CN104023209B - 一种自适应视频诊断方法和装置 - Google Patents
一种自适应视频诊断方法和装置 Download PDFInfo
- Publication number
- CN104023209B CN104023209B CN201410261608.XA CN201410261608A CN104023209B CN 104023209 B CN104023209 B CN 104023209B CN 201410261608 A CN201410261608 A CN 201410261608A CN 104023209 B CN104023209 B CN 104023209B
- Authority
- CN
- China
- Prior art keywords
- result
- diagnosis item
- diagnosis
- video
- item
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明提供一种自适应视频诊断方法,该方法应用于视频诊断服务器,该方法包括:步骤1、根据诊断项算法计算出前端相机当前输出的视频图像的诊断项结果A;步骤2、用该诊断项的标准结果S以及当前统计得到的之前n个视频图像的该诊断项结果B计算得到的修正值修正所述诊断项的结果A,并将修正后的诊断项的结果输出。本发明方案在视频诊断系统中引入了反馈机制,使得视频诊断系统能够实时的将输出结果作为输入因子进行修正,对视频诊断的环境进行自适应,降低视频诊断由于环境的变化导致的误检。
Description
技术领域
本发明涉及视频监控技术领域,尤其涉及一种自适应视频诊断方法和装置
背景技术
随着监控网络规模的不断壮大,视频监控网络中的视频采集设备越来越多,如何有效的通过视频诊断系统进行及时、准确的诊断前端设备的异常,显得越来越重要。当前也有很多厂家投入了视频诊断领域,但是各厂家的视频诊断系统都存在环境适应能力差的问题。当需要诊断的视频监控网络较大,可能出现严重的无告警。如一个视频监控网络需要连续诊断12个小时,由于时间跨度较大,周边的环境会发生较大的改变,这样会出现同一款型号的相机在不同时间点诊断出的结果相差较大。比如亮度发生了比较明显的改变,亦或是环境中天气出现了变更,这些都将导致视频诊断系统的误诊。如天气晴好的环境下的诊断结果与阴雨天气下的诊断结果可能相差较大,极端情况下会引起系统误告警。
当前市场上面的视频诊断标准都是不同的视频诊断任务采用不同的视频诊断标准,如指定一个视频诊断任务使用阴天或者晴天作为视频诊断的参考标准,或者为不同的视频诊断任务指定不同的视频诊断评分标准。
该方案的灵活性不够,如白天的诊断方案如果遇到诊断的时候是阴天或者下雨天就会对视频诊断的告警产生比较严重的影响。在一些大型的视频监控网络中(几万个前端设备)的环境中,时间跨度比较大,在白天诊断与晚上诊断结果相差较大,导致在实际使用中误诊的概率比较大。
发明内容
有鉴于此,本发明提供一种自适应视频诊断方法和装置。该方法和装置应用于视频诊断服务器。
该自适应视频诊断方法包括:步骤1、根据诊断项算法计算出前端相机当前输出的视频图像的诊断项结果A;步骤2、用该诊断项的标准结果S以及当前统计得到的之前n个视频图像的该诊断项的结果B计算得到的修正值修正所述诊断项结果A,并将修正后的诊断项结果输出。
优选地,在步骤1之后步骤2之前包括,判断该诊断项的结果A和当前统计得到的之前n个视频图像的该诊断项的结果B的偏差是否小于预设值,如果是,根据所述诊断项的结果A更新统计得到的之前n个视频图像的该诊断项的结果B;否则,不对统计得到的之前n个视频图像的该诊断项的结果B进行更新。
优选地,如果当前不存在统计得到的之前n个视频图像的该诊断项的结果,且历史视频诊断表中存在当前时间对应的该诊断项结果C,则步骤2修改步骤2’:用该诊断项的标准结果S以及历史视频诊断表中当前时间对应的该诊断项结果C计算得到的修正值修正所述诊断项的结果A,并将修正后的该诊断项的结果输出。
优选地,在步骤1之后步骤2’之前,判断该诊断项的结果A和历史视频诊断表中存在当前时间对应的该诊断项结果C的偏差是否小于预设值,如果是,根据所述诊断项的结果A更新所述历史视频诊断表中当前时间对应的该诊断项结果C,否则,不对所述历史视频诊断表中当前时间对应的该诊断项结果C进行更新。
优选地,根据所述诊断项的结果A利用加权平均的方式来更新所述当前统计得到的之前n个视频图像的该诊断项的结果B或者所述历史视频诊断表中存在的当前时间对应的该诊断项结果C。
