-
题名智能制造下的工业互联网安全风险应对分析
被引量:9
- 1
-
-
作者
王荣壮
-
机构
沈阳化工大学计算机科学与技术学院
-
出处
《网络安全技术与应用》
2022年第6期94-96,共3页
-
文摘
在当今工业4.0时代背景下,智能制造将传统工业网络的环境打破,网络信息技术将生产制造环节与互联网信息系统连接起来,实现资源整合共享、生产智能化自动化,随着工业控制系统的智能化发展带来便利的同时也增加了工业网络攻击的风险性。对在智能制造下工业互联网的安全风险问题,本文主要提出了安全体系结构、工控系统网络结构,从控制、网络、应用和数据等几个方面分析工业控制安全风险问题及如何应对工业互联网安全威胁,让更多的工业领域认识到工业互联网安全的重要性以及提高在工业转型升级过程中安全防护技术。
-
关键词
工业互联网
工业控制
安全体系结构
智能制造
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
TH16
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于改进YOLOv4的交通指示牌检测算法
- 2
-
-
作者
刘俊
王荣壮
张华良
-
机构
沈阳化工大学计算机科学与技术学院
辽宁省化工过程工业智能化技术重点实验室(沈阳化工大学)
中国科学院沈阳自动化研究所
中国科学院机器人与智能制造创新研究院
-
出处
《中国科技论文》
CAS
北大核心
2023年第11期1275-1282,共8页
-
基金
国家自然科学基金资助项目(92067205)
辽宁省教育厅科学研究经费资助项目(LJ2020024)。
-
文摘
YOLOv4算法广泛应用于交通标志检测且取得了较好的检测效果,但YOLOv4参数量大、实时性不足,对背景复杂的目标特征提取不明显,因此提出了一种基于改进YOLOv4的交通指示牌检测算法。首先,以轻量级网络Mobilenetv2为主干特征提取网络,参数量较原网络降低76.72%,实现了网络轻量级;其次,对Mobilenetv2提取的初步特征层在上采样部分嵌入注意力机制ECANet,以提高被遮挡及背景复杂目标检测能力,同时加入空洞空间卷积池化金字塔,以提高小目标的感受野;最后,完善损失功能,对难易分级的样本和权重进行控制,以提高检测准确率。相比原算法,改进YOLOv4算法的检测精确度提高了5.21%,检测速度达到64帧/s,提升了56.1%。与其他检测算法相比,改进的YOLOv4算法对有遮挡、背景模糊及小目标的交通指示牌有较高的准确度,能够满足实时检测的需求。
-
关键词
交通指示牌
轻量化
注意力机制
目标检测
Mobilenetv2
-
Keywords
traffic signs
lightweight
attention mechanism
target detection
Mobilenetv2
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-