- 综合排序
- 最热优先
- 最新优先
- 来自专栏燧机科技-视频AI智能分析
渣土车识别检测系统
渣土车识别检测系统通过yolo网络架构对现场渣土车进行实时分析检测，一旦渣土车识别检测系统发现渣土车立即抓拍预警，提醒后台人员及时处理。我们使用YOLO(你只看一次)算法进行对象检测。 YOLO是一个聪明的卷积神经网络(CNN)，用于实时进行目标检测。该算法将单个神经网络应用于完整的图像，然后将图像划分为多个区域，并预测每个区域的边界框和概率。这些边界框是由预测的概率加权的。
1.1K30编辑于 2022-12-27 - 来自专栏世隆科技的专栏
世隆科技：探地雷达在国土资源地质灾害预警领域的应用
1.手推便携式探地雷达 手推式便携探地雷达在地质灾害监测、地下管线探测、道路病害检测等领域具有显著优势： （1）便携性与灵活性 易于携带：手推式探地雷达体积小、重量轻，便于携带至各种复杂地形进行探测。 这些优势使得手推式探地雷达在地质灾害监测、地下管线探测、道路病害检测等领域具有广泛的应用前景和重要的价值。 通过多通道设计，雷达车能够生成地下空间的三维图像，清晰展示地下结构的分布和状态。这种高精度探测与三维成像技术，使得工程人员能够直观了解地下病害的实际情况，为后续的修复工作提供准确依据。 这种智能化分析大大提高了检测效率，减少了人为因素导致的误判。同时，雷达车可以在正常行驶的状态下进行检测，不影响交通流量，特别适合繁忙的城市道路。 在出现道路沉降、塌陷等紧急情况时，雷达车能够迅速到达现场，进行快速检测，为应急处置提供准确、实时的数据支持。
64010编辑于 2025-07-31 - 来自专栏燧机科技-视频AI智能分析
工地渣土车清洗识别检测系统
工地渣土车清洗识别检测系统集成边缘+Ai视频分析技术、机器视觉、深度学习等技术，利用工地现场的监控摄像头对将要驶离施工工地的渣土车进行实时监管清洗识别，如果渣土车没有清洗，系统就警报。 工地渣土车清洗识别检测系统由前端摄像头与后管理系统构成。前端摄像头对现场进出口的车辆冲洗情况，抓拍识别未冲洗车辆并把违规车辆信发送给系统后台，同步发给相关人员的手机上。 为保证人员恰当掌握立即清洗的清洗要求，并且在违规后立即证据调查，工地渣土车清洗识别检测系统可以智能抓拍车牌号，识别未清洗情况，清洗时长不够等违规情况，并保存视频数据及时将违规数据上传至管理平台。 依据智能视频分析，工地渣土车清洗识别检测系统识别现场监控视频图像数息，不用手动操作，自动识别检测车辆未清洗，合理协助管理工作，并最大限度地降低误报和漏报现象，减少人力资源管理监督成本。
37300编辑于 2022-10-01 - 来自专栏物联网智慧生活
地质灾害预警监测RTU
地质灾害造成人类生命财产损失以及环境破坏，成为制约社会经济发展和人民安居的重要因素，有效的地质灾害监测可提前预警危险的发生，保证人民生命财产安全。 地质灾害预警监测RTU，广泛应用于滑坡、泥石流、洪灾、地震等监测预警系统。 图片9.png 图片10.png 地质灾害预警监测RTU功能 1、数据采集，丰富接口满足各种测量传感器仪表的接入，获取目标数据。 2、数据传输，支持全网通4G网络，实现数据无线网络上传服务器。
61020发布于 2021-05-25 - 来自专栏燧机科技-视频AI智能分析
骑电瓶车超载识别检测系统
本文提出基于YOLOv12目标检测与RNN-LSTM时空行为分析的智能识别系统，通过多光谱感知-动态违章建模-分级执法联动技术架构，实现超载及违章行为检测精度96.3%（实验室数据），实测响应延迟＜0.5 ）：异常聚集检测（＞3人/车预警，识别超载）。 （二）算法层核心设计 YOLOv12违章行为检测优化 针对电瓶车“小目标（远距乘员）、动态遮挡（行人/其他车辆）、复杂背景（绿化带反光）”问题，优化模型结构与训练策略： # YOLOv12模型配置（电瓶车违章场景定制 骑电瓶车超载识别检测系统基于YOLOv12+RNN深度学习算法，骑电瓶车超载识别检测系统通过集成AI大模型，对监控画面中的电动车摩托车三轮车进行分析，一旦发现驾驶员未佩戴头盔、车辆逆行或违规载人等违章行为 骑电动车违规载人检测系统的广泛应用，为交警部门带来了前所未有的便利。
21410编辑于 2026-01-12 - 来自专栏燧机科技-视频AI智能分析
渣土车未苫盖识别检测算法
渣土车未苫盖识别检测算法通过yolov8+python，未苫盖识别检测算法对经过的渣土车进行实时监测，当检测到有渣土车未能及时苫盖时，将自动发出告警。 未苫盖识别检测算法中用到的YOLOv8 的核心特性和改动可以归结为如下：提供了一个全新的 SOTA 模型，包括 P5 640 和 P6 1280 分辨率的目标检测网络和基于 YOLACT 的实例分割模型 yolov8是一种基于深度学习的目标检测算法，它在图像中检测出关键点的位置。关键点检测是指识别出图像中的特定关键点，例如人脸识别中的眼睛、鼻子、嘴巴等特征点。 这使得Yolov8在目标检测任务中能够快速、准确地识别关键点。YOLOv8 是一种基于深度学习的目标检测算法，它可以用于关键点检测如渣土车目标检测。 通过使用 YOLOv8 进行关键点检测，可以在图像中快速、准确地定位和识别渣土车的关键点，从而在许多应用领域中发挥重要作用，如车辆识别、状态分析、动作捕捉等。
78110编辑于 2023-09-06 - 来自专栏燧机科技-视频AI智能分析
骑电动车违规载人检测系统
本文提出基于YOLOv8目标检测与RNN时序分析的智能监测系统，通过多光谱感知-动态轨迹建模-分级执法联动技术架构，实现0.3-25m/s全场景检测精度（实验室数据），实测响应延迟＜0.4秒。 （ST-GCN），建模车辆-人员交互关系 （二）误报率控制 时序行为过滤：通过RNN分析连续帧状态，排除“短暂未戴盔”行为（如停车检查） 环境自适应：根据气象站数据动态调整检测阈值（如暴雨模式下提升逆行检测权重 ） （三）系统集成创新 轻量化部署：模型量化至INT8精度，体积压缩至55MB 联邦学习机制：跨区域共享脱敏数据，提升模型对改装电动车的泛化能力 四、实测数据与效果 指标实验室数据（NVIDIA A100 （置信度0.92），联动广播系统发出警告 超速闯红灯：融合GPS定位与信号灯状态，精准判定闯红灯行为（时间误差＜200ms）骑电动车违规载人检测系统核心在于其先进的深度学习算法，骑电动车违规载人检测系统对电动车在连续帧图像中的运动轨迹进行分析 骑电动车违规载人检测系统的广泛应用，为交警部门带来了前所未有的便利。更为重要的是，这一检测系统的存在，如同一盏明亮的警示灯，时刻提醒着市民遵守交通规则。
25510编辑于 2026-01-07 - 来自专栏物联网智慧生活
地质灾害远程监测系统丨案例分析
图片1.png 二、系统概述 计讯物联基于大数据时代下的算法，利用智能传感技术、物联网技术、云计算技术等，自主研发遥测应用终端和地质灾害监测平台系统，为受灾地区提供集监测、采集、传输一体化的服务，通过有线无线的通讯方式 图片2.png 三、系统目标 1、自动实时监测、采集、传输、分析地质灾害相关数据，全面掌握地质状态； 2、设置预警值，保证系统及时发出警报信息；实行远程登录、访问、管理、控制及维护； 3、获取各类空间位置 四、系统架构 计讯物联地质灾害监测分为四层：感知层、网络层、平台层、应用层。 五、系统功能 地质灾害安全报警与应急处置联动系统 在预报条件下，系统自动叠加分析地质环境条件与气象条件，以此确定报警等级。 图片4.png 雨量监测系统 对降雨量、降雨持续时间、降雨类型等进行监测，分析地质灾害的隐患点的安全信息。
73400发布于 2020-11-23 - 来自专栏燧机科技-视频AI智能分析
机动车违停闯红灯识别检测系统