该自适应视频诊断装置包括:诊断项算法模块,用于根据诊断项算法计算出前端相机当前输出的视频图像的诊断项结果A;修正模块,用于用该诊断项的标准结果S以及当前统计得到的之前n个视频图像的该诊断项的结果B计算得到的修正值修正所述诊断项结果A,并将修正后的诊断项结果输出。
优选地,该装置还包括:诊断项统计结果更新模块,用于判断该诊断项的结果A和当前统计得到的之前n个视频图像的该诊断项的结果B的偏差是否大于预设值,如果是,根据所述诊断项结果A更新统计得到的之前n个视频图像的该诊断项的结果B。
优选地,所述装置还包括历史视频诊断表,如果当前不存在统计得到的之前n个视频图像的该诊断项的结果,且历史视频诊断表中当前时间对应的该诊断项结果C,则修正模块用该诊断项的标准结果S以及历史视频诊断表中存在当前时间对应的该诊断项结果C计算得到的修正值修正所述诊断项结果A,并将修正后的该诊断项的结果输出。
优选地,所述装置还包括历史视频诊断表项更新模块,用于判断该诊断项的结果A和历史视频诊断表中存在当前时间对应的该诊断项结果C的偏差是否大于预设值,如果是,根据所述诊断项的结果A更新所述历史视频诊断表中当前时间对应的该诊断项结果C。
优选地,所述诊断项统计结果更新模块根据所述诊断项的结果A利用加权平均的方式来更新所述当前统计得到的之前n个视频图像的该诊断项的结果B;所述历史视频诊断表项更新模块根据所述诊断项的结果A利用加权平均的方式更新历史视频诊断表中存在的当前时间对应的该诊断项结果C。
相较于现有技术,本发明方案在视频诊断系统中引入了反馈机制,使得视频诊断系统能够实时的将输出结果作为输入因子进行修正,对视频诊断的环境进行自适应,降低视频诊断由于环境的变化导致的误检。
附图说明
图1是本发明自适应视频诊断装置所应用设备的基础硬件环境示意图。
图2是本发明实施例装置逻辑结构图一。
图3是本发明实施例一流程图。
图4是本发明实施例装置逻辑结构图二。
图5是本发明实施例二流程图。
图6是本发明实施例装置逻辑结构图三。
具体实施方式
本发明方案在视频诊断系统中引入了反馈机制,使得视频诊断系统能够实时的将输出结果作为输入因子进行修正,对视频诊断的环境进行自适应,降低视频诊断由于环境的变化导致的误检。
本发明提供一种自适应视频诊断装置,该装置应用于视频诊断服务器上。以下以软件实现为例进行说明,但是本发明并不排除诸如硬件或者逻辑器件等其他实现方式。如图1所示,该视频诊断服务器包括CPU、内存、非易失性存储器以及其他硬件。该自适应视频诊断装置作为一个逻辑层面的虚拟装置,其通过CPU来运行。
实施例一
实施例一的该自适应视频诊断装置包括:诊断项算法模块和修正模块,请参图2。该装置的使用和运行过程包括以下步骤,请参图3:
步骤11、诊断项算法模块根据诊断项算法计算出前端相机当前输出的视频图像的诊断项结果A。
视频诊断服务器可以按照诊断计划,向前端相机获取视频图像数据,然后根据获取的视频图像数据利用诊断项算法进行各视频诊断项的诊断。各诊断项可以包括图像亮度、清晰度、色彩等。现有技术中对不同的诊断项可能有各种诊断项算法,本发明对采用何种算法进行诊断项的计算没有限制。下面以诊断项是图像亮度为例进行本发明实施方式的说明。比如说根据亮度算法计算出的前端相机当前输出的视频图像的亮度值为73。
步骤12、修正模块用该诊断项的标准结果S以及当前统计得到的之前n个视频图像的该诊断项的结果B计算得到的修正值修正所述诊断项结果A,并将修正后的该诊断项结果输出。
该诊断项的标准结果S是用来评判当前视频图像对应的诊断项是否合格的依据。比如说亮度的标准结果为80,即对一帧图像诊断出的亮度为80时,认为该图像的亮度合格;通常会围绕标准结果80设定一个亮度合格的区间,比如说亮度为70~90都认为图像的亮度合格;所以也可以说亮度的标准为70~90的区间。
“当前统计得到的之前n个视频图像的该诊断项的结果B”是利用之前的该诊断项的若干结果通过一定的算法计算得到的。比如说视频诊断服务器在诊断当前的视频图像之前已经诊断了100张视频图像的亮度值,则可以利用这100个亮度值通过某种算法,比如说加权平均法得出亮度当前的统计结果。该统计结果可以作为当前环境因素的一个参考,引入到对当前视频图像的亮度诊断上。这样将不至于机械的依赖亮度的标准结果直接对当前的诊断结果作出判断而引起误诊。修正值是用来修正当前的视频图像对应诊断项的结果A的。
