-
公开(公告)号:CN119601198A
公开(公告)日:2025-03-11
申请号:CN202411507613.4
申请日:2024-10-28
Applicant: 浙江理工大学
IPC: G16H40/40 , G16H40/67 , G16H40/20 , H04L67/12 , G16Y40/10 , G16Y40/20 , G16Y40/40 , G16Y20/10 , G06F30/13 , G06F30/18 , G06T17/10 , G06F16/54 , G06K7/10 , G06K7/14
Abstract: 本发明提供一种智能化医疗设备集成系统,包括三维数字设计模块,基于建筑信息模型技术,用于构建医疗建筑的三维模型,精准模拟设备的布局、预留孔洞、管线接口位置及其相对空间位置关系。发明利用三维数字设计模块、施工辅助模块、集成安装及调试模块、智能诊断模块、云端运维模块和大数据分析模块,实现了医疗设备从设计、安装到运维的全流程智能化管理。通过建筑信息模型技术和物联网技术,本发明能够高效布局设备,精准施工,自动校准和调试设备,实时监控其运行状态,并通过大数据分析提供预测性维护建议。本发明提高了设备安装的精度和效率,减少了人工干预,延长了设备的使用寿命,显著提升了医疗设备的管理水平。
-
公开(公告)号:CN118923994A
公开(公告)日:2024-11-12
申请号:CN202411199730.9
申请日:2024-08-29
Applicant: 浙江理工大学
IPC: A42B3/04
Abstract: 本发明提供一种视频反馈分析智能定位安全帽,包括安全帽主体和智能孪生数字运维系统,安全帽的帽檐中部设置摄像头,摄像头的两侧均设置照明灯,摄像头和照明灯均与安全帽主体连接,用于实时采集作业环境的图像和视频信息;安全帽主体内嵌设有定位模块、轨迹记录模块和传输模块,用于获取佩戴者的定位信息;摄像头、定位模块和轨迹记录模块均通过传输模块与智能孪生数字运维系统连接,用于接收并处理安全帽主体的实时数据。本发明的一种视频反馈分析智能定位安全帽,不仅具备安全帽的基本保护功能,还使其具备了智能化、数据化管理的能力,为工业生产、建筑施工等领域的安全管理提供了一种全新的解决方案。
-
公开(公告)号:CN119153044A
公开(公告)日:2024-12-17
申请号:CN202411157199.9
申请日:2024-08-22
Applicant: 浙江理工大学
Abstract: 本发明涉及医用空间管理及维护领域,特别涉及一种基于孪生数字的医用空间运维管理方法及系统,该系统包括传感器模块、数字孪生平台和中央管理平台,医用空间包括给水系统模块、排水系统模块、热水系统模块、纯水系统模块、污水处理系统模块和雨水收集系统模块;传感器模块用于获取医用空间的给排水参数,所述传感器模块包括压力传感器、温度传感器、液位传感器、水流量传感器、水质传感器和气体传感器;数字孪生平台用于对医用空间的运行进行仿真模拟,获得第一优化数据;中央管理平台用于对第一优化数据进一步优化得到第二优化数据并执行。该医用空间运维管理方法及系统能够提高医用空间供给排水系统的运营效率和安全性,降低维护成本。
-
公开(公告)号:CN119073693A
公开(公告)日:2024-12-06
申请号:CN202411208637.X
申请日:2024-08-30
Applicant: 浙江理工大学
IPC: A42B3/04 , G06F18/243 , G06N5/01
Abstract: 本发明提供一种具有施工进度实时监控功能的安全帽包括帽体、微型摄像头和施工管理系统,微型摄像头位于帽体顶部,微型摄像头与帽体连接,微型摄像头与施工管理系统网络连接;施工管理系统包括中央数据网;中央数据网包括数据采集及储存模块、数据分析及决策支持模块、数据展示及可视化模块、实时对比模块和侧面校核模块;微型摄像头与数据采集及储存模块通过无线网络连接,数据采集及储存模块与数据分析及决策支持模块通过云端连接。本发明实现了从数据采集、存储、分析到展示和校核的全流程自动化管理,减少了人为误差,优化了施工管理过程,为工程项目的科学决策提供了可靠的数据支持。
-
公开(公告)号:CN118941994A
公开(公告)日:2024-11-12
申请号:CN202411083751.4
申请日:2024-08-08
Applicant: 浙江理工大学
IPC: G06V20/17 , G06V20/10 , G06V10/762 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及建筑施工信息技术领域,特别涉及一种装配式建筑施工进度的评估方法、装置和可读介质,该装配式建筑施工进度的评估方法包括以下步骤:S1、利用无人机摄像装置获取目标建筑的二维航拍图像;S2、将所述二维航拍图像输入至深度卷积神经网络模型,获得处理后的二维航拍图像;S3、根据处理后的二维航拍图像创建稀疏三维点云;S4、将稀疏三维点云进行密集化处理,获得密集三维点云;S5、将密集三维点云重建为三维表面模型;S6、将二维航拍图像中的建筑纹理映射至三维表面模型,获得精细三维模型;S7、将精细三维模型及目标建筑的计划安装构件输入至YOLO模型中,输出目标建筑的施工进度。该评估方法能够直观、精确的显示当前施工进度,有利于项目管理人员实时监控和分析数据,预防风险。
-
-
-
-
-