-
公开(公告)号：CN113542697A
公开(公告)日：2021-10-22
申请号：CN202111081338.0
申请日：2021-09-15
Abstract: 本发明公开了基于深度学习的采砂船自适应监控系统的自适应监控方法，包括前端监控终端、推理识别装置以及服务器管理装置；前端监控终端包括嵌入式微处理器、水岸监控摄像机、北斗定位模块、能量状况监测模块；推理识别装置包括嵌入式PC机以及与嵌入式PC机电性连接的无线图像传输通信模块、深度学习加速卡、4G无线通信模块，以太网模块和SD卡数据存储模块；服务器管理装置包括采砂船管理Web平台以及采砂船管理Web平台电性连接的采砂船识别服务器、监测状态分析服务器的和存储服务器；本发明能够实现河湖采砂船进出采砂区域的自动识别以及河湖非法采砂船的识别、取证及预警功能。
-
公开(公告)号：CN118552830A
公开(公告)日：2024-08-27
申请号：CN202411029342.6
申请日：2024-07-30
Applicant: 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) , 南昌工程学院
IPC: G06V10/82 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V20/10 , G06V10/94 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06N3/0985
Abstract: 本发明公开了面向边缘计算的堤坝坝体裂缝险情目标检测轻量化方法，首先，收集不同的堤坝坝体裂缝图像并在图片中标注形成坝体裂缝险情数据集；其次构建高精确度且轻量化的改进YOLOv8堤坝坝体裂缝险情识别模型；随后使用数据集对模型进行训练和评估，选出最优的权重文件；将权重文件部署到边缘设备上；之后测试模型是否需要调整超参数再训练；最后将待检测图片传入边缘设备完成检测。本发明适用于在边缘设备上的堤坝坝体裂缝险情识别，在保证高识别精度的同时，降低算法模型41.4%的计算参数量，实现高精度且较YOLOv8更加轻量化的算法模型，能有效应用于在资源受限的边缘设备上部署和执行，有效降低远程通信成本，便于应用推广。
-
公开(公告)号：CN114235082A
公开(公告)日：2022-03-25
申请号：CN202111569983.7
申请日：2021-12-21
Abstract: 本发明公开了一种基于采砂量监测系统的智能计量方法，系统包括采砂量监测终端、采砂量计量管理装置；其方法是利用光电传感器、振动传感器、超声波传感器三种传感器的监测信息融合处理，根据振动传感器和光电传感器综合判定采砂船工作状态，融合光电传感器和超声波传感器的信息，利用信息处理方法计算采砂量，并实时发送采砂量信息至采砂量管理装置；采砂量管理装置接收采砂量信息，在采砂量计量管理装置利用深度神经网络算法进行采砂量校正，然后在网站上过采预警显示并存入数据库服务器。本发明实现采砂船采砂的实时动态精准计量，并实时传输采砂量计量信息并能对超采行为实现定位和图像信息取证和预警等功能。
-
公开(公告)号：CN113542697B
公开(公告)日：2021-12-10
申请号：CN202111081338.0
申请日：2021-09-15
Abstract: 本发明公开了基于深度学习的采砂船自适应监控系统的自适应监控方法，包括前端监控终端、推理识别装置以及服务器管理装置；前端监控终端包括嵌入式微处理器、水岸监控摄像机、北斗定位模块、能量状况监测模块；推理识别装置包括嵌入式PC机以及与嵌入式PC机电性连接的无线图像传输通信模块、深度学习加速卡、4G无线通信模块，以太网模块和SD卡数据存储模块；服务器管理装置包括采砂船管理Web平台以及采砂船管理Web平台电性连接的采砂船识别服务器、监测状态分析服务器的和存储服务器；本发明能够实现河湖采砂船进出采砂区域的自动识别以及河湖非法采砂船的识别、取证及预警功能。
-
公开(公告)号：CN118552830B
公开(公告)日：2024-10-01
申请号：CN202411029342.6
申请日：2024-07-30
Applicant: 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) , 南昌工程学院
IPC: G06V10/82 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V20/10 , G06V10/94 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06N3/0985
Abstract: 本发明公开了面向边缘计算的堤坝坝体裂缝险情目标检测轻量化方法，首先，收集不同的堤坝坝体裂缝图像并在图片中标注形成坝体裂缝险情数据集；其次构建高精确度且轻量化的改进YOLOv8堤坝坝体裂缝险情识别模型；随后使用数据集对模型进行训练和评估，选出最优的权重文件；将权重文件部署到边缘设备上；之后测试模型是否需要调整超参数再训练；最后将待检测图片传入边缘设备完成检测。本发明适用于在边缘设备上的堤坝坝体裂缝险情识别，在保证高识别精度的同时，降低算法模型41.4%的计算参数量，实现高精度且较YOLOv8更加轻量化的算法模型，能有效应用于在资源受限的边缘设备上部署和执行，有效降低远程通信成本，便于应用推广。
-
Patent Agency Ranking
公开(公告)号：CN115035354B
公开(公告)日：2022-11-08
申请号：CN202210964547.8
申请日：2022-08-12
