© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
杭州申昊科技股份有限公司
企业杭州申昊科技股份有限公司成立于2002年，位于浙江省。所属行业为软件和信息技术服务业。经营范围包括技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广；信息系统集成服务；物联网应用服务；计算机系统服务。
A股(正常上市)新三板(终止上市)高新技术企业科技型中小企业专精特新
数据集列表
低空经济轨道保护巡检数据
低空经济轨道保护巡检功能旨在消除检测盲区，主要应用于：通过无人机结合AI算法针对轨道沿线的工程车辆、施工人员安全帽、烟火识别以及轨道人员入侵检测等等业务场景，判断工程车辆是否正常、人员是否佩戴安全帽、是否发生烟火及是否发生人员入侵等状态，实现轨道区域内的状态预警与报警，减少人工巡检的风险并降低运营维护成本。通过无人机按照指定航线飞行，实时将无人机画面传到算法端，算法针对实时画面进行分析，实现轨道周边安全的巡检任务。
（1）数据采集：无人机飞行过程中回传的实时画面图像；
（2）数据处理：通过ffmpeg获取无人机实时rtmp流信息，并逐帧传入算法模块；图片帧通过YOLO目标检测技术，检出该帧内的工程车辆、人、以及异物，再将图片输入YOLO分割模型，将轨道分割出来，并通过已知轨道宽度，等比例计算工程车辆、人到轨道的距离，设定算法报警阈值，在阈值范围内的目标判定为异常，根据不同物体的距离划分异常等级。
（3）将无人机飞行过程中被判定为异常的帧通过minio服务器传给平台，当图像识别结果为渣土车#塔吊#人员入侵，时进行预警，1为预警。算法识别结果为正常时不预警，0为不预警，便于现场人员快速判别设备的状态是否异常；
（4）同时可根据识别出的数据按天、月、年等时间维度进行趋势分析，形成安全报表数据。
浙江省数据知识产权登记平台2025-06-26 更新500
地铁轨道现场道床异物巡检数据
地铁轨道道床智能巡检系统专注于异物检测与安全预警，主要应用于：通过工电隧综合巡检机器人采集的地铁道床图像，结合AI算法分析并识别道床上榔头、螺丝钉组合盒、绝缘手套、螺丝刀等异物，判断道床内是否存在异物等异常状态，实现轨道道床的状态预警与报警，为地铁运营提供智能化安全保障。本系统通过搭载于综合巡检机器人上的高分辨率线扫相机，在列车以15km/h运行过程中实时采集轨道道床区域图像，结合YOLOv8目标检测算法实现对道床异物的自动识别与预警。
1.数据采集阶段：根据行车方向和采样频率设置相机参数，确保图像连续、完整覆盖轨道两侧区域。
2.数据预处理：采集到的图像经去雾、增强、去噪等预处理操作后送入目标检测模型进行分析。
3.YOLOv8检测模型经过大量标注数据及模型训练，可识别榔头、螺丝钉组合盒、绝缘手套、螺丝刀等多种常见道床异物，输出其位置框、类别及置信度。
4.系统依据异物尺寸、位置风险等级进行分级判断，当识别状态为：有异物时，以“1”（预警）形式上传至可视化平台。当识别状态为：正常时，以“0”（正常）实现实时报警功能，便于现场人员快速判别设备的状态是否异常；
5.系统支持按日、月、年等时间维度统计异物分布情况，生成趋势分析报表，辅助运维人员制定清理策略，提升轨道运行安全性与智能化管理水平。
浙江省数据知识产权登记平台2025-06-26 更新1130
列车车底现场螺栓巡检数据
在地铁运营中，列车车底螺栓的状态直接关系到列车运行的平稳性与安全性。通过车辆智能巡检机器人采集列车车底的巡检图像，并识别图像中螺栓，分析列车车底设备螺栓的状态，实现列车车底设备螺栓的预警与报警，提升列车车底设备螺栓状态的自动化、智能化监测水平，大大减少了人工巡检的工作量，有效降低了列车运行过程中因螺栓故障引发的安全事故风险，为列车的安全、稳定运营提供了有力保障。通过实时上传采集列车车底的巡检图像，分析列车车底设备螺栓的状态，实现列车车底设备螺栓的预警与报警，具体过程：
