专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果30个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于双光谱视频图像预测林火蔓延方法及系统-CN202011619254.3有效
  • 陈友明 - 四川弘和通讯有限公司
  • 2020-12-30 - 2023-09-01 - G06V20/40
  • 本发明公开了一种基于双光谱视频图像预测林火蔓延方法,获取森林场景中的第一图像、第三图像以及第二图像;通过第一图像与第三图像中的光流场,计算森林场景中的风向Fx与风力Fl;计算第二图像中的梯度方向与梯度值,并将梯度方向与梯度值转换为阻燃因子z;通过最优物种燃烧卷积神经网络对第一图像中的物种进行分析,获得物种燃烧因子r;通过最优林火卷积神经网络识别第一图像中的林火类型;根据识别的林火类型,基于风力Fl、风向Fx、阻燃因子z以及物种燃烧因子r参数,对森林场景中的林火蔓延趋势进行预测;本发明的有益效果为自动提取影响火势蔓延的影响因子,更为准确、及时的监测场景中火势蔓延的情况;提高了火势蔓延的准确性。
  • 一种基于光谱视频图像预测蔓延方法系统
  • [发明专利]一种基于AI图像识别火情复燃预测方法及系统-CN202011638658.7有效
  • 陈友明 - 四川弘和通讯有限公司
  • 2020-12-31 - 2022-08-16 - G08B17/12
  • 本发明公开了一种基于AI图像识别火情复燃预测方法,获取同一地点在同一时间段的第一视频图像与第二视频图像,检测第一视频图像中热力区域是否随着拍摄时间的增加而增大,若是,将热力区域划分为n个热力块,基于热力块的热力值r,获得热力块的温度值H;将温度值H与预设温度比较,当温度值H超过预设温度时,发出预警警告,当温度值H趋近预设温度时,识别第二视频图像中是否存在烟雾图像,若第二视频图像中存在烟雾图像,则产生预警警告;本发明的有益效果为实现对监测地点在没有明火的情况下,是否有火情复燃的情况进行实时监测;通过检测火灾是否有复燃隐患,若有复燃隐患则提前进行预警,防止二次灾害。
  • 一种基于ai图像识别火情复燃预测方法系统
  • [发明专利]一种联动热成像自学习火点检测方法及系统-CN202011619255.8在审
  • 陈友明 - 四川弘和通讯有限公司
  • 2020-12-30 - 2021-08-20 - G06K9/00
  • 本发明公开了一种联动热成像自动学习火点检测方法及系统,获取被监测地点在周期时间内不同时间点的第一图像与第二图像;对第一图像与第二图像做预处理,得到第一灰度图像与第二灰度图像;将第二灰度图像与第一灰度图像做减法运算,获得第三灰度图像;选择第三灰度图像中的任意一个像素点,若该像素点的灰度值大于火点差值门限,则提取该像素点在第二灰度图像中的像素灰度值,若该值大于火点灰度门限阈值,则该像素点为火点,令火点数量L=L+1,遍历完成,输出火点数量L;获取被监测地点的温度、风力数据以及火点周围植被数据,对被监测地点的火警风险程度进行分析;本发明的有益效果为通过采用这种方法对火点检测,大大的增加了火点检测的准确率。
  • 一种联动成像自学习检测方法系统
  • [发明专利]一种基于计算机视觉的火点面积检测方法、系统及设备-CN202011620583.X在审
  • 陈友明 - 四川弘和通讯有限公司
  • 2020-12-30 - 2021-04-16 - G06T7/62
  • 本发明公开了一种基于计算机视觉的火点面积检测方法,获取第一图像,并识别第一图像中的火点图像,遍历火点图像中的像素点,像素点的像素值大于预设像素阈值T,则该像素点为火点;遍历完成,输出火点像素点数量为numP;计算火点图像在水平方向左侧边界点l(x,y)与水平方向右侧边界点r(x,y)与垂直方向上侧边界点u(x,y)与垂直方向下侧边界点d(x,y);根据相机高度h与角度θ,计算l(x,y)的经纬度Gl(x,y),r(x,y)的经纬度Gr(x,y),u(x,y)的经纬度Gu(x,y),d(x,y)的经纬度Gd(x,y);对每个火点像素代表的实际地理面积S进行预测;对火点图像在实际地理位置中对应的的火点面积S进行检测;本发明的有益效果为通过算法自动计算实际地理位置中的着火面积,使得火点面积的计算更精确、更智能。
  • 一种基于计算机视觉面积检测方法系统设备
  • [发明专利]一种基于时间线方式检测火情动态趋势方法及系统-CN202011638657.2在审
  • 陈友明 - 四川弘和通讯有限公司
  • 2020-12-31 - 2021-04-13 - G06Q10/06
  • 本发明公开了一种基于时间线方式检测火情动态趋势方法及系统,检测合并数据库中是否存在与第i条火灾隐患基础数据信息相同数据的合并数据表,若存在,将第i条火灾隐患基础数据信息与该合并数据表进行数据关联,提取该合并数据表中存在的隐患合并数据对应的第一火灾隐患图像信息与第i条火灾隐患基础数据信息对应的第二火灾隐患图像信息,将第一火灾隐患图像信息与第二火灾隐患图像信息进行相似度分析比对,大于等于预设阈值,获得火灾隐患时间线,基于第i条火灾隐患基础数据信息对合并数据库进行更新,直到所有火灾隐患基础数据信息处理完毕;本发明的有益效果为解决数据重复、查看不便、处理效率低下问题;提高火灾隐患数据处理效率。
  • 一种基于时间方式检测火情动态趋势方法系统
  • [发明专利]基于空洞卷积神经网络的坐防护栏行为的识别方法-CN202011062063.1在审
  • 陈友明 - 四川弘和通讯有限公司
  • 2020-09-30 - 2021-01-05 - G06K9/00
  • 本发明公开了基于空洞卷积神经网络的坐防护栏行为的识别方法,包括如下步骤:监控系统实时采集加油机附近区域的实时视频,每预设时间截取一张图像,得到实时图像集;使用YOLO V3算法对实时图像集中的行人进行检测,提取图像中的行人,得到行人图像集;通过图像中行人的手臂角度对行人进行类别定义,0代表正常行人,1代表坐在防护栏上的行人,2代表其他异常情况的行人;构建空洞卷积神经网络,使用空洞卷积神经网络对所述行人图像集进行训练,得到训练好的空洞卷积神经网络;利用训练好的空洞卷积神经网络对行人图像集进行判定,若输出为1,则判定行人有坐防护栏行为;若输出为2,则判定无行人坐防护栏行为。
  • 基于空洞卷积神经网络护栏行为识别方法
  • [发明专利]一种基于卷积神经网络的油管拖地的识别方法-CN202011057383.8在审
  • 陈友明 - 四川弘和通讯有限公司
  • 2020-09-30 - 2021-01-01 - G06K9/00
  • 本发明公开了一种基于卷积神经网络的油管拖地的识别方法,包括如下步骤:监控系统采集加油机附近区域的视频数据,并存储至存储器;对视频数据每预设时间截取一张图像,得到历史图像集;根据历史图像集得出油管拖地可能出现的区域,对油管拖地可能出现的区域进行标记,得到标记图像集;对图像中油管拖地可能出现的区域进行定义,0表示正常,1表示油管拖地,2表示其他情况;构建卷积神经网络,使用卷积神经网络对所述标记图像集进行训练,得到训练好的卷积神经网络;利用训练好的卷积神经网络对标记图像集进行判定,若输出为0,则判定无异常情况;若输出为1,则判定油管拖地;若输出为2,则判定存在其他异常情况。
  • 一种基于卷积神经网络油管拖地识别方法
  • [发明专利]一种基于行人手臂角度分析的加油员手势识别的方法-CN202011062045.3在审
  • 陈友明 - 四川弘和通讯有限公司
  • 2020-09-30 - 2021-01-01 - G06K9/00
  • 本发明公开了一种基于行人手臂角度分析的加油员手势识别的方法,监控系统实时采集加油机附近区域的实时视频,每预设时间截取一张图像,得到实时图像集;使用YOLO V3算法对实时图像集中的行人进行检测,提取图像中的行人,得到行人图像集;通过图像中行人的手臂角度对行人进行类别定义,0代表手臂角度为0度到60度的行人,1代表手臂角度为61度到100度的行人,2代表手臂角度为101度到180度的行人;构建卷积神经网络,使用卷积神经网络对所述行人图像集进行训练;利用训练好的卷积神经网络对行人图像集进行判定,若输出为0,则判定行人无姿势;若输出为1,则判定行人保持车辆引导姿势;若输出为2,则判定行人保持指向显示屏姿势。
  • 一种基于行人手臂角度分析加油手势识别方法
  • [发明专利]一种基于卷积神经网络的灭火器和灭火毯的识别方法-CN202011057381.9在审
  • 陈友明 - 四川弘和通讯有限公司
  • 2020-09-30 - 2020-12-25 - G06K9/00
  • 本发明公开了一种基于卷积神经网络的灭火器和灭火毯的识别方法,监控系统实时采集加油站卸油区域的监控视频,每预设时间截取一张图像,得到实时图像集;在实时图像集中划分出灭火器位置区域和灭火毯位置区域,得到标记图像集;对视频中的灭火器位置区域和灭火毯位置区域进行定义,0代表不存在灭火器,1代表不存在灭火毯,2代表其他异常状况,3代表存在灭火器和灭火毯;构建卷积神经网络,使用卷积神经网络对标记图像集进行训练,得到训练好的卷积神经网络;利用训练好的卷积神经网络对标记图像集按照先灭火器区域后灭火毯区域分区进行依次判定,若输出为3,则判定灭火器和灭火毯状态正常,其他情况均判定为存在异常情况。
  • 一种基于卷积神经网络灭火器灭火识别方法
  • [发明专利]一种基于3D卷积神经网络的水溶法实验过程识别方法-CN202010995196.8在审
  • 陈友明 - 四川弘和通讯有限公司
  • 2020-09-21 - 2020-12-22 - G06K9/00
  • 本发明公开了一种基于3D卷积神经网络的水溶法实验过程识别方法,包括:S1:使用监控系统采集加油站卸油区域的视频图像,获得实时视频;S2:将实时视频分为多个视频片段;对视频片段进行处理,获得处理后的视频片段;S3:构建3D卷积神经网络,使用3D卷积神经网络对所述处理后的视频片段进行训练,得到训练好的3D卷积神经网络;S4:使用训练好的3D卷积神经网络对处理后的视频片段进行识别分析,判断处理后的视频片段内是否包含水溶法实验过程片段。本发明通过结合相机采集卸油区域图像和智能分析算法的方式对加油站原有的监控系统进行升级赋能,代替原有的人工检查,减少了人力成本;同时使油企管理者能够实时、有效的对油企端的卸油作业进行监督。
  • 一种基于卷积神经网络水溶法实验过程识别方法
  • [发明专利]一种基于可分离卷积神经网络的设备异常识别的方法-CN202010995224.6在审
  • 陈友明 - 四川弘和通讯有限公司
  • 2020-09-21 - 2020-12-22 - G06K9/00
  • 本发明公开了一种基于可分离卷积神经网络的设备异常识别的方法,包括如下步骤:S1:收集多角度设备图片,构建多角度设备图片数据库,对多角度设备图片进行预处理获得处理后的图片;S2:构建卷积神经网络,使用深度可分离卷积代替传统卷积;S3:对所述处理后的图片进行卷积神经网络训练,获得设备识别模型;S4:通过所述设备识别模型对所述多角度设备图片数据库内的处理后的图片进行分析,输出设备异常的概率;S5:如果设备异常的概率大于90%,则说明当前设备异常,否则说明设备正常。本发明的使用降低了安全隐患,提高了工作效率,同时使油企管理者能够实时、有效的对油企端各类安全风险事件进行监督。
  • 一种基于可分离卷积神经网络设备异常识别方法
  • [发明专利]一种基于计算机图像识别技术实现加油站安全规范的方法-CN202010916262.8在审
  • 陈友明 - 四川弘和通讯有限公司
  • 2020-09-03 - 2020-11-27 - H04N7/18
  • 本发明公开了一种基于计算机图像识别技术实现加油站安全规范的方法,包括:S1:收集原安防系统摄像头信息;S2:将S1中的摄像头信息通过客户端软件或者配置文件的方式添加到流媒体服务器,流媒体服务器通过相关协议访问摄像头;S3:增加算法分析服务器,并连接流媒体服务器;算法分析服务器通过集成流媒体服务器获取摄像头视频流,根据摄像头视频流解析出视频帧;S4:算法分析服务器再根据人工智能识别算法对视频帧进行识别处理,得到满足识别要求的结果;S5:算法分析服务器再将满足识别要求的结果,通过消息队列或TCP连接或WEBAPI通知到业务平台,然后业务平台按照业务规则,通知现场工作人员或管理者;S6:现场工作人员或管理者去及时纠正、制止。
  • 一种基于计算机图像识别技术实现加油站安全规范方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top