基于改进YOLOX的水库水面漂浮物目标检测算法

针对目前水库水面小目标漂浮物检测识别精度低的问题,提出基于改进YOLOX的水库水面漂浮物目标检测算法。此算法引入新型dark2模块融入主干网络并拓展主干网络的分支输出结构,提升主干网络对图片的特征提取能力。在此基础上,提出改进特征融合模块(ZL-FPN),用于增强特征图信息融合,提高对水库水面小目标漂浮物的检测精度。结果表明:改进后算法的mAP值比YOLOv4和原YOLOX算法分别提升了29.93%和12.11%,有效提升了水库水面漂浮物检测精度。研究成果可为提升水库智能化管理水平提供有效技术支撑。

主客观建成环境、社会支持与流动人口心理融入——以武汉东湖高新区为例

流动人口心理融入是推进以人为本新型城镇化建设的重要内容。以武汉东湖高新区为例,采用结构方程模型,揭示中部地区流动人口心理融入的整体特征和主要影响因素。研究表明,流动人口心理融入水平整体上不高,且身份认同维度得分最低。建成环境的客观测度和主观感知对流动人口心理融入具有显著的直接效应。主客观建成环境也会通过情感支持和社交支持对心理融入产生显著的间接影响。此外,社会支持对心理融入具有显著的促进作用,但仅社交支持的影响显著。

基于改进DeeplabV3+的水面多类型漂浮物分割方法研究

【目的】为解决传统图像处理方法鲁棒性差、常用深度学习检测方法无法准确识别大片漂浮物的边界等问题,【方法】提出一种基于改进DeeplabV3+的水面多类型漂浮物识别的语义分割方法,提高水面漂浮的识别能力。对所收集实际水面漂浮物进行分类,采用自制数据集进行对比试验。算法选择xception网络作为主干网络以获得初步漂浮物特征,在加强特征提取网络部分引入注意力机制以强调有效特征信息,在后处理阶段加入全连接条件随机场模型,将单个像素点的局部信息与全局语义信息融合。【结果】对比图像分割性能指标,改进后的算法mPA(Mean Pixel Accuracy)提升了5.73%,mIOU(Mean Intersection Over Union)提升了4.37%。【结论】相比于其他算法模型,改进后的DeeplabV3+算法对漂浮物特征的获取能力更强,同时能获得丰富的细节信息以更精准地识别多类型水面漂浮物的边界与较难分类的漂浮物,在对多个水库场景测试后满足实际水域环境中漂浮物检测的需求。

天津高铁沿线风致轻漂浮物入侵灾害气象风险分析及应用

为确定高铁沿线风灾隐患路段,减少大风引起的漂浮物入侵灾害发生,基于天津地区高铁沿线气象站观测资料、高分系列卫星遥感影像数据、高铁历史灾情、基础地理信息等,分析了大风对轻漂浮物入侵灾害的影响,给出天津不同区域路段灾害发生的风速阈值范围和主导风向,并基于自然灾害风险评估理论建立了高铁风致轻漂浮物入侵灾害气象风险分析模型,形成风险区划。研究结果表明:高铁沿线轻漂浮物入侵灾害主要出现在春季和冬季,占全年总量的73.75%,午后12—15时是发生的最集中时段,且在天津中部和东部区域发生最多,西北区域其次,西南区域最少。灾害主要发生在最大风风速为8~17 m·s^(-1)和极大风风速为13~21 m·s^(-1)的风速区间,当风向为偏西风到偏北风,风向与线路呈45°以上夹角时,更易引发灾害。运用卫星遥感技术手段,能够较好地识别高铁沿线隐患物分布情况,最高识别准确率可达72.7%。综合风速风向特征、隐患分布情况等,建立高铁风灾气象风险分析模型,区划结果显示,京沪高铁和京津城际风险较高,津秦高铁次之,津霸客专最低。高风险路段主要集中在京沪高铁武清区段北部、北辰区段、西青区段,京津城际的北辰区段、东丽区段东部和滨海新区段以及津秦高铁的东丽区段东部。

