密集检测论文

工程测量论文

程测量通常是指在工程建设的勘测设计、施工和管理阶段中运用的各种测量理论、方法和技术的总称。下面我整理了工程测量的论文，希望对大家有所帮助。

断面测绘工作是隧洞工程中非常重要的环节，而传统的断面测绘作业方式，具有外业测量程序复杂、定位的精度较低，内业的数据处理工作任务量庞大、效率也很低，归其主要问题是传统的测绘方法和对其进行数据整理分析工作存在很大的局限性。因此，为了提升该工作的工作效率和最终的精确度，必须结合先进的测量仪器对测量的方式进行改进，来提高绘图和数据分析的效率。

1 隧洞横断面的特点和测量的困难

隧洞断面主要有两大特点，其一是形状的多元化，第二是面积比较大。隧洞的这些特点给传统的断面测绘方法造成了困扰，导致有些不能测量，像使用传统的水准仪或经纬仪的测量方法不能对某些疏导洞的断面进行测绘。随着科学技术的发展，电子测量仪在隧洞断面测量上被广泛使用，但其仍然存在某些局限性： ①内部作业仍然使用手工方法对断面进行绘制；②棱镜的放置位置不会在同一个断面，导致产生较大的误差；③棱镜的放置位置不易选取，尤其是面积比较大的隧洞，经常借助吊车等机械设备。

2 GPS布设隧洞工程控制网

隧洞工程控制网的建立与其它工程的基本类似，通常设为独立网形式。主要依据是隧洞的环境/地形条件、自身的长度、现有的仪器设备以及规定的贯通误差等。

通过 GPS 定位技术建设隧洞的平面控制网具有很多优势：①建立网的效率比较高，与三角网相比，观测工作可提高5~10 倍；②GPS 网 对图形夹角或条件要求较低，选布点间距和点位较为随意，仅仅在隧洞口处布设可以互相通视的控制点即可；③计算、检查的工作量比三角网降低很多，并且极易符合规范的`要求；④不管隧洞长短，均可应用，适用的范围较广。

3 隧洞断面测量改进方法的研究

采用免棱镜全站仪测量，并使用Excel、Auto CAD软件绘制断面图

数据收集的方法

数据收集主要是通过激光的方式进行，采用坐标系进行定位，X 轴是隧洞的洞室轴线，原点是洞室轴线的起始点。

绘制断面图

在对实地的数据进行测量后，将全站仪连接在计算机上，打开全站仪办公软件，将数据导入 Excel 表中。断面图体现的是垂直洞室轴线的二维的平面，即 Y值和H 值。因此，在隧洞断面的 Y值很相似时候，应依照桩号把每个断面的 Y值的固定系数进行递增产生断面间距，但是应该保持同一断面不同点 Y值所加的数值相同，避免在自动绘制断面图时出现重叠的现象（见图 1）。

该方法的优点

综合来看，上述方法是一种可行使用、作业效率高的隧洞断面测绘的方法。

其优势具体表现为：①利用Auto CAD 进行自动绘制断面图，解决了手工绘图的麻烦，降低了内业工作任务；②提高了外业作业时的定位准确度，应用先进的电子设备，使测量程序简单化，通常只需 2名外业测量工作人员；③所测数据具有较好的直观性，不用进行复杂的转化，也简化了计算的过程。对该方法在实际应用中的统计结果，该方法提高了 40%左右的工作效率[1].

断面仪的应用

断面仪工作原理

断面仪是电子测量仪与激光测距的有机结合。使用 断面仪可以将测量的数据直接存 入内存，导入计算机。其测距原理简单，即激光照射到断面后，便可测量出距离。它可以在断面的水平方向 360°自由旋转，能够随时改变测量的密度。

的作业方式

主要分为以下三步：

（1）定 位，即选取断面仪的安置地点。一般情形下，将断面仪安装在已知地点，并在该地点放置好棱镜，测量三维坐标，数据将自动计入内存。

（2）启动断面仪。安置好断面仪后，依照菜单的提示进行操作，将断面仪启动后便会进行自动测量工作。其外业工作是通过 Husky 手持测量计算机的Tun 软件控制的。

（3）数据分析和断面图绘制。把记入断面仪内存的定位和测量数据导入计算机后，应用 profiler 软件对所有数据进行分析，通常采用交互式、人机对话和自动分析三种方式。在此基础上，计算机系统将自动绘制断面图[2].

