- 综合排序
- 最热优先
- 最新优先
- 来自专栏golang分享
kafka位移
位移提交得分方式有两种:手动和自动提交位移。 1 概念区分 A ：Consumer端的位移概念和消息分区的位移概念不是一回事。 B ：Consumer的消费位移，记录的是Consumer要消费的下一条消息的位移。 2 提交位移 A ：Consumer 要向Kafka汇报自己的位移数据，这个汇报过程被称为提交位移（Committing Offsets）。 4 位移提交的特点 A ：位移提交的语义保障是由你来负责的，Kafka只会“无脑”地接受你提交的位移。位移提交错误，就会消息消费错误。 对TPS影响显著 （2）异步提交：在调用commitAsync()时，会立即给响应，但是出问题了它不会自动重试。
4.8K11编辑于 2023-11-14 - 来自专栏python3
python中的左位移和右位移
左位移 << 右位移 >> 真正需要记住就是： 在数学没有溢出的前提下，对于正数和负数，左移以为都相当于乘以2的1次方，左移n位 就相当于乘以2的n次方 右移一位相当于除以2，右移n位相当于除以 2的n次方，这里取的是商，不要余数 左位移： 例如：3<<2则是将数字3左移动2位 计算过程： 3<<2首先把3转换为二进制数字00000000000000000000000000000011 然后把该数字高位（左侧）的两个零移出，其他的数字都朝左平移2位，最后在低位（右侧） 的连个空位补零。 则得到的结果是00000000000000000000000000001100， 则转换为十进制是12 右位移: 例如：11>>2则是将数字11右移2位 计算过程： 11的二进制形式为：00000000000000000000000000001011
1.8K20发布于 2020-01-09 - 来自专栏燧机科技-视频AI智能分析
山体落石滑坡识别系统 落石泥石流监控摄像机
传统监测依赖人工巡查（覆盖率＜20%、响应延迟＞2小时）、单点传感器（易受地形限制、误报率＞40%），难以满足“全域感知-实时研判-精准预警”需求。 （二）算法层：YOLOX+RNN双模型协同分析 核心采用“YOLOX目标检测+RNN时序行为研判”两级算法：YOLOX目标检测：定位画面中“山体裂缝（宽度＞2cm）”“松动岩石（体积＞0.1m³）”“泥石流堆积物 （流动速度＞0.5m/s）”“植被异常倒伏”等目标，输出 bounding box 坐标、置信度及形态特征（如裂缝走向、岩石棱角数量）； RNN时序分析模型：基于YOLOX连续15帧检测结果（目标位移轨迹 、形态变化趋势），通过GRU网络判断“落石启动（加速度＞9.8m/s²）”“滑坡蠕动（日均位移＞5cm）”“泥石流形成（水流裹挟物占比＞30%）”3类风险，评估预警等级（蓝色/黄色/红色）。 五、工程应用与实测效果 在某山区高速公路K23-K45段（含3处历史滑坡点）试点部署，4个月实测数据如下：预警效能：成功识别小型落石事件5起（最大体积0.3m³）、滑坡蠕动迹象2处（日均位移6-8cm）
26610编辑于 2025-12-27 - 来自专栏气python风雨
Python 绘制山体阴影+雷达图
前言 本文旨在利用Python编程语言，将山体阴影与雷达速度产品相结合，以探索其可视化效果 环境：python 3.9 导入库 import netCDF4 as nc import numpy as )) draw_map(get_adm_maps(province='江苏省', only_polygon=True, record='first'), color='w', linewidth=2) 10, 10)) ax = plt.subplot(111, projection=ccrs.PlateCarree()) x, y = np.gradient(dem) slope = np.pi/2. np.arctan(np.sqrt(x*x + y*y)) # -x here because of pixel orders in the SRTM tile aspect = np.arctan2( -x, y) altitude = np.pi / 4. azimuth = np.pi / 2.
