CN106339722A - 一种线路刀闸状态监测方法及装置 - Google Patents
一种线路刀闸状态监测方法及装置 Download PDFInfo
- Publication number
- CN106339722A CN106339722A CN201610734558.1A CN201610734558A CN106339722A CN 106339722 A CN106339722 A CN 106339722A CN 201610734558 A CN201610734558 A CN 201610734558A CN 106339722 A CN106339722 A CN 106339722A
- Authority
- CN
- China
- Prior art keywords
- disconnecting link
- circuit disconnecting
- samples pictures
- working condition
- picture
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种线路刀闸状态监测方法,包括:获取线路刀闸在不同工作状态下的样本图片;提取样本图片的图像特征,并基于图像特征训练SVM分类器;实时获取线路刀闸的工作图片,并将工作图片输入SVM分类器,得到该SVM训练器输出的该线路刀闸当前的工作状态。可见,本申请公开的上述技术方案无需人工介入,利用预先训练的SVM分类器实时有效的确定出线路刀闸当前的工作状态,避免了因人员疏忽、漏检导致的无法准确获取线路刀闸的工作状态的情况,大大提高了线路刀闸的工作状态监测的准确性。
Description
技术领域
本发明涉及线路刀闸状态监测技术领域,更具体地说,涉及一种线路刀闸状态监测方法及装置。
背景技术
开闭所,是将高压电力分别向周围的几个用电单位供电的电力设施,位于电力系统中变电站的下一级。为了保证开闭所的正常工作,通常需要对开闭所包含的各个设备进行状态监测,其中,线路刀闸即是开闭所内需要被监测的设备之一。
现有技术中对线路刀闸的监测通常是通过工作人员的巡视实现的,具体来说,工作人员会定时或者不定时的对开闭所内的线路刀闸进行巡视,以获知其工作状态。即,线路刀闸的工作状态的确定是人工确定的,由此,存在由于工作人员的疏忽或者漏检导致无法准确获取线路刀闸的工作状态的情况,甚至因此造成设备的损失。因此,通过工作人员的巡视获取线路刀闸的工作状态存在准确性较低的问题。
综上所述,现有技术中用于实现开闭所内线路刀闸的工作状态监测的技术方案存在准确性较低的问题。
发明内容
本发明的目的是提供一种线路刀闸状态监测方法及装置,以解决现有技术中用于实现开闭所内线路刀闸的工作状态监测的技术方案存在的准确性较低的问题。
为了实现上述目的,本发明提供如下技术方案:
一种线路刀闸状态监测方法,包括:
获取线路刀闸在不同工作状态下的样本图片;
提取所述样本图片的图像特征,并基于所述图像特征训练SVM分类器;
实时获取所述线路刀闸的工作图片,并将所述工作图片输入所述SVM分类器,得到该SVM训练器输出的该线路刀闸当前的工作状态。
优选的,提取所述样本图片的图像特征,包括:
使用PCANet算法提取所述样本图片的图像特征。
优选的,获取所述样本图片之后,还包括:
对所述样本图片进行预设变换处理,并将处理得到的图片加入所述样本图片中。
优选的,获取所述样本图片之后,还包括:
获取所述线路刀闸之外的其他刀闸开关在不同工作状态下的图片,并将其加入所述样本图片中。
优选的,还包括:
通过前端屏幕对所述线路刀闸当前的工作状态进行显示。
一种线路刀闸状态监测装置,包括:
分类器训练模块,用于获取线路刀闸在不同工作状态下的样本图片;以及用于提取所述样本图片的图像特征,并基于所述图像特征训练SVM分类器;
分类模块,用于实时获取所述线路刀闸的工作图片,并将所述工作图片输入所述SVM分类器,得到该SVM训练器输出的该线路刀闸当前的工作状态。
优选的,所述分类器训练模块包括:
提取单元,用于使用PCANet算法提取所述样本图片的图像特征。
优选的,所述分类器训练模块还包括:
样本处理单元,用于对所述样本图片进行预设变换处理,并将处理得到的图片加入所述样本图片中。
优选的,所述分类器训练模块还包括:
样本增加单元,用于获取所述线路刀闸之外的其他刀闸开关在不同工作状态下的图片,并将其加入所述样本图片中。
优选的,还包括:
显示模块,用于通过前端屏幕对所述线路刀闸当前的工作状态进行显示。
