排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
油气长输管道高后果区通常采用视频监控形式开展技术布防,识别高后果区管道周围人工挖掘、机械挖掘及重车碾压等第三方破坏事件,但视频监控往往依靠值守人员监屏,存在效力不足的问题。为此,提出一种基于深度学习的管道高后果区第三方破坏智能识别方法,对采集到的沿线图像视频进行分析,提取特征目标,建立基于YOLO v5的图像智能识别模型。该模型提升了寻优速度和目标检测精度,模型训练在226次迭代后训练过程损失函数值和验证过程损失函数值分别趋近于0和0.01,达到最优态。利用新建立的识别方法在天津地区某高后果区开展管段视频监控测试,识别精确率高达99.33%,验证了该方法的有效性,可为后续开展高后果区视频监控系统智能识别和实时预警提供工程应用参考。(图6,表2,参19) 相似文献
4.
随着生态环境的日益改善,野生动物资源的数量急剧增加,某些物种已经对当地农民的生产生活造成损害,为了全面评估野生动物资源所造成的损害,本文对野生动物资源负价值的定义及表现形式作了简要的概括,在此基础上,初步提出了野生动物资源负价值的评价方法,主要包括野生动物造成的财产上的损失和人身伤害,其中财产上的损失主要包括农作物、树木、牧草、牲畜等的损失,主要采用直接市场法评价;人身伤害不仅包括身体上的创伤还包括精神和心理上的伤害,主要采用意愿调查法进行评价。
西北林学院学报23卷第4期韩嵩等野生动物资源负价值的评价方法研究关 相似文献
5.
[目的]为光倒刺鲃的良种选育提供理论基础。[方法]对3个不同种群(北江、东江、赣江)光倒刺鲃的27个可量性状和22个框架性状进行主成分分析、聚类分析和判别分析。[结果]构建了3个主成分,其贡献率分别为26.026%、15.502%和7.81%,累计贡献率为49.399%。可将3个光倒刺鲃种群分为2个大簇,一簇是赣江,另一簇是北江和东江,聚类分析结果和主成分分析结果相一致。建立的判别公式可区分3个不同地域的光倒刺鲃,其样品判别正确率为100%,交叉验证判别正确率为98.03%。[结论]该研究可为光倒刺鲃的种群鉴定、种质资源保护及其后续良种选育提供基础资料。 相似文献
6.
7.
8.
1