-
公开(公告)号：CN118885944B
公开(公告)日：2024-12-17
申请号：CN202411364723.X
申请日：2024-09-29
Applicant: 安徽博诺思信息科技有限公司
IPC: G06F18/2433 , G01R31/00 , G01R23/16 , G01D21/02 , G06F18/2415 , G06F18/25 , G06F18/15 , G06F18/2131 , G06N3/0464 , G06N3/042 , G06N3/045
Abstract: 本发明公开了多模态故障诊断与预警方法，涉及变电站故障预测技术领域，包括以下步骤对历史的变电主设备用于故障预测的若干模态信号分别进行频谱分析，得到第一频率集合，并将第一频率集合的G倍频率作为各个模态信号的初始采样频率，得到初始采样频率集；获取每组采样频率集对应的采样重叠数据和对应故障预测数据，并构建采样频率评估模型；将采样频率评估模型的输出与对应的采样频率集构建若干个采样频率－评估效果曲线，并对若干个采样频率－评估效果曲线进行数据分析，得到改进的采样频率集，根据改进的采样频率集进行故障预测，本申请解决了由于缺乏动态调整采样频率的机制，现有技术的采样频率的选取不佳的问题。
-
公开(公告)号：CN118691096B
公开(公告)日：2024-11-01
申请号：CN202411173704.9
申请日：2024-08-26
Applicant: 安徽博诺思信息科技有限公司 , 国网安徽省电力有限公司灵璧县供电公司
IPC: G06Q10/0635 , G06F40/295 , G06N5/022 , G06F16/35 , G06F16/36 , G06F18/2415
Abstract: 本发明公开了一种基于知识图谱的电力施工安全管控方法及装置，涉及知识图谱构建技术领域；建立初始知识图谱；实时获取施工区域现场的作业施工数据确定潜在风险关系集；根据作业施工数据和初始知识图谱得到多个头实体和头实体的查询关系；针对每一头实体和头实体的查询关系，根据潜在风险关系集确定该头实体对应的目标子图；根据所有目标子图和对应的历史施工数据确定施工区域出现风险的风险事件集，根据风险事件集确定安全管控方案。先通过作业施工数据确定潜在风险关系集，在结合初始知识图谱生成目标子图从而更精准地识别施工现场的具体风险点进行精准的风险预测，提高了系统效率。
-
公开(公告)号：CN118799537B
公开(公告)日：2024-12-17
申请号：CN202411260811.5
申请日：2024-09-10
Applicant: 安徽博诺思信息科技有限公司
IPC: G06V10/10 , G06V10/26 , G06V10/766 , G06V10/82 , G06V20/56 , G06N3/0442 , B66C23/88
Abstract: 本发明公开了基于实时视频全景拼接技术的塔机操控系统，涉及全景拼接技术领域，包括数据获取模块，用于获取不同输入分辨率下的实时视频全景拼接的系统响应数据和图像数据；综合评估模块，用于根据系统响应数据和图像感官数据基于长短期神经网络构建分辨率影响评估模型；输入数据量判断模块，用于根据不同输入分辨率下分辨率影响评估模型的输出，构建输入分辨率－拼接效果曲线图；判别约束模块，用于基于硬件数据和人为预设限制，进行数据分析构建判别约束条件；分辨率出入模块，用于根据判别约束条件分辨率－拼接效果曲线图的峰值作为最佳输入分辨率，并进行全景拼接；解决了输入分辨率不佳，导致全景拼接的延迟和质量不平衡问题。
-
公开(公告)号：CN118799537A
公开(公告)日：2024-10-18
申请号：CN202411260811.5
申请日：2024-09-10
Applicant: 安徽博诺思信息科技有限公司
IPC: G06V10/10 , G06V10/26 , G06V10/766 , G06V10/82 , G06V20/56 , G06N3/0442 , B66C23/88
Abstract: 本发明公开了基于实时视频全景拼接技术的塔机操控系统，涉及全景拼接技术领域，包括数据获取模块，用于获取不同输入分辨率下的实时视频全景拼接的系统响应数据和图像数据；综合评估模块，用于根据系统响应数据和图像感官数据基于长短期神经网络构建分辨率影响评估模型；输入数据量判断模块，用于根据不同输入分辨率下分辨率影响评估模型的输出，构建输入分辨率－拼接效果曲线图；判别约束模块，用于基于硬件数据和人为预设限制，进行数据分析构建判别约束条件；分辨率出入模块，用于根据判别约束条件分辨率－拼接效果曲线图的峰值作为最佳输入分辨率，并进行全景拼接；解决了输入分辨率不佳，导致全景拼接的延迟和质量不平衡问题。
-
公开(公告)号：CN118692094A
公开(公告)日：2024-09-24
申请号：CN202411171158.5
申请日：2024-08-26
Applicant: 安徽博诺思信息科技有限公司
Abstract: 本发明公开了基于计算机视觉的目标检测方法，涉及计算机视觉技术领域，包括以下步骤：在标准箱整体出入库时，通过OCR收集并识别场景图像数据，在二维码扫描阶段收集标准箱图像数据；依据场景图像数据和标准箱图像数据建立出入库场景分析模型，生成出入库预测评估系数；将出入库场景进行场景类别归类，所述场景类别包括正常场景、低干扰以及干扰过强场景，依据出入库预测评估系数对预计的场景类别进行归类，并实施对应的管控手段；当场景类别为信号不足时，对管控手段进行追踪，评估管控效果，并发出反馈信号；本发明解决了二维码标准箱管理过程中无法及时更改状态的问题。
-
Patent Agency Ranking
公开(公告)号：CN118692094B
公开(公告)日：2024-11-22
申请号：CN202411171158.5
申请日：2024-08-26
Applicant: 安徽博诺思信息科技有限公司
Abstract: 本发明公开了基于计算机视觉的目标检测方法，涉及计算机视觉技术领域，包括以下步骤：在标准箱整体出入库时，通过OCR收集并识别场景图像数据，在二维码扫描阶段收集标准箱图像数据；依据场景图像数据和标准箱图像数据建立出入库场景分析模型，生成出入库预测评估系数；将出入库场景进行场景类别归类，所述场景类别包括正常场景、低干扰以及干扰过强场景，依据出入库预测评估系数对预计的场景类别进行归类，并实施对应的管控手段；当场景类别为信号不足时，对管控手段进行追踪，评估管控效果，并发出反馈信号；本发明解决了二维码标准箱管理过程中无法及时更改状态的问题。
-
公开(公告)号：CN118968631A
公开(公告)日：2024-11-15
申请号：CN202411420216.3
申请日：2024-10-12
Applicant: 安徽博诺思信息科技有限公司
Abstract: 本发明公开了一种基于多模态大模型的电力作业现场违章动作识别系统，涉及电力作业现场监督的技术领域；该系统包括：数据获取模块，用于获取监控视频和任务信息；质量分析模块，用于计算视频帧的质量分数；图像增强模块，用于若所述质量分数小于第一预设阈值，则对所述目标图像进行增强；违章识别模块，用于将所述视频帧序列和所述任务信息作为预训练的多模态大模型的输入，得到违章动作识别结果；违章警报模块，用于将所述违章动作识别结果发送给管理人员的手持终端。通过预训练的多模态大模型，可以根据作业现场的视频数据和任务文本数据，判断作业人员的行为动作是否违章，实现了实时监控和即时预警，提高了监管的效率和及时性。
-
公开(公告)号：CN118885944A
公开(公告)日：2024-11-01
申请号：CN202411364723.X
申请日：2024-09-29
Applicant: 安徽博诺思信息科技有限公司
IPC: G06F18/2433 , G01R31/00 , G01R23/16 , G01D21/02 , G06F18/2415 , G06F18/25 , G06F18/15 , G06F18/2131 , G06N3/0464 , G06N3/042 , G06N3/045
Abstract: 本发明公开了多模态故障诊断与预警方法，涉及变电站故障预测技术领域，包括以下步骤对历史的变电主设备用于故障预测的若干模态信号分别进行频谱分析，得到第一频率集合，并将第一频率集合的G倍频率作为各个模态信号的初始采样频率，得到初始采样频率集；获取每组采样频率集对应的采样重叠数据和对应故障预测数据，并构建采样频率评估模型；将采样频率评估模型的输出与对应的采样频率集构建若干个采样频率－评估效果曲线，并对若干个采样频率－评估效果曲线进行数据分析，得到改进的采样频率集，根据改进的采样频率集进行故障预测，本申请解决了由于缺乏动态调整采样频率的机制，现有技术的采样频率的选取不佳的问题。
-
公开(公告)号：CN118733712A
公开(公告)日：2024-10-01
申请号：CN202411216968.8
申请日：2024-09-02
Applicant: 安徽博诺思信息科技有限公司
IPC: G06F16/33 , G06F16/332 , G06F18/213 , G06F18/22 , G06F40/30 , G06F40/284 , G06F40/289 , G06F40/216 , G06F40/211
Abstract: 本发明公开了一种基于检索增强生成的智能搜索方法，涉及智能搜索技术领域，包括以下步骤：获取待检索文本，并基于NLP对待检索文本进行文本分割，得到若干文本片段，并标号构建文本片段集合；分别对本片段集合中的各个文本片段进行文本特征提取，得到各个文本片段的文本特征数据；获取特征偏差数据、离散数据和文本质量数据，基于神经网络算法构建文本片段优先度评估模型，得到各个文本片段的文本片段改写优先度；将预改写文本片段集分别通过若干不同类型的改写大模型，生成预改写结果；将预改写结果进行质量评估，获取最佳改写大模型；本申请通过预改写获取最佳改写大模型，以解决改写可能引入错误或歧义，影响后续步骤的准确性的问题。
-
公开(公告)号：CN118968631B
公开(公告)日：2024-12-13
申请号：CN202411420216.3
申请日：2024-10-12
Applicant: 安徽博诺思信息科技有限公司
Abstract: 本发明公开了一种基于多模态大模型的电力作业现场违章动作识别系统，涉及电力作业现场监督的技术领域；该系统包括：数据获取模块，用于获取监控视频和任务信息；质量分析模块，用于计算视频帧的质量分数；图像增强模块，用于若所述质量分数小于第一预设阈值，则对所述目标图像进行增强；违章识别模块，用于将所述视频帧序列和所述任务信息作为预训练的多模态大模型的输入，得到违章动作识别结果；违章警报模块，用于将所述违章动作识别结果发送给管理人员的手持终端。通过预训练的多模态大模型，可以根据作业现场的视频数据和任务文本数据，判断作业人员的行为动作是否违章，实现了实时监控和即时预警，提高了监管的效率和及时性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.034 seconds)
