目录
CONTENTS
01
02
03
04
05
张开双臂，积极拥抱Chat-GPT的AI时代
来自采油四厂安全中心表扬函
基于YOLOv5石化装置火焰烟雾检测算法
你必须知道的颈椎保健小知识
ChatGPT对公司发展建议
为奋斗者提供成长的平台
第2期
第2期
张开双臂，积极拥抱Chat-GPT的AI时代
随着人工智能技术的不断发展，Chat-GPT已经成为许多企业必不可少的工具之一。Chat-GPT也必将成为推动业务发展的重要因素。Chat-GPT到底可以做什么？以下这些内容是我从网络上查询了非常多的专业文章，从嘉洋科技机关各职能部门、各事业部的业务入手，从售前、项目交付方面，看看Chat-GPT可以帮助我们提升效率？
一、售前阶段
在售前阶段，Chat-GPT可以帮助公司更好地了解客户需求和期望，从而提供更准确、更符合客户实际需求的产品和解决方案。Chat-GPT可以通过语言理解和生成技术，自动解析客户提出的问题，并为客户提供详细、专业的回答和解决方案。这不仅可以提升客户对公司的信任度，还能够为公司的销售人员减轻工作负担，提高销售效率。
二、项目交付阶段
在项目交付阶段，Chat-GPT可以帮助公司更好地与客户沟通，及时发现并解决问题，提高项目的交付质量。Chat-GPT可以实现与客户的自然语言交互，帮助公司更好地理解客户的需求和问题，并及时做出回应和解决方案。此外，Chat-GPT还可以通过自然语言生成技术，自动生成一些项目文档和报告，帮助公司提高工作效率和准确性。
三、职能部门的日常工作
在职能部门的日常工作中，Chat-GPT可以帮助公司更好地
为奋斗者提供成长的平台
供稿：吴新涛
第2期
（一）在行政人事部门中，Chat-GPT可以帮助人力资源管理人员更好地进行招聘、培训和员工福利管理。
1. 招聘：Chat-GPT可以帮助人力资源管理人员自动筛选和分类简历，并进行自然语言处理，从而更快速和准确地找到符合要求的候选人。Chat-GPT还可以通过人才推荐算法，根据候选人的简历和职位要求，自动推荐最匹配的候选人，减少招聘成本和时间。
2. 培训：Chat-GPT可以帮助人力资源管理人员实现自然语言处理和问答对话功能，为员工提供更加贴近实际工作的培训内容，增强培训效果。员工可以随时随地使用Chat-GPT与人机互动，获得个性化、实时的培训服务。
3. 员工福利管理：Chat-GPT可以帮助人力资源管理人员自动化员工福利管理，提高福利管理效率和准确性。Chat-GPT可以针对员工的不同需求和福利计划，提供个性化的福利方案。例如，通过Chat-GPT可以查询员工福利余额、申请休假、提交报销等事项。
在实际操作中，人力资源管理人员可以根据业务需求和实际情况，将Chat-GPT的功能和接口嵌入到招聘、培训和员工福利管理的业务流程中。通过对Chat-GPT的不断训练和优化，可以不断提升Chat-GPT的自然语言处理和问答对话功能的准确性和质量，从而更好地服务员工和企业的需求。
为奋斗者提供成长的平台
进行信息管理、决策支持和知识管理。例如，在行政人事部门中，Chat-GPT可以帮助人力资源管理人员更好地进行招聘、培训和员工福利管理；在市场部门中，Chat-GPT可以帮助公司更好地进行市场分析、竞争对手分析和品牌推广；在财务部门中，Chat-GPT可以帮助公司更好地进行财务分析和决策，帮助公司提高财务效率和盈利能力。
第2期
（二）在市场部门中，Chat-GPT可以帮助公司更好地进行市场分析、竞争对手分析和品牌推广。
1. 当使用Chat-GPT进行市场分析时，公司可以利用该模型处理大量的市场数据、报告和新闻文章，以获取对市场趋势、消费者偏好和需求的深入理解。Chat-GPT可以帮助公司自动化数据的处理和整合，让公司能够更快地了解市场的动态，并及时对市场变化做出反应。
2. 在进行竞争对手分析时，Chat-GPT可以帮助公司更好地了解竞争对手的策略、产品、市场份额和客户反馈等关键信息。Chat-GPT可以帮助公司搜索和整理竞争对手的网站、社交媒体信息和新闻报道，分析和比较其产品特点和定价策略，并从中获取有价值的见解。
3. 在品牌推广方面，Chat-GPT可以帮助公司制定更具吸引力和影响力的广告文案和营销策略，以及创建更有趣和富有表现力的社交媒体内容。Chat-GPT可以帮助公司自动生成各种类型的广告文案和内容，从而减少公司的营销团队的工作量。此外，Chat-GPT还可以帮助公司通过自然语言处理和图像识别技术，识别并分析用户对公司品牌的态度和情感，以便更好地满足其需求和期望。
为奋斗者提供成长的平台
第2期
为奋斗者提供成长的平台
（三）在财务部门中，Chat-GPT可以帮助公司更好地进行财务分析和决策，帮助公司提高财务效率和盈利能力。
1. 当使用Chat-GPT进行财务分析时，公司可以利用该模型处理大量的财务数据和报表，例如财务报表、预算报表、现金流量表等。Chat-GPT可以帮助公司对这些数据进行自动化的处理和整合，从而快速地识别出财务绩效方面的优劣势和趋势。例如，Chat-GPT可以自动地比较不同业务线或产品的成本、收益和盈利贡献，并根据分析结果为公司的决策提供指导。
2. 在进行财务决策时，Chat-GPT可以帮助公司根据财务数据和分析结果，自动化生成财务预测和模拟结果，以便更好地了解不同的决策对公司财务状况和盈利能力的影响。例如，Chat-GPT可以基于现有的财务数据和假设，自动生成预算方案和预算报表，分析不同预算方案的优劣并提供最佳预算建议。
3. Chat-GPT还可以帮助公司优化财务流程和提高财务效率。例如，Chat-GPT可以自动化处理财务报表和发票，从而减少人工操作的时间和错误率。Chat-GPT还可以帮助公司进行智能分类和识别，自动识别公司开支和收入中的类别和来源，从而减少分类错误和增加分类准确性。最终，Chat-GPT可以帮助公司减少工作量和错误率，提高财务效率和盈利能力。
第2期
为奋斗者提供成长的平台
（四）关于公司的几个事业部，Chat-GPT可以帮助嘉洋科技做哪些工作？
安全咨询事业部：主要从事HSE体系建设、审核；履职能力评估；HAZOP、SIL等过程安全分析。Chat-GPT根据上述业务范围， Chat-GPT可以帮助公司完成以下几个方面的工作：
