基于语义泛化的知识要素抽取方法

    公开(公告)号:CN116822529A

    公开(公告)日:2023-09-29

    申请号:CN202311092677.8

    申请日:2023-08-29

    摘要: 本发明公开了基于语义泛化的知识要素抽取方法,涉及数据处理技术领域;所述方法包括以下步骤:通过采集语音数据的多项数据信息,将设备运行信息以及通信转换信息进行处理生成泛化评估系数,根据生成的泛化评估系数与设置的泛化评估阈值进行对比,对接收语音的质量进行评估,从而确定了需要进行泛化处理的语音数据,再根据数据精度信息与处理时长信息进行分析,生成抽取影响因子,对知识要素的抽取情况进行分析,根据抽取影响因子与抽取评估阈值的对比结果评估两次知识要素的抽取情况,根据抽取情况的不同进行相应操作,从而增加了智能家居调控的准确性,保障了智能家居运行的高效性。

    一种基于多目标跟踪的作业现场安全监管方法

    公开(公告)号:CN116229353A

    公开(公告)日:2023-06-06

    申请号:CN202310021046.0

    申请日:2023-01-06

    摘要: 本发明涉及一种基于多目标跟踪的作业现场安全监管方法,包括以下步骤:在服务器端搭建FairMOT模型的训练环境,收集若干作业现场监控视频数据在服务器端对FairMOT模型进行训练,并将训练好的模型转化为预设的边缘环境能运行的模型文件;在边缘端搭建FairMOT模型的推理环境,并将服务器端转化好的模型文件导出至边缘端;在边缘端从目标作业现场的多个监控摄像头接收多路监控视频,通过模型文件对多路监控视频进行并行分析处理,识别各路监控视频中的目标,并对识别到的所有目标进行关联统一,对识别到的每一目标进行位置跟踪;基于识别到的每一目标的位置跟踪结果,根据预先制定的安全监管规则完成作业现场监管任务。

    融合多模态数据分析的电力现场作业违章行为识别方法

    公开(公告)号:CN116108397B

    公开(公告)日:2024-01-09

    申请号:CN202211657211.3

    申请日:2022-12-22

    摘要: 本发明涉及一种融合多模态数据分析的电力现场作业违章行为识别方法,包括以下步骤:采集目标电力现场的作业图像、违章行为和数字化工作票的历史数据;基于目标识别模型,对采集的作业图像的历史数据进行目标识别,获取目标识别结果;提取数字化工作票的历史数据中的特征信息;建立BERT分类模型,通过作业图像的目标识别结果以及数字化工作票的特征信息作为输入数据,违章行为的历史数据作为标签数据,对模型进行训练,得到违章行为识别模型;获取当前作业图像以及数字化工作票,通过目标识别模型对当前作业图像进行目标识别获得当前(56)对比文件CN 115171045 A,2022.10.11CN 115049893 A,2022.09.13CN 114821406 A,2022.07.29WO 2022036998 A1,2022.02.24莫蓓蓓;吴克河.引入Self-Attention的电力作业违规穿戴智能检测技术研究.计算机与现代化.2020,(02),162-168.施丽红《.基于5G的电力作业现场违章智能识别判定系统设计》《.数字技术与应用》.2022,第40卷(第2期),124-126.Guoqing Gao;Wenhua Lin;Guohe Li;FeiSuo;Nan Hu《.Identification of riskbehavior in power working scenarios basedon deep learning》.2022 IEEE 10th JointInternational Information Technology andArtificial Intelligence Conference(ITAIC).2022,391-395.