一种基于机器学习的充电桩选址方法

    公开(公告)号:CN112561322A

    公开(公告)日:2021-03-26

    申请号:CN202011475786.4

    申请日:2020-12-14

    Abstract: 本发明公开了一种基于机器学习的充电桩选址方法,其特征在于,包括线上模型识别单元、线下模型识别单元和反馈优化单元;为了实现充电桩选址的智能决策,本发明将对已建成的充电桩数据进行分析,获取其属性特征如各时间段的人流量、车流量、区域属性等特征,将此数据与充电桩的使用频率、使用时段进行关联分析,建立机器学习算法分类模型;同时考虑到已建成的充电桩数据偏少,本发明还将利用未建充电桩的地址及其属性特征,与已建成的充电桩数据结合,利用tri‑traing算法,将无标签的数据充分学习利用,从而来提升模型的准确率,达到实际运用的性能。

    一种基于图像识别的充电桩起火检测方法

    公开(公告)号:CN112560944A

    公开(公告)日:2021-03-26

    申请号:CN202011474556.6

    申请日:2020-12-14

    Abstract: 本发明公开一种基于图像识别的充电桩起火检测方法,所述检测方法由两部分组成,第一部分是线下模型训练部分,第二部分是线上模型识别部分,利用卷积神经网络模型预测的方法,即对于一张充电桩的监控图片,等分成N个图片小块,对于所有小块训练卷积神经,分类识别其是否有烟雾,最终利用连通算法得出发生起火的区域坐标,本发明的报警系统上还设有单元反馈模块,所述单元反馈模块在报警系统发出报警信息后,将此次得出的数据反馈至下模型训练部分,提供该火灾烟雾数据,对卷积神经网络模型再次训练,进一步优化卷积神经网络模型,识别能力更加精准。

    一种非模板化快速生成平台的实施方法

    公开(公告)号:CN111966351A

    公开(公告)日:2020-11-20

    申请号:CN202010733208.X

    申请日:2020-07-27

    Inventor: 陈彬 余欢

    Abstract: 本发明公开了一种非模板化快速生成平台的实施方法,包括以下步骤:根据需要生成的非模板化页面的用途及场景分析出中页面中所需存在的元素类型;将分析出来所需的各种类型的元素做成固定的元件,提前实现好各个元件生成时的样式;将各个元件逐一添加到快速生成平台的元件库中,以供用户使用;用户通过选择拖拽自己想要的页面元素到预览区,从而实现增删页面元素及改变其在页面的位置;用户通过使用元件库中不同的元件,实现整个非模板化页面的配置;用户通过点击快速生成平台的生成按钮,即可快速生成配置好的非模板化页面。运用本发明,不再需要预先开发出大量的固定化样式模板,节省了大量的人力成本和时间成本。

    一种网络抓取目标区域卫星地图方法

    公开(公告)号:CN111651654A

    公开(公告)日:2020-09-11

    申请号:CN201911101845.9

    申请日:2019-11-12

    Abstract: 本发明公开了一种网络抓取目标区域卫星地图方法,包括向卫星地图的网络供应商发送一个请求,该请求为一个包含区域参数的请求,以获得目标区域边界坐标集合;在网络地图上形成一个涵盖目标区域矩形区域;将矩形的四个顶点坐标进行转换,转换成瓦片坐标,遍历矩形区间内的瓦片编号并请求网络供应商链接进行爬取目标区域的地图瓦片;对爬取的地图瓦片进行存储;对存储的地图瓦片进行拼接,输出拼接后目标区域地图。本发明可以快速爬取目标区域的地图瓦片,拼接成最终的目标区域地图,用户可以灵活针对业务发展要求,输入目标区域,即可快速输出目标区域的地图,以便进行后续处理和分析,有效帮助用户分析和挖掘潜在客户,拓展业务。

    一种基于深度学习图像分割的光伏屋顶资源识别方法

    公开(公告)号:CN111191500A

    公开(公告)日:2020-05-22

    申请号:CN201911102893.X

    申请日:2019-11-12

    Abstract: 本发明公开了一种基于深度学习图像分割的光伏屋顶资源识别方法,包括获取数据:从地图服务商获取指定区域的卫星遥感图片;标注数据:在所述卫星遥感图片标注出不同类型的屋顶类型;训练模型:针对不同的屋顶类型训练建筑物屋顶分割模型;组合模型:利用多个训练好的建筑物屋顶分割模型组合成一个组合模型;批量识别数据:利用组合模型批量识别遥感图片数据,得到各种类型的屋顶轮廓数据;输出识别结果,供用户查询。本发明使得过去手工搜索地图,现场勘察建筑屋顶,测量尺寸的工作变为系统全自动执行分割识别,将识别结果供用户查询。使过去平均每个建筑需要1-2人1天的工作变成了在系统搜索已被识别出来有建设光伏价值的建筑只需要几分钟就能完成。

