公开(公告)号：CN108391255B

公开(公告)日：2020-11-24

申请号：CN201810105179.5

申请日：2018-02-02

Applicant: 福州大学

Inventor： 江灏 ,  王尤刚 ,  陈静 ,  阴存翊 ,  林雅婷

IPC: H04W4/70 ,  H04W16/18 ,  H04W24/04 ,  H04W52/02 ,  H04L29/08

Abstract: 本发明提供一种基于NB‑IoT的iBeacon电源管理系统及方法，该系统包括单片机模块及分别与其相连接的蓝牙模块、NB‑IoT模块、电源模块；所述电源模块为独立电池且各硬件模块均由该电源模块供电。本发明使用的是运营商NB‑IoT无线数据传输，支持移动、联通、电信网络，不需要网关和中继，不需要布置电源和路由器，降低了大规模部署难度，能够实现系统的平滑升级；NB‑IoT单个连接模块的企业成本较传统技术相对较低，且具有连接数量多、信号覆盖质量好、无线传输更稳定的优点，有益于大规模产品推广；NB‑IoT无线通讯技术具有终端功耗低的特点，仅需使用电池供电就可以保证长久的使用。

公开(公告)号：CN109344753A

公开(公告)日：2019-02-15

申请号：CN201811103955.4

申请日：2018-09-21

Applicant: 福州大学

Inventor： 陈静 ,  林雅婷 ,  缪希仁 ,  江灏

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的航拍图像输电线路细小金具识别方法。该方法包括以下步骤：对航拍图像进行防抖去噪处理，并建立细小金具识别图像库；通过旋转、扭曲等方法扩充图像库数据；建立与细小金具识别图像库对应的图像标签库；利用Faster R-CNN网络搭建细小金具识别模型，主要包括特征提取网络、区域建议网络和Fast R-CNN检测网络；利用图像库中的航拍图像训练该网络，最后根据训练时网络参数是否达到期望值固化深度神经网络模型，并将识别出的图像信息保存到服务器中，以便后期的细小金具故障检测使用。此外，本发明还包含了一种基于二值图的螺栓平帽故障检测方法。

公开(公告)号：CN108391255A

公开(公告)日：2018-08-10

申请号：CN201810105179.5

申请日：2018-02-02

Applicant: 福州大学

Inventor： 江灏 ,  王尤刚 ,  陈静 ,  阴存翊 ,  林雅婷

IPC: H04W4/70 ,  H04W16/18 ,  H04W24/04 ,  H04W52/02 ,  H04L29/08

Abstract: 本发明提供一种基于NB-IoT的iBeacon电源管理系统及方法，该系统包括单片机模块及分别与其相连接的蓝牙模块、NB-IoT模块、电源模块；所述电源模块为独立电池且各硬件模块均由该电源模块供电。本发明使用的是运营商NB-IoT无线数据传输，支持移动、联通、电信网络，不需要网关和中继，不需要布置电源和路由器，降低了大规模部署难度，能够实现系统的平滑升级；NB-IoT单个连接模块的企业成本较传统技术相对较低，且具有连接数量多、信号覆盖质量好、无线传输更稳定的优点，有益于大规模产品推广；NB-IoT无线通讯技术具有终端功耗低的特点，仅需使用电池供电就可以保证长久的使用。

公开(公告)号：CN108260087A

公开(公告)日：2018-07-06

申请号：CN201810094115.X

申请日：2018-01-31

Applicant: 福州大学

Inventor： 陈静 ,  林雅婷 ,  阴存翊 ,  江灏 ,  王尤刚

IPC: H04W4/021 ,  H04W4/33 ,  G06N3/04

Abstract: 本发明涉及一种基于WIIFI长短时记忆的室内人流分布预测方法，通过设置于室内场所待检测位置的WIFI探测单元，采集基于室内人流个体所携带的WIFI设备的人流数据，并上传至一数据收发服务器，并存储一数据库中；根据所述人流数据，通过一LSTM预测单元，获取室内场所人流分布预测结果。本发明提出的一种基于WIIFI长短时记忆的室内人流分布预测方法，通过被动式WIFI以及LSTM模型的有机结合，实现不同区域、不同时间段等多种情况的人流分布预测。

公开(公告)号：CN109284739A

公开(公告)日：2019-01-29

申请号：CN201811254489.X

申请日：2018-10-26

Applicant: 福州大学

Inventor： 陈静 ,  林雅婷 ,  缪希仁 ,  江灏

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的输电线路防外力破坏预警方法及系统，首先在一架以上的无人机上搭载摄像头与无线通信模块，每架无人机按照预设的路线、高度与拍摄角度对输电线路进行巡查，并将在目标地区拍摄的图像数据传输至对应巡查站的服务器；接着巡查站的服务器对无人机实时传输回来的图像数据采用深度学习的方法搭建深度神经网络，对目标进行智能识别，判断存在外力破坏风险的位置坐标，并将其上传至中心控制台；最后中心控制台接收各个巡查站发出的预警坐标位置，用以警示工作人员。本发明市面上普及的无人机以及深度学习算法，实现较大范围的输电线路防外力破坏预警。

公开(公告)号：CN109284739B

公开(公告)日：2021-09-28

申请号：CN201811254489.X

申请日：2018-10-26

Applicant: 福州大学

Inventor： 陈静 ,  林雅婷 ,  缪希仁 ,  江灏

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的输电线路防外力破坏预警方法及系统，首先在一架以上的无人机上搭载摄像头与无线通信模块，每架无人机按照预设的路线、高度与拍摄角度对输电线路进行巡查，并将在目标地区拍摄的图像数据传输至对应巡查站的服务器；接着巡查站的服务器对无人机实时传输回来的图像数据采用深度学习的方法搭建深度神经网络，对目标进行智能识别，判断存在外力破坏风险的位置坐标，并将其上传至中心控制台；最后中心控制台接收各个巡查站发出的预警坐标位置，用以警示工作人员。本发明市面上普及的无人机以及深度学习算法，实现较大范围的输电线路防外力破坏预警。