1.提供最新的行业标准和政策法规信息：Chat-GPT可以通过语义理解技术，自动收集和分析各种行业标准、政策法规等相关信息，并将其整理为易于理解和使用的格式，为公司的团队提供最新的行业信息。
2. 协助进行HSE体系建设：Chat-GPT可以帮助公司快速建立和完善HSE管理体系，提供标准化的模板和流程，以及具体的实施方案。
3. 实现自动化的履职能力评估：Chat-GPT可以根据设定的标准和指标，通过自然语言处理技术和机器学习算法，对员工的履职能力进行评估，从而减轻人工评估的工作量，提高评估的准确性和效率。
4. 提供HAZOP、SIL等过程安全分析支持：Chat-GPT可以提供HAZOP、SIL等过程安全分析的相关资料和模板，并为公司的团队提供技术支持和咨询服务，帮助公司的团队更好地开展相关工作。
通过以上几个方面的工作，Chat-GPT可以帮助公司的团队更加高效地开展工作，提高工作的准确性和效率，从而提升公司的竞争力和市场地位。
视频分析事业部：主要是通过计算机视觉技术应用在安全生产，可以依靠现有的监控设备及时发现各类违章生产行为，及时制止，预防安全生产事故的发生。目前已经有高空作业、动土作业、动火作业、进入密闭空间、临时用电、起重作业和
第2期
在这一业务范围中，Chat-GPT可以通过分析监控设备捕捉到的大量数据，自动识别各种危险作业行为并进行分类整理，从而为安全管理人员提供更全面和准确的数据支持。此外，Chat-GPT还可以通过深度学习等技术，进一步提高算法的准确性和故障诊断能力，从而帮助公司提高安全生产的效率和水平。同时，Chat-GPT还可以对不同作业环境的监控数据进行综合分析，帮助公司发现安全管理方面的潜在问题，从而优化安全管理策略，提高公司的安全生产管理水平。
1. Chat-GPT需要如何分析监控的这些数据呢？需要公司把图片上传吗？
ChatGPT作为一个语言模型，尽管无法接收图片，但是公司可以将图片数据转换为文本数据，然后将其输入到Chat-GPT中进行分析。具体来说，公司可以使用计算机视觉技术中的目标检测、图像分类、语义分割等技术，将图像数据转换为文本数据，然后输入到Chat-GPT中进行自然语言处理，例如提取图像中的物体信息、行为信息、场景信息等等，从而对安全生产进行分析。此外，公司也可以使用机器学习和深度学习算法对这些数据进行分类、聚类、预测等分析，从而为安全生产提供更加准确和有用的数据支持。
2. 公司的算法模型，是否需要提供给Chat-GPT？
如果嘉洋科技希望Chat-GPT在分析算法模型方面提供帮助，那么公司只需要提供相关的算法模型文件。Chat-GPT可以利用这些文件进行分析和预测，并给出相应的建议和意见。同时，在使用这些算法模型文件时，也需要确保遵守相关的法律法规和保护个人隐私的规定。
为奋斗者提供成长的平台
海上安全等中国应急管理部规定的七大类危险作业环节的100多种算法。Chat-GPT根据上述业务范围， Chat-GPT可以为公司提供以下帮助。
第2期
3. Chat-GPT是一个语言大模型，在计算机视觉方面可以做哪些工作？
作为一个语言大模型，Chat-GPT的主要功能是处理文本数据。但是，Chat-GPT也可以通过与计算机视觉模型的集成来执行某些计算机视觉任务。具体而言，Chat-GPT可以根据给定的图像或视频执行以下任务：
A. 图像分类：对图像进行分类，将其归类为不同的类别。
B. 目标检测：确定图像中特定目标的位置和数量，如人脸、车辆或动物等。
C. 语义分割：将图像中的像素分配给不同的类别，从而创建一个分割掩模。
D. 图像生成：使用生成对抗网络（GAN）等模型来生成逼真的图像。
E. 图像风格迁移：将一张图像的风格应用到另一张图像上，从而创建一个新的图像。
需要注意的是，这些任务需要专业的计算机视觉知识和技术才能完成，Chat-GPT只是作为一个辅助工具，可以与计算机视觉模型进行集成，以提供一些帮助。
4. 如果公司已有模型，通过Chat-GPT的帮助和训练，可以把识别率的准确度提升多少？
提升识别率准确度的具体数值会受到多个因素的影响，包括当前模型的质量、数据的质量和多样性、模型训练的迭代次数等等。在这些因素中，模型训练的迭代次数可能是最重要的一个因素，因为它直接决定了模型对数据的学习程度。如果公司已经有了一个基本的模型，并且提供了足够的数据和标注，那么通过使用Chat-GPT提供的自然语言处理和机器学习技术，可以帮助进一步优化和提升模型的性能，从而达到更高的识别率准确度。具体提升的数值将取决于数据的质量、标注的准确性以及模型的原始性能等因素。
为奋斗者提供成长的平台
第2期
为奋斗者提供成长的平台
安全信息化事业部：主要是安全生产风险管控和隐患排查双预防平台、电子作业票、智慧工地、智慧监督等等软件开发业务，Chat-GPT作为一个语言大模型，Chat-GPT可以帮助公司的安全信息化产品事业部在软件开发方面做以下工作：
1. 可以提供自然语言处理和自然语言生成的技术支持，帮助公司的团队开发更智能、更易用的软件，使软件与用户之间的交互更加自然流畅。
2. 可以帮助公司的团队进行自然语言理解，理解用户的需求和反馈，从而改进软件的功能和用户体验。
3. 可以对已有的软件进行分析，提供改进方案，优化软件的算法和性能，从而提高软件的稳定性和安全性。
4. 可以通过机器学习和数据分析技术，对用户数据进行挖掘和分析，帮助公司的团队发现软件中存在的问题，并提出改进方案。
总之，作为一款人工智能语言模型，Chat-GPT可以帮助公司的团队在软件开发过程中提供技术支持和解决方案，帮助公司的团队开发更加智能、高效和安全的软件。
设备健康管理（PHM）：主要业务为大型自动设备－压缩机、泵等故障预测；作为一个语言模型，Chat-GPT可以提供一些关于设备健康管理（PHM）的基本信息和相关技术方案的建议。
设备健康管理（PHM）是一种利用传感器和数据分析技术实现故障预测、维修计划和健康监测的方法。在大型移动设备（如压缩机、泵等）的管理中，PHM可以帮助监测设备的健康状况，提前发现故障，减少维修成本和停机时间，提高设备的可靠性和效率。