分段施肥对烤烟漂浮育苗幼苗生长发育的影响

【目的】科学施肥是决定烟苗健壮程度的关键措施之一。针对目前烤烟漂浮育苗缺乏各阶段养分精准管理依据,开展烤烟漂浮育苗烟苗不同生长阶段的适宜养分质量浓度研究,对烟草壮苗培育的养分精准管理具有重要的理论和应用价值。【方法】以云烟87为供试品种,根据育苗生产的施肥节点,将播种至小苗移栽期(五叶一心)分为3个阶段:(1)播种至大十字期(播种后0~31 d);(2)大十字期至四叶一心(播种后32~38 d);(3)四叶一心至五叶一心(播种后39~42 d)。分段设定营养液初始质量浓度,阶段(1):0(CK_(0)),25,50,75,100(CK1),125,150,175,200 mg/L,阶段(2)和(3)分别基于上一阶段适宜质量浓度为初始质量浓度进行调整,阶段(2)和阶段(3)均为:150,160,170,180,190,200 mg/L,采用多目标决策法对3个阶段烟苗的农艺性状和关键生理指标进行综合评价。【结果】阶段(1)以150 mg/L处理的烟苗生长旺盛,较CK_(0)和CK_(1)处理烟苗的株高、茎粗、最大叶长、最大叶宽、一级侧根数和干物质积累量均有不同程度提升;烟苗总根长、根系总体积、根系总表面积和根系平均直径的增幅为20.63%~69.30%;硝酸还原酶活性和叶绿素总量均显著增加。阶段(2)以150 mg/L处理的烟苗生长旺盛,较170 mg/L处理株高、茎粗、最大叶长和最大叶宽均有不同程度降低,但侧根数分别提高了4.28%和0.39%,地下鲜重和地下干重分别增加了25.00%和17.40%;总根长和根系总表面积显著增加了11.46%和13.54%;较其余处理的可溶性蛋白含量、叶绿素和根系活力均呈现不同程度的增加。阶段(3)成苗期以160 mg/L处理的烟苗生长旺盛,较150 mg/L处理烟苗的茎粗、叶长、叶宽、根长和侧根数均显著增加,干物质积累量显著升高;总根长、根系总表面积和根系总体积均显著增加,增幅分别为20.33%、42.79%和26.05%;叶绿素总量提高了8.97%,根系活力提升了10.98%,硝酸还原酶活性增强了6.41%。【结论】3个阶段营养液最佳初始质量浓度为150,150,160 mg/L。

有限水深波浪作用下弱惯性塑料块体漂移规律

塑料漂浮垃圾对海洋环境影响巨大,在近岸的传播过程主要受波浪作用。针对塑料漂浮垃圾在近岸的运动特征,以往研究尚不深入。本文采用物理模型实验,对塑料漂浮物在有限水深波浪作用下的漂移规律开展研究,探讨了弱惯性塑料块体水平漂移速度与漂浮物性状以及波陡之间的关系。实验结果表明,塑料块体的漂移量受斯托克斯漂移与欧拉回流的共同影响,与二阶拉格朗日漂移理论吻合良好。在漂浮物尺寸远小于波长的情况下,漂浮物尺寸以及密度的改变对漂移没有显著的影响;漂浮物的漂移量与波陡的平方成正比,根据本文的实验及以往公开发表的实验数据,修正了经验公式,为塑料漂浮物在近岸的传播与预测提供了有益借鉴。

