-
公开(公告)号：CN112816582B
公开(公告)日：2022-08-30
申请号：CN202011615542.1
申请日：2020-12-30
Applicant: 珠海高凌信息科技股份有限公司
Abstract: 本发明公开了基于一体化控制的VOCs在线监测系统，包括：预处理控制板，通过PCB板进行温度控制，实时获取加热状态，基于开关控制量通过电磁阀来控制气流的流向和通断；在线色谱仪控制板，控制进入色谱仪的样品气维持在一定温度，通过阀位状态组合成相应的应用形态，控制色谱仪执行相应的业务功能；FID信号控制板，用于控制氢火焰离子检测器的点火、量程调节；EPC控制模块，用于调节各个气路系统的载气流量；一体化工控机，用于与上述模块相连接，交互数据，获取实时监测数据，并进行远程控制。本发明通过一体化控制模式，降低了成本，并通过PCB板级工控系统，实现了远程故障排查、远程控制，且配置灵活，反馈及时，极大地提高系统的可运维性。
-
公开(公告)号：CN112816582A
公开(公告)日：2021-05-18
申请号：CN202011615542.1
申请日：2020-12-30
Applicant: 珠海高凌信息科技股份有限公司
Abstract: 本发明公开了基于一体化控制的VOCs在线监测系统，包括：预处理控制板，通过PCB板进行温度控制，实时获取加热状态，基于开关控制量通过电磁阀来控制气流的流向和通断；在线色谱仪控制板，控制进入色谱仪的样品气维持在一定温度，通过阀位状态组合成相应的应用形态，控制色谱仪执行相应的业务功能；FID信号控制板，用于控制氢火焰离子检测器的点火、量程调节；EPC控制模块，用于调节各个气路系统的载气流量；一体化工控机，用于与上述模块相连接，交互数据，获取实时监测数据，并进行远程控制。本发明通过一体化控制模式，降低了成本，并通过PCB板级工控系统，实现了远程故障排查、远程控制，且配置灵活，反馈及时，极大地提高系统的可运维性。
-
公开(公告)号：CN117351995B
公开(公告)日：2025-04-15
申请号：CN202311247442.1
申请日：2023-09-25
Applicant: 珠海高凌信息科技股份有限公司
Abstract: 本发明提出了一种基于深度学习复合模型的环境声音识别方法及装置，该方法包括：获取环境音频，对环境音频进行特征提取得到环境音频特征，将环境音频特征输入预先训练好的复合模型，复合模型包括多个网络结构不同的通用模型；通过通用模型识别出各个类别标签对应的通用识别置信度；基于通用模型的模型权值和通用识别置信度，确定各个类别标签的目标加权置信度作为通用模型的分类输出结果；根据目标加权置信度的均值得到复合模型的输出结果。根据本发明实施例的技术方案，能够通过多个不同网络结构的通用模型对环境音频识别的置信度进行加权融合，能够降低分类识别的过拟合风险，增强泛化能力，能够在长期使用场景下维持对环境音频识别的准确性。
-
公开(公告)号：CN118032113B
公开(公告)日：2024-07-12
申请号：CN202410445606.X
申请日：2024-04-15
Applicant: 珠海高凌信息科技股份有限公司
Abstract: 本发明公开了一种噪声排放监测方法、设备及介质，方法包括：通过传声器单元获取声音信号的第一声压信号和第二声压信号；根据第一声压信号和第二声压信号计算得到声音信号的位置信息；在位置信息位于预设位置范围的情况下，根据第一声压信号和第二声压信号计算得到声音信号的噪声值；在噪声值大于或等于预设噪声阈值的情况下，将声音信号配置为工业厂区的噪声信号。通过传声器单元获取不同的声压信号，进而通过数据处理单元处理后得到声音信号的声源位置，从而确定声音信号是否为噪声信号，可实时检测工业厂区的噪声，降低了噪声监测难度和监测成本，可广泛应用于噪声监测技术领域。
-
公开(公告)号：CN118032113A
公开(公告)日：2024-05-14
申请号：CN202410445606.X
申请日：2024-04-15
Applicant: 珠海高凌信息科技股份有限公司
Abstract: 本发明公开了一种噪声排放监测方法、设备及介质，方法包括：通过传声器单元获取声音信号的第一声压信号和第二声压信号；根据第一声压信号和第二声压信号计算得到声音信号的位置信息；在位置信息位于预设位置范围的情况下，根据第一声压信号和第二声压信号计算得到声音信号的噪声值；在噪声值大于或等于预设噪声阈值的情况下，将声音信号配置为工业厂区的噪声信号。通过传声器单元获取不同的声压信号，进而通过数据处理单元处理后得到声音信号的声源位置，从而确定声音信号是否为噪声信号，可实时检测工业厂区的噪声，降低了噪声监测难度和监测成本，可广泛应用于噪声监测技术领域。
-
Patent Agency Ranking
