-
公开(公告)号：CN119049119A
公开(公告)日：2024-11-29
申请号：CN202410923282.6
申请日：2024-07-10
Applicant: 吉林建筑大学
IPC: G06V40/20 , G06V20/40 , G06V20/52 , G06V10/25 , G06V10/44 , G06V10/62 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于ST‑GCN的临边洞口作业不安全行为检测方法及装置，涉及视觉识别技术领域。所述基于ST‑GCN的临边洞口作业不安全行为检测方法包括：获取施工人员临边洞口作业动作的已标注视频数据集；采用改进的YOLOv5算法以及OpenPose算法对已标注视频数据集进行处理，获得临边洞口作业动作的骨架节点数据集；构建初始的ST‑GCN神经网络模型；根据骨架节点数据集，对初始的ST‑GCN神经网络进行训练，获得训练好的ST‑GCN神经网络模型；获取待识别的施工人员临边洞口作业动作的视频数据；将待识别的施工人员临边洞口作业动作的视频数据，输入训练好的ST‑GCN神经网络模型中进行识别，获得施工人员临边洞口作业不安全行为的识别结果。采用本发明可提高施工现场安全管理人员的工作效率。
-
公开(公告)号：CN118795371A
公开(公告)日：2024-10-18
申请号：CN202410952927.9
申请日：2024-07-16
Applicant: 吉林建筑大学
IPC: G01R31/392 , G01R31/385 , G01R31/387 , G01R31/396 , G01R31/378 , G01R31/367
Abstract: 本发明涉及电池技术技术领域，特别是指一种基于多源信息的电池健康状态智能预测方法及装置。所述方法包括：采集并处理原始数据，获得处理后声发射参数数据以及处理后循环老化参数数据；使用门控神经网络，对处理后声发射参数数据以及处理后循环老化参数数据进行权重分配，获得数据权重；根据卷积神经网络结构、长短期神经网络结构和SOFTS模型的STAD模型结构进行模型构建并训练，获得电池容量预测模型；基于数据权重，将处理后声发射参数数据以及处理后循环老化参数数据输入电池容量预测模型进行预测，得到电池健康状态预测值。本发明是一种基于多源信息的高效、准确的电池健康状态智能预测方法。
-
公开(公告)号：CN115527237A
公开(公告)日：2022-12-27
申请号：CN202211191908.6
申请日：2022-09-28
Applicant: 吉林建筑大学
IPC: G06V40/10 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及目标检测技术领域，特别是指一种安全帽标准佩戴行为的检测方法和装置。所述方法包括：接收安全帽标准佩戴行为相关的待检测图片；根据预先构建的基于改进YOLOv5的安全帽标准佩戴行为检测模型，对所述待检测图片进行检测，得到所述待检测图片分别属于正确佩戴安全帽、未佩戴安全帽和未正确佩戴安全帽这三种佩戴类别的概率，选取概率最大的类别作为所述待检测图片的检测结果。通过本发明，在保持原有YOLOv5算法的模型大小、速度的基础上，改进后的算法精度更高，收敛速度更快，有效的减少了训练时间，并且在多目标和遮挡目标检测上有较大改进。
-
公开(公告)号：CN117725226A
公开(公告)日：2024-03-19
申请号：CN202311673378.3
申请日：2023-12-07
Applicant: 吉林建筑大学
Abstract: 本发明涉及事故因果链预测技术领域，特别是指一种基于文本挖掘和图神经网络的事故因果链预测方法及装置。一种基于文本挖掘和图神经网络的事故因果链预测方法包括：根据原始文本，获得实体词库以及原因标签词库；根据实体词库以及原因标签词库进行图构建，获得事故因果链；根据事故因果链进行模型构建，获得图注意网络模型；基于原始文本以及预设的专家事故因果链，对图注意网络模型进行优化，获得优化图注意网络模型；获取目标事故文本；根据目标事故文本，通过优化图注意力网络模型进行预测，获得目标事故因果链。本发明是一种基于文本挖掘和图神经网络的准确、高效的事故因果链预测方法。
-
公开(公告)号：CN116973763A
公开(公告)日：2023-10-31
申请号：CN202310868242.1
申请日：2023-07-14
Applicant: 吉林建筑大学
IPC: G01R31/367 , G01R31/392 , G01R31/378
Abstract: 本公开提供一种锂电池包热失控预警方法，包括：获取电芯在锂电池包中的每个锂电池组中的位置坐标；将每个锂电池组根据所述位置坐标划分为n个电芯单元；获取每个电芯单元在预设时长的实时监控数据；基于所述实时监控数据，计算每个电芯单元在所述预设时长的热失控指数；设定阈值，基于所述阈值和所述热失控指数，计算每个锂电池组的热失控风险，并进行定位预警。本公开能够检测锂电池包热失控的先兆性的局部的热失控风险。提高热失控预警的敏感度和准确度、能够满足安全性要求高的电池应用，能够及早发现电池问题，能提高问题定位能力，以保证锂电池的安全使用。
