考虑潜在溃坝的水库大坝运行成本和收益量化方法

针对水库大坝逐渐老化、自身风险和运行成本不断增加的情况,为了进一步明确水库大坝运行的经济性,构建了一种考虑潜在溃坝损失作用下的水库大坝运行综合成本与综合收益量化模型。首先,综合考虑大坝潜在溃坝的影响,根据ISM理论明确了水库大坝运行成本与收益影响因素之间的相互作用关系,确定了水库大坝运行综合成本与综合收益量化指标;其次,基于DEMATEL法分析了各因素之间的相互作用程度,明确了各成本与收益指标之间相对重要程度;最后,结合技术经济学理论,计算了潜在溃坝损失作用下的水库大坝运行综合成本和综合收益。将所提模型应用于国内某水库,计算了该水库的运行综合成本和综合收益,并对其经济性进行了分析,结果表明:在考虑潜在溃坝损失的情况下,该水库运行综合成本为743.62万元,综合收益为10911.83万元,收益成本比为14.67,运行综合收益远大于运行综合成本,创收能力良好,经济效益显著。

水利工程中数字孪生虚拟实体轻量化研究

近年来,数字孪生技术在水利领域正在快速发展。其中,数字孪生数据底板存储着水利工程全生命周期中的信息,存在数据量庞大、管理复杂、更新成本增加等问题。同时,以WebGL为核心引擎渲染加载的应用层数字孪生平台受网络带宽和计算机性能的限制,面临着轻量化处理的挑战。针对数字孪生虚拟实体维度中的几何模型数据,利用改进QEM(Quadric Error Metrics,二次误差测度)算法和Low-Poly算法进行轻量化处理,选取水轮机导水机构作为案例,研究在满足数字孪生业务需求下的最优简化程度。结果表明:轻量化的处理是必要的;轻量化处理后的模型文件大小大幅度减小;在满足数字孪生精细度等级4个精度等级的简化程度的上限分别为原始数据、40%左右、70%左右、98%左右。

基于机器学习的侵彻弹安全性量化分级方法初探

针对侵彻弹在子弹撞击、破片撞击及殉爆等机械冲击刺激条件下的安全性响应分析方法不健全、量化分级标准缺乏等问题,提出了一种基于机器学习的侵彻弹冲击安全性响应量化分级方法,基于Lee-Tarver装药反应度仿真数据和试验数据集,获得了装药反应度与冲击安全性响应等级的映射关系,实现了冲击安全性响应等级的定量预测,并开展了典型侵彻弹的子弹撞击、破片撞击及殉爆验证试验.结果表明:仿真预测结果与试验结果吻合较好,证明了侵彻弹冲击安全性响应量化分级方法的有效性,可为侵彻弹的冲击安全性工程设计提供重要支撑.

改进的YOLOv8n轻量化景区行人检测方法研究

针对景区人流量大、人员密集,而现有目标检测算法对于遮挡目标和小目标检测效率低且模型参数量大等问题,提出基于YOLOv8n的轻量化景区行人检测算法SSC-YOLOv8n。提出空间和通道重建注意力卷积SCC2fEMA模块,以显著减少模型参数量,从而提升模型的检测速度。采用精细的slim-neck范式,通过GSConv和V0V-GSCSP模块,在有效降低模型参数量的同时,提升模型的学习能力。提出坐标注意力动态解耦头,以显著增强模型对位置信息的感知度和敏感度。为了对样本进行更为精确的平衡处理,引入Focal Loss损失函数,进一步提高模型的检测精度与鲁棒性。实验结果表明,在景区行人数据集上,改进后的模型相较于原始模型,模型参数量减小了52%,mAP@0.5提升了2.1个百分点,mAP@0.5:0.95提升了1.4个百分点。在VisDrone2019数据集上,mAP@0.5提高了3.9个百分点。改进后的算法具有更强的泛化性能,能够更好地适用于景区行人检测任务。

