摘要：编织袋在抗洪抢险及工程建设中应用广泛。传统的编织袋装土方法是靠人工进行，劳动强度大、效率低。焦作市黄河河务局在对多种方案进行比较及多次试验改进的基础上研制出的组合装袋机，其设计合理，运行可靠，操作便利，能适应不同土质，且装袋效率高，费用低，彻底改变了传统的人工装土方法，拓宽了土工织物的应用领域。

摘要：常态的试题讲评,教师更多关注自己是否讲清楚,而不是学生是否学会,导致讲评低效。本文基于实验验证和调查研究,分析讲评课低效的原因,并以全国卷高考试题为例,从精准诊断问题建立"台账"、加强课程视域下的讲评设计、开展以学为中心的"输出式学习"、改进教学评价、发展学生元认知能力等方面开展实践探索,优化高中地理讲评策略。

摘要：高温季节浇筑仓喷雾措施受多种复杂因素影响,本文提出基于正交设计-现场试验-Attention-LSTM神经网络模型-GWO算法优化多目标规划方法进行高温季节混凝土仓面喷雾措施优选.首先采用正交设计构建不同喷雾因素组合工况;然后针对每个喷雾因素组合工况进行喷雾试验,监测获得喷雾区域内温度时空分布规律,将喷雾因素组合工况和相应的实测温度时空分布组成学习样本;进而对Attention-LSTM神经网络模型进行训练和检验,获得预测效果好的Attention-LSTM神经网络模型;最后根据设计确定喷雾降温效果评价指标建立多目标规划模型,通过GWO算法的快速寻优确定最佳喷雾措施.结合实际喷雾试验展示了本文所提仓面喷雾措施优选方法的可行性.

摘要：针对整车原木检测中存在密集小目标难检测、原木被遮挡易被漏检、目标检测模型复杂度太大难以部署等问题,提出一种基于YOLOv5的整车原木数量检测方法TWD-YOLOv5,来探究目标检测在整车原木场景下进行快速精准检测的可行性,从而实现智能检尺,提高检尺效率。本研究在原始YOLOv5模型的基础上通过修改模块数量、加入注意力机制和Transformer模块的操作来优化主干网络,结合新的检测尺度与基于Ghost卷积设计特征融合网络,提升网络检测小目标的能力,降低模型复杂度,选用CIoU作为边界框回归的损失函数和DIoU-nms作为边界框筛选算法,提高边框的回归精度和解决物体被遮挡的问题。本研究算法TWD-YOLOv5进行4组试验,从平均精度均值(mAP)、每秒传输帧数、原木真检率多种尺度指标进行评估,同时通过预测框完成对原木根数的计数。试验结果表明,本研究方法的mAP达到0.731,每秒传输帧数为7.33,模型参数降低了40.5%,且测试集原木真检率达到了99.551%,误检率为0.22%。该方法不仅大幅减少了模型复杂度,还保持了较高的检测精度。本研究的模型能对整车原木场景下的原木有良好的检测效果,解决了原木被遮挡的问题,且检测速度快,能做到实时检测,另外该算法有较强的鲁棒性且模型较小,可以满足部署至移动端进行目标检测的轻量化需求。