基于WSAN的道路积水监控系统的设计与实现

强降雨及城市排水系统的老化,使得城市道路低洼处积水严重,对市民人身安全、财产、路基、城市交通产生不容忽视的影响;针对该问题,采用无线传感器/执行器网络(WSAN)技术,设计了道路积水监控系统;该系统分为传感/执行层、网络层和应用层三层;传感/执行层的传感器节点使用超声波传感器采集积水信息,执行器节点使用执行器水泵进行排水;网络层网关及汇聚节点使用ZigBee网络和GPRS网络相结合来实现传感/执行层与应用层之间的数据双向传输;应用层服务器储存采集的道路积水信息,调用百度地图API将实时信息显示在web端,并通过网络层发送指令控制积水区域内的执行器水泵动作,实现闭环控制;该系统能够简洁有效地实现道路积水信息的实时共享,可以实现及时排水,具有实际的应用价值。

基于动态优先晋升总线的矿井积水水位监控系统设计

受到水位传感器技术的限制,目前的矿井积水水位监控系统只能布置在特殊的水仓处,无法对井下的环境进行全面覆盖。水位采集信息精度较低,反应迟缓,不能及时对危险水位报警。提出基于动态优先级晋升总线技术的矿井积水水位监控系统设计方法。基于uCAN总线技术连接传感器的信号传输,研制了一种变介质的电容传感器进行水位信号采集,使用LPC2368芯片对总先传输进行硬件支撑。实际的测试证明,该系统对能够更加快速准确地对矿井积水水位进行监控报警,具有很强的实用价值。

楼宇自控系统实现对中央空调中通道积水的监控

以西南某大型机场为例,分析现场热力以及冷冻水通道内存在的安全隐患,通过利用现有楼宇自控系统资源,完成对热力以及冷冻水通道的积水监控改造,消除通道内安全隐患,全面保障中央空调系统的安全节能运行。

基于改进MobileNet-YOLOv3级联模型的内涝及受灾个体监测研究

为解决现有城市内涝监测技术机动性低、设备自身缺陷、光照不均以及其他噪声因素引起的识别精度低的问题,建立改进的MobileNet-YOLOv3级联模型。首先,利用圆形LBP算法改进MobileNet模型实现监控视频内涝自动识别;改进的MobileNet模型引进圆形LBP算子提取特征,将MobiletNet卷积提取的特征与圆形LBP算子提取的特征融合,融合后的特征经过MobileNet主体网络学习训练得到最终的特征后采用全连接层分类输出监测结果;其次,通过改进YOLOv3算法实现对内涝点车辆、行人等受灾个体视频的智能识别,改进的YOLOv3算法将模型输入改为MobileNet模型提取出的特征,并且引入CIOU损失函数;最后,将两改进算法级联实现完整的内涝及受灾个体监测功能。研究结果表明:改进模型整体识别准确率达到90%以上,实现对多个特征的融合应用,使各特征之间联系更加密切,能较为准确地对城市道路或隧道等场景进行积水监测及受灾个体识别。研究结果可为内涝灾害预防提供技术支持。