-
公开(公告)号：CN118070886A
公开(公告)日：2024-05-24
申请号：CN202410474217.X
申请日：2024-04-19
Applicant: 南昌工程学院
IPC: G06N5/02 , G06F16/36 , G06F40/295 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本申请提出一种水库防洪应急预案知识图谱构建方法及系统，该方法包括：获取目标水库的应急预案文本数据，根据目标水库的知识本体构建模式层；对应急预案文本数据进行实体和关系标注后输入由平滑插值算法改进的三元分词模型以得到实体标注文本数据和关系标注文本数据，将实体标注文本数据输入实体抽取模型以得到目标水库的实体，将关系标注文本数据输入关系抽取模型以得到目标水库的关系；将目标水库的实体和关系进行存储，结合模式层构建目标水库防洪应急预案知识图谱。本申请能够解决现有的水库防洪应急预案知识图谱不够准确的问题。
-
公开(公告)号：CN117315446A
公开(公告)日：2023-12-29
申请号：CN202311604737.X
申请日：2023-11-29
Applicant: 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) , 南昌工程学院
IPC: G06V10/82 , G06V10/762 , G06V10/80 , G06T5/00 , G06N3/0464 , G06N3/045 , G06N3/08 , G06V20/70 , G06V10/40 , G06V10/26
Abstract: 本发明公开了一种面向复杂环境下水库溢洪道异常智能识别方法，该方法面向存在雨雾复杂环境下的溢洪道堵塞物识别检测，具体步骤如下：首先，对待检测的水库溢洪道堵塞物图像，采用雨雾干扰去除算法进行去噪处理，得到输出雨雾去除后的水库溢洪道堵塞物图像；然后，将雨雾去除后的图像输入到溢洪道区域分割模型，识别并截取分割后的溢洪道区域图像；最后，将截取的溢洪道区域图像输送至溢洪道堵塞物识别模型，检测识别出溢洪道中的堵塞物；本发明结合图像处理技术和计算机视觉技术，既能解决传统图像识别时受雨雾干扰的问题，又能对溢洪道存在的堵塞物进行精准识别。
-
公开(公告)号：CN116704357A
公开(公告)日：2023-09-05
申请号：CN202310995426.4
申请日：2023-08-09
Applicant: 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) , 南昌工程学院
IPC: G06V20/10 , G06V10/20 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/092
Abstract: 本发明公开了基于YOLOv7的堤坝边坡滑坡智能识别与预警方法，包括以下步骤：收集堤坝边坡滑坡危害的图像数据，标注筛选后的图像数据；对图像数据进行预处理和对数据集进行划分，训练集送入到网络模型进行训练；验证集验证训练的结果且更新网络模型的权重文件，得到堤坝边坡滑坡检测模型的最优权重文件；对测试集进行高分辨率处理，之后对网络模型进行测试，评估性能。本发明的有益效果是：提升对堤坝边坡滑坡识别的精度，提高堤坝边坡滑坡识别与预警的自动化水平，可以自动识别和定位堤坝边坡滑坡出现的塌方、滑坡的危险情况，实现对堤坝边坡滑坡的实时监测和预警，提高水库边坡滑坡的安全性和稳定性。
-
公开(公告)号：CN114235082B
公开(公告)日：2022-09-13
申请号：CN202111569983.7
申请日：2021-12-21
Abstract: 本发明公开了一种基于采砂量监测系统的智能计量方法，系统包括采砂量监测终端、采砂量计量管理装置；其方法是利用光电传感器、振动传感器、超声波传感器三种传感器的监测信息融合处理，根据振动传感器和光电传感器综合判定采砂船工作状态，融合光电传感器和超声波传感器的信息，利用信息处理方法计算采砂量，并实时发送采砂量信息至采砂量管理装置；采砂量管理装置接收采砂量信息，在采砂量计量管理装置利用深度神经网络算法进行采砂量校正，然后在网站上过采预警显示并存入数据库服务器。本发明实现采砂船采砂的实时动态精准计量，并实时传输采砂量计量信息并能对超采行为实现定位和图像信息取证和预警等功能。
-
公开(公告)号：CN115035354A
公开(公告)日：2022-09-09
申请号：CN202210964547.8
申请日：2022-08-12
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/10
Abstract: 本发明公开了一种基于改进YOLOX的水库水面漂浮物目标检测方法，其方法为：图像数据集收集和预处理操作；改进YOLOX算法模型，提出一种改进特征融合模块，增强输出特征信息的丰富度，提升大目标和小目标水库漂浮物的精度；判断是否要调整学习率以降低训练损失值，提升检测精度：若是，则在训练过程中手动更改超参数的取值并继续训练；否则，保持按原超参数训练；完成训练，获取最优权重：最后水库水面漂浮物图片检测识别。本发明的有益效果是：采用改进YOLOX算法模型进行目标检测，训练参数量适中，检测精度更好，实现了水库水面漂浮物的自动化高精度检测和识别。
-
Patent Agency Ranking
公开(公告)号：CN118552830B
公开(公告)日：2024-10-01
申请号：CN202411029342.6
申请日：2024-07-30
Applicant: 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) , 南昌工程学院
