公开(公告)号：CN115277497B

公开(公告)日：2023-09-01

申请号：CN202210716495.2

申请日：2022-06-22

Applicant: 中国铁道科学研究院集团有限公司电子计算技术研究所 ,  北京经纬信息技术有限公司 ,  中国铁道科学研究院集团有限公司

Inventor： 史维峰 ,  王瑞 ,  杨文 ,  王洪伟 ,  张德强 ,  关则彬 ,  赵颖 ,  柳青红 ,  刘浩朋 ,  袁碧懋 ,  杨雪 ,  罗浩 ,  胡昊 ,  王悉 ,  孙运昌 ,  朱力 ,  杨琦 ,  徐成伟 ,  沈敬伟 ,  匡建立 ,  沙兰可 ,  许占华 ,  熊伟 ,  陈双双 ,  刘艳波 ,  王昊 ,  温桂玉 ,  王文华 ,  董学娟 ,  邹易璋

IPC: H04L43/0852 ,  H04L41/14 ,  H04L41/16

Abstract: 本发明提供一种传输延迟时间测量方法、装置、电子设备及存储介质，包括：获取服务器逐帧传输的历史数据包所对应的历史时间间隔；将历史时间间隔输入至预设延迟预测模型，得到逐帧传输的当前数据包对应的预测时间间隔，预设延迟预测模型是基于样本历史时间间隔训练LSTM模型得到的模型；基于预测时间间隔、当前数据包对应的实际时间间隔和发送端的数据包发送时间间隔，输出传输延迟时间。以此结合逐帧传输方式降低数据发送延时，实现兼顾整个传输系统的实时性和带宽利用率的目的；无需发送端和客户端时间同步，提高了传输延迟测量的适用性；结合训练循环神经网络的方式，提高了预测时间间隔的精准度，也提高了传输延迟测量的精确性和可靠性。

公开(公告)号：CN119964091A

公开(公告)日：2025-05-09

申请号：CN202510437531.5

申请日：2025-04-09

Applicant: 中国铁道科学研究院集团有限公司电子计算技术研究所 ,  中国铁道科学研究院集团有限公司 ,  北京经纬信息技术有限公司

Inventor： 王瑞 ,  杨文 ,  胡昊 ,  马祯 ,  程川 ,  刘新宇 ,  匡建立 ,  温桂玉 ,  冯爽 ,  吴浩楠 ,  罗浩 ,  柳青红 ,  杨雪 ,  张德强 ,  袁碧懋 ,  李雪莹 ,  刘静 ,  董学娟 ,  黄志敏 ,  陈梦 ,  郭鹏跃 ,  栗文韬 ,  蔡青 ,  孙婷婷 ,  张瀛丹 ,  刘浩朋 ,  陈双双 ,  李玉龙 ,  王宝田 ,  许占华 ,  李新雨 ,  熊伟 ,  杨礼 ,  王昊 ,  江珂

IPC: G06V20/52 ,  G06V10/25 ,  G06V10/764 ,  G06V10/44 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06V10/80

Abstract: 本发明提供一种轨道交通异物入侵检测方法、装置、电子设备和存储介质，属于图像处理技术领域，其中方法包括：获取目标轨道的原始监测图像，对原始监测图像进行预处理，得到目标轨道的监测图像；将目标轨道的监测图像输入至预先构建的异物检测模型，得到异物检测模型输出的目标轨道的异物检测结果；其中，异物检测模型是基于样本轨道的样本监测图像，以及样本轨道的异物检测结果标签进行训练得到的；其中，异物检测模型是基于YOLOv8网络进行改进得到的，异物检测模型包括轻量化主干网络、特征聚焦扩散金字塔网络和动态检测头网络。本发明能够提高异物检测的精度，实现对小尺度物体的准确检测，适用于复杂应用场景。

公开(公告)号：CN115277497A

公开(公告)日：2022-11-01

申请号：CN202210716495.2

申请日：2022-06-22

Applicant: 中国铁道科学研究院集团有限公司电子计算技术研究所 ,  北京经纬信息技术有限公司 ,  中国铁道科学研究院集团有限公司

Inventor： 史维峰 ,  王瑞 ,  杨文 ,  王洪伟 ,  张德强 ,  关则彬 ,  赵颖 ,  柳青红 ,  刘浩朋 ,  袁碧懋 ,  杨雪 ,  罗浩 ,  胡昊 ,  王悉 ,  孙运昌 ,  朱力 ,  杨琦 ,  徐成伟 ,  沈敬伟 ,  匡建立 ,  沙兰可 ,  许占华 ,  熊伟 ,  陈双双 ,  刘艳波 ,  王昊 ,  温桂玉 ,  王文华 ,  董学娟 ,  邹易璋

IPC: H04L43/0852 ,  H04L41/14 ,  H04L41/16

Abstract: 本发明提供一种传输延迟时间测量方法、装置、电子设备及存储介质，包括：获取服务器逐帧传输的历史数据包所对应的历史时间间隔；将历史时间间隔输入至预设延迟预测模型，得到逐帧传输的当前数据包对应的预测时间间隔，预设延迟预测模型是基于样本历史时间间隔训练LSTM模型得到的模型；基于预测时间间隔、当前数据包对应的实际时间间隔和发送端的数据包发送时间间隔，输出传输延迟时间。以此结合逐帧传输方式降低数据发送延时，实现兼顾整个传输系统的实时性和带宽利用率的目的；无需发送端和客户端时间同步，提高了传输延迟测量的适用性；结合训练循环神经网络的方式，提高了预测时间间隔的精准度，也提高了传输延迟测量的精确性和可靠性。