-
题名某采石场职业病危害因素现状调查与评价
被引量:3
- 1
-
-
作者
李庆猛
强敏杰
-
机构
安徽省蚌埠市疾病预防控制中心
-
出处
《现代矿业》
CAS
2018年第10期228-230,共3页
-
文摘
为调查某采石场职业病危害情况,防止职业病事故,保护劳动者健康,通过对某采石场进行现场职业卫生学调查、工作场所职业病危害因素检测和职业健康检查,分析职业病危害现状。结果表明,该采石场职业病危害因素主要是矽尘和噪声,属职业病危害风险严重类项目。其中破碎岗位粉尘中游离二氧化硅含量达32. 8%;钻孔、破碎站喂料处粉尘-5μm粒级分散度分别为58. 5%、30. 0%; 7个作业噪声监测点合格率71. 43%; 20名作业工人参加职业健康体检,胸片提示结节状改变的有3人,两肺纹理增多、紊乱的2人。说明目前采石场配备的防护设施不能完全满足抑尘和控制噪声的要求,存在发生矽肺和职业性耳聋的风险,应加强作业工人的职业健康体检和个人防护,并据此提出了具体的应对措施。
-
关键词
职业病危害因素
防护设施
职业健康
应对措施
-
分类号
R134
[医药卫生—劳动卫生]
-
-
题名深度学习在农作物图像识别中的应用研究
被引量:3
- 2
-
-
作者
强敏杰
-
机构
苏州大学计算机科学与技术学院
-
出处
《福建电脑》
2021年第2期1-5,共5页
-
文摘
深度学习在语音识别、视觉识别以及其他领域都引起了很多研究者越来越多的关注。在图像处理领域,采用深度学习方法可以获得较高的识别率。本文以玻尔兹曼机和卷积神经网络作为深度学习的研究模型应用于农业方面,从病虫破坏农作物图像识别的角度,结合上述研究模型,并分别结合不同应用场景对模型进行改进。针对病虫破坏农作物的图像识别采用玻尔兹曼机+动量卷积神经网络结合方法。通过大量实验证明采用上述方法识别正确率达到85%以上,采用优化后的深度学习算法其运行速度较传统算法有一定的提升。
-
关键词
深度学习
图像处理
玻尔兹曼机
卷积神经网络
-
Keywords
Deep Learning
Image Processing
Boltzmann Machine
Convolutional Neural Network
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名2007—2017年蚌埠市农药中毒流行病学分析
被引量:2
- 3
-
-
作者
李庆猛
强敏杰
钱青文
-
机构
蚌埠市疾病预防控制中心
-
出处
《中国工业医学杂志》
CAS
2019年第3期210-212,共3页
-
文摘
收集并分析2007—2017年蚌埠市农药中毒数据,全市共报告农药中毒13 135例,死亡210例,病死率1.60%;生产性中毒以男性为主,高发年龄35~55岁,7~9月份病例最多;非生产性中毒以女性为主,高发年龄25~45岁,4~6月份病例最多;地区分布以五河县最高;农药中毒的类别以杀虫剂为主;以非生产性农药中毒为主;女性多于男性。
-
关键词
农药
中毒
流行病学
-
分类号
R139.3
[医药卫生—劳动卫生]
-
-
题名2017年蚌埠市重点职业病监测结果分析
被引量:5
- 4
-
-
作者
李庆猛
强敏杰
-
机构
安徽省蚌埠市疾病预防控制中心
-
出处
《职业卫生与应急救援》
2019年第1期68-69,73,共3页
-
基金
2017年中央和省财政卫生计生专项(财社[2017]1130号)
-
文摘
[目的]分析蚌埠市重点职业病监测结果,为持续开展监测工作和改进监测方法提供参考。[方法]按照《2017年安徽省重点职业病监测与职业健康风险评估工作实施方案》的要求,筛查蚌埠市2017年辖区内存在煤(矽)尘、矽尘、石棉、苯、铅、噪声、布鲁氏菌、电焊烟尘、水泥尘、高温等10种职业病危害因素的企业,收集在岗劳动者职业健康检查和职业病诊断资料进行统计分析。[结果] 2017年蚌埠市存在重点职业病危害因素的企业共405家,以制造业为主,多为职业病危害严重或较重企业,接触重点职业病危害因素人员为9 047人。136家企业的7 375人接受职业健康检查,企业重点职业病危害因素职业健康体检覆盖率仅为33.58%,体检发现1名疑似职业病病人和64名职业禁忌证者。2017年确诊并报告重点职业病4例,均为布鲁氏菌病。[结论]蚌埠市2017年重点职业病发病以布鲁氏菌病为主,疑似职业病病人、职业禁忌证者主要为接触高温、噪声的劳动者。接触矽尘、苯、布鲁氏菌、电焊烟尘、噪声和高温等重点职业病危害因素的劳动者为重点防控人群。
-
关键词
重点职业病
监测
预防
分析
蚌埠
布鲁氏菌病
体检覆盖率
危害因素
-
分类号
R135
[医药卫生—劳动卫生]
-