配合免棱镜全站仪

隧洞断面数据的采集

它采用的断面编码方式的数据采集方法。隧洞断面是封闭的，其具体要求有：①进行测量的站点应该架设在隧洞的中线上，而在输入坐标时，高程值输入的是测站位置到设计断面高的相对值；②进行踩点时，应该在隧洞前进方向上、左边底端能测到的第一个点，顺序性的向上进行，需要记录每点的编码 n（即断面的序号），最大程度地密集测量，天顶距点的编码mn;再将望远镜在水平方向上旋转180° , 从接近天顶距的右边的第一个可测量点一次向下进行测量，最后一点是右边最底端可以看见的一点，到此结束全断面的采点。

内业数据的处理

（1）测量数据的传输。与上述方法不同的是，它 是带有编码的，在完成数据的传输后，还要重新确定编码和点的顺序是否有误。其基本步骤是：在进行点击菜单“工程应用”-“生成里程文件”-“由坐标文件生成”操作后，电脑会弹出查找数据文件的对话框，查找并点击导入的文件，输入新的文件名并保存，在出现的命令栏中选择（2）按出现顺序，便会完成断面转化。

（2）绘制隧洞断面图。隧洞断面图有两种生成途径：①设计参数输入的方法；②选取已经存在的设计线，前者实现比较困难，后者比较实用。其基本步骤是：点击“工程应用”-“隧道断面土方计算”-“绘断面图”,在出现的对话框里选择“选择里程文件”里刚刚导入的数据文件即可[3].

利用图像处理实现隧洞断面测量

基本思想

要对隧洞断面进行测量和计算，就必须把隧洞断面边缘信息导入相关的系统中。而在真实的项目施工中，隧洞断面很大区域的光线较弱，而且边缘特征不显着。此时，通过辉光器的作用使隧洞边缘加亮，且输入的图像边缘较明显，再利用拉普拉斯算子模板实施检测。

在图像进行边缘检测后，把它进行细化处理，并进行曲线拟合，生成可以对面积进行计算的环状的有向离散点阵。此处，将简要介绍对环状细化图形进行拟合的方法。首先，上述的点阵应该有与之对应的逻辑中点，以此点为界，把屏幕分成12 个 部分，把各个部分的数据点都设置成水平方向，对其进行曲线拟合，再把拟合结果调至原先的方向，则生成由离散点阵构成的有向环。

在上述的不同区域中，编码的旋转公式是不同的。使所有区域呈现逆时针的排列，并把纵坐标轴作为角分线，纵坐标轴正向的区域视为第一区域，旋转公式通常通常为：

x2=x1cos T+y1sin T

y2=y1cos T-x1sin T

之后再对其进行曲线拟合并把结果还原。

实现步骤

在该方法中，隧洞断面的测量系统是利用 Visual Basic 语言进行编写的，而计算系统是通过 Fortran 和Visual C++语言编程的，测量数据的传输是由动态链接库进行的。其基本步骤主要有以下几步：①通过相机进行图像的输入；②把图像导入图像处理系统，并明确坐标点和比例尺；③对图像进行的面积进行处理和曲线拟合；④导入断面的大小，明确标准高程值，计算断面面积值；⑤把曲线离散转变成逆向离散数据点阵；⑥计算所有断面，并把结果储存到磁盘文件；⑦以表格或图形方式输出数据结果。

实例介绍

通过上述方法对某隧洞进行的实地测量，表 1是上述方法测量结果与人工测量结果的对比，和计算出的误差。可以看出，经过隧洞断面测量系统处理后的结果是能够满足工程施工所要求精度的。

4 结语

先进的科学技术带动了测绘工程的发展，为其提供了快速、安全、有效的测量方法，取得了良好的效果。但是，隧洞情况不一，在测量过程中要选择合理有效的方法，并结合使用，必将发挥更大的作用。

参考文献

[1]彭 勇刚，曹必正。工 程隧洞断面测绘的一种改进方法 [J]. 西 北水电，2006,02:12~13.

