CN105898222B - 一种图像采集方法及图像采集系统 - Google Patents

一种图像采集方法及图像采集系统 Download PDF

Info

Publication number
CN105898222B
CN105898222B CN201610266599.2A CN201610266599A CN105898222B CN 105898222 B CN105898222 B CN 105898222B CN 201610266599 A CN201610266599 A CN 201610266599A CN 105898222 B CN105898222 B CN 105898222B
Authority
CN
China
Prior art keywords
image
signal
power line
voltage power
model
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.)
Expired - Fee Related
Application number
CN201610266599.2A
Other languages
English (en)
Other versions
CN105898222A (zh
Inventor
高兆丽
孙英涛
盛戈皞
吕晓平
周超
史鹏飞
卢宪斐
李永生
王全
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
State Grid Corp of China SGCC
Jinan Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
Shanghai Jiaotong University
State Grid Corp of China SGCC
Jinan Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University, State Grid Corp of China SGCC, Jinan Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical Shanghai Jiaotong University
Priority to CN201610266599.2A priority Critical patent/CN105898222B/zh
Publication of CN105898222A publication Critical patent/CN105898222A/zh
Application granted granted Critical
Publication of CN105898222B publication Critical patent/CN105898222B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00Television systems
    • H04N7/18Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/132Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明公开了一种图像采集方法,其包括以下步骤:(1)获取图像原始信号xn×n;(2)根据模型ψn×nxn×n=sn×n得到图像稀疏信号sn×n,其中ψn×n为正交变换基;(3)根据模型An×msn×n=bm×m得到图像测量信号bm×m,其中An×m为测量矩阵,n>>m;(4)求解满足模型的最稀疏向量(5)根据模型得到图像重建信号本发明所述的图像采集方法,其基于压缩感知理论设计,压缩与采样同步,可实现更加高效的压缩采样、存储、传输和恢复。本发明还公开了一种图像采集系统,其采用上述图像采集方法实现对图像的实时采集。

