潍坊市灰霾天气特征及影响因素

根据潍坊市国家环境空气质量监测点位和国家气象台站监测数据,对潍坊市2019年灰霾发生情况进行统计,并分析了灰霾天气与气象要素、环境空气质量的关系。结果表明:潍坊市2019年按小时计算的灰霾发生频率为22.4%。灰霾在冬季和秋季相对高发,发生次数占全年小时灰霾数的66.7%,发生比例为56.2%。从时间上看,灰霾发生频率呈正弦曲线分布,在早上06:00—07:00发生频率最高,17:00前后发生频率相对较低。灰霾发生时风速、温度与能见度呈正相关关系,相对湿度与能见度呈负相关关系。潍坊市灰霾现象主要发生在风速小于3 m/s、相对湿度大于30%时,当风速大于5 m/s、相对湿度小于10%时极少发生灰霾。PM_(2.5)是影响灰霾发生的主要污染因子,与能见度的相关系数最高。灰霾主要发生在48μg/m^(3)<PM_(2.5)质量浓度<239μg/m^(3)条件下,占灰霾总次数的84%;而当PM_(2.5)质量浓度>140μg/m^(3)时灰霾发生频率达到100%;灰霾天气统计期间潍坊市空气中PM_(2.5)与PM_(10)的质量浓度平均比值为0.52,其中,灰霾发生时比值为0.75,非灰霾时比值为0.43。随着灰霾程度的加重,PM_(2.5)/PM_(10)逐渐增大;当灰霾程度达到轻度及以上时,PM_(2.5)/PM_(10)大于全年平均值。

基于深度学习的印刷电路板缺陷检测

为降低传统人工检测的压力,提升检测效率,使用基于深度学习的方法解决印刷电路板制造中的缺陷检测任务。使用YOLOv5s目标检测算法完成印刷电路板快速高效的缺陷检测。搜集具有各类缺陷的印刷电路板样本数据,同时使用数据增强扩充数据集并分别对其执行标注;在Pycharm中配置Pytorch深度学习环境并对以官方YOLOv5s权重作为预训练模型完成印刷电路板缺陷检测任务。结果表明:训练后最优模型平均检测精度为96.3%;经过测试在英特尔i5-8265U中央处理器平台上可以获得约11帧每秒的实时检测速度。基于YOLOv5s的印刷电路板缺陷检测具有良好的检测性能,可以代替传统人工检测,减轻了人力财力压力,具有很高的实用价值。