一、引言 我国机动车保有量达4.3亿辆（《2026年中国城市交通运行分析报告》），城市主干道高峰时段违停率达12.7%，闯红灯行为年均引发交通事故超3.2万起。 本文提出基于YOLOv11目标检测与时空行为建模的智能识别系统，通过多光谱感知-动态行为分析-分级预警联动技术架构，实现0.1-30m/s全场景检测精度（实验室数据），实测响应延迟＜0.4秒。 集成多光谱传感器阵列： 可见光（450-650nm）：车辆轮廓与信号灯状态识别； 近红外（850nm）：夜间车牌字符解析（支持污损车牌增强）； 热成像（8-14μm）：异常聚集检测（＞3车滞留触发预警） ultralytics import YOLO model = YOLO('yolov11n.yaml') # 轻量化 backbone 适配边缘设备 model.model.nc = 7 # 7类：机动车违停 1.7%极端环境可用性-暴雨天＞78%典型案例：夜间闯红灯轨迹追踪：通过近红外+热成像融合，识别无牌车闯红灯轨迹（置信度0.92），联动电子警察抓拍完整违法过程； 公交站台违停识别：结合地磁传感器（检测占道时长
36500编辑于 2026-01-11 - 来自专栏全栈程序员必看
c语言智能车跑道检测程序,基于金属检测的智能循迹小车设计
杜青 乔延华 韩淼 苗艳华 蔡乙男 摘 要： 为解决当前循迹小车存在性能稳定性差的问题，提出一种基于金属检测的智能循迹小车设计方法。 因其成本低，电路结构简单，可靠性高，抗干扰，可应用于无人驾驶机动车、无人工厂、仓库、服务机器人等领域[1?2]。 ；报警模块可在小车检测到硬币时发出声音提示；电源模块为整个系统提供电源。 3 软件系统的设计 3.1 检测与控制算法 上电后，先检测传感器返回的数值并保存，不同环境下传感器返回的数值会不同。 5 结 语 本文设计利用LDC1000电感数字转换器，使其工作在高频反射式电涡流传感器状态，对金属进行检测，运用STM32和STC51两种芯片，触发外围模块，实现小车的循迹和硬币检测。
1.3K20编辑于 2022-09-06 - 来自专栏资讯动态
腾讯车路协同平台通过中国信通院车联网平台专项检测
12月21日，由中国信通院组织举办的ICT+2024深度观察报告会在北京顺利召开，在车联网产业创新发展分论坛上，中国信通院向首批通过车联网平台能力检测的企业颁发了“腾讯车路协同平台检测证书”。 这一车联网平台能力检测是在国家《车联网产业标准体系建设指南》指导下，由中国信通院发起，并联合相关企业制定完善的车联网相关产品标准，结合系列标准及相关细则对行业关键产品开展的检测。 腾讯作为首批两家企业之一，获得该项检测认证。 此次检测内容包括平台功能检测和平台性能检测两大类。其中，平台功能检测包括设备接入与管理、数据分析与管理、事件处理与管理以及支撑能力等4个子项24个小项。 平台性能检测包括存储性能和稳定性2个小项。腾讯车路协同平台顺利完成了26个检测项的检测并获得认证。 腾讯车路协同平台是腾讯面向智慧交通等领域打造的智慧化平台产品，也是腾讯数字孪生在交通领域的重要布局。 、高速周车预警等百余个车路协同应用场景。
61110编辑于 2023-12-26 - 来自专栏燧机科技-视频AI智能分析
工地车辆未冲洗识别系统 渣土车清洗检测系统
渣土车清洗检测系统识别即将离开施工工地的剩下车辆开展清理监管、清理识别和未清洗警报。 伴随着在我国空气系数愈来愈变成环保监测的重要指标，近些年建筑行业发展迅速，常常出入建筑工地的泥车变成伤害空气系数的凶犯。因而，对新项目车辆的监管越来越非常重要。
81530编辑于 2022-09-20 - 来自专栏燧机科技-视频AI智能分析
泥石流滑坡地质灾害智能监测系统
一、引言 泥石流、滑坡等地质灾害具有突发性强、破坏力大的特点。 （二）算法层：YOLOX+RNN双模型协同分析 核心采用“YOLOX目标检测+RNN时序风险研判”两级算法：YOLOX目标检测：定位画面中“泥石流堆积体”“滑坡裂缝”“落石”“塌陷坑”等目标，输出 bounding 三、核心技术实现与优化 （一）YOLOX地质灾害场景适配优化 针对地质灾害场景复杂背景（植被遮挡、岩石裸露）、小目标（远处落石）、动态变化（水流冲刷）优化模型：数据集构建：采集25000张灾害实景图像（ 八、结语 泥石流滑坡地质灾害智能监测系统基于YOLOX与RNN深度学习模型，泥石流滑坡地质灾害智能监测系统能够实时捕捉泥石流、滑坡、落石和塌陷等灾害事件的特征。 随着“智慧减灾”战略的推进，此类系统将成为地质灾害防治的“千里眼”，为守护人民生命财产安全提供技术支撑。
