CN111126193A - 一种基于深度学习煤矿井下不安全行为人工智能识别系统 - Google Patents
一种基于深度学习煤矿井下不安全行为人工智能识别系统 Download PDFInfo
- Publication number
- CN111126193A CN111126193A CN201911259677.6A CN201911259677A CN111126193A CN 111126193 A CN111126193 A CN 111126193A CN 201911259677 A CN201911259677 A CN 201911259677A CN 111126193 A CN111126193 A CN 111126193A
- Authority
- CN
- China
- Prior art keywords
- unsafe
- coal mine
- training
- control platform
- nvr
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000006399 behavior Effects 0.000 title claims abstract description 88
- 239000003245 coal Substances 0.000 title claims abstract description 48
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 18
- 238000013135 deep learning Methods 0.000 title claims abstract description 17
- 238000012549 training Methods 0.000 claims abstract description 57
- 239000000463 material Substances 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Agronomy & Crop Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种基于深度学习煤矿井下不安全行为人工智能识别系统,包括矿井现场实例素材收集、训练数据集、AI训练平台、算法模型、控制平台等，通过基于深度学习技术的AI训练平台，加载由矿井现场实例素材收集生成的训练数据集，对煤矿井下不安全行为进行训练，得到算法模型后，通过控制平台或直接导入到AI摄像机或NVR，AI摄像机或NVR通过对实时视频流进行人工智能分析，识别出所训练的不安全行为，将推理结果推送给控制平台，控制平台将不安全信息推送给管理员，对不安全信息进行审核，并与现场进行通讯联络，确认制止不安全行为，推送给管理员的同时向不安全地点推送，使现场声光警示；实现减少事故发生，适用范围广。
Description
技术领域
本发明涉及一种基于深度学习煤矿井下不安全行为人工智能识别系统，属于人工智能领域。
背景技术
我国绝大多数煤矿具有地质条件复杂、开采难度大、灾害类型多、分布面广等特点，人的不安全行为和物的不安全状态等隐患众多，导致煤矿安全生产事故时有发生，致使人身伤亡。因煤矿井下点多面广环节多，现场安监员不可能面面俱到，也不可能24小时一刻不离地盯在某一地点，照成安全监管盲点多、风险点多，煤矿安全管理成本增加。
发明内容
本发明的目的在于提供一种基于深度学习煤矿井下不安全行为人工智能识别系统，以解决上述背景技术中提出的问题。
为实现上述目的本发明采用以下技术方案：一种基于深度学习煤矿井下不安全行为人工智能识别系统，包括：矿井现场实例素材收集（S1）、训练数据集（S2）、AI训练平台（S3）、算法模型（S4）、控制平台（S5）、现场声光警示（S6）、AI摄像机／NVR（S7）、不安全行为信息审核（S8）、通讯联络（S9）；
AI训练平台（S3）是基于深度学习的人工智能训练平台，通过矿井现场实例素材收集（S1）收集煤矿井下不安全行为，并生成训练数据集（S2），然后上传至AI训练平台（S3），AI训练平台（S3）通过加载训练数据集（S2）对煤矿井下不安全行为素材进行分类训练，通过对煤矿井下不安全素材的训练、校验，可以得到煤矿井下不安全算法模型（S4）；
通过控制平台（S5）可以控制AI摄像机／NVR（S7）、控制现场声光警示（S6）、发起不安全行为信息审核（S8），可以读取AI摄像机／NVR（S7）实时视频流及录像，通过控制平台（S5）可以对算法模型迭代训练。
作为本发明进一步的方案，通过AI训练平台（S3）得到煤矿井下不安全算法模型（S4），通过控制平台（S5）导入到AI摄像机／NVR（S7）或直接导入到AI摄像机／NVR（S7），使AI摄像机／NVR （S7）具备智能识别所训练煤矿井下不安全行为的能力。