第2期
为奋斗者提供成长的平台
作为一个语言模型，Chat-GPT可以为公司提供以下方面的帮助：
1. 帮助公司了解PHM的基本原理和相关技术。
2. 根据公司的具体需求，提供PHM技术方案的建议和优化建议。
3. 分析公司的设备数据，提供设备故障预测的建议和提醒。
4. 提供数据分析和处理的建议，优化数据处理流程，提高数据分析的效率和准确性。
需要注意的是，PHM是一种复杂的技术，需要结合实际情况进行应用。如果公司需要更深入的技术支持，建议寻求专业的工程师和技术专家的帮助。
四、 Chat-GPT针对公司具体岗位可提供的帮助。
产品经理：
作为一个大型语言模型，Chat-GPT可以帮助产品经理进行以下工作：
1. 帮助产品经理进行市场分析和调研，了解市场需求和竞争情况。
2. 帮助产品经理收集和分析客户反馈和数据，了解用户需求和产品问题，并提供相应的解决方案。
3. 帮助产品经理设计和优化产品功能和特性，进行功能分析和设计，提供相应的建议。
4. 帮助产品经理进行产品规划和路线图制定，包括产品开发计划、发布计划等，以及产品版本控制和管理。
5. 帮助产品经理进行产品文档和说明书的撰写，包括产品需求文档、产品功能说明、用户手册等。
第2期
为奋斗者提供成长的平台
通过对以上工作的支持，Chat-GPT可以帮助产品经理更好地了解市场需求和用户反馈，提高产品质量和用户体验，促进产品的成功推出和持续改进。
前端工程师：
作为一个语言模型，Chat-GPT没有办法直接进行编程或开发前端工程。不过，Chat-GPT可以提供一些前端开发方面的技术指导和建议，例如JavaScript、HTML和CSS等前端技术的基本知识和最佳实践，以及一些开发工具和框架的使用方法和优缺点等。同时，Chat-GPT也可以帮助公司解决一些前端开发方面的问题和疑问，例如浏览器兼容性、性能优化、前端框架选择等方面的问题。提供编程方面的建议，或者为他们提供一些技术上的支持。Chat-GPT还可以提供关于前端技术的信息，帮助前端工程师保持对最新技术的了解，并提供有关前端最佳实践的建议。
后端工程师：
作为一个语言大模型，Chat-GPT可以帮助JAVA工程师做很多事情，例如：
1. 提供技术文档和参考资料，包括JAVA编程语言、Java开发框架、数据库设计和优化、服务器配置和优化等。
2. 协助JAVA工程师进行代码审查和调试，提供问题解决方案和最佳实践。
3. 帮助JAVA工程师进行项目管理和进度跟踪，包括项目计划、需求分析、任务分配等。
4. 协助JAVA工程师进行性能优化和安全加固，包括代码重构、数据库优化、服务器配置等。
5. 提供关于JAVA技术发展趋势和最新技术的建议和参考，帮助JAVA工程师不断更新技术知识和提高技能水平。
第2期
为奋斗者提供成长的平台
需要注意的是，作为一个自然语言处理模型，Chat-GPT无法直接参与代码编写和软件开发工作，但Chat-GPT可以为JAVA工程师提供各种技术支持和解决方案，帮助他们更高效地完成开发任务。
测试工程师：
1. 自动生成测试用例：测试工程师可以提供测试需求和场景，Chat-GPT可以自动生成相应的测试用例。
2. 提供自然语言处理的技术支持：测试工程师可以将测试报告转化成自然语言，Chat-GPT可以进行自然语言处理，分析报告中的问题，并提供解决方案。
3. 提供自动化测试脚本的支持：测试工程师可以提供测试用例，Chat-GPT可以帮助生成自动化测试脚本。
4. 提供测试数据的支持：测试工程师可以提供测试数据的需求，Chat-GPT可以根据需求帮助生成测试数据。
5.提供缺陷分析的支持：测试工程师可以将缺陷报告转化成自然语言，Chat-GPT可以进行自然语言处理，分析缺陷的原因，并提供解决方案。
售前：
作为一个大型语言模型，Chat-GPT可以解析客户的需求，帮助公司提供初步的解决方案。通过对客户提出的问题进行语言理解和分析，Chat-GPT可以使用已有的知识库和数据资源，提供与问题相关的信息和解决方案，并根据客户的反馈不断优化答案的准确性和实用性。这可以帮助公司在售前阶段更好地与客户沟通，提高销售转化率和客户满意度。
销售：
作为一个语言模型，Chat-GPT可以帮助销售团队进行以下工作：
第2期
1. 推广：Chat-GPT可以根据产品或服务的特点，帮助销售团队撰写有效的宣传材料，如产品白皮书、文案、演讲稿等，以吸引潜在客户并提高产品或服务的知名度。
2. 市场分析：Chat-GPT可以帮助销售团队进行市场分析，提供相关数据和分析报告，以了解市场趋势、竞争对手、目标客户群等，以便销售团队更好地制定销售策略和战略计划。
3. 客户支持：Chat-GPT可以帮助销售团队提供客户支持，回答客户的常见问题、提供方案和解决方案，解决客户遇到的问题，提高客户满意度和忠诚度。
4.售前咨询：Chat-GPT可以帮助销售团队回答客户的售前咨询，了解客户需求，提供针对性的解决方案，并帮助销售团队制定更好的销售计划和策略。
5. 销售培训：Chat-GPT可以帮助销售团队进行销售培训，提供销售技巧和方法、销售策略和技巧等方面的培训，提高销售团队的销售能力和专业水平。
综上，我们可以看到，Chat-GPT可以在最大程度上提升公司的办公效率。
为奋斗者提供成长的平台
第2期
克拉玛依分公司表扬函
供稿：市场部
嘉洋智慧安全科技（北京）股份有限公司员工班顺顺、专家老师陈景玉老师，在采油四厂HSE提升项目中，凭借过硬的技术水平、认真负责的工作态度，主动积极与甲方客户各业务部门沟通配合，出色的完成了项目任务，得到了甲方客户高度的认可，特发来一封表扬信以表达感谢，期待项目成员在后续工作中再接再励，再创佳绩。
为奋斗者提供成长的平台
第2期
基于YOLOv5的石化装置
火焰烟雾检测算法
供稿：刘玉冰
1.文章信息
本次介绍的文章是广东石油化工学院发表的一篇火焰烟雾检测的文章，题目为《Flame smoke detection algorithm based on YOLOv5 in petrochemical plant》。
2.摘要
石油化工装置火灾烟雾检测，可以预防火灾，保证生产安全和生命安全。文章旨在解决复杂工厂背景下火焰烟雾检测中的漏检和误检问题。
