计算机图像识别的烟气自动监测

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。     

人体中的“身份证”

生命科学的一个重要组成部分就是生物识别技术,各大IT公司的算法正将指纹检测术武装进ATM、蜂窝电话、网络金融交易和防盗门等各个领域。但科学家们发现,人体上的“身份证”不仅限于指纹,在眼睛、嘴唇、大脑、血液等各部位都有“身份证” 眼纹:眼纹是指人眼内视网膜的图纹。因为人的视网膜结构都存在差异,所以眼纹也各不相同。通过电子照相机可取得人的眼纹,用来做身份鉴定,其可靠性可与指纹相媲美。 唇纹:唇纹就是人的口唇图形。人的唇纹各不相同,而且人的唇纹并不随着年龄的变化而变化。     

基于视频识别的直接作业环节安全管控

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。     

人工智能与专家的故事

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。     

宁波:停车场试水“ETC模式”——出入免停“智能”付费

正从宁波市中心支行获悉,随着"惠停车ETC"项目在该市的试行、推进,市民有望共享移动金融应用于停车场带来的便利。周末,市区各大广场、电影院地下停车场入口就像节假日的高速公路入口,过杆取卡、结算缴费的速度过慢常导致车辆接踵而至,造成拥堵。如果停车场也有如高速公路ETC一样的通道,那么出入口"堵车"现象便可大幅缓解。记者昨天从人行宁波市中心支行获悉,     

铁道线路智能高危监视系统的设计研究

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。     

智能巡检机器人在自然环境试验中的应用探讨

目的 探索建立自然环境试验智能巡检系统,使用机器人替代部分人工巡检工作。方法 通过分析巡检作业环境和巡检任务,确定智能巡检机器人的功能要求和技术参数,进而开展机器人本体结构设计,融合控制后台、远程数据库等设备,实现智能巡检系统构建。结果 开展了智能巡检数据采集的使用验证,巡检机器人采集的样品图像对焦清晰、分辨率高,样品在图像中的位置大小合理,腐蚀特征展示清楚。巡检系统可对样品图像进行自动分割和智能识别,对蚀点、流痕等损伤特征识别准确,精度可达0.1%。结论 智能巡检系统可以满足自然环境试验的巡检要求,替代人工完成部分巡检工作,智能巡检数据便于入库和使用挖掘,对于自然环境试验的数字化转型有积极的推动作用。     

低照技术在安防行业的发展应用及展望

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。     

关于在我国推行智能垃圾分类终端和模式的刍议

为了解决目前我国居民普遍存在的"不想分类、懒得分类、分类标准难把握"等垃圾分类痛点问题以及打破市面上的智能垃圾分类装置难以实现垃圾精准分类导致的"垃圾投放‘分了类’,垃圾处理一锅烩"的尴尬局面。本文介绍了一款基于条码识别、二维码识别以及图像识别技术的智能垃圾精准分类系统,并探讨了基于智能垃圾精准分类系统的从业人员来源及如何利用"互联网+"、大数据等资源条件实现垃圾分类行业的创收,为加快建立分类投放、分类收集、分类运输、分类处理的垃圾处理系统提供参考。     

基于YOLOv5s的外脚手架隐患智能动态检测

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。