作为本发明进一步的方案，当AI摄像机／NVR（S7）智能识别到所训练煤矿井下不安全行为，通过向控制平台（S5）推送推理结果，控制平台（S5）收到推理结果，将不安全信息推送给管理员进行不安全行为信息审核（S8），管理员与不安全行为发生现场地点进行通讯联络（S9），确保不安全行为已经得到有效制止，控制平台向管理员推送不安全行为信息的同时，向不安全行为发生地点推送现场声光警示（S6），不安全行为发生现场通过声音和灯光警示，达到制止不安全行为的目的。
与现有技术相比，本发明的有益效果是：本发明基于煤矿企业不安全行为智能分析需求，利用基于深度学习的AI开放平台，构建煤矿井下不安全行为人工智能识别系统，能够通过视频流检测煤矿井下不安全行为，并发出警示信息，解决了煤矿企业安全生产管理过程中遇到的困境，减少安全管理投入，提升安全生产智能化管理水平，最终实现减少事故发生。同时本发明可通过视频流智能识别不安全行为，对不安全行为进行记录，并现场对不安全行为进行警示，适用范围广。
附图说明
图1为本发明系统原理框图。
图中：S1、矿井现场实例素材收集，S2、训练数据集，S3、AI训练平台，S4、算法模型，S5、控制平台，S6、现场声光警示，S7、AI摄像机／NVR，S8、不安全行为信息审核，S9、通讯联络。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的阐述。
一种基于深度学习煤矿井下不安全行为人工智能识别系统，包括：矿井现场实例素材收集（S1）、训练数据集（S2）、AI训练平台（S3）、算法模型（S4）、控制平台（S5）、现场声光警示（S6）、AI摄像机／NVR（S7）、不安全行为信息审核（S8）、通讯联络（S9）；
AI训练平台（S3）是基于深度学习的人工智能训练平台，通过矿井现场实例素材收集（S1）收集煤矿井下不安全行为，并生成训练数据集（S2），然后上传至AI训练平台（S3），AI训练平台（S3）通过加载训练数据集（S2）对煤矿井下不安全行为素材进行分类训练，通过对煤矿井下不安全素材的训练、校验，可以得到煤矿井下不安全算法模型（S4）；
通过控制平台（S5）可以控制AI摄像机／NVR（S7）、控制现场声光警示（S6）、发起不安全行为信息审核（S8），可以读取AI摄像机／NVR（S7）实时视频流及录像，通过控制平台（S5）可以对算法模型迭代训练。
通过AI训练平台（S3）得到煤矿井下不安全算法模型（S4），通过控制平台（S5）导入到AI摄像机／NVR（S7）或直接导入到AI摄像机／NVR（S7），使AI摄像机／NVR （S7）具备智能识别所训练煤矿井下不安全行为的能力。
当AI摄像机／NVR（S7）智能识别到所训练煤矿井下不安全行为，通过向控制平台（S5）推送推理结果，控制平台（S5）收到推理结果，将不安全信息推送给管理员进行不安全行为信息审核（S8），管理员与不安全行为发生现场地点进行通讯联络（S9），确保不安全行为已经得到有效制止，控制平台向管理员推送不安全行为信息的同时，向不安全行为发生地点推送现场声光警示（S6），不安全行为发生现场通过声音和灯光警示，达到制止不安全行为的目的。
本发明的识别方法，包括如下步骤：
包括素材采集、不安全行为模型训练、不安全行为算法模型加载、不安全行为识别。
1、素材采集；
首先确定煤矿井下不安全行为，如煤矿井下未戴安全帽、未佩戴矿灯、未佩戴防尘口罩、不穿上衣、不正确穿胶靴、登高未佩戴安全带、行车不行人、设备操作工离岗监测等，然后跟据不同的煤矿井下不安全行为进行矿井现场实例素材收集，生成训练数据集。
2、不安全行为算法模型训练；
首先，在基于深度学习技术的AI训练平台上加载训练数据集，对不同的不安全行为进行分类，通过设置感兴趣区域，使算法训练只针对该区域进行训练。通多对煤矿井下不安全行为素材的训练、校验，可生成煤矿井下不安全行为算法模型。
3、不安全行为模型加载；
不安全行为模型训练完成后，通过AI训练平台对算法模型进行生成。算法模型部署和任务下发可以通过控制平台加载到前端AI摄像机或者NVR，或者直接加载到前端AI摄像机或者NVR，控制平台对算法模型进行迭代训练，以期达到最佳效果。
4、不安全行为识别；
通过已经加载煤矿井下不安全行为算法模型的前端AI摄像机或者NVR，人工智能的分析所拍视频中是否有不安全行为，如果有不安全行为，则将推理结果推送给控制平台，控制平台将不安全行为信息推送给管理员，管理员与不安全行为发生现场地点进行通讯联络，确保不安全行为已经得到有效制止，控制平台向管理员推送不安全行为信息的同时，根据设备关联信息，向不安全行为发生地点的声光报警器推送警示信息，现场对不安全行为声光警示。
本发明工作原理：本发明设计适用于煤矿不安全行为人工智能识别，本发明通过基于深度学习技术的AI训练平台，对煤矿井下不安全行为进行训练，得到算法模型后，通过导入到AI摄像机或NVR，AI摄像机或NVR通过对实时视频流进行人工智能分析，识别出所训练的不安全行为，将推理结果推送给控制平台，控制平台将不安全行为信息推送给管理员，对不安全行为信息进行信息审核、通讯确认，同时向不安全行为发生地点推送信息，促使现场声光警示。
以上所述为本发明较佳实施例，对于本领域的普通技术人员而言，根据本发明的教导，在不脱离本发明的原理与精神的情况下，对实施方式所进行的改变、修改、替换和变型仍落入本发明的保护范围之内。
Claims (3)
