期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
粉尘浓度监测技术研究现状与发展趋势
被引量：
2
1
作者
张咏琪
王杰
+2 位作者
周渝皓
杨珺旎
邓彬
《工矿自动化》
CSCD
北大核心
2024年第12期111-119,165,共10页
介绍了国内外不同粉尘浓度连续监测技术的测量原理,包括过滤称重法、β射线法、光散射法、电荷感应法和微量振荡天平法,并从准确性、灵敏度和实时性等方面分析比较了不同监测技术的优点和局限性。深入探讨了呼吸性粉尘颗粒物的国内外连...
介绍了国内外不同粉尘浓度连续监测技术的测量原理,包括过滤称重法、β射线法、光散射法、电荷感应法和微量振荡天平法,并从准确性、灵敏度和实时性等方面分析比较了不同监测技术的优点和局限性。深入探讨了呼吸性粉尘颗粒物的国内外连续分离技术和标准,并系统分析了目前粉尘浓度连续监测技术在仪器测量精度、可靠性、稳定性、环境适应性、智能化自动校准及功耗优化等方面面临的挑战。讨论了粉尘浓度监测技术的发展趋势:从传统的单一总粉尘浓度监测向总粉尘和呼吸性粉尘共同监测方向发展,从点监测向面监测和区域监测方向快速推进。提出未来应致力于将粉尘浓度监测技术与机器学习、深度学习、计算机视觉及大数据分析和预测等新兴技术相结合,以促进智能检测技术与粉尘职业危害监测预警的深度融合与应用,为实现未来工业场景下的智能化、自动化粉尘治理提供参考。
展开更多
关键词
粉尘连续监测
呼吸性粉尘
尘肺病
颗粒物分离
深度学习
在线阅读
下载PDF
职称材料
Crack-YOLOv7:深度特征提取与多尺度信息融合的道路裂缝检测
2
作者
张咏琪
王杰
+2 位作者
邓彬
周渝皓
杨珺旎
《计算机工程与应用》
2025年第18期198-208,共11页
现有的道路裂缝检测方法通常依赖于局部特征进行检测,导致目标的结构信息和上下文关联性不足,从而影响检测精度。为解决这一问题,提出一种基于深度特征提取与多尺度信息融合的道路裂缝检测方法Crack-YOLOv7。在骨干网络中引入PSA(pyrami...
现有的道路裂缝检测方法通常依赖于局部特征进行检测,导致目标的结构信息和上下文关联性不足,从而影响检测精度。为解决这一问题,提出一种基于深度特征提取与多尺度信息融合的道路裂缝检测方法Crack-YOLOv7。在骨干网络中引入PSA(pyramid split attention)模块,以增强特征图的上下文信息和位置感知能力,获取更加丰富的特征信息;同时提出了SSPPF(spatial stage pyramid pooling fast)模块,提升了网络的推理速度并有效增强了前馈信息的传递;提出了S2DT-FPN(spatial-shift dilated transformer feature pyramid network)结构,通过多尺度特征融合与跨层依赖的建立,进一步捕捉了不同语义深度的特征信息,同时保留了全局上下文特征;由于道路裂缝形态的多样与重叠问题,采用柔性非极大抑制(Soft-NMS)算法,改善了密集裂缝场景下的检测精度。在RDD2020数据集上的实验结果表明,所提方法能够有效地从损伤图像中实现路面裂缝的检测,检测精度达到89.7%,且mAP(mean average precision)值达到65.5%。
展开更多
关键词
裂缝检测
注意力机制
特征金字塔
多尺度特征
Transformer
在线阅读
下载PDF
职称材料
题名
粉尘浓度监测技术研究现状与发展趋势
被引量：
2
1
作者
张咏琪
王杰
周渝皓
杨珺旎
邓彬
机构
安徽理工大学工业粉尘防控与职业安全健康教育重点实验室
安徽理工大学安全科学与工程学院
安徽理工大学电气与信息工程学院
出处
《工矿自动化》
CSCD
北大核心
2024年第12期111-119,165,共10页
基金
国家重点研发计划资助项目(2022YFB4703600)。
文摘
介绍了国内外不同粉尘浓度连续监测技术的测量原理,包括过滤称重法、β射线法、光散射法、电荷感应法和微量振荡天平法,并从准确性、灵敏度和实时性等方面分析比较了不同监测技术的优点和局限性。深入探讨了呼吸性粉尘颗粒物的国内外连续分离技术和标准,并系统分析了目前粉尘浓度连续监测技术在仪器测量精度、可靠性、稳定性、环境适应性、智能化自动校准及功耗优化等方面面临的挑战。讨论了粉尘浓度监测技术的发展趋势:从传统的单一总粉尘浓度监测向总粉尘和呼吸性粉尘共同监测方向发展,从点监测向面监测和区域监测方向快速推进。提出未来应致力于将粉尘浓度监测技术与机器学习、深度学习、计算机视觉及大数据分析和预测等新兴技术相结合,以促进智能检测技术与粉尘职业危害监测预警的深度融合与应用,为实现未来工业场景下的智能化、自动化粉尘治理提供参考。
关键词
粉尘连续监测
呼吸性粉尘
尘肺病
颗粒物分离
深度学习
Keywords
dust continuous monitoring
respirable dust
pneumoconiosis
particulate matter separation
deep learning
分类号
TD714 [矿业工程—矿井通风与安全]
在线阅读
下载PDF
职称材料
题名
Crack-YOLOv7:深度特征提取与多尺度信息融合的道路裂缝检测
2
作者
张咏琪
王杰
邓彬
周渝皓
杨珺旎
机构
安徽理工大学安全科学与工程学院
出处
《计算机工程与应用》
2025年第18期198-208,共11页
基金
国家重点研发计划项目(2022YFB4703600)。
文摘
现有的道路裂缝检测方法通常依赖于局部特征进行检测,导致目标的结构信息和上下文关联性不足,从而影响检测精度。为解决这一问题,提出一种基于深度特征提取与多尺度信息融合的道路裂缝检测方法Crack-YOLOv7。在骨干网络中引入PSA(pyramid split attention)模块,以增强特征图的上下文信息和位置感知能力,获取更加丰富的特征信息;同时提出了SSPPF(spatial stage pyramid pooling fast)模块,提升了网络的推理速度并有效增强了前馈信息的传递;提出了S2DT-FPN(spatial-shift dilated transformer feature pyramid network)结构,通过多尺度特征融合与跨层依赖的建立,进一步捕捉了不同语义深度的特征信息,同时保留了全局上下文特征;由于道路裂缝形态的多样与重叠问题,采用柔性非极大抑制(Soft-NMS)算法,改善了密集裂缝场景下的检测精度。在RDD2020数据集上的实验结果表明,所提方法能够有效地从损伤图像中实现路面裂缝的检测,检测精度达到89.7%,且mAP(mean average precision)值达到65.5%。
关键词
裂缝检测
注意力机制
特征金字塔
多尺度特征
Transformer
Keywords
crack detection
attention mechanism
feature pyramid
multi-scale feature
Transformer
分类号
TP391 [自动化与计算机技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
粉尘浓度监测技术研究现状与发展趋势
张咏琪
王杰
周渝皓
杨珺旎
邓彬
《工矿自动化》
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
Crack-YOLOv7:深度特征提取与多尺度信息融合的道路裂缝检测
张咏琪
王杰
邓彬
周渝皓
杨珺旎
《计算机工程与应用》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