本发明提供的一种线路刀闸状态监测方法,包括:获取线路刀闸在不同工作状态下的样本图片;提取所述样本图片的图像特征,并基于所述图像特征训练SVM分类器;实时获取所述线路刀闸的工作图片,并将所述工作图片输入所述SVM分类器,得到该SVM训练器输出的该线路刀闸当前的工作状态。本申请公开的上述技术方案中,获取线路刀闸不同工作状态下的样本图片,对该样本图片提取图像特征,并基于该图像特征训练SVM分类器,以利用SVM分类器对实时获取的线路刀闸的工作图片进行判定,进而确定出工作图片中包含的线路刀闸当前的工作状态。可见,本申请公开的上述技术方案无需人工介入,利用预先训练的SVM分类器实时有效的确定出线路刀闸当前的工作状态,避免了因人员疏忽、漏检导致的无法准确获取线路刀闸的工作状态的情况,大大提高了线路刀闸的工作状态监测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种线路刀闸状态监测方法的流程图;
图2为本发明实施例提供的一种线路刀闸状态监测装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明实施例提供的一种线路刀闸状态监测方法的流程图,可以包括以下步骤:
S11:获取线路刀闸在不同工作状态下的样本图片。
需要说明的是,线路刀闸是开闭所内的运行设备,具有多种状态,包括分状态、合状态及接地状态等,与现有技术中的线路刀闸定义一致,在此不再赘述。其中,样本图片的数量可以根据实际需要进行确定,不过样本图片一定要包含线路刀闸的不同工作状态,当然,其数量越多训练出的SVM分类器的准确性越高。
S12:提取样本图片的图像特征,并基于图像特征训练SVM分类器。
需要说明的是,图像特征是用来表征不同图片的数据,图片中的纹理、颜色等均可以作为图像特征,通过对图像特征的提取,可以获取线路刀闸在不同工作状态下对应的图像特征,进而基于该图像特征训练具有高识别率的SVM分类器。而SVM(支持向量机)分类器是一个判断待检测物体是否为目标对象的判别器,本发明以线路刀闸不同工作状态作为目标对象,需要判别器对输入的待检测图片中线路刀闸的工作状态进行判定。其中,对图像特征的提取及SVM分类器的训练与现有技术中相关方案的原理一致,在此不再赘述。
另外需要说明的是,步骤S11和步骤S12可以是预先离线实现的,即SVM分类器的训练可以是预先离线实现的,由此,在SVM分类器训练完成后,可以在线实时获取线路刀闸的工作图片并对该工作图片进行判定。也即,训练完SVM分类器后可以执行任意次数的步骤S13,以对正在运行的线路刀闸的工作状态进行在线的实时监测。
S13:实时获取线路刀闸的工作图片,并将工作图片输入SVM分类器,得到该SVM训练器输出的该线路刀闸当前的工作状态。
需要说明的是,对于线路刀闸的工作图片的获取,可以是依据线路刀闸各个预设点位获取的,其中,各个预设点位可以是由工作人员预先设定的,具体来说,获取的工作图片必须包含上述各个预设点位,以避免由于工作图片中不包含线路刀闸的关键部位进而造成误判的情况发生。而此处获取的工作图片的线路刀闸可以是指与样本图片中线路刀闸具有相同属性的任一、任多或者全部线路刀闸,具体可以根据实际需要进行设定。另外,将工作图片输入SVM分类器,具体可以是,以与提取样本图片的图像特征相同的方式提取工作图片的图像特征,并将工作图片的图像特征输入SVM分类器,进而实现对工作图片的分类,而工作图片所属类别即为工作图片中线路刀闸当前的工作状态。
本申请公开的上述技术方案中,获取线路刀闸不同工作状态下的样本图片,对该样本图片提取图像特征,并基于该图像特征训练SVM分类器,以利用SVM分类器对实时获取的线路刀闸的工作图片进行判定,进而确定出工作图片中包含的线路刀闸当前的工作状态。可见,本申请公开的上述技术方案无需人工介入,而是利用预先训练的SVM分类器实时有效的确定出线路刀闸当前的工作状态,避免了因人员疏忽、漏检导致的无法准确获取线路刀闸的工作状态的情况,大大提高了线路刀闸的工作状态监测的准确性。同时,由于减少了工作人员的投入,提高了人员安全,降低了人工成本。
另外,开闭所内通常设置有智能辅助监控平台,该平台可实现相关区域内的开闭所、变电站等进行统一的监控和管理,而主站表示智能辅助监控平台的管理控制端,因此,本申请公开的上述技术方案可以应用在主站的客户端,由客户端将相关数据上传至主站,从而实现对开闭所或变电站内线路刀闸的工作状态的监控,进而控制智能辅助监控平台进行相应的工作,并对监控得到结果进行分析管理。
本发明实施例提供的一种线路刀闸状态监测方法,提取样本图片的图像特征,可以包括:
使用PCANet算法提取样本图片的图像特征。
需要说明的是,提取图像特征时可以采用不同的方法,如提取样本图片的HOG特征等,但是本申请中优选的使用PCANet算法提取样本图片的图像特征,首先,利用高效的深度学习算法PCANet提取样本图片的图像特征可以充分获取到图片深层的特征,且高效简便。其中,深度学习为机器学习领域中对模式(声音、图片等等)进行建模的一种方法,它也是一种基于统计的概率模型,模拟人脑由浅到深的学习过程,充分学习到图片深层的特征。;同时让机器自动学习良好的特征,而免去人工选取过程。因此本申请中使用PCANet算法提取图片样本的图像特征,具有深度学习的共有优点,可以自主的学习到图片深层的特征,不需要人为的去提取图像特征,且学习到的特征更稳定更有效,由此算法的适用性更广。