IPC: G06V10/82 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V20/10 , G06V10/94 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06N3/0985
Abstract: 本发明公开了面向边缘计算的堤坝坝体裂缝险情目标检测轻量化方法，首先，收集不同的堤坝坝体裂缝图像并在图片中标注形成坝体裂缝险情数据集；其次构建高精确度且轻量化的改进YOLOv8堤坝坝体裂缝险情识别模型；随后使用数据集对模型进行训练和评估，选出最优的权重文件；将权重文件部署到边缘设备上；之后测试模型是否需要调整超参数再训练；最后将待检测图片传入边缘设备完成检测。本发明适用于在边缘设备上的堤坝坝体裂缝险情识别，在保证高识别精度的同时，降低算法模型41.4%的计算参数量，实现高精度且较YOLOv8更加轻量化的算法模型，能有效应用于在资源受限的边缘设备上部署和执行，有效降低远程通信成本，便于应用推广。
-
公开(公告)号：CN115880683B
公开(公告)日：2023-05-16
申请号：CN202310192003.9
申请日：2023-03-02
Applicant: 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) , 南昌工程学院
IPC: G06V20/62 , G06V30/146 , G06V30/164 , G06V30/18 , G06V30/19 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的城市内涝积水智能水位检测方法，该方法基于水尺的城市积水水域图像分两阶段检测识别并计算水位；第一阶段，将包含水尺的城市积水水域图像输入训练好的YOLOX_I1，识别并截取水尺图像，得到第一阶段的输出水尺图像和该图像高度像素值；第二阶段，将第一阶段得到的输出图像输入训练好的YOLOX_I2，识别并截取字符“E”图像，得到字符“E”图像高度像素值列表后计算水位；本发明将计算机视觉技术、深度学习和图像处理技术有机结合，既能解决传统图像处理方式适应性受限的问题，又能实现面向城市积水的水尺高精度智能识别。
-
公开(公告)号：CN115035354B
公开(公告)日：2022-11-08
申请号：CN202210964547.8
申请日：2022-08-12
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/10
Abstract: 本发明公开了一种基于改进YOLOX的水库水面漂浮物目标检测方法，其方法为：图像数据集收集和预处理操作；改进YOLOX算法模型，提出一种改进特征融合模块，增强输出特征信息的丰富度，提升大目标和小目标水库漂浮物的精度；判断是否要调整学习率以降低训练损失值，提升检测精度：若是，则在训练过程中手动更改超参数的取值并继续训练；否则，保持按原超参数训练；完成训练，获取最优权重：最后水库水面漂浮物图片检测识别。本发明的有益效果是：采用改进YOLOX算法模型进行目标检测，训练参数量适中，检测精度更好，实现了水库水面漂浮物的自动化高精度检测和识别。
-
公开(公告)号：CN115082872A
公开(公告)日：2022-09-20
申请号：CN202210963229.X
申请日：2022-08-11
IPC: G06V20/54 , G06V10/82 , G06V10/80 , G06V10/764 , G06V10/762 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种面向边缘计算的河面采砂船及过往船只识别方法，该方法提出使用K‑means聚类算法生成河面船只数据集的先验框，并改进YOLOv4‑tiny主干网络，将基本卷积层激活函数改为SiLU激活函数，形成新的主干特征提取网络，并输出两种不同尺度的特征图；在加强特征融合网络中加入SE注意力机制模块，并在FPN层后面加入自上而下的连接，形成PANet网络结构。本发明通过在其原来的基本卷积块中加入SiLU激活函数对主干网络进行调整，有利于训练模型更好的收敛；整个模型可用于对复杂场景下河面过往不同类型船只识别任务的优化，识别精度优于传统模型。
-
公开(公告)号：CN118552830A
公开(公告)日：2024-08-27
申请号：CN202411029342.6
申请日：2024-07-30
Applicant: 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) , 南昌工程学院
IPC: G06V10/82 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V20/10 , G06V10/94 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06N3/0985
Abstract: 本发明公开了面向边缘计算的堤坝坝体裂缝险情目标检测轻量化方法，首先，收集不同的堤坝坝体裂缝图像并在图片中标注形成坝体裂缝险情数据集；其次构建高精确度且轻量化的改进YOLOv8堤坝坝体裂缝险情识别模型；随后使用数据集对模型进行训练和评估，选出最优的权重文件；将权重文件部署到边缘设备上；之后测试模型是否需要调整超参数再训练；最后将待检测图片传入边缘设备完成检测。本发明适用于在边缘设备上的堤坝坝体裂缝险情识别，在保证高识别精度的同时，降低算法模型41.4%的计算参数量，实现高精度且较YOLOv8更加轻量化的算法模型，能有效应用于在资源受限的边缘设备上部署和执行，有效降低远程通信成本，便于应用推广。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.02 seconds)
