为了提高夜间疲劳驾驶检测的准确率,在现有低光增强算法Zero-DCE(Zero-Reference Deep Curve Estimation)的基础上,提出改进Zero-DCE的低光增强算法。首先,引入上下采样结构,减少噪声影响。同时,引入注意力门控机制,提高网络对图像中人...
详细信息
为了提高夜间疲劳驾驶检测的准确率,在现有低光增强算法Zero-DCE(Zero-Reference Deep Curve Estimation)的基础上,提出改进Zero-DCE的低光增强算法。首先,引入上下采样结构,减少噪声影响。同时,引入注意力门控机制,提高网络对图像中人脸区域的敏感性,有效提高网络的检测率。然后,针对噪声相关问题,提出改进的核选择模块。进一步,使用MobileNet的深度可分离卷积替换Zero-DCE的标准卷积,提高网络的检测速度。最后,通过人脸关键点检测网络和分类网络,判断驾驶员的疲劳状态。实验表明,在夜间环境下,相比现有的疲劳驾驶检测算法,文中算法在人脸检测的准确率和眼睛状态的识别率上都有所提升,取得较令人满意的检测效果。
工业物联网( Industrial Internet of Things，IIoT)是物联网(Internet of Things，IoT)在制造系统中的实现，随着它的快速发展，许多应用需要处理来自分布式终端设备的大量数据，以确保工业物联网的系统性能。本文从工业物联网应用管...
详细信息
工业物联网( Industrial Internet of Things，IIoT)是物联网(Internet of Things，IoT)在制造系统中的实现，随着它的快速发展，许多应用需要处理来自分布式终端设备的大量数据，以确保工业物联网的系统性能。本文从工业物联网应用管理者的角度出发，考虑工业物联网应用需要及时响应，组件需要处理敏感数据的特点，提出在应用允许最大响应时间，隐私保护和数据中心资源限制的约束下，优化云边环境中工业物联网应用的组件部署代价。本文提出了基于遗传算法（Genetic Algorithm，GA）和粒子群优化算法(Particle Swarm Optimization，PSO)的多应用部署算法（Multi Application Deployment Algorithm based on GA and PSO，MADPG）来得到应用组件的部署策略。该算法基于粒子群算法设计了数据中心与组件相映射的编码方式，在粒子进化过程中动态的改变相关学习因子并使用遗传和变异两种操作来提高算法的局部和全局搜索能力。仿真实验表明，与其他策略相比，基于MADPG的部署策略能够在满足工业物联网应用的约束下有效降低工业物联网应用的组件部署代价。
针对光伏发电功率具有较强的波动性、间歇性输出,光伏功率预测精度较低,且难于给出具体预测时间长度等问题,提出了一种长相关随机模型分数阶布朗运动(fractional Brownian motion,FBM),用于光伏功率预测。首先,采用重标极差法计算长相关(long-range dependence,LRD)参数-Hurst指数,Hurst指数用于判断光伏功率数据是否满足长相关性,并通过最大李雅普诺夫指数(Lyapunov)计算出模型最大可预测时间尺度;其次,采用随机微分法建立FBM光伏功率预测模型,同时估计FBM预测模型参数值;最后,选取澳大利亚沙漠知识太阳能中心(Desert Knowledge Australia Solar Center,DKASC)、美国国家可再生能源实验室(National Renewable Energy Laboratory,NREL)以及北京国能日新科技有限公司的光伏功率数据集,从不同的地理环境、不同的气候特征、不同的规模大小电站进行验证。仿真结果表明,该模型较传统的Kalman、LSTM模型具有更高的预测精度,可为光伏并网的稳定和安全运行提供更好的理论支持,对电网调度部门具有较高的参考价值。
暂无评论