基于量化评估策略的分层干预对重症颅脑外伤术后患者血流变学指标及应激障碍程度的影响

目的分析基于量化评估策略的分层干预对重症颅脑外伤术后患者血流变学指标及应激障碍程度的影响。方法选择2021年1月至2022年6月漯河市中心医院重症医学科收治的82例重症颅脑外伤术后患者进行研究,通过随机数字表法分为试验组、对照组,各41例。试验组接受基于量化评估策略的分层干预,对照组接受常规干预,两组均干预至出院,并随访6个月。比较两组康复情况,干预前、干预后营养指标、血流变学指标、运动功能、日常生活能力、昏迷程度,干预前、随访6个月后应激障碍,干预期间并发症及干预后护理满意度。结果试验组住院时间、重症医学科住院时间、肛门排便排气时间、肠鸣音恢复时间短于对照组(P<0.05)。较干预前,干预后两组血清总蛋白(TP)、转铁蛋白(TF)水平,肢体Fugl-Meyer运动功能测评量表(FMA)、Barthel指数评定(BI)、格拉斯哥昏迷评分法(GCS)评分升高,且试验组更高(P<0.05)。较干预前,干预后两组全血黏度、血浆黏度降低,且试验组更低(P<0.05)。较干预前,随访6个月后,两组主观评定、社会功能受损、警觉性增高、反复重现体验、回避症状评分降低,且试验组更低(P<0.05)。较对照组,试验组干预期间并发症发生率更低,干预后护理总满意率更高(P<0.05)。结论基于量化评估策略的分层干预可促进重症颅脑外伤术后患者康复,调节血流变学指标及营养指标,改善运动功能、日常生活能力、昏迷程度,降低远期应激障碍程度,控制并发症发生率,获得患者认可。

地理信息测绘中栅格图像数据矢量化方法研究

栅格图像在放大或缩小时容易出现失真现象,影响图像的清晰度和精度,而矢量图像在放大或缩小时不会失真,能够保持图像的清晰度和精度,为此进行地理信息测绘中栅格图像数据矢量化方法研究。首先,对栅格图像数据进行预处理,以消除噪声、平滑图像并提高数据质量;其次,通过特定的算法提取图斑边界,确保边界的准确性和完整性;最后,利用图像位置拟合技术实现矢量化,将栅格图像数据转换为矢量数据格式。实验结果表明:五个实验区域的Hausdorff距离平均降低了约70%,显示出该方法在处理不同地理场景时均具有良好的通用性和稳定性,实际应用价值较高。

带有状态/输入量化的无人艇航向跟踪控制

[目的]针对水面无人艇(USV)的海上通信受限的问题,提出一种带有状态/输入量化的USV航向跟踪控制方法。[方法]基于反步法设计系统控制律,结合动态面技术降低虚拟控制律的计算量膨胀问题。对于控制系统中存在的不确定项及外界干扰,利用扩张状态观测器(ESO)进行估计。采用均匀量化器分别对控制系统中的状态变量和控制输入进行量化,且量化后的状态反馈信息仅用于跟踪控制。利用量化状态递归设计基于ESO的USV航向控制器,证明闭环控制系统中量化变量和非量化变量间误差的有界性。[结果]基于李雅普诺夫稳定性理论,提出了量化误差考量及闭环系统稳定性判定方法,严格证明了所设计的带有状态量化和输入量化的USV航向跟踪控制系统的稳定性,仿真实验验证了该控制策略的有效性。[结论]结果表明,所提方法可为USV航向跟踪控制提供借鉴。

融合注意力机制的荔枝轻量化检测方法研究

针对荔枝果实个体小、生长密集和遮挡严重等特点,为了快速准确地实现荔枝的检测和计数,提出了一种融合注意力机制和多尺度特征图的网络模型。为了提高模型对遮挡和阴影环境下果实的识别准确率,将Coordinate Attention(CA)注意力机制嵌入至YOLOv4-Tiny模型。为了提高模型对小目标果实的检测精度,在特征金字塔Feature Pyramid Networks(FPN)结构中生成了两个更大尺度的特征图。试验结果表明:融合注意力机制的荔枝轻量化检测模型的准确率(Precision)、召回率(Recall)和平均精度(mAP)分别为92.92%、76.09%和88.51%。与YOLOv4-Tiny和YOLOv3模型相比,所构建的融合注意力机制的荔枝轻量化检测模型的平均检测精度分别高出8.84个百分点和3.87个百分点。该模型能够快速、精准地检测出果园环境中的荔枝,适用于果园中荔枝的识别和计数。

