面向边缘计算的目标追踪应用部署策略研究

目标追踪算法虽已在诸多领域得到广泛应用,然而由于实时性和功耗问题,使得基于深度学习模型的算法难以在移动终端设备上部署应用.结合边缘计算技术,从应用部署优化的角度,对目标追踪算法在移动设备上的部署策略进行研究.通过对目标追踪应用特点、移动设备特性以及边缘云网络架构的分析,提出一种面向边缘计算的目标追踪应用部署策略.通过任务分割策略,将目标追踪应用的计算任务合理卸载至边缘云,并利用信息融合策略对计算结果进行分析融合;此外,利用运动检测,进一步降低终端节点的计算压力和功耗.通过对不同部署策略进行对比实验,结果表明:相比计算任务本地计算,该部署策略明显降低了任务响应时间;相比完全卸载至边缘云,该部署策略降低了相同计算任务的处理时间.

基于改进CenterNet算法的风机叶片损伤检测识别技术

为了对风力发电机组叶片损伤状态进行有效检测,提出一种基于CenterNet目标检测算法的风机叶片损伤检测识别技术。该技术选取DLA-60特征提取网络作为CenterNet算法的骨干网络,并在DLA-60网络中引入注意力引导数据增强机制,提升检测算法的精度。优化后风力机叶片损伤检测识别模型的检测精度为88%,较原始算法提升了2.6个百分点,且检测时间基本与原网络持平,具有较强的精确性和实用性。

2017年-2021年新疆兵团某市住院患者疾病谱分析

目的分析兵团某市住院患者疾病构成、顺位变化以及年龄分布特征,为合理分配医疗资源、促进疾病有效防治提供科学依据。方法提取新疆兵团某市医疗保障局信息管理系统中2017年1月1日-2021年12月31日某市市级医院84528例住院患者病案首页信息,根据ICD-10(编码范围为A00-Z99)提取主要诊断所对应的系统疾病和病种疾病进行回顾性分析。结果2017年-2021年新疆兵团某市市级医院住院病例共计84528例,住院病例按系统统计前十位累计占比85.81%,顺位前三位的疾病依次是循环系统疾病、呼吸系统疾病、肿瘤;循环系统疾病和呼吸系统疾病稳居第一位和第二位;肿瘤疾病的位次从第六位上升到第三位。0岁-14岁住院患者呼吸系统疾病居首位,15岁-34岁的住院患者妊娠、分娩和产褥期为第一位系统疾病,35岁-44岁住院患者位居首位的是泌尿生殖系统疾病,45岁以上的中老年患者循环系统疾病为第一位系统疾病,35岁-64岁住院患者肿瘤疾病居首位。结论循环系统疾病、呼吸系统疾病、肿瘤是影响该地区居民健康的主要疾病,不同年龄段病种差异显著,65岁以上人群是需重点关注的人群,应结合疾病谱的变化及其人群年龄等分布特点对疾病进行预防控制。

多传感器数据融合的复杂人体活动识别

基于传感器的人体活动识别被广泛应用到各个领域,但利用多种异构传感器识别日常的复杂人体活动,仍然存在很多问题。对多个异构传感器数据进行数据融合时,存在兼容性问题,导致对并发复杂活动识别准确率较低。该文提出基于多传感器决策级数据融合的多任务深度学习模型。该模型利用深度学习自动地从每个传感器原始数据中进行特征提取。利用多任务学习的联合训练方法将并发复杂活动分为多个子任务,多个子任务共享网络结构,相互促进学习,提高模型的泛化性能。实验表明:该模型对周期性活动的识别准确率可达到94.6%,非周期性活动可达到93.4%,并发复杂活动可达到92.8%。该模型比3个基线模型的识别准确率平均高出8%。