【摘 要】
：
当前三维设计场景下,海量航测影像的地物特征信息提取工作量大,为解决采用传统人工方式甄别房屋、道路等重要地物准确性差等问题,本文利用人工智能深度学习技术,构建包含空洞卷积的深度神经网络和金字塔池化模块的地物要素提取模型,提取遥感影像的深层语义特征并进行语义分割,再利用滑动步长预测等后处理方法还原分类预测影像.通过实际工程数据测试四类地物分类精确均度可达到88％以上,总体分类精度可达92％,并将该模型应用于辅助三维输电线路设计平台.该研究充分表明基于空洞卷积的神经网络模型能够有效提升地物分类与识别精度,利用深
【机 构】
：
常州常供电力设计院有限公司,江苏常州213000
论文部分内容阅读
当前三维设计场景下,海量航测影像的地物特征信息提取工作量大,为解决采用传统人工方式甄别房屋、道路等重要地物准确性差等问题,本文利用人工智能深度学习技术,构建包含空洞卷积的深度神经网络和金字塔池化模块的地物要素提取模型,提取遥感影像的深层语义特征并进行语义分割,再利用滑动步长预测等后处理方法还原分类预测影像.通过实际工程数据测试四类地物分类精确均度可达到88％以上,总体分类精度可达92％,并将该模型应用于辅助三维输电线路设计平台.该研究充分表明基于空洞卷积的神经网络模型能够有效提升地物分类与识别精度,利用深度学习获得的地物分类结果有助于三维输电设计中地物安全距离的自动预警,降低设计人员工作量,提升路径选择效率.
其他文献
为了解决收放线过程中脱线、断线和张力不稳引起的切割表面毛刺的问题,该文以某切割设备有限公司的市场需求为背景,研究了开环张力控制算法以实现收放线的张力稳定.该算法根据卷筒直径与输出扭矩的比例关系,对电机输出的扭矩进行控制.通过材料厚度、圈数和比率计算的方式实现收放线卷径的计算.通过对设备加减速负载惯性力矩补偿,实现了加减速度阶段的张力稳定.该算法目前已经应用于某公司实际项目当中,系统经调试运行正常,完成了控制要求,达到了预期的控制目标,满足企业的切割需求.
水煤浆气化装置某位号直通式氮气放空阀,正常工况下承担较大的压差,氮气介质流经放空阀的节流位置时流速偏高,噪声和振动明显,在阀后配置降噪孔板后的降压、降噪效果仍不理想.该文对上述放空阀提出改进措施,采用多级降压手段,通过数值计算得到了阀门改进前后的流场分布,并提出表征噪声、振动程度的合理参数,确保改进后的放空阀出口流速合理,节流位置的流体动能逐级降低,从而有效控制了氮气放空阀的噪声和振动.
针对经验法气缸动作时间控制设计存在的效率低、可靠性和经济性差问题,探索了新的动作时间控制方法;结合工程热力学理论和气缸工作逻辑,建立了临界质量流量数学模型和气缸气动控制模型;利用工程数据库,构思了附件CV值评价动作试验;针对不同气动控制模型,分别完成了实际参数范围内的试验数据采集;根据试验结果,分析了动作时间的主要影响因素和影响规律;在此基础上,进行了项目实例应用,验证了新的控制方法和试验数据的正确性.
为了研究制氧氧、氮压机轴振动及位移测量数据波动及引起误跳机原因,从测量原理、控制及联锁系统原理和仪表供电系统三方面进行了分析研究,得出如下结论:目前轴系仪表测量系统稳定性及抗干扰能力差,联锁停机继电器供电采用220 VAC易造成模拟量信号干扰,就地联锁未投运及重点联锁控制仪表未按照冗余方案配置.因此从轴系测量系统改造、制定抗干扰措施、就地联锁投运、冗余电源配置四个方面提出解决对策.
相对温差法是电力设备红外图像故障诊断的定性方法,但该方法易将电压致热型缺陷误判或遗漏.因此,文中提出用目标检测算法做图像分割处理,结合自适应滑动窗口技术提取温度特征和坐标信息判断电流、电压致热故障的诊断方法.其过程是,以目标检测算法的预测框坐标分割设备,设置自适应滑动窗口在分割后的图像中滑动,分别筛选出当前窗口中的最大温度值,将同位置中温度最小的一个作为设备的正常温度,其余的作为热点温度,根据窗口的位置判断热点温度的致热类型.以电流互感器为研究对象,根据致热类型相应的计算热点温度的相对温差或设备相同部位的
针对海上井口平台在井口回接和生产作业期间遇到的与井口控制相关的一系列棘手问题,该文提出并介绍了一种全新的井口控制方案,即井口控制逻辑在线切换技术方案,新技术方案通过解决井口控制逻辑的本质问题,最大程度的降低了上述棘手问题对生产作业的影响.该文不仅对新老两种技术方案进行了详细描述和对比,而且对新技术方案在实际应用中所产生的经济效益进行了举例说明,从而更加充分的论证了新技术方案的应用优势以及应用前景.
针对在真空或低温测量条件下,耐高温压力变送器由于使用寿命短或测量精度低而没有得到充分利用,该文重点分析了会影响耐高温压力变送器的正常运行的影响因素,并提出用于真空或低温环境的耐高温压力变送器的应用方案.通过典型应用方案的研究,耐高温压力变送器的整体动态性能大大提高.
针对内模PID算法在控制具有大滞后特性的温度模型时,因内模参数无法根据内部模型的失配程度进行自适应调整,使得系统超调量增大,调节时间变长,控制响应不及时,控制品质下降等问题.该文提出了基于T-S型模糊神经网络的内模自适应PID算法,大大降低上述问题对系统控制性能指标的影响.Matlab仿真结果表明:在内部模型与被控模型的参数出现正向失配或负向失配时,该文算法控制响应最快、超调量最小,控制精度最高,具有最好的控制性能指标.
鉴于工业现场工况存在PID参数设定不合理,提出一种基于误差性能最优PID改进的参数整定策略.结合最优控制理论得出目标函数,利用动态规划在Simulink仿真界面自动计算最优参数,实现不同类型传递函数模型PID参数自寻优.实现了对鲁棒性与快速性之间的更好的折中,最后将整定策略推广于串级系统.仿真结果表明,最优PID参数整定策略对不同类型传递函数模型、不同PID控制结构整定的有效性.
为了对变电站现场作业人员工作服着装规范性进行有效识别,防止作业人员穿短袖或将长袖的袖子卷起,本文采用了YOLO v5实时目标检测算法,针对长袖/短袖两类检测问题,修改分类器,将输出层修改为21维张量.对变电站实际工作现场采集到的7135张样本进行标注,对数据集进行图像增广和色彩调整,并对初始化锚框进行聚类分析.基于YOLO v5在COCO上的预训练模型,利用难例挖掘等手段调整训练目标,最终得到最优的监控场景下工作人员着装规范性的检测模型.实验结果表明,在1000张图片测试集上查准率为97.01％,查全率为