基于轻量化卷积神经网络的桥梁斜拉索PE护套损伤识别方法

深度神经网络和计算机视觉技术近年来在结构健康监测中发挥了越来越重要的作用。利用无人机航拍采集的桥梁斜拉索损伤图像数据,研究基于深度学习技术的斜拉索PE护套损伤识别方法。为实现在较低运算能力设备上对大跨度桥梁斜拉索表面局部损伤的智能快速识别,解决传统深度卷积神经网络的运算效率相对较低、模型参数规模较大的问题,提出轻量化处理的区域推荐型卷积神经网络模型。介绍区域推荐网络与其轻量化改进方法的理论基础,分析轻量化模型处理的必要性,其能在保证识别精度的前提下降低模型训练与预测的设备性能需求,达到节约计算资源与时间的目的;通过数据增广等多手段解决损伤样本数据量不足的问题,设置对比试验,统计分析结果,验证了轻量化神经网络模型的优越性。结果表明,轻量化网络在牺牲少量识别准确度的前提下,能够在较大程度上实现对模型复杂度与计算量的改进,在工程应用中能有效拓展神经网络的实用性。

基于像素差异度注意力机制的轻量化YOLOv5行人检测算法

针对实时行人检测场景存在遮挡、形态姿势不同的行人目标,YOLOv5模型对于这些目标检测有明显的漏检问题,提出一种像素差异度注意力机制(pixel difference attention,PDA),不同于传统的通道注意力机制用全局均值池化(global average pooling,GAP)、全局最大值池化(global max pooling,GMP)来概括整张特征图的信息,全局池化将空间压缩成一个值来表征整个通道,造成了空间信息的流失,PDA将空间信息沿高和宽分别压缩,并将其分别与通道信息联系起来做注意力加权操作,同时提出一种新的通道描述指标表征通道信息,增强空间信息与通道信息的交互,使模型更容易关注到综合了空间和通道维度上的特征图的重要信息,在主干网络末端插入PDA后使模型平均精度(mean average precision,mAP)0.5提升了2.4个百分点,mAP0.5:0.95提升了4.4个百分点;针对实时检测场景的部署和检测速度要求模型拥有较少的参数量和计算量,因此提出了新的轻量化特征提取模块AC3代替原YOLOv5模型中的C3模块,该模块使插入PDA后的改进模型在精度仅仅损失0.2个百分点的情况下,参数量(parameters,Param.)减少了20%左右,浮点运算量(giga floating-point operations,GFLOPs)减少了30%左右。实验结果表明,最终的改进模型比YOLOv5s原模型在VOC行人数据集上mAP0.5提升了2.2个百分点,mAP0.5:0.95提升了3.1个百分点,且参数量减少了20%左右,浮点运算量减少了30%左右,在GTX1050上的检测速度(frames per second,FPS)提升了4。

颈椎定点旋转手法在体生物力学量化及影响因素分析

背景:颈椎定点旋转手法属于技术要求较高的力学操作,但目前其生物力学还缺少相关量化数据;且颈椎定点旋转手法的影响因素研究包括了众多参数并且存在差异性,需要进一步对其影响因素进行分析,以完善其相关数据。目的:量化颈椎定点旋转手法在体生物力学参数,探讨各生物力学参数之间的相关性,及研究对象个体特征差异对手法力学参数的影响。方法:选取35例颈椎病患者为测试对象,均为广西中医药大学第一附属医院仁爱分院骨伤科门诊就诊者。术者佩戴穿戴式力学测量手套采集手法力学参数,包括拇指预加载力、拇指最大推力、掌心预加载力、掌心旋扳力和掌心旋扳最大作用力。并采集患者个人特征参数,包括年龄、身高、体质量和颈围。对手法操作过程中的关键力学参数进行特征分析及不同个体特征进行量化,对力学指标参数进行Spearman相关性分析;分析不同个体特征参数对生物力学可能存在的影响。结果与结论:(1)双侧力学参数相比,左侧操作与右侧操作无显著差异性(P>0.05)。(2)拇指预加载力均值为(7.21±1.19)N、拇指最大推力均值为(28.40±4.48)N、掌心预加载力均值为(5.67±2.49)N、掌心旋扳力均值为(10.90±5.11)N、掌心旋扳最大作用力均值为(16.00±7.27)N。(3)掌心预加载力和掌心旋扳力存在显著正相关(Rs=0.812,P<0.01);掌心预加载力和掌心旋扳最大作用力存在显著正相关(Rs=0.773,P<0.01);掌心旋扳力和掌心旋扳最大作用力存在显著正相关(Rs=0.939,P<0.01)。(4)患者体质量与拇指预加载力、掌心预加载力、掌心旋扳力及掌心旋扳最大作用力之间存在显著正相关(P<0.05)。(5)结果证实,颈椎定点旋转手法治疗颈椎病操作中生物力学有一定的标准量值。该手法左右侧操作无显著差异性,具有较好的一致性和可重复性。掌心预加载力、掌心旋扳力及掌心旋扳最大作用力3种力之间存在一致性和协调性,对于治疗效果的贡献是相近的。患者的体质量是影响颈椎定点旋转手法重要的因素。