Description

一种图像采集方法及图像采集系统
技术领域
本发明涉及一种图像采集方法,尤其涉及一种图像采集方法及图像采集系统。
背景技术
高压电力线大多分布在野外的广阔区域,如何保证供电安全极为重要,因此需要对高压电力线进行在线监测和安全预警,及时发现故障并采取措施消除隐患。
目前对高压电力线运行状态的监测一般依靠传统的人工巡视方法来进行,工作量大,危险性高,且受主观因素影响较大,难以保证结果准确,而且会耗费大量的人力财力和物力,同时也不能做到实时在线测量,效率很低,不能及时发现高压电力线上存在的安全隐患,从而制约了高压电力线故障诊断自动化水平的提高,不利于电网的安全稳定运行。
发明人考虑对高压电力线运行状态采用实时在线视频监测可以克服目前人工巡视的缺陷,但是由于需要远程实时采集大量图像信号数据,存在信号数据实时储存和传输障碍的问题。
发明内容
本发明的目的之一是提供一种图像采集方法,该方法可用于高压电力线图像采集,包括对高压电力线图像进行高效的压缩储存、传输和恢复,从而克服信号数据实时储存和传输障碍,实现对高压电力线运行状态的实时在线视频监测。
本发明的另一目的是提供一种图像采集系统,该系统基于上述方法实现,可用于高压电力线图像采集,包括对高压电力线图像进行高效的压缩储存、传输和恢复,从而克服信号数据实时储存和传输障碍,实现对高压电力线运行状态的实时在线视频监测。
根据上述发明目的,本发明提出了一种图像采集方法,其包括以下步骤:
(1)获取图像原始信号xn×n
(2)根据模型ψn×nxn×n=sn×n得到图像稀疏信号sn×n,其中ψn×n为正交变换基;
(3)根据模型An×msn×n=bm×m得到图像测量信号bm×m,其中An×m为测量矩阵,n>>m;
(4)求解满足模型的最稀疏向量
(5)根据模型得到图像重建信号
上述步骤中,所述步骤(2)和步骤(3)对图像原始信号xn×n进行压缩采样,得到所述图像测量信号bm×m;所述步骤(4)和步骤(5)对所述图像测量信号bm×m进行信号重建,得到所述图像重建信号
本发明所述的图像采集方法基于压缩感知理论设计。压缩感知又称压缩采样、压缩传感,作为一种新的采样理论,通过开发信号的稀疏特性,在远小于Nyquist采样率的条件下,对图像原始信号xn×n进行随机采样获取信号的离散样本,然后通过非线性重建算法在一定误差范围内重建和尽量恢复原始信号,并以表示。由于压缩感知摆脱了传统采样定理,将信号数据采样和高压缩比压缩同时进行,高效实现高倍压缩率采样,因此可大大提高采样和传输的效率,并节省存储空间。其次,通过离散样本可重构出图像的原始信号,利于在线视频的实时监测。因此,本发明所述的图像采集方法可用于图像采集,包括对高压电力线图像进行高效的压缩采样、存储、传输和恢复,克服信号数据实时储存和传输障碍,实现对高压电力线运行状态的实时在线视频监测。
本发明所述的图像采集方法中:通过步骤(1)获取图像原始信号xn×n;通过步骤(2)开发信号的稀疏特性,得到图像稀疏信号sn×n;通过步骤(3) 随机采样获取信号的离散样本,得到图像测量信号bm×m,该图像测量信号bm×m即压缩采样得到的信号,可用于存储和传输;通过步骤(4)和步骤(5)重建信号,得到图像重建信号
进一步地,本发明所述的图像采集方法中,在所述步骤(4)中,根据下述l1范数模型求解最稀疏向量
其中R代表实数集。
上述方案中,由于n>>m,线性方程组有无穷多个解,利用中的非零元个数很小这个性质,可转换为求解l0范数优化问题,即:
但l0在多项式时间内难以求解,甚至无法验证其解的可靠性,属于求解NP难的组合优化问题,计算量非常大。由于在变换矩阵ψn×n与测量矩阵An×m不相关的条件下l0和l1被证明等价,因此上述求解l0范数优化问题转化为求解l1范数问题,即
更进一步地,上述图像采集方法中,采用交替方向乘子法根据所述l1范 数模型求解最稀疏向量所述交替方向乘子法的迭代步骤如下:
