【摘 要】
：
为了及时发现公路路面内部病害，并且不破坏路面结构，采用三维探地雷达对公路进行病害检测。阐述三维探地雷达的基本原理，并结合工程实例，对某公路采用三维探地雷达进行病害检测，采用钻芯检测进行验证，对其检测结果进行分析，并提出相应的处治建议。结果表明：三维探地雷达在公路病害检测中的应用，能够较为准确地反映路面内部病害状况，便于养护人员及时采取有效措施对病害进行处治，避免病害的进一步发展。
论文部分内容阅读
为了及时发现公路路面内部病害，并且不破坏路面结构，采用三维探地雷达对公路进行病害检测。阐述三维探地雷达的基本原理，并结合工程实例，对某公路采用三维探地雷达进行病害检测，采用钻芯检测进行验证，对其检测结果进行分析，并提出相应的处治建议。结果表明：三维探地雷达在公路病害检测中的应用，能够较为准确地反映路面内部病害状况，便于养护人员及时采取有效措施对病害进行处治，避免病害的进一步发展。
其他文献
离心压气机作为微小型涡喷发动机的核心部件,其气动性能对发动机的性能具有重要影响。对微小型离心压气机气动性能的分析及优化一直是研究重点。但由于微小型离心压气机结构紧凑、内部流动通道狭小、特征尺寸小等因素,常规的流动控制方法难于采用,而复杂的流动控制方法由于成本高、结构复杂等缺点无法应用于微小型离心叶轮。因而,优化叶型几何结构参数仍为改善微小型离心叶轮气动性能的主要手段。本文以一带有分流叶片的微小型离
信息时代,复杂网络愈加广泛存在于现实世界,社区结构就是复杂网络的显著特征之一。社区发现可以检测到网络中的潜在结构,挖掘内部隐含的信息,这对揭示网络性质、功能、发展规律等方面具有十分重要的理论和现实意义。例如,将社区发现技术应用于优化道路交通网络、预测蛋白质网络中蛋白质的功能、进行电商产品个性化推荐等。社区发现已经发展为网络科学研究领域极具价值的研究内容。目前,很多社区发现算法被提出,但这些算法仍然
机会网络是一种利用节点移动的相遇机会实现通信的自组织网络,实现了目标节点与源节点间不存在完整传输链路情况下的通信。由于机会式的通信方式,其更符合实际情况下的自组网需求,这给机会网络的研究带来挑战。节点重要度评估是研究机会网络信息传播的关键之一。一个好的节点重要度评估方法不仅能够准确地对节点的重要程度作出判断,还有助于优化和维护网络。针对机会网络的时变性,考虑机会网络中历史的连接信息与节点的拓扑结构
复杂网络作为一种优秀的数学模型,被广泛应用于各种学科领域。复杂网络拓扑特性的研究一直是复杂网络理论研究的重点。研究复杂网络的拓扑特性对理解网络结构与网络行为间的关系具有重要意义。2005年,复杂网络的分形特性被揭示,分形特性被誉为复杂网络的第三大基本拓扑特性,也因此成为了复杂网络中一个新的研究方向,近十多年来受到了国内外研究人员的广泛关注。本文主要研究复杂网络分形算法及其应用,具体工作如下:（1）
随着计算机技术的发展,信息存储的方式发生了改变,电子存储格式以其占用存储空间小、不易受环境影响、易于阅读检索等诸多优点而被广泛使用。因此,将传统的纸质印刷品转换为电子文本、使“纸张信息”数字化成为热门研究领域。然而,对于复杂的文档图像,直接进行光学字符识别（Optical Character Recognition,OCR）操作时,图片、表格以及其他非纯字符的部分大大降低了识别的效率与准确性。因此
＜正＞8月14日,云南省农业农村厅在曲靖市举办全省绿色种养循环农业试点现场观摩培训班。副厅长左荣贵出席培训会议并讲话。会议指出,绿色种养循环是提升耕地质量、保障粮食安全的迫切需要,是有效推进化肥减量增效、积极应对施肥成本上升的迫切需要,是推进控污减排、促进农业绿色低碳发展的迫切需要。2021年云南省开始在昆明市寻甸回族彝族自治县等28个县（市、区）开展绿色种养循环农业试点,
目前,在很多场景下需要对文档、证件等物体进行拍照保存。然而,在图像采集的过程中,存在诸多因素导致采集得到的图像中包含大量的背景冗余信息,因此,针对矩形目标检测的算法研究尤为重要。由于文档或证件等目标的种类和样式千变万化,且拍摄的背景复杂多样,从而导致矩形检测算法很难精确地从图像中提取出矩形目标,对干扰的鲁棒性也较弱。针对以上问题,本文对自然场景下的矩形目标检测算法进行了深入研究,主要研究工作如下:
历史概念既是概念名称，又与具体的历史事物相对应，而历史事物都有动态的演化进程。因此，教师不能满足于“静态”呈现历史概念，而要把历史概念及其对应的具体事物，放到相应的时空中去考察和理解，以发展变化的动态眼光站在时空的大视野中去解释，引领学生洞察其“演进”窾要，把握其“演进”本质。如此，教师才能引领学生把握历史概念解读的要义，使其学会用动态的思维去理解历史概念。
随着深度学习的迅猛发展,自然场景文本检测与识别技术已经成为了许多研究者的重点研究课题,在各个领域中应用广泛,如无人驾驶、实时翻译、盲人辅助、自动化办公等。然而,由于自然场景图像背景的复杂性、图像中文本的多样性以及图像质量的参差不齐,自然场景下的文本检测与识别仍然面临着巨大的困难和挑战。本文将自然场景下的文本检测与识别分为两个任务进行研究,具体内容如下:针对单词的漏检、长文本行的错误拆分问题,提出了