地表信息提取是地理国情监测和环境保护的重要环节,本文选用Landsat-8 OLI遥感影像为主要数据源,针对分类样本数据少这一问题,在对2015年和2017年全球地表覆盖数据优化处理的基础上,将其作为分类的先验知识,以最大似然法、支持向量机(Support Vector Machine,SVM)和随机森林(Random Forest,RF)机器学习方法,以及基于VggNet-16和ResNet-18模型的深度学习方法,对黄河三角洲区域进行地表信息提取方法的应用研究。结果表明,在利用粒子群优化遗传算法进行特征优化的基础上,RF和SVM模型分类总体精度较高,其中RF和SVM模型分类总体精度最高可达87.3%、86%;VggNet-16和ResNet-18两种模型的分类精度较机器学习方法有较大提升,其中以ResNet-18分类精度最佳,最高总体精度可达94.1%,Kappa系数为0.91。本文的研究方法在中分辨率遥感地物分类时具有较好的适用性和推广价值。
随着机械工业的蓬勃发展,数控机床被广泛应用于航空航天、汽车制造、 轮船、军工等重要行业。图1为应用于制造业的数控机床。机床工业是装备制造业的核心和基础,是衡量国家工业化水平的重要标准,而数控机床领域技术的突破和进步对国家综合国力发展具有深远影响。机床精度是衡量机床加工性能的重要标准之一,直接决定产出零件的精度和性能。1978年,机床精度成为美国国防部重点调查任务之一,此后,机床精度研究更是引起了广泛的重视和发展,机床性能由此明显提高,显示了机床精度研究的重要意义。
随着云计算和手机应用的发明,计算机系统越来越普及和普及,安全的数据传输成为实时技术的迫切需求。 安全密钥管理和分发环境需求的例子包括安全传输与健康有关的SMS,为心脏疾病、安全农业监控、监控场景中的数据传输、安全军事网络等关键应用提供远程医疗服务。在安全群组通信的密钥交换的情况下,计算复杂性亟待解决由于出现了资源限制移动电话、传感器和其他嵌入式设备的情况。 这个特殊的问题引发了一些在云计算和移动计算环境中实现安全群组通信的新方法。
由于风电具有波动性和间歇性,当海上风电机组并网时,电力系统将会受到冲击,导致电网频率波动和运行控制的失调,因此需要安排其他发电机组来进行调节。在考虑海上风电机组不确定性的情况下,建立风火联合优化调度模型,以风电为主体,对电力系统优化调度策略进行研究。首先,用不同Copula函数对海上风电场功率进行拟合分析,选定t-Copula函数进行风电功率预测。在此基础上,建立了多目标的风火联合优化调度模型,将乌鸦搜索优化算法与粒子群优化算法进行收敛速度对比,选取乌鸦搜索优化算法对分析数据进行优化处理,制定全局优化调度方案。最后,算例验证了所提模型的有效性。
在车端“自动驾驶为什么要用激光雷达?”的争论虽然尚未停息,但行业发展至今,历史的天平已经倒向用激光雷达的一边。一直使用激光雷达的代表Waymo,已经开始了无安全员的无人驾驶出租车运营。2020年下半年开始,Lucid、华为极狐、小鹏等一款又一款智能驾驶量产乘用车宣布搭载激光雷达。
收费站是造成高速公路拥堵缓行的一个重要因素。取消省界收费站是国家深化收费公路改革、降低物流成本、提高通行效率的有力举措。为此,2019年5月5日,国务院总理李克强主持召开国务院常务会议,明确政策举措力争2019年底前基本取消全国高速公路省界收费站,便利群众出行提高物流效率。这项工作也被作为2019年交通运输的重大政治任务和头等攻坚工程来抓。
智慧高速公路是以多维状态感知、多源信息融合等手段对高速公路运行状态进行智能感知,为运营方提供智慧化的监测、应急、养护、运维、决策能力,为交通管理方提供智慧化交通管控能力,为公众提供智能化安全、高效、绿色的出行体验。智慧高速公路需要怎样的总体技术架构?智慧高速公路具有怎样的业务应用?智慧高速公路的车路协同系统架构是什么?智慧高速公路的自动驾驶附属设施包括哪些?