比如说,图像亮度的标准结果是80,用加权平均法得出图像亮度当前的统计结果为75,则当前的修正值为5(80-75=5)。步骤11的例子中假设当前输出的视频图像的亮度值为73,则用修正值5修正该当前输出的视频图像的亮度值73后输出的亮度结果为78。通过修正值修正后的该亮度值78相对于原有的亮度值73由于融入了当前环境的因素,所以对最终的诊断结果更有利。因为就视频诊断来说,比如说亮度诊断,其最终的目的是为了获得摄像头镜头是否故障,增益控制是否紊乱等异常因素,所以一定要尽可能排除掉正常的环境影响。而本发明的实施方式正是利用了携带环境因素上述统计结果,并结合标准结果计算得到修正值对当前图像的诊断项结果进行修正,从而使得输出的结果在一定程度上排除了正常环境的影响。比如当前为阴天时,整体的亮度数据会偏低,这个时候就会将这种偏差叠加到用户诊断修改结果中。
上述步骤12中当前统计得到的之前n个视频图像的该诊断项的结果B,需要被动态的更新。一种动态更新的办法为:由诊断项统计结果更新模块(请参图4)用当前输出的视频图像的诊断项的结果A动态更新统计得到的之前n个视频图像的该诊断项的结果B。当然,该诊断项统计结果更新模块先判断该诊断项结果A和当前统计得到的之前n个视频图像的该诊断项的结果B的偏差是否小于预设值,如果是,则进行所述结果B的更新。比如说,步骤11中假设当前输出的视频图像的亮度值为50,用加权平均法得出的亮度当前的统计结果为75,步骤2中的预设值为10,此时该诊断项结果A和当前统计得到的之前n个视频图像的该诊断项的结果B的偏差大于该预设值,所以不能用当前输出的视频图像的亮度值为50对亮度当前的统计结果75进行更新。
在更新之前n个视频图像的该诊断项的结果B时,可以按照如下公式:a1*A+a2*B,其中a1+a2=1进行计算,a1和a2是加权值;或者还可以采用先进先出的方式,如需要检查100个诊断数据[X1,X2,…X100]才能通过加权平均输出一个B,后续输入一个数据X101(即该诊断项的结果A)通过[X2,X3,…..X101]进行加权平均输出一个新的B值。当然,用当前输出的视频图像的诊断项的结果A更新之前n个视频图像的该诊断项的结果B还存在其他计算方法,本发明实施例不再一一举例说明。
实施例二
在大多情况下,在得到当前视频图像的诊断项结果A之前视频诊断服务器已经诊断出了若干视频图像的该诊断项结果,这些结果被用来进行统计计算,得到该诊断项的统计结果B。实施例一就属于这种情况。但是在系统刚启动时,并没有上述结果B。比如说视频诊断服务器每周的周一、周三、周五的零点开始执行24小时的视频诊断,则在每周一、周三、周五执行视频诊断的刚开始的几分钟时间内并没有n个视频图像的对应诊断项的统计结果B;只有在运行了一段时间后,才可以根据当前获得的n个视频图像的对应诊断项进行结果B的计算。那在初始的一段时间之内,如何对当前输出的视频图像的诊断项的结果A进行修正是需要被考虑的。当然粗糙的处理可以是不修正而直接输出得到的诊断项结果A,并且提示用户这些结果有偏差,可以不予考虑。但是本实施例将提供一种优化的处理方式,即利用历史视频诊断表中的数据来进行处理,请参图5。
步骤31、诊断项算法模块根据诊断项算法计算出前端相机当前输出的视频图像的诊断项结果A。
步骤32、修正模块用该诊断项的标准结果S以及历史视频诊断表中当前时间对应的该诊断项结果C计算得到的修正值修正所述诊断项结果A,并将修正后的该诊断项的结果输出。
利用历史视频诊断表中数据结合标准结果S修正当前视频图像的诊断项的结果A的方法和上述实施例一相同,在此不再赘述。这里需要说明的是历史视频诊断表中的数据是如何得来的。历史视频诊断表可以包括时间和该时间对应的诊断项的数据。该历史视频诊断表最优的方式得到方式是动态生成。在生成历史视频诊断表中的数据的时候,可以每隔一定的时间生成一个诊断项对应的数据,比如1分钟,10分钟、20分钟等。表1给出了历史视频诊断表的一个例子。
时间 | 亮度值 |
6:00 | 65 |
6:30 | 66 |
7:00 | 68 |
…… | …… |
12:00 | 75 |
12:30 | 77 |
…… | …… |
17:00 | 65 |
17:30 | 60 |
18:00 | 58 |
表1