文章提出了一种基于YOLOv5的火焰烟雾检测算法。目标回归损失函数(CIoU)用于改善目标检测中的漏检和误检，提高模型的检测性能。改进后的激活函数避免了梯度消失，保持了算法较高的实时性。数据增强技术用于增强网络提取特征的能力，提高小目标检测模型的准确性。根据火焰烟雾的实际情况，改进了YOLOv5模型的损失函数和激活函数。基于改进的YOLOv5模型，建立了一种具有泛化性能的火焰烟雾检测算法。将改进后的模型与SSD和YOLOv4-tiny进行了比较。改进后的YOLOv5模型精度可达99.5%，对火焰烟雾的检测效果更加准确。改进后的网络模型在运行时间和精度上均优于现有方法。
针对火焰烟雾检测的实际特殊性，建立了一种改进的基于YOLOv5的火焰烟雾检测网络模型。通过改进损失函数来达到优化模型的目的，并结合非线性能力较强的激活函数来避免网络的过拟合。该方法有助于改善火焰烟雾检测中的漏检和误检问题，可进一步推广到行人目标检测和车辆行驶识别中。
3.介绍
工厂的安全生产一直是一个不容忽视的问题。以石化工厂为例，由于生产车间密集，存在大量易燃易爆危险品，一旦发生火灾，极易诱发灾难性后果，造成环境污染，严重威胁生产安全和人员生命财产安全。因此，及时发现和预警控制早期火灾是安全生产的现实需求。厂区内火焰烟雾检测报警技术已受到国际、国内的重视。
火灾早期探测主要通过烟雾传感器和温度传感器来实现。例如，烟雾传感器通过检测烟雾浓度来完成防火。这种方法在室内或一些小场所有很好的表现。但在复杂环境中，由于气流环境、热障效应等因素的影响，再加上传感器检测距离较近、稳定性较低，依靠传感器检测温度、浓度等指标，很难准确获取现场实时信号数据信息。
虽然现有的目标检测研究已经取得了重大突破，但在实际的目标检测中，需要对整个图像进行卷积，需要更大的视场来满足算法的简洁快速。YOLO是一种目标检测器，它使用深度卷积神经网络学习的特征来检测目标。近年来，大量研究将其用于不同类型图像的智能检测，然而，模型结构复杂，火焰检测精度不够。
针对YOLOv5算法模型体积小、检测速度快的优异性能，以及处理厂区火焰烟雾检测问题的复杂性，文章在专门改进的YOLOv5的基础上建立了一种植物火焰烟雾检测算法，用于解决火焰烟雾漏检和误检问题。该算法将原有的GIoU _ Loss替换为CIoU _ Loss作为边界盒的损失函数，并利用SiLU激活函数来避免网络的过拟合。最后，通过与SSD、YOLOv4-tiny和YOLOv7算法的比较，验证了所提算法的有效性和可达性。
4.模型
A. YOLOv5网络模型及算法改进
损失函数的改进
损失函数是评估回归和分类问题的重要指标。在深度学习网络中，反向传播时间对误差估计至关重要。因此，本节通过引入更好的理论CIoU _ Loss 损失函数，改进了GIoU _ Loss 。
在目标检测中，需要对检测盒与真实盒的检测效果进行比较。通用网络中使用的GIoU _ Loss解决了在IoU的基础上，由于不同目标盒重叠而导致的比值无法优化的问题。GIoU的计算过程如下式第一个算式所示。
图片
上式第二个算式中，A为预测箱，B为实箱，IoU为传统的交点-并集比，即预测箱与实箱的交点面积与并集面积之比;Ac为预测框与实框最小包围矩形的面积。U为预测框和实框的面积。第三个算式中，LGIOU为GIoU的损失。
当预测框包含在目标框内时，GIoU _ Loss退化为IoU _ Loss，相对位置关系无法区分。为了更好地优化目标盒和预测盒，本文提出用CIoU _ Loss代替原来的GIoU _ Loss作为包围盒损失函数。CIoU的计算过程如下边第一个算式所示。
图片
上述第二个算式中，ωA, hA为实际帧宽，ωB, hB为预测帧宽，α是权重，υ度量长宽比的相似度。C为两个矩形的最小对角线限定比例尺；ρ是A和B的中心点的欧氏距离；上述第三个算式中，LCIoU为CIoU的损失。
激活函数的改进
激活函数的目的是提高神经网络的非线性拟合能力。在YOLOv5网络结构中，骨干网中的LeakyReLU激活函数替换为SiLU(Sigmoid-Weighted Linear Units)激活函数。SiLU激活函数借鉴了ReLU函数族的思想，但更流畅。由于SiLU激活函数具有较强的非线性能力，可以解决LeakyReLU梯度爆炸的问题。如下图所示，改进后的CBS模块表示卷积层、批处理归一层和SiLU激活函数的串联模式。
图片
SiLU激活函数表达式如下:
图片
如上式第一个算式中，Sigmoid是常用的激活单元，SiLU函数表示Sigmoid的加权组合。由于SiLU激活函数本身具有自稳定特性，如上述第二个算式所示，它可以有效抑制大量权重的学习，从而避免网络过拟合，降低网络泛化性能。
5.实验结果与分析
A. 获取数据集
所获得的数据包含图像和视频两种格式类型。将得到的视频转换为视频图像序列，去除部分相似度高的图片。经过处理的样本图片被打乱，生成一个新的数据集用于训练。为了更好地评价工厂中火焰烟雾的目标识别性能，实验选择火焰和烟雾两种类型作为目标识别对象如下图，可以更好地反映YOLO模型在真实环境中的效果。
图片
为了从有限的工厂火焰烟雾数据集中充分获取目标特征信息，通过随机变换剔除模型中部分相似度较高的样本图像，防止过拟合导致特征学习停止，有利于模型的泛化。随机变换包括翻转、旋转、尺度变换、随机抠图、高斯噪声、随机模糊、颜色抖动等，以达到扩展数据集的目的。文章采用马赛克数据增强技术，通过随机缩放、随机裁剪和随机发射，将4张随机图像拼接成1张图像，丰富了数据集，提高了小目标的检测精度，增强了网络特征提取能力。下图显示了Mosaic数据增强结果。
图片
B. 自适应图像缩放
在一般的检测任务中，数据集图像的长度和宽度是不同的。由于小目标分布不均匀，严重影响了网络运行效率。
常见的处理方法是在训练和测试时将样本图像缩放到固定大小，然后将其发送到网络进行学习。如果在输入端仅以马赛克增强作为小样本图像处理的主要手段，则提高了小目标的检测精度，而减少了大目标的数据集，导致算法的平均精度下降。因此，传统的数据处理方法效果并不理想。
