-
公开(公告)号:CN114998831A
公开(公告)日:2022-09-02
申请号:CN202210559677.3
申请日:2022-05-23
Applicant: 重庆科技学院
IPC: G06V20/52 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种基于边缘计算及改进的YOLOv3的火灾检测方法及系统,图像经过随机裁剪和扩容,增加模型的泛化能力,能够更好地学习到目标特征;在YOLOv3的基础上对算法进行改进,将骨干网络Darknet‑53替换为ResNet50‑vd网络,并采用可变形的卷积层替换了ResNet50‑vd中的一部分卷积层,在多尺度检测中添加104×104尺度的检测以及扩展步长2,4,8,使之可以对火灾进行更好的检测。计算差别区域的损失值,继而调整下一次迭代的模型参数,提升了模型对火灾区域的检测精度,最终得到最优的模型效果,并保存。与同类火灾检测算法相比具有更好的鲁棒性,无论是在准确度还是速度上都有良好的表现。不仅在大火灾区域的图像上有良好的检测结果,在小火灾区域都可适用,通用性强。
-
公开(公告)号:CN116304096A
公开(公告)日:2023-06-23
申请号:CN202310268967.7
申请日:2023-03-20
Applicant: 重庆科技学院
IPC: G06F16/36 , G06Q10/0832 , G06F40/295 , G06N3/04
Abstract: 本发明涉及营运车辆监管技术领域,具体公开了一种基于知识图谱的危化品运输车辆监管方法、系统及存储体,主要基于车辆与危化品之间关系构建知识图谱实现危化品运输过程中快速、准确地对车辆与危化品之间进行匹配。在构建知识图谱时,首先收集相关的源数据,再对源数据进行预处理以过滤冗余信息,并且针对过滤后的不同的数据类型采取不同的方法进行知识抽取,例如正则化、聚类分析等,最后对抽取的结构化实例数据进行融合,生成危化品运输车辆监管知识图谱,从而充分考虑到了各种环境或者各种条件下车辆与货物的反应关系,可以较精准地得到匹配度,适用于多种危化品运输车辆的监管。
-
公开(公告)号:CN116206135A
公开(公告)日:2023-06-02
申请号:CN202211422760.2
申请日:2022-11-15
Applicant: 重庆科技学院
IPC: G06V10/58 , G06V10/56 , G06V10/22 , G06T7/00 , G06T5/30 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本申请涉及一种基于高光谱图像的溢油区域确定方法和装置,属深度学习及计算机视觉技术领域领域,通过对某些溢油区域明显的波段图像进行裁剪,标注溢油与非溢油区域形成原始训练、测试数据集,保证了前期算法所需的数据的准确性,进而保证算法的科学性,利用卷积神经网络的计算能力,采集数据集中不同程度的图像特征,最后将不同的特征层进行融合,作为最终分割溢油区域的判断依据,进一步检验算法的准确性以及数据集制作的标准性,从而提高识别精度。
-
公开(公告)号:CN116746942A
公开(公告)日:2023-09-15
申请号:CN202310522195.5
申请日:2023-05-10
Applicant: 重庆科技学院
IPC: A61B5/346 , A61B5/366 , A61B5/00 , G06F18/10 , G06F18/241 , G06F18/2131 , G06F18/25 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明涉及信号分类技术领域,具体公开了一种基于时频域融合与卷积神经网络的心电信号分类方法,通过小波分解完成对心电信号滤波;通过每个心跳周期的R波位置对单个心跳周期进行提取;提取的心跳信号被快速傅里叶变换后获得其频域信息;时域信号与频域信号进行拼接之后输入一维卷积神经网络进行融合并提取特征;特征矩阵被输入全连接神经网络完成分类。本发明通过CNN融合单心跳周期在时域和频域两个视角的表现,综合地对心电信号进行分类,提高了对单心跳周期心电信号的分类准确率;提出了一种新颖的心跳周期定位方法,该方法可同时对正常与病变心电信号的R波波峰位置进行标定,使每个心跳周期信号都能较好地被分割,提升后续分类的准确性。
-
公开(公告)号:CN116402785A
公开(公告)日:2023-07-07
申请号:CN202310344743.X
申请日:2023-04-03
Applicant: 重庆科技学院
Abstract: 本发明公开了一种基于视觉注意力机制的钢轨表面缺陷检测方法及系统方法包括如下步骤:S1:获取钢轨表面图像数据;S2:对获取的钢轨表面图像数据进行FT显著图提取;S3:对获取的钢轨表面图像数据进行CA显著图提取;S4:将步骤S2提取的FT显著图与步骤S3提取的CA显著图进行小波融合;S5:对融合后的显著图进行阈值分割;S6:使用YOLOv5算法架构对分割后的图像进行缺陷分类检测。其效果是:本发明可以克服光照影响,实现对钢轨的缺陷进行精准分类检测,为设备维护人员的缺陷探测带来便利。
-
公开(公告)号:CN116258204A
公开(公告)日:2023-06-13
申请号:CN202310253977.3
申请日:2023-03-16
Applicant: 重庆科技学院
IPC: G06N5/02 , G06F16/901 , G06F18/241 , G06N3/049 , G06N3/08 , G06Q50/26
Abstract: 本发明涉及安全生产管理领域中的人工智能技术,具体为一种基于知识图谱的工业安全生产违规处罚管理方法及系统,通过对工业生产安全法律法规文本数据预处理,得到结构化数据集;对结构化数据进行实体识别操作和实体关系提取,得到违规行为和处罚方式之间关系;对三元组信息进行存储,构建知识图谱;定义问句模板,判断问句类别;对用户问句进行预处理,后再进行命名实体识别,根据提取处的实体类型将问句进行分类、模板匹配;在知识库中进行结构化查询,返回结果。有益效果:结合知识图谱构建计算知识图谱中实体间相似度和基于协同过滤相似度,可以解决当前工业安全生产监管局限,得到最符合当前生产安全违规行为的处罚决定。
-
-
-
-
-