萧县机器人_萧县丁里南部设有高铁站点,萧县人出行更方便了!

9月30日,淮北至宿州至蚌埠城际铁路项目设计咨询招标公告发布,线路全长约164公里,设6座车站,包括淮北北、淮北西、宿州西、双堆集、固镇南、蚌埠南,预计设计时速350公里/小时。项目招标范围涵盖初步设计咨询、施工图审核等,估算投资1400万元。
摘要由CSDN通过智能技术生成

74b74468dcaf74171dbe3f84c69fc4a2.png

  萧县翰林青藤

少儿美术|硬笔书法|奇幻机器人|口才表演


9月30日 淮北至宿州至蚌埠城际铁路项目设计咨询招标公告发布↓↓↓

f842092c2c7ee8190309811f5bfb295a.png

项目名称:淮北至宿州至蚌埠城际铁路项目设计咨询

工程地点:安徽省境内招标人:安徽省铁路投资有限责任公司

工程概况:线路自淮萧客车联络线淮北北站引出,向南经淮北市、宿州市至蚌埠市,改建蚌南联络线,直股接入京沪高铁蚌埠南站,新建线路长度162.2公里,改建淮萧联络线上行线1.8公里。全线设淮北北、淮北西宿州西、双堆集、固镇南、蚌埠南等6座车站,其中淮北北站和蚌埠南站为既有站。新建淮北西存车场,设6条存车线。

淮北北就在萧县丁里南部几公里处,萧县人出行更方便!

29a0e4372db72d797e4c3407d71bf62a.png

efa56dae5029f7ef3e1e96dd9991f852.png 6f3f1ce7b99a38fb2548fc86353925d0.png

淮宿蚌城际铁路自萧淮客运联络线淮北北站直向引出后折向西,沿相山国家森林公园边界走行,上跨新濉河、S202、S101后于淮北城区西南侧4km设淮北南站,出站后折向东南走行,合理绕采空区,于宿州市西侧,距京台高速出入口2.5km处设宿州西站,出站后继续向南跨越G3京台高速公路后沿其东侧南行,于双堆集镇东侧6km处设双堆集站

e30b2f13ac108084b6d5939c1bcb9b6b.png

c5f1ee534c72e5bd09d81e660a36278c.png

40e14d9d0de5eca51f5d5422f9b108e8.png

效果图

4814412d3fc04a3c4dfa3539928f968a.png

主要技术指标铁路等级:高速铁路正线数目:双线设计时速:350公里/小时最大坡度:20‰

本项目招标范围:淮北至宿州至蚌埠城际铁路(含同步实施的预留工程及联络线等附属工程)设计咨询服务,包括初步设计咨询、施工图审核和施工配合咨询等。项目估算:1400万元来源:铁路建设规划。

【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值