其中,ρ是惩罚系数,ρ>0;A∈Rp×n,B∈Rp×m,c∈Rp,其中R代表实数集,m、n和p代表实数集维数;x为极小化步骤,z为极小化步骤以及一个对偶变量yk+1的迭代步骤。
交替方向乘子算法(ADMM算法)将原问题的目标函数进行等价分离,并且分解为若干个较易找到局部解的子问题,从而得到原问题的全局解,尤其适用解决大规模问题。交替方向乘子算法整合了可分解性和优秀的收敛性质,目的就是分解原函数和扩增函数,以便在更一般的假设条件下并行优化。交替方向乘子算法快速性好,收敛速度快,适合大数据处理,因此,上述方案中采用交替方向乘子法根据所述l1范数模型求解最稀疏向量使得重建信号的时间占用非常少,从而满足对高压电力线运行状态的实时在线视频监测的要求。
进一步地,本发明所述的图像采集方法中,所述正交变换基ψn×n采用离散余弦变换。
进一步地,本发明所述的图像采集方法中,所述测量矩阵An×m为高斯随机矩阵。
进一步地,本发明所述的图像采集方法中,所述步骤(3)和步骤(4)之间还包括步骤(3a):储存所述图像测量信号bm×m
进一步地,本发明所述的图像采集方法中,所述步骤(3)和步骤(4)之间还包括步骤(3b):传输所述图像测量信号bm×m
相应地,根据本发明的另一目的,本发明还提供了一种图像采集系统,其包括相互信号连接的图像压缩采样装置和图像重建装置,其中:
所述图像压缩采样装置获取图像原始信号xn×n,并按下述步骤对其进行压缩采样,得到图像测量信号bm×m:首先根据模型ψn×nxn×n=sn×n得到图像稀疏信号sn×n,其中ψn×n为正交变换基,然后根据模型An×msn×n=bm×m得到图像测量信号bm×m,其中An×m为测量矩阵,n>>m;所述图像压缩采样装置将所述图像测量信号bm×m发送给所述图像重建装置;
所述图像重建装置接收所述图像测量信号bm×m,并按下述步骤对其进行信号重建,得到图像重建信号首先求解满足模型的最稀疏向量然后根据模型得到图像重建信号
本发明所述的图像采集系统基于上述图像采集方法实现,因此与上述图像采集方法相关的原理部分不再赘述。
本发明所述的图像采集系统用于高压电力线的图像采集时,图像压缩采样装置通常安装在高压电缆架的顶部,以获取高压电力线的图像原始信号xn×n。图像重建装置通常设于地面监控中心,距离图像压缩采样装置非常远,因此通常采用无线通信方式实现信号传输。图像压缩采样装置通常采用摄像机获取高压电力线的图像原始信号xn×n;图像压缩采样装置和图像重 建装置通常采用单片机实现信号的计算、存储以及处理,采用无线通信模块实现信号收发。
本发明所述的图像采集系统,由于采用了上述高压电力线图像采集方法,能对图像进行高效的压缩采样、存储、传输和恢复,从而克服了信号数据实时储存和传输障碍,可实现对高压电力线运行状态的实时在线视频监测。
进一步地,本发明所述的图像采集系统中,根据下述l1范数模型求解最稀疏向量
其中R代表实数集。
更进一步地,上述图像采集系统中,采用交替方向乘子法根据所述l1范数模型求解最稀疏向量所述交替方向乘子法的迭代步骤如下:
其中,ρ是惩罚系数,ρ>0;A∈Rp×n,B∈Rp×m,c∈Rp,其中R代表实数集,m、n和p代表实数集维数;x为极小化步骤,z为极小化步骤以及一个对偶变量yk+1的迭代步骤。
进一步地,本发明所述的图像采集系统中,所述正交变换基ψn×n采用离散余弦变换。
进一步地,本发明所述的图像采集系统中,所述测量矩阵An×m为高斯随机矩阵。
进一步地,本发明所述的图像采集系统中,所述图像压缩采样装置和/或所述图像重建装置储存所述图像测量信号bm×m
进一步地,本发明所述的图像采集系统中,所述图像压缩采样装置和所述图像重建装置之间的信号发送和接收通过无线通信实现,例如3G通信(第三代移动通信)。
进一步地,本发明所述的图像采集系统中,所述图像压缩采样装置采用光伏电源供电,解决了系统供电的问题。
