公开(公告)号：CN118462313B

公开(公告)日：2025-05-16

申请号：CN202410539008.9

申请日：2024-04-30

Applicant: 应急管理部大数据中心

Inventor： 刘永强 ,  姬玉成 ,  房玉东 ,  靳文波 ,  严妍 ,  李阳

IPC: G06F18/27 ,  G06F123/02 ,  E21F17/18

Abstract: 本发明提出一种基于大数据技术的瓦斯浓度超限预警方法及智能分析设备，该方法包括：获取矿井中瓦斯浓度历史时间序列数据；根据瓦斯浓度历史时间序列数据和改进的Prophet模型，进行模型拟合，获取拟合后的Prophet模型，其中，改进的Prophet模型包括瓦斯浓度增长率趋势模型、季节性趋势模型和节假日效应模型，瓦斯浓度增长率趋势模型基于tanh函数得到，季节性趋势模型为瓦斯浓度季节性趋势的小波展开，节假日效应模型包括法定节假日以及预设特定节假日对瓦斯浓度的影响；根据拟合后的Prophet模型，预测未来预设时间段内的瓦斯浓度，对异常值发出告警。本发明利用拟合后的Prophet模型，可以更加准确地预测未来预设时间段内的瓦斯浓度，并精准报警。

公开(公告)号：CN118462313A

公开(公告)日：2024-08-09

申请号：CN202410539008.9

申请日：2024-04-30

Applicant: 应急管理部大数据中心

Inventor： 刘永强 ,  姬玉成 ,  房玉东 ,  靳文波 ,  严妍 ,  李阳

IPC: E21F17/18 ,  G06F18/27 ,  G06F123/02

Abstract: 本发明提出一种基于大数据技术的瓦斯浓度超限预警方法及智能分析设备，该方法包括：获取矿井中瓦斯浓度历史时间序列数据；根据瓦斯浓度历史时间序列数据和改进的Prophet模型，进行模型拟合，获取拟合后的Prophet模型，其中，改进的Prophet模型包括瓦斯浓度增长率趋势模型、季节性趋势模型和节假日效应模型，瓦斯浓度增长率趋势模型基于tanh函数得到，季节性趋势模型为瓦斯浓度季节性趋势的小波展开，节假日效应模型包括法定节假日以及预设特定节假日对瓦斯浓度的影响；根据拟合后的Prophet模型，预测未来预设时间段内的瓦斯浓度，对异常值发出告警。本发明利用拟合后的Prophet模型，可以更加准确地预测未来预设时间段内的瓦斯浓度，并精准报警。

公开(公告)号：CN118411512B

公开(公告)日：2025-05-23

申请号：CN202410539005.5

申请日：2024-04-30

Applicant: 应急管理部大数据中心

Inventor： 姬玉成 ,  刘永强 ,  房玉东 ,  靳文波 ,  王增铮 ,  李阳

IPC: G06V10/25 ,  G06V20/70 ,  G06V10/44 ,  G06V10/80 ,  G06V10/42 ,  G06V10/82 ,  G06V10/766 ,  G06V20/52 ,  G06V20/40 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/0985 ,  G06N3/096

Abstract: 本发明提出一种基于视觉大模型的煤矿井下目标检测方法及视频分析设备，该方法包括：获取煤矿井下的视频图像，对视频图像进行图像增强，得到增强后的图像，并将增强后的图像以及标注文本作为训练集；基于树结构的贝叶斯优化方法进行超参数寻优，确定Grounding DINO模型中超参数的取值；基于训练集，对Grounding DINO模型进行微调，得到微调后的Grounding DINO模型；对微调后的Grounding DINO模型进行知识蒸馏，得到知识蒸馏后的Grounding DINO模型；将煤矿井下的待检测图像输入到知识蒸馏后的Grounding DINO模型，得到目标检测结果。本发明通过引入融合了文本与图像理解能力的Grounding DINO视觉大模型，只需调整具体目标检测的文本提示，即可实现多任务场景检测，具有很强的模型泛化能力。

公开(公告)号：CN118411512A

公开(公告)日：2024-07-30

申请号：CN202410539005.5

申请日：2024-04-30

Applicant: 应急管理部大数据中心

Inventor： 姬玉成 ,  刘永强 ,  房玉东 ,  靳文波 ,  王增铮 ,  李阳

IPC: G06V10/25 ,  G06V20/70 ,  G06V10/44 ,  G06V10/80 ,  G06V10/42 ,  G06V10/82 ,  G06V10/766 ,  G06V20/52 ,  G06V20/40 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/0985 ,  G06N3/096

Abstract: 本发明提出一种基于视觉大模型的煤矿井下目标检测方法及视频分析设备，该方法包括：获取煤矿井下的视频图像，对视频图像进行图像增强，得到增强后的图像，并将增强后的图像以及标注文本作为训练集；基于树结构的贝叶斯优化方法进行超参数寻优，确定Gounding DINO模型中超参数的取值；基于训练集，对Gounding DINO模型进行微调，得到微调后的Gounding DINO模型；对微调后的Gounding DINO模型进行知识蒸馏，得到知识蒸馏后的Gounding DINO模型；将煤矿井下的待检测图像输入到知识蒸馏后的Gounding DINO模型，得到目标检测结果。本发明通过引入融合了文本与图像理解能力的Gounding DINO视觉大模型，只需调整具体目标检测的文本提示，即可实现多任务场景检测，具有很强的模型泛化能力。