随着C-V2X及5G技术发展,与之而来的更大数据吞吐量、更低时延、更高安全性和更海量连接等特性,极大地促进了智能驾驶和智慧交通发展。通过“车-路-云”协同,一方面推动智能网联汽车快速发展,提供更安全、更智能的出行方式;另一方面赋能智能路况综合感知、动态协同交通控制等功能,为智能交通发展奠定基础。
没有账户,需要注册
语言模型、视觉模型、语音模型、视频模型、时序模型,分别对应文字、图像、声音、视频、连续传感器数值,通用大模型,垂类大模型,AI
时序大模型是面向时间序列数据的基础大模型,以 Transformer 等架构为核心,通过在海量多领域时序数据上进行预训练,学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练,时序大模型具备强大的迁移能力,只需少量样本微调或零样本提示,即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中,它能够直接处理传感器、设备测点产生的海量时序信号,挖掘设备状态演变规律,支撑设备故障预警、工况识别与生产趋势预判,为工业智能落地提供底层模型能力。如:中服云的CServerAIR
2025年,全球人工智能市场规模达到3909亿美元,中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张,制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初,中国日均词元(Token)调用量为1000亿;至2025年底,跃升至100万亿;2026年3月,已突破140万亿,两年增长超千倍。这些数字背后,是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。
中服云能碳管理系统依托中服云工业物联网底座打造,聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据,实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量,助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送,有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型,筑牢安全生产与节能减排双重发展防线。
印刷机械是装备制造中比较典型的一类产品:单机价值高、定制化程度高、客户分散在全国各地的包装与印刷车间,一台凹版印刷机开机就是十几年。设备卖出去了,服务却要跟十几年——这是行业共同的结构性难题,也是工业物联网在装备制造领域最容易见效的地方。 本文以一个真实的落地样本为观察对象:一家印刷机械制造企业把 178 台在役设备接进了自己的远程运维系统,系统的底座选用中服云工业物联网平台的设备版。下文按“行业之困、平台解法、落地成效、可复制经验”四步展开。
石油和天然气开采业的生产对象在地下,管理的关键环节在地面。从井口到计量间,从转油站、联合站到外输与处理装置,油气田用“井—站—管网”的骨架把分散的资源汇集起来,联合站是这条骨架上设备最密集、工艺最连续、安全要求最高的节点。 这类站场大多已经上了SCADA,数据并不缺。问题在于数据上来之后,新的麻烦更清楚了:设备家底说不清,画面说不清位置,报警说不清先后。本文按“痛点—解决方案—成效”的顺序,说明中服云物联网平台与数字孪生平台如何分工配合,逐条解决这些问题。
油气田的地面作业现场有一个共同特征:设备搬着走、电源跟着换、负荷忽高忽低。钻修井井场靠网电、柴油发电机组、储能、光伏凑出一套临时电力系统;压裂井场更极端,几十台电驱压裂泵并联运行,瞬时功率爬升快,砂罐、混砂、供液、仪表车密集停放,作业段集中、单段时长以小时计。 这两类现场的管理难题是同一类:能耗与碳排放算不清、设备状态看不见、峰值容量报不准、多能协同靠经验。中服云用同一套工业物联网平台加数字孪生平台,把这两类现场做成了可以被“看懂、算清、考核”的对象。本文以已投运的钻修井现场为实测样本,说明平台在野外作业领域的典型应用,并给出向压裂井场复制的路径。
持续改进与升级是配电室智慧整体解决方案成功的关键,通过定期评估和更新硬件设备、引入智能控制系统、加强数据分析和优化、提升人员培训和技能水平以及建立反馈机制等措施,可以不断提高系统的运行效率和可靠性,满足不断变化的市场需求和技 术进步。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南