1.一种基于深度学习煤矿井下不安全行为人工智能识别系统，其特征在于，包括：矿井现场实例素材收集（S1）、训练数据集（S2）、AI训练平台（S3）、算法模型（S4）、控制平台（S5）、现场声光警示（S6）、AI摄像机／NVR（S7）、不安全行为信息审核（S8）、通讯联络（S9）；
AI训练平台（S3）是基于深度学习的人工智能训练平台，通过矿井现场实例素材收集（S1）收集煤矿井下不安全行为，并生成训练数据集（S2），然后上传至AI训练平台（S3），AI训练平台（S3）通过加载训练数据集（S2）对煤矿井下不安全行为素材进行分类训练，通过对煤矿井下不安全素材的训练、校验，可以得到煤矿井下不安全算法模型（S4）；
通过控制平台（S5）可以控制AI摄像机／NVR（S7）、控制现场声光警示（S6）、发起不安全行为信息审核（S8），可以读取AI摄像机／NVR（S7）实时视频流及录像，通过控制平台（S5）可以对算法模型迭代训练。
2.根据权利要求1所述一种基于深度学习煤矿井下不安全行为人工智能识别系统，其特征在于，通过AI训练平台（S3）得到煤矿井下不安全算法模型（S4），通过控制平台（S5）导入到AI摄像机／NVR（S7）或直接导入到AI摄像机／NVR（S7），使AI摄像机／NVR （S7）具备智能识别所训练煤矿井下不安全行为的能力。
3.根据权利要求1所述一种基于深度学习煤矿井下不安全行为人工智能识别系统，其特征在于，当AI摄像机／NVR（S7）智能识别到所训练煤矿井下不安全行为，通过向控制平台（S5）推送推理结果，控制平台（S5）收到推理结果，将不安全信息推送给管理员进行不安全行为信息审核（S8），管理员与不安全行为发生现场地点进行通讯联络（S9），确保不安全行为已经得到有效制止，控制平台向管理员推送不安全行为信息的同时，向不安全行为发生地点推送现场声光警示（S6），不安全行为发生现场通过声音和灯光警示，达到制止不安全行为的目的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911259677.6A CN111126193A (zh) | 2019-12-10 | 2019-12-10 | 一种基于深度学习煤矿井下不安全行为人工智能识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911259677.6A CN111126193A (zh) | 2019-12-10 | 2019-12-10 | 一种基于深度学习煤矿井下不安全行为人工智能识别系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111126193A true CN111126193A (zh) | 2020-05-08 |
Family
ID=70498148
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911259677.6A Pending CN111126193A (zh) | 2019-12-10 | 2019-12-10 | 一种基于深度学习煤矿井下不安全行为人工智能识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111126193A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111783575A (zh) * | 2020-06-18 | 2020-10-16 | 合肥恒翔电子科技有限公司 | 一种井下人工智能视频打钻系统 |
| CN112836648A (zh) * | 2021-02-05 | 2021-05-25 | 湖南嘿哈猫网络科技有限公司 | 一种基于深度学习下用户行为分析模型构建及系统应用 |
| CN113179386A (zh) * | 2021-03-19 | 2021-07-27 | 江西铜业股份有限公司 | 一种矿区安全智能监控广播系统及其智能广播方法 |
| CN113763659A (zh) * | 2021-09-08 | 2021-12-07 | 山西华拓电气有限公司 | 一种基于视觉识别的矿井区域人员侵入监测系统 |
| CN114666553A (zh) * | 2022-05-18 | 2022-06-24 | 深圳酷源数联科技有限公司 | 煤矿井下大视角安保监控系统 |
| CN115146903A (zh) * | 2022-05-09 | 2022-10-04 | 中国中煤能源集团有限公司 | 一种基于关键骨骼点的煤矿不安全行为识别预警系统 |
| CN116030391A (zh) * | 2023-01-06 | 2023-04-28 | 滨州邦维信息科技有限公司 | 煤炭卸料口人员风险智能监测方法 |
| CN117669735A (zh) * | 2023-12-08 | 2024-03-08 | 太原理工大学 | 煤矿业务场景人工智能模型的应用系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103244188A (zh) * | 2013-05-14 | 2013-08-14 | 太原科技大学 | 一种基于物联网技术的煤矿井下综合监控系统 |