本发明所述的图像采集方法,其基于压缩感知理论设计,压缩与采样同步,可实现更加高效的压缩采样、存储、传输和恢复,可用于高压电力线图像采集,实现对高压电力线运行状态的实时在线视频监测。
本发明所述的图像采集系统,由于采用了上述图像采集方法,能对图像进行高效的压缩采样、存储、传输和恢复,从而克服了信号数据实时储存和传输障碍,可实现对高压电力线运行状态的实时在线视频监测。
附图说明
图1为本发明所述的图像采集系统在一种实施方式下的结构示意图。
图2为本发明所述的图像采集系统在一种实施方式下工作时的信号处理流程图。
具体实施方式
下面将结合说明书附图和具体的实施例对本发明所述的图像采集系统做进一步的详细说明。
图1示意了本实施例的图像采集系统的结构,图2示意了本实施例的图像采集系统工作时的信号处理流程。
如图1所示,本实施例的图像采集系统用于高压电力线的图像采集,其包括:相互3G通信连接的图像压缩采样装置1和图像重建装置2,其中:图像压缩采样装置1和图像重建装置2均包括用于信号的计算、存储以及处理的单片机以及与该单片机连接的用于信号发送和接收的3G通信模块。图像压缩采样装置1安装在高压电缆架4的顶部,图像压缩采样装置1包括用于 获取高压电力线的图像原始信号xn×n的摄像机,该摄像机与图像压缩采样装置1的单片机连接。图像压缩采样装置1采用光伏电源3供电。图像重建装置2设于地面的监控中心,该监控中心包括依次连接的服务器5、局域网LAN以及计算机7,还包括与服务器5连接的数据库6,图像重建装置2与服务器5连接。
如图2所示,本实施例的图像采集系统工作时的信号处理步骤如下:
(1)图像压缩采样装置1的摄像机获取高压电力线的图像原始信号xn×n
(2)图像压缩采样装置1的单片机接收该高压电力线的图像原始信号xn×n,并根据模型ψn×nxn×n=sn×n得到图像稀疏信号sn×n,其中ψn×n为正交变换基,该正交变换基ψn×n采用离散余弦变换方式;(3)图像压缩采样装置1的单片机再根据模型An×msn×n=bm×m得到图像测量信号bm×m,其中An×m为测量矩阵,n>>m;该测量矩阵An×m为高斯随机矩阵;
(3a)图像压缩采样装置1通过单片机储存该图像测量信号bm×m
(3b)图像压缩采样装置1通过单片机通过3G通信模块将该图像测量信号bm×m发送给图像重建装置2;图像重建装置2的单片机通过3G通信模块接收该图像测量信号bm×m
(4)图像重建装置2的单片机求解满足模型的最稀疏向量
其中,采用交替方向乘子法根据下述l1范数模型求解最稀疏向量
其中R代表实数集;
上述交替方向乘子法的迭代步骤如下:
其中,ρ是惩罚系数,ρ>0;A∈Rp×n,B∈Rp×m,c∈Rp,其中R代表实数集,m、n和p代表实数集维数;x为极小化步骤,z为极小化步骤以及一个对偶变量yk+1的迭代步骤;
(5)图像重建装置2的单片机再根据模型得到高压电力线的图像重建信号
(5a)图像重建装置2通过单片机储存上述高压电力线的图像重建信号 并将该高压电力线的图像重建信号发送给服务器5;
(5b)服务器5将该高压电力线的图像重建信号存入数据库6;
(5c)监控中心运行人员用计算机7从局域网LAN通过服务器5调用数据库6中储存的高压电力线的图像重建信号并通过计算机7中的视频软件播放,以实现对高压电力线运行状态的实时在线视频监测。
本实施例的图像采集系统,能对图像进行高效的压缩采样、存储、传输和恢复,从而克服了信号数据实时储存和传输障碍,实现了对高压电力线运行状态的实时在线视频监测。
由于本实施例的图像采集系统是基于本发明所述的图像采集方法实现的,本发明所述的图像采集方法的一种实施方式已体现在上述图像采集系统实施例的信号处理流程中,故不再另作实施例说明。
要注意的是,以上列举的仅为本发明的具体实施例,显然本发明不限于以上实施例,随之有着许多的类似变化。本领域的技术人员如果从本发明公开的内容直接导出或联想到的所有变形,均应属于本发明的保护范围。

