基于时空扩散的输电走廊图像火灾预警方法

为解决输电走廊图像火灾预警误报率高的问题,提出了一种基于时空扩散的输电走廊图像山火预警方法。首先,采用脉宽调制整流感应取电互感器方式实现摄像头取电。其次,对采集图像进行预处理,消除图像噪声对模型火灾识别带来的影响,并提取输电走廊图像特征,建立正常样本库;在此基础上,通过正常样本比对,筛选出异常样本,并结合时空扩散方法分析烟雾时间维度的形态变化情况,进而识别火灾。最后,在某供电公司的实际应用中,该方法的火灾识别准确率为98.7%,所提方法能有效区分云彩和火灾烟雾特征,实现输电走廊穿越森林火灾的精准识别。

基于卷积神经网络的电缆接头缺陷识别方法

为解决电缆接头施工工艺监管难、缺陷隐患多的问题,提出了一种基于卷积神经网络的电缆接头缺陷识别方法。通过电缆施工人员安全帽上的摄像头获取电缆中间接头施工图片,采用梯度直方图方法提取电缆接头的视频特征数据;通过图像开运算对电缆接头图像进行腐蚀和膨胀,消除电缆接头图像的噪声数据。在此基础上,通过正常样本训练卷积神经网络,提高电缆接头缺陷发现能力。在某城市电缆接头施工现场应用该方法,电缆接头缺陷识别准确率达98.5%,其结果验证了该方法的有效性。

改进单克隆抗体-ELISA用于检测红细胞内间日疟原虫的研究

本文介绍一种以兔抗食蟹猴疟原虫多克隆抗体包被,二株单克隆抗体混合进行反应的多抗-双单抗夹心ELISA检测人体红细胞内间日疟原虫抗原的方法。间日疟样本（镜检确诊）测定符含率为94.3％（83/88）;正常样本测定符合率为96.1％（123/128）。测定敏感度超过1个疟原虫/10~5红细胞。

降噪自编码器在机械设备故障预警中的应用

针对目前复杂机械设备大多采用单特征值门限报警法,无法实现提前预警的现状,提出一种基于降噪自编码器(denoising autoencoder,DAE)的特征自学习方法,将高维监测数据编码成低维特征,作为设备运行状态的特征表示,通过度量待测样本编码特征与基准的距离实现故障预警。实验结果表明,本文方法能够区分正常样本特征与任意故障样本特征,并能降低变工况及环境噪声干扰的影响;工程应用案例表明,本文方法能够发现设备故障发生前的微弱征兆,实现提前预警。