-
公开(公告)号：CN116580328A
公开(公告)日：2023-08-11
申请号：CN202310849642.8
申请日：2023-07-12
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) , 东华理工大学南昌校区
IPC: G06V20/17 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于多任务辅助的热红外图像堤坝渗漏险情智能识别方法，包括改进和训练UNet模型、利用改进和训练UNet模型的堤坝渗漏险情检测两个过程。改进和训练UNet模型具有以下内容：数据采集,制作样本，生成样本和划分数据集，改进UNet模型，训练改进的UNet模型，利用改进和训练UNet模型的堤坝渗漏险情检测，堤坝渗漏险情的确定,堤坝渗漏险情检测。本发明的有益效果是：本发明将堤坝渗漏险情与背景分离的二分类问题转换成多分类问题，通过对这些易干扰堤坝渗漏险情的检测的地物进行识别，有利于提升堤坝渗漏险情的检测精度；针对堤坝渗漏险情小目标检测问题对Unet模型进行了改进，提升的检测的精度和速度。
-
公开(公告)号：CN118865184B
公开(公告)日：2025-01-21
申请号：CN202411347302.6
申请日：2024-09-26
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) , 东华理工大学南昌校区
IPC: G06V20/17 , G06V20/52 , G06V20/70 , G06V10/10 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/80
Abstract: 本发明公开了一种基于边缘增强的堤防裂缝险情智能识别方法，包括改进和训练边缘增强的YOLOv8模型，改进和训练YOLOv8模型具有以下内容：数据采集，制作样本，生成样本和划分数据集，改进边缘增强的YOLOv8模型，训练边缘增强的YOLOv8模型：利用边缘增强的YOLOv8模型的堤防裂缝险情检测，堤防裂缝险情的确定。本发明将利用边缘特征提取模块,提取图像高频边缘信息，有利于堤防裂缝险情的特征；设计两个主干网络特征提取模块来提高堤防裂缝险情检测的准确性；设计一种新的特征增强融合模块用于融合各种特征，从而有效提高了堤防裂缝险情检测的准确性。
-
公开(公告)号：CN118865184A
公开(公告)日：2024-10-29
申请号：CN202411347302.6
申请日：2024-09-26
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) , 东华理工大学南昌校区
IPC: G06V20/17 , G06V20/52 , G06V20/70 , G06V10/10 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/80
Abstract: 本发明公开了一种基于边缘增强的堤防裂缝险情智能识别方法，包括改进和训练边缘增强的YOLOv8模型，改进和训练YOLOv8模型具有以下内容：数据采集，制作样本，生成样本和划分数据集，改进边缘增强的YOLOv8模型，训练边缘增强的YOLOv8模型：利用边缘增强的YOLOv8模型的堤防裂缝险情检测，堤防裂缝险情的确定。本发明将利用边缘特征提取模块,提取图像高频边缘信息，有利于堤防裂缝险情的特征；设计两个主干网络特征提取模块来提高堤防裂缝险情检测的准确性；设计一种新的特征增强融合模块用于融合各种特征，从而有效提高了堤防裂缝险情检测的准确性。
-
公开(公告)号：CN116580328B
公开(公告)日：2023-09-19
申请号：CN202310849642.8
申请日：2023-07-12
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) , 东华理工大学南昌校区
IPC: G06V20/17 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于多任务辅助的热红外图像堤坝渗漏险情智能识别方法，包括改进和训练UNet模型、利用改进和训练UNet模型的堤坝渗漏险情检测两个过程。改进和训练UNet模型具有以下内容：数据采集,制作样本，生成样本和划分数据集，改进UNet模型，训练改进的UNet模型，利用改进和训练UNet模型的堤坝渗漏险情检测，堤坝渗漏险情的确定,堤坝渗漏险情检测。本发明的有益效果是：本发明将堤坝渗漏险情与背景分离的二分类问题转换成多分类问题，通过对这些易干扰堤坝渗漏险情的检测的地物进行识别，有利于提升堤坝渗漏险情的检测精度；针对堤坝渗漏险情小目标检测问题对Unet模型进行了改进，提升的检测的精度和速度。
-
公开(公告)号：CN116704357A
公开(公告)日：2023-09-05
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。
-
Patent Agency Ranking
公开(公告)号：CN116384289B
公开(公告)日：2023-08-08
申请号：CN202310656425.7
申请日：2023-06-05
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)
IPC: G06F30/28 , G06F30/23 , G06F113/08 , G06F119/14 , G06F111/10
Abstract: 本发明公开了一种通过计算流体动力学预测墩块式鱼道流量的方法，包括先对墩块式鱼道进行量纲分析，得到流量与水深的量纲关系；然后对数值模拟的方法进行验证，对墩块式鱼道进行物理模型试验和数值计算，采集第一列中间墩块正前端水深并进行数据对比，得到合理有效的计算软件设置方法；然后通过得出的计算流体动力学设置方法对不同列数和不同坡度的墩块式鱼道进行数值模拟，对输出的水深与流量进行处理得到流量预测公式。在数值计算时，引入云计算以提高模拟精度和效率。在预测墩块式鱼道流量时，测得第一列中间墩块正前端水深带入对应流量公式即可得到实时的墩块式鱼道流量。本发明能够准确地测试不同墩块或不同坡度的墩块式鱼道的流量。
-
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：CN116384289A
公开(公告)日：2023-07-04
申请号：CN202310656425.7
申请日：2023-06-05
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)
IPC: G06F30/28 , G06F30/23 , G06F113/08 , G06F119/14 , G06F111/10
Abstract: 本发明公开了一种通过计算流体动力学预测墩块式鱼道流量的方法，包括先对墩块式鱼道进行量纲分析，得到流量与水深的量纲关系；然后对数值模拟的方法进行验证，对墩块式鱼道进行物理模型试验和数值计算，采集第一列中间墩块正前端水深并进行数据对比，得到合理有效的计算软件设置方法；然后通过得出的计算流体动力学设置方法对不同列数和不同坡度的墩块式鱼道进行数值模拟，对输出的水深与流量进行处理得到流量预测公式。在数值计算时，引入云计算以提高模拟精度和效率。在预测墩块式鱼道流量时，测得第一列中间墩块正前端水深带入对应流量公式即可得到实时的墩块式鱼道流量。本发明能够准确地测试不同墩块或不同坡度的墩块式鱼道的流量。
-
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：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。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.063 seconds)
