MODIS林火识别算法的验证分析

利用中国境内9起森林火灾事件对MODIS火点识别的理论算法进行验证分析．结果表明：MODIS火点识别的理论算法在中国境内是基本通用的．但受地域和季节变化的影响．应用时可能会遗漏个别低温闷烧的热点;利用火点亮温偏离统计均值标准差的关系来确定阁值．可以避免火点的遗漏;林火点在CH21和CH22上的值比较接近。一般有CH21-CH22〈20K。而噪声点在两个波段上的亮温差异比较大。根据以上知识．提出了改进MODIS林火热点识别算法的建议。     

模糊聚类分析在中国火灾危害分类中的应用

火灾现象具有随机性、模糊性,是个复杂的模糊系统行为。运用模糊聚类分析方法,借助于M ATLAB计算软件,对中国火灾的危害程度进行了分类。根据2000年中国火灾统计资料,把31个省市分为重灾区、较重灾区、一般灾区、轻灾区等4类,与传统的概率统计方法相比,本方法更符合客观实际。城市火灾分类是动态的,重灾区吸取教训,增强消防意识,增大消防投入,可减少火灾隐患;而轻灾区如不注意防范,也会增加火灾隐患。因此不论轻重灾区,均应时时增强防范意识,把火灾危害降至最低。     

自动扶梯乘客摔倒智能识别方法研究

针对乘坐自动扶梯频繁发生乘客摔倒的问题,本文分析乘客摔倒影响因素和摔倒过程受力情况,选取加速度峰值特征作为摔倒识别的特征量。使用摔倒惯性加速度信息采集系统获取摔倒和日常动作的加速度峰值样本,建立多特征集半监督支持向量机（SVM-D-R）算法模型并进行样本训练,测试在日常生活下样本集,对乘客摔倒加速度峰值特征进行识别。实验结果分析,该方法在正常生活环境下监测识别乘客摔倒的过程中受其他影响小,识别结果准确性高。     

提高GPS定位精度的群调度滤波算法*

为解决现行安全生产科技领域中全球定位系统（GPS）/惯性导航系统（INS）融合系统容易产生较大时变误差的关键问题,满足GPS定位信号的精度和信号数据处理时间的要求,提出1种群调度滤波算法,通过实验仿真,分别与模糊算法、机器学习算法及卡尔曼滤波网络算法进行比较研究。结果表明:群调度滤波算法兼顾了定位精度与数据处理时间,具有较大优势,可在航空安全、船舶安全、应急监测、灾后抢险等安全科技领域广泛应用。     

企业视窗

华为安防更名“机器视觉” 助力干行百业数字化转型近期,从华为安防官微获悉,华为安防将更名为华为机器视觉。华为安防官微上提到:2039年华为智能安防发布HoloSens全新品牌,诠释全息感知的全新定位。2020年在加速进入“5G+AI”的时代背景下,以“视频+AI”为核心的华为智能安防也不再局限于“安”与“防”,我们希望可以承担更多,用“机器视觉”,助力干行百业数字化转型。     

动态校准仪臭氧间接传递技术

对5台主流动态校准仪开展臭氧间接传递技术研究,对动态校准仪的准确性、可靠性、稳定性及臭氧传递的线性方程等性能参数进行了实验室考察。总体而言,发生型动态校准仪和分析型动态校准仪均可用于臭氧传递工作中。分析型动态校准仪可直接进行臭氧传递,发生型动态校准仪在臭氧传递前必须进行预校准。建议至少每3个月对发生型动态校准仪进行1次臭氧传递,每6个月对分析型动态校准仪进行1次臭氧传递。     

基于人工神经网络的气体泄爆最大超压预测研究

为解决传统经验公式在预测气体泄爆中最大超压出现时的较大偏差或过于保守的问题,提出使用人工神经网络预测气体泄爆最大超压。基于124组实验数据,采用BP与RBF神经网络,通过优化算法计算与迭代循环对泄爆样本中的影响因素进行降维与选择,并确定2类神经网络本身在学习与计算气体泄爆样本时的相关参数。结果表明:PCA（主成分分析法）在当前样本条件下的降维效果较差,而通过迭代对比确认气体泄爆样本中的5类特征全部保留时神经网络的训练模拟效果最好;通过对124组实验数据进行随机挑选训练集与测试集的训练模拟结果发现,神经网络对气体泄爆中最大超压的预测效果较好;通过对比Molkov提出的和经Fakandu等改进的NFPA 68经验公式以及2类神经网络的预测结果表明,神经网络相比于传统气体泄爆经验公式具有明显优势。     

人工智能浪潮下的周界报警系统

一、如何理解周界报警系统周界防护本身是一种防御体系,就像古老的中国长城,一直以来实体周界防御体系都是以围墙、围网、栅栏等方式存在。周界报警系统则是依附在原有实体周界防御体系之上的一种自动化智能设备,它包含传感、网络和分析管理模块,分别完成采集数据、传输和算法分析功能。系统时时刻刻收集传感器采集的数据进行分析处理,判断出符合入侵行为的事件,滤除各种干扰产生的事件。     

EOF重构声速剖面对深水多波束的声速改正分析

声速误差是多波束水深地形测量主要误差源之一,通常采用现场声速剖面测量的方式加以改正,但在深远海多波束水深地形测量时,现场获取全深度的声速剖面并非易事。针对这一问题,利用东南印度洋海洋调查工作中采集到的17个站位的CTD数据,将所有站位声速剖面拓展到全深度,采用经验正交函数分析法（Empirical Orthogonal Functions, EOF）构建调查区声速剖面场,可获得声速剖面场内任意一点的声速值。然后通过EOF重构声速剖面场获得的声速值对测区内多波束水深地形数据进行改正,并与实测声速剖面对多波束水深地形数据的改正结果进行对比,结果表明,5 000 m水深范围内2种声速改正结果相差很小,EOF重构法对深水多波束的声速改正满足水深测量的要求。