成果介绍
基本原理:构建云-边-端协同的数据感知与智能分析体系,通过人工智能、物联网与嵌入式、空间信息技术、大数据与云计算等先进信息技术的融合应用,实现面向灾害的地学智能化应用。主要技术原理包括:1.面向地球科学应用数据的大数据管理机制与方法;2.基于数据驱动的地质灾害预警、预测方法;3.计算机视觉技术在地质灾害领域的应用方法;4.深度学习技术在空-天-地一体化灾害识别与监测预警中的应用方法。5.面向云-边协同的智能计算框架在实时安全风险监测中的应用方法。
应用场景:应用于地质灾害监测预警、人工智能与地球科学交叉领域、地学实景三维建模技术、地球科学大数据、GIS与数字孪生等地学行业,可为防灾减灾、环境保护、智慧交通、智慧城市等专业领域提供专业服务。主要应用场景包括:自然灾害风险监测领域、边坡、桥隧等工程结构风险安全监测、智能物联网融合应用、人工智能与地球科学的融合计算应用、边缘智能化自组网实时监测预警、数字孪生与传统行业数字化转型应用。
成果亮点
1.解决海量物联网监测数据的高并发接入与实时计算问题。2.解决地质灾害及工程结构安全监测中,多种类传感器数据融合与实时预警问题。3.解决多类AI模型在地学信息化场景中的快速训练、部署及融合应用问题。4.解决面向防灾减灾数字化应用的通用数字孪生引擎构建问题。
团队介绍
我们的团队专注于开发云-边-端协同的数据感知与智能分析系统,通过整合云计算、边缘计算和终端设备的能力,实现数据的高效处理和智能分析。该系统支持实时数据收集、处理和决策,优化资源配置和响应速度。适用于工业自动化、智慧城市和健康监测等领域,提升系统的可靠性和性能。团队由数据科学家、软件工程师和系统架构师组成,致力于推动先进技术在实际应用中的融合和创新。
成果资料