Claims (11)

1.一种高压电力线图像采集方法,其特征在于,包括以下步骤:
(1)获取图像原始信号xn×n,其中n表示维数;
(2)根据模型ψn×nxn×n=sn×n得到图像稀疏信号sn×n,其中ψn×n为正交变换基;
(3)根据模型An×msn×n=bm×m得到图像测量信号bm×m,其中m表示维数,其中An×m为测量矩阵,n>>m;
(4)求解满足模型的最稀疏向量
(5)根据模型得到图像重建信号
上述步骤中,所述步骤(2)和步骤(3)对图像原始信号xn×n进行压缩采样,得到所述图像测量信号bm×m;所述步骤(4)和步骤(5)对所述图像测量信号bm×m进行信号重建,得到所述图像重建信号
其中,在所述步骤(4)中,根据下述l1范数模型求解最稀疏向量 其中R代表实数集;
其中采用交替方向乘子法根据所述l1范数模型求解最稀疏向量所述交替方向乘子法的迭代步骤如下:
其中,ρ是惩罚系数,ρ>0;A∈Rp×n,B∈Rp×m,c∈Rp,其中R代表实数集,m、n和p均代表实数集维数;x为极小化步骤,z为极小化步骤以及一个对偶变量yk+1的迭代步骤。
2.如权利要求1所述的高压电力线图像采集方法,其特征在于,所述正交变换基ψn×n采用离散余弦变换。
3.如权利要求1所述的高压电力线图像采集方法,其特征在于,所述测量矩阵An×m为高斯随机矩阵。
4.如权利要求1所述的高压电力线图像采集方法,其特征在于,所述步骤(3)和步骤(4)之间还包括步骤(3a):储存所述图像测量信号bm×m
5.如权利要求1所述的高压电力线图像采集方法,其特征在于,所述步骤(3)和步骤(4)之间还包括步骤(3b):传输所述图像测量信号bm×m
6.一种高压电力线图像采集系统,其特征在于,包括相互信号连接的图像压缩采样装置和图像重建装置,其中:
所述图像压缩采样装置获取图像原始信号xn×n,并按下述步骤对其进行压缩采样,得到图像测量信号bm×m:首先根据模型ψn×nxn×n=sn×n得到图像稀疏信号sn×n,其中ψn×n为正交变换基,然后根据模型An×msn×n=bm×m得到图像测量信号bm×m,其中An×m为测量矩阵,n>>m;所述图像压缩采样装置将所述图像测量信号bm×m发送给所述图像重建装置;
所述图像重建装置接收所述图像测量信号bm×m,并按下述步骤对其进行信号重建,得到图像重建信号首先求解满足模型的最稀疏向量然后根据模型得到图像重建信号
其中根据下述l1范数模型求解最稀疏向量
其中,采用交替方向乘子法根据所述l1范数模型求解最稀疏向量所述交替方向乘子法的迭代步骤如下:
其中,ρ是惩罚系数,ρ>0;A∈Rp×n,B∈Rp×m,c∈Rp,其中R代表实数集,m、n和p代表实数集维数;x为极小化步骤,z为极小化步骤以及一个对偶变量yk+1的迭代步骤。
7.如权利要求6所述的高压电力线图像采集系统,其特征在于,所述正交变换基ψn×n采用离散余弦变换。
8.如权利要求7所述的高压电力线图像采集系统,其特征在于,所述测量矩阵An×m为高斯随机矩阵。
9.如权利要求6所述的高压电力线图像采集系统,其特征在于,所述图像压缩采样装置和/或所述图像重建装置储存所述图像测量信号bm×m
10.如权利要求6所述的高压电力线图像采集系统,其特征在于,所述图像压缩采样装置和所述图像重建装置之间的信号发送和接收通过无线通信实现。
11.如权利要求6所述的高压电力线图像采集系统,其特征在于,所述图像压缩采样装置采用光伏电源供电。
CN201610266599.2A 2016-04-26 2016-04-26 一种图像采集方法及图像采集系统 Expired - Fee Related CN105898222B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610266599.2A CN105898222B (zh) 2016-04-26 2016-04-26 一种图像采集方法及图像采集系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610266599.2A CN105898222B (zh) 2016-04-26 2016-04-26 一种图像采集方法及图像采集系统

Publications (2)

Publication Number Publication Date
CN105898222A CN105898222A (zh) 2016-08-24
CN105898222B true CN105898222B (zh) 2018-12-18

Family

ID=56705449

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610266599.2A Expired - Fee Related CN105898222B (zh) 2016-04-26 2016-04-26 一种图像采集方法及图像采集系统

Country Status (1)