| CN105678631A (zh) * | 2016-03-03 | 2016-06-15 | 焦庆国 | 一种煤矿防误识别智能跟踪管理系统和方法 |
| US20180266233A1 (en) * | 2017-03-17 | 2018-09-20 | Chevron U.S.A. Inc. | Method and System for Automated Well Event Detection and Response |
| CN108668109A (zh) * | 2018-02-14 | 2018-10-16 | 北京广天夏科技有限公司 | 基于计算机视觉的图像监控方法 |
| CN108846585A (zh) * | 2018-06-25 | 2018-11-20 | 西安科技大学 | 一种煤矿隐患处理管理系统 |
| CN109188550A (zh) * | 2018-08-30 | 2019-01-11 | 山西精英科技股份有限公司 | 一种皮带输送机异物检测系统 |
| CN109376673A (zh) * | 2018-10-31 | 2019-02-22 | 南京工业大学 | 一种基于人体姿态估计的煤矿井下人员不安全行为识别方法 |
| CN208820933U (zh) * | 2018-09-27 | 2019-05-03 | 精英数智科技股份有限公司 | 一种煤矿井下的网络视频监控摄像机 |
| CN110206588A (zh) * | 2019-05-29 | 2019-09-06 | 武汉理工大学 | 地下矿山作业人员安全管理系统 |
| CN110425005A (zh) * | 2019-06-21 | 2019-11-08 | 中国矿业大学 | 矿井下皮带运输人员人机交互行为安全监控与预警方法 |
-
2019
- 2019-12-10 CN CN201911259677.6A patent/CN111126193A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103244188A (zh) * | 2013-05-14 | 2013-08-14 | 太原科技大学 | 一种基于物联网技术的煤矿井下综合监控系统 |
| CN105678631A (zh) * | 2016-03-03 | 2016-06-15 | 焦庆国 | 一种煤矿防误识别智能跟踪管理系统和方法 |
| US20180266233A1 (en) * | 2017-03-17 | 2018-09-20 | Chevron U.S.A. Inc. | Method and System for Automated Well Event Detection and Response |
| CN108668109A (zh) * | 2018-02-14 | 2018-10-16 | 北京广天夏科技有限公司 | 基于计算机视觉的图像监控方法 |
| CN108846585A (zh) * | 2018-06-25 | 2018-11-20 | 西安科技大学 | 一种煤矿隐患处理管理系统 |
| CN109188550A (zh) * | 2018-08-30 | 2019-01-11 | 山西精英科技股份有限公司 | 一种皮带输送机异物检测系统 |
| CN208820933U (zh) * | 2018-09-27 | 2019-05-03 | 精英数智科技股份有限公司 | 一种煤矿井下的网络视频监控摄像机 |
| CN109376673A (zh) * | 2018-10-31 | 2019-02-22 | 南京工业大学 | 一种基于人体姿态估计的煤矿井下人员不安全行为识别方法 |
| CN110206588A (zh) * | 2019-05-29 | 2019-09-06 | 武汉理工大学 | 地下矿山作业人员安全管理系统 |
| CN110425005A (zh) * | 2019-06-21 | 2019-11-08 | 中国矿业大学 | 矿井下皮带运输人员人机交互行为安全监控与预警方法 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111783575A (zh) * | 2020-06-18 | 2020-10-16 | 合肥恒翔电子科技有限公司 | 一种井下人工智能视频打钻系统 |
| CN112836648A (zh) * | 2021-02-05 | 2021-05-25 | 湖南嘿哈猫网络科技有限公司 | 一种基于深度学习下用户行为分析模型构建及系统应用 |
| CN113179386A (zh) * | 2021-03-19 | 2021-07-27 | 江西铜业股份有限公司 | 一种矿区安全智能监控广播系统及其智能广播方法 |
| CN113763659A (zh) * | 2021-09-08 | 2021-12-07 | 山西华拓电气有限公司 | 一种基于视觉识别的矿井区域人员侵入监测系统 |
