基于双教师联合蒸馏的黑烟识别算法

基于监控视频的智能黑烟车识别方法,可以有效节省人力和物力资源,具有广泛的应用前景。但车辆排放的黑烟具有半透明性,与背景中的沥青路面不易区分;且随着车辆运动,黑烟产生烟羽扩散,具有不稳定的形状,导致黑烟识别的精准率和召回率较低。首先,利用YOLOv5s-MobileNetv3模型对车辆进行定位和排烟区域截取,以降低后续处理的数据量;其次,利用K-Means算法对车辆尾部黑烟进行聚类得到具有普适性的宽高比,据此提取得到车辆的尾部排烟区;最后,提出1种双教师联合蒸馏的黑烟识别方法进行车辆尾部黑烟识别。在某高速路段的包括黑烟车的62段监控视频上进行训练及测试,目标车辆检测速度为76 fps,在精确度94.70%的前提下,召回率为97.50%,黑烟特征识别精准率93.43%,误报率为6.52%。利用轻量级网络对车辆进行定位,降低了算法复杂度,保证了方法的实时性;文章提出的双教师联合蒸馏网络模型在保证较高精准率的前提下,识别时间具有明显优势。

基于深度学习算法的机动车尾气排放黑烟监测

为提高对黑烟车监测能力,提出一种基于深度学习算法的机动车尾气排放黑烟监测方法。提取运动前景机动车位置,并结合霍夫直线检测方法明确机动车尾气排放候选黑烟区域;对候选黑烟区域图像实施特征降维处理,以处理后候选黑烟区域图像为输入,构建深度学习算法的卷积神经网络模型;利用卷积层提取输入图像边缘、颜色、纹理以及表面特征,在池化层求出目标特征损失函数,以最小化损失函数为目标对网络实施训练,完成机动车尾气排放黑烟监测。实验结果表明,该方法在不同天气场景下对机动车尾气排放黑烟监测的平均准确率为97.89%、召回率最高为89.94%,监测能力强。

黑烟车智能监控系统的应用

当前,我国机动车排放污染问题日益突出,已成为空气污染的重要来源。而上路抽检机动车排放污染物等传统的监管措施已不能满足对当前机动车排气污染防治的需要,佛山市采用黑烟车智能监控系统,结合大数据应用,统计分析黑烟车数据,为机动车污染防治探索新途径,为机动车环境管理提供科学依据。

浅谈柴油机排气管冒黑烟的原因

就柴油机排出的黑色废气进行全面分析,找出出现问题的具体原因,提出解决的办法和运行中应注意的问题。通过实践和分析发现,冒黑烟现象是由多种原因导致柴油燃烧不完全所造成的,通过控制油量以及排除设备机械故障等因素后,能够避免此类现象出现。

柴油车尾气烟团不透光烟度仪的优化设计

针对现有技术的不足,设计了一款新型遥测式不透光烟度计。详细阐述了环境因素对遥测仪的影响,并对其未来进行了展望,以期提供参考。

非道路移动柴油机械排气烟度检测研究

针对现行国标GB 36886-2018提供的林格曼黑度图检测方法存在的不足,采用图像识别技术,研制了一种具备拍照式林格曼黑度检测(分辨率从0.25级升至0.05级)、透射式烟度检测、模拟微环境等3个主要功能的非道路柴油机械排气烟度专用检测装置。同时,研究了直管、45°弯管、90°弯管3种排气管尾根部取样位置对不透光光吸收系数检测结果的影响,并进行了基本理论分析和现场测试验证,明确取样点应尽量远离弯头位置,为后续可调整式探头结构优化设计提供一定理论支撑。该检测装置可对非道路柴油机械的林格曼黑度和不透光烟度同步进行排气烟度检测,实现了一次性、可记录、可追溯精准检测。

黑烟车电子抓拍林格曼黑度对比验证研究

对同一场景中同一机动车排放黑烟的行为,采用光电测烟望远镜和黑烟车电子抓拍系统2种方法测定林格曼黑度,以光电测烟望远镜作基准,对黑烟车电子抓拍系统的测量结果进行修正。结果表明,黑烟车电子抓拍系统的测量结果经修正后与光电测烟望远镜的测试结果的相关性系数约为0.977,误差平均值为-0.015,方差为0.032,说明2种测量方法具有良好的相关性和可比性,利用光电测烟望远镜可以为黑烟车电子抓拍系统搭建量值溯源链。