文章采用自适应缩放技术对数据输入端的数据进行处理。通过将原始图像缩放到标准尺寸，解决了原始数据集样本大小不同的问题。通过计算缩放后的尺度大小，得到黑边的填充值，在图像周围自适应添加最小黑边，减少计算量，从而加快检测速度。向这个示例添加黑边的效果如下图所示。
图片
C. 数据标注
本文使用图像标注软件labellmg对样本图像的真实值进行手动标注，选择对应目标区域的标注矩形框，自定义目标类别，标注信息将以.xml格式保存。双击打开“saved.xml”文件，文件中包含箱子所属类别、图像文件名、路径信息、目标类型和数量、箱子大小和中心点坐标。使用LabImage标注工具完成标注，最终获得2585张样本图像，包括火和烟2类，按照8:2的比例分为训练集和测试集，其中训练集图像2068张，测试集图像517张。
D. 模型训练
用于模型训练的硬件环境:Intel (R) Core (TM) i9-10900K CPU, 32.0 GB内存，NVIDIAGeForceRTX3090。软件环境:Windows10操作系统，Python3.10开发语言，PyTorch深度学习框架。在超参数设置中，batch-size设置为16，最大迭代次数的epoch设置为300,num-workers设置为2。Adam优化器可以在训练过程中达到参数优化的目的，同时保证网络检测精度，减小网络规模和参数数量，增强网络的检测和识别能力。随着训练轮数的增加，总损失值呈下降趋势。当训练轮数为300轮时，模型的精度趋于稳定，总损失值基本稳定在0.03，满足模型收敛的基本要求。可以确定300为模型的最佳训练轮，模型达到了较好的拟合效果。
E. 基于YOLOv5的工厂火焰烟雾检测及结果分析
为了更直观地感受三种算法的测试结果，选取了一组复杂背景和小目标样本图像进行检测。将选取的样本组发送到三种算法的网络模型中进行测试。YOLOv5l、SSD和YOLOv4-tiny算法的检测结果分别如下三图所示。
图片
YOLOv5l检测四张样本图像的时间分别为0.196s、0.075s、0.082s和0.07s。从上述的检测结果可以得出，在保证目标盒位置准确的前提下，检测小目标的可靠性达到80%以上，检测大目标的可靠性达到90%以上，满足厂区火焰烟雾检测要求，具有良好的检测性能。使用SSD算法对样本组进行测试，从图中可以看出，部分目标未被检测到，被检测目标的可靠性为60%-70%。可以看出，使用SSD算法检测样本组存在目标漏检、置信度低等问题。出现这种现象的原因可能是样本中的背景比较复杂，目标比较小。该模型在训练和学习过程中无法充分提取目标特征。因此SSD算法不能较好地满足厂区火焰烟雾目标检测的指标要求。使用YOLOv4-tiny算法检测样本组的结果如上图所示。yolov -tiny算法对样本组的检测时间分别为0.81 s、0.94 s、0.75 s和0.60 s，是改进YOLOv5算法的8-9倍。
从以上性能指标分析可以看出，基于我们提出的改进YOLOv5算法的火焰烟雾检测结果AP值高于99%，提高了目标检测精度，总损失率下降到0.03，显著低于一般目标检测算法的损失值。与SSD、YOLOv4-tiny和YOLOv7算法相比，基于改进YOLOv5算法的石化工厂火焰烟雾检测具有速度快、体积小的优点，较好地满足了石化工厂火焰烟雾检测的基本要求。
6.结论
文章提出了一种基于改进YOLOv5的工厂背景下火焰烟雾实时检测算法。目的是解决复杂背景、小目标和多目标火焰烟雾检测中的漏检和误检问题。
该模型采用速度快、精度高、尺寸自适应的YOLOv5l作为基本模型。文章的主要贡献如下:
(1)为了更好地优化目标盒和预测盒，采用CIoU _ Loss代替原有的GIoU _ Loss作为包围盒损失函数，加快了模型的收敛速度，提高了模型的检测性能;
(2)为避免网络过拟合，将卷积模块的LeakyReLU激活函数替换为SiLU激活函数，解决LeakyReLU梯度消失和梯度爆炸的问题，防止其泛化性能降低;
(3)针对数据集中目标小、背景复杂的问题，采用马赛克数据增强技术，提高小目标的检测精度，增强网络特征提取能力。自适应图像调整技术可以自适应地在图像周围添加最少的黑边，减少参数计算量，从而更好地平衡网络模型的精度和速度。
(4)对预训练的YOLOv5进行火焰烟雾测试和评估，并与其他算法进行比较。
实验结果表明，该算法能够很好地检测出火焰烟雾样本图像中的多目标和小目标，对于数据集中的复杂背景、漏检、误检等问题有较好的改善。该方法在火焰烟雾检测的实际场景中具有一定的优势。但是需要考虑的是，当检测背景与烟雾的相似度过高时，算法在检测视频样本时会出现较低的帧率。原因是数据集本身存在很多小目标，使用马赛克数据增强会导致模型泛化能力较差。
为奋斗者提供成长的平台
第2期
为奋斗者提供成长的平台
3.介绍
工厂的安全生产一直是一个不容忽视的问题。以石化工厂为例，由于生产车间密集，存在大量易燃易爆危险品，一旦发生火灾，极易诱发灾难性后果，造成环境污染，严重威胁生产安全和人员生命财产安全。因此，及时发现和预警控制早期火灾是安全生产的现实需求。厂区内火焰烟雾检测报警技术已受到国际、国内的重视。
火灾早期探测主要通过烟雾传感器和温度传感器来实现。例如，烟雾传感器通过检测烟雾浓度来完成防火。这种方法在室内或一些小场所有很好的表现。但在复杂环境中，由于气流环境、热障效应等因素的影响，再加上传感器检测距离较近、稳定性较低，依靠传感器检测温度、浓度等指标，很难准确获取现场实时信号数据信息。
虽然现有的目标检测研究已经取得了重大突破，但在实际的目标检测中，需要对整个图像进行卷积，需要更大的视场来满足算法的简洁快速。YOLO是一种目标检测器，它使用深度卷积神经网络学习的特征来检测目标。近年来，大量研究将其用于不同类型图像的智能检测，然而，模型结构复杂，火焰检测精度不够。
针对YOLOv5算法模型体积小、检测速度快的优异性能，以及处理厂区火焰烟雾检测问题的复杂性，文章在专门改进的YOLOv5的基础上建立了一种植物火焰烟雾检测算法，用于解决火焰烟雾漏检和误检问题。该算法将原有的GIoU _ Loss替换为CIoU _ Loss作为边界盒的损失函数，并利用SiLU激活函数来避免网络的过拟合。最后，通过与SSD、YOLOv4-tiny和YOLOv7算法的比较，验证了所提算法的有效性和可达性。
