Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 云南中铄工程技术有限公司张锡军获国家专利权

云南中铄工程技术有限公司张锡军获国家专利权

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!

龙图腾网获悉云南中铄工程技术有限公司申请的专利基于物联网的智能消防设施检测方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119669946B

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510196995.1,技术领域涉及:G06F18/2431;该发明授权基于物联网的智能消防设施检测方法及系统是由张锡军;王川;赵光宇;杨帆;普树武;黄可宇;祝兴胜;宁寿平;顾红权;陶彦;施春诚;马仕超;赵飞;李先龙;张海波;吴道锋;陈秀全设计研发完成,并于2025-02-21向国家知识产权局提交的专利申请。

基于物联网的智能消防设施检测方法及系统在说明书摘要公布了:本发明涉及消防安全技术领域,公开了一种基于物联网的智能消防设施检测方法及系统,所述方法包括获取烟雾浓度、温度和消防设施状态数据;将所述待检测区域的烟雾浓度数据输入至烟雾浓度预测模型中,得到烟雾浓度预测值;将所述待检测区域的温度数据输入至季节温度预测模型,得到温度预测值;通过火灾风险评估参数预测模型,得到所述待检测区域的火灾风险评估参数预测值;计算得到所述待检测区域的消防设施性能评估值;对所述待检测区域的消防设施进行风险标记,完成对所述待检测区域消防设施的检测。本发明提供的基于物联网的智能消防设施检测方法,有效解决数据收集不全面的问题,提高消防设施检测分析结果的准确率。

本发明授权基于物联网的智能消防设施检测方法及系统在权利要求书中公布了:1.一种基于物联网的智能消防设施检测方法,其特征在于,包括:获取待检测区域的当前烟雾浓度数据、当前温度数据和当前消防设施状态数据;将所述当前烟雾浓度数据输入至预先训练完成的烟雾浓度预测模型中,得到烟雾浓度预测值;将所述当前温度数据输入至预先训练完成的季节温度预测模型,得到温度预测值;将所述温度预测值、所述烟雾浓度预测值输入至预先训练完成的火灾风险评估参数预测模型,得到所述待检测区域的火灾风险评估参数预测值;根据所述当前消防设施状态数据和所述火灾风险评估参数预测值,计算得到与所述待检测区域对应的消防设施性能评估值;根据预设的分值阈值对所述消防设施性能评估值进行风险等级分类,并根据风险等级分类结果对所述待检测区域的消防设施进行风险标记,完成对所述待检测区域消防设施的检测;其中,所述烟雾浓度预测模型、所述季节温度预测模型以及所述火灾风险评估参数预测模型是基于历史火灾数据训练得到的,所述历史火灾数据包含多个火灾事件记录,每个火灾事件记录包括历史烟雾浓度数据、历史温度数据、历史消防设施状态数据和历史火灾风险评估参数;其中,所述烟雾浓度预测模型的训练过程,包括:对所述历史烟雾浓度数据进行数据清洗,得到第一烟雾浓度数据;设定K值集合,在每个K值下,使用K-means方法来选择初始聚类中心;将所述第一烟雾浓度数据的每个烟雾浓度数据点分配给最近的聚类中心,形成K个簇,更新每个簇的聚类中心,计算簇内所有点的均值,当聚类中心的变化小于设定阈值,得到聚类结果;其中,所述聚类结果为K个区域的烟雾浓度数据;使用轮廓系数对每个K值对应的聚类结果进行评估,选择聚类效果最优的K值对应的聚类结果作为第二烟雾浓度数据;其中,所述第二烟雾浓度数据为多个区域的烟雾浓度数据;其中,使用轮廓系数进行评估的流程为:计算所有数据点的轮廓系数,然后取平均值,选择平均轮廓系数最大的K值作为最佳聚类数;对于每个数据点i,轮廓系数的计算公式如下: ;其中,是第i个数据点的轮廓系数,是簇内平均距离,即第i个数据点与同一簇内其他所有数据点的平均距离,是簇间平均距离,即第i个数据点与它最近簇中所有点的平均距离;其中,所述季节温度预测模型的训练过程,包括:对所述历史温度数据按季节进行划分,得到季节火灾数据;其中,所述季节火灾数据包括春季火灾数据、夏季火灾数据、秋季火灾数据和冬季火灾数据;根据设定的时段,计算所述季节火灾数据包含的区域在每个时段的平均温度,得到季节平均温度集;其中,所述季节平均温度集包括春季平均温度集、夏季平均温度集、秋季平均温度集和冬季平均温度集;基于所述季节平均温度集,对LSTM神经网络模型进行训练,当训练次数达到最大预设轮次时训练完成,得到季节温度预测模型;其中,所述季节温度预测模型包括春季温度预测模型、夏季温度预测模型、秋季温度预测模型和冬季温度预测模型;其中,所述火灾风险评估参数预测模型包括输入层、隐含层和输出层,输入层的神经元数设定为2,1个神经元用于接收烟雾浓度数据,1个神经元用于接收温度数据;输出层的神经元数设定为2,1个神经元用于输出建筑物是否存在火源参数,1个神经元用于输出火灾风险等级参数;隐含层的神经元与输出层的神经元之间分别使用激励函数sigmoid函数建立对应关系,神经元之间的连接权值使用随机值进行初始化。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人云南中铄工程技术有限公司,其通讯地址为:650000 云南省昆明市中国(云南)自由贸易试验区昆明片区经开区国际银座C3栋18楼1812号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由AI智能生成
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。