基于YOLOv3剪枝网络和深度学习去雾模型的长输管线巡检方法

    公开(公告)号:CN111461291A

    公开(公告)日:2020-07-28

    申请号:CN202010173558.5

    申请日:2020-03-13

    摘要: 本发明属于一种基于深度学习的图像处理技术,具体涉及基于YOLOv3剪枝网络和深度学习去雾模型的长输管线巡检方法。包括如下步骤:步骤一:构建并训练AOD-Net去雾网络模型;步骤二:设计YOLOv3主干网络及损失函数;步骤三:通过无人机巡检方式对目标区域进行图像数据采集并进行训练;步骤四:通过基于BN层缩放因子γ剪枝方法对YOLOv3模型压缩和加速推算;步骤五:将AOD-Net及YOLOv3联合模型部署到无人机嵌入式模块进行目标任务检测;步骤六:将无人机长输管线巡检任务检测结果实时回传至后台系统。本发明用于部署在无人机嵌入式模块上进行长输管线巡检工作,在保证检测精度高、实时性好以及效率高的同时,大大降低了人工成本。

    基于YOLOv3剪枝网络和深度学习去雾模型的长输管线巡检方法

    公开(公告)号:CN111461291B

    公开(公告)日:2023-05-12

    申请号:CN202010173558.5

    申请日:2020-03-13

    摘要: 本发明属于一种基于深度学习的图像处理技术,具体涉及基于YOLOv3剪枝网络和深度学习去雾模型的长输管线巡检方法。包括如下步骤:步骤一:构建并训练AOD‑Net去雾网络模型;步骤二:设计YOLOv3主干网络及损失函数;步骤三:通过无人机巡检方式对目标区域进行图像数据采集并进行训练;步骤四:通过基于BN层缩放因子γ剪枝方法对YOLOv3模型压缩和加速推算;步骤五:将AOD‑Net及YOLOv3联合模型部署到无人机嵌入式模块进行目标任务检测;步骤六:将无人机长输管线巡检任务检测结果实时回传至后台系统。本发明用于部署在无人机嵌入式模块上进行长输管线巡检工作,在保证检测精度高、实时性好以及效率高的同时,大大降低了人工成本。

    一种消防救援可视化指挥系统及方法

    公开(公告)号:CN112335974A

    公开(公告)日:2021-02-09

    申请号:CN202011345701.0

    申请日:2020-11-26

    IPC分类号: A42B3/04 A42B3/30

    摘要: 本发明公开了一种消防救援可视化指挥系统及方法,该系统包括头盔模块、手环模块、无人机检测模块和姿态检测模块,以及应急救援指挥终端,所述头盔模块和手环模块进行无线通信,所述头盔模块、无人机检测模块和姿态检测模块均与应急救援指挥终端进行无线通信;该方法包括以下步骤:一、消防救援数据的获取;二、获取数据的判断及数据传输。本发明适应于消防救援,能够获取进入救援现场消防员情况的同时获得救援现场相关数据,提高了消防员安全,避免事故扩大化。

    一种煤矿井下变电所双目可视化预警装置

    公开(公告)号:CN214616676U

    公开(公告)日:2021-11-05

    申请号:CN202120632237.7

    申请日:2021-03-29

    摘要: 本实用新型公开了一种煤矿井下变电所双目可视化预警装置,包括导轨、滑座机构、倾角调节机构、与所述倾角调节机构底部转动连接的安装柱、以及设置在所述安装柱上的可视化环境监测机构;所述倾角调节机构包括设置在滑座机构上的基板、连接柱和伸缩油缸,所述可视化环境监测机构包括均设置在所述安装柱上的摄像头、热成像仪、拾音器、烟雾传感器和有毒有害气体传感器组。本实用新型通过在导轨上设置可视化环境监测机构,扩大监测范围,同时对变电所图像、温度、声音、环境烟雾、环境气体多种数据进行实时采集,并无线传输至中心服务器,能够及时发现煤矿井下变电所突发的故障和危险等,以便工作人员及时检修,以保证煤矿井作业的正常进行。