摘要：卷烟激光喷码识别是烟草稽查工作的重要手段.本文提出一种基于双态非对称网络的烟码识别方法,针对畸变烟码训练样本不足导致模型泛化能力弱的问题,设计非线性局部增强方法(nonlinear local augmentation,NLA),通过在烟码图像边缘设置可控基准点进行空间变换,生成有效畸变训练样本以增强模型泛化能力;针对烟码与背景图案特征相似导致识别精度低的问题,提出双态非对称网络(dual-state asymmetric network,DSANet),将CRNN的卷积层划分为训练模式和部署模式,训练模式通过引入非对称卷积优化特征权重分布,增强模型关键特征提取能力;为保证实时性,部署模式设计BN融合和分支融合方法,通过计算融合权重并初始化卷积核,将卷积层等效转换回原始网络结构,降低用户端推理时间;最后,在循环层中引入自注意力机制,通过动态调整序列特征权重,进一步加强模型对烟码特征的提取能力.通过对比实验,该方法具有更高的识别精度和速度,其识别精度达到87.34%.

摘要：为了稽查人员高效开展卷烟稽查工作,维护良好的卷烟经营环境,设计开发了基于微信小程序的卷烟稽查现场取证信息管理系统。研究了卷烟稽查的现状,分析了卷烟稽查现场取证的用户需求,设计了系统的功能框架。系统前端页面遵循微信开发标准采用Vue进行数据交互;服务端使用Java进行开发,并考虑系统后期拓展性及跨平台部署的易用性。基于该系统,稽查人员能够使用手机在现场完成卷烟稽查信息的自动上传与管理,提高卷烟稽查工作的效率。

摘要：在卷烟市场检查中,主要依靠稽查人员人工辨认烟码信息,效率较低且成本较高。为此,设计一种基于深度学习的卷烟32位激光烟码现场检测识别系统。首先,构建字符识别模型与烟码样本数据集,使用具有字符感知能力的融合网络对烟码检测目标进行多字符识别分类。其次,构建烟码信息数据库,开发手机端应用程序。最后,进行识别测试。测试结果表明,该系统能够正确检测并识别32位的全部烟码信息,具有较高的正确率。

摘要：文中提出了用最小二乘法进行斜拉桥施工过程中的参数识别、用灰色预测模型ＧＭ（１，１）进行参数预测及用最小二乘法对控制目标进行最优控制的斜拉桥施工最优控制方法，并通过一算例验证了该方法的有效性。从算例的结果说明了参数误差对主梁弯矩和位移有显著影响，同时验证了对柔梁体系，在悬臂施工过程中以标高控制为主的思想的正确性。