面向摄像头视频监控的泥石流发生场景智能识别方法

摄像头视频监控在泥石流防灾减灾中的应用较为广泛,但现有的视频检测技术功能有限,无法自动判断出泥石流灾害事件的发生。针对这一问题,本文基于迁移学习策略,改进一种基于卷积神经网络的视频分类方法。首先,借助TSN模型框架,将底层网络架构更改为ResNet-50,用于运动特征提取和泥石流场景识别。然后,通过ImageNet和Kinet-ics-400数据集预训练该模型,使模型具备较强的泛化能力。最后,结合经过预处理的地质灾害视频数据集对模型进行训练和微调,使其能够精准地识别出泥石流事件。通过大量的运动场景视频对该模型进行检验,实验结果表明,该方法对泥石流运动场景视频的识别准确率可达87.73%。因此,本文的研究成果可充分发挥视频监控在泥石流监测预警中的作用。

一种绿色荧光有机超分子聚合物的合成与表征

溶剂热条件下,用3,4',5-联苯三羧酸(biphenyl-3,4',5-tricarboxylic acid,H3bpt)和1,4-bis[2-(4-pyridyl) ethenyl]benzene (bpeb)合成了一种新颖的有机超分子聚合物[(H2bpt)2(H2bpeb)]n。单晶X-射线衍射研究表明,组分H2bpt与H2bpeb通过强氢键构筑了二维的超分子聚合层,进而通过层间强π-π相互作用形成三维超分子结构。结晶样品通过元素分析、热重(TG)、粉末X-ray衍射等进行了表征。370 nm紫外线激发下,化合物的最大荧光发射波长为516 nm;在365 nm紫外光照射下,晶体样品也显绿色,是潜在的绿色荧光材料。