融合多点注意力机制的YOLOv7火焰目标检测算法研究

针对复杂环境中,火焰检测存在特征提取不足和边缘模糊目标检测性能欠缺问题,提出一种融合挤压激励(Squeeze-and-Excitation,SE)注意力机制的YOLOv7火焰目标检测算法。该算法以YOLOv7为基础框架,基于公开火焰数据集,对不同位置点插入SE注意力机制的网络模型进行研究,进而构建融合多点注意力机制的YOLOv7_Attention网络模型,以充分提取火焰的有效特征,抑制冗余特征。实验结果表明,融合SE注意力机制的YOLOv7_Attention网络模型与原始YOLOv7模型相比,其mAP提升了1.64百分点,边缘模糊火焰目标检测效果显著。

多尺度特征融合注意力的轻量化遥感场景分类方法

针对目前常见的遥感影像场景分类卷积神经网络存在特征提取能力不足及模型参数量大的问题,提出一种多尺度特征融合注意力的轻量化遥感影像场景分类方法。将Res2Net网络作为基准模型,在Res2Net模块内嵌入改进的CBAM注意力模块进行优化,关注场景中的关键特征,提高全局特征和局部特征的表达能力;在Res2Net模块间插入深度可分离单元,增加不同尺度特征的连接和复用性,轻量化网络模型,提高运行效率。在UCM数据集上,所提方法的总分类精度方面达到96.90%,相比基线方法提高2.38%。实验表明,所提方法参数量较低,能有效提高场景分类的准确率。

企业税收筹划风险及防范的探讨

税收筹划是指纳税人在税法许可的范围内,通过对自身经营活动的适当安排,在不妨碍正常经营的前提下,达到降低综合税收负担,实现利润最大化的目标。而税收筹划面临税收政策变化、企业筹划方案的选择与实施等诸多风险,选择不善,将得不偿失。作为经营决策者,应充分认识筹划风险,采取妥善的应对策略,才能最终实现筹划目标,避免落入筹划陷阱,承担不必要的损失。

浅析煤矿安全监测监控

分析了我国煤矿安全监测监控系统现状及发展趋势,并针对煤矿各种地质灾害实际情况,提出了矿井监测监控系统设置要求以及设备选型配置的最优方案。

基于CNN-GRU的菇房多点温湿度预测方法研究

有效获取温室出菇房的温湿度空间分布对于优化食用菌环境胁迫、病害预警、出菇房预调控至关重要,但传统的单点预测不能很好地满足菇房整体环境性能评估的需求。针对出菇房内温湿度时序性、非线性、空间分布差异性的特点,提出一种基于卷积神经网络(CNN)与门控循环单元神经网络(GRU)相结合的菇房多点温湿度预测方法。将温室室外历史气象数据、温室室内历史小气候环境数据、多点环境分布特征、通风信息和加湿信息多特征数据按照时间序列构造二维矩阵作为输入,采用CNN挖掘数据中蕴含的有效信息,提取反映温室环境数据相互联系的高维特征,将提取的特征向量构造为时间序列输入GRU网络进行多点温湿度预测。将该预测方法应用于北京市农林科学院的日光温室出菇房内多点温湿度预测,实验结果表明,该预测方法对于出菇房内各点温度RMSE平均值为0.211℃,MAE平均值为0.140℃,误差控制在±0.5℃范围内的平均比例为97.57%;对于出菇房内各点相对湿度RMSE平均值为2.731%,MAE平均值为1.713%,误差控制在±5%范围内的平均比例为92.62%;相比传统的BP神经网络、长短期记忆神经网络(LSTM)和门控循环单元神经网络(GRU),该预测方法具有更高的预测精度。

大数据分析技术在发电企业的应用

本文对于大数据相关概念展开介绍,明确发电企业大数据分析应用的必要性,对其具体运用思路展开分析,并对技术运用阶段的重点问题作出论述。

基于Hadoop的电力环保数据采集平台设计

随着信息化时代的到来,网络通信能力的提高,数据采集也有了多种方式。环保数据作为常用信息载体,数量在急剧增加中,处理数据的技术还停留在基础阶段。在此背景下设计了基于Hadoop的环保数据采集平台。该平台是基于Hadoop框架,配合子项目Hive和HBase,完成全面的数据分析支持。采用PIC18F8722单片机为核心组件,对传感器收集到的数据通过GPRS无线网络上传,利用CLARA聚类算法对数据进行整合归类,最后通过数据节点完成对数据的储存、备份过程。

基于数据挖掘的电力负荷预测系统设计

目前提出的电力负荷预测系统对电力负荷的辨识率较低,导致预测时间过长。基于数据挖掘,设计一种新的电力负荷预测系统,通过数据源层、数据连接层、数据库层、数据挖掘层、系统应用层、集成层、用户层组成系统硬件结构,由IT20154芯片实现电力负荷数据预处理。软件设定归类、合并、维系和总结4项功能,通过输入、生成、推理、干预,实现电力负荷预测流程。实验结果表明,基于数据挖掘的电力负荷预测系统能够有效提高辨识率,降低预测时间。

基于大数据挖掘的发电系统异常数据识别系统设计

使用基于红外图像的故障诊断方法、基于深度Q网络故障诊断方法缺少对发电异常数据关联分析,导致数据识别结果不精准,针对该问题,提出了基于大数据挖掘的发电系统异常数据识别系统设计。采用LM12H458高度集成数据采集芯片,设计系统采集子系统,控制系统采集的启动和停止。使用数据处理子系统处理采集数据,并将采集结果存储到子系统中,通过LED显示屏完成数据识别。根据发电量、光照强度、温度、湿度关联分析,采用apriori算法构建先验规则集,完成异常数据识别。由实验结果可知,该系统与实际数据一致,具有精准的识别效果。

基于大数据挖掘的发电组温升预警方法研究

传统方法所测得的残差无法作为判断发电组温升故障的依据,为解决这一问题,提出基于大数据挖掘的发电组温升故障预警方法研究。首先应用大数据挖掘技术收集数据,分析影响发电组温度的因素,依据发电组温度的因素与发电组温升故障预警基本原理,构建发电组温升故障预警逻辑判断结构;最后考虑到传统方法存在缺陷,运用大数据挖掘技术已有算法建立模型,实现预警,由此,完成基于大数据挖掘的发电组温升故障预警方法的设计。

著名小说里的旅游胜地

From Paris to Pamplona(France and Spain)从巴黎到潘普洛纳(法国与西班牙)The Sun Also Rises《太阳照常升起》作者:海明威。The trip:From Paris to Pamplona on the Lunea sleeper train.旅途:坐着Lunea卧铺列车从巴黎到潘普洛纳。在匆忙跳上开往西班牙的列车前,杰克·巴恩斯喜欢和朋友们享受放荡的巴黎街头生活。所以记得尽情享用列车上的东西,然后喝上几杯清冽的白葡萄酒冲洗一下肠胃。

基于大数据的发电设备监测信息聚合分析

针对海量的发电监测大数据,提出一种大数据监测设备信息聚合与评估模型。结合信息聚合的原理,在建立数据时空相关的基础上,将信息聚合模型分为三层:底层数据层实现数据的基础采集和数据的预处理;信息级聚合层实现数据的多维关联分析、特征匹配等;决策级聚合实现信息的挖掘、评估等。最后以风力发电机组2017~2018年采集到的数据作为样本,以时域和频域等参数作为SVM的输入参数,对样本进行测试和识别。结果表明,通过信息聚合和识别,可有效识别不同故障类型,并得到监测数据的关联,大大提升了设备监测的自动化和智能化。