生态环境保护中废气污染源智能识别监测研究

为提升生态环境保护质量,有效识别废气污染源排放类别,监测废气污染源方位,设计生态环境保护中废气污染源智能识别监测方法。利用传感器采集气体数据与废气污染源影响因素数据;通过循环结构分离气体数据,得到废气污染源数据,利用随机森林算法选择废气污染源主要影响因素,通过K-Means聚类算法聚类处理废气污染源数据与其主要影响因素数据,得到废气污染源排放类别智能识别结果,通过贝叶斯算法分析废气污染源数据,得到废气污染源方位智能监测结果。实验证明,该方法可有效分离获取废气污染源数据,得到废气污染源主要影响因素;该方法可有效智能识别废气污染源排放类别,了解各区域废气污染源的排放情况,并有效智能监测废气污染源方位。

桥梁裂缝智能识别与监测方法研究

当前,裂缝识别与监测一直是桥梁结构健康监测的重要研究内容。在桥梁结构现场检测与监测中,传统的裂缝识别与监测技术尚不足以满足实际工程的时效性和精确性需求,尤其是裂缝监测技术。基于深度学习的裂缝图像识别极大提升了裂缝检测的效率和精度,但目前仅能获得特定时刻的裂缝信息,缺乏对裂缝产生和演化过程的监测能力,而这些信息对混凝土结构服役安全量化和科学评价具有重要意义。鉴于此,对基于深度学习的裂缝识别与监测方法进行了系统研究,分析和讨论了裂缝数据集构建基准,改进优化了裂缝目标检测和语义分割算法,提出一种多任务集成一体化实时识别算法,并建立了该模型推理效果评价方法,优化了裂缝参数计算方法,最终形成了裂缝识别及动态扩展自动化实时监测方法。结果表明:所提出的裂缝智能识别与监测方法可以对新裂缝的产生和既有裂缝的全局演化实现良好追踪,监测数据可以为桥梁结构当前服役性能的科学量化评估提供支撑。