基于J2EE架构的分布式车辆监控系统设计与实现

介绍了一种基于B/S模式的车辆监控系统的设计思想和实现方案,突破了传统C/S模式的网络局限,实现互联网上的车辆监控作业。系统采用了一种基于J2EE三层架构的WebGIS设计思想,利用Java applet小程序技术和EJB组件技术实现系统的表现层和业务逻辑层,更好地实现了前端表现和业务逻辑的分离,拓宽了传统模式中多用户并发访问和海量空间数据传输的瓶颈。系统多采用开源软件,有效节省系统开发成本。

基于改进PP-YOLOv2的红外图像电力设备检测

针对复杂电力场景下红外目标检测任务中对多目标和难分样本的检测需求,以及目标样本稀缺、算法难以满足高精度与实时性要求的问题,基于PP-YOLOv2模型提出一种结合数据增强与样本均衡的红外图像电力设备检测算法。首先提出Mix_Grid数据增强方法进行样本扩增,提高模型的泛化性能;然后在特征提取阶段嵌入协调注意力(Coordinate Attention, CA)模块,增强模型提取全局特征的能力;最后在损失函数部分引入梯度均衡机制(gradient harmonizing mechanism, GHM),解决样本不平衡问题,进一步提高对目标的识别能力。实验结果表明,所提方法在实际采集数据集上mAP值达到了93.15%,检测速度达到了66FPS,具有较好的精度与实时性。与现有方法的对比实验可知,所提方法对各类目标均具有更强的鉴别能力,具有较高的实际应用价值。

提高犊牛成活率的综合技术措施

犊牛的生长发育是牛整个生命过程中最为迅速的时期，更是养牛业发展的关键环节。因为刚出生的犊牛由于其身体各器官及功能的发育不完善，对母体外环境的适应能力很差，特别是出生后10—20d内容易受病菌侵袭，引起疾病死亡。因此，认真做好犊牛的饲养管理工作，对提高犊牛成活率及后期育肥至关重要。

基于Transformer的端到端路面裂缝检测方法

针对路面裂缝检测场景中裂缝形状不规则和背景复杂引起的检测精度较低的问题,提出了一种基于transformer的端到端路面裂缝检测方法CrackFormerNet.首先,在特征提取阶段,引入多尺度特征融合机制,设计了Multi-Scale Transformer骨干网络,将不同下采样倍率特征图融合,提取细节信息丰富的裂缝纹理特征。其次,提出基于CIoU Loss和L1 Loss的联合回归损失函数来度量预测框和标签间距离,精确评估预测框检测效果。同时,为应对transformer模型收敛缓慢的问题,在编码器-解码器阶段使用Pre-LN Transformer结构,在残差连接内部使用层归一化,加速模型收敛。实验结果表明,方法MAP达到84.2%,优于主流基准方法。与DETR检测方法相比,模型收敛轮次压缩18.4%,检测精度提升3.6%,证明了该方法的有效性。

基于注意力机制的变电站作业场景三维目标检测

在变电站场景中,作业人员与危险设备的空间距离感知是安全管控任务的基本问题。随着激光雷达和三维(3D)视觉理论的发展,3D点云目标检测可为下游空间距离度量任务提供必要的技术支撑。针对变电站场景下背景复杂、设备遮挡等因素引起的目标检测不准的问题,基于PointNet++模型,在局部特征提取阶段引入改进的注意力模块,提出了一种适用于变电站作业场景的3D目标检测网络PowerNet。首先经过两级局部特征提取,获取每个局部区域中的细粒度特征;其次通过mini-pointnet将所有局部特征编码成特征向量,得到全局特征;最后由全连接层输出预测结果。考虑到变电站点云数据中前景点与背景点数量差距较大,PowerNet采用Focal损失计算分类损失,使网络更加关注前景点特征信息。在自建数据集上的实验结果表明,PowerNet的均值平均精度(mAP)值达到0.735,高于其他模型,可直接在下游安全管控任务中应用。