49710编辑于 2025-12-17 - 来自专栏工程监测
VM604系列振弦采集模块读数测量工程项目硬件设备仪器二次开发
振弦读数模块.jpeg VM604系列模块是单振弦式传感器激励、 频率读取、 温度转换的专业化读数模块，具有集成度高、 体积小、精度高、适应能力强、极少的外围电路设计等突出特性，具有多种激励方法、传感器接入检测 、可编程激励电压、信号幅值检测和信号质量评定等先进功能。 VM 系列模块可应用于国内外大部分单振弦式传感器的数据读取，目前在土木工程、自动化监测、地质灾害等领域均得到了广泛应用。 优势与特点 兼容性强：可以测量绝大多数厂家的单线圈式振弦传感器。 温度检测：热敏电阻/DS18B20/核心温度检测。 可最多读取振弦4通道+4温度。 VM604振弦读数模块应用基坑支护岩土工程自动化地质灾害监测.jpeg 应用领域：支坑支护监测，自动化监测，岩土工程监测，地质灾害监测。
36740编辑于 2022-05-06 - 来自专栏燧机科技-视频AI智能分析
骑三轮车违规载人不戴头盔检测系统
在城乡结合部及中小城市，电动/燃油三轮车因其载货载客灵活性被广泛使用，但也衍生出违规载人、驾驶员未佩戴安全头盔、加装遮阳伞等安全隐患。 本文介绍一种兼容现有交通监控资源的边缘智能系统，通过“目标检测 + 多目标跟踪 + 规则化校验”技术路径，在保障隐私前提下，实现对典型违规行为的结构化取证，并探讨其在真实道路环境中的可行性与边界。 二、系统架构：边缘推理 + 规则引擎 + 隐私保护系统采用三层设计：感知层输入：路口现有200万像素以上高清球机（支持RTSP/ONVIF）；采用YOLOv10检测三轮车、骑行者、头盔、遮阳伞等目标；结合 规则校验层对每辆三轮车，统计关联人体目标数量：若>1且车型为货运类，则标记“疑似违规载人”；头盔识别基于头部区域分类（戴/未戴）；加装伞具通过车顶区域异常凸起检测（结合HOG特征辅助）。 结语AI在非机动车治理中的角色，不是替代执法，而是将有限警力从“大海捞针”解放到“精准核查”。三轮车违规识别系统通过结构化规则与多模态感知，在提升管理效率的同时，坚守隐私与合规底线。
17610编辑于 2026-01-21 - 来自专栏工程监测
河北稳控科技VM608系列振弦采集模块读数测量硬件设备工程仪器二次开发
.png VM608系列模块是多振弦式传感器激励、 频率读取、 温度转换的专业化读数模块，具有集成度高、 体积小、精度高、适应能力强、极少的外围电路设计等突出特性，具有多种激励方法、传感器接入检测 、可编程激励电压、信号幅值检测和信号质量评定等先进功能。 VM 系列模块可应用于国内外大部分单振弦式传感器的数据读取，目前在土木工程、自动化监测、地质灾害等领域均得到了广泛应用。 温度检测：热敏电阻/DS18B20/核心温度检测。 可最多读取振弦8通道+1温度。 VM608振弦读数模块应用基坑支护岩土工程自动化地质灾害监测.jpeg 应用领域：支坑支护监测，自动化监测，岩土工程监测，地质灾害监测。
35560编辑于 2022-05-07 - 来自专栏燧机科技-视频AI智能分析
公路山体落石滑坡识别系统 桥梁塌陷检测摄像机
