CN108564076B - 一种智能建筑物内电力布线中可视化控制系统 - Google Patents

一种智能建筑物内电力布线中可视化控制系统 Download PDF

Info

Publication number
CN108564076B
CN108564076B CN201810292178.6A CN201810292178A CN108564076B CN 108564076 B CN108564076 B CN 108564076B CN 201810292178 A CN201810292178 A CN 201810292178A CN 108564076 B CN108564076 B CN 108564076B
Authority
CN
China
Prior art keywords
module
image
main control
wiring
identification
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
Application number
CN201810292178.6A
Other languages
English (en)
Other versions
CN108564076A (zh
Inventor
张利民
张伟
武思进
李彬
杜三平
赵海军
王保利
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.)
China Construction Second Bureau Installation Engineering Co Ltd
Original Assignee
China Construction Second Bureau Installation Engineering 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 China Construction Second Bureau Installation Engineering Co Ltd filed Critical China Construction Second Bureau Installation Engineering Co Ltd
Priority to CN201810292178.6A priority Critical patent/CN108564076B/zh
Publication of CN108564076A publication Critical patent/CN108564076A/zh
Application granted granted Critical
Publication of CN108564076B publication Critical patent/CN108564076B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Probability & Statistics with Applications (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于电力布线技术领域，公开了一种智能建筑物内电力布线中可视化控制系统，所述智能建筑物内电力布线中可视化控制系统包括：图像采集模块、电流检测模块、电压检测模块、主控模块、图像处理模块、全息投影模块、数据存储模块、故障报警模块。本发明通过图像处理模块可以识别区域的出现次数极值区域来确定图像的文字区域边界，可准确的对图像中的文字进行识别，且出现次数极值区域的计算过程简单；解决了现有的图像处理方法及图像处理装置的对图像中的文字无法进行准确区分或识别计算过程较为复杂的技术问题；可以更加清晰的观察图像中的文字；同时通过全息投影模块得其所观察的影像更加具有立体感，进而能提高视觉效果。

Description

一种智能建筑物内电力布线中可视化控制系统
技术领域
本发明属于电力布线技术领域，尤其涉及一种智能建筑物内电力布线中可视化控制系统。
背景技术
智能建筑物指通过将建筑物的结构、系统、服务和管理根据用户的需求进行最优化组合，从而为用户提供一个高效、舒适、便利的人性化建筑环境。智能建筑是集现代科学技术之大成的产物。其技术基础主要由现代建筑技术、现代电脑技术现代通讯技术和现代控制技术所组成。然而，现有智能建筑物内电力布线中可视化控制系统中对线管文字不能精确识别，显示模糊；同时通过屏幕显示图像不能直观立体的展示。
综上所述，现有技术存在的问题是：现有智能建筑物内电力布线中可视化控制系统中对线管文字不能精确识别，显示模糊；同时通过屏幕显示图像不能直观立体的展示。
发明内容
针对现有技术存在的问题，本发明提供了一种智能建筑物内电力布线中可视化控制系统。
本发明是这样实现的，一种智能建筑物内电力布线中可视化控制系统包括：
图像采集模块、电流检测模块、电压检测模块、主控模块、图像处理模块、全息投影模块、数据存储模块、故障报警模块；
图像采集模块，与主控模块连接，用于通过摄像头对管线的布局进行图像采集；
电流检测模块，与主控模块连接，用于对建筑电力线路的电流进行检测；
电压检测模块，与主控模块连接，用于对建筑电力线路的电压进行检测；
主控模块，与图像采集模块、电流检测模块、电压检测模块、图像处理模块、全息投影模块、数据存储模块、故障报警模块连接，用于调度各个模块正常工作；
图像处理模块，与主控模块连接，用于对图像显示中的文字进行精确识别处理；
全息投影模块，与主控模块连接，用于将采集的图像信息进行虚拟投影影像处理；
数据存储模块，与主控模块连接，用于存储采集的图像数据；
故障报警模块，与主控模块连接，用于对建筑电力线路设备故障进行报警。
进一步，所述图像采集模块包括多个WIFI摄像头，所述WIFI摄像头为具有照明功能的一体式门灯/泛光灯摄像机。
进一步，所述图像处理模块包括：
划分模块，用于基于图像中像素灰度的变化量，将所述图像划分为多个识别区域；
计算模块，用于根据所述识别区域的所有像素的灰度值，计算所述识别区域中所有像素的整体梯度幅值；
极值区域获取模块，用于根据所述识别区域中的所有像素的整体梯度幅值的出现次数，获取所述识别区域的所有像素的整体梯度幅值的至少一个出现次数极值区域；
识别模块，用于根据所述识别区域的所述出现次数极值区域，确定所述图像的文字区域边界，以便对所述图像进行文字识别处理。
进一步，划分模块将图像划分为多个识别区域，具体为：
1)将采集的图像信息中的节点作为一个有效数据集，将所述有效数据集随机划分为n个样本，对n个样本进行向量化，通过夹角余弦函数计算所有样本两两之间的相似度，得到相似度矩阵XS；
2)对相似度矩阵XS的每一行进行求和，计算出每一个样本与整个有效数据集的相似度，设XS＝[sim(ai，aj)]n×n，i，j＝1,…,n，其中sim(ai，aj)表示样本ai，aj间的相似度，求和公式为：
Figure BDA0001617830470000031
3)按降序排列XSp,p＝1,…,n，设XSp按从大到小排列的前4个值为XSmax,XSmax-1,XSmax-2,XSmax-3，若
Figure BDA0001617830470000032
选择与最大值XSmax相对应的样本作为第一个初始的聚簇中心,否则选择与XSmax,XSmax-1,XSmax-2,XSmax-3对应的四个样本的均值作为第一个初始的簇中心，T为设定的比例值；
4)将最大值为XSmax对应的矩阵中行向量的元素进行升序排列，假设前k-1个最小的元素为XSpq,q＝1,…,k-1，选择前k-1个最小的元素XSpq相对应的样本aq作为剩余的k-1个初始的聚簇中心，其中所述k值等于配电网待分区的数目；
5)计算剩余样本与各初始的聚簇中心之间的相似度，将剩余样本分发到相似度最高的聚簇中，形成变化后的k个聚簇；
6)计算变化后的聚簇中各样本的均值，将其作为更新后的聚簇中心代替更新前的聚簇中心；
7)若更新前的聚簇中心与更新后的聚簇中心相同，或者目标函数达到了最小值，停止更新，所述目标函数为：
Figure BDA0001617830470000033
其中，Cl表示k个聚簇中的第l个聚簇，ax为第l个聚簇中的样本，
Figure BDA0001617830470000041
为第l个聚簇的中心。
进一步，所述极值区域获取模块包括：
坐标系建立单元，用于以所述识别区域的所有像素的整体梯度幅值为横坐标，所述识别区域的所有像素的整体梯度幅值的出现次数为纵坐标，建立所述识别区域的像素梯度幅值坐标系；
标注单元，用于在所述像素梯度幅值坐标系上标注所有所述整体梯度幅值的出现次数点；
曲线获取单元，用于对所述整体梯度幅值的出现次数点进行高斯平滑处理，获取所述整体梯度幅值的出现次数曲线；
极大值区域获取单元，用于获取所述出现次数曲线的至少一个极大值点以及对应的极大值区域；
极值区域获取单元，用于将大于设定值的极大值点以及对应的极大值区域对应的整体梯度幅值区域，设置为所述出现次数极值区域。
进一步，所述全息投影模块投影方法如下：
首先，获取观察者相对于全息投影仪当前显示界面的基准的偏离角度；
然后，根据所述偏离角度获取所述偏离角度所对应的全息影像视图；
最后，将所述全息影像视图渲染并呈现于所述当前显示界面。
本发明的另一目的在于提供一种利用智能建筑物内电力布线中可视化控制系统的布线方法，所述布线方法包括以下步骤：
1)利用显示装置显示待接线产品的布线图；
2)在所述布线冬中显示待连接线路的两端接线位置；
3)按照所显小的接线位置完成待连接线路的接线。
综上所述，本发明的优点及积极效果为：
本发明通过图像处理模块可以识别区域的出现次数极值区域来确定图像的文字区域边界，可准确的对图像中的文字进行识别，且出现次数极值区域的计算过程简单；解决了现有的图像处理方法及图像处理装置的对图像中的文字无法进行准确区分或识别计算过程较为复杂的技术问题；可以更加清晰的观察图像中的文字；同时通过全息投影模块得其所观察的影像更加具有立体感，进而能提高视觉效果。
附图说明
图1是本发明实施例提供的智能建筑物内电力布线中可视化控制系统结构框图。
图中：1、图像采集模块；2、电流检测模块；3、电压检测模块；4、主控模块；5、图像处理模块；6、全息投影模块；7、数据存储模块；8、故障报警模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明提供的智能建筑物内电力布线中可视化控制系统包括：图像采集模块1、电流检测模块2、电压检测模块3、主控模块4、图像处理模块5、全息投影模块6、数据存储模块7、故障报警模块8。
图像采集模块1，与主控模块4连接，用于通过摄像头对管线的布局进行图像采集；
电流检测模块2，与主控模块4连接，用于对建筑电力线路的电流进行检测；
电压检测模块3，与主控模块4连接，用于对建筑电力线路的电压进行检测；
主控模块4，与图像采集模块1、电流检测模块2、电压检测模块3、图像处理模块5、全息投影模块6、数据存储模块7、故障报警模块8连接，用于调度各个模块正常工作；
图像处理模块5，与主控模块4连接，用于对图像显示中的文字进行精确识别处理；
全息投影模块6，与主控模块4连接，用于将采集的图像信息进行虚拟投影影像处理；
数据存储模块7，与主控模块4连接，用于存储采集的图像数据；
故障报警模块8，与主控模块4连接，用于对建筑电力线路设备故障进行报警。
所述图像采集模块5包括多个WIFI摄像头，所述WIFI摄像头为具有照明功能的一体式门灯/泛光灯摄像机。
所述图像处理模块5包括：
划分模块，用于基于图像中像素灰度的变化量，将所述图像划分为多个识别区域；
计算模块，用于根据所述识别区域的所有像素的灰度值，计算所述识别区域中所有像素的整体梯度幅值；
极值区域获取模块，用于根据所述识别区域中的所有像素的整体梯度幅值的出现次数，获取所述识别区域的所有像素的整体梯度幅值的至少一个出现次数极值区域；
识别模块，用于根据所述识别区域的所述出现次数极值区域，确定所述图像的文字区域边界，以便对所述图像进行文字识别处理。
划分模块将图像划分为多个识别区域，具体为：
1)将采集的图像信息中的节点作为一个有效数据集，将所述有效数据集随机划分为n个样本，对n个样本进行向量化，通过夹角余弦函数计算所有样本两两之间的相似度，得到相似度矩阵XS；
2)对相似度矩阵XS的每一行进行求和，计算出每一个样本与整个有效数据集的相似度，设XS＝[sim(ai，aj)]n×n，i，j＝1,…,n，其中sim(ai，aj)表示样本ai，aj间的相似度，求和公式为：
Figure BDA0001617830470000071
3)按降序排列XSp,p＝1,…,n，设XSp按从大到小排列的前4个值为XSmax,XSmax-1,XSmax-2,XSmax-3，若
Figure BDA0001617830470000072
选择与最大值XSmax相对应的样本作为第一个初始的聚簇中心,否则选择与XSmax,XSmax-1,XSmax-2,XSmax-3对应的四个样本的均值作为第一个初始的簇中心，T为设定的比例值；
4)将最大值为XSmax对应的矩阵中行向量的元素进行升序排列，假设前k-1个最小的元素为XSpq,q＝1,…,k-1，选择前k-1个最小的元素XSpq相对应的样本aq作为剩余的k-1个初始的聚簇中心，其中所述k值等于配电网待分区的数目；
5)计算剩余样本与各初始的聚簇中心之间的相似度，将剩余样本分发到相似度最高的聚簇中，形成变化后的k个聚簇；
6)计算变化后的聚簇中各样本的均值，将其作为更新后的聚簇中心代替更新前的聚簇中心；
7)若更新前的聚簇中心与更新后的聚簇中心相同，或者目标函数达到了最小值，停止更新，所述目标函数为：
Figure BDA0001617830470000073
其中，Cl表示k个聚簇中的第l个聚簇，ax为第l个聚簇中的样本，
Figure BDA0001617830470000081
为第l个聚簇的中心。
所述极值区域获取模块包括：
坐标系建立单元，用于以所述识别区域的所有像素的整体梯度幅值为横坐标，所述识别区域的所有像素的整体梯度幅值的出现次数为纵坐标，建立所述识别区域的像素梯度幅值坐标系；
标注单元，用于在所述像素梯度幅值坐标系上标注所有所述整体梯度幅值的出现次数点；
曲线获取单元，用于对所述整体梯度幅值的出现次数点进行高斯平滑处理，获取所述整体梯度幅值的出现次数曲线；
极大值区域获取单元，用于获取所述出现次数曲线的至少一个极大值点以及对应的极大值区域；
极值区域获取单元，用于将大于设定值的极大值点以及对应的极大值区域对应的整体梯度幅值区域，设置为所述出现次数极值区域。
所述全息投影模块投影方法如下：
首先，获取观察者相对于全息投影仪当前显示界面的基准的偏离角度；
然后，根据所述偏离角度获取所述偏离角度所对应的全息影像视图；
最后，将所述全息影像视图渲染并呈现于所述当前显示界面。
一种利用智能建筑物内电力布线中可视化控制系统的布线方法，所述布线方法包括以下步骤：
1)利用显示装置显示待接线产品的布线图；
2)在所述布线冬中显示待连接线路的两端接线位置；
3)按照所显小的接线位置完成待连接线路的接线。
本发明工作时，通过图像采集模块1对管线的布局进行图像采集；通过电流检测模块2对建筑电力线路的电流进行检测；通过电压检测模块3对建筑电力线路的电压进行检测；主控模块4调度图像处理模块5对图像显示中的文字进行精确识别处理；通过全息投影模块6将采集的图像信息进行虚拟投影影像处理；接着，通过数据存储模块存储采集的图像数据；通过故障报警模块8对建筑电力线路设备故障进行报警。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (4)

1.一种智能建筑物内电力布线中可视化控制系统，其特征在于，所述智能建筑物内电力布线中可视化控制系统包括：
图像采集模块、电流检测模块、电压检测模块、主控模块、图像处理模块、全息投影模块、数据存储模块、故障报警模块；
图像采集模块，与主控模块连接，用于通过摄像头对管线的布局进行图像采集；
电流检测模块，与主控模块连接，用于对建筑电力线路的电流进行检测；
电压检测模块，与主控模块连接，用于对建筑电力线路的电压进行检测；
主控模块，与图像采集模块、电流检测模块、电压检测模块、图像处理模块、全息投影模块、数据存储模块、故障报警模块连接，用于调度各个模块正常工作；
图像处理模块，与主控模块连接，用于对图像显示中的文字进行精确识别处理；
全息投影模块，与主控模块连接，用于将采集的图像信息进行虚拟投影影像处理；
数据存储模块，与主控模块连接，用于存储采集的图像数据；
故障报警模块，与主控模块连接，用于对建筑电力线路设备故障进行报警；
所述智能建筑物内电力布线中可视化控制系统，其特征在于，所述图像采集模块包括多个WIFI摄像头，所述WIFI摄像头为具有照明功能的一体式门灯/泛光灯摄像机；
所述图像处理模块包括：
划分模块，用于基于图像中像素灰度的变化量，将所述图像划分为多个识别区域；
计算模块，用于根据所述识别区域的所有像素的灰度值，计算所述识别区域中所有像素的整体梯度幅值；
极值区域获取模块，用于根据所述识别区域中的所有像素的整体梯度幅值的出现次数，获取所述识别区域的所有像素的整体梯度幅值的至少一个出现次数极值区域；
识别模块，用于根据所述识别区域的所述出现次数极值区域，确定所述图像的文字区域边界，以便对所述图像进行文字识别处理。
2.如权利要求1所述智能建筑物内电力布线中可视化控制系统，其特征在于，所述极值区域获取模块包括：
坐标系建立单元，用于以所述识别区域的所有像素的整体梯度幅值为横坐标，所述识别区域的所有像素的整体梯度幅值的出现次数为纵坐标，建立所述识别区域的像素梯度幅值坐标系；
标注单元，用于在所述像素梯度幅值坐标系上标注所有所述整体梯度幅值的出现次数点；
曲线获取单元，用于对所述整体梯度幅值的出现次数点进行高斯平滑处理，获取所述整体梯度幅值的出现次数曲线；
极大值区域获取单元，用于获取所述出现次数曲线的至少一个极大值点以及对应的极大值区域；
极值区域获取单元，用于将大于设定值的极大值点以及对应的极大值区域对应的整体梯度幅值区域，设置为所述出现次数极值区域。
3.如权利要求1所述智能建筑物内电力布线中可视化控制系统，其特征在于，所述全息投影模块投影方法如下：
首先，获取观察者相对于全息投影仪当前显示界面的基准的偏离角度；
然后，根据所述偏离角度获取所述偏离角度所对应的全息影像视图；
最后，将所述全息影像视图渲染并呈现于所述当前显示界面。
4.一种利用如权利要求1所述的智能建筑物内电力布线中可视化控制系统的布线方法，其特征在于，所述布线方法包括以下步骤：
1)利用显示装置显示待接线产品的布线图；
2)在所述布线图中显示待连接线路的两端接线位置；
3)按照所显示的接线位置完成待连接线路的接线。
CN201810292178.6A 2018-04-03 2018-04-03 一种智能建筑物内电力布线中可视化控制系统 Active CN108564076B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810292178.6A CN108564076B (zh) 2018-04-03 2018-04-03 一种智能建筑物内电力布线中可视化控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810292178.6A CN108564076B (zh) 2018-04-03 2018-04-03 一种智能建筑物内电力布线中可视化控制系统

Publications (2)

Publication Number Publication Date
CN108564076A CN108564076A (zh) 2018-09-21
CN108564076B true CN108564076B (zh) 2022-01-18

Family

ID=63533912

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810292178.6A Active CN108564076B (zh) 2018-04-03 2018-04-03 一种智能建筑物内电力布线中可视化控制系统

Country Status (1)

Country Link
CN (1) CN108564076B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111754649A (zh) * 2020-06-04 2020-10-09 上海皓卡网络技术有限公司 一种基于人工智能的金融ic卡个人化设备维护方法
CN112614414A (zh) * 2020-12-24 2021-04-06 江苏卓茂智能科技有限公司 一种智能化综合布线系统
CN115352977A (zh) * 2022-09-30 2022-11-18 希格迈电梯科技(南通)有限公司 一种高层电梯运行异常报警方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105589293A (zh) * 2016-03-18 2016-05-18 严俊涛 全息投影方法及全息投影系统
CN106548252A (zh) * 2016-10-28 2017-03-29 深圳大图科创技术开发有限公司 基于改进K‑means聚类的配电网网架构建系统
CN106815420A (zh) * 2017-01-06 2017-06-09 珠海格力电器股份有限公司 一种可视化辅助接线方法及电控箱的接线方法
CN206835272U (zh) * 2017-04-26 2018-01-02 X·M·蔡 基于无线网络通信的免布线安全监控系统
CN107688807A (zh) * 2016-08-05 2018-02-13 腾讯科技（深圳）有限公司 图像处理方法及图像处理装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105589293A (zh) * 2016-03-18 2016-05-18 严俊涛 全息投影方法及全息投影系统
CN107688807A (zh) * 2016-08-05 2018-02-13 腾讯科技（深圳）有限公司 图像处理方法及图像处理装置
CN106548252A (zh) * 2016-10-28 2017-03-29 深圳大图科创技术开发有限公司 基于改进K‑means聚类的配电网网架构建系统
CN106815420A (zh) * 2017-01-06 2017-06-09 珠海格力电器股份有限公司 一种可视化辅助接线方法及电控箱的接线方法
CN206835272U (zh) * 2017-04-26 2018-01-02 X·M·蔡 基于无线网络通信的免布线安全监控系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
小区多管线优化布置及其三维可视化;王扣进;《江西建材》;20171231(第16期);摘要、第1-6节 *
智能建筑电力监控自动化的思路形成和实践;景尚;《数字通信世界》;20171231;摘要、第1-6节 *

Also Published As

Publication number Publication date
CN108564076A (zh) 2018-09-21

Similar Documents

Publication Publication Date Title
KR102229594B1 (ko) 디스플레이 스크린 품질 검출 방법, 장치, 전자기기 및 저장매체
CN110544258B (zh) 图像分割的方法、装置、电子设备和存储介质
CN108564076B (zh) 一种智能建筑物内电力布线中可视化控制系统
CN108734143A (zh) 一种巡检机器人的基于双目视觉的输电线路在线检测方法
EP3843036A1 (en) Sample labeling method and device, and damage category identification method and device
CN110288586A (zh) 一种基于可见光图像数据的多尺度输电线路缺陷检测方法
CN103512762A (zh) 图像处理方法、装置及列车故障检测系统
CN112183667A (zh) 一种协同深度学习的绝缘子故障检测方法
CN111898486B (zh) 监控画面异常的检测方法、装置及存储介质
WO2012005461A2 (ko) 자동 구름 정보 산출방법
CN111339905A (zh) 基于深度学习及多视角的cim井盖状态视觉检测系统
CN116309303B (zh) 基于红外图像的电气设备缺陷检测方法、装置及相关设备
CN109961501A (zh) 用于建立三维立体模型的方法和装置
CN110287892A (zh) 空位识别方法及装置
CN113723300A (zh) 基于人工智能的火情监测方法、装置及存储介质
CN113486779A (zh) 输电线路全景智能巡检系统
CN113012096A (zh) 显示屏子像素定位及亮度提取方法、设备以及存储介质
CN114494427B (zh) 一种对吊臂下站人的违规行为检测方法、系统及终端
van den Hengel et al. Automatic camera placement for large scale surveillance networks
CN112734637B (zh) 一种导线温度监测的热红外图像处理方法和系统
CN111596594B (zh) 一种全景大数据应用监测管控系统
CN116600528A (zh) 一种基于温度分布场的通信机房制冷监控方法及系统
CN109614298A (zh) 一种基于监控视频的硬件系统状态监测和预警方法
CN115083212A (zh) 一种基于三维建模的无人机定位智能管理系统
US9076080B1 (en) Automated diagnostic analysis of image data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant