一种基于代理的分布式应用动态部署和升级方法

    公开(公告)号:CN117850812A

    公开(公告)日:2024-04-09

    申请号:CN202410053776.3

    申请日:2024-01-15

    摘要: 本发明公开了一种基于代理的分布式应用动态部署和升级方法,包括:统一部署代理程序:在各个分布式应用节点部署统一的代理程序客户端,部署应用程序资源管理服务器,代理程序客户端主动报备;主动感知应用发布和更新需求:定时查询应用发布需求;下载应用程序文件;自动完成应用部署和升级:完成应用程序部署;启动应用程序进程;清理旧版本应用程序文件。本发明通过主动感知实现分布式应用的部署和升级,无需编写和修改自动化脚本,简化应用部署过程,降低复杂度,减少人为因素,提高工作效率。

    一种基于LFM模型的线上服务推荐方法

    公开(公告)号:CN112052392A

    公开(公告)日:2020-12-08

    申请号:CN202010946009.7

    申请日:2020-09-10

    摘要: 本发明公开了一种基于LFM模型的线上服务推荐方法,包括:构建线上电商化服务目录;对基于LFM模型的线上服务推荐算法求解并分析结果。本发明通过构建合适的服务目录,并对综合能源线上服务的推荐方法进行分析,不需要了解更多的专业知识,只需要知道用户对项目的评分情况就可以完成对用户的推荐工作。通过综合能源线上服务目录的制定以及隐语义模型的构建,可有效地对综合能源服务公司做出服务推荐建议,提升提供能源服务的针对性。

    一种基于图像切片的移动端输电线路鸟类检测方法

    公开(公告)号:CN110555460B

    公开(公告)日:2020-11-20

    申请号:CN201910698859.7

    申请日:2019-07-31

    IPC分类号: G06K9/62 G06K9/00

    摘要: 本发明公开了一种基于图像切片的移动端输电线路鸟类检测方法,采集不同情况下的现场输电线路图像,将图像和其切片进行编码标识;安装在杆塔固定位置的摄像头采集实时图像;将采集的实时图像与相应情况的原图模板进行相似度计算;若差值较大,则将实时图像进行切片,与对应切片模板逐片对比;若某切片差值较大,则进一步输入深度学习模型进行分类;若分类结果为存在鸟类,则启动驱鸟器;重复上述步骤,实现基于深度学习的鸟类检测。本发明将图像切片,将小目标信息进行放大之后再识别,在精度上有很大的提升,并且以更少的计算代价完成了鸟类的检测问题。

    一种基于孪生神经网络的目标检测算法

    公开(公告)号:CN110532886A

    公开(公告)日:2019-12-03

    申请号:CN201910698997.5

    申请日:2019-07-31

    IPC分类号: G06K9/00 G06N3/04 G06N3/08

    摘要: 本发明公开了一种基于孪生神经网络的目标检测算法,包括以下步骤:采集固定视角连续拍摄的图像;利用孪生神经网络来计算的待检测图像与基准图像之间的相似度;利用待检测图像与基准图像之间的相似性分析结果,快速找到场景中变化的目标,并对目标进行分类。本发明针对连续采集图像的特征,考虑多张图像之间的信息关联性,充分发掘连续多幅图片之间的信息,在提高检测精度的同时也提高检测的速度。本发明适用于固定角度、连续拍摄的图像的目标检测。

    一种面向综合能源服务的推荐方法

    公开(公告)号:CN113516355A

    公开(公告)日:2021-10-19

    申请号:CN202110479099.8

    申请日:2021-04-30

    摘要: 发明公开了一种面向综合能源服务的推荐方法,包括步骤:(1)构建综合能源服务目录;(2)建立综合能源用户项目评价矩阵;(3)针对每个综合能源用户建立其邻居集合;(4)生成每个综合能源用户关于各综合能源服务的评分估计值,给出推荐结果。本发明可以基于有限的数据挖掘各综合能源用户关于各类综合能源服务的偏好,可以在综合能源服务开展的初期阶段,针对已有历史数据较少的情况下对用户进行服务推荐,基于用户邻居集合的建立提升历史信息利用的有效性和合理性,可对综合能源服务公司做出有效的服务推荐建议,提升提供能源服务的针对性。

    一种基于图像切片的移动端输电线路鸟类检测方法

    公开(公告)号:CN110555460A

    公开(公告)日:2019-12-10

    申请号:CN201910698859.7

    申请日:2019-07-31

    IPC分类号: G06K9/62 G06K9/00

    摘要: 本发明公开了一种基于图像切片的移动端输电线路鸟类检测方法,采集不同情况下的现场输电线路图像,将图像和其切片进行编码标识;安装在杆塔固定位置的摄像头采集实时图像;将采集的实时图像与相应情况的原图模板进行相似度计算;若差值较大,则将实时图像进行切片,与对应切片模板逐片对比;若某切片差值较大,则进一步输入深度学习模型进行分类;若分类结果为存在鸟类,则启动驱鸟器;重复上述步骤,实现基于深度学习的鸟类检测。本发明将图像切片,将小目标信息进行放大之后再识别,在精度上有很大的提升,并且以更少的计算代价完成了鸟类的检测问题。

    一种基于人工智能的输电线路鸟类检测及驱鸟装置

    公开(公告)号:CN210580668U

    公开(公告)日:2020-05-22

    申请号:CN201921283444.5

    申请日:2019-08-09

    摘要: 本实用新型公开了一种基于人工智能的输电线路鸟类检测及驱鸟装置,包括图像识别系统、驱鸟器系统和后台服务器;图像识别系统通过RS485总线与驱鸟器系统连接,后台服务器通过网络与图像识别系统连接;图像识别系统对覆盖范围内的环境进行识别判断并给驱鸟器系统发送驱鸟指令;并通过4G网络将驱鸟结果以图片的形式传送至后台服务器;驱鸟器系统接收到来自图像识别系统的指令后进行驱鸟活动。本实用新型可以更加精准、高效地检测周边环境鸟类信息;同时采用的驱鸟技术可靠,采用LED强光灯、超声波喇叭等多重驱鸟手段,确保驱鸟成功;能够更好地适应户外输电线路的工作环境。