    一种基于机器学习的充电桩选址方法

    公开(公告)号:CN112561322B

    公开(公告)日:2023-04-18

    申请号:CN202011475786.4

    申请日:2020-12-14

    Abstract: 本发明公开了一种基于机器学习的充电桩选址方法,其特征在于,包括线上模型识别单元、线下模型识别单元和反馈优化单元;为了实现充电桩选址的智能决策,本发明将对已建成的充电桩数据进行分析,获取其属性特征如各时间段的人流量、车流量、区域属性等特征,将此数据与充电桩的使用频率、使用时段进行关联分析,建立机器学习算法分类模型;同时考虑到已建成的充电桩数据偏少,本发明还将利用未建充电桩的地址及其属性特征,与已建成的充电桩数据结合,利用tri‑traing算法,将无标签的数据充分学习利用,从而来提升模型的准确率,达到实际运用的性能。

    一种卫星地图目标物轮廓的识别方法

    公开(公告)号:CN111967341A

    公开(公告)日:2020-11-20

    申请号:CN202010733194.1

    申请日:2020-07-27

    Abstract: 本发明公开了一种卫星地图目标物轮廓的识别方法,包括以下步骤;(1)获取指定区域卫星图;(2)识别掩码图;(3)获取poi轮廓信息;(4)poi掩码图拼接;(5)识别poi掩码图;(6)通过图像处理技术得到相关图形轮廓的面积、边界集合像素点,中心集合像素点,根据相应比例计算出该轮廓的完整面积。本发明提供的方法,可以自动识别指定区域的目标物轮廓数据,所需数据均来源于互联网,无需采购和申请,大大降低成本,效率也得到提高。同时由于数据主要从地图服务商中获取,确保了数据的准确性和实时性,可以相对精确的获取建筑物轮廓数据信息。

    一种基于深度学习的遥感图像非建筑区域过滤方法

    公开(公告)号:CN111291608A

    公开(公告)日:2020-06-16

    申请号:CN201911101871.1

    申请日:2019-11-12

    Abstract: 本发明公开了一种基于深度学习的遥感图像非建筑区域过滤方法,具体包括如下步骤标注数据:标注建筑物屋顶类型数据,即是对图片中不同的建筑物屋顶标注出类型和位置信息;标注是否包含建筑物区域的数据,即是对图片中有无建筑物打上1/0标签;训练模型:利用Unet卷积神经网络训练建筑物屋顶分割模型;利用resnet卷积神经网络训练建筑物分类模型;识别大比例尺的遥感图片,当识别为有建筑物区域时,则利用建筑物屋顶分割模型识别该区域下所有的,小比例尺的遥感图像;否则就不识别该区域;输出建筑物屋顶类型信息。本发明可以快速过滤掉大批非建筑的区域,从而提升对城市建筑物屋顶的分割识别的效率,效率提升可以达到50%以上,节省一定的资源成本。

    一种卫星地图切分建筑重新组合方法

    公开(公告)号:CN111489421B

    公开(公告)日:2023-09-19

    申请号:CN202010211630.9

    申请日:2020-03-24

    Abstract: 本发明公开了一种卫星地图切分建筑重新组合方法,包括获取卫星图片:通过网络爬取的方式获取卫星图片;通过建筑物屋顶分割模型对获取的卫星图片进行建筑物的识别和标注;判断卫星图片是否存在建筑物被切割,存储被切割建筑物的边界坐标集;比对各卫星图片被切割建筑物的边界坐标集,对被切割的同一建筑物进行轮廓重组。本发明用于卫星地图被切分建筑的重新组合,通过建筑物的重新组合,使获得的建筑物的轮廓数据更加精准;主要应用于光伏屋顶卫星遥感瓦片图的识别处理,以形成地图建筑物的完整准确轮廓数据,为光伏业务人员提供具有良好参考价值的地图数据,有助于其分析市场,发现潜在客户,对其拓展业务的帮助极大,具有良好的商业价值。

Patent Agency Ranking