[2]郝 亚东，李智祥，郭朝亮。利 用 断 面仪进行隧洞的横断面测量[J].城市勘测，2004,04:41~44.

[3]宋秉元。南方 配合免棱镜全站仪在隧洞断面测量中的应用[J].河北建筑工程学院学报，2006,01:78~79.

食品安全监管的科学模式探索 [2009-08-02 06:56] 摘要：食品安全直接关系着广大人民群众的身体健康和生命安全，同时还影响着国民经济的发展和社会稳定的维护。然而，近年来食品安全事件在全国范围内频频发生，显示我国食品安全正处于风险高发期和矛盾凸现期。如何实现对食品安全科学、有效的监管，保障人民群众的饮食安全，受到社会各界前所未有的关注和重视。剖析了我国食品安全监管中存在的诸多问题，积极探索符合实际、切实有效的科学监管模式。 关键词：食品安全；监管模式 食品安全事件的层出不穷，牵动着无数人民群众的神经。食品安全成为连续多届“两会”的焦点议题，却一直未能取得显著成效。诚然，食品安全监管是一项复杂、系统的任务，离不开公众参与意识、企业诚信自律等多方因素的配合与协作。这些辅持力量的缺失是导致食品安全危机不容忽视的原因。但现行食品安全监管体制存在的重大缺陷才是根本症结所在。 1我国食品安全监管现状和问题 我国面临的食品安全隐患 （1）源头污染。食品原料在种植和养殖过程中污染问题严重。我国种植和养殖业的现状多以农户为单位，分散面广，监管难度大，非法使用违禁农药和有毒有害添加剂的现象难以有效遏制，致使农产品的农药残留超标严重。一方面因农药、兽药引起的食物中毒事件时有发生，如食用被有机磷农药喷过的水果、蔬菜食品中毒和瘦肉精食物中毒；同时也为使用这些农产品原料加工的食品埋下了安全隐患。此外，环境污染也是不容忽视的污染因素。 （2）加工、贮存等过程中的污染。由于我国食品工业发展的时间较短，现有的食品加工基础设备落后，大多数企业规模小，仍采用传统或手工作坊式生产，食品生产加工过程的机械化和规范化程度低，从业人员卫生意识差等因素，使得食品在加工、贮存过程中受到诸多有害物质的污染，这是造成食物中毒的主要因素。尤其是在人群密集的餐饮场所如学生食堂、建筑工地等集体用餐场所，若加工条件和基础设施简陋、缺乏必要的卫生设施，极易引起集体性食物中毒。 （3）制假售假现象猖獗。我国目前正处于经济转轨的阶段，受利益驱使，一些不法分子在食品中掺杂、滥用食品添加剂，甚至用非食品原料和有毒有害物质加工食品。近几年发生的重大食品安全案件，如阜阳劣质奶粉造成婴儿中毒、金华火腿在加工过程中用敌敌畏浸泡、辣椒酱中加苏丹红一号都属此类。 我国现行食品安全监管体制 我国食品安全监管涉及到食品药品监督、卫生、农牧、商务、工商、质量监督检验、海关、环境等多个执法主体。目前，我国食品安全监管采用“一个监管环节由一个部门监管”的原则， 采取“分段监管为主， 品种监管为辅”的方式。 即农业部门（含林业、畜牧业、水产业及粮食业等）负责初级农产品生产环节的监管；质监部门负责食品生产加工环节的监管；工商部门负责食品流通环节的监管；卫生部门负责餐饮业和食堂等消费环节的监管；海关部门负责食品进出口环节的监管；商务部门负责食品供应行业的监管；食品药品监管部门负责对食品安全的综合监督、组织协调和依法组织查处重大事故。这种“分段监督”的模式，初步形成了我国食品安全监管链，形成了现阶段我国食品安全监管工作的基本格局。 我国食品安全监管体制的缺陷 条块分割分治的监管体制所凸现的缺陷非常明显。监管机构的混乱，使食品安全监管体制漏洞百出，有效性大打折扣。在这样的监管格局下，食品安全事件频发，监管部门应对无力的结果是可以预见的。 （1）部门职责划分不清，分工不明确。政出多门、多头执法，监管职能交叉重叠，部门之间互相掣肘的情况时有发生。职权交叉和责任真空的出现在所难免，扯皮、推诿现象司空见惯，彼此无法做到明确分工，协调配合， 食品安全监管难以形成合力。 （2）缺乏统一领导，沟通和协调困难。由于没有统一领导和规划，各部门分头执法，对食品安全进行监管所依据的法律法规、部门规章、监测标准不一，缺乏权威性。另外，沟通、协调不畅导致资源不能得到优化配置，造成巨大浪费，且无法发挥整体最大功效。 （3）缺乏有效的责任追究制度。由于法律没有形成有效的失职行为责任追究制度，当前食品安全监管中广泛存在“执法不严”、“违法不究”的现象。2新型科学监管模式探索和设想 根据美国科学院的一项研究结果，一个有效的食品安全监管体系应该包括以下内容: 要建立在科学基础上，强调风险分析和预防，从而把资源和工作重点放在具有最大潜在影响的风险上；以清楚、合理和科学（以风险为基础）的国家食品法律体系为基础；开展全面的监督和监测活动，并以其作为风险分析的基础；在中央层次上有一个权威声音对食品安全负责，并拥有在所有与食品安全有关的中央行动中贯彻中央政策（以科学为基础）的权力和资源；充分发挥地方政府、行业协会、消费者在食品安全体系中的职责和所扮演的重要角色；拥有实现职能所必需的充足资金。 我国食品安全监管必须从现存实际问题出发，在借鉴既有研究成果的基础上，突破陈旧体制的束缚，建立全新的科学监管模式。 归并执法职能，建立权威、统一、高效的食品安全监管体系 将整个食品安全链的监督职能赋予食品药品监督管理部门，统一行使食品安全综合监管的职能。经法律赋权后的国家食品药品监管部门隶属于国务院，为国务院直属工作局，负责对全国食品安全工作实施垂直管理。对食品的种（养）植（殖）， 生产加工、市场流通、餐饮消费等全过程直接实施法律监督。其主要职能是：拟定、修订食品安全监管法律法规并监督实施；拟定、修订和颁布食品法定标准；拟定、修订食品种植（养殖质量），生产质量，经营质量，食品卫生质量规范并监督实施；依法核发食品生产企业、经营企业、餐饮业许可证；监督鉴定、抽验食品种植（养殖）、生产加工、经营和餐饮业的食品质量及卫生质量，发布国家食品安全质量公报；依法查处制、售假、劣质食品的行为和责任人，监管食品集贸市场；审核食品广告，负责食品的行政保护，指导全国食品检验，检测机构的业务工作等。形成食品安全监管一条边垂直监管的机制后，可有效地避免过去那种政出多门，多头执法，执法部门之间相互制约，职权重叠交叉，办事效率低下，资源严重浪费，对涉嫌食品安全的违法事件打击不力的种种弊端，从而真正形成权威、统一、高效的食品安全监管工作格局。建立办事高效、运作协调、行为规范、政令畅通、监管到位的食品安全监管行政执法体系。 建立规划科学、配置合理、管理统一的食品安全监测运行机制 一要把好源头监管关。充分发挥检测机构的能力优势，开展对初级农产品、食品加工生产、种养业和农贸市场内的蔬菜、豆制品、肉类等产品的检验检测，通过媒介及时公告。 二要做足典型示范。精心组织开展食品安全诚信企业创建活动，将参加活动的各企业的食品安全诚信承诺，通过媒体向社会公告，并请予监督，对社会反映良好的企业，作为典型示范，予以推广。对参加的企业实行诚信考核，建立诚信联系档案，信誉好的企业，各职能部门减少对其检查次数，对信誉差的企业予以曝光并取消其诚信资格。 三要严格考核管理制度。“企业是食品安全的第一责任人”。加强对企业的食品安全质量工作的考核管理，督促企业强化食品质检科室建设、配备必需的质检技术人员和检测设备、加强食品安全的培训、健全质量安全的管理制度。 四要倡导企业规范化管理。各职能部门在加强食品安全监管的同时，倡导和鼓励、支持有条件的企业推广建立良好生产规范(GMP)、良好卫生规范(GHP)和危害分析与关键控制点(HACCP)体系。 五要加大食品安全知识的宣传力度。“消费者自己是保障食品安全的最后一道防线”。加强食品安全知识宣传力度，普及食品安全基本知识，提高消费者的食品安全意识，是完善食品安全监测机制的最后关卡。通过消费者的事后监督，使不符合安全标准的食品退出市场。 参考文献 [1] 郑风田，胡文静.从多头监管到一个部门说话：我国食品安全 监管体制急待重塑[J].中国行政管理.2005，（12） [2] 郭斌.对食品安全立法及改革现行食品安全监管机制的思考 [J].中国初级卫生保健.2005，（2） [3] 李海金.着力构建食品安全监管长效机制[J].中国食品药品监管. 2005，（12） [4] 潘文.我国食品安全成因与对策[J].合作经济与科技.2006（4）

