基于实时目标检测网络的胎儿颜面部超声切面识别及应用

目的:探讨基于实时目标检测网络的人工智能(AI)模型在胎儿颜面部超声检查中的应用价值。方法:以妊娠20~24周正常胎儿颜面部超声标准切面(FFUSP)图像为研究对象,构建基于实时目标检测网络的FFUSP识别模型,观察其对FFUSP及其解剖结构的识别精度;通过临床验证分析其对119例胎儿超声图像中FFUSP识别效能以评价其临床应用价值。结果:AI模型对胎儿颜面部结构识别的整体查准率为97.8%、查全率为98.5%、mAP@.5为98.1%、mAP@.5:.95为61.0%。在临床验证中,AI模型对颜面部解剖结构识别的敏感度、特异度、阳性预测值、阴性预测值及准确率分别为100.0%、98.5%、87.4%、100.0%、98.7%,与胎儿超声专家分类一致性强(k=0.925,P<0.001);对3类标准切面图像的识别准确率为100%;动态视频检测平均速度为33.93帧/s。结论:基于实时目标检测网络的FFUSP识别模型性能优越,可应用于实时超声检查辅助诊断、教学及智能化质量评价。

“亮码办”在不动产登记平台中的设计与实现

身份证明是不动产登记受理的必要材料。为深化落实广州市优化营商环境5.0的要求,解决企业或个人未携带实体身份证明造成的困扰和不便等问题,广州市不动产登记率先提出应用电子身份证“亮码办”。平台采用人脸识别和电子身份二维码二次加解密技术,实现了申请人持手机出具身份证明二维码以代替实体身份证明并办理不动产登记业务,达到了政务服务减材料的成效,为企业和群众带来了良好的体验感,同时也为其他地区不动产统一登记平台建设以及推广电子身份证应用提供借鉴。

基于边塌陷减面的实景三维模型轻量化技术

实景三维模型由于其丰富的场景展现能力,广泛应用在数字孪生和地理测绘等领域。然而,丰富的三维场景和细节所包含的数据量十分庞大,给实景三维模型的存储、传输、渲染与展示带来了极大的挑战。针对上述问题,本文提出了一种面向实景三维模型的轻量化处理方法,首先引入模型预处理技术,去除模型噪音和非流行边;然后通过边塌陷减面的轻量化算法,精简模型拓扑结构;最后加入反转检测算法,防止边塌陷过程中出现面反转的情况。对张家界景区4个真实场景的测试结果表明,该技术可以在保留模型整体外观和场景细节的基础上,压缩至原始模型大小的3.7%~10.9%,使得复杂场景的实景三维模型能够在计算机中更加快速真实地反映或显示世界的地理地貌或城市建筑。

神东矿区构建综采工作面三维透视采场技术研究

为实现工作面回采期间矿压与生产管理、保障智慧矿山建设,需要构建三维透视采场。首先,基于实用矿山压力控制理论,建立采场空间结构力学模型,训练一套采场覆岩运动参数推导、支承压力分布规律计算、矿山压力实时监测数据分析与三维采场静态应力与动态应力模拟的算法体系。其次,通过采用二维三维一体化建模的方式构建三维透明地质模型、使用三维建模工具对液压支架等设备进行精细化建模、对采场上覆岩层的运动状态进行专业化建模,体现三维透视采场基本要素的全面性。通过采用三维曲面积分法解析综采液压支架相关数据、采用多目标多因素分级方法分析钻孔应力数据、采用时序序列数据分析其他数据三种方法进行采场实时监测数据分析。最后,以布尔台煤矿42204工作面为工程背景,构建了三维透视采场基本模型。所建立的三维模型能够根据地质信息、钻孔数据、矿压显现等实际情况反映应力场变化,实现采场空间采动应力随工作面推进的展示,为采煤工作面回采期间矿压与生产管理提供技术支撑。

综放工作面小角度调斜技术研究与应用

黑龙煤业2201综放工作面停采线附近存留较难回采的三角煤。为最大限度回收停采线附近煤炭资源,经过现场调研,结合2201综放工作面围岩性质进行理论分析,讨论了实中心调斜和虚中心调斜技术特点。根据2201综放工作面实际工程条件,最终确定采用虚中心调斜技术,并提出了工作面安全回采保障技术措施。现场工业性试验表明,运用调斜与安全回采技术多回采煤炭资源约2.65×10~4t,取得了显著的经济效益。

