丙烯精制系统升级及其定向除杂

原料丙烯经原有精制系统净化后,仍残留不利于聚合反应的组分,削弱催化剂的反应活性。鉴于此,国能宁夏煤业集团烯烃二分公司对原有精制系统进行改造,将脱除绿油+脱除极性含氧化合物组合工艺嵌入原有精制系统并设置串级控制系统。闪蒸实验结果表明,新精制系统除杂效果显著,从根本上解决了因原料不纯导致反应活性降低的技术难题,为装置控制节约成本,提升了经济效益和社会价值。

基于改进Faster R-CNN的路面灌封裂缝检测方法

路面灌封裂缝对路面使用寿命的影响较为突出,为了解决目前灌封裂缝检测技术匮乏的问题,文中提出了一种基于改进Faster R-CNN的路面灌封裂缝检测方法。首先,建立灌封裂缝图像集,对采集到的图像进行增广处理,构建路面灌封裂缝标注样本数据集,并将图像集按6∶2∶2的比例划分为训练集、验证集和测试集;接着,采用Faster R-CNN模型对灌封裂缝进行检测,针对Faster R-CNN检测灌封裂缝存在漏检、定位效果不够理想的问题,文中分别将VGG16、ZFNet和Resnet50网络的特征提取层与Faster R-CNN模型进行结合,结果表明,VGG16和Faster R-CNN结合的模型检测精度最高,达到0.9031;然后,通过增加灌封裂缝候选框宽高比的方法继续改进模型,检测精度达到0.9073,且原先被漏检的目标能被检测出来;最后,对改进Faster R-CNN与YOLOv2模型的检测精度及定位效果进行对比,结果表明,文中提出的改进Faster R-CNN能够明显提高对灌封裂缝的检测准确率和定位精度。

改进粒子群优化XGBoost模型的高速公路服务区交通量预测

为了科学有效地评估高速公路服务区交通通行服务能力和进行基础设施优化配置,提出一种基于改进粒子群算法(Improved Particle Swarm Optimization, IPSO)和XGBoost融合的高速公路服务区交通量预测模型.首先对粒子群算法的拓扑关系结构进行改进,将粒子群划分为主粒子和从粒子,获得多个改进粒子组,并给出改进后主从粒子速度和位置的更新方法;其次利用线性递增和递减函数对粒子的迭代寻优速度进行自适应调整;最后在模型训练过程中,引入交通量调查数据这一重要特征,并利用IPSO算法对XGBoost模型的主要超参数进行优化选择,建立了交通量调查数据和服务区各交通量之间的IPSO;GBoost预测模型.结果表明:提出的改进粒子群算法具有更强的参数寻优能力,迭代收敛速度更快,能够搜索出XGBoost模型的理想超参数,实现对服务区交通量的有效预测.同时,提出模型的预测性能明显优于LSTM、XGBoost、CNN-LSTM和PSO;GBoost,对小型车、大型车、货车、车当量和人当量数据的预测精度分别达到了0.913、0.815、0.872、0.931和0.924.

基于三维点云数据的集料颗粒棱角性量化评价

集料颗粒的棱角性是决定沥青混合料路用性能的重要因素。文中首先搭建了基于Gocator 3D智能传感器的集料三维图像采集系统,获取粒径为9.5、13.2和16.0 mm的玄武岩、花岗岩和石灰岩3种集料样本的三维点云数据;然后采用基于Sobel-Feldman卷积和基于集料表面法线的集料颗粒表面棱角性量化方法进行评价,并与现有AIMS梯度棱角评价方法进行了对比。结果表明:基于Sobel-Feldman卷积的集料颗粒表面棱角性量化方法评价集料颗粒棱角性具有更高的准确性;集料越尖锐,集料棱角性指数越大,法线聚类个数越多;集料越圆滑,集料棱角性指数越小,法线聚类个数越少。

基于改进Multi-ResUnet算法的黏结集料图像分割方法

为提高黏结集料图像的分割精度,提出了基于Inception网络与残差连接优化的黏结集料图像分割模型(Multi-ResUnet模型)。利用实验室自主研发的集料三维特性分析系统V3.0对黏结集料图像进行采集,并建立图像分割模型样本集,然后采用图像分割模型对样本集进行训练。结果表明:相较于分水岭算法和Unet模型,该图像分割模型的精确率分别提升了30.46%和2.11%,召回率分别提升了4.68%和1.85%,准确率分别提升了25.95%和2.47%。

2021年前三季度环卫市场分析

9个月的激烈竞争之后,2021年环卫市场即将迎来最后的冲刺期。纵观前三季度,民企收获满满的同时,国资来势凶猛,屡次拿下亿级项目,更有一部分国企凭借手中的大型项目跻身2021年前三季度拿标top10。同时,各大头部环企在垃圾分类、海上环卫业务等方面各有突破,业态布局走向更丰富多元。

基于SAM的田块提取方法在田块平整成效评价中的应用研究

【目的】基于图像分割模型SAM高效获取田块信息,分析评价高标准农田建设田块平整的实际成效。【方法】文章选取安徽省六安市裕安区江家店镇龙门村为示例区,采用两期高分辨率遥感影像,基于“先分割—后分类”的思路,利用SAM和残差神经网络(ResNet)相结合的方法,在无样本的条件下快速准确地提取示例区内田块的信息,并从田块的数量、规模和形状三个方面选择指标,对示例区田块在平整前后的变化情况进行分析。【结果】田块平整后,示例区内田块数量由205个降为81个,减少了60.5%;田块平均面积由0.166 hm^(2)增大到0.435 hm^(2),增加了162.0%;田块密度相较于平整前减少了61.9%;形状指数下降了43.9%;面积加权形状指数降低了15.0%,表明田块平整效果明显。【结论】通过SAM分割结合ResNet分类的方法可以快速获取精准的田块信息,进而为高标准农田块平整成效评价提供精准的基础数据,推动田块平整评价分析工作的现代化和智能化进程。

3D Surface Reconstruction of Coarse Aggregate Particles from Occlusion-Free Multi-View Images

Rapidly and accurately assessing the geometric characteristics of coarse aggregate particles is crucial for ensuring pavement performance in highway engineering.This article introduces an innovative system for the three-dimensional(3D)surface reconstruction of coarse aggregate particles using occlusion-free multi-view imaging.The system captures synchronized images of particles in free fall,employing a matte sphere and a nonlinear optimization approach to estimate the camera projection matrices.A pre-trained segmentation model is utilized to eliminate the background of the images.The Shape from Silhouettes(SfS)algorithm is then applied to generate 3D voxel data,followed by the Marching Cubes algorithm to construct the 3D surface contour.Validation against standard parts and diverse coarse aggregate particles confirms the method's high accuracy,with an average measurement precision of 0.434 mm and a significant increase in scanning and reconstruction efficiency.