为减轻电力工作人员的巡检负担,实现变电站智能巡检,对变电站设备缺陷检测算法进行了研究。首先,利用数据增强方法对有限的初始数据集进行扩充,利用多种图像处理方法增加数据集的复杂度,生成考虑复杂光照环境的数据集;然后,采用自适应...为减轻电力工作人员的巡检负担,实现变电站智能巡检,对变电站设备缺陷检测算法进行了研究。首先,利用数据增强方法对有限的初始数据集进行扩充,利用多种图像处理方法增加数据集的复杂度,生成考虑复杂光照环境的数据集;然后,采用自适应空间特征融合(ASFF:Adaptively Spatial Feature Fusion)的方法缓解特征金字塔中不同尺度特征的不一致性问题,并引入Focal损失函数作为置信度损失函数以缓解正负样本不平衡的问题,利用改进的YOLOX-s(You Only Look Once X-s)网络模型设计了变电站缺陷检测算法;最后,将改进的YOLOX-s网络模型与其他深度学习算法的检测效果进行对比,实验结果表明,改进的YOLOX-s网络模型的综合检测效果较好,准确性和实时性均可以满足变电站设备缺陷检测任务。展开更多
简要总结了多Agent系统(MAS)形式化建模方法的研究现状;以面向对象Petri网(OPN)和π演算为基础,给出了一种直观的MAS体系结构模型(Multi-Agent Systems Architecture Model,MASAM)。OPN可以形象地描述MAS的初始化结构及动态行为,而π演...简要总结了多Agent系统(MAS)形式化建模方法的研究现状;以面向对象Petri网(OPN)和π演算为基础,给出了一种直观的MAS体系结构模型(Multi-Agent Systems Architecture Model,MASAM)。OPN可以形象地描述MAS的初始化结构及动态行为,而π演算可以刻画MAS的动态演化;另外,可以利用Petri网和π演算的相关分析方法和支持工具分析和验证系统模型,在系统开发早期发现并避免体系结构级的错误。展开更多
网纹红土红色基质和白色网纹的成分和结构差异性影响并控制着工程特性。文章通过扫描电子显微镜(scanning electron microscope,SEM)实验和数字图像处理技术定量研究原状网纹红土的微孔隙特征,进而基于能量色散谱仪(energy dispersive s...网纹红土红色基质和白色网纹的成分和结构差异性影响并控制着工程特性。文章通过扫描电子显微镜(scanning electron microscope,SEM)实验和数字图像处理技术定量研究原状网纹红土的微孔隙特征,进而基于能量色散谱仪(energy dispersive spectrometer,EDS)和X射线衍射仪(X-ray diffractometer,XRD)分析了红色基质和白色网纹的化学成分和黏土矿物构成,以探讨网纹红土微结构和成分与其力学特征的内在联系。研究得出,网纹红土孔隙主要为小于0.5μm2面积的微孔隙,而面积超过50μm2的大孔隙则较少,但红色基质颗粒表面粗糙、棱角分明,主要由绿泥石/蒙脱石混层和伊利石以及少量的绿泥石和高岭石构成,而白色网纹颗粒则较为圆滑,由伊利石/蒙脱石混层和伊利石构成,且红色基质中Fe元素质量分数高于白色网纹,而两者中的Ti元素质量分数稳定。研究结果可为深入分析网纹红土工程特征提供依据。展开更多
文摘为减轻电力工作人员的巡检负担,实现变电站智能巡检,对变电站设备缺陷检测算法进行了研究。首先,利用数据增强方法对有限的初始数据集进行扩充,利用多种图像处理方法增加数据集的复杂度,生成考虑复杂光照环境的数据集;然后,采用自适应空间特征融合(ASFF:Adaptively Spatial Feature Fusion)的方法缓解特征金字塔中不同尺度特征的不一致性问题,并引入Focal损失函数作为置信度损失函数以缓解正负样本不平衡的问题,利用改进的YOLOX-s(You Only Look Once X-s)网络模型设计了变电站缺陷检测算法;最后,将改进的YOLOX-s网络模型与其他深度学习算法的检测效果进行对比,实验结果表明,改进的YOLOX-s网络模型的综合检测效果较好,准确性和实时性均可以满足变电站设备缺陷检测任务。
文摘简要总结了多Agent系统(MAS)形式化建模方法的研究现状;以面向对象Petri网(OPN)和π演算为基础,给出了一种直观的MAS体系结构模型(Multi-Agent Systems Architecture Model,MASAM)。OPN可以形象地描述MAS的初始化结构及动态行为,而π演算可以刻画MAS的动态演化;另外,可以利用Petri网和π演算的相关分析方法和支持工具分析和验证系统模型,在系统开发早期发现并避免体系结构级的错误。