使用SimaPro软件和Ecoinvent数据库对纸浆模塑天地盖礼盒生产的生命周期进行建模,采用EF 3.0方法对生命周期进行环境影响分析,量化和识别其生产过程中的主要环境足迹及其贡献过程,并解释其环境影响。结果表明:生产一万套纸浆模塑天地盖...使用SimaPro软件和Ecoinvent数据库对纸浆模塑天地盖礼盒生产的生命周期进行建模,采用EF 3.0方法对生命周期进行环境影响分析,量化和识别其生产过程中的主要环境足迹及其贡献过程,并解释其环境影响。结果表明:生产一万套纸浆模塑天地盖礼盒造成的气候变化影响为7609.27 kg CO_(2)eq.,其中由化石资源引起的碳排放为7591.24 kg CO_(2)eq.。在纸浆模塑礼盒生产过程中,气候变化、化石资源消耗、颗粒物、酸化和光化学臭氧形成是主要的环境影响类别,累积贡献超过了整体环境影响的80%。热压整形过程中电能消耗是引起环境问题的主要原因。通过敏感性分析可知,减少生产过程中的电能消耗量或者使用清洁能源,最多可减少约95%的碳足迹,并降低整体环境影响。展开更多
为实现智能家居环境下多菜品的智能识别,提出了基于改进YOLOv7的轻量级多菜品识别方法(lightweight multi-dish recognition method based on improved YOLOv7,LMDRMIYOLO)。首先,构建中式菜品检测数据集CNF228作为细粒度菜品识别研究对...为实现智能家居环境下多菜品的智能识别,提出了基于改进YOLOv7的轻量级多菜品识别方法(lightweight multi-dish recognition method based on improved YOLOv7,LMDRMIYOLO)。首先,构建中式菜品检测数据集CNF228作为细粒度菜品识别研究对象;其次,针对菜品数据集样本少、多样性不足导致的模型性能上限过低的难题,使用多种数据增强方法以正则化数据、提高模型泛化性;再次,针对菜品识别对精度和实时性的平衡需求,提出基于简单聚合层和混合卷积注意力机制的轻量级骨干网络ECNet;最后,在CNF228数据集上测试表明,LMDRMIYOLO的mAP@0.5:0.95、识别速度和参数量分别为82.8%、164FPS、27.5M。相比YOLOv7的82.6%、133FPS、37.7M而言,所提模型实时性提升、参数量减少且提升了平均精度。本文方法为自动感知居民日常饮食记录提供了智能方法。展开更多
文摘使用SimaPro软件和Ecoinvent数据库对纸浆模塑天地盖礼盒生产的生命周期进行建模,采用EF 3.0方法对生命周期进行环境影响分析,量化和识别其生产过程中的主要环境足迹及其贡献过程,并解释其环境影响。结果表明:生产一万套纸浆模塑天地盖礼盒造成的气候变化影响为7609.27 kg CO_(2)eq.,其中由化石资源引起的碳排放为7591.24 kg CO_(2)eq.。在纸浆模塑礼盒生产过程中,气候变化、化石资源消耗、颗粒物、酸化和光化学臭氧形成是主要的环境影响类别,累积贡献超过了整体环境影响的80%。热压整形过程中电能消耗是引起环境问题的主要原因。通过敏感性分析可知,减少生产过程中的电能消耗量或者使用清洁能源,最多可减少约95%的碳足迹,并降低整体环境影响。
文摘为实现智能家居环境下多菜品的智能识别,提出了基于改进YOLOv7的轻量级多菜品识别方法(lightweight multi-dish recognition method based on improved YOLOv7,LMDRMIYOLO)。首先,构建中式菜品检测数据集CNF228作为细粒度菜品识别研究对象;其次,针对菜品数据集样本少、多样性不足导致的模型性能上限过低的难题,使用多种数据增强方法以正则化数据、提高模型泛化性;再次,针对菜品识别对精度和实时性的平衡需求,提出基于简单聚合层和混合卷积注意力机制的轻量级骨干网络ECNet;最后,在CNF228数据集上测试表明,LMDRMIYOLO的mAP@0.5:0.95、识别速度和参数量分别为82.8%、164FPS、27.5M。相比YOLOv7的82.6%、133FPS、37.7M而言,所提模型实时性提升、参数量减少且提升了平均精度。本文方法为自动感知居民日常饮食记录提供了智能方法。