Country Link
CN (1) CN105898222B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503612A (zh) * 2016-09-12 2017-03-15 国网浙江省电力公司舟山供电公司 基于压缩感知理论的直流电缆局部放电信号模式识别方法及系统
CN113393126A (zh) * 2021-06-16 2021-09-14 沈阳工程学院 高耗能园区与电网交替并行协同优化调度方法
CN113824681B (zh) * 2021-08-11 2022-09-09 西安电子科技大学 一种基于压缩感知的图像数据加密传输系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105049870A (zh) * 2015-08-05 2015-11-11 南京邮电大学 一种基于稀疏度估计的分布式视频压缩感知快速重建方法
US9215468B1 (en) * 2014-08-07 2015-12-15 Faroudja Enterprises, Inc. Video bit-rate reduction system and method utilizing a reference images matrix
CN105338357A (zh) * 2015-09-29 2016-02-17 湖北工业大学 一种分布式视频压缩感知编码技术方法
CN105357536A (zh) * 2015-10-14 2016-02-24 太原科技大学 基于残差分布式压缩感知的视频软组播方法
CN105451019A (zh) * 2015-11-25 2016-03-30 中国地质大学(武汉) 一种面向无线视频传感器网络的图像压缩传输方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9215468B1 (en) * 2014-08-07 2015-12-15 Faroudja Enterprises, Inc. Video bit-rate reduction system and method utilizing a reference images matrix
CN105049870A (zh) * 2015-08-05 2015-11-11 南京邮电大学 一种基于稀疏度估计的分布式视频压缩感知快速重建方法
CN105338357A (zh) * 2015-09-29 2016-02-17 湖北工业大学 一种分布式视频压缩感知编码技术方法
CN105357536A (zh) * 2015-10-14 2016-02-24 太原科技大学 基于残差分布式压缩感知的视频软组播方法
CN105451019A (zh) * 2015-11-25 2016-03-30 中国地质大学(武汉) 一种面向无线视频传感器网络的图像压缩传输方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Sparse and low-rank matrix decomposition via alternating direction methods";Yuan X, Yang J;《Pacific Journal of Optimization》;20130126;正文第3页第7-31行,式2.1-2.2 *
"基于压缩感知理论的电力系统数据检测与压缩方法研究";沈跃;《万方数据知识服务平台》;20130426;正文第21页第2行至第73页第24行 *

Also Published As

Publication number Publication date
CN105898222A (zh) 2016-08-24

Similar Documents

Publication Publication Date Title
CN105898222B (zh) 一种图像采集方法及图像采集系统
CN105005521B (zh) 测试方法及装置
CN110009530A (zh) 一种适用于便携式电力巡检的神经网络系统和方法
CN110045656B (zh) 一种基于云计算的供暖设备故障监测系统
CN104333736A (zh) 无人变电站智能识别监控系统及方法
CN103795987B (zh) 嵌入式视频采集处理系统及其实现方法
CN115346345A (zh) 一种用于六氟丁二烯制备的智能化有毒有害气体报警系统
CN113723184A (zh) 基于智能网关的场景识别系统、方法、装置和智能网关
CN101901493B (zh) 基于压缩采样的多视点图像联合重构方法和系统
CN116505653A (zh) 输电线路监测系统、方法、装置、计算机设备和存储介质
CN208273026U (zh) 一种基于无线传感器的环境检测网络系统
CN113096146A (zh) 一种基于5g与ai识别技术的输电线路覆冰监控预警系统、安装设备及方法
CN114531700A (zh) 一种非人工的基站天线工参采集系统及方法
CN109151753B (zh) 高压输电网智能监测系统
CN110311685A (zh) 时序贝叶斯压缩采样及信号解压缩重构方法及数据丢失恢复方法
CN102355575A (zh) 一种具有预警功能的分布式视频监控装置
WO2024082643A1 (zh) 一种压力机边缘控制设备及控制方法
CN117177096A (zh) 一种基于窄带卫星网络的高压输电线路监测方法及系统
CN108573233A (zh) 一种基于图像处理技术的电网陶瓷绝缘子识别方法
CN115859344A (zh) 基于秘密共享的联邦无人机群数据安全共享方法
CN111224468B (zh) 一种基于云计算的光伏设备安全运行运维平台
CN114359754A (zh) 无人机电力巡检激光点云实时输电导线提取方法
CN206114188U (zh) 一种热力系统压力监测系统以及热力系统
CN111314708B (zh) 一种图像数据压缩方法、装置、存储介质和电子设备
CN106324375B (zh) 太阳能电厂移动式诊断系统

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20181218

Termination date: 20210426