教育科研-学习工具-LED面罩结构.zip

教育科研-学习工具-LED显示屏半户外用面罩结构.zip

行业分类-物理装置-一种用于LED显示屏的高效散热面罩.zip

完整英文电子版 ASTM F1862/F1862M - 17：2017 完整英文电子版 ASTM F1862/F1862M - 17：2017 Standard Test Method for Resistance of Medical Face Masks to Penetration by Synthetic Blood (Horizontal Projection of Fixed Volume at a Known Velocity) - 医用面罩对合成血液穿透力的标准测试方法（已知速度下固定体积的水平投影）。本测试方法用于评估医用口罩对小型冲击力的抵抗力。该测试方法用于评估医用口罩对小体积（约2毫升）合成血流冲击的抵抗力。本测试方法用于评估医用面罩对小体积（约2毫升）高速合成血流冲击的抵抗力。医用面罩的合格/不合格判定是基于视觉上的 检测合成血液的穿透力。

完整英文电子版 ASTM F2100-20：2020 Standard Specification for Performance of Materials Used in Medical Face Masks（医用面罩材料性能的标准规范）。本规范涵盖了对用于提供医疗服务（如手术和病人护理）的医用口罩结构中的材料的测试和要求

完整英文电子版 ASTM F2299/F2299M -03(R2017) Standard Test Method for Determining the Initial Efficiency of Materials Used in Medical Face Masks to Penetration by Particulates Using Latex Spheres（用乳胶球确定医用面罩所用材料对颗粒物渗透的初始效率的标准测试方法）。本试验方法规定了测量使用单分散气溶胶的医用面罩材料的初始颗粒过滤效率的程序。

完整英文电子版 ASTM F3502-21：2021 Standard Specification for Barrier Face Coverings （阻尼面罩的标准规范 ）。本规范的主要目的是帮助确保符合所述要求的隔离式面罩通过减少从佩戴者的口鼻中排出的液滴和气溶胶数量，为单个佩戴者提供源头控制手段；并可能提供一定程度的颗粒物过滤，以减少佩戴者吸入的颗粒物数量。潜在地提供一定程度的微粒过滤，以减少佩戴者吸入的微粒物质。

这是一个使用 YOLO 前端和 Fast RCNN 后端的面罩检测模型。 我们使用 YOLO 的逐像素对象预测作为 Fast RCNN 的区域提议器。不同大小的像素（通过使用不同大小的过滤器）对应于这些位置不同大小的 RoI。这种架构是为人脸检测量身定制的，因为它最适合“方形”对象。 objectness>0.5 的位置被送入 Fast RCNN 后端，用于边界框回归和图像分类（如正确佩戴口罩、佩戴不当口罩、无口罩） 该模型建立在在 ImageNet 上预训练的 InceptionV3 之上 数据集取自 Kaggle

完整英文版ISO 17510：2015 Medical devices — Sleep apnoea breathing therapy — Masks and application accessories （医疗器械 - 睡眠呼吸治疗 - 面罩和应用配件 ）。ISO 17510：2015适用于用于将睡眠呼吸暂停呼吸治疗设备连接到患者的面罩及其配件。 它规定了面罩和附件（包括任何连接元件）的要求，这些要求用于将睡眠呼吸暂停呼吸治疗设备的患者连接端口连接到患者以进行睡眠呼吸暂停呼吸治疗（例如，鼻罩，排气口和头饰） 。

面罩检测 使用YOLO网络（Darknet）和更快的R-CNN网络（PyTorch）在Google Colab中进行面罩检测。 检测到3类：正确佩戴的口罩，错误佩戴的口罩和未佩戴的口罩。 设置和执行YOLO： 在您的Google云端硬盘中创建名为yolov3的文件夹 下载数据集（ ， ） 执行jupyter Notebook 对于测试，请执行detection_utils.py或对视频进行检测，请执行detect_video.py您可以使用video_converter.py从视频创建数据集，从视频到图像或从图像到视频。 设置和执行PyTorch： 在您的Google云端硬盘中创建一个名为rcnn的文件夹，然后以zip格式上传数据集。 下载数据集（ ， ） 执行jupyter Notebook 预训练重量： 在Kaggle数据集上已经预先训练了 （和）网络和权重（方法