39710编辑于 2024-06-20 - 来自专栏燧机科技-视频AI智能分析
山体滑坡落石监测识别报警系统 筑牢山区安全防线
在西南、西北等山区，山体落石、浅层滑移等地质事件具有突发性强、人工巡检盲区多、响应窗口短等特点，是威胁交通与居民安全的重要隐患。 近年来，部分单位部署了名为“山体滑坡落石监测识别报警系统”的AI方案，但市场宣传中常声称可“通过YOLOv12+Transformer实现山体位移监测”“在灾害发生前及时发现隐患”“为应急处置赢得宝贵时间 需强调：普通视频摄像头无法测量山体位移，也无法预测滑坡或泥石流。 系统无法实现：监测毫米级位移或内部变形（需GNSS、InSAR、裂缝计等专业设备）；预测深层滑坡或泥石流形成（属地质建模范畴）；“YOLOv12”目前并无官方开源版本（截至2026年1月），实际部署多采用 结语AI在山体灾害监测中的角色，不是“地质预言家”，而是“数字哨兵”。它无法阻止山体滑动，但可以在石头落地的瞬间发出一声提醒。
18810编辑于 2026-01-30 - 来自专栏燧机科技-视频AI智能分析
山体滑坡灾害监测报警系统
一、引言 我国山地面积占国土总面积的33%（《2025年中国地质灾害防治白皮书》），山体滑坡年均导致直接经济损失超80亿元。 ultralytics import YOLO model = YOLO('yolov7.yaml') model.model.nc = 5 # 5类：滑坡裂缝/落石松动/泥石流堆积/桥梁裂缝/异常位移 引入光流法+深度估计（实测数据：植被遮挡场景识别率从68%提升至94%） 行为关联分析：设计时空图卷积网络（ST-GCN），建模灾害扩散路径 （二）误报率控制 时序行为过滤：通过RNN分析连续帧状态，排除“山体落石滚动 极端环境可用性-暴雨天＞80%典型案例：隐蔽滑坡预警：系统识别到某边坡裂缝日均扩展0.8cm（持续7天），触发三级预警并联动养护单位 夜间泥石流识别：通过红外热成像发现异常温度区域（置信度0.91），提前2小时启动交通管制山体滑坡灾害监测报警系统核心优势在于其精准的识别能力与高效的报警机制 山体滑坡灾害监测报警系统通过部署在关键区域的监测设备，系统可以识别出桥梁塌陷、边坡落石以及泥石流滑坡等潜在危险迹象，一旦系统识别到危险迹象，便会立即触发报警机制。
24310编辑于 2026-01-07 - 来自专栏sktj
IOS CAKeyFrameAnimation 实现动态位移
1 override func viewDidLoad() { 2 super.viewDidLoad() 3 // Do any additional setup after loading the animation = CAKeyframeAnimation(keyPath：“position”) 10 11 let point1 = CGPoint(x：40, y：80) 12 let point2 = CGPoint(x：280, y：300) 15 16 animation.values = [NSValue(cgPoint：point1), NSValue(cgPoint：point2)
1.5K20发布于 2019-07-08 - 来自专栏燧机科技-视频AI智能分析
山体落石滑坡监测夜视摄像机
技术内核：从“被动录像”到“黑光夜视与多模态语义理解”传统的边坡监测多依赖位移传感器或普通监控，前者覆盖范围有限，后者在夜间或雨雾天气下“致盲”。 系统能够区分“正在滚落的石块”与“静止的岩石”，并能通过光流法计算山体的微小位移速率。 应用价值：构建“实时监测 - 智能预警 - 协同处置”的防灾闭环山体落石滑坡监测夜视摄像机的价值，在于打通了物理边坡与数字管理的壁垒，构建了完整的灾害防控闭环。系统实现了灾害响应的实时化与自动化。 山体落石滑坡监测夜视摄像机以高精度的黑光视觉感知技术和完善的数据闭环机制，正在重新定义地质灾害监测的新标准。
7310编辑于 2026-04-07 - 来自专栏Bug Engineer
JS位移运算符（＜＜、＞＞、＞＞＞）
按照平移的方向和填充数字的规则分为三种： << //左移 >> //带符号右移 >>> //无符号右移 左移运算符（<<）规则 按二进制形式把所有的数字向左移动对应的位数，高位移出 语法格式: 需要移位的数字 << 移位的次数 例如： 3 << 2，则是将数字3左移2位 计算过程： 3 << 2 首先把3转换为二进制数字0000 0000 0000 0000 0000 1<<3 //等于 1*2³ 8 2<<3 //等于 2*2³ 16 右移运算符（>>）规则： 按二进制形式把所有的数字向右移动对应位移位数，低位移出(舍弃)，高位的空位补符号位，即正数补零 转换为十进制是2。 数学意义： 右移一位相当于除2，右移n位相当于除以2的n次方。 10>>3 //等于 1 100>>3 //等于 12 无符号右移运算符规则： 按二进制形式把所有的数字向右移动对应位数，低位移出(舍弃)，高位的空位补零。