FLNG船舶能量管理系统设计与性能优化

浮式液化天然气生产储卸装置(floating liquefied natural gas system,FLNG)特种液货船作为开发海上天然气田的新式装置,极大的方便了对处于深海的气田的开发利用,该文以“Prelude”号FLNG作为母船,提出一种新型FLNG低温能量管理系统。该系统主要利用液态空气作为媒介储存和释放能量,通过液态空气冷能与混合制冷循环相结合实现天然气液化过程,在提高LNG生产性能的同时集成了CO_(2)液化循环和电力的生产,通过CO_(2)液化和剩余冷能发电提高系统的输出性能,实现了FLNG船舶冷能的多级利用,也为FLNG船舶冷能利用提供新方法,新途径。所提系统相较于基准模型具有更好的性能,在7.04年可实现成本回收。最后采用多目标性能优化,进一步提高系统㶲效率达60.67%,同时降低约2.3%的成本。该FLNG低温能量管理系统有高效、低耗、稳收益、低碳化等特点,可更好优化海上LNG供应链,促进航运业“双碳”发展。

基于改进YOLOv7的湖面漂浮物目标检测算法

为提高湖面多种类和小体积的漂浮垃圾检测识别的准确度与推理检测速度,结合湖面垃圾漂浮物的图像特征,采用半结构化剪枝技术创建X-Toss剪枝框架,并基于YOLOv7目标检测模型,提出一种轻量化湖面漂浮物实时检测方法C-X-YOLOv7。X-Toss剪枝框架使用DFS算法生成父子卷积核计算图,利用特定的内核模式剪枝卷积核,降低迭代剪枝的计算成本。融合CA注意力机制对模型进行加权,减少模型过拟合现象,提高模型准确性和泛化能力。结果表明:对湖面垃圾检测识别,C-X-YOLOv7模型识别准确率为91.7%,召回率为91.2%,与YOLOv7模型对比分别提升2.6%、2.5%;推理加速度上,X-Toss剪枝框架在RTX 2080 Ti与NVIDIA Jetson TX2上分别实现YOLOv7的1.98×和2.17×的加速比,相较于PD、NMS、NS等剪枝框架,X-Toss的推理加速比和能耗均有提升。研究表明C-X-YOLOv7湖面漂浮物检测方法为湖面垃圾检测识别提供了一种新思路。

大直径双浮动端面密封结构多目标优化设计

针对缺乏直径大于600 mm浮动端面密封环结构参数选取标准的问题,建立了密封橡胶O形圈二维轴对称非线性接触模型;结合试验设计、有限元计算、响应面模型、多目标优化算法与优劣解距离决策方法,以密封环最大变形量和端面比压为目标,开展了不同结构双浮动端面密封优化设计研究;分析了密封环结构参数对其端面比压与变形量的影响规律。结果表明:密封环锥面最小半径R_(min)与锥面角 β 越大,密封端面比压越大;R_(min)与 β 越大,安装间隙A越小,密封环变形量越大。影响端面比压的主因素为R_(min)与 β,影响变形量的主因素为R_(min)。浮动环最优结构参数为:R_(min)=381 mm,β=23°,A=18 mm,相应的密封环端面比压为0.49 MPa,最大变形量为12.11 μm。经过静压和运转密封性能测试试验,设计的双浮动端面密封无泄漏,表明优化设计方法有效可行。

基于改进YOLOv5s的水面漂浮物检测算法研究

水面图像具有水波扰动、光线反射、岸上倒影等复杂特征,导致现有目标检测方法不能很好地完成对水面漂浮物的识别。基于此,提出了一种基于改进YOLOv5s的水面漂浮物检测优化模型,通过增加目标检测层以提升模型检测多尺度目标的能力,在特征融合层引入无参注意力机制SimAM以提高模型对漂浮物特征的学习,并采用CARAFE上采样方式增强网络的感受野以提高对特征的重建能力,在YOLOv5s网络结构中融入卷积混合层以保持模型检测精度且减少参数量,从而提高模型运行速度。实例验证结果表明:改进模型检测效果良好,平均精度达97.1%,较原YOLOv5s模型提高了4.9个百分点,能够有效改善水面漂浮物漏检、误检问题。

