危房鉴定及智能评级程序应用实例

房屋建筑危险性鉴定是综合性较强的工作,对明确危险点数量及构件总数的建筑可应用"危房鉴定标准智能评定程序"进行综合评定。此外,定量评定之前应对房屋建筑进行整体考虑,从而判别其是否处于危险状态。应用典型鉴定实例阐述鉴定过程中应考虑的地基基础,上部结构及围护结构情况。综合《危险房屋鉴定标准》、《地基基础设计规范》、《建筑变形测量规范》等规范对建筑的危险性评级。

纺织品色牢度智能评级系统的研制

探讨所研制的纺织品色牢度智能评级系统的测试效果。介绍了该评级系统的方案设计过程,对其测试的准确性、稳定性和适用性进行了研究。测试结果表明:该系统可应用于纺织品沾色牢度及变色牢度级别的评定。认为:使用该系统测试纺织品色牢度较影像评级法、测色仪评级法更加便捷、快速、准确。

基于深度学习的火电机组用钢金相组织评级方法研究

针对火电机组用钢金相组织评级受人为因素影响,效率低、重复性差等问题,提出建立金相检验图像样本数据集,采用ConvNeXt-T卷积神经网络模型研究基于深度学习的火电机组用钢金相组织评级方法,同时用混淆矩阵对所建模型的性能进行评估,模型对铁素体+珠光体组织球化评级的准确率均值为98.7%、精确度均值为97.3%、灵敏度均值为97.2%、特异度均值为99.1%、F1-Score均值为97.2%,表明该方法能够对火电机组用钢金相组织进行较为准确的评级,提升评级效率,为火电机组用钢金相组织智能评级提供一种新的方法,同时助力电力行业金相检验向数字化、智能化发展。

基于SE注意力机制的废钢分类评级方法

为了解决传统人工方法对废钢分类评级人为因素干扰大且效率低下等问题,提出基于挤压-激励(Squeeze-Excitation,SE)注意力机制构建废钢分类评级的深度学习网络模型,并对采集到的废钢卸载过程图像进行模型训练和验证.首先,搭建物理尺寸比例为1∶3废钢质量查验物理模型,采用高分辨率视觉传感器模拟采集货车卸载废钢作业场景下不同废钢的形貌特征;然后,对采集到的废钢图像使用跨阶段局部网络进行特征提取,利用空间金字塔结构解决特征丢失问题,采用注意力机制关注通道间的相关性;最后,在包含7个标签分类的两个数据集进行模型训练与验证.实验表明:该模型能够有效地对不同级别的废钢进行自动评级判定,全类别准确率达到83.7%,全类别平均精度为88.8%,在准确性方面相比于传统人工验质方法具有显著优势,解决了废钢入库过程中质量评价的公正性难题.

基于深度学习的废钢分类评级方法研究

废钢是现代钢铁工业重要的铁素来源,是钢企实现碳中和的重要原料。不同级别的废钢价格悬殊,其质量直接影响钢企的生产成本和产品质量。因此,废钢入炉前的分类和评级问题,受到钢企的普遍重视和高度关注。针对传统人工方法在废钢的分类评级中所出现的效率低、安全性和公正性差等问题,基于深度学习中的卷积注意力机制和加权双向特征融合网络构建废钢分类评级模型。首先,搭建废钢质量查验物理模型,模拟货车卸载废钢的生产作业场景,采用高分辨率视觉传感器采集不同类别的废钢图像。其次,设计了一种结合注意力与特征融合的废钢验质深度学习模型,将卷积注意力模块(convolutional block attention module,CBAM)加入主干网络对采集的废钢图像数据集进行特征提取,聚焦并保留图像的重要特征;使用双向特征金字塔(bidirectional feature pyramid network,BiFPN)平衡多尺度特征信息,进行多尺度特征融合。最后,在模型预测阶段,利用所构建的废钢质量验质模型进行废钢类别和质量判级,验证模型的精确性与检测效率。基于自制废钢验证数据集,与主流的目标检测模型Faster R–CNN、YOLOv4、YOLOv5系列以及YOLOv7进行性能比较。实验结果表明:本研究构建的废钢质量验质模型识别判级的准确率Acc达到了86.8%,所有类别平均精度m AP为89.2%,均高于对比的目标检测模型,在准确性、实时性以及识别评级效率方面可满足实际生产应用,解决废钢分类评级过程中的诸多难题,实现废钢的智能验质和公正判定。

基于NLP技术的内控合规智能化风险评级

针对某公司基于风险防控的内控合规体系数字化、智能化程度不足的问题,探索利用NLP技术,构建面向项目的内控合规的风险指标体系,搭建风险评级智能化模型,并通过机器学习逐步完善及应用,最终推动了某公司内控合规体系清晰、透明、高效运作,实现内控合规风险数字化智能化管控。

积极推动信用卡业务数字化转型与创新

近些年来,在信息化技术高速发展、数字化时代席卷全球的大背景下,移动支付、在线交易等虚拟业务逐渐取代了传统面对面交易的方式,成为当下国内经贸往来交易方式的主流。在金融领域,数字化产业的春风在无声中改变了金融业的整体结构,其中以信用借贷业务的变化最为剧烈。为了推动我国信贷类金融产业健康有序向前发展,本文就如何积极推动信用卡业务的数字化转型与创新进行简要分析。