排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
地下矿井具有相当复杂的工作环境,因此监控井下不明烟、火的产生,从而避免瓦斯爆炸等灾害的产生显得尤为重要.目前大多数煤矿井下均采用人工视频监控的方式,不仅严重浪费人力、物力,而且监控范围受到很多限制.基于此问题,提出一种基于卷积神经网络(CNN)迁移学习的井下烟、火智能感知预警系统.该系统首先在工作区域上方安装防爆摄像头,并将摄像头与井上主机通过光纤连接.其次,在主机上部署CNN迁移学习算法来识别监控区域是否有不明烟、火产生.最后,在实现判断烟、火是否产生后配合报警系统发出警报通知,通知安全巡逻人员灭火.结果表明,该技术可以有效判断井下是否有烟、火产生,大大降低了井下区域的安全隐患和人力、物力资源的浪费,实现了井下烟、火的智能感知预警. 相似文献
2.
3.
为预测肺结核发病数,建立了两种能够较为精确描述以及预测肺结核发病数的模型.根据中国疾控中心提供的2007年7月至2019年6月肺结核发病数的数据,运用LSTM模型和Prophet模型对中国肺结核发病数进行预测,并将该两种模型的预测性能与ARIMA、GM(1,1)模型进行对比.结果表明,Prophet模型预测性能最佳,其MAE值与RMSE值分别为5 124.33、5 905.32,LSTM模型预测性能次之,ARIMA模型预测性能最差. 相似文献
1