一、引言 我国山区公路里程超120万公里（《2026年中国公路交通发展报告》），山体落石、滑坡、桥梁塌陷等地质灾害年均造成直接经济损失超50亿元（交通运输部数据）。 本文提出基于YOLOv12目标检测、CNN特征提取与多模态感知的智能识别系统，通过“多源感知-动态建模-分级预警”技术架构，实现地质灾害识别精度97.5%（实验室数据），实测响应延迟＜0.8秒。 （二）算法层核心设计 YOLOv12地质灾害目标检测优化 针对“小目标落石、动态滑坡、复杂背景（植被/阴影）”问题，优化模型结构与训练策略： # YOLOv12模型配置（地质灾害场景定制） from +卡尔曼滤波（实测数据：位移速率＜5cm/h场景识别率从58%提升至89%）； 桥梁微裂缝检测：通过超分辨率重建（ESRGAN） 放大裂缝图像（实验室数据：0.2mm裂缝检出率从62%提升至91%）。 四、实测数据与效果 指标实验室数据（NVIDIA A100）实测数据（川藏公路某段）地质灾害识别精度97.5%93.8%平均响应时间0.72s0.95s落石检测率98.2%95.1%滑坡位移监测误差±0.5cm
21310编辑于 2026-01-13 - 来自专栏PaddlePaddle
手把手教学电瓶车进电梯检测、多类别车辆追踪、异常行为检测产业级应用
近日，媒体接连报道电动车起火爆炸造成严重人员伤亡的新闻，针对该问题，社区物业明令禁止电瓶车入户，但是依然有人忽视这个问题严重性。 本次飞桨产业实践范例库开源电瓶车进电梯检测、异常行为检测、多类别车辆跟踪三个典型安防场景，提供了从数据准备、模型训练优化，到模型部署的全流程可复用方案，降低产业落地门槛。 ⭐项目链接⭐ https://github.com/PaddlePaddle/awesome-DeepLearning 所有源码及教程均已开源，欢迎大家使用 电瓶车进电梯检测 电瓶车进楼入户发生的火灾事故屡见不鲜 ，针对该现象飞桨联合天覆科技推出了相应的电瓶车进电梯检测方案，及时进行报警与干预，从源头减少这一情况的发生。 ，整体方案如下： 主体检测分别选用了单阶段检测模型 YOLOv3、PP-YOLOv2、PicoDet进行实验，最终准确率高达98%，同时用户可以不断自优化模型，模型准确率不断提升。
62820编辑于 2022-03-31 - 来自专栏工程监测
河北稳控科技VM511振弦采集模块读数测量频率温度工程项目硬件设备仪器二次开发
振弦读数模块尺寸与针脚.jpeg 单振弦式传感器激励、 频率读取、 温度转换的专业化读数模块，具有集成度高、体积小、精度高、适应能力强、极少的外围电路设计等突出特性，具有多种激励方法、传感器接入检测 、 可编程激励电压、信号幅值检测和信号质量评定等先进功能，能够测量传感器信号质量、幅值、频率、频模、温度并转换为数字量和模拟量输出。 输出接口：RS232/RS485/TTL/SPI/0-2V 多参数测量：传感器频率、频模、输入电压检测、传感器电阻测量、温度检测。 测量模式：自动连续测量或按键单次触发。 VM511振弦读数模块应用基坑支护岩土工程自动化地质灾害监测.jpeg 应用领域：支坑支护监测，自动化监测，岩土工程监测，地质灾害监测。
41240编辑于 2022-05-06 GNSS形变监测系统：高精度地质灾害预警与工程安全保障的核心技术
GNSS形变监测系统：高精度地质灾害预警与工程安全保障的核心技术【JC-WY1】基于全球导航卫星系统（GNSS）定位原理，通过多频点卫星信号接收、差分定位解算与实时数据传输技术，实现对地表、建筑物微小形变的毫米级监测 ，为地质灾害预警、大型工程安全评估提供全天候、自动化的技术解决方案。 自动化与低功耗设计：采用30W太阳能板+20AH电池供电，功耗低至0.6W，-40℃~+85℃工况下稳定运行，支持独立工作模式下位移报警与数据输出，减少人工干预；多维度数据联动：集成倾角、加速度传感器，辅助检测位移突变 三、典型应用场景与实践价值系统广泛应用于地质灾害与工程安全领域：地质灾害预警：在滑坡、泥石流隐患区布设监测站，通过累计位移量（如日变幅＞3mm）与速率变化触发多级预警，提前12-24小时为疏散决策提供依据
60710编辑于 2025-08-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号