煤矿泵站实时在线监测与故障预警诊断系统研究

为了更好地解决煤矿乳化泵故障难以排查和潜在的异常难以及早发现的问题,研发了综采面泵站实时在线监测和故障预警诊断系统,模拟了乳化泵常见的故障工况和正常工况来采集建模所需的训练集样本,应用了随机森林算法对乳化泵常见的四类工况进行诊断模型构建,使用乳化泵四类不同工况的真实数据对模型进行测试,准确率达到了97.1%的优良性能,并运用了工控上位机和下位机技术开发了一套在线监测系统,能够及时地发现乳化泵存在的故障类型、故障部件和尽早地发掘潜在的异常情况,查询设备历史故障数据、部件振动信号的趋势图谱、时频域特征值进行追溯分析,生成报表给出乳化泵检修维护和供应管理策略,对于泵站检修工作有重要的指导作用,对于保障工作面支护系统的正常运行、工作面安全高效开采有着重要意义。

掘进面风流监测及适应性智能调控系统研制

针对目前掘进面通风系统因无法对风流进行实时监测及适应性动态调控而造成的瓦斯与粉尘聚集严重等问题,研制出了风流监测及适应性智能调控原型系统来优化风流场分布。通过对掘进面风流监测及出风口风流适应性智能调控方法和系统实现的整体架构进行分析,基于流场相似与模化理论对掘进面进行了相似还原设计,确定了风速、瓦斯及粉尘隐患监测点位置,完成了基于ZigBee及GPRS技术的数据采集及传输架构,利用PLC控制技术实现了风流智能调控装置的动态调控,并研发了上位机系统。以柠条塔矿S1202掘进面为对象,对研制的风流监测及适应性智能调控原型系统进行了测试,结果表明:出风口距迎头5 m时,司机位置与回风侧行人呼吸带高度平均粉尘质量浓度分别降低了48.94%和34.36%,平均瓦斯体积分数降低了41.18%;出风口距迎头10 m时,司机位置与回风侧行人呼吸带高度平均粉尘质量浓度分别降低了38.04%和41.36%,平均瓦斯体积分数降低了43.02%,验证了风流适应性智能调控的可行性。

基于二代身份证的人脸识别系统在实名制体检中的应用

目的:通过二代身份证的人脸识别系统应用优化体检流程,提高实名制体检率,减少“替检”风险,提升综合管理能力。方法:首次将基于二代身份证的人脸识别技术应用在体检流程中,通过信息化改造,在体检系统、导检系统中嵌入人脸识别功能,在登记、报到、检查环节进行实名验证,并标记“替检”人群。结果:系统满足实名制体检要求,提高了实名率,防范了“替检”发生,人均体检用时明显减少。结论:基于二代身份证的人脸识别系统在实名制体检中的应用优化了体检流程,缩短了体检用时,杜绝了管理漏洞,改善了体检体验,有利于医院综合效益的提升。

基于改进Yolov5模型的实时人脸检测算法

针对疫情背景下,在一些人流密集场所进行体温筛查或身份识别,当待检测对象快速通过时,人脸检测实时性不高的问题,提出了一种改进Yolov5模型的实时人脸检测算法。该算法首先对骨干网络层进行轻量化改进并引入注意力机制减少冗余信息;其次修改了检测层网络结构,增加了对小目标人脸及倾斜人脸检测的适应性;随之使用Focal EIOU损失函数代替Yolov5原始损失函数中的GIOU损失函数来计算定位损失,有效解决了预测框在目标框内部或预测框与目标框大小一致时无法精确定位的问题。实验结果表明:提出的实时人脸检测算法检测精度达到97.2%,检测速度达到66.7 f/s,相较于原始Yolov5算法,检测精度提升了19.7%,检测速度提升了24 f/s,满足实时人脸检测要求,同时对于黑暗环境及不同表情姿态人脸检测也有较好的适应性。

