基于CNN的化工园区火灾火焰图像识别研究

为及时发现化工园区火灾事故,降低事故损失,利用卷积神经网络(CNN)建立化工园区火灾实时检测系统。基于CNN-YOLOv5算法训练化工园区火灾数据集和普通火灾数据集,分析对比2个数据集的损失值、召回率、精度和类别平均精度。其中,化工园区火灾数据集的损失值和召回率略低,但精度和类别平均精度高于普通火灾数据集,证明通过CNN检测化工园区火灾的可行性。结果表明：基于火灾检测结果,借助PyQt5程序框架设计化工园区火焰图像识别软件系统,可实现对化工园区火灾火焰图像和视频的识别应用,扩大该方法适用范围。基于CNN的YOLOv5目标检测算法可以实时检测化工园区火灾,其检测方法具有便携性、检测结果具有可靠性,可提高化工园区的安全管理水平。     

科达推出交通违法行为动态抓拍系统

正随着图像识别技术在智能交通领域里的深入应用,基于视频的机动车辆动态违法处置功能已经被广泛运用。比如捕捉闯红灯交通违规车辆,固定在路口的摄像头便可代替人工实现精准捕捉。但是,压双黄线、违章越过车道线等这类发生在较大区域的违章行为,很难通过单个固定摄像头实现整个违章区域的机动车辆车牌识别。科达近期推出的动态违法抓拍系统则专门针对这种较复杂的情况,通过手动操控,当发现有违章停车、闯红灯、违法变道、压双黄线等违章情况时,前端PTZ摄像机将实现抓拍,     

监狱嵌入式视频web监控系统智能报警设计

文章介绍了一种应用于监狱场所的嵌入视频式web监控系统,通过图像识别算法的研究,实现运动目标的识别,设计平台实现对目标区域移动目标的智能报警.     

图像识别技术及其在机械零件无损检测中的应用

无损检测法是一种常用的故障诊断技术,故障诊断从本质上来讲就是模式识别问题,而模式识别又可以狭义地理解为图像识别。从介绍图像、图像识别、图像识别过程和图像识别系统的基本概念着手,就几种常用图像识别方法的原理和特点进行比较,给出了CCD图像获取系统的组成。最后,结合发动机曲轴的一种自动磁粉探伤系统实例,对系统的图像处理和识别流程进行详细的讨论,并针对一般无损检测系统难以满足曲轴的检测要求和精度要求的状况,提出经过改进的一种适用于曲轴的整体无损检测系统。该系统有助于高效和完整地获取整个曲轴的图像,提高图像信息的质量,从而提高发动机曲轴表面缺陷检测的准确性和可靠性。     

视频图像识别报警系统的研究

本文是针对于传统报警系统单点监控报警的机械性而设计的智能化、数字化的视频图像识别监控报警系统.该系统对监控场所进行全景监控,如有异物进入,对异物进行分割、测量,从不同的角度(如形状因子)进行了分析和判断,进而判断异物是否有害.     

一种应用于隧道视频监控的图像识别系统

隧道的监视与控制管理是高速公路隧道安全正常运行的重要课题.本文对隧道交通智能视频监控系统的硬件和软件进行了介绍,结合视频监控场景的复杂特性,针对视频监控中涉及视频图像处理与分析的图像分割、目标提取等技术进行了研究.并把系统应用于重庆市中梁山隧道(长度3165米左右),结果表明本文方法是比较实用的,能满足实时视频监控系统的要求.     

基于卷积神经网络的乙烯球罐泄漏检测研究

乙烯球罐泄漏会对安全生产造成严重威胁。为了解决泄漏初期不易检测到的难题,研究应用卷积神经网络进行自动泄漏识别的方法。以不同角度下的正常工况和泄漏工况的场景图像作为训练对象,搭建基于卷积神经网络的识别模型,研究确定采用最大池化法和ReLU激活函数的网络设置,可使网络性能达到最优。测试结果表明,本文提出的方法和模型能有效实现乙烯球罐泄漏的自动检测。     

基于IFS-TOPSIS的矿山地质环境评价

为掌握矿山地质环境问题的影响程度，以调查区多年遥感图像为信息源，通过图像识别技术，解译矿山地物信息，提取量化评价数据；然后结合改进序关系法与拉开档次法，最终建立基于直觉模糊集(Intuitionistic Fuzzy Set, IFS)-理想解法(Technique for Order Preference by Similarity to an Ideal Solution, TOPSIS)的矿山地质环境综合评价模型。最后以陕西省富平县曹村镇为实例，基于遥感信息提取数据的分析，并结合研究区矿山开发与自然地理情况，构建矿山地质环境评价指标体系，应用所提出的模型对研究区的矿山进行地质环境评价，得出以矿山为单元的评价等级分区。结果表明，所提出的方法能够客观地反映研究区矿山地质环境现状，能为政府进一步制定矿山地质环境保护与治理政策提供合理参考。     

基于二维图像识别油田违章行为监测技术研究

为了在油田施工作业过程中及时准确地发现施工人员的违章行为，保证油田的安全生产，提出一种基于二维图像识别油田违章行为的监测技术。该技术采用一种目标检测与关键点定位的多任务联合学习算法，提高传统算法的准确率；采用目标属性二次分析的方法识别目标精细情况；采用目标追踪与时序人体行为分析方法实时跟踪人的行为动作。并通过不同场景的2 367例样本的应用显示，识别准确率80%以上，召回率75%以上，表明该技术对一般违章行为识别的准确率较高。