PAW-YOLOv7:河道微小漂浮物检测算法

河道漂浮物检测对于船舶自动驾驶以及河道清理有着重大意义,但现有的方法在针对河道漂浮物目标尺寸小且互相遮挡、特征信息少时出现检测精度低等问题。为解决这些问题,本文基于YOLOv7,提出了一种改进模型PAWYOLOv7。首先,为了提高网络模型对小目标的特征表达能力,构建了小目标物体检测层,并将自注意力和卷积混合模块(ACmix)集成应用于新构建的小目标检测层;其次,为了减少复杂背景的干扰,采用全维动态卷积(ODConv)代替颈部的卷积模块,使网络具有捕获全局上下文信息能力;最后,将PConv(partial convolution)模块融入主干网络,替换部分标准卷积,同时采用WIoU(Wise-IoU)损失函数取代CIoU,实现网络模型计算量的降低,提高网络检测速度,同时增加对低质量锚框的聚焦能力,加快模型收敛速度。实验结果表明,PAW-YOLOv7算法在本文利用数据扩展技术改进的FloW-Img数据集上的检测精度达到89.7%,较原YOLOv7提升了9.8%,且检测速度达到54帧/秒(FPS),在自建的稀疏漂浮物数据集上的检测精度比YOLOv7提高了3.7%,能快速准确地检测河道微小漂浮物,同时也具有较好的实时检测性能。

五电平ANPC变换器多目标优化调制技术研究

针对五电平有源钳位型变换器现有的调制策略存在SPWM直流侧电压利用率低,中点电压控制的计算复杂,SVPWM数字化实现难度大等问题,研究了一种操作简单,满足电压利用率高、中点电位平衡、悬浮电容电压稳定、共模电压较小等多目标优化的五电平新型SPWM调制算法。首先通过研究SVPWM与SPWM的本质联系,将SVPWM等效至PD-SPWM,其次分析不影响中点电位平衡的共模电压抑制边界,重构五电平低幅值共模电压矢量空间,并采用注入零序电压自由选择开关序列、实时切换等效PD-SPWM种类等方法实现多目标优化。最后搭建了实验样机,应用仿真和实验等手段对多目标优化算法进行了验证,试验结果表明在保证中点电压平衡、悬浮电容电压稳定可控的同时,共模电压幅值减小约32.8%,表明了优化的有效性。

水电厂技术供水系统改造与应用

某水电厂技术供水存在供水不足的情况,经过问题分析、方案对比,选择最优方案进行技术改造。经更换三台新型滤水器后,技术供水问题得到解决,设备正常运行,改造效果达到预期,可供同行参考。

漂浮式海上双转子风力机动态响应研究

为研究漂浮式海上双转子风力机的动态响应特性,采用OC3-Hywind Spar漂浮式平台,搭建了漂浮式海上双转子风力机仿真系统。采用自由涡尾迹法(Free Vortex Wake, FVW)和OpenFAST水动力计算模块,建立了漂浮式海上双转子风力机的气动-水动耦合分析模型,并进行了风浪耦合分析与控制仿真。结果表明:主副转子功率波动幅值随风浪夹角变大而逐渐减小;主副转子间流场比陆上双转子风力机更加复杂,多目标变桨控制既可减小功率波动又可缓解副转子的疲劳损伤;风浪夹角在0°和90°的工况下,平台运动响应波动较为明显。

