-
公开(公告)号：CN110196448A
公开(公告)日：2019-09-03
申请号：CN201910427631.4
申请日：2019-05-21
Applicant: 成都信息工程大学 , 中国科学院光电技术研究所
IPC: G01V1/00
Abstract: 本发明提供一种滑坡次声信号识别方法，包括以下步骤：采集多种不同类型的来自滑坡体的土壤，获取滑坡次声信号；通过野外现场采集环境干扰次声信号；分别分析所述滑坡次声信号和干扰次声信号在时、频域上的相关特征以及特征差异，提炼出一系列具有表征性的关键特征；根据所述关键特征，结合KNN分类算法，建立滑坡次声信号智能识别模型，对监测到的信号进行判别。本发明能够排除环境噪声干扰，实现滑坡次声信号的准确识别。
-
公开(公告)号：CN110082819A
公开(公告)日：2019-08-02
申请号：CN201910428187.8
申请日：2019-05-21
IPC: G01V1/00
Abstract: 本发明提供一种滑坡次声信号源定位方法，包括以下步骤：在监测区域内布置若干个次声监测设备，并确定其两两之间的距离；实时接收所述次声监测设备监测到的信号；当判断监测区出现滑坡体破裂时产生的次声信号时，进行滑坡体灾变位置定位。本发明能够实现滑坡体灾变位置的准确定位；能够进行实时现场监测与定位；能够为滑坡次声监测预警提供更加可靠的依据。
-
公开(公告)号：CN119992427A
公开(公告)日：2025-05-13
申请号：CN202510466985.5
申请日：2025-04-15
Applicant: 成都信息工程大学
IPC: G06V20/40 , G06V20/52 , G06V10/764
Abstract: 本发明公开泥石流视频识别模型样本集与模型构建方法、边缘监测系统。针对现有技术计算开销大、依赖硬件性能的缺陷，本发明提供泥石流边缘监测方案。泥石流视频识别模型的样本集构建方法生成的样本采用灰度图表征监控视频的帧图像信息，样本数据兼顾包含灾害动态、去除环境干扰、简化图像特征表达三项目标，同时满足识别模型训练达标与适配边缘设备性能。泥石流视频识别模型构建方法提供改进的Tiny Darknet模型用于训练。泥石流边缘监测系统是低成本且运行稳定、性能优秀的自动监测预警系统，显著降低智能监测对通信网络的依赖，使灾情监测预警可以完全前移至野外监测位原址，有利于实现野外多点布控，增强系统性监测预警。
-
Patent Agency Ranking
公开(公告)号：CN111582017B
公开(公告)日：2021-03-16
申请号：CN202010211669.0
申请日：2020-03-24
Applicant: 成都信息工程大学 , 中国科学院光电技术研究所 , 中国科学院、水利部成都山地灾害与环境研究所
Abstract: 本发明属于地质灾害防灾减灾技术领域，公开了一种面向视频监控端到端地质灾害自动识别方法、系统及应用，将视频输入H‑C3D网络提取特征，每16帧提取一个4096维3D特征，按时间序列组合为32*4096维特征；将视频弱监督分类，地质灾害视频为一类，非地质灾害视频为一类；搭建并训练地质灾害分类识别网络R‑Net得到训练模型；通过将特征转为异常分值来判断发生地质灾害的预警等级；将视频通过H‑C3D网络提取3D特征，按时间序列组合为32*4096维，组合特征送入训练好的R‑Net网络，随视频帧实时获取异常分值；将异常分值划分五个区间，得到发生地质灾害的预警级别。本发明实现自动判断地质灾害的预警级别。
-
公开(公告)号：CN111582017A
公开(公告)日：2020-08-25
申请号：CN202010211669.0
申请日：2020-03-24
Applicant: 成都信息工程大学 , 中国科学院光电技术研究所 , 中国科学院、水利部成都山地灾害与环境研究所
Abstract: 本发明属于地质灾害防灾减灾技术领域，公开了一种面向视频监控端到端地质灾害自动识别方法、系统及应用，将视频输入H-C3D网络提取特征，每16帧提取一个4096维3D特征，按时间序列组合为32*4096维特征；将视频弱监督分类，地质灾害视频为一类，非地质灾害视频为一类；搭建并训练地质灾害分类识别网络R-Net得到训练模型；通过将特征转为异常分值来判断发生地质灾害的预警等级；将视频通过H-C3D网络提取3D特征，按时间序列组合为32*4096维，组合特征送入训练好的R-Net网络，随视频帧实时获取异常分值；将异常分值划分五个区间，得到发生地质灾害的预警级别。本发明实现自动判断地质灾害的预警级别。
-
公开(公告)号：CN115329854B
公开(公告)日：2025-02-25
申请号：CN202210931985.4
申请日：2022-08-04
Applicant: 成都信息工程大学 , 四川省地质工程勘察院集团有限公司
IPC: G06F18/25 , G06F18/214 , G06F18/213 , G06N20/20
Abstract: 本发明公开多尺度次声信号融合的泥石流流量智能反演方法。针对现有技术无法将水槽模拟试验与野外观测两种途径采集的泥石流次声信号有效融合的缺陷，本发明提供一种多尺度泥石流次声信号融合方法，通过改进水槽实验设备与设计信号处理流程与条件消除两类原始信号间特征差异，实现信号融合，解决泥石流次声监测预警研究中基础数据扩充问题。本发明提供机器学习样本集构建方法，从泥石流次声信号中提取能量、时域、频域特征指标，配合泥石流运动特征指标组成用于机器学习的特征向量。本发明提供泥石流流量智能反演测算方法是一种基于泥石流次声信号的堆栈泛化类集成学习模型，能够应用于现场泥石流监测预警。本发明还提供各技术方案的应用方案。
-
公开(公告)号：CN110196448B
公开(公告)日：2020-06-16
申请号：CN201910427631.4
申请日：2019-05-21
Applicant: 成都信息工程大学 , 中国科学院光电技术研究所
IPC: G01V1/00
Abstract: 本发明提供一种滑坡次声信号识别方法，包括以下步骤：采集多种不同类型的来自滑坡体的土壤，获取滑坡次声信号；通过野外现场采集环境干扰次声信号；分别分析所述滑坡次声信号和干扰次声信号在时、频域上的相关特征以及特征差异，提炼出一系列具有表征性的关键特征；根据所述关键特征，结合KNN分类算法，建立滑坡次声信号智能识别模型，对监测到的信号进行判别。本发明能够排除环境噪声干扰，实现滑坡次声信号的准确识别。
-
公开(公告)号：CN115329854A
公开(公告)日：2022-11-11
申请号：CN202210931985.4
申请日：2022-08-04
Applicant: 成都信息工程大学 , 四川省地质工程勘察院集团有限公司
Abstract: 本发明公开多尺度次声信号融合的泥石流流量智能反演方法。针对现有技术无法将水槽模拟试验与野外观测两种途径采集的泥石流次声信号有效融合的缺陷，本发明提供一种多尺度泥石流次声信号融合方法，通过改进水槽实验设备与设计信号处理流程与条件消除两类原始信号间特征差异，实现信号融合，解决泥石流次声监测预警研究中基础数据扩充问题。本发明提供机器学习样本集构建方法，从泥石流次声信号中提取能量、时域、频域特征指标，配合泥石流运动特征指标组成用于机器学习的特征向量。本发明提供泥石流流量智能反演测算方法是一种基于泥石流次声信号的堆栈泛化类集成学习模型，能够应用于现场泥石流监测预警。本发明还提供各技术方案的应用方案。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.028 seconds)
