-
公开(公告)号：CN113221976A
公开(公告)日：2021-08-06
申请号：CN202110454413.7
申请日：2021-04-26
Applicant: 中国科学技术大学先进技术研究院 , 安徽省生态环境监测中心(安徽省重污染天气预报预警中心)
Abstract: 本发明的一种基于时空光流网络的多视频帧黑烟柴油车检测方法及系统，包括基于获取到的视频，对包含检测目标的视频进行关键帧提取并处理；建立检测黑烟柴油车所需的模型，并训练模型；利用改进的LK时空光流网络分析连续视频帧间的联系，对视频动态区域进行捕捉和分割，筛选出疑似黑烟的区域；将框定的疑似包含黑烟的区域输入到已经训练好的目标检测模型中，进行二次检测；若最终检测出黑烟，则将排放黑烟的柴油车进行框选，并输出检测后的结果。本发明通过LK光流网络，建立连续多视频帧间的时空联系，以快速、高效地框选动态区域，有效减少静态区域非黑烟图像的识别和误检，再通过端到端的目标检测模型，保证视频黑烟检测的准确性和高效性。
-
公开(公告)号：CN113221975A
公开(公告)日：2021-08-06
申请号：CN202110454379.3
申请日：2021-04-26
Applicant: 中国科学技术大学先进技术研究院 , 安徽省生态环境监测中心(安徽省重污染天气预报预警中心)
Abstract: 本发明的一种基于改进马尔可夫分析法的工况构建方法及存储介质，基于改进马尔可夫分析法的工况构建方法，基于时序分割的片段划分方法，融合路段长度等信息构造二维速度场，并采用先进的transformer来直接建模各全局特征，提取时间依赖性，包括：速度场构建、切片并向量化、嵌入空间投影、编码器特征学习、解码器分类预测。由上可知，本发明不同于传统的马尔可夫法工况构建，本发明最大限度利用上行驶数据的连续性，考虑动态数据的时间依赖性。传统的马尔可夫法，逐秒切分的模型事件，构成的模型事件集过于庞大，影响运行效率，且完全破坏了数据的时间依赖性。
-
公开(公告)号：CN113222211B
公开(公告)日：2023-12-12
申请号：CN202110346881.2
申请日：2021-03-31
Applicant: 中国科学技术大学先进技术研究院 , 安徽省生态环境监测中心(安徽省重污染天气预报预警中心)
IPC: G06Q10/04 , G06N3/084 , G06N3/0464
Abstract: 本发明的一种多区域柴油车污染物排放因子预测方法及系统，包括获取各区域的监测数据，并进行归一化数据处理；把处理后的数据输入事先训练好的以城市公共监测数据集以及该m个区域的监测数据集建立的该城市移动源污染监测影响因素和污染排放物因子关系的预测模型，对污染物排放因子进行预测；训练好的预测模型为一个全连接神经网络，总调度中心以及m个区域的污染物排放因子预测网络结构均相同，该网络包含三个全连接层Fc1、Fc2和Fc3；输入输出维度依次为(9,32),(32,8),(8,1)，分类器输入x，输出污染物排放因子y。本发明能够在保护(56)对比文件付东王;王超;张倩;余代广.基于BP神经网络模型预测区域需水量.城市道桥与防洪.2011,(第04期),93-97.
-
公开(公告)号：CN115577569A
公开(公告)日：2023-01-06
申请号：CN202211442855.0
申请日：2022-11-18
Applicant: 中国科学技术大学先进技术研究院
Abstract: 本申请公开了测井解释基准模型构建方法、装置、设备及介质，所述方法包括：获取不同井位的测井样本数据和测井样本标签数据；基于原始样本映射模型，对所述测井样本数据进行样本映射，得到测井映射样本数据；基于所述测井映射样本数据和所述测井样本标签数据和目标损失函数，迭代训练领域共有预测模型和领域特有输出预测模型，其中，所述目标损失函数由领域共有模型损失函数和领域特有模型损失函数组成；将所述领域共有预测模型的领域共有输出权重矩阵和所述原始样本映射模型进行组合，得到测井解释基准模型。本申请解决了现有技术中由于非地层因素使得原始测井数据的畸变和失真，从而导致测井解释模型准确度低的技术问题。
-
公开(公告)号：CN115471515A
公开(公告)日：2022-12-13
申请号：CN202211313110.4
申请日：2022-10-25
Applicant: 中国科学技术大学先进技术研究院
Abstract: 本发明涉及环境检测技术领域，公开了一种车辆排放黑烟检测方法、装置、设备及存储介质，该方法包括：对采集到的环检站柴油车辆尾气排放黑烟图像进行颜色空间转换，获得掩膜图像；基于掩膜图像从环检站柴油车辆尾气排放黑烟图像中确定车辆排气管尾部关键区域图像；将车辆排气管尾部关键区域图像输入至黑烟排放检测模型，根据模型输出结果判断车辆是否排放黑烟，黑烟排放检测模型基于Darknet框架构建。相比于现有技术中通过人工检测的方法来判断车辆是否排放黑烟，本发明通过将待检测图像输入至训练好的黑烟排放检测模型中来判断车辆是否排放黑烟，消除了现有技术中人为因素或其他主观因素的负面影响，从而提高了黑烟检测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113850172A
公开(公告)日：2021-12-28
