2种不同形态的聚乳酸材料对加热卷烟的影响

利用扫描电子显微镜(SEM)、静态顶空—气相色谱质谱仪(SHS-GC/MS)、热重—差示扫描量热同步分析仪(TG-DSC)、卷烟动态吸阻测量仪，对比分析了加热卷烟中PLA膜材料和PLA丝束材料的物理性能及其挥发成分，同时研究这2种降温材料在加热卷烟抽吸过程中微观结构演变及对加热卷烟的动态吸阻和烟雾量的影响。结果表明：当热重温度从50℃升至240℃，PLA丝束材料的失重率要比膜材料的失重率高，DSC曲线上相应材料的熔融峰也有所差别；随顶空处理温度的升高，PLA膜材料和PLA丝束材料中挥发物的种类及其挥发量均大幅度地增加；在高温烟气下，PLA膜材料和丝束材料都先发生快速收缩，然后随着抽吸口数的增加，熔融黏连的面积逐渐增加，孔道也逐渐减少直至大量消失。不同的是PLA丝束基本只在端面发生熔融黏连；PLA膜的前后段均会发生不同程度的收缩黏连，PLA膜更有利于抽吸过程烟气的流动；抽吸过程中降温材料微观结构的演变对烟支的动态吸阻及烟雾量有较大的影响。由此可知，PLA材料的形态对加热卷烟具有显著的影响。     

基于深度学习的林火烟雾识别系统设计

通过构建林火烟雾数据集，选取Inception V3模型，基于参数的迁移学习方法构建林火烟雾图像训练模型，经过训练测试后得到模型在测试数据集识别率达到92%,最后运用Python语言编程将训练后保存下来的模型文件应用到林火烟雾视频上，对视频进行逐帧预测，并将预测结果可视化注释在视频上，达到视频监控的目的。将网络训练和视频监控分开，通过软件编程实现应用模型文件监测林火烟雾视频，较以往直接通过视频训练和预测的方法更方便快捷，实际可操作性更强，具有广泛的应用前景。     

基于深度学习的森林火灾烟雾监测

为了第一时间发现森林火灾，避免因森林火灾造成严重后果，提出以森林火灾烟雾为主要目标的检测模型YOLO-SCW,在YOLOv7的基础上，引入SPD-Conv层，以减小特征提取过程中小目标特征缺失的问题。之后在检测头金字塔池化部分增加坐标准意力机制模块，通过将位置信息编码到通道中，增加了模型对目标的关注度，并且减少了背景对检测效果的干扰。最后，通过WIoU矩形框损失函数，提高了预测框的回归速度与精度。在测试过程中，改进后的YOLO-SCW较YOLOv7模型mAP提高了9.1%,并减少了误检与漏检现象，证明YOLO-SCW有着更好的特征提取能力与泛化能力，对森林火灾烟雾监测任务表现出色。