第2期
为奋斗者提供成长的平台
4.实验结果与分析
A. 获取数据集
所获得的数据包含图像和视频两种格式类型。将得到的视频转换为视频图像序列，去除部分相似度高的图片。经过处理的样本图片被打乱，生成一个新的数据集用于训练。为了更好地评价工厂中火焰烟雾的目标识别性能，实验选择火焰和烟雾两种类型作为目标识别对象如下图，可以更好地反映YOLO模型在真实环境中的效果。
B. 自适应图像缩放
在一般的检测任务中，数据集图像的长度和宽度是不同的。由于小目标分布不均匀，严重影响了网络运行效率。
常见的处理方法是在训练和测试时将样本图像缩放到固定大小，然后将其发送到网络进行学习。如果在输入端仅以马赛克增强作为小样本图像处理的主要手段，则提高了小目标的检测精度，而减少了大目标的数据集，导致算法的平均精度下降。因此，传统的数据处理方法效果并不理想。
第2期
为奋斗者提供成长的平台
文章采用自适应缩放技术对数据输入端的数据进行处理。通过将原始图像缩放到标准尺寸，解决了原始数据集样本大小不同的问题。通过计算缩放后的尺度大小，得到黑边的填充值，在图像周围自适应添加最小黑边，减少计算量，从而加快检测速度。向这个示例添加黑边的效果如下图所示。
C. 数据标注
本文使用图像标注软件labellmg对样本图像的真实值进行手动标注，选择对应目标区域的标注矩形框，自定义目标类别，标注信息将以.xml格式保存。双击打开“saved.xml”文件，文件中包含箱子所属类别、图像文件名、路径信息、目标类型和数量、箱子大小和中心点坐标。使用LabImage标注工具完成标注，最终获得2585张样本图像，包括火和烟2类，按照8:2的比例分为训练集和测试集，其中训练集图像2068张，测试集图像517张。
D. 模型训练
用于模型训练的硬件环境:Intel (R) Core (TM) i9-10900K CPU, 32.0 GB内存，NVIDIAGeForceRTX3090。软件环境:Windows10操作系统，Python3.10开发语言，PyTorch深度学习框架。在超参数设置中，batch-size设置为16，最大迭代次数的epoch设置为300,num-workers设置为2。Adam优化器可以在训练过程中达到参数优化的目的，同时保证网络检
第2期
为奋斗者提供成长的平台
测精度，减小网络规模和参数数量，增强网络的检测和识别能力。随着训练轮数的增加，总损失值呈下降趋势。当训练轮数为300轮时，模型的精度趋于稳定，总损失值基本稳定在0.03，满足模型收敛的基本要求。可以确定300为模型的最佳训练轮，模型达到了较好的拟合效果。
E. 基于YOLOv5的工厂火焰烟雾检测及结果分析
为了更直观地感受三种算法的测试结果，选取了一组复杂背景和小目标样本图像进行检测。将选取的样本组发送到三种算法的网络模型中进行测试。YOLOv5l、SSD和YOLOv4-tiny算法的检测结果分别如下三图所示。
YOLOv5l检测四张样本图像的时间分别为0.196s、0.075s、0.082s和0.07s。从上述的检测结果可以得出，在保证目标盒位置准确的前提下，检测小目标的可靠性达到80%以上，检测大目标的可靠性达到90%以上，满足厂区火焰烟雾检测要求，具有良好的检测性能。使用SSD算法对样本组进行测试，从图中可以看出，部分目标未被检测到，被检测目标的可靠性为60%-70%。可以看出，使用SSD算法检测样本组存在目标漏检、置信度低等问题。出现这种现象的原因可能是样本中的背景比较复杂，目标比较小。该模型在训练和学习过程中无法充分提取目标特征。因此SSD算法不能较好地满足厂区火焰烟雾目标检测的指标要求。使用YOLOv4-
第2期
为奋斗者提供成长的平台
tiny算法检测样本组的结果如上图所示。yolov -tiny算法对样本组的检测时间分别为0.81 s、0.94 s、0.75 s和0.60 s，是改进YOLOv5算法的8-9倍。
从以上性能指标分析可以看出，基于我们提出的改进YOLOv5算法的火焰烟雾检测结果AP值高于99%，提高了目标检测精度，总损失率下降到0.03，显著低于一般目标检测算法的损失值。与SSD、YOLOv4-tiny和YOLOv7算法相比，基于改进YOLOv5算法的石化工厂火焰烟雾检测具有速度快、体积小的优点，较好地满足了石化工厂火焰烟雾检测的基本要求。
6.结论
文章提出了一种基于改进YOLOv5的工厂背景下火焰烟雾实时检测算法。目的是解决复杂背景、小目标和多目标火焰烟雾检测中的漏检和误检问题。
该模型采用速度快、精度高、尺寸自适应的YOLOv5l作为基本模型。文章的主要贡献如下:
(1)为了更好地优化目标盒和预测盒，采用CIoU _ Loss代替原有的GIoU _ Loss作为包围盒损失函数，加快了模型的收敛速度，提高了模型的检测性能;
(2)为避免网络过拟合，将卷积模块的LeakyReLU激活函数替换为SiLU激活函数，解决LeakyReLU梯度消失和梯度爆炸的问题，防止其泛化性能降低;
(3)针对数据集中目标小、背景复杂的问题，采用马赛克数据增强技术，提高小目标的检测精度，增强网络特征提取能力。自适应图像调整技术可以自适应地在图像周围添加最少的黑边，减少参数计算量，从而更好地平衡网络模型的精
第2期
为奋斗者提供成长的平台
度和速度。
(4)对预训练的YOLOv5进行火焰烟雾测试和评估，并与其他算法进行比较。
实验结果表明，该算法能够很好地检测出火焰烟雾样本图像中的多目标和小目标，对于数据集中的复杂背景、漏检、误检等问题有较好的改善。该方法在火焰烟雾检测的实际场景中具有一定的优势。但是需要考虑的是，当检测背景与烟雾的相似度过高时，算法在检测视频样本时会出现较低的帧率。原因是数据集本身存在很多小目标，使用马赛克数据增强会导致模型泛化能力较差。
第2期
你必须知道的颈椎保健小知识
供稿：行政人事部
近些年,年轻白领患上颈椎病的不在少数，很多人都会受到颈椎病的困扰，颈椎病的临床症状常常有颈背疼痛、上肢无力、手指发麻等，严重影响着患者的生活。那么日常生活中该如何保养颈椎呢?
