-
公开(公告)号：CN118183498A
公开(公告)日：2024-06-14
申请号：CN202410307244.8
申请日：2024-03-18
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于深度学习的吊车吊钩越界检测方法及系统，属于深度学习目标监测技术领域。本发明通过引入深度学习技术，提高了吊钩越界检测的准确性；相较于传统的人工监测方法，自动化的检测系统可以更精确地识别越界行为，减少了人为操作误差；监测平台能够实时接收并分析检测结果，并向驾驶员发送即时警报，这使得驾驶员能够在越界行为发生时迅速采取措施，降低了事故的发生概率；通过预防吊钩越界行为，有效保障了生命和财产的安全，减少了设备的损坏，降低了维修和替换的成本，同时减少了因越界行为引发的潜在法律责任。
-
公开(公告)号：CN117197896A
公开(公告)日：2023-12-08
申请号：CN202311222629.6
申请日：2023-09-21
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于深度学习的医疗废弃物暂存站异常行为实时检测方法，涉及异常检测技术领域。本发明使用MobileNetV3网络结构代替传统Yolo V7的Backbone模块，使用改进NAS‑FPN网络和CoAtNet网络代替传统Yolo V7的Neck模块，构建基于改进Yolo V7的异常行为检测模型；利用异常行为数据集对检测模型进行训练，获得深度学习模型；将预处理后的待检测图像输入深度学习模型进行异常行为实时检测，并对异常行为实时预警。本发明中改进的Yolo V7检测模型具有轻量化的特点，对医疗废弃物暂存站异常行为检测具有较快的检测速度和较高的检测精度，可有效杜绝因异常行为所导致的医疗废弃物损坏、污染或丢失而无法辨别责任问题。
-
公开(公告)号：CN117336442A
公开(公告)日：2024-01-02
申请号：CN202311269487.9
申请日：2023-09-27
Applicant: 安徽工业大学
IPC: H04N7/18 , G01D21/02 , H04L67/12 , H04W4/38 , H04L67/02 , G08B21/18 , G08B7/06 , G06V20/52 , G16Y40/10
Abstract: 本发明公开了一种基于物联网和人工智能的水环境监测方法，属于环境监测技术领域。本发明包括以下步骤：S1:实时采集水环境参数及周边区域视频图像；S2：判断水环境参数数据值是否超过阈值，“是”则实时预警；S3：构建周边区域异常实时检测模型和自适应系数修正离散灰色预测模型；S4：基于周边区域视频图像，通过周边区域异常实时检测模型对周边区域异常行为进行实时检测；S5：基于实时采集的水环境参数数据和历史数据，构建水环境参数数据序列，通过自适应系数修正离散灰色预测模型实现水环境污染趋势实时预测。本发明能够对水环境参数和周边区域视频图像进行实时监测，对水环境污染发展趋势进行预测、对区域异常情况进行智能识别。
-
公开(公告)号：CN118488174A
公开(公告)日：2024-08-13
申请号：CN202410607806.0
申请日：2024-05-16
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于人工智能的工业安全空‑地一体化监测方法、设备及产品，属于电子信息技术领域。本发明基于无人机实现区域环境参数及视频图像的实时采集，基于地面视频监控终端实现地面视频图像的实时采集；构建基于YoloV8的不安全因素轻量化检测算法；运行轻量化检测算法对巡检视频实时分析，实现不安全因素实时监测；融合空‑地多模态信息，通过服务器综合判断是否存在不安全因素，“是”则实时预警。本发明基于人工智能技术，对工业生产过程中不安全因素进行全方位、多角度的实时监测与预警，构建了基于YoloV8的不安全因素轻量化检测算法，检测精度高，速度快，能有效避免视频传输延时或丢失所导致的不安全因素漏检或检测不及时。
-
-
-
Search Results
4
records
(took 0.018 seconds)
