简介:摘要:【目的/意义】从计算机视觉领域探索卷烟外包装印刷特征,用算法模型代替人脑进行卷烟真假判断,辅助专卖执法人员识别卷烟真伪。【方法/过程】通过对当前行业卷烟鉴别检验方法的回顾,在计算机视觉技术支持和Transformer架构下,构建VIT模型,针对卷烟品规中的芙蓉王(硬),构建数据集、增强数据、训练和验证卷烟真伪。【结果/结论】基于VIT模型开发软、硬件系统,对芙蓉王(硬)品规测试准确率达100%,追加测试准确率为97.37%,表明模型具有较强的鲁棒性和泛化能力。将卷烟真伪鉴别能力载体从“执法人员”转移到“智能化设备或系统”上,可以提升现场卷烟真伪鉴别水平,推动现场执法水平高质量发展。【创新/局限】提出了“替代人眼观察卷烟外包装印刷特征”、“代替人脑进行真假判断”的识别算法思路,经过近三年的持续跟踪和方法验证,确定利用计算机视觉技术和机器学习技术创造的识别卷烟真伪的算法模型识别真假卷烟方法有效,且具备准确率高和鉴别速度快两个特征。
简介:摘要:滑坡位移具有时滞性及非线性等特点,准确地对滑坡位移预测能为滑坡预警预报提供参考依据,本文以树坪滑坡为例,提出了一种结合EMD分解方法和改进CISOA-BP的滑坡位移预测模型。首先,利用EMD将滑坡位移分解为趋势项及周期项位移;其次,利用四次多项式对趋势项位移进行预测,针对周期项位移,利用收敛交叉映射法对降雨量与周期项位移间的时滞效应进行分析,确定时滞时间及影响程度,建立考虑时滞效应的BP位移预测模型,并利用Circle映射及收敛因子提高SOA算法的收敛精度,利用CISOA模型对BP神经网络的权重及阈值进行赋值;最后,将趋势项及周期项预测结果叠加得到累计位移预测结果。结果表明,考虑时滞的EMD-CISOA-BP预测模型能较为准确地预测降雨导致的滑坡位移,该模型对同类滑坡位移预测具有一定的参考价值。