基于OR-CNN的电动车进入电梯危险行为检测系统设计

在楼宇中电动车不论是在电梯中还是在楼层中自燃爆炸都会给人们造成严重的危害,是一个重大的危险源。目前虽然在电梯口贴上了“电动车禁止进入”的提示标志,但效果不佳。因此,设计了基于OR-CNN的电动车进入电梯危险行为检测系统,以满足管理部门对禁止电动车进入电梯的需求。基于OR-CNN网络的电动车检测模型将RoI池化层替换为PORoI,PORoI池化单元通过先验知识将目标划分为5个部分,融合各个部分的特征信息,更好地完成在遮挡环境下的目标检测任务。此外,系统在发现违规行为时会使电梯门处于禁关状态,并发出警报提醒,对违规行为的视频段进行抽帧处理并记录存档,以便事后追责,实现智能化管理。测试结果表明,与YOLOv5相比,所设计的检测系统在遮挡情况下的电动车检测准确率明显提高,更适应电梯等狭小环境中目标遮挡的情况。

基于改进Mask R-CNN的矿石类型检测算法

针对不同的矿石类型进行选矿工艺参数设置和操作有利于保障精矿质量,提高回收率和降低物资消耗。由于缺乏矿石类型实时检测有效手段,选矿过程的精准操作目前较难实现。为此,本文提出一种全面改进的Mask R-CNN矿石类型检测算法。算法步骤:①使用ResNetV1d-50提取矿石图像各阶段的特征图,并在主干网络中加入可变形卷积以便增强异形矿石的特征;②改进FPN,通过在主干网络的C5特征层加入特征残差模块,并融合到P5特征层,得到具有更强语义信息的多尺度特征图;③改进RPN,设计自适应的正样本IOU选取方案来匹配宽高比异常的矿石,进一步提高异形矿石的识别精度;④在RoIAlign网络基础上加入Global-Context,以提高小矿石的检测能力;⑤在数据增强和训练技巧方面对模型进行改进。结果表明,本文算法的平均精度为67.92%,平均交并比为63.54%,分别比基准模型提高了13.67%和9.71%。本文研究方法在矿石类型识别领域具有较好的应用价值。

Simulating Some Complex Phenomena in Hydrothermal Ore-Forming Processes by Reaction-Diffusion CNN

Complexity phenomena like dynamic and static patterns, order from disorder, chaos and catastrophe were simulated by the application of 2-D reaction-diffusion CNN of two state variables and two diffusion coefficients transformed from Zhabotinksii model. They revealed somehow the mechanism of hydrothermal ore-forming processes, and answered several questions about the onset of ore forming.

基于PSO-Faster R-CNN改进算法的矿石识别分类研究

为提升矿物的分选效率,基于机器视觉对矿石识别分选算法进行研究。采用PSO-Faster R-CNN改进算法对矿石二维图像进行识别分类,PSO算法改进了Faster R-CNN算法的收敛速度,使用了多尺度特征融合的方法,实现了对特定矿石图像样本的识别。此外,还选择了HOG+SVM算法和KNN算法进行对比。结果表明,PSO-Faster R-CNN改进算法识别精确度高达98%,精度和稳定度优于其他两种算法,实际工程识别速度快,未来能满足矿石分选识别的应用需要。