-
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：CN116776156A
公开(公告)日：2023-09-19
申请号：CN202310901745.4
申请日：2023-07-20
Applicant: 中国科学技术大学先进技术研究院
IPC: G06F18/214
Abstract: 本申请公开了一种故障诊断模型的训练方法、装置、电子设备及存储介质，属于计算机技术领域。所述方法包括：获取多个工况中各工况集下的故障数据，分别作为源域数据，并获取目标工况下的故障数据，作为目标域数据，所述工况集包括所述多个工况中的至少一个工况，所述工况集下的故障数据为已标记故障类别的数据，所述目标工况下的故障数据为未标记故障类别的数据；确定所述目标域数据与各所述源域数据之间的目标分布差异；根据所述目标分布差异选取源域数据作为训练数据；根据所述训练数据，对所述目标工况的故障诊断模型进行训练。本申请能够提高模型训练效果，进而提高对目标工况进行故障诊断的准确率。
-
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。
-
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。
-
Patent Agency Ranking
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：CN118135365A
公开(公告)日：2024-06-04
申请号：CN202311363066.2
申请日：2023-10-19
Applicant: 中国科学技术大学先进技术研究院
IPC: G06V10/82 , G06V10/774 , G06V20/70 , G06V10/764 , G06V10/766 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种基于SYNet的气体泄漏检测方法、装置、设备及介质，属于环境监测技术领域，该方法包括：获取与石化气体检测相关的气体红外图像集；基于所述气体红外图像集建立图像数据集；构建SYNet网络，基于所述图像数据集对所述SYNet网络进行训练，得到石化气体泄漏检测模型；获取待检测视频数据，将所述待检测视频数据输入所述石化气体泄漏检测模型中，得到石化气体泄漏检测结果。本发明通过训练好的石化气体泄漏检测模型自动对图像进行检测，将石化气体泄漏定性检测自动化，实现了提升石化气体检测效率的技术效果。
-
公开(公告)号：CN117475271A
公开(公告)日：2024-01-30
申请号：CN202311580012.1
申请日：2023-11-21
Applicant: 中国科学技术大学先进技术研究院
IPC: G06V10/80 , G06V10/44 , G06V10/54 , G06V10/774 , G06V20/10 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本申请公开了一种特征度量的石化气体泄露图像融合方法和装置，属于石化气体技术领域。所述特征度量的石化气体泄露图像融合方法包括：将获取的目标场景下的石化气体所对应的源图像输入至图像融合模型，得到图像融合模型输出的石化气体对应的初始融合图像；源图像包括红外光图像和可见光图像；对红外光图像进行特征提取，得到红外光图像对应的第一特征图；对可见光图像进行特征提取，得到可见光图像对应的第二特征图；基于第一特征图、第二特征图以及初始融合图像，构建损失函数；基于损失函数训练图像融合模型；图像融合模型用于对石化气体对应的泄漏图像进行融合。本申请的特征度量的石化气体泄露图像融合方法，提升了石化气体的成像效果。
-
公开(公告)号：CN113780136B
公开(公告)日：2023-07-14
申请号：CN202111013478.4
申请日：2021-08-31
Applicant: 中国科学技术大学先进技术研究院
IPC: G06V20/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明的一种基于时空纹理识别的VOCs气体泄漏检测方法、系统及设备，包括以下步骤，S1：获取红外视频数据并对进行数据预处理；S2：从红外视频数据中提取一维时序特征数据，训练一维卷积神经网络分类器；S3：从红外视频数据中提取多帧存在VOCs泄漏的连续视频帧，使用视频帧训练二维加型时空神经网络分类器；S4：采样若干像素点的时空特征，使用一维卷积神经网络分类器，计算出平均泄漏置信度；当超过预设阈值时，将相关视频帧输入二维加型时空神经网络分类器，并输出预测结果。本发明充分利用时空纹理特征使用卷积神经网络对红外视频图像进行预筛查，随后再使用加型时空神经网络模型进行复检，从而在实现VOCs泄漏快速检测的同时显著降低计算性能需求。
-
公开(公告)号：CN113222328B
公开(公告)日：2022-02-25
申请号：CN202110320263.0
申请日：2021-03-25
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)
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.042 seconds)
