-
题名低温海水环境船舶典型材料电化学特性研究
- 1
-
-
作者
周彤
余定峰
郑攀峰
杨帅
-
机构
武汉第二船舶设计研究所海洋电磁探测与控制湖北省重点实验室
-
出处
《水下无人系统学报》
2023年第4期552-558,共7页
-
基金
国防科技基础加强计划技术领域基金资助项目(2022-JCJQ-**-****)。
-
文摘
船舶金属材料在海洋环境中的电化学特性是船舶电场特性产生过程中的重要影响因素,长期以来,国内多聚焦于常温海水环境下的金属材料电化学性能研究,对低温海水环境下的金属材料电化学特性研究较少。文中针对3种典型的船舶主体材料,开展了不同温度及盐度影响试验,对比分析其在低温海水环境下的极化电位、极化曲线及极化电阻,总体结果表明金属材料的开路电位随海水温度的降低而增大,自腐蚀电位随着海水温度的降低而正移,随着海水温度的降低溶解活化程度变低。文中工作可为进一步研究电场特征控制和分析评估提供基础理论参考。
-
关键词
低温海水环境
船舶材料
盐度
极化曲线
-
Keywords
low temperature seawater
ship materials
salinity
polarization curve
-
分类号
TJ630.34
[兵器科学与技术—武器系统与运用工程]
U674
[交通运输工程—船舶及航道工程]
-
-
题名基于深度学习的植物病害图像识别算法综述
- 2
-
-
作者
杨翰琨
朱博威
张彦敏
徐以东
-
机构
哈尔滨工程大学烟台研究生院
武汉第二船舶设计研究所海洋电磁探测与控制湖北省重点实验室
-
出处
《电子技术应用》
2025年第1期1-7,共7页
-
基金
国家自然科学基金项目(52101383)。
-
文摘
植物病害对农业生产和粮食安全构成严重威胁,及时准确地识别和处理成为关键步骤。综述了深度学习在植物病害识别中的应用现状、挑战及未来发展方向。首先介绍了植物病害的重要性和传统识别方法的局限性,然后探讨了深度学习技术的优势及其在植物病害识别中的应用前景,特别是YOLO系列模型在植物病害实时检测中的应用。同时对比了常见的深度学习算法在植物病害识别中的性能,以及对数据集多样性、实时性和灾难性遗忘等挑战进行了分析。最后,提出了持续学习和模型更新的重要性,并展望了未来研究方向。
-
关键词
灾难性遗忘
持续学习
深度学习
植物病害识别
YOLO
-
Keywords
catastrophic forgetting
continuous learning
deep learning
plant disease identification
YOLO
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于集成模型的交通事故严重程度预测
- 3
-
-
作者
杨翰琨
鲁帅
秦文杰
张彦敏
-
机构
哈尔滨工程大学烟台研究生院
-
出处
《科学技术与工程》
2025年第10期4355-4360,共6页
-
基金
国家自然科学基金(52101383)。
-
文摘
交通事故对公共安全构成重大风险,是交通运输系统中的重要问题。准确预测事故严重程度对于采取有效的预防和干预措施至关重要。提出了一种基于集成学习的方法,将XGBoost和MLP两种先进算法相结合,以更精准地预测交通事故的严重程度。建立了一个堆叠分类器,并详细评估了其在交通事故预测中的性能。实验结果表明,该集成模型相较于传统XGBoost模型,在预测准确性上有明显提升,在宏平均F_1分数上显著提高了20.41%。展示了模型优势与创新性,包括模型集成与网络改造。此外,还分析了影响预测结果的关键特征,并探讨了模型在实际应用中的潜在价值。该研究为交通安全管理提供了更科学、更高效的决策支持,有望在交通管理、智能驾驶等领域发挥重要作用。
-
关键词
交通事故
严重程度预测
XGBoost
MLP
特征分析
集成学习
深度学习
-
Keywords
traffic accidents
severity prediction
XGBoost
MLP
feature analysis
ensemble learning
deep learning
-
分类号
U491.3
[交通运输工程]
-