1.7K10编辑于 2023-12-25 - 来自专栏全栈程序员必看
JAVA位移运算「建议收藏」
2、位移运算 1）正数的右移：如10 >> 2，左边自动补0，右边移出位舍弃，即00001010 –> 00000010，结果是2，实际的意思是，每向右移动一位，就相当于除以2，小数舍弃，即10/2/2 =2.5，舍弃小数，结果就是2。 2）正数的左移：如10 << 2，右边自动补0，左边移出位舍弃，即00001010 –> 00101000，结果是40，实际的意思是，每向左移动一位，就相当于乘以2，即1022=40。 3）负数的右移：如-2 >> 2，由于二进制的首位为符号位，负数在右移过程中，为了保持负数的特性，所以左边会自动补1而不是0，即11111110–> 11111111，结果为-1。 5）无符号的右移：如-2 >>> 2，对于负数的右移在左边自动补1，但是对于无符号的右移，左边是自动补0，即11111110 – > 00111111，结果为63。
84320编辑于 2022-11-16 - 来自专栏跟Qt君学编程
缩放|位移|渐变简单动画
本文简单介绍Qt的一些动画效果(缩放，位移，渐变)。 缩放动画 将窗口的geometry(位置，大小)属性作为动画参考实现缩放动画。 ) */ /* 居中显示数值计算(差值是基于开始动画的100/2)：160 => (160 - 100/2); 70 => (120 - 100/2) */ animation->setEndValue 100)); /* 设置循环次数：-1为无限次 */ animation->setLoopCount(-1); /* 开始动画 */ animation->start(); w->show(); 位移动画 将窗口的pos位置作为动画参考实现位移动画。 代码 QWidget *w= new QWidget; w->setWindowTitle(QStringLiteral("位移动画@Qt君")); w->resize(320, 240); QLabel
3.3K31发布于 2020-07-24 - 来自专栏后端进阶
RocketMQ 位移提交源码分析
，value 为消息数据，消息容器中，消息可以按照位移进行排序，那也就意味着，当消息消费完，只需要在消息容器中移除即可，然后返回消息容器中最小元素（最小位移），如下： ? 由于消息是按照位移进行排序，因此我们只需移除已消费的消息，并且确保不会将未消费的位移提交，就可避免了位移大的消息先消费导致消息丢失的问题了。 ，从源码看出，当前消费位移的更新，只能是递增更新。 ，则进行消费位移提交，否则将从位移缓存容器中移除。 : { "test-topic@test-group": { "0": 88526, "1": 88528, "2"
2.4K10发布于 2019-11-11 - 来自专栏物联网智慧生活
山洪灾害监测预警系统
山洪灾害监测预警系统功能 1、数据监测功能，雨量、水位、水雨情、温湿度、山体位移等目标数据在线实时监测。 2、异常报警功能，监测因子阈值设置，危险数值内数据告警提示。 山洪灾害监测预警系统架构 感知层：摄像头、水位计、雨量计、水温、水压、位移等传感器及设备，完成目标数据测量。 传输层：无线采集传输终端RTU，连接上述对感知层设备进行视频图像、水位、降雨量、水温、气压、山体位移、设备状态量等目标数据的采集，并通过无线网络上传云端。 2、支持国家《水文监测数据通信规约》（ASCII和HEX全项）、《水资源监测数据传输规约》和其他省市特殊规约、SL180-2015水文自动测报系统设备遥测终端机，可选支持四川省省级专业监测预警平台专业监测数据标准
1.1K10发布于 2021-07-26 GNSS位移监测站边坡位移地质灾害监测预警方案
GNSS位移监测站边坡位移地质灾害监测预警方案：关于地质灾害监测预警系统，有以下几个重要的方面来分析：地质灾害监测预警的需求从历年来的数据可以看出来，我国是地质灾害多发的国家。 根据不同地质灾害类型，采用差异化监测指标：灾害类型核心监测指标预警阈值示例滑坡日位移量、累计位移量、雨量日位移＞5mm 或累计位移＞50mm泥石流小时雨强、沟谷水位、泥位1 小时雨强＞30mm 或泥位上涨 ：设备名称参数GNSS测点1、测量精度：水平位移：±2.5mm+0.5ppm高程位移：±5mm+0.5ppm2、采样间隔：0s～24h。 ：±2.5mm+0.5ppm高程位移：±5mm+0.5ppm 2、采样间隔：0s～24h。 云平台数据显示层构建地质灾害大数据平台，实现数据的集中管理与深度挖掘：1.数据采集展示云平台系统展示包含基础地理数据库、监测数据库（位移、雨量、含水率等）、灾害数据库；2.数据安全实施分级存储和加密传输
48910编辑于 2025-07-31- 来自专栏燧机科技-视频AI智能分析
泥石流山体滑坡监控视觉识别检测