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/10
Abstract: 本发明公开了一种基于改进YOLOX的水库水面漂浮物目标检测方法，其方法为：图像数据集收集和预处理操作；改进YOLOX算法模型，提出一种改进特征融合模块，增强输出特征信息的丰富度，提升大目标和小目标水库漂浮物的精度；判断是否要调整学习率以降低训练损失值，提升检测精度：若是，则在训练过程中手动更改超参数的取值并继续训练；否则，保持按原超参数训练；完成训练，获取最优权重：最后水库水面漂浮物图片检测识别。本发明的有益效果是：采用改进YOLOX算法模型进行目标检测，训练参数量适中，检测精度更好，实现了水库水面漂浮物的自动化高精度检测和识别。
-
公开(公告)号：CN115082872A
公开(公告)日：2022-09-20
申请号：CN202210963229.X
申请日：2022-08-11
IPC: G06V20/54 , G06V10/82 , G06V10/80 , G06V10/764 , G06V10/762 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种面向边缘计算的河面采砂船及过往船只识别方法，该方法提出使用K‑means聚类算法生成河面船只数据集的先验框，并改进YOLOv4‑tiny主干网络，将基本卷积层激活函数改为SiLU激活函数，形成新的主干特征提取网络，并输出两种不同尺度的特征图；在加强特征融合网络中加入SE注意力机制模块，并在FPN层后面加入自上而下的连接，形成PANet网络结构。本发明通过在其原来的基本卷积块中加入SiLU激活函数对主干网络进行调整，有利于训练模型更好的收敛；整个模型可用于对复杂场景下河面过往不同类型船只识别任务的优化，识别精度优于传统模型。
-
公开(公告)号：CN117315446B
公开(公告)日：2024-02-09
申请号：CN202311604737.X
申请日：2023-11-29
Applicant: 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) , 南昌工程学院
IPC: G06V10/82 , G06V10/762 , G06V10/80 , G06T5/73 , G06N3/0464 , G06N3/045 , G06N3/08 , G06V20/70 , G06V10/40 , G06V10/26
Abstract: 本发明公开了一种面向复杂环境下水库溢洪道异常智能识别方法，该方法面向存在雨雾复杂环境下的溢洪道堵塞物识别检测，具体步骤如下：首先，对待检测的水库溢洪道堵塞物图像，采用雨雾干扰去除算法进行去噪处理，得到输出雨雾去除后的水库溢洪道堵塞物图像；然后，将雨雾去除后的图像输入到溢洪道区域分割模型，识别并截取分割后的溢洪道区域图像；最后，将截取的溢洪道区域图像输送至溢洪道堵塞物识别模型，检测识别出溢洪道中的堵塞物；本发明结合图像处理技术和计算机视觉技术，既能解决传(56)对比文件洪庆;宋乔;杨晨涛;张培;常连立.基于智能视觉的机械零件图像分割技术.机械制造与自动化.2020,(第05期),全文.张晓娟.雨天雾气干扰下的车牌图像识别技术仿真.计算机仿真.2015,(第12期),全文.
-
公开(公告)号：CN116704357B
公开(公告)日：2023-10-27
申请号：CN202310995426.4
申请日：2023-08-09
Applicant: 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) , 南昌工程学院
IPC: G06V20/10 , G06V10/20 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/092
Abstract: 本发明公开了基于YOLOv7的堤坝边坡滑坡智能识别与预警方法，包括以下步骤：收集堤坝边坡滑坡危害的图像数据，标注筛选后的图像数据；对图像数据进行预处理和对数据集进行划分，训练集送入到网络模型进行训练；验证集验证训练的结果且更新网络模型的权重文件，得到堤坝边坡滑坡检测模型的最优权重文件；对测试集进行高分辨率处理，之后对网络模型进行测试，评估性能。本发明的有益效果是：提升对堤坝边坡滑坡识别的精度，提高堤坝边坡滑坡识别与预警的自动化水平，可以自动识别和定位堤坝边坡滑坡出现的塌方、滑坡的危险情况，实现对堤坝边坡滑坡的实时监测和预警，提高水库边坡滑坡的安全性和稳定性。
-
公开(公告)号：CN115082872B
公开(公告)日：2023-01-17
申请号：CN202210963229.X
申请日：2022-08-11
IPC: G06V20/54 , G06V10/82 , G06V10/80 , G06V10/764 , G06V10/762 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种面向边缘计算的河面采砂船及过往船只识别方法，该方法提出使用K‑means聚类算法生成河面船只数据集的先验框，并改进YOLOv4‑tiny主干网络，将基本卷积层激活函数改为SiLU激活函数，形成新的主干特征提取网络，并输出两种不同尺度的特征图；在加强特征融合网络中加入SE注意力机制模块，并在FPN层后面加入自上而下的连接，形成PANet网络结构。本发明通过在其原来的基本卷积块中加入SiLU激活函数对主干网络进行调整，有利于训练模型更好的收敛；整个模型可用于对复杂场景下河面过往不同类型船只识别任务的优化，识别精度优于传统模型。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.045 seconds)