-
Patent Agency Ranking
公开(公告)号：CN115578844A
公开(公告)日：2023-01-06
申请号：CN202211191909.0
申请日：2022-09-28
Applicant: 吉林建筑大学
Abstract: 本发明公开了一种锂电池消防方法和装置，测出锂电池热失控各阶段的声发射信号，构建通过声发射信号判断热失控各阶段基本概率的声发射子模块；测出锂电池热失控各阶段释放的各气体的浓度，构建通过不同气体浓度判断热失控各阶段基本概率的气体子模块；收集锂电池热失控各阶段的图像特征，构建通过不同图像特征判断热失控各阶段基本概率的图像子模块；三个子模块分别作为D‑S证据理论中的证据集合，得出锂电池各阶段的概率作为基本概率赋值，由Dempster合成规则对三个证据集合进行融合，得到最终的基本概率作为判断锂电池热失控各阶段的概率。通过多种方式得到锂电池热失控各阶段的不同信号，结合D‑S证据理论进行信息融合，提高了锂电池消防工作的精准性。
-
公开(公告)号：CN119006878B
公开(公告)日：2025-03-18
申请号：CN202410929903.1
申请日：2024-07-11
Applicant: 吉林建筑大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于卷积神经网络的煤岩结构损伤分类方法及装置，涉及煤岩结构损伤分类检测技术领域。所述基于卷积神经网络的煤岩结构损伤分类方法包括：获取关于煤岩体破裂的声发射参数数据；采用Morse小波对数据进行处理，获得RGB图像数据；构建煤岩结构损伤识别模型；将图像数据输入模型中，通过预训练好的基于ResNet和多头注意力机制网络进行特征提取，获得第一特征表示；通过预训练好的基于LSTM和多头注意力机制残差网络进行特征提取，获得第二特征表示；通过预训练好的基于卷积神经和LSSVM网络进行特征提取，获得第三特征表示；将获得的所有特征表示进行融合，获得融合结果；通过融合结果，获得分类预测结果。采用本发明可提高煤岩结构损伤分类的准确率。
-
公开(公告)号：CN115390130B
公开(公告)日：2024-08-16
申请号：CN202211050626.4
申请日：2022-08-29
Applicant: 吉林建筑大学
Abstract: 本发明涉及煤矿工程事故应急预警技术领域，特别是指一种煤矿开采大能量微震事件预测方法和装置。方法包括：获取预测采区前m天的大能量微震事件的能量和相应的坐标；将所述预测采区工作面划分为n个等面积网格；根据所述坐标将划分后网格的大能量微震事件的能量进行累加统计，构建能量矩阵；计算所述能量矩阵的系统样本熵；根据所述系统样本熵，对所述煤矿开采大能量微震事件进行预测。采用本发明，可实现煤矿开采中的灾害前兆特征识别及其预警，从而预防此类事故的发生。
-
公开(公告)号：CN119006878A
公开(公告)日：2024-11-22
申请号：CN202410929903.1
申请日：2024-07-11
Applicant: 吉林建筑大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于卷积神经网络的煤岩结构损伤分类方法及装置，涉及煤岩结构损伤分类检测技术领域。所述基于卷积神经网络的煤岩结构损伤分类方法包括：获取关于煤岩体破裂的声发射参数数据；采用Morse小波对数据进行处理，获得RGB图像数据；构建煤岩结构损伤识别模型；将图像数据输入模型中，通过预训练好的基于ResNet和多头注意力机制网络进行特征提取，获得第一特征表示；通过预训练好的基于LSTM和多头注意力机制残差网络进行特征提取，获得第二特征表示；通过预训练好的基于卷积神经和LSSVM网络进行特征提取，获得第三特征表示；将获得的所有特征表示进行融合，获得融合结果；通过融合结果，获得分类预测结果。采用本发明可提高煤岩结构损伤分类的准确率。
-
公开(公告)号：CN117150911A
公开(公告)日：2023-12-01
申请号：CN202311131201.0
申请日：2023-09-04
Applicant: 吉林建筑大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明涉及煤岩动力灾害监测预警技术领域，特别是指一种基于图神经网络的煤岩失稳破裂预测方法和系统，包括：获取预测采区一段时间内监测的微震信号和相应的坐标；将预测采区划分为n个等体积网格，每个网格视作一个节点；划分若干时间段，根据每个时间段内各节点的微震信号参数时间序列相关性构建连边，得到每个时间段的网络图；根据图嵌入方法将每个网络图转化成节点向量组；根据节点向量组的时间序列，采用神经网络预测后T段时间的网络图拓扑结构，将后T段时间的网络图中重要性大于预设值的节点作为煤岩失稳破裂前兆特征进行预警。采用本发明，可识别煤岩失稳破裂前兆特征，从而对煤岩失稳破裂进行预警，避免人员伤亡和财产损失。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.115 seconds)