生长方位量化联合S-Detect技术对乳腺癌腋窝淋巴结转移的预测价值

目的探讨乳腺肿块生长方位量化联合S-Detect技术对预测乳腺癌腋窝淋巴结(ALN)转移的价值。方法收集2023年3月至2024年10月于医院住院的163例乳腺癌患者资料,依据ALN病理结果分为转移组(n=62)与未转移组(n=101)。所有患者术前行常规超声及S-Detect检查。采用单因素和多因素回归分析各观察指标与ALN转移的相关性,筛选出有意义的指标并建立logistic回归预测模型,采用受试者工作特征(ROC)曲线评价该模型的预测价值。结果单因素分析显示,肿块的最大径、边界、边缘、钙化、方位角、血流在两组间的差异有统计学意义(P<0.05)。多因素分析结果显示钙化、边界、方位角、边缘、最大径是预测ALN状态的独立危险因素(P<0.05)。依此构建的logistic回归预测模型:Y=-7.995+2.299×最大径+1.171×边界+2.137×边缘+1.397×钙化+0.034×方位角。该联合预测模型的AUC为0.869,均大于各独立影响因素的AUC(P<0.05),联合预测模型与病理结果的一致性良好(Kappa=0.701,P<0.05)。结论量化乳腺肿块的方位角有助于预测ALN转移,并增强对非平行取向的解释和应用。乳腺肿块生长方位量化联合S-Detect技术对乳腺癌ALN转移具有较好的预测价值,可以给个性化治疗提供参考依据。

基于改进YOLOv7-Tiny的轻量化激光器芯片缺陷检测算法

【目的】高功率半导体激光器的光学灾变损伤是限制其可靠性和寿命的主要因素,因此,有效的缺陷检测对于优化激光器芯片的制造工艺和结构设计至关重要。提出了一种基于改进YOLOv7-Tiny的轻量化激光器芯片缺陷检测算法,旨在解决深度学习应用于缺陷检测时面临的高计算量和参数量问题。【方法】利用轻量化卷积神经网络替换特征提取主干有效减少对计算资源消耗,有效提取电致发光图像中缺陷特征。为从上下文特征获取更丰富的信息,引入多分支重参数化卷积块重构聚合模块,通过多路径分支丰富特征表示,训练与推理的解耦保证检测效率。此外,结合坐标注意力,提升定位精度。进行了剪枝实验和模型部署,验证算法的初步应用。【结果】在电致发光缺陷数据集上的实验结果显示,本文方法能在较低的参数和计算量下准确地检测出芯片缺陷,展现出良好的性能。

电动拖拉机底盘轻量化设计

探讨了电动拖拉机底盘轻量化设计的方法和技术,并基于底盘轻量化的重要性论述了底盘轻量化的具体方法,包括选材、结构优化、工艺改进等方面。针对电动拖拉机的工作特点,提出了适合其底盘轻量化的具体措施,包括采用高强度轻质材料、减少焊接点及优化桥座结构等。最后,通过数值模拟和试验验证了轻量化设计的效果,证明了方法的可行性和有效性。研究成果对于提高电动拖拉机的性能和节能减排具有重要意义。

