改进型SSD网络的织物瑕疵检测算法

针对传统纺织生产中瑕疵检测精度低、速度慢和模型太大影响部署等问题,提出一种基于改进型SSD(single shot multiBox detector)网络的织物瑕疵检测算法。将RepVGG网络融合SE(squeeze-and-excitation)模块,提出SE-RepVGG网络作为SSD的主干网络;在增强网络特征提取能力的同时,采用结构重参数化方法大幅减少网络的参数量和计算量,以改善实时检测性能;利用深度可分离卷积代替传统卷积,设计DCS(deconvoution-and-squeeze)模块构建SSD的辅助网络,以进一步降低网络计算量;利用K-means聚类算法调整先验框比例,以提升检测精度。实验结果表明,相比原始SSD网络,算法在检测精度上mAP提高34.47%,达到96.96%,网络参数量减少13.01 MB,检测速度为47 F·s^-1,满足工业实时检测需求。     

基于经验与灰度共生矩阵的花蛤辨识方法

为提高花蛤挑拣的效率,加快水产产业自动化生产步伐,提出一种基于经验和灰度共生矩阵的花蛤筛选方法。本方法属于无接触式辨识,在对工业相机采集到的图像进行预处理的基础上,截取并旋转单个目标图像,规范图像性质,采用统计学和灰度共生矩阵方法,提取花蛤或石头的纹理和形状等相关特征,运用支持向量机进行分类训练和测试。实验结果表明,本文所提出的方法可实现位置精准确定,选取的特征能较好地表示花蛤或石头,分类器算法高效简单,最终花蛤筛选识别率可达99%,可满足工业需求。     

基于小波函数的模糊大脑情感学习分类器

将小波函数和模糊推理相结合,提出一种基于小波函数的模糊大脑情感学习分类器(WFBELC)。采用小波函数的时频局部化特性反应输入信号的突变信息,快速精确地逼近信号,并去除噪声;利用参数自学习规则更新WFBELC结构参数。将该分类器应用于3个公开数据集,并与BP算法模型、模糊小脑模型(FCMAC)和模糊大脑情感学习模型(FBEL)进行对比。仿真结果显示,分类器在3个数据集上的分类准确率平均值均为最高,其中,在Wine数据集上的准确率最大值达到100%,平均值为97.56%,表明WFBELC对数据集的学习能力更强,能获得更好的分类效果。     

晋城市市区环境空气中TSP的源解析

应用受体模式的化学质量平衡法(CMB)对晋城市市区6个监测点的总悬浮颗粒物(TSP)进行污染源的源解析，得出6类污染源对TSP的平均贡献率(土壤尘36．71％。煤烟尘26.54％，钢铁尘10．90％，建材尘10．49％，原煤尘8．46％和交通尘6．90％)，并提出了综合防治对策。     

小型二硫化碳企业清洁生产初探

目前小型二硫化碳厂多因规模小，浪费资源和能源，严重污染环境，被列为土小企业已经取缔。新型生产设备全封闭高效率节能气化反应炉及导热油技术，实现了资源能源的有效利用，减少了污染物排放，使小型二硫化碳企业实现了清洁生产。