-
公开(公告)号:CN114441595A
公开(公告)日:2022-05-06
申请号:CN202210120621.8
申请日:2022-02-09
申请人: 四川省安全科学技术研究院 , 四川安信科创科技有限公司
摘要: 本发明公开了一种煤层露头自燃及其影响范围的探测方法,通过先获取待探测区域的光学图像和热红外图像;然后基于所述光学图像确定出所述待探测区域的历史自燃点和高热辐射强度干扰因素;然后基于所述热红外图像分辨率网格化所述热红外图像,并获取每一个网格中的热辐射强度值;然后基于所述热辐射强度值确定出对应网格中的温度场突变异常区;最后基于所述历史自燃点、高热辐射强度干扰因素和每一个网格中的温度场突变异常区确定出待探测区域中的自燃点及其影响范围,能够准确探测到煤层露头自燃及其影响范围。
-
公开(公告)号:CN116910590A
公开(公告)日:2023-10-20
申请号:CN202310901824.5
申请日:2023-07-21
申请人: 四川省安全科学技术研究院 , 四川安信科创科技有限公司
发明人: 王自力 , 胡代军 , 郭宇 , 方方 , 王东升 , 张英杰 , 丁宁 , 韩柳 , 王梓又 , 杨吉琦 , 黄兰 , 彭泽定 , 刘权毅 , 魏恩容 , 陈俊雄 , 李柯 , 王琴 , 唐琴 , 凌飞 , 郭珂邑 , 罗云林 , 边瑞 , 涂安洪
IPC分类号: G06F18/23 , G06F18/10 , G06F18/214 , G06F18/22 , G06F18/2433
摘要: 本发明公开了基于自适应聚类的瓦斯传感器精度异常识别方法及系统,该方法包括:获取历史瓦斯浓度检测数据,并对所述历史瓦斯浓度检测数据进行预处理,得到预处理后的历史瓦斯浓度检测数据;构建瓦斯数据自适应聚类模型;采用所述瓦斯数据自适应聚类模型,对预处理后的历史瓦斯浓度检测数据进行聚类处理和异常判断,得到基于自适应聚类的瓦斯传感器精度识别模型;采用所述基于自适应聚类的瓦斯传感器精度识别模型,对待判别瓦斯浓度检测数据进行瓦斯浓度传感器精度异常识别。本发明识别准确性高,使得煤矿企业准确掌握矿井中各个传感器的精度状况,进而避免生产隐患。
-
公开(公告)号:CN116258972A
公开(公告)日:2023-06-13
申请号:CN202310548752.0
申请日:2023-05-16
申请人: 四川安信科创科技有限公司 , 四川省安全科学技术研究院
IPC分类号: G06V20/10 , G06V10/82 , G06N3/08 , G06N3/0464
摘要: 本发明公开了一种基于深度学习的岩质高陡边坡结构面提取方法,包括对该三维点云数据进行预处理;采用Knnsearch函数对三维点云数据进行最临近点搜索,得到初始最近临近点集合;对初始最近临近点集合进行共面测试,得到最近临近点集合;对最近临近点集合进行平面拟合,并计算拟合后平面的法向量;将平面拟合图像作为训练集样本;基于Softmax函数构建VGGNet模型;采用VGGNet模型对训练集样本进行训练,得到岩质高陡边坡结构面分布和岩质高陡边坡结构面产状。本发明利用深度学习的VGGNet改进网络模型,在具有提高识别效率和准确性的基础上,同时避免了手动选取主观性强的缺点。
-
公开(公告)号:CN114441595B
公开(公告)日:2022-07-29
申请号:CN202210120621.8
申请日:2022-02-09
申请人: 四川省安全科学技术研究院 , 四川安信科创科技有限公司
摘要: 本发明公开了一种煤层露头自燃及其影响范围的探测方法,通过先获取待探测区域的光学图像和热红外图像;然后基于所述光学图像确定出所述待探测区域的历史自燃点和高热辐射强度干扰因素;然后基于所述热红外图像分辨率网格化所述热红外图像,并获取每一个网格中的热辐射强度值;然后基于所述热辐射强度值确定出对应网格中的温度场突变异常区;最后基于所述历史自燃点、高热辐射强度干扰因素和每一个网格中的温度场突变异常区确定出待探测区域中的自燃点及其影响范围,能够准确探测到煤层露头自燃及其影响范围。
-
公开(公告)号:CN116258972B
公开(公告)日:2023-08-01
申请号:CN202310548752.0
申请日:2023-05-16
申请人: 四川安信科创科技有限公司 , 四川省安全科学技术研究院
IPC分类号: G06V20/10 , G06V10/82 , G06N3/08 , G06N3/0464
摘要: 本发明公开了一种基于深度学习的岩质高陡边坡结构面提取方法,包括对该三维点云数据进行预处理;采用Knnsearch函数对三维点云数据进行最临近点搜索,得到初始最近临近点集合;对初始最近临近点集合进行共面测试,得到最近临近点集合;对最近临近点集合进行平面拟合,并计算拟合后平面的法向量;将平面拟合图像作为训练集样本;基于Softmax函数构建VGGNet模型;采用VGGNet模型对训练集样本进行训练,得到岩质高陡边坡结构面分布和岩质高陡边坡结构面产状。本发明利用深度学习的VGGNet改进网络模型,在具有提高识别效率和准确性的基础上,同时避免了手动选取主观性强的缺点。
-
公开(公告)号:CN112364849A
公开(公告)日:2021-02-12
申请号:CN202110039314.2
申请日:2021-01-13
申请人: 四川省安全科学技术研究院 , 四川安信科创科技有限公司
摘要: 本发明公开了一种高位崩滑地质灾害智能识别方法,其包括获取待识别区域的高分辨率光学遥感影像和时序INSAR形变监测数据;对获取的遥感影像和监测数据进行影像配准、图像分割及特征提取,形成崩滑地质灾害形态与形变数据集;将崩滑地质灾害形态与形变数据集输入已训练的极限学习机,获取初步识别的崩滑地质灾害点;采用基于地貌单元的山区崩滑地质灾害高位性质辨识方法对初步识别的崩滑地质灾害点进行地质灾害点高位性质的判识,获得初步识别的高位崩滑地质灾害点。
-
-
-
-
-