本发明实施例提供的一种线路刀闸状态监测方法,获取样本图片之后,还可以包括:
对样本图片进行预设变换处理,并将处理得到的图片加入样本图片中。
其中,预设变换处理可以根据实际需要进行确定,具体来说,可以是对样本图片进行一定角度的旋转等,由此,增加了样本的多样性,保证了训练处的SVM分类器的准确性。
另外,获取样本图片之后,还可以包括:
获取线路刀闸之外的其他刀闸开关在不同工作状态下的图片,并将其加入样本图片中。
其中,线路刀闸之外的其他刀闸开关可以是与线路刀闸具有相同指示属性,即相同方向指向性的样本,如均包括接地状态、分状态及和状态等不同工作状态的刀闸开关等,由此,由样本图片训练出的SVM分类器不仅可以对线路刀闸的工作状态进行判定,还可以对样本图片中包含的其他刀闸开关的工作状态进行判定,从而增强了SVM分类器的适用性。
本发明实施例提供的一种线路刀闸状态监测方法,还可以包括:
通过前端屏幕对线路刀闸当前的工作状态进行显示。
具体来说,可以是将线路刀闸当前的工作状态通过配置前端屏幕显示的方式或是显示叠层的方式展示在播放视频上,由此,工作人员可以通过前端屏幕及时获知线路刀闸的工作状态,并对其进行相应的管理;从而降低了工作人员的现场操作,提高了设备运行监测的安全度。
本发明实施例还提供了一种线路刀闸状态监测装置,如图2所示,可以包括:
分类器训练模块11,用于获取线路刀闸在不同工作状态下的样本图片;以及用于提取样本图片的图像特征,并基于图像特征训练SVM分类器;
分类模块12,用于实时获取线路刀闸的工作图片,并将工作图片输入SVM分类器,得到该SVM训练器输出的该线路刀闸当前的工作状态。
本发明实施例提供的一种线路刀闸状态监测装置,分类器训练模块可以包括:
提取单元,用于使用PCANet算法提取所述样本图片的图像特征。
本发明实施例提供的一种线路刀闸状态监测装置,分类器训练模块还可以包括:
样本处理单元,用于对样本图片进行预设变换处理,并将处理得到的图片加入样本图片中。
本发明实施例提供的一种线路刀闸状态监测装置,分类器训练模块还可以包括:
样本增加单元,用于获取线路刀闸之外的其他刀闸开关在不同工作状态下的图片,并将其加入样本图片中。
本发明实施例提供的一种线路刀闸状态监测装置,还可以包括:
显示模块,用于通过前端屏幕对线路刀闸当前的工作状态进行显示。
本发明实施例提供的一种线路刀闸状态监测装置中相关部分的说明请参见本发明实施例提供的一种线路刀闸状态监测方法中对应部分的详细说明,在此不再赘述。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种线路刀闸状态监测方法,其特征在于,包括:
获取线路刀闸在不同工作状态下的样本图片;
提取所述样本图片的图像特征,并基于所述图像特征训练SVM分类器;
实时获取所述线路刀闸的工作图片,并将所述工作图片输入所述SVM分类器,得到该SVM训练器输出的该线路刀闸当前的工作状态。
2.根据权利要求1所述的方法,其特征在于,提取所述样本图片的图像特征,包括:
使用PCANet算法提取所述样本图片的图像特征。
3.根据权利要求2所述的方法,其特征在于,获取所述样本图片之后,还包括:
对所述样本图片进行预设变换处理,并将处理得到的图片加入所述样本图片中。
4.根据权利要求3所述的方法,其特征在于,获取所述样本图片之后,还包括:
获取所述线路刀闸之外的其他刀闸开关在不同工作状态下的图片,并将其加入所述样本图片中。
5.根据权利要求4所述的方法,其特征在于,还包括:
通过前端屏幕对所述线路刀闸当前的工作状态进行显示。
6.一种线路刀闸状态监测装置,其特征在于,包括:
分类器训练模块,用于获取线路刀闸在不同工作状态下的样本图片;以及用于提取所述样本图片的图像特征,并基于所述图像特征训练SVM分类器;
分类模块,用于实时获取所述线路刀闸的工作图片,并将所述工作图片输入所述SVM分类器,得到该SVM训练器输出的该线路刀闸当前的工作状态。
7.根据权利要求6所述的装置,其特征在于,所述分类器训练模块包括:
提取单元,用于使用PCANet算法提取所述样本图片的图像特征。
8.根据权利要求7所述的装置,其特征在于,所述分类器训练模块还包括:
样本处理单元,用于对所述样本图片进行预设变换处理,并将处理得到的图片加入所述样本图片中。
9.根据权利要求8所述的装置,其特征在于,所述分类器训练模块还包括:
样本增加单元,用于获取所述线路刀闸之外的其他刀闸开关在不同工作状态下的图片,并将其加入所述样本图片中。
10.根据权利要求9所述的装置,其特征在于,还包括:
显示模块,用于通过前端屏幕对所述线路刀闸当前的工作状态进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610734558.1A CN106339722A (zh) | 2016-08-25 | 2016-08-25 | 一种线路刀闸状态监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610734558.1A CN106339722A (zh) | 2016-08-25 | 2016-08-25 | 一种线路刀闸状态监测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106339722A true CN106339722A (zh) | 2017-01-18 |
Family
ID=57823121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610734558.1A Pending CN106339722A (zh) | 2016-08-25 | 2016-08-25 | 一种线路刀闸状态监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106339722A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106981063A (zh) * | 2017-03-14 | 2017-07-25 | 东北大学 | 一种基于深度学习的电网设备状态监测装置 |
CN110175571A (zh) * | 2019-05-28 | 2019-08-27 | 华翔翔能电气股份有限公司 | 变电站设备状态的智能监测与识别方法 |
CN110717409A (zh) * | 2019-09-21 | 2020-01-21 | 南京鑫和汇通电子科技有限公司 | 一种对开式刀闸状态的实时精确检测方法 |
CN113743491A (zh) * | 2021-08-27 | 2021-12-03 | 广东电网有限责任公司 | 一种接地刀闸合闸状态的监测方法、监测装置及监测系统 |
CN113825879A (zh) * | 2019-07-01 | 2021-12-21 | 株式会社小松制作所 | 学习完成的作业分类推断模型的制造方法、学习用数据、由计算机执行的方法、以及包括作业机械的系统 |
CN114076894A (zh) * | 2021-11-26 | 2022-02-22 | 广东电网有限责任公司 | 刀闸操作的检测方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833673A (zh) * | 2010-05-18 | 2010-09-15 | 华中科技大学 | 电力开关柜开关状态图像识别系统 |
EP2672424A1 (en) * | 2012-06-08 | 2013-12-11 | Realeyes OÜ | Method and apparatus using adaptive face registration method with constrained local models and dynamic model switching |
CN104200219A (zh) * | 2014-08-20 | 2014-12-10 | 深圳供电局有限公司 | 一种变电站刀闸位开关位指示自动识别方法及装置 |
CN104331710A (zh) * | 2014-11-19 | 2015-02-04 | 集美大学 | 开关状态识别系统 |
CN105404867A (zh) * | 2015-11-17 | 2016-03-16 | 中国科学院自动化研究所 | 一种基于视觉的变电站隔离开关状态识别方法 |
-
2016
- 2016-08-25 CN CN201610734558.1A patent/CN106339722A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833673A (zh) * | 2010-05-18 | 2010-09-15 | 华中科技大学 | 电力开关柜开关状态图像识别系统 |
EP2672424A1 (en) * | 2012-06-08 | 2013-12-11 | Realeyes OÜ | Method and apparatus using adaptive face registration method with constrained local models and dynamic model switching |
CN104200219A (zh) * | 2014-08-20 | 2014-12-10 | 深圳供电局有限公司 | 一种变电站刀闸位开关位指示自动识别方法及装置 |
CN104331710A (zh) * | 2014-11-19 | 2015-02-04 | 集美大学 | 开关状态识别系统 |
CN105404867A (zh) * | 2015-11-17 | 2016-03-16 | 中国科学院自动化研究所 | 一种基于视觉的变电站隔离开关状态识别方法 |