申请号：CN202111096477.0
申请日：2021-09-18
Applicant: 中国科学技术大学先进技术研究院
Abstract: 本发明的一种微尺度VOCs泄漏检测方法、系统、存储介质及设备，包括以下步骤：S10、获取VOCs泄漏区和无泄漏区的红外图像进行数据预处理；S20、将预处理数据输入骨干网络，采用不同大小的核函数进行特征学习；S30、使用粗分类模块过滤大量非VOCs泄漏气体背景区域，提取出疑似VOCs泄漏图像；S40、使用细分类模块对疑似VOCs泄漏图像进行分类，并对VOCs泄漏位置回归定位，进而得出检测结果。本发明充分利用卷积神经网络对VOCs泄漏红外图像特征学习，通过粗粒度到细粒度框架，粗分类器有效的过滤大量背景信息，减少了计算量，使用细分类器进行精准定位和识别分类，从而有效的节省计算资源并提高检测准确性。
-
公开(公告)号：CN113222211A
公开(公告)日：2021-08-06
申请号：CN202110346881.2
申请日：2021-03-31
Applicant: 中国科学技术大学先进技术研究院 , 安徽省生态环境监测中心(安徽省重污染天气预报预警中心)
Abstract: 本发明的一种多区域柴油车污染物排放因子预测方法及系统，包括获取各区域的监测数据，并进行归一化数据处理；把处理后的数据输入事先训练好的以城市公共监测数据集以及该m个区域的监测数据集建立的该城市移动源污染监测影响因素和污染排放物因子关系的预测模型，对污染物排放因子进行预测；训练好的预测模型为一个全连接神经网络，总调度中心以及m个区域的污染物排放因子预测网络结构均相同，该网络包含三个全连接层Fc1、Fc2和Fc3；输入输出维度依次为(9,32),(32,8),(8,1)，分类器输入x，输出污染物排放因子y。本发明能够在保护各区域数据隐私的情况下，完成一种多区域柴油车污染物排放因子预测方法与系统，并且充分考虑到各区域间数据分布存在差异的问题。
-
公开(公告)号：CN113221943A
公开(公告)日：2021-08-06
申请号：CN202110357519.5
申请日：2021-04-01
Applicant: 中国科学技术大学先进技术研究院 , 安徽省生态环境监测中心(安徽省重污染天气预报预警中心)
Abstract: 本发明的一种柴油车黑烟图像识别方法、系统及存储介质，包括获取柴油车黑烟视频，输入事先训练好的黑烟图像识别模型中，进行测试得到动态的黑烟分割视频，并识别出黑烟团；黑烟图像识别模型训练步骤包括：样本构建：数据为红绿灯路口监控拍摄柴油车启动的视频，记录到排放出的黑色空气污染物，视频分为若干帧数；网络构建：通过在每k帧中，第c*k帧是当前待处理的帧，在[(c‑1)*k,c*k)帧中随机选取2帧来考虑与当前帧的上下文联系，即将系统结构分成前2帧关联信息信息提取模块即CEM和当前帧分割模块CFSM。本发明基于一种语义分割的深度学习方法，不仅可以检测出是否有黑烟，而且可以实时智能的描绘出排放黑烟的大小形状，有利于评估车辆的污染程度。
-
公开(公告)号：CN116091491B
公开(公告)日：2023-07-04
申请号：CN202310344437.6
申请日：2023-04-03
Applicant: 中国科学技术大学先进技术研究院
IPC: G06T7/00 , G06T7/20 , G06V10/774
Abstract: 本发明公开了一种VOCs气体检测方法、装置、设备及计算机可读存储介质，属于环境监测技术领域。该方法包括：从含VOCs气体泄露的原始红外视频中筛选关键视频帧，并根据关键视频帧得到标签帧和实验帧，然后基于关键视频帧、标签帧和实验帧训练增强模型并通过训练好的增强模型得到增强红外视频，进一步地，基于增强红外视频和增强红外视频对应的标注信息训练检测模型，前述检测模型基于时间特征和空间特征实现对VOCs气体的检测，至此，便可通过训练好的增强模型和检测模型对含VOCs气体泄漏的待检测视频进行VOCs气体检测。本发明旨在实现保证VOCs泄露气体检出率的同时提升准确率。
-
公开(公告)号：CN116309473A
公开(公告)日：2023-06-23
申请号：CN202310287758.7
申请日：2023-03-20
Applicant: 中国科学技术大学先进技术研究院
IPC: G06T7/00 , G06T7/73 , G06T7/66 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种气体泄漏检测模型的训练方法和气体泄漏检测方法，属于气体泄漏检测技术领域。气体泄漏检测模型的训练方法包括：获取气体红外图像样本集；将气体红外图像样本集输入至特征提取模块，得到气体特征信息；将气体特征信息输入至边界响应模块，定位第一气体泄漏区域，对气体特征信息进行边界特征增强，并将气体特征信息和第一气体泄漏区域的边界位置信息进行结合，得到气体融合特征图；将气体融合特征图输入至特征检测模块，得到样本气体泄漏区域位置信息和样本泄漏源位置信息；调整气体泄漏检测模型的参数，得到训练好的气体泄漏检测模型。该方法提升了气体泄漏区域和泄漏源头的检出准确度和效率。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.045 seconds)
