基于ST-AGCN算法的物流暴力分拣识别模型

目前快递物流行业普遍存在分拣人员暴力分拣现象,为减少此类行为可采用基于图像的行为识别方法,但这种方法在实际场景中存在算法鲁棒性差、人体关节点数据难获取等问题。针对上述问题,制作了1个物流暴力分拣行为视频数据集,研究了暴力分拣行为识别模型。通过树莓派采集室内外2种情景下的分拣视频数据,利用Python socket模块实现视频图像实时传输,采用切片筛选规则除去非标准数据,应用OpenPose模型获取关节点数据。针对一般人体行为识别网络模型无法较好反映暴力分拣关节点对动作重要影响程度的问题,研究了以ST-GCN为主干网络的优化图神经网络模型ST-AGCN。利用空间注意力机制学习不同关节点对于各种动作的影响,以更新各关节点的权重;通过增加自适应图结构层以端到端学习方式将人体骨骼图的拓扑结构与网络参数共同优化,突出关联度高的关节点对动作识别的影响。以室内外环境下暴力分拣视频为对象开展和多种深度学习模型的对比实验和消融实验,实验结果表明：ST-AGCN模型识别现实场景中暴力分拣行为的准确率相比ST-GCN、STA-LSTM、不含空间注意力机制的ST-AGCN和不含自适应图结构层的ST-AGCN模...     

压实度对MgO碳化土加固效果的影响及其机理研究

活性MgO是一种用于软土加固的新型材料,与土体拌和并经CO₂气体碳化后可使固化土强度在数小时内显著提高。在已有研究的基础上,通过静压法制取86%、87%、89%、91%和92%五种不同初始压实度下活性MgO固化土试样,并对固化土试样进行室内碳化试验。对碳化前后的MgO固化试样进行了含水率、干密度和无侧限抗压强度测试,以研究压实度对MgO碳化土含水率、干密度和无侧限抗压强度的影响规律;最后从无侧限抗压破坏的试样中选取典型样品进行X射线衍射、热重、扫描电镜和压汞试验,根据碳化产物和孔隙特征2个方面分析MgO碳化固化土的微观特征。结果表明：MgO固化土碳化过程中消耗了大量CO₂和水分,生成的主要碳化产物为棒状三水菱镁石和片状水碳镁石/球碳镁石,这些碳化产物具有显著的胶结和填充作用,使氧化镁固化土试样的干密度和强度明显增加;固化土的初始压实度对碳化效果有较大影响,随着初始压实度的增加,碳化试样的含水率呈先减小后增加趋势,而无侧限抗压强度呈先增大后减小趋势;当固化土试样的初始压实度为中等压实度89%时,碳化后试样含水率最低,生成的碳化产物最多,碳化试样的无侧限抗压强度最大,孔隙率最小,说明该压实度为最佳初始压实度,最有利于氧化镁固化土的碳化加固。