水面光伏抑制蒸发作用对应节水量的优化配置--以白洋淀湿地补水为例

水面光伏可通过组件等的遮挡作用减少建设水域蒸发损失,规模开发后形成显著的抑制蒸发的节水潜力,如何再配置上述节水量以实现最佳水资源利用是亟待解决的问题。基于此,结合湿地生态补水问题,以湿地优势物种价值增量最大、湿地水资源保障能力增量最大和水源地用水效益损失最小为目标,构建水面光伏抑制蒸发作用对应节水量的优化配置模型,并以典型湿地——白洋淀进行案例分析。结果表明:水面光伏抑制蒸发的节水可在改善湿地生态补水工作中发挥关键作用。白洋淀低、中和高补水需求下,芦苇经济价值最大增加0.5亿、2.6亿和5.5亿元,水资源保障能力提高61%、42%和28%,丹江口水库在丰水年、平水年和枯水年的平均最小发电损失为0.25亿、0.38亿和0.43亿kW·h。白洋淀补水需求和丹江口水库来水的不同遭遇情景的配置方案表明:白洋淀在低补水需求时,建议高流量补水时段为3—6月和9月;在白洋淀中、高补水需求时,建议高流量补水时段为10月—次年2月或3—6月。

人工智能视频识别在水利数字孪生中的典型应用

视频监控与人工智能技术越来越广泛应用在水利智慧化建设方面,数字孪生建设是构建智慧水利的关键和核心。针对水利数字孪生建设实际需求,利用视频监控、图像处理、人工智能等技术手段,研发视频智能识别模型系统,通过智能模拟,实现与物理要素仿真运行、虚实交互。主要针对视频智能识别在水利数字孪生中主要应用场景进行系统化设计,实现如水尺识别、漂浮物识别、地表水体检测等应用。从实际运行情况来看,视频智能识别系统能够实现对物理对象进行不间断监控、分析、识别及预测预警,在水利智慧化建设方面具有较大的应用价值。

基于深度学习的水面漂浮物智能检测方法

漂浮物作为河道表观污染的重要源头,加强漂浮物检测是改善水环境生态质量的重要途径,也是积极落实“河长制”政策的技术手段。由于水面漂浮物具有场景复杂度高、形状不规则及多尺度形态变化等特点,采用传统的图像识别方法快速有效地检测目标具有较大的挑战性。因此,本文提出了一种基于深度学习的实时且稳健的水面漂浮物智能检测方法。首先,基于稀疏分解思想对低质量漂浮物图像进行降噪和增强处理,初步降低复杂水面环境对漂浮物图像质量的影响。其次,以轻量化MobileNetV2网络取代(single shot multibox detector,SSD)算法中的VGG16网络作为骨干网络,在预测层中将深度可分离卷积取代标准卷积,并采用动态特征金字塔网络提高多尺度漂浮物的检测精度,弥补SSD网络中强制不同层学习相同特征的不足。然后,将统一量化卷积神经网络(Quantized-CNN)框架应用于量化SSD检测器的检测误差,进一步加速卷积层计算和压缩全连接层的参数,降低SSD算法的计算复杂度和内存成本。本文在构建的水面漂浮物数据集上进行的实验结果表明:与现有的图像识别算法相比,改进后的SSD检测算法的平均精度(AP)和综合评价指数(F_(1))分别达到95.86%和94.74%,在硬件GPU下的检测速度达到64.23 FPS,检测算法的参数计算量减少到0.75×10^(9),模型内存成本压缩到6.27 MB。改进SSD算法实现了水面漂浮物检测的高精度和高效率。

改进YOLOv3的轻量化漂浮物检测算法

【目的】为解决水域监控下漂浮物检测效率低、检测模型复杂度高的问题,提出一种基于改进YOLOv3的轻量化漂浮物检测算法。【方法】使用轻量级网络MobileNetv3代替YOLOv3的主干特征提取网络Darknet53以降低模型计算量和参数;构建简化版加权双向特征金字塔网络(Bi-FPN-tiny)以进行多尺度特征的加权融合;利用Focal Loss优化损失函数,加强对于困难样本的学习。为验证所提算法的有效性,建立了PASCAL VOC格式的漂浮物数据集,并进行数据标注和增广。【结果】结果表明:改进后的算法平均精度均值(mAP)达到92.8%,比原算法提高了7.1%;在NVIDIA Quadro P2200显卡下检测速度达到了86 fps/s,高于YOLOv3算法的47 fps/s;模型体积为43.7 MB,仅为初始算法的17.7%。【结论】改进YOLOv3是一种性能优越且轻量化的模型,为在移动端进行实时漂浮物检测提供了新的契机。