基于岗位价值量化评估的医院职能部门绩效工资分配模式构建

在公立医院高质量发展背景下,建立以岗位价值为导向的绩效工资分配体系对于深化医院管理以及激发内部活力至关重要。医院职能部门员工由于事务性工作多,缺乏量化评估方法和工具,导致绩效工资相对固定且平均,难以真实反映不同部门、岗位的工作价值和成果,也间接影响医院整体服务水平和效率。以四川省妇幼保健院为例,通过量化价值评估,探讨职能部门绩效工资分配与医院运营、部门职责、岗位价值之间的联系,为公立医院薪酬分配体系的完善提供参考。

基于YOLOv5的轻量化管道漏磁信号检测

石油天然气主要通过管道的方式进行运输,而油气管道会因各种内外因素导致缺陷的产生。为了实现对管道缺陷分布的精确定位,并且易于在边缘端进行部署,本文改进了YOLOv5网络。为了降低网络参数量,将YOLOv5的主干网络替换成更加轻量化的MobileNetv3,并且优化了部分卷积的通道数;为了充分利用到真实框和预测框之间向量角度等信息,将SIoU作为YOLOv5的损失函数;最后将CARAFE上采样算子引入网络中,来获取较大的感受野。结果表明,改进后的算法相较于原始算法,参数量减少了79.8%,模型大小减少了77.4%,mAP提高了0.8%,在轻量化的同时提升了检测精度。

基于参数化建模的垃圾收运车机械手轻量化优化

为提升垃圾收运车机械手的静动态特性、降低制造成本,基于SolidWorks建立了垃圾收运车机械手的三维模型,利用ADAMS运动仿真软件对垃圾收运车机械手进行动力学分析,根据不同工况的运动情况得出位移、力、速度曲线;在HyperWorks中对机械手进行静力学分析,为后续优化提供条件;基于参数化建模,以体积最小为目标,保持变形和应力满足使用要求为约束,进行轻量化优化。优化结果表明,在强度允许的条件下,机械手总质量减轻了17 kg,减少了16.73%。

中国古典园林量化研究的“双维度”分析

古典园林作为中国传统文化的一部分,有着丰富的内涵和重要的地位。近年来,量化研究成为古典园林研究的重要方向。大量研究从不同的角度和层面对中国古典园林的形式、结构、功能、意境等进行客观分析与量化评价,引导古典园林研究向纵深拓展。通过古典园林空间组织和造园要素的“双维度”分析,总结和梳理了目前量化研究的成果,辨析出研究的主要理论、内容、方法、成果和局限,可为促进古典园林量化研究更加全面、综合和系统提供参考。

基于轻量化ACCP-YOLOv8的绝缘子多缺陷检测

针对绝缘子缺陷小且易受到背景干扰、参数量庞大等问题,提出了一种基于轻量化YOLOv8的绝缘子缺陷检测方法。该方法结合了注意力机制和多尺度融合技术,通过一系列优化措施有效提升检测性能。首先,引入ADown下采样模块替换主干网络中的普通卷积,从而显著减少模型参数量。其次,采用轻量化卷积PartialConv并设计全新的CSPPC结构替代网络中的C2f,进一步压缩模型大小。为防止小缺陷特征信息的流失,额外增加了小缺陷检测层,以增强浅层和深层特征图的融合,从而提高小缺陷的检测精度。最后,在主干特征提取网络中引入CBAM注意力模块,增强模型的特征提取能力,全面提升检测效果。实验结果表明,ACCP-YOLOv8的mAP@0.5值达到93.2%,相较于YOLOv8提升2.4个百分点,其参数量仅为1.66MB,比YOLOv8减少44.7%,ACCP-YOLOv8的提出为绝缘子多种缺陷检测问题提供一种更有效的方法。

基于轻量化MobileNet的便携式玉米籽粒图像识别装置

玉米作为我国主要粮食作物之一,品种较多,为解决人工识别存在的问题,采用MobileNet轻量级神经网络,对神经网络进行迁移学习,得到Kmodel模型,移植于K210移动终端。MobileNet网络体积小,计算量小,精度高。硬件采用AO1-AI模块,该模块基于边缘智能计算芯片K210(RISC-V架构)设计,支持Micropython编程。对数据集进行训练和测试,训练的准确率结果为99%,将模型移植到K210终端进行测试,实验表明玉米籽粒的识别准确率为97.8%,本实验进行了轻量化MobileNet的移植,创制了小型化、便携式识别装置,为玉米籽粒实时图像识别和检测提供了一种解决方案。