| CN115146903A (zh) * | 2022-05-09 | 2022-10-04 | 中国中煤能源集团有限公司 | 一种基于关键骨骼点的煤矿不安全行为识别预警系统 |
| CN114666553A (zh) * | 2022-05-18 | 2022-06-24 | 深圳酷源数联科技有限公司 | 煤矿井下大视角安保监控系统 |
| CN116030391A (zh) * | 2023-01-06 | 2023-04-28 | 滨州邦维信息科技有限公司 | 煤炭卸料口人员风险智能监测方法 |
| CN117669735A (zh) * | 2023-12-08 | 2024-03-08 | 太原理工大学 | 煤矿业务场景人工智能模型的应用系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111126193A (zh) | 一种基于深度学习煤矿井下不安全行为人工智能识别系统 | |
| CN114673558B (zh) | 一种煤矿掘进工作面风险识别与智能预控系统及方法 | |
| CN110674702B (zh) | 一种矿井图像场景分类方法、装置及设备、系统 | |
| CN118072255B (zh) | 一种智慧园区多源数据动态监控和实时分析系统及方法 | |
| CN112112629A (zh) | 一种钻井作业过程中的安全业务管理系统和方法 | |
| CN102136076A (zh) | 基于安全帽检测的煤矿井下人员定位与跟踪方法 | |
| CN106355162A (zh) | 一种基于视频监控的入侵检测方法 | |
| CN111277748A (zh) | 一种基于视频智能分析的工地动火管理系统及其实施方法 | |
| CN104392464A (zh) | 一种基于彩色视频图像的人为入侵检测方法 | |
| CN112651642A (zh) | 一种基于多设备感知的水利工程现场人员安全管理系统 | |
| CN112541439A (zh) | 一种电厂智能视频监控方法与系统 | |
| CN103152558B (zh) | 基于场景识别的入侵检测方法 | |
| CN111179551A (zh) | 一种危化品运输驾驶员实时监控方法 | |
| CN114333273A (zh) | 一种用于核电施工现场的智能化分析系统及方法 | |
| CN111126192A (zh) | 一种基于深度学习煤矿井下物体状态识别系统 | |
| CN113344882A (zh) | 基于计算机视觉的矿下钻机钻杆计数方法 | |
| CN110119655A (zh) | 一种石化企业厂区内车辆与人员聚集预警系统及预警方法 | |
| CN210110004U (zh) | 一种基于人工智能的油田行为监控系统 | |
| CN106761928A (zh) | 一种煤矿安全监控系统的数据采集方法及装置 | |
| CN106781195A (zh) | 一种煤矿火灾烟雾监测系统 | |
| CN113191273A (zh) | 基于神经网络的油田井场视频目标检测与识别方法及系统 | |
| CN109873990A (zh) | 一种基于计算机视觉的矿山非法开采预警方法 | |
| CN115457728B (zh) | 一种隧道施工人员作业安全防护方法 | |
| CN113011224A (zh) | 基于视频图像的煤矿火灾预警方法 | |
| CN115019259A (zh) | 一种智慧矿山的ai图像识别监管方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhou Zhongping Inventor after: Su Shiqing Inventor after: Li Yongchao Inventor after: Zhang Liu Inventor after: Zhao Dewei Inventor after: Kang Yawei Inventor after: Qi Weidong Inventor after: Bai Wenxin Inventor after: Wan Zhaotian Inventor after: Meng Jian Inventor before: Zhang Liu Inventor before: Zhao Dewei Inventor before: Kang Yawei Inventor before: Qi Weidong Inventor before: Bai Wenxin Inventor before: Wan Zhaotian Inventor before: Meng Jian |
|
| CB03 | Change of inventor or designer information | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200508 |
|
| WD01 | Invention patent application deemed withdrawn after publication |