在系统从来没有运行过的情况下初次启动,此时历史视频诊断表中没有任何数据。但是只要经过一次运行,历史视频诊断表将产生数据。比如说,2014年1月1日(周三)零点本发明的自适应视频诊断系统初次启动运行,在运行了24小时候,就能产生各个时间点对应诊断项数据。这些数据就可以作为历史视频诊断数据保存在历史视频诊断表中。比如说按照视频诊断计划,2014年1月2日不进行视频诊断,2014年1月3日(周五)进行视频诊断,在2014年1月3日进行视频诊断的初始阶段,由于还没有产生当前的n个视频图像的该诊断项的结果B,所以可以直接利用历史视频诊断表中对应时间点该诊断项的数据并结合该诊断项的标准结果S计算得到的修正值来对当前视频诊断项结果进行修正。如果历史视频诊断表中的时间粒度比较粗,以至于没有当前需要的时间点的诊断项的值,此时就将与当前时间最接近的时间点对应的诊断项的值作为计算修正值的依据。
历史视频诊断表中的数据也需要被更新,因为更新后的诊断项结果将根据参考意义。故,本实施例装置还包括历史视频诊断表项更新模块,请参图6。该历史视频诊断表项更新模块用于在该诊断项的结果A和历史视频诊断表中存在当前时间对应的该诊断项结果C的偏差小于预设值的情况下,进一步根据所述诊断项的结果A动态更新所述历史视频诊断表中当前时间对应的该诊断项结果C。至于具体的更新算法,历史视频诊断表项更新模块可以类似诊断项统计结果更新模块的更新方式进行历史视频诊断表项的更新。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (8)
1.一种自适应视频诊断方法,该方法应用于视频诊断服务器,其特征在于,该方法包括:
步骤1、根据诊断项算法计算出前端相机当前输出的视频图像的诊断项结果A;
步骤2、用该诊断项的标准结果S以及当前统计得到的之前n个视频图像的该诊断项的结果B计算得到的修正值修正所述诊断项结果A,并将修正后的诊断项结果输出;
在步骤1之后步骤2之前,判断该诊断项的结果A和当前统计得到的之前n个视频图像的该诊断项的结果B的偏差是否小于预设值,如果是,根据所述诊断项的结果A更新统计得到的之前n个视频图像的该诊断项的结果B;否则,不对统计得到的之前n个视频图像的该诊断项的结果B进行更新。
2.如权利要求1所述的方法,其特征在于,如果当前不存在统计得到的之前n个视频图像的该诊断项的结果,且历史视频诊断表中存在当前时间对应的该诊断项结果C,则步骤2修改步骤2’:用该诊断项的标准结果S以及历史视频诊断表中当前时间对应的该诊断项结果C计算得到的修正值修正所述诊断项的结果A,并将修正后的该诊断项的结果输出。
3.如权利要求2所述的方法,其特征在于,在步骤1之后步骤2’之前,判断该诊断项的结果A和历史视频诊断表中存在当前时间对应的该诊断项结果C的偏差是否小于预设值,如果是,根据所述诊断项的结果A更新所述历史视频诊断表中当前时间对应的该诊断项结果C,否则,不对所述历史视频诊断表中当前时间对应的该诊断项结果C进行更新。
4.如权利要求3所述的方法,其特征在于,根据所述诊断项的结果A利用加权平均的方式来更新所述当前统计得到的之前n个视频图像的该诊断项的结果B或者所述历史视频诊断表中存在的当前时间对应的该诊断项结果C。
5.一种自适应视频诊断装置,该装置应用于视频诊断服务器,其特征在于,该装置包括:
诊断项算法模块,用于根据诊断项算法计算出前端相机当前输出的视频图像的诊断项结果A;
修正模块,用于用该诊断项的标准结果S以及当前统计得到的之前n个视频图像的该诊断项的结果B计算得到的修正值修正所述诊断项结果A,并将修正后的诊断项结果输出;
诊断项统计结果更新模块,用于判断该诊断项的结果A和当前统计得到的之前n个视频图像的该诊断项的结果B的偏差是否小于预设值,如果是,根据所述诊断项结果A更新统计得到的之前n个视频图像的该诊断项的结果B。
6.如权利要求5所述的装置,其特征在于,所述装置还包括历史视频诊断表,如果当前不存在统计得到的之前n个视频图像的该诊断项的结果,且历史视频诊断表中当前时间对应的该诊断项结果C,则修正模块用该诊断项的标准结果S以及历史视频诊断表中存在当前时间对应的该诊断项结果C计算得到的修正值修正所述诊断项结果A,并将修正后的该诊断项的结果输出。
7.如权利要求6所述的装置,其特征在于,所述装置还包括历史视频诊断表项更新模块,用于判断该诊断项的结果A和历史视频诊断表中存在当前时间对应的该诊断项结果C的偏差是否小于预设值,如果是,根据所述诊断项的结果A更新所述历史视频诊断表中当前时间对应的该诊断项结果C。
