-
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。
-
Patent Agency Ranking
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：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：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。
-
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。
-
-
-
-
-
Search Results
6
records
(took 0.037 seconds)
