-
题名关于现代工业厂房建筑设计的探讨
- 1
-
-
作者
姜振卫
-
机构
北京首钢矿山建设工程有限责任公司
-
出处
《中文科技期刊数据库(全文版)工程技术》
2016年第11期320-320,共1页
-
文摘
近几年来,随着我国社会经济的快速发展,工业迅速在发展起来,工业厂房的数量也越来越多。而工业作为我国国民经济的一个重要支柱,工业厂房建筑设计的合理性以及质量的高低对工业生产无疑有着巨大的影响。因此,必须采取有效的措施,加强现代工业厂房的建筑设计,提升工业厂房的建筑质量,推动行业的迅速发展。基于此,本文就现代工业厂房建筑设计进行探究,期盼提供给相关行业一些参考建议。
-
关键词
现代工业厂房
建筑设计
-
分类号
TU270.1
[建筑科学—建筑设计及理论]
-
-
题名无人机图像配电导线断股检测的深度学习方法
被引量:2
- 2
-
-
作者
史建勋
金昊
常明
姜振卫
李俊
刘争
俞渊
-
机构
国家电网浙江嘉善县供电有限公司
-
出处
《测绘地理信息》
CSCD
2022年第4期61-66,共6页
-
基金
国家电网浙江省电力有限公司集体企业科学技术项目(2019-ZZKL-005)
-
文摘
配电导线的断股易导致断线事故,给用电需要和用电安全带来了极大的负面影响。传统人工检视方法费时费力,而基于无人机(unmanned aerial vehicle,UAV)获取导线影像,利用全卷积网络(fully convolutional network,FCN)深度学习的方法进行配电导线断股快速准确检测可以事半功倍。首先,顾及断股图像空间低占比特点,利用卷积层代替池化层以减少细节损失,实现改进FCN网络架构构建;其次,通过图像变换方法增强原始数据集,提升网络泛化能力;然后,选用BReLU(bilateral rectified linear unit)激活函数,弥补常用激活函数存在的梯度弥散缺陷,提高准确识别率;最后以某电力配电导线巡检项目为例,训练、优化网络,并对UAV获取的图像进行检测,取得了93%的正确率。同时,对比分析了该方法与传统方法的检测效果,结果表明了在配电导线断股智能识别中该方法的鲁棒性和准确性显著占优。
-
关键词
深度学习
无人机
导线断股
全卷积网络
-
Keywords
deep learning
UAV(unmanned aerial vehicle)
broken strand
FCN(fully convolutional network)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TM75
[电气工程—电力系统及自动化]
-