摘要：根据烟草仓储及卷烟生产车间的烟草甲自动监测需求,结合烟草甲[Lasioderma serricorne(Fabricius)]实际图像特征,在基于标记分水岭算法的基础上叠加分割图像算法,设计了基于图像处理的烟草甲自动监测系统,通过全自动拍照设备定时采集相应诱捕器图像,利用有线网络将图像传输至服务器,在服务器端完成图像识别与计数、实时展示、超标报警、历史曲线查看等功能,解决了烟草甲实际监测过程中虫板烟尘、虫体重合、光线等诸多干扰因素,实现了烟草甲精准的自动图像识别及计数功能。实际应用表明,该系统工作稳定,计数平均准确率大于94.00%,在卷烟生产车间烟虫监测上具有较好的应用前景。

摘要：各级电力公司积累了大量的历史发电数据,但是一直以来都没有得到有效利用。针对采用手工方式进行电力调度存在效率较低的问题,提出了一种基于长短时记忆网络(LSTM)和蚁群算法的智能调度算法。基于LSTM深度学习算法,通过对电力公司历史数据进行建模,LSTM算法可以有效提取出有效特征,实现预测一定条件下机组的耗煤量。同时,利用蚁群算法(ACO)设计了一种智能电力调度算法,从而在满足在完成实时发电任务的情况下,尽可能地节能减排。试验表明,采用LSTM算法,相比较线性回归、随机森林等算法,预测耗煤量的均方误差更小;采用ACO算法,相比较等微增率法、动态规划法以及遗传算法,可以更加快速、有效地分配发电负荷。