PLC和Pro-face触摸屏及信号采集板在冷气机组中的应用

介绍PLC和触摸屏在冷水机组中的应用,并且详细说明相关的控制原理和调试的主要思想和步骤。

新型智能门禁管控装置技术研究与应用

新型智能门禁管控装置集实名注册授权、人脸识别准入验证、佩戴安全帽识别、人员定位卡绑定、语音通知、道闸控制、考勤统计等模块于一体,实现数据互通及设备互联。即所有要进入施工场地的人员,都必须经过实名制注册,并通过相应的报审流程,审核通过后才会被授权进入。进入施工场地时,劳务实名制门禁管控装置会对进入人员进行人脸识别认证,自动分析判断是否佩戴安全帽,自动把人员身份和安全帽上的定位芯片进行关联。有效解决地铁施工场地的实名制管理问题,防止无关人员进入施工场地,并对通过实名制认证的人员进行穿戴分析、出勤统计、轨迹追踪等全过程安全管控。

基于三维实景模型的面板堆石坝施工期变形分析

为获得更准确的坝体变形分析,采用三维激光扫描仪获取坝址区高精度的地形数据,建立三维实景有限元计算模型,精细地刻画了该坝址区独特的三维地形特征:沿顺河向左岸变缓,但右岸变陡;坝址基岩沿横河向存在上下游起伏的特性。通过有限元计算,分析了该面板堆石坝施工期坝体变形特性。结果表明:当坝体填筑到最大坝高时,最大沉降(约0.95m)发生在距坝顶1/3—1/2坝高位置处;顺河向最大位移分别为0.13m(朝上游),0.09m(朝下游);左右岸坝体朝河谷中心聚拢。坝底和两岸基岩对窄深河谷中堆石体的变形提供了较强的约束作用,两岸河谷非对称性导致了左右岸轴向位移的差异。研究表明坝体位于河流拐弯处且河谷左右岸坡度不一导致堆石体位移表现出了较强的空间效应,为更真实地对面板堆石坝变形进行预测,不应在数值计算中忽略河谷地形的空间效应。

综采跟机工艺数字孪生系统架构与关键技术

针对综采自动化跟机工艺设计和参数调试成本高、周期长、过程繁琐的问题,提出了综采跟机工艺数字孪生系统架构,从物理设备、虚实交互、孪生数据、机理模型、仿真算法和工艺应用等层面进行分析,并对跟机工艺数据传输和存储、跟机工艺历史回放、实时跟机工艺孪生演绎、跟机工艺预演仿真、跟机工艺指令调度等关键技术进行了详细描述。提出了综采跟机工艺数字孪生系统技术路线:通过万兆光纤环网+5G通信将采煤机工艺动作数据汇集到采煤机主机,将串行支架控制器发出的支架工艺动作数据汇集到电液控主机,对工艺数据按动作时序进行收集、归类、编码,作为工艺过程回放的数据源;同时,主机将实时上报的跟机工艺数据转发给三维数字孪生系统,在三维虚拟场景中孪生演绎跟机过程;在人机交互界面完成跟机工艺参数配置后,可在三维场景中预演综采跟机工艺过程;在实时开采过程中,汇集各类传感数据,结合预演无误的跟机工艺,系统统筹下发工艺调度指令,将支架控制器从决策者转变为执行者,克服因井下空间不足导致控制器算力有限的局限性。现场应用结果表明,综采跟机工艺数字孪生系统可为综采跟机工艺设计、参数配置、仿真测试提供技术参考,使跟机工艺开发周期由14 d缩短至1 d,跟机工艺设计修改更加便捷,综采工作面跟机自动化率提高到90%以上。

基于人脸识别的智慧教室学生考勤系统设计

传统的学生签到与考勤方式存在着许多问题,如教师人工签到不便,学生代签到、漏签到和误签到等。为了解决这些问题并提高考勤的准确性和效率,文章引入人脸识别技术作为改进方案。该系统通过采集学生的人脸数据,使用先进的人脸识别算法进行实时识别和身份验证,既能够自动准确地记录学生的签到情况,又高效地减轻教师的工作负担。本研究探索了基于人脸识别技术的智慧教室学生考勤系统的设计与实现,展示了其在教育领域的潜在应用价值。