中西太平洋金枪鱼围网人工集鱼装置(FADs)的集鱼特性

为了解鱼类在人工集鱼装置(FADs)周围的集群特性,基于2021年我国金枪鱼围网船在中西太平洋的回声探测浮标数据,对FADs投放后鱼类首次到达FADs的时间以及聚集的动态过程进行了探究。利用U检验和H检验分析了鱼类首次到达FADs时间的差异性,利用广义加性混合模型(GAMMs)分析了金枪鱼类聚集生物量随FADs海上漂流时间和漂流速度的变化情况,结果显示:①鱼类首次到达FADs的时间为(8.9±9.0)d,其中金枪鱼类为(3.8±4.2)d,非金枪鱼类为(16.0±8.9)d;②金枪鱼类在不同水下长度FADs下的首次到达时间存在显著差异,而非金枪鱼类无显著差异;③金枪鱼类在FADs周围的聚集生物量随FADs海上漂流时间呈现动态变化,约在其投放后第25天到达峰值,随后逐渐下降;④金枪鱼聚集生物量随着FADs漂流速度的增加而逐渐降低;⑤随机效应表明,水下长度为80 m的FADs下金枪鱼类聚集生物量一般最高,其次是60 m,90 m最低。研究表明,FADs投放后金枪鱼类往往先于非金枪鱼类到达,其首次到达时间与FADs的水下长度有关;具有较浅水下长度和缓慢漂流速度的FADs类型更易于吸引金枪鱼类在其周围聚集,同时,FADs投放后金枪鱼类逐渐聚集,生物量约在1个月时达到峰值,这可能反映了FADs投放后的最佳捕捞时机。本研究有助于进一步理解随附鱼群在FADs周围的行为模式,为设计开发高效生态友好型FADs、优化投网策略及制定针对随附鱼群的养护管理措施等提供科学依据。

基于改进SSD模型和自适应滤波算法的水面漂浮物目标检测跟踪方法

水面漂浮物严重破坏河道景观和水生态环境,通过摄像头实施河湖可视化监管以改善河湖面貌,已成为积极落实“河湖长制”政策的重要技术手段。但由于河流环境复杂多样,存在水波扰动、动态光影和强光反射等诸多噪声问题,现有方法难以满足水面漂浮物实际管理需求。本文结合单帧检测与多帧滤波,提出了一种基于深度学习的水面漂浮物目标智能检测跟踪方法。在单帧检测中,删除5×5及以下低分辨率特征图,通过特征求和方式增强76×76高分辨率特征图以提升单步多框目标检测(single shot multibox detector,SSD)在小尺度漂浮物目标的检测精度;在多帧滤波中,基于时空相关性和运动信息构建自适应滤波(adaptive filter,AF)算法框架,计算视频帧中帧与帧之间的关联性,根据漂浮物目标的空间位置变化幅度自适应删除偏离运动轨迹的漂浮物目标检测结果,以降低漂浮物跟踪漂移;在信息融合阶段,通过特征对比融合检测和滤波信息,实现检测信息和跟踪信息动态互补,并以不同检测跟踪场景数据集进行训练与验证。结果表明:在简单水面场景下中心位置误差为8个像素点时,该方法的检测跟踪精度达到100%,成功率面积为0.94,平均速度达到17.27 fps,计算复杂度为7.18×10~9;在复杂水面场景下中心位置误差为10个像素点时,该方法的跟踪精度和成功率面积分别为93.24%和0.81,平均速度和计算复杂度分别为15.02 fps和8.76×10~9,在复杂环境下兼顾了检测跟踪精度和效率。