Non-Patent Citations (1)
Title |
---|
陈安伟等: ""基于机器人的变电站开关状态图像识别方法"", 《电力系统自动化》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106981063A (zh) * | 2017-03-14 | 2017-07-25 | 东北大学 | 一种基于深度学习的电网设备状态监测装置 |
CN110175571A (zh) * | 2019-05-28 | 2019-08-27 | 华翔翔能电气股份有限公司 | 变电站设备状态的智能监测与识别方法 |
CN113825879A (zh) * | 2019-07-01 | 2021-12-21 | 株式会社小松制作所 | 学习完成的作业分类推断模型的制造方法、学习用数据、由计算机执行的方法、以及包括作业机械的系统 |
CN110717409A (zh) * | 2019-09-21 | 2020-01-21 | 南京鑫和汇通电子科技有限公司 | 一种对开式刀闸状态的实时精确检测方法 |
CN113743491A (zh) * | 2021-08-27 | 2021-12-03 | 广东电网有限责任公司 | 一种接地刀闸合闸状态的监测方法、监测装置及监测系统 |
CN113743491B (zh) * | 2021-08-27 | 2024-02-27 | 广东电网有限责任公司 | 一种接地刀闸合闸状态的监测方法、监测装置及监测系统 |
CN114076894A (zh) * | 2021-11-26 | 2022-02-22 | 广东电网有限责任公司 | 刀闸操作的检测方法、装置、电子设备及存储介质 |
CN114076894B (zh) * | 2021-11-26 | 2023-08-18 | 广东电网有限责任公司 | 刀闸操作的检测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106339722A (zh) | 一种线路刀闸状态监测方法及装置 | |
CN109271881B (zh) | 一种变电站内人员安全管控方法、装置及服务器 | |
CN101577812B (zh) | 一种岗位监测的方法和系统 | |
CN113223035B (zh) | 笼养鸡智能巡检系统 | |
CN108022235A (zh) | 高压输电铁塔关键部件缺陷识别方法 | |
CN110261394A (zh) | 在线风机叶片损伤实时诊断系统和方法 | |
CN107181319A (zh) | 一种变电站硬压板状态智能巡检方法 | |
CN108052900A (zh) | 一种通过监控视频自动判断着装规范的方法 | |
CN108898085A (zh) | 一种基于手机视频的道路病害智能检测方法 | |
CN108491758A (zh) | 一种轨道检测方法及机器人 | |
CN109242439A (zh) | 基于变电站设备相关联数据的特征提取识别方法 | |
CN105404867B (zh) | 一种基于视觉的变电站隔离开关状态识别方法 | |
CN109190608A (zh) | 一种城市违章智能识别方法 | |
CN107194396A (zh) | 国土资源视频监控系统中基于特定违章建筑识别预警方法 | |
CN112183317A (zh) | 一种基于时空图卷积神经网络的带电作业现场违章行为检测方法 | |
CN108896186A (zh) | 设备智能诊断的方法及装置 | |
CN106649915A (zh) | 一种输配电网设备缺陷预警系统 | |
CN112541393A (zh) | 一种基于深度学习的变电站人员检测方法及装置 | |
CN107977784A (zh) | 一种基于缝纫机数据提取技术的人员技能评价装置和方法 | |
CN108566538A (zh) | 基于红外-可见光融合跟踪的圆形煤场人员安全防护与自燃的监控系统及方法 | |
CN107547852A (zh) | 一种大数据存储系统 | |
CN107133592A (zh) | 电力变电站采用红外热成像及可见光成像技术融合的人体目标特征检测算法 | |
US20230290122A1 (en) | Unmanned aerial vehicle based system to track solar panel system construction and commissioning | |
CN105096305A (zh) | 绝缘子状态分析的方法及装置 | |
CN109389322A (zh) | 基于目标检测和长短时记忆模型的导地线断散股识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170118 |