-
公开(公告)号：CN118552830B
公开(公告)日：2024-10-01
申请号：CN202411029342.6
申请日：2024-07-30
IPC分类号： G06V10/82 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V20/10 , G06V10/94 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06N3/0985
摘要： 本发明公开了面向边缘计算的堤坝坝体裂缝险情目标检测轻量化方法，首先，收集不同的堤坝坝体裂缝图像并在图片中标注形成坝体裂缝险情数据集；其次构建高精确度且轻量化的改进YOLOv8堤坝坝体裂缝险情识别模型；随后使用数据集对模型进行训练和评估，选出最优的权重文件；将权重文件部署到边缘设备上；之后测试模型是否需要调整超参数再训练；最后将待检测图片传入边缘设备完成检测。本发明适用于在边缘设备上的堤坝坝体裂缝险情识别，在保证高识别精度的同时，降低算法模型41.4%的计算参数量，实现高精度且较YOLOv8更加轻量化的算法模型，能有效应用于在资源受限的边缘设备上部署和执行，有效降低远程通信成本，便于应用推广。
-
公开(公告)号：CN115880683B
公开(公告)日：2023-05-16
申请号：CN202310192003.9
申请日：2023-03-02
IPC分类号： G06V20/62 , G06V30/146 , G06V30/164 , G06V30/18 , G06V30/19 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于深度学习的城市内涝积水智能水位检测方法，该方法基于水尺的城市积水水域图像分两阶段检测识别并计算水位；第一阶段，将包含水尺的城市积水水域图像输入训练好的YOLOX_I1，识别并截取水尺图像，得到第一阶段的输出水尺图像和该图像高度像素值；第二阶段，将第一阶段得到的输出图像输入训练好的YOLOX_I2，识别并截取字符“E”图像，得到字符“E”图像高度像素值列表后计算水位；本发明将计算机视觉技术、深度学习和图像处理技术有机结合，既能解决传统图像处理方式适应性受限的问题，又能实现面向城市积水的水尺高精度智能识别。
-
公开(公告)号：CN118552830A
公开(公告)日：2024-08-27
申请号：CN202411029342.6
申请日：2024-07-30
IPC分类号： G06V10/82 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V20/10 , G06V10/94 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06N3/0985
摘要： 本发明公开了面向边缘计算的堤坝坝体裂缝险情目标检测轻量化方法，首先，收集不同的堤坝坝体裂缝图像并在图片中标注形成坝体裂缝险情数据集；其次构建高精确度且轻量化的改进YOLOv8堤坝坝体裂缝险情识别模型；随后使用数据集对模型进行训练和评估，选出最优的权重文件；将权重文件部署到边缘设备上；之后测试模型是否需要调整超参数再训练；最后将待检测图片传入边缘设备完成检测。本发明适用于在边缘设备上的堤坝坝体裂缝险情识别，在保证高识别精度的同时，降低算法模型41.4%的计算参数量，实现高精度且较YOLOv8更加轻量化的算法模型，能有效应用于在资源受限的边缘设备上部署和执行，有效降低远程通信成本，便于应用推广。
-
公开(公告)号：CN117829036B
公开(公告)日：2024-05-14
申请号：CN202410248583.3
申请日：2024-03-05
IPC分类号： G06F30/28 , G06F30/23 , G06F113/08 , G06F119/14 , G06F111/10
摘要： 本发明公开了一种通过CFD确定T型分汊明渠下游支渠流量的方法，基于缩尺的T型分汊明渠进行物理模型试验和数值计算，得到对应的数值模拟方法；对输出的主渠出口处和下游支渠出口处流量、水深、佛罗德数和下游支渠宽度与主渠宽度之比进行处理得到T型分汊明渠流量系数表达式，从而得到T型分汊明渠下游支渠流量的表达式。在预测给定下游支渠宽度与主渠宽度之比的T型分汊明渠下游支渠流量时，测得T型分汊明渠主渠进口处流量、主渠出口处和下游支渠出口处佛罗德数或主渠进口处流量、主渠出口处和下游支渠出口处水深带入对应流量公式即可得到实时的T型分汊明渠下游支渠流量。本发明能够准确合理地预测T型分汊明渠下游支渠流量。
-
公开(公告)号：CN117408188B
公开(公告)日：2024-03-19
申请号：CN202311718811.0
申请日：2023-12-14
IPC分类号： G06F30/28 , G06F30/10 , G06F30/23 , G06F111/10 , G06F113/08 , G06F119/14
摘要： 本发明公开了一种通过计算流体动力学预测梯形溢流坝流量的方法，基于缩尺的梯形溢流坝进行物理模型试验和数值计算，得到对应的数值模拟方法；对输出的上游坡度、下游坡度、相对坝顶宽度进行处理得到梯形溢流坝流量系数表达式，从而得到梯形溢流坝流量仅随梯形溢流坝上游总能量水头变化的表达式。在数值计算时，引入云计算以提高模拟精度和效率。在预测梯形溢流坝流量时，测得梯形溢流坝上游总能量水头或上游水深带入对应流量公式即可得到实时的梯形溢流坝流量。本发明能够准确合理地预测设置了梯形溢流坝的渠道流量。
-
公开(公告)号：CN117315446B
公开(公告)日：2024-02-09
申请号：CN202311604737.X
申请日：2023-11-29
IPC分类号： G06V10/82 , G06V10/762 , G06V10/80 , G06T5/73 , G06N3/0464 , G06N3/045 , G06N3/08 , G06V20/70 , G06V10/40 , G06V10/26
摘要： 本发明公开了一种面向复杂环境下水库溢洪道异常智能识别方法，该方法面向存在雨雾复杂环境下的溢洪道堵塞物识别检测，具体步骤如下：首先，对待检测的水库溢洪道堵塞物图像，采用雨雾干扰去除算法进行去噪处理，得到输出雨雾去除后的水库溢洪道堵塞物图像；然后，将雨雾去除后的图像输入到溢洪道区域分割模型，识别并截取分割后的溢洪道区域图像；最后，将截取的溢洪道区域图像输送至溢洪道堵塞物识别模型，检测识别出溢洪道中的堵塞物；本发明结合图像处理技术和计算机视觉技术，既能解决传(56)对比文件洪庆;宋乔;杨晨涛;张培;常连立.基于智能视觉的机械零件图像分割技术.机械制造与自动化.2020,(第05期),全文.张晓娟.雨天雾气干扰下的车牌图像识别技术仿真.计算机仿真.2015,(第12期),全文.