1、颈部保暖
颈部受凉的话容易造成颈部的血液循环不利，从而出现颈椎病症状。冬天可能会觉得冷，围个围巾，但是一到夏天，很多人贪凉经常在空调房里吹空调，这时就需要注意了，莫要让颈椎受凉。
2、养成良好的习惯
因为工作原因有太多的人长时间处于一个姿势，时间长了就会感到脖子发硬，肩颈疼痛，脖子活动受限，如果出现这些症状，那么很可能就是颈椎出现问题了。可以抽出来十分钟站起来走动走动，伸个懒腰，做做爬墙运动，或者做一套简单的颈椎操，比如写个米字，都可以很好的预防颈椎病。
另外还有一部分人，日常生活中没有良好的生活习惯，喜
为奋斗者提供成长的平台
第2期
欢躺着看书或者长时间低头玩手机，这些不良的生活习惯都会破坏颈椎的正常生理曲度，对颈部的生理机能也不利。所以在日常生活中我们要避免这些不良的习惯，做到正确用颈，姿势正确，从而远离颈椎病。
为奋斗者提供成长的平台
第2期
Chat-GPT对公司未来发展建议
供稿：吴新涛
大家看到的这期月刊第一篇文章-积极拥抱Chat-GPT，是Chat-GPT自己生成的一篇内容基础上，加上我提出具体问题后，Chat-GPT做出的回答，组合完成的。我个人添加的一共不超过30个汉字。主要目的是希望大家了解一下Chat-GPT可以做什么？如何把这个AI工具和自己的工作相结合，提高效率。在目前这个AI发展如此迅猛的形势下，我们的招聘策略会做非常大的调整，从人员迅速扩张变成AI和现有人员相结合，至少很多初级工程师岗位，这两年我们暂时不会招聘了。
下面我又问了一下Chat-GPT和咱们现有几个竞标对象的对比分析，以及对公司未来发展的建议，以下是Chat-GPT的回答：
一、嘉洋科技的竞争对手：
嘉洋智慧安全科技（北京）股份有限公司是中国的一家安全领域的科技企业，市场上存在一些与之类似的竞争对手。这
为奋斗者提供成长的平台
第2期
些对手可能包括其他的安全科技公司、传统的安全服务公司以及一些科技巨头公司。具体来说，中国安全领域的竞争对手包括但不限于：海康威视、大华股份、中电科、航天信息、金风科技、云从科技、九州通、中国安全科技、同方威视。
为奋斗者提供成长的平台
当然，这些只是其中的一部分，市场竞争格局也在不断变化和调整。
（一）竞争对手的比较
1. 格灵深瞳（DeepGlint）
是一家总部位于中国北京的人工智能公司，成立于2015年，主要业务是提供智能视频分析和计算机视觉解决方案。该公司的产品包括智能安防监控系统、智能交通系统、智能零售系统、智能城市治理等。
相比之下，嘉洋科技在安全生产方面具有一定的行业经验和技术积累，主要致力于提供从安全生产风险管理、作业安全培训、安全生产监测、安全生产数据分析、到安全管理可视化等方面的解决方案。
两家公司的业务重点有所不同，但都基于计算机视觉技术和人工智能等先进技术，为客户提供解决方案。在技术实力、市场占有率、客户口碑等方面，两家公司可能存在一定的差异。但是，两家公司都是在不断发展和创新，具有一定的市场潜力和前景。需要注意的是，这仅仅是一个基于公开信息的简单分析，具体的对比分析需要结合更多数据和细节进行深入研究。
2. 容知日新（与嘉洋科技的设备健康管理业务对比）
容知日新是一家专注于物联网设备远程监控、运维管理、
第2期
数据分析和应用的公司。其设备健康管理业务与嘉洋科技类似，都是通过实时监控设备运行状态、分析设备数据等手段，实现对设备健康状况的预测和监控。两家公司的业务模式和技术手段有一些相似之处，但也有一些不同之处。相比较而言，嘉洋科技在设备健康管理业务上更加注重安全生产领域，主要围绕大型移动设备（如压缩机、泵等）的故障预测展开，其产品定位更为专业化，服务对象更为细分化。而容知日新则更加注重于工业领域的设备监测，服务范围更为广泛，产品较为通用，适用于多种类型的设备。此外，容知日新还提供了工业互联网平台和数据分析产品，可为客户提供更加全面的解决方案。
为奋斗者提供成长的平台
总的来说，两家公司在设备健康管理领域的业务方向和技术手段有所不同，各有优劣。嘉洋智慧安全科技更专注于安全生产领域的大型移动设备故障预测和健康管理，服务更为细分化和专业化；而容知日新则更加广泛地服务于多种工业设备类型，提供的产品较为通用和全面。
3. 博华信智科技股份有限公司与嘉洋科技设备健康管理业务对比。
北京博华信智科技股份有限公司（下称“博华信智”）是一家致力于为工业智能化提供整体解决方案的公司。其产品和服务包括工业物联网、智能设备、工业大数据、工业云平台等。与嘉洋科技相比，两家公司在设备健康管理领域有所重叠。
嘉洋科技的设备健康管理业务主要聚焦于大型移动设备的故障预测，以压缩机、泵等为主。通过对设备的运行数据进行采集和分析，提供故障预测和故障分析等服务，帮助客户提高设备可靠性和运行效率。
第2期
为奋斗者提供成长的平台
博华信智的设备健康管理业务则更加广泛，包括设备运行状态监测、故障预测、维修保养等多个环节。其通过工业物联网技术和云平台技术，实现对设备的远程监测和数据分析，提供基于数据驱动的服务，帮助客户优化设备维护和运行管理，提高设备的利用率和可靠性。
从技术能力上来看，嘉洋智慧的设备健康管理业务主要依赖于数据采集和算法模型，而博华信智则更加注重对工业物联网技术和云平台技术的应用。同时，博华信智的业务范围更广，覆盖了设备的全生命周期，可以提供更加综合的解决方案。