论文原文：

YOLO（you only look once）是继RCNN、faster-RCNN之后，又一里程碑式的目标检测算法。yolo在保持不错的准确度的情况下，解决了当时基于深度学习的检测中的痛点---速度问题。下图是各目标检测系统的检测性能对比：

如果说faster-RCNN是真正实现了完全基于深度学习的端到端的检测，那么yolo则是更进一步，将 目标区域预测 与 目标类别判断 整合到单个神经网络模型中。各检测算法结构见下图：

每个网格要预测B个bounding box，每个bounding box除了要回归自身的位置之外，还要附带预测一个confidence值。这个confidence代表了所预测的box中含有object的置信度和这个box预测的有多准两重信息，其值是这样计算的：

其中如果有object落在一个grid cell里，第一项取1，否则取0。第二项是预测的bounding box和实际的groundtruth之间的IoU值。

每个bounding box要预测(x, y, w, h)和confidence共5个值，每个网格还要预测一个类别信息，记为C类。即SxS个网格，每个网格除了要预测B个bounding box外，还要预测C个categories。输出就是S x S x (5*B+C)的一个tensor。（注意：class信息是针对每个网格的，即一个网格只预测一组类别而不管里面有多少个bounding box，而confidence信息是针对每个bounding box的。）

举例说明: 在PASCAL VOC中，图像输入为448x448，取S=7，B=2，一共有20个类别(C=20)。则输出就是7x7x30的一个tensor。整个网络结构如下图所示：

在test的时候，每个网格预测的class信息和bounding box预测的confidence信息相乘，就得到每个bounding box的class-specific confidence score:

等式左边第一项就是每个网格预测的类别信息，第二三项就是每个bounding box预测的confidence。这个乘积即encode了预测的box属于某一类的概率，也有该box准确度的信息。

得到每个box的class-specific confidence score以后，设置阈值，滤掉得分低的boxes，对保留的boxes进行NMS（非极大值抑制non-maximum suppresssion）处理，就得到最终的检测结果。

1、每个grid因为预测两个bounding box有30维（30=2*5+20），这30维中，8维是回归box的坐标，2维是box的confidence，还有20维是类别。其中坐标的x,y用bounding box相对grid的offset归一化到0-1之间，w,h除以图像的width和height也归一化到0-1之间。