-
公开(公告)号：CN117408188A
公开(公告)日：2024-01-16
申请号：CN202311718811.0
申请日：2023-12-14
IPC分类号： G06F30/28 , G06F30/10 , G06F30/23 , G06F111/10 , G06F113/08 , G06F119/14
摘要： 本发明公开了一种通过计算流体动力学预测梯形溢流坝流量的方法，基于缩尺的梯形溢流坝进行物理模型试验和数值计算，得到对应的数值模拟方法；对输出的上游坡度、下游坡度、相对坝顶宽度进行处理得到梯形溢流坝流量系数表达式，从而得到梯形溢流坝流量仅随梯形溢流坝上游总能量水头变化的表达式。在数值计算时，引入云计算以提高模拟精度和效率。在预测梯形溢流坝流量时，测得梯形溢流坝上游总能量水头或上游水深带入对应流量公式即可得到实时的梯形溢流坝流量。本发明能够准确合理地预测设置了梯形溢流坝的渠道流量。
-
公开(公告)号：CN116704357B
公开(公告)日：2023-10-27
申请号：CN202310995426.4
申请日：2023-08-09
IPC分类号： G06V20/10 , G06V10/20 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/092
摘要： 本发明公开了基于YOLOv7的堤坝边坡滑坡智能识别与预警方法，包括以下步骤：收集堤坝边坡滑坡危害的图像数据，标注筛选后的图像数据；对图像数据进行预处理和对数据集进行划分，训练集送入到网络模型进行训练；验证集验证训练的结果且更新网络模型的权重文件，得到堤坝边坡滑坡检测模型的最优权重文件；对测试集进行高分辨率处理，之后对网络模型进行测试，评估性能。本发明的有益效果是：提升对堤坝边坡滑坡识别的精度，提高堤坝边坡滑坡识别与预警的自动化水平，可以自动识别和定位堤坝边坡滑坡出现的塌方、滑坡的危险情况，实现对堤坝边坡滑坡的实时监测和预警，提高水库边坡滑坡的安全性和稳定性。
-
公开(公告)号：CN117315446A
公开(公告)日：2023-12-29
申请号：CN202311604737.X
申请日：2023-11-29
IPC分类号： G06V10/82 , G06V10/762 , G06V10/80 , G06T5/00 , G06N3/0464 , G06N3/045 , G06N3/08 , G06V20/70 , G06V10/40 , G06V10/26
摘要： 本发明公开了一种面向复杂环境下水库溢洪道异常智能识别方法，该方法面向存在雨雾复杂环境下的溢洪道堵塞物识别检测，具体步骤如下：首先，对待检测的水库溢洪道堵塞物图像，采用雨雾干扰去除算法进行去噪处理，得到输出雨雾去除后的水库溢洪道堵塞物图像；然后，将雨雾去除后的图像输入到溢洪道区域分割模型，识别并截取分割后的溢洪道区域图像；最后，将截取的溢洪道区域图像输送至溢洪道堵塞物识别模型，检测识别出溢洪道中的堵塞物；本发明结合图像处理技术和计算机视觉技术，既能解决传统图像识别时受雨雾干扰的问题，又能对溢洪道存在的堵塞物进行精准识别。
-
公开(公告)号：CN116704357A
公开(公告)日：2023-09-05
申请号：CN202310995426.4
申请日：2023-08-09
IPC分类号： G06V20/10 , G06V10/20 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/092
摘要： 本发明公开了基于YOLOv7的堤坝边坡滑坡智能识别与预警方法，包括以下步骤：收集堤坝边坡滑坡危害的图像数据，标注筛选后的图像数据；对图像数据进行预处理和对数据集进行划分，训练集送入到网络模型进行训练；验证集验证训练的结果且更新网络模型的权重文件，得到堤坝边坡滑坡检测模型的最优权重文件；对测试集进行高分辨率处理，之后对网络模型进行测试，评估性能。本发明的有益效果是：提升对堤坝边坡滑坡识别的精度，提高堤坝边坡滑坡识别与预警的自动化水平，可以自动识别和定位堤坝边坡滑坡出现的塌方、滑坡的危险情况，实现对堤坝边坡滑坡的实时监测和预警，提高水库边坡滑坡的安全性和稳定性。
-
-
-
-
-
-
-
-
-
搜索结果
55 条记录 (耗时 0.076 秒)