综上所述，嘉洋科技和博华信智在设备健康管理领域存在一定的重叠，但业务范围和技术重点有所不同。如果两家公司能够加强技术创新和产品开发，提高服务质量和客户满意度，相信都能在市场上取得更好的表现。公开的财务报告和市场分析报告。
4. 在计算机视觉领域，公司的主要竞争对手
在计算机视觉领域，公司的主要竞争对手包括但不限于：旷视科技（Megvii Technology）、商汤科技（SenseTime）、云从科技（CloudWalk Technology）、图森未来（TuSimple），这些公司都是中国领先的人工智能技术企业，也是计算机视觉领域的佼佼者。他们与公司在技术、产品、市场等方面都有一定的竞争关系。
（二） 嘉洋科技公司与竟对相比，优势与劣势
Chat-GPT了解到公司在计算机视觉领域的优势和劣势如下：
第2期
嘉洋科技优势：
A.技术实力：公司在计算机视觉领域拥有雄厚的技术实力和丰富的经验，已经在多个领域成功应用，并拥有多项专利技术。
B.行业经验：公司在安全、工业等多个行业积累了丰富的经验，可以为客户提供个性化的解决方案。
C.国际化：公司已经在国际市场上拥有一定的影响力，并且在国际标准制定等方面也发挥着重要作用。
嘉洋科技劣势：
A. 品牌知名度：相较于国内的一些大型科技公司，公司的品牌知名度还有待提高。
B. 市场份额：在计算机视觉领域，公司的市场份额相对于一些竞争对手较小，需要进一步扩大市场份额。
二、通过以上提问内容，Chat-GPT可以给到嘉洋科技相关建议。
（一）发展建议
作为一个语言模型，Chat-GPT可以根据公司提供的信息和Chat-GPT所了解的相关领域知识，为公司提供一些建议和参考意见。然而，作为一个模型，Chat-GPT不知道公司的具体情况和内部运营，因此Chat-GPT的建议和参考意见只能作为参考，需要由公司自行评估和决策。
根据公司提供的信息，Chat-GPT了解到公司在工业安全、财务分析和设备健康管理等领域拥有一定的业务基础，并且正在向数字化、智能化方向发展。Chat-GPT认为，未来公司可以考虑在以下方面继续发展：
为奋斗者提供成长的平台
第2期
1. 加强数据分析和挖掘能力。在公司的业务中，涉及大量的数据收集和处理。加强对数据的分析和挖掘能力，将有助于提高业务效率和决策质量。
2. 推进人工智能技术应用。公司已经在安全监控和设备健康管理领域应用了人工智能技术，可以考虑在其他领域扩展应用，如营销分析、生产管理等方面。
3. 加强软件开发和维护能力。公司在安全信息化产品方面拥有一定的业务基础，可以进一步加强软件开发和维护能力，开发更多具有竞争力的产品，提高市场占有率。
4. 关注用户需求和体验。无论是销售、售前、售后等环节，都需要关注用户的需求和体验。加强用户研究和用户反馈，不断优化产品和服务，将有助于提高用户满意度和忠诚度。
5. 市场规划：
• 根据公司的核心竞争力，进行市场定位和细分，重点打造一些有竞争力的领域，例如设备健康管理、计算机视觉等。
• 加强与国内外知名企业的合作，扩大市场份额，提高知名度。
• 积极拓展海外市场，寻找更广阔的发展机会。
6.产品规划：
• 继续深化产品研发，提高产品的质量和功能性，并保持技术领先。
• 在产品上注重用户体验，加强客户服务和售后支持，提高客户满意度。
• 根据市场需求和技术趋势，研发新的产品和服务，不断拓
为奋斗者提供成长的平台
第2期
7.人才规划：
• 招聘和留住高素质的人才，提高研发、销售和管理团队的整体实力。
• 注重培养和提升员工的技术和管理能力，激发员工的创新精神，提高整个团队的竞争力。
• 建立完善的人才激励机制，保证公司的长期稳定发展。
综上所述，Chat-GPT认为公司在当前的业务基础上，可以加强数据分析和挖掘能力，推进人工智能技术应用，加强软件开发和维护能力，并关注用户需求和体验，以实现更好的业务发展。Chat-GPT在公司中将发挥重要作用，帮助公司更好地理解客户需求、提高项目交付质量和提升公司日常工作效率。随着技术的不断发展和应用，Chat-GPT将成为公司业务发展的重要推动力量。
（二）业务建议
1. 深入研究客户需求，开发出针对性更强、更符合市场需求的产品和服务，提升市场竞争力。
2. 提高产品质量和服务水平，注重客户满意度，并不断改善和优化服务，树立品牌形象。
3. 拓展市场渠道，加强与合作伙伴的合作，扩大市场影响力。
4. 加强人才引进和培养，建立科学的人才管理机制，不断提高公司技术和管理水平，为公司发展提供强有力的支持。
5. 探索新的技术应用领域，加强技术创新和研发投入，不断提高公司在技术上的领先优势，保持公司在行业内的地位。
为奋斗者提供成长的平台
展产品线，提高市场竞争力。
编辑部/ The Editorial
Editorial Board
编委会
吴新涛、秦建敏、王保宗、郭睿、李邦峦、张贤文、
曾华路、张铭轩、胡志闯、杨鹏、徐银、马文月、
林娜、段丽鲜、周月、吴君婕、罗宇、阚云、
李冰玉、朴美杰、邸思佳、刘雯菁
Edintorial-in-Chief
总编：吴新涛
Responsible Editor
责任编辑：秦建敏、王保宗、郭睿、李邦峦、张贤文
Management Group
管理组：市场部
嘉洋科技
地址：北京市朝阳区安立路80号马哥孛罗大厦
电话：010-59636601
增值电信业务经营许可证：陕B2-20210327 | 
陕公网安备 61102302611033号