8.如权利要求7所述的装置,其特征在于,所述诊断项统计结果更新模块根据所述诊断项的结果A利用加权平均的方式来更新所述当前统计得到的之前n个视频图像的该诊断项的结果B;所述历史视频诊断表项更新模块根据所述诊断项的结果A利用加权平均的方式更新历史视频诊断表中存在的当前时间对应的该诊断项结果C。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410261608.XA CN104023209B (zh) | 2014-06-12 | 2014-06-12 | 一种自适应视频诊断方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410261608.XA CN104023209B (zh) | 2014-06-12 | 2014-06-12 | 一种自适应视频诊断方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104023209A CN104023209A (zh) | 2014-09-03 |
CN104023209B true CN104023209B (zh) | 2018-07-13 |
Family
ID=51439753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410261608.XA Active CN104023209B (zh) | 2014-06-12 | 2014-06-12 | 一种自适应视频诊断方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104023209B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105357518B (zh) * | 2015-11-26 | 2018-05-08 | 江苏省电力公司南京供电公司 | 用于视频监控系统的视频故障诊断方法 |
CN109167997B (zh) * | 2017-03-30 | 2020-04-28 | 安徽四创电子股份有限公司 | 一种视频质量诊断系统及方法 |
CN107391907A (zh) * | 2017-06-21 | 2017-11-24 | 安徽森度科技有限公司 | 一种基于分布式部署的远程智能视频诊断方法 |
CN107360395A (zh) * | 2017-06-21 | 2017-11-17 | 安徽森度科技有限公司 | 一种基于分布式部署的远程自适应视频诊断方法 |
CN111261271B (zh) * | 2018-11-30 | 2023-09-19 | 浙江宇视科技有限公司 | 一种针对视频监控环境的业务可用性诊断方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102395043A (zh) * | 2011-11-11 | 2012-03-28 | 北京声迅电子股份有限公司 | 视频质量诊断方法 |
CN102740121A (zh) * | 2012-07-11 | 2012-10-17 | 赛特斯网络科技(南京)有限责任公司 | 应用于视频监控网络的视频质量诊断控制系统及方法 |
CN102857788A (zh) * | 2012-08-30 | 2013-01-02 | 西可通信技术设备(河源)有限公司 | 视频质量诊断系统及方法 |
CN103323218A (zh) * | 2013-06-20 | 2013-09-25 | 广东威创视讯科技股份有限公司 | 投影机的亮度检测校正方法和系统 |
CN103731643A (zh) * | 2014-01-17 | 2014-04-16 | 公安部第三研究所 | 一种视频监控网络质量巡检方法及系统 |
CN103763547A (zh) * | 2013-12-31 | 2014-04-30 | 武汉烽火众智数字技术有限责任公司 | 基于嵌入式系统的视频图像诊断系统及诊断方法 |
CN103780870A (zh) * | 2012-10-17 | 2014-05-07 | 杭州海康威视数字技术股份有限公司 | 视频图像质量诊断系统及其方法 |
-
2014
- 2014-06-12 CN CN201410261608.XA patent/CN104023209B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102395043A (zh) * | 2011-11-11 | 2012-03-28 | 北京声迅电子股份有限公司 | 视频质量诊断方法 |