公开(公告)号：CN117352001A
公开(公告)日：2024-01-05
申请号：CN202311265881.5
申请日：2023-09-27
Applicant: 珠海高凌信息科技股份有限公司
Abstract: 本申请公开了一种环境噪声检测方法、装置、电子设备、存储介质，方法包括获取包括多个音频帧的待识别音频数据，将全部的音频帧按照采集音频帧的时间先后顺序放入音频切片队列；从全部的音频帧中确定参考音频帧，根据参考音频帧的参考时刻和预设滑动步长对音频切片队列中的音频帧进行切片，得到目标音频数据；将目标音频数据输入至声音识别模型，得到初始噪声识别结果；根据当前的气象信息和初始噪声识别结果确定目标噪声识别结果。本申请通过声音识别模型结合实时的气象信息得到最终的目标噪声识别结果，实现人工智能与多场景化综合识别环境噪声，相比仅采用声音识别模型识别环境噪声的方案，能够有效提升环境噪声的准确辨识率。
-
公开(公告)号：CN117541735A
公开(公告)日：2024-02-09
申请号：CN202311386933.4
申请日：2023-10-24
Applicant: 珠海高凌信息科技股份有限公司
Abstract: 本发明提供一种基于倾斜摄影模型构建动态三维噪声地图的方法，包括完成倾斜摄影和像控点测量数据采集；将获取到的原始影像数据进行图像处理，获得最佳成像效果的倾斜摄影数据；基于倾斜摄影数据形成完整的CIM城市信息三维模型，根据修正后的源清单信息构建噪声地图计算模型，将数据代入噪声地图计算模型进行动态计算，结合声源噪声拟合算法和噪声传播衰减算法，计算生成基础三维噪声地图，并利用监测数据进行修正，根据瞬时、小时、昼夜等频生成动态噪声地图数据，并结合噪声地图原始数据在cesium三维渲染引擎上进行地图数据更新。本发明以三维地图为基础，融合CIM实景三维模型、城市实时动态噪声地图模型，实现实时动态的噪声地图一屏统览。
-
公开(公告)号：CN117351995A
公开(公告)日：2024-01-05
申请号：CN202311247442.1
申请日：2023-09-25
Applicant: 珠海高凌信息科技股份有限公司
Abstract: 本发明提出了一种基于深度学习复合模型的环境声音识别方法及装置，该方法包括：获取环境音频，对环境音频进行特征提取得到环境音频特征，将环境音频特征输入预先训练好的复合模型，复合模型包括多个网络结构不同的通用模型；通过通用模型识别出各个类别标签对应的通用识别置信度；基于通用模型的模型权值和通用识别置信度，确定各个类别标签的目标加权置信度作为通用模型的分类输出结果；根据目标加权置信度的均值得到复合模型的输出结果。根据本发明实施例的技术方案，能够通过多个不同网络结构的通用模型对环境音频识别的置信度进行加权融合，能够降低分类识别的过拟合风险，增强泛化能力，能够在长期使用场景下维持对环境音频识别的准确性。
-
公开(公告)号：CN113295261A
公开(公告)日：2021-08-24
申请号：CN202110361139.9
申请日：2021-04-02
Applicant: 珠海高凌信息科技股份有限公司
Abstract: 本发明公开了一种噪声监测方法，包括：确定声音信号到达第一传声器和第二传声器之间的相位角差；当相位角差位于预设的相位角差范围内时，获取第一声压信号和第二声压信号；分别对第一声压信号和第二声压信号进行快速傅氏变换，以获得第一频域信号值和第二频域信号值；根据第一频域信号值和第二频域信号值，确定待测目标的声音信号到达第一传声器和第二传声器之间的相位差；根据相位差确定噪声信号的频域值，并根据噪声信号的频域值确定噪声信号值。本发明实施例能够实现背景噪声的滤除，以及实现噪声监测的自动化。本发明还公开一种噪声监测设备和传声器单元。
-
公开(公告)号：CN110672374A
公开(公告)日：2020-01-10
申请号：CN201910976910.6
申请日：2019-10-15
Applicant: 珠海高凌信息科技股份有限公司
Abstract: 本发明公开了一种在线智能水质监测系统，包括工作台、取样机构、单片机和显示器；所述工作台的下端面设有固定机构，所述固定机构的数量不少于四个，所述固定机构在工作台的下端面边缘均匀分布，所述工作台的上端面中部设有水质监测机构，所述工作台上端面偏左侧设有取样机构，所述取样机构和水质监测机构通过样品输送机构相连接，所述工作台的上端面设有信息交流单元，其中：所述单片机和显示器均固定在工作台的上端面，本发明具备相应的取样机构、样品输送机构和水质监测机构，可以实现水的自动取样和水质监测，具备相应的信息交流单元，可以及时的向使用者反馈出水质信息的变化。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.025 seconds)
