共查询到10条相似文献,搜索用时 62 毫秒
1.
2.
岩溶在我国发育广泛,且发育无规律性,特征极其复杂。在各类工程建设过程中,很难通过传统钻探手段查明岩溶发育情况,无法给出准确客观的岩溶发育范围。通过工程实例,综合钻孔资料与管波探测结果,将钻孔资料分析后岩溶的发育范围与钻孔资料结合管波探测成果分析后岩溶的发育范围进行对比分析,发现单一根据钻孔分析岩溶发育与钻孔结合管波分析岩溶发育两者确定的岩溶发育范围上有较大差异。通过具体分析,为岩溶发育判断提供一个新思路,进而为这类地区的相关设计、施工等提供更准确的工程地质依据。 相似文献
3.
交通视频检测中采集到的视频图像一般都会有不可避免的阴影存在,由于计算机无法很好地识别图像中的阴影,很可能会造成检测错误,引起一系列负面效应。提出一种进行阴影检测的归一化互相关函数法,并对一个实例进行仿真。 相似文献
4.
针对现有道路抛洒物检测算法识别准确率低、识别种类有限、实时检测效率低的问题,探索了将深度学习目标检测和传统图像处理相结合的抛洒物检测算法。提出在YOLOv5s目标检测算法基础上,对模型结构进行修改以满足实时性需求。具体地,使用卷积优化YOLO中的降采样模块,采用Ghost网络替代原始的特征提取网络以减少计算量,根据抛洒物检测对象的特点设计符合数据集的锚框以提高目标识别准确度。使用优化后的YOLO检测道路场景中车辆、行人作为交通参与者得到检测框,在检测框周围设定感兴趣区域,并在感兴趣区域内用背景差分算法实现前景目标识别。计算前景目标与YOLO检测结果的交并比,排除交通参与者目标后实现道路抛洒物的识别。针对交通参与者检测的实验结果表明,改进后的YOLO检测算法在整体识别精度没有损失的情况下单帧检测速度为20.67 ms,比原始YOLO检测算法速度提升16.42%。真实道路抛洒物实验结果表明,在没有抛洒物训练数据情况下,传统混合高斯模型算法平均精度值为0.51,采用融合改进YOLO和背景差分的抛洒物检测算法平均精度值为0.78,算法检测精度提高52.9%。改进后算法可适用于没有抛洒物数据或正样本数据稀少的情况。该算法在嵌入式设备Jetson Xavier NX上单帧检测速度达到24.4 ms,可实现抛洒物的实时检测。 相似文献
6.
7.
简要阐述汽车漏电的故障原因,介绍汽车漏电的检查方法和注意事项,并通过实际案例分析,进一步强调对于汽车漏电故障的诊断与维修,应根据诊断情况,选择不同的检测方法,但都要首先排除蓄电池自身的故障,然后再进行故障检测。在诊断汽车电器故障时,充分利用先进仪器进行故障诊断,能够大大提高维修诊断的效率,起到事半功倍的效果。 相似文献
8.
9.
高杆灯结构安全检测在业内尚无类似工程项目经验,在现有方法基本空白的情况下,从高杆灯基本情况调查、技术状况检查、加载试验、倾斜监测和评级分类方法等方面分别进行了阐述分析,总结形成了高杆灯结构安全检测和评估方法研究成果,为业内后续开展类似工程检测项目提供一定的参考借鉴。 相似文献