基于SLAM和虚拟现实的综采工作面巡检系统

针对综采工作面巡检机器人由于缺乏尺度信息导致可靠性较低的问题,将虚拟现实(VR)技术引入综采工作面巡检中,设计了基于即时定位与地图构建(SLAM)和VR的综采工作面巡检系统。该系统包括位于井下的巡检机器人子系统和位于地面的VR实时渲染子系统2个部分。巡检机器人子系统利用激光SLAM技术实现实时三维扫描,并建立三维地图,同时利用全景相机实时捕获综采工作面的场景,将实时获取的激光点云及全景视频传输到VR实时渲染子系统。VR实时渲染子系统采用GPU加速技术对激光点云进行着色,通过对Unreal三维引擎渲染部分进行定制化开发,实现对激光点云的实时渲染,并将激光点云投屏到VR眼镜上。远程操作人员通过VR眼镜实时获取现场三维场景,通过操作手柄远程控制巡检机器人动作,从而实现基于第一视角的综采工作面巡检。井下工业性试验结果表明,该系统可实现视角自由切换,并对场景进行放大,从而能够更好地观察到细节部分,精确性和可靠性更高;采用GPU加速技术进行点云着色,处理时间明显比CPU处理时间短,GPU实时性更高,整个系统的延时能满足巡检任务需求。

主动反射面面形实时计算与检测方法研究

主动反射面技术在射电望远镜发展中具有重要意义,为提高主动反射面技术中面形检测的实时性,减小环境因素造成的检测误差,建设了主动反射面面形监测研究平台,提出一种利用测距传感器的主动反射面面形计算与检测方法。首先确定主动反射面基准面,其次将面板运动看作旋转运动,利用罗德里格旋转公式得到面板的旋转矩阵,最后利用面板的旋转矩阵计算面板当前位姿。仿真结果显示,该方法具有可行性,计算1625个节点下的面板位姿耗费时长为5070 ms,能够提高面形检测的实时性,为提高主动反射面运行精度提供参考,使采用主动反射面技术的射电望远镜达到更好的性能指标。

实时监控系统在大坝填筑施工中的应用分析研究

黄家湾水利工程为Ⅱ等大(Ⅱ)型工程,枢纽大坝为混凝土面板堆石坝,设计坝高81m,设计坝顶长360.2m。大坝填筑施工中,使用监控系统对整个填筑过程进行实时监测,实时监控系统的应用对整个工程建设质量具有重要影响。以该项目为案例,对实时监控系统在混凝土面板堆石坝填筑施工及实施过程进行研究分析。实时监控系统主要应用于填筑施工过程中的填筑料碾压过程,并以此为基础建立施工过程实时监控监测系统,通过对填筑碾压过程中碾压机的运行轨迹、速度、运行时间、激振力等参数进行实时采集记录,针对实施过程中的记录数据进行研究分析,采取针对性措施指导作业,确保施工质量,研究成果可为类似项目施工提供参考。

基于肤色的人脸实时跟踪方法

提出用于电视电话会议、远程教学、监视与监控等场合的人脸实时跟踪方法 .以人脸肤色模型为基础 ,结合目标形状特征识别方法 ,并用扩展卡尔曼滤波估计目标运动轨迹 ,实现基于肤色的人脸实时跟踪鲁棒方法 .该方法有效地保证了复杂场景下目标跟踪的准确性 ,实现了带遮挡情况下的人脸实时跟踪 .系统跟踪速度达到视频速度 ,对于 PAL制式的视频图像达 30帧 /s,对于 NTSC制式的视频图像达 2 5帧 /s.

采用Gentle AdaBoost和嵌套级联结构的实时人脸检测

本文提出一个基于Gentle AdaBoost和嵌套级联结构(Nesting Cascade Structure)的快速人脸检测器。采用嵌套级联结构并在训练过程中剔除前级节点分类器已使用过的特征,解决了经典的AdaBoost级联分类器因各节点分类器独立训练导致不同节点之间特征相同的弱分类器大量存在而影响检测速度的问题,提高了人脸检测速度。采用Gentle AdaBoost算法训练节点分类器以提高各节点分类器的泛化能力,进一步减少嵌套级联结构中弱分类器的个数。实验结果表明本文所提出的人脸检测算法大幅度减少了级联分类器所需的弱分类器个数,使检测的速度得到明显的提高,在CIF(352×288)格式的视频上达到每帧8毫秒的检测速度,优于现有的人脸检测算法,而且检测的准确性也比现有的人脸检测算法略有提高。