（1）数据采集：机器人行驶至指定导航点位，并确认列车是否位于指定的轴区域内，控制执行机械臂至预设位置后，并结合相机预设参数（如倍率、对比度、饱和度）及补光灯亮度参数进行拍摄成像；
（2）数据处理：拍摄图像传入算法识别模块，先通过深度学习YOLOv8目标检测模型进行螺栓的检出，再通过Unet++分割网络对螺栓防松线进行提取算法操作，通过防松线的判断算法（是否错位）模块进行分析处理，并结合算法模版图比对降低识别误报率，综合判断螺栓设备状态是否正常；
（3）将判断分析后的螺栓设备状态值上传至界面进行结果展示，设备状态显示：松动，预警类型为1。设备状态显示：正常，预警类型为0。实现螺栓设备的预警与报警，便于现场人员快速判别设备的状态是否异常；
（4）同时可根据采集所得的数据按天、月、年等时间维度进行趋势分析，形成安全报表数据。
浙江省数据知识产权登记平台2025-06-26 更新690
变电站现场表计巡检数据
变电站现场表计巡检功能旨在代替人工巡检工作，能够弥补人工巡检的不足。主要应用于：通过变电站轮式巡检机器人采集表计图像，结合传统图像算法(霍夫变换等)与深度学习算法模型(YOLO系列)综合读取表计读数，判断表计设备状态是否正常，实现变电站内的表计设备状态预警与报警，大大提升了巡检工作效率与可靠性，为变电站稳定安全运行提供良好保障。通过实时采集变电站内各类表计图像，利用深度学习算法识别表计读数和状态，实现电力设备的自动化巡检与异常预警。系统支持圆形表计的高精度识别，并能对设备运行状态进行趋势分析。
（1）数据采集：设置相机倍率参数，并设置云台垂直角度、云台水平角度，转动云台到预设位置后，控制相机进行采集拍照；
（2）数据处理：（a）获取采集的图像后，先进行巡检图像与模版样本图像进行匹配算法校正；（b）根据算法校正计算出的偏差角度进行调整云台及相机倍率的设置；（c）结合YOLOv8模型检测表计后，针对指针式表计进行霍夫变化提取表盘特征，并通过动态阈值调整算法精准提取指针；（d）根据提取指针后的角度偏差值，计算其对应的表计读数；
（3）将判断分析后的表计设备读数值上传至界面进行结果展示。设备状态为正常时，不预警，显示为0。设备状态为阈值告警时，进行预警，显示为1。从而实现表计设备的预警与报警，便于现场人员快速判别设备的状态是否异常；
（4）同时可根据识别出的数据按天、月、年等时间维度进行趋势分析，形成安全报表数据。
浙江省数据知识产权登记平台2025-06-26 更新2470
地铁轨道现场扣件巡检数据
在地铁运营中，轨道扣件的状态直接关系到列车运行的平稳性与安全性。通过工电隧综合巡检机器人采集地铁轨道的扣件巡检图像，结合AI算法分析轨道左右侧的扣件设备状态，判断扣件中弹条或螺栓是否松动、缺失、断裂等状态，实现轨道两侧扣件的状态预警与报警，为列车的安全、稳定运营提供了有力保障。通过实时上传采集地铁轨道的扣件巡检图像，分析轨道左右侧的扣件设备状态，实现轨道两侧扣件的状态预警与报警，具体过程：
（1）数据采集：机器人在以15km/h的运行下，预设线扫相机采样频率、采样间隔、行车方向等信息实时采集轨道两侧的扣件图像；
（2）数据处理：将采集的扣件图像传输至算法识别模块，算法进行深度学习YOLOv8目标检测模型进行扣件中的弹条、轨距块、螺栓等设备的检出。针对弹条进行深度学习Unet++分割网络的处理，判断弹条的完整性，是否存在缺失、松动等状态。针对轨距块同样进行分割网络的处理，判断轨距块是否存在缺失状态。针对螺栓需结合深度信息判断螺栓时候存在松动状态。
（3）将判断分析后的扣件设备（弹条、轨距块、螺栓等）状态值上传至界面进行结果展示，实现扣件设备的预警与报警，1为预警，0为不预警，便于现场人员快速判别设备的状态是否异常；
（4）同时可根据采集所得的数据按天、月、年等时间维度进行趋势分析，形成安全报表数据。
浙江省数据知识产权登记平台2025-06-26 更新1340