龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：特致珈(长沙)物联科技有限公司
摘要：本发明公开了基于人工智能的图像火灾探测方法及系统，方法包括图像采集、图像分割、迭代优化、建立火灾探测模型和图像火灾探测。本发明属于火灾探测技术领域，具体是指基于人工智能的图像火灾探测方法及系统，本方案引入距离度量，增强火灾区域与非火灾区域的分离能力；通过引入模糊权重，改进火灾区域的识别；使用先验熵增加目标函数对隶属度分布的约束，避免隶属度分布过于模糊；进而改善图像火灾探测的准确性；通过动态调整步长，平衡全局搜索和局部搜索的权重；引入梯度优化器进行梯度校正和学习率调整；步长和位置更新策略中的动态调整机制使得优化过程能够适应不同的训练阶段，提高优化的稳定性和效率；终提升火灾探测系统的整体性能。
主权项：1.基于人工智能的图像火灾探测方法，其特征在于：该方法包括以下步骤：步骤S1：图像采集；步骤S2：图像分割，引入距离度量和模糊权重，使用先验熵增加目标函数对隶属度分布的约束；步骤S3：迭代优化，使用拉格朗日乘子算法来优化求解最优解，通过迭代算法优化目标函数；步骤S4：建立火灾探测模型，基于DCNN模型架构，并通过动态调整步长，引入梯度优化器进行梯度校正和学习率调整设计参数优化策略，进而实现火灾探测模型的建立；步骤S5：图像火灾探测；在步骤S2中包括步骤S21：引入距离度量；利用欧几里得距离和非欧几里得距离度量；得到对历史探测图像数据集进行图像分割的目标函数的初步优化，表示如下： ； ；式中，是初步优化的目标函数，用于度量聚类效果，U是隶属度矩阵，V是聚类中心集合；c是聚类中心数量即火灾区域的类别数，i是聚类中心索引；n是图像像素点数量，j是图像像素点索引；uij是数据点j属于第i个聚类的隶属度；xj是第j个图像像素点；m是模糊度指数；vi是第i个聚类中心；是非欧几里得距离项，通过对高斯分布的负对数来表示；k是特征总维度；是第i个聚类中心的协方差矩阵。
全文数据：
权利要求：
百度查询： 特致珈(长沙)物联科技有限公司 基于人工智能的图像火灾探测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号