-
公开(公告)号：CN113689351B
公开(公告)日：2023-10-10
申请号：CN202110974453.4
申请日：2021-08-24
申请人： 北京石油化工学院
摘要： 本发明涉及一种基于深度相机的危化品仓储监控方法、装置及设备，属于三维建模技术领域，该方法通过获取不同视角下的点云数据，并对点云数据进行噪音消除预处理，以获得较为精准的点云数据，并对多视角的点云数据进行拼接，解决了现在技术中的遮挡问题；通过采用梯度下降优化的坐标系转换规则，将拼接后的点云数据进行坐标系的转换平移，得到真实坐标系的点云数据，实现了危化品仓库在真实世界坐标系下无死角的监测和显示。
-
公开(公告)号：CN113568368A
公开(公告)日：2021-10-29
申请号：CN202110867814.5
申请日：2021-07-30
申请人： 北京石油化工学院
IPC分类号： G05B19/408
摘要： 本发明涉及一种工控数据特征重排序算法的自适应确定方法，通过基于不同特征重排序算法对数据集进行特征选择；基于机器学习算法对重排序后的数据集进行训练记录准确率、召回率和时间，并对数据集计算预设评价指标，以生成相应的指标数据集合；对指标数据集合使用机器学习算法建立选择最优重排序算法的决策树；并使用决策树对输入的目标数据集的指标数据进行处理，以得到和目标数据集相匹配的特征重排序算法。实现了能够自动挑选出和目标数据集匹配度最好的特征重排序算法，从而提高了数据集特征重排序算法的准确度和效率，为工控数据的异常检测提供了保证。
-
公开(公告)号：CN113568368B
公开(公告)日：2022-12-23
申请号：CN202110867814.5
申请日：2021-07-30
申请人： 北京石油化工学院
IPC分类号： G05B19/408
摘要： 本发明涉及一种工控数据特征重排序算法的自适应确定方法，通过基于不同特征重排序算法对数据集进行特征选择；基于机器学习算法对重排序后的数据集进行训练记录准确率、召回率和时间，并对数据集计算预设评价指标，以生成相应的指标数据集合；对指标数据集合使用机器学习算法建立选择最优重排序算法的决策树；并使用决策树对输入的目标数据集的指标数据进行处理，以得到和目标数据集相匹配的特征重排序算法。实现了能够自动挑选出和目标数据集匹配度最好的特征重排序算法，从而提高了数据集特征重排序算法的准确度和效率，为工控数据的异常检测提供了保证。
-
公开(公告)号：CN113034490B
公开(公告)日：2023-10-10
申请号：CN202110411747.6
申请日：2021-04-16
申请人： 北京石油化工学院
摘要： 本发明涉及化学品库房的堆垛安全距离监测方法，包括：通过分别安装在两个预设位置处的两组双目相机对应获取两组背景图像信息和两组目标图像信息，根据两组背景图像信息确定出两个警戒线三维重建模型，同时根据两组背景图像信息和两组目标图像信息对应确定出两个被测堆垛三维重建模型，将两个被测堆垛三维重建模型拼接，得到目标被测堆垛三维重建模型，将两个警戒线三维重建模型拼接，得到目标警戒线三维重建模型。最后根据目标被测堆垛三维重建模型和目标警戒线三维重建模型确定出被测堆垛是否超界。本申请能够全方位自动判断被测堆垛是否超界，使得本申请降低了监测成本，提高了监测效率和监测准确率。
-
公开(公告)号：CN116363439A
公开(公告)日：2023-06-30
申请号：CN202310434484.X
申请日：2023-04-21
申请人： 北京石油化工学院
IPC分类号： G06V10/764 , G06V10/82 , G06V10/40
摘要： 本申请涉及一种基于多头自注意力的点云分类方法、装置及设备，属于大数据处理技术领域。本申请通过获取原始点云的样本数据集，对所述原始点云的样本数据集进行特征提取，获得所述点云的特征向量，构建基于多头自注意力的待训练模型，将所述特征向量送入待训练模型，进行模型训练，得到训练完成的基于多头自注意力的点云分类模型，本申请通过将点云的样本数据集中点云分布归一化，提取高维度的特征向量，将该高维度的特征向量送入训练完成的多头自注意力的点云分类模型，提取不同注意力下点云的特征，并进行模型运算最终得到点云分类结果，有助于帮助解决采用现有点云分类技术对点云进行分类，由于丢失特征导致分类准确率低的问题。
-
公开(公告)号：CN112351033B
公开(公告)日：2022-09-13
申请号：CN202011228033.3
申请日：2020-11-06
申请人： 北京石油化工学院
摘要： 本发明涉及一种工控网络中基于双种群遗传算法的深度学习入侵检测方法，所述深度学习入侵检测方法通过构建的新型工控网络入侵检测模型来实现对工控网络是否存在入侵行为进行预测。本模型结合双种群遗传算法、退火算法、基于种群交流的选择策略、哈希字典存储策略以及精英主义策略，有机整合各类算法和优化策略的功能，进而得到改进的深度神经网络模型，本方法通过使用新型工控网络检测模型能够实现对工控网络中的入侵行为更快速、更准确的检测，本发明所述的检测方法具有较低的漏报率和误报率，且能够满足工控网络实际场景的需求。
-
公开(公告)号：CN113689351A
公开(公告)日：2021-11-23
申请号：CN202110974453.4
申请日：2021-08-24
申请人： 北京石油化工学院
摘要： 本发明涉及一种基于深度相机的危化品仓储监控方法、装置及设备，属于三维建模技术领域，该方法通过获取不同视角下的点云数据，并对点云数据进行噪音消除预处理，以获得较为精准的点云数据，并对多视角的点云数据进行拼接，解决了现在技术中的遮挡问题；通过采用梯度下降优化的坐标系转换规则，将拼接后的点云数据进行坐标系的转换平移，得到真实坐标系的点云数据，实现了危化品仓库在真实世界坐标系下无死角的监测和显示。
-
公开(公告)号：CN117611785A
公开(公告)日：2024-02-27
申请号：CN202310826271.1
申请日：2023-07-06
申请人： 北京石油化工学院
摘要： 本申请涉及点云数据处理相关技术领域，具体涉及一种危化品货物点云预处理方法、装置和电子设备。其中，方法，包括：获取危化品货物的原始点云数据；对原始点云数据进行降噪处理，得到有效点云数据；针对有效点云数据中每一个采样点，确定采样点对应的空间区域类型；其中空间区域类型包括：平面区域、圆柱形区域和粗糙区域；基于采样点对应的空间区域类型，确定采样点的被去除概率；基于采样点的被去除概率，对有效点云数据进行降采样，得到目标点云数据。如此，首先进行降噪，剔除无效采样点，之后基于每一个采样点的实际情况，剔除部分采样点，如此可以进行自适应的降采样，在降低点云数据大小的同时，尽量保证点云数据携带的信息不降低。
-
公开(公告)号：CN113034490A
公开(公告)日：2021-06-25
申请号：CN202110411747.6
申请日：2021-04-16
申请人： 北京石油化工学院
摘要： 本发明涉及化学品库房的堆垛安全距离监测方法，包括：通过分别安装在两个预设位置处的两组双目相机对应获取两组背景图像信息和两组目标图像信息，根据两组背景图像信息确定出两个警戒线三维重建模型，同时根据两组背景图像信息和两组目标图像信息对应确定出两个被测堆垛三维重建模型，将两个被测堆垛三维重建模型拼接，得到目标被测堆垛三维重建模型，将两个警戒线三维重建模型拼接，得到目标警戒线三维重建模型。最后根据目标被测堆垛三维重建模型和目标警戒线三维重建模型确定出被测堆垛是否超界。本申请能够全方位自动判断被测堆垛是否超界，使得本申请降低了监测成本，提高了监测效率和监测准确率。
-
公开(公告)号：CN112351033A
公开(公告)日：2021-02-09
申请号：CN202011228033.3
申请日：2020-11-06
申请人： 北京石油化工学院
摘要： 本发明涉及一种工控网络中基于双种群遗传算法的深度学习入侵检测方法，所述深度学习入侵检测方法通过构建的新型工控网络入侵检测模型来实现对工控网络是否存在入侵行为进行预测。本模型结合双种群遗传算法、退火算法、基于种群交流的选择策略、哈希字典存储策略以及精英主义策略，有机整合各类算法和优化策略的功能，进而得到改进的深度神经网络模型，本方法通过使用新型工控网络检测模型能够实现对工控网络中的入侵行为更快速、更准确的检测，本发明所述的检测方法具有较低的漏报率和误报率，且能够满足工控网络实际场景的需求。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.026 秒)