排序方式: 共有38条查询结果,搜索用时 15 毫秒
1.
张晓春 《环境监测管理与技术》2003,15(5):26-28
介绍了计算机图像识别的烟气排放自动监测方法,它由监控点图像处理系统和监控中心自动监控系统组成。该方法可应用于工业企业烟气排放的自动检测,若有超标排放,系统自动发出警告,显示出该超标排放的点位和烟气林格曼黑度的级别,特别适用于网络信息化管理。 相似文献
2.
3.
陈明杰 《安全.健康和环境》2022,22(1):49-52
概述了石化行业现场直接作业环节的安全管控现状,分析了现场管控过程中存在的问题。考虑现场安全管理和监督监控的实际需要,设计了石化行业直接作业现场智能化管控系统,并深入研究作业现场违章行为图像识别的关键技术。现场应用表明,系统充分体现了日常管理、实时监控、智能报警、统计分析等方面的便利性和有效性,各类违章行为图像识别准确率达到80%以上,具有一定的推广价值。 相似文献
4.
人工智能几起几落,一般认为这一轮热潮从2012年开始。这一年,Hinton和他的学生Alex Krizhevsky设计的Alex Net采用深度学习算法,在Image Net图像识别竞赛中获得冠军,图像错误识别率下降10多个百分比,同期的其他神经网络每次的成绩提升很少达到5%,立即引起业界对深度学习的极大关注。之后的两年时间,深度学习网络进一步把整体错误率下降至5%以内,达到了人眼的水平。随后,Google、Micro Soft、Facebook先后开源了自己的深度学习框架Tensorflow、CNTK和Caffe。一时间,国内外涌现了大量的人工智能创业公司。除了深度学习技术,GPU芯片、分布式计算、计算位数压缩等新的优化技术也加快了神经网络的训练和使用效率,人工智能应用从高性能数据中心向嵌入式设备发展。 相似文献
5.
6.
铁道线路智能高危监视系统通过分析所采集的监视图像,快速判断出铁道线路上由落石、山体滑坡或其他自然因素、人为因素所形成的障碍物,并及时有效地将报警信息传至区段值班室和区域控制中心,实现对铁道线路的高智能、全自动实时险情监控。该系统使铁路局、工务段,尤其是工区的监控人员能随时掌握沿线危险地点的现场情况,及时汇报和处理险情,提高了行车安全系数,有利于国民生产和生活。 相似文献
7.
随着人工智能技术的不断发展,基于对目标特征、行为态势的分析需求越来越多,各种深度学习算法、人工神经网络技术被广泛应用于安防行业的图像识别和模式匹配上,比如人脸识别、车辆特征提取、视频全结构化分析等。然而可有效应用于AI分析的基础信息都来源于终端设备采集来的视频图像数据,因此,"更高清"的视频图像自然成为安防行业长久以来一直不容忽视且需要在此领域不断深耕的研究命题。 相似文献
8.
9.
针对脚手架工程隐患人工巡检效率低、实时排查难的问题,提出一种基于深度学习的隐患实时检测方法。利用添加噪声、随机裁剪等数据增强方式扩充数据集,提高模型在复杂环境下的鲁棒性;基于YOLOv5s目标检测算法建立脚手架工程隐患图像识别模型并进行训练测试,与YOLOv4、Faster R-CNN进行对比,验证模型的有效性。结果表明,在脚手架工程隐患检测任务上,YOLOv5s模型的均值平均精度达到92.23%,较YOLOv4提升8.11百分点;检测速度达到97.01帧/s,较Faster R-CNN提升5倍。轻量的YOLOv5s网络模型适合部署于嵌入式智能监控中,实时采集现场数据并进行隐患分类识别,有效缩短隐患发现时间,研究结果可为脚手架工程监控预警平台提供研究基础。 相似文献
10.
为解决安全标识数据集、安全标识特殊图形及复杂背景缺乏等问题,采用卷积神经网络(CNN)提取安全标识的特征,在VGG-16网络结构和CNN的基础上构建能够识别17种安全标识的VGG16-17模型。原始数据有816张,通过数据增强扩展数据集,得到4 708张图片,按照4∶1的比例将数据集划分为训练集和验证集。通过调节模型中部分参数,分析迭代次数和批量大小对模型识别分类效果的影响。结果表明:当迭代次数为20次、批量大小为32时,模型结果最理想,识别准确率为97.92%,相较于基于未经过数据增强数据集的改进模型的准确率提高19.39%,同时,改进模型相较于传统VGG16模型,识别准确率提高4.3%,证明模型改进和数据增强对图像识别能力的提高有一定帮助。 相似文献