泥石流山体滑坡监控视觉识别检测算法通过yolov8+python深度学习框架模型，泥石流山体滑坡监控视觉识别检测算法识别到泥石流及山体滑坡灾害事件的发生，算法会立即进行图像抓拍，并及时进行预警。 泥石流山体滑坡监控视觉识别检测算法代码将构建一个end-to-end的Yolo的预测模型，泥石流山体滑坡监控视觉识别检测算法利用的已经训练好的权重文件，你将可以用自然的图片去测试检测效果。 泥石流山体滑坡监控视觉识别检测算法采用卷积网络来提取特征，然后使用全连接层来得到预测值。网络结构参考GooLeNet模型，包含24个卷积层和2个全连接层。 泥石流山体滑坡监控视觉识别检测算法如此设计的原因应该是同一套缩放系数下的通道设置不是最优设计，YOLOv7 网络设计时也没有遵循一套缩放系数作用于所有模型。 考虑到动态分配策略的优异性，泥石流山体滑坡监控视觉识别检测算法中则直接引用了 TOOD 的 TaskAlignedAssigner。
1K30编辑于 2023-09-24 - 来自专栏杂谈
Unity2D 伤害数值随战斗单位移动并自动销毁
物体BRoot：用于存放伤害数值，将该物体放到所有物体最下方，这样可以让伤害数值不被遮挡
22010编辑于 2024-12-24 - 来自专栏用户9835657的专栏
JL-37数字式测斜仪 地下位移变形监测系统
产品概述数字式测斜仪采用数字式传感器作敏感元件的仪器，它广泛应用于：深基坑开挖、地铁地基、公路地基、挡土墙、坝体及山体滑坡等工程方面土体内部位移变化的监测, 它是一种必配的测量仪器, 它在工程的应用对及时掌握工程的质量以及保证工程的安全性发挥着积极的作用 测量数据经计算即可描述出测斜管随结构物变形的曲线，以此可计算出测斜管每个基长上的轴线与铅垂线所成倾角的水平位移。功能特点◆性能优良：便携式测斜仪以其耐久性，高精度和反应快速而赢得广泛的赞誉。 500mm温度范围：-25℃～+65℃耐 水 压：2.0MPa (200m水深)抗 震 性：2000g导轮间距：500mm测头尺寸：φ28×770mm应用范围广泛适用于深基坑开挖、公路地基、挡土墙、坝体及山体滑坡等工程方面土体内部位移变化的监测
46310编辑于 2022-06-17 - 来自专栏燧机科技-视频AI智能分析
路桥灾害监测哨兵系统
二、系统架构与技术实现 （一）硬件部署方案 多模态感知单元 部署800万像素星光级全局快门摄像头（海康威视DS-2CD8A87F/P，支持HDR成像、-30℃~70℃宽温运行） 集成倾角振动传感器（量程 针对路桥场景优化） from ultralytics import YOLO model = YOLO('yolov8s.yaml') model.model.nc = 6 # 6类：桥梁垮塌/路面塌陷/山体落石 torch.sigmoid(self.fc(attn_output.mean(dim=1))) return risk_score多源数据融合 融合视觉检测（置信度）、倾角数据（毫米级位移 0.595.7%94.2%平均响应时间0.72s0.85s日均处理事件-215次误报率1.3%1.9%极端天气可用性-暴雨天＞88%典型案例：桥梁垮塌预警：系统提前12分钟检测到G1523甬莞高速某桥墩异常位移 （累计位移达5.3mm），触发三级预警并联动交警封路 夜间泥石流识别：通过红外热成像检测到山体温度异常（ΔT＞8℃），结合RNN时序分析提前9分钟预警
14910编辑于 2026-01-06 - 来自专栏数值分析与有限元编程
Lagrange插值构造位移场函数
因此，对于n个节点的一维单元，节点坐标为（xi，yi）（i=1，2，...，n），多项式插值可达n-1阶,例如：n=2时可构造一次多项式。 ? ? ? 这样可以构造杆单元的轴向位移（应变）场。 假定单元的轴向位移按照线性变化，在自然坐标系下，单元内任意一点的位移表达式为 ? ? 由此可看出，位移函数为线性函数，即在单元内以一个线性变化的位移场模拟原位移场。 形函数，插值位移函数及原位移函数的图形如图所示： ?
1.8K50发布于 2018-04-08 - 来自专栏全栈程序员必看
c语言中的位移位操作
功能：将整型数a按二进制位向左移动m位，高位移出后，低位补0。 “>>”使用方法： 格式是：a>>m，a和m必须是整型表达式，要求m>=0。 (2)char x=3; x<<1是多少？x>>1是多少？ (3)char x=-3; x<<1是多少？x>>1是多少？3写成二进制数是00000011；-3写成二进制数是(补码)11111101。 (1)对无符号数3来说，x<<1往左移一位，最左边的位移掉了，最右边的移进来的位补零。 (2)对于有符号数3来说，x<<1往左移一位，最左边的位移掉了，最右边的移进来的位补零。 大多数机器使用算术右移，变成11111110，结果是-2。总结：左移时总是移位和补零。
96810编辑于 2022-07-12
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号