基于改进的YOLOv7混凝土路面裂缝检测算法研究

为实现对复杂背景下混凝土路面裂缝的有效检测,本文构建了混凝土公路路面裂缝专业数据集,在此基础上,提出一种基于改进的YOLOv7混凝土路面裂缝检测算法,并采用Grad-CAM技术对模型的注意力决策机制进行分析研究,最后基于PyQt5集成开发了一套混凝土路面裂缝智能检测系统。结果表明,改进后的YOLOv7模型对混凝土路面裂缝的识别准确率、召回率,以及mAP@0.5值最高分别可以达到98.95%、97.08%和98.97%,能够满足行业内对混凝土路面裂缝检测的需求。

基于小波包能量谱与改进BP神经网络的铁路扣件松脱检测算法研究

为实现铁路扣件在服役过程中松脱位置及松脱程度的准确检测,提出一种基于小波包能量谱与改进BP神经网络的铁路扣件松脱检测算法。首先,参照现行规范,在实地设计了7种铁路扣件不同松脱工况,并依次采集各工况下所对应的钢轨垂向振动加速度信号;随后,对采集到的钢轨垂向振动加速度信号进行7层dB40小波包分解,获取各工况下对应的小波包节点能量比数据信息,在此基础上,从距离和维度两个角度出发,设计了一个向量相异系数指标(VDC)用以实现松脱扣件的定位;此外,依据数据特征,采用粒子群优化算法对BP神经网络进行改进,构建PSO-BP铁路扣件松脱程度检测模型,并进行参数敏感性分析。研究结果表明:健康状态下铁路扣件的VDC最小值为0.17,最大值为0.41,明显小于各松脱状态下铁路扣件的VDC值,据此,可实现对单个和多个松脱扣件的准确定位;构建的PSO-BP铁路扣件松脱程度检测模型可以实现扣件松脱程度的准确检测,且当隐含层中神经元数目设置为20时,模型检测效果最优,对应识别准确率为98.66%。

小学数学教育中独立思考能力的培养新探

随着新课改工作的大力推进，很多的教育工作者都在对教学模式进行创新，以便可以找到更好的教学方法，在不断探索的过程中，各种各样的教学方法被应用到了实际教学工作中，不仅提高了学生的学习兴趣，还可以对学生的综合能力进行培养，为全面落实素质教育工作打下了坚实的基础。在这些新的教学模式中，学生们的思想得到了解放，可以提出自己的想法、理论和观点等等，很好地体现了学生的主体地位，便于学生以后的发展。