2、对不同大小的box预测中，相比于大box预测偏一点，小box预测偏一点肯定更不能被忍受的。而sum-square error loss中对同样的偏移loss是一样。为了缓和这个问题，作者用了一个比较取巧的办法，就是将box的width和height取平方根代替原本的height和width。这个参考下面的图很容易理解，小box的横轴值较小，发生偏移时，反应到y轴上相比大box要大。其实就是让算法对小box预测的偏移更加敏感。

3、一个网格预测多个box，希望的是每个box predictor专门负责预测某个object。具体做法就是看当前预测的box与ground truth box中哪个IoU大，就负责哪个。这种做法称作box predictor的specialization。

4、损失函数公式见下图：

在实现中，最主要的就是怎么设计损失函数，坐标（x,y,w,h），confidence，classification 让这个三个方面得到很好的平衡。简单的全部采用sum-squared error loss来做这件事会有以下不足：

解决方法：

只有当某个网格中有object的时候才对classification error进行惩罚。只有当某个box predictor对某个ground truth box负责的时候，才会对box的coordinate error进行惩罚，而对哪个ground truth box负责就看其预测值和ground truth box的IoU是不是在那个cell的所有box中最大。

作者采用ImageNet 1000-class 数据集来预训练卷积层。预训练阶段，采用网络中的前20卷积层，外加average-pooling层和全连接层。模型训练了一周，获得了top-5 accuracy为（ImageNet2012 validation set），与GoogleNet模型准确率相当。

然后，将模型转换为检测模型。作者向预训练模型中加入了4个卷积层和两层全连接层，提高了模型输入分辨率（224×224->448×448）。顶层预测类别概率和bounding box协调值。bounding box的宽和高通过输入图像宽和高归一化到0-1区间。顶层采用linear activation，其它层使用 leaky rectified linear。

作者采用sum-squared error为目标函数来优化，增加bounding box loss权重，减少置信度权重，实验中，设定为\lambda _{coord} =5 and\lambda _{noobj}= 。

作者在PASCAL VOC2007和PASCAL VOC2012数据集上进行了训练和测试。训练135轮，batch size为64，动量为，学习速率延迟为。Learning schedule为：第一轮，学习速率从缓慢增加到（因为如果初始为高学习速率，会导致模型发散）；保持速率到75轮；然后在后30轮中，下降到；最后30轮，学习速率为。

作者还采用了dropout和 data augmentation来预防过拟合。dropout值为；data augmentation包括：random scaling，translation，adjust exposure和saturation。

YOLO模型相对于之前的物体检测方法有多个优点：

1、 YOLO检测物体非常快

因为没有复杂的检测流程，只需要将图像输入到神经网络就可以得到检测结果，YOLO可以非常快的完成物体检测任务。标准版本的YOLO在Titan X 的 GPU 上能达到45 FPS。更快的Fast YOLO检测速度可以达到155 FPS。而且，YOLO的mAP是之前其他实时物体检测系统的两倍以上。

2、 YOLO可以很好的避免背景错误，产生false positives

不像其他物体检测系统使用了滑窗或region proposal，分类器只能得到图像的局部信息。YOLO在训练和测试时都能够看到一整张图像的信息，因此YOLO在检测物体时能很好的利用上下文信息，从而不容易在背景上预测出错误的物体信息。和Fast-R-CNN相比，YOLO的背景错误不到Fast-R-CNN的一半。

3、 YOLO可以学到物体的泛化特征

当YOLO在自然图像上做训练，在艺术作品上做测试时，YOLO表现的性能比DPM、R-CNN等之前的物体检测系统要好很多。因为YOLO可以学习到高度泛化的特征，从而迁移到其他领域。

尽管YOLO有这些优点，它也有一些缺点：

1、YOLO的物体检测精度低于其他state-of-the-art的物体检测系统。

2、YOLO容易产生物体的定位错误。

3、YOLO对小物体的检测效果不好（尤其是密集的小物体，因为一个栅格只能预测2个物体）。