-
公开(公告)号:CN116386060B
公开(公告)日:2023-11-14
申请号:CN202310310622.3
申请日:2023-03-23
申请人: 浪潮智慧科技有限公司
IPC分类号: G06V30/19 , G06V30/18 , G06V30/186 , G06N3/0464 , G06N3/08
摘要: 本申请公开了一种水尺数据自动标注方法、装置、设备及介质,其中方法包括:用LBP算法对水尺图像集进行特征提取,以得到LBP图谱集;对LBP图谱集分类,将LBP图谱集分为若干类;在每一类数据中随机选出一张LBP图谱,对LBP图谱中的水尺尺度数字进行人工标注,以得到人工标注的局部图像和所标注的标签;采用SIFT算法对局部图像和LBP图谱集进行特征提取,得到局部图像和LBP图谱集的描述子;通过匹配局部图像的描述子以及LBP图谱集的描述子,在水尺图像集中实现自动标注。该水尺数据自动标注方法可以有效提升数据标注效率,减少人工标注工作量,为水尺识别模型提供标注好的训练数据集,提高AI模型训练效率。
-
公开(公告)号:CN118837977A
公开(公告)日:2024-10-25
申请号:CN202410945850.2
申请日:2024-07-15
申请人: 山东浪潮智水数字科技有限公司 , 浪潮智慧科技有限公司
摘要: 本发明提出的一种基于物联网设备的内涝预测方法、系统、装置及介质,所述方法包括:筛选监测设备,并提取雨量历史降雨数据;获取历史降雨过程中的最高水位、持续时间和图像数据;计算累计降雨量、降雨持续时间、对获取到的图像分割成多个区域,对每个区域进行分类,通过对每个区域进行特征匹配判断每个区域是否为积水,并计算出区域面积;将各站点的累计降雨量、持续降雨时间作为数据特征,分别以最高水位、持续时间和积水面积为标签组合成三组数据;对每组数据采取线性回归算法进行训练,得到三个模型;将雨量站的实时监测数据和预报数据融合后分别输入三个模型中,对内涝点积水进行预测,如果预测将发生积水,将预警信息发送至用户终端。
-
公开(公告)号:CN116306223B
公开(公告)日:2023-09-22
申请号:CN202310028015.8
申请日:2023-01-09
申请人: 浪潮智慧科技有限公司
IPC分类号: G06F30/27 , G06Q50/06 , G06F111/16 , G06F111/08 , G06F119/02 , G06F119/08
摘要: 本申请公开了一种水利工程监测方法、设备及介质,方法包括:获取水利工程所处区域的历史多源区域数据;根据水利工程区域隐患因素预测神经网络模型与历史多源区域数据,生成区域隐患因素、区域隐患因素的发生概率值以及区域隐患因素对水利工程的影响程度值;根据发生概率值与影响程度值,生成区域隐患因素分布图;根据隐患因素分布图,生成每种区域数据分别对应的权重;根据每种区域数据分别对应的权重,对预先构建的第一水利工程隐患因素检测神经网络模型进行更新,得到第二水利工程隐患因素检测神经网络模型;根据第二水利工程隐患因素检测神经网络模型,对水利工程进行隐患监测。能够提高水利工程隐患监测的准确率。
-
公开(公告)号:CN116386060A
公开(公告)日:2023-07-04
申请号:CN202310310622.3
申请日:2023-03-23
申请人: 浪潮智慧科技有限公司
IPC分类号: G06V30/19 , G06V30/18 , G06V30/186 , G06N3/0464 , G06N3/08
摘要: 本申请公开了一种水尺数据自动标注方法、装置、设备及介质,其中方法包括:用LBP算法对水尺图像集进行特征提取,以得到LBP图谱集;对LBP图谱集分类,将LBP图谱集分为若干类;在每一类数据中随机选出一张LBP图谱,对LBP图谱中的水尺尺度数字进行人工标注,以得到人工标注的局部图像和所标注的标签;采用SIFT算法对局部图像和LBP图谱集进行特征提取,得到局部图像和LBP图谱集的描述子;通过匹配局部图像的描述子以及LBP图谱集的描述子,在水尺图像集中实现自动标注。该水尺数据自动标注方法可以有效提升数据标注效率,减少人工标注工作量,为水尺识别模型提供标注好的训练数据集,提高AI模型训练效率。
-
公开(公告)号:CN116306223A
公开(公告)日:2023-06-23
申请号:CN202310028015.8
申请日:2023-01-09
申请人: 浪潮智慧科技有限公司
IPC分类号: G06F30/27 , G06Q50/06 , G06F111/16 , G06F111/08 , G06F119/02 , G06F119/08
摘要: 本申请公开了一种水利工程监测方法、设备及介质,方法包括:获取水利工程所处区域的历史多源区域数据;根据水利工程区域隐患因素预测神经网络模型与历史多源区域数据,生成区域隐患因素、区域隐患因素的发生概率值以及区域隐患因素对水利工程的影响程度值;根据发生概率值与影响程度值,生成区域隐患因素分布图;根据隐患因素分布图,生成每种区域数据分别对应的权重;根据每种区域数据分别对应的权重,对预先构建的第一水利工程隐患因素检测神经网络模型进行更新,得到第二水利工程隐患因素检测神经网络模型;根据第二水利工程隐患因素检测神经网络模型,对水利工程进行隐患监测。能够提高水利工程隐患监测的准确率。
-
-
-
-