CN102740121A (zh) * | 2012-07-11 | 2012-10-17 | 赛特斯网络科技(南京)有限责任公司 | 应用于视频监控网络的视频质量诊断控制系统及方法 |
CN102857788A (zh) * | 2012-08-30 | 2013-01-02 | 西可通信技术设备(河源)有限公司 | 视频质量诊断系统及方法 |
CN103780870A (zh) * | 2012-10-17 | 2014-05-07 | 杭州海康威视数字技术股份有限公司 | 视频图像质量诊断系统及其方法 |
CN103323218A (zh) * | 2013-06-20 | 2013-09-25 | 广东威创视讯科技股份有限公司 | 投影机的亮度检测校正方法和系统 |
CN103763547A (zh) * | 2013-12-31 | 2014-04-30 | 武汉烽火众智数字技术有限责任公司 | 基于嵌入式系统的视频图像诊断系统及诊断方法 |
CN103731643A (zh) * | 2014-01-17 | 2014-04-16 | 公安部第三研究所 | 一种视频监控网络质量巡检方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104023209A (zh) | 2014-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104023209B (zh) | 一种自适应视频诊断方法和装置 | |
US10880181B2 (en) | Methods and apparatus for analysing performance of a telecommunications network | |
CN109560984B (zh) | 一种网络服务响应时间异常检测方法及装置 | |
CN110968061B (zh) | 设备故障的预警方法、装置、存储介质和计算机设备 | |
EP3100122B1 (de) | Verfahren zum bereitstellen von zuverlässigen sensordaten | |
CN109167997B (zh) | 一种视频质量诊断系统及方法 | |
CN114495497B (zh) | 一种交通异常数据的判别和插补方法及系统 | |
CN111143101B (zh) | 用于确定故障根源的方法、装置、存储介质及电子设备 | |
CN109636786A (zh) | 一种图像识别模块的验证方法和装置 | |
CN114020581A (zh) | 基于拓扑优化FP-Growth算法的告警关联方法 | |
US11287807B2 (en) | Defect detection during an automated production process | |
JP5792671B2 (ja) | 異常検知方法及び異常検知装置 | |
CN117235460A (zh) | 一种基于电力时序数据的数据传输处理方法及系统 | |
CN117076258A (zh) | 一种基于互联网云端的远程监控方法及系统 | |
CN111712771B (zh) | 能够执行问题诊断的数据处理装置以及方法 | |
CN109597728B (zh) | 测试设备的控制方法及装置、计算机可读存储介质 | |
CN113593074B (zh) | 监控视频生成方法及装置 | |
CN111198979A (zh) | 一种用于对输变电可靠性评估大数据进行清洗的方法及系统 | |
US20130325203A1 (en) | Methods and systems for monitoring a vehicle for faults | |
CN116448234A (zh) | 一种电力变压器运行状态声纹监测方法及系统 | |
CN105739993B (zh) | 一种架构静态成熟度度量方法 | |
CN106960419A (zh) | 一种图像伽马校正方法及装置 | |
CN112087482B (zh) | 利用云端系统对多台设备进行管理的方法 | |
CN117749976A (zh) | 视频帧率统计方法、系统、介质及电子设备 | |
CN116366421A (zh) | 告警质量监控方法、装置、电子设备、及程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |