法存在特征设计过程繁琐、难以有效提取烟雾的特征、模型的好坏过度依赖于人的先验等缺点。随着计算机技术和人工智能的飞速发展,近些年深度学习引起了广大的关注,许多有关深度学习的烟雾检测算法被提出,虽然有了不错的效
论文部分内容阅读
火灾的发生会给经济财产造成严重的损失,还会给人的生命安全带来一定的隐患。火灾的初期会有许多烟雾产生,而在火情中期才有火焰的产生,所以为了预防火灾,及时对烟雾进行检测是非常重要的。传统的烟雾检测方法存在特征设计过程繁琐、难以有效提取烟雾的特征、模型的好坏过度依赖于人的先验等缺点。随着计算机技术和人工智能的飞速发展,近些年深度学习引起了广大的关注,许多有关深度学习的烟雾检测算法被提出,虽然有了不错的效果,但是许多算法还存在耗时较长、计算的复杂度较高、检测精度低等问题。针对上述存在的问题,本文提出了两种基于深度学习的烟雾检测算法。针对烟雾检测耗时长、计算复杂度高等问题,本文提出一种基于改进YOLOv3的烟雾检测算法。首先,引入深度可分离卷积模块至Darknet-53网络的提取层上替代标准卷积,使网络的计算量减少;在YOLOv3网络的三个预测层分支上引入高效通道注意力机制ECA(Efficient Channel Attention),可以快速获得跨通道之间的交互信息;然后,采用损失函数CIo U Loss(Complete Intersection over Union Loss)作为预测框的回归损失函数,有效地提高预测框回归的稳定性;最后,采用软化的非极大抑制算法Soft NMS(Soft Non-maximum Suppression),提高网络的检测精度。实验表明,与Faster R-CNN、SSD、YOLOv3、YOLOv4算法相比,本文提出的改进YOLOv3算法能够有效地提高烟雾的检测速度,可以使用在要求实时性比较高的烟雾场景中。针对烟雾检测算法检测精度低的问题,本文提出一种基于改进Retina Net的烟雾检测算法。首先,将Retina Net的主干网络换成Res Ne Xt,提高网络的检测精度;然后,在Retina Net网络的卷积层后面引入卷积注意力模块CBAM(Convolutional Block Attention Module),减少网络计算量,提高网络的检测精度。实验表明,与Faster R-CNN、SSD、YOLOv3、YOLOv4、Retina Net、改进YOLOv3算法相比,本文提出的改进Retina Net算法能够有效地提高烟雾的检测精度,可以应用到准确度要求比较高的烟雾场景中。
其他文献
自古以来,各地婚礼服饰文化的发展都与人们的生活方式和地域文化紧密相连,体现了丰富的社会与文化价值。苗族的婚嫁服饰更是如此,是集历史,审美,工艺,文化与传统与一身的重要载体。文章介绍了融水县主要片区的婚嫁服装的特点和差异,向更多的人展示其审美特征,探讨融水苗族婚礼服饰遇到的机遇和挑战,从而起到丰富当今婚礼服添砖加瓦和传承保护融水苗族婚礼服饰文化的作用。
随着全球传统化石能源的日益紧张,新能源中风能的利用得到越来越多的关注。作为将风能转变为电能的重要设备,风力发电设施由于常年暴露在较恶劣的环境中,其叶片的损伤在所难免,这样不仅会导致发电量的减少,还容易造成重大安全事故,因此对风电叶片的损伤检测具有十分重要的现实意义。目前主要的检测手段是人工通过望远镜逐点观察,费时费力且效率低下。本文利用携带相机的电动云台,设计控制器对风电叶片进行跟踪拍摄,以实现风
经验模态分解是非稳态工况下齿轮故障诊断的有效方法,但对于不同负载下的噪声,该方法的信号分解和特征提取效果不理想。而准确的提取齿轮噪声信号是提高齿轮故障诊断率的必要前提。针对上述问题,本文以电动汽车齿轮及其噪声信号为研究对象,展开了通过蚁狮优化算法对变分模态分解参数寻优,提取齿轮噪声信号最优特征向量的方法研究,目的是提高变工况电动汽车齿轮故障的诊断率。本文对电动汽车齿轮啮合噪声产生机理进行理论分析,
糖尿病视网膜病变,是由糖尿病引起的并发症之一,也是一种主要的致盲疾病。然而眼科医生数量与糖尿病患者数量相差较大,大量的糖尿病视网膜疾病患者无法得到及时的诊断和治疗,导致患者病情加剧。本文针对糖尿病视网膜图像病变等级分类、病变视盘检测和病灶点分割定位问题,设计自动控制算法模型自主识别眼底图像,能够减少眼科医生的工作量,主要研究内容如下:针对糖尿病视网膜图像分类问题,设计基于深度迁移学习的改进VGG1
非合作目标交会与接近技术已广泛应用于在轨维修、在轨组装、燃料加注、碎片清理等空间监测与服务,然而人或地面站在回路的人工控制方式存在任务成本高、效率低等缺点,基于相对制导方法的自主控制方式又普遍缺少人工控制的灵活性,严重制约其在高效且日益复杂空间任务中的应用。因此,本文以航天器自主控制为背景,开展对非合作交会与接近技术的研究。针对非合作目标器无法主动提供位姿信息的问题,提出一种基于深度学习的位姿估计
相较于以往的常规控制系统,多智能体系统以其维护成本低、反应速度快、功耗小等优点,逐渐成为了广大科研学者的研究对象。在众多关于多智能体的研究中,领导跟随一致性是其中一个重点研究方向。所谓领导跟随一致性,即智能体彼此间在进行信息交互过程中,随着时间推移最终领导者智能体引导全体跟随者智能体与其状态趋于一致。由于实际应用过程中的不确定性,系统在一定程度上无法规避外部干扰与网络攻击的影响,其中外部扰动常存在
随着近些年信息技术和科技水平的飞速发展,多智能体系统的应用领域也越来越广泛,包括无人机系统、无人小车编队和水下自动机器人系统等。本文针对多智能体系统的全局一致性和半全局一致性进行研究,并且对于两种一致性问题均考虑了无领导和具有领导-跟随的情况。目前大部分一致性算法是在理想条件下进行设计,无法应用到实际工程中,其主要原因就是,出于一些安全因素的考虑和物理条件的限制,任何的仪器设备都会受到执行器饱和的
网络控制系统(Networked Control Systems,NCSs)具有高可靠性、高灵活性、可远程传输等优点,并被广泛应用于工程领域。因此,目前关于NCSs的研究具有很高的实际价值。本文主要基于动态事件触发,研究具有区域极点约束的网络系统的控制问题。经过调查研究发现,在NCSs中,采用区域极点约束可以很好提升系统响应速度;基于动态事件触发机制传输数据可以减少网络带宽的使用提升资源的利用率;
基于学习的复杂性,安德烈·焦尔当提出了“变构模型”。“变构模型”可以理解为:学习是一个对先有概念的解构过程,学习是一种依托境脉的意义炼制活动,学习离不开各种各样的思维模型。学习,作为一种复杂的行为,既是对个体生命的丰富,也是对社会存在的丰富。学校需要引领教师重新认识学习,创造新的学习方式,让学习更加高效。
随着智能制造领域的快速发展,自动化装配技术被广泛应用于火箭、飞机、船舶与导弹等装配领域,但现有的自动装配机构存在对接过程复杂,装配效率低等缺点,控制方法存在跟踪精度低、响应速度慢等问题,因此本文针对筒类舱段高效、高精度的自动对接需求,以六自由度舱段对接机构为研究对象,对其进行运动学、动力学分析及控制方法设计。本文分析了六自由度舱段对接机构机械构型,根据主动对接机构与固定对接机构建立全局坐标系与局部