CN108845536B - 一种基于视频技术的堆场扬尘实时检测和智能洒水降尘装置及方法 - Google Patents
一种基于视频技术的堆场扬尘实时检测和智能洒水降尘装置及方法 Download PDFInfo
- Publication number
- CN108845536B CN108845536B CN201810357651.4A CN201810357651A CN108845536B CN 108845536 B CN108845536 B CN 108845536B CN 201810357651 A CN201810357651 A CN 201810357651A CN 108845536 B CN108845536 B CN 108845536B
- Authority
- CN
- China
- Prior art keywords
- dust
- area
- coordinates
- real
- video
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
- G05B19/054—Input/output
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/10—Plc systems
- G05B2219/11—Plc I-O input output
- G05B2219/1103—Special, intelligent I-O processor, also plc can only access via processor
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于视频技术的堆场扬尘实时检测和智能洒水降尘装置和方法,包括视频监控装置、计算机、风速风向测量装置、PLC和喷洒装置。利用优化的神经网络或其它算法结合扬尘的静态和动态特征处理堆场扬尘的实时视频数据,计算得到起尘区域初始坐标和扬尘浓度估值,并结合风速风向测量数据进行校准,最终确定起尘区域坐标即洒水区域坐标,PLC根据洒水区域坐标和扬尘浓度估值数据,控制喷洒装置实施分区域、动态分级洒水降尘。本发明可以在各种环境条件下实现实时监控,控制指令及时,建设和维护成本低;在有效抑制起尘的同时,保证堆储物料含水率增加值在可控范围内,达到节约人力、物力和运力资源的目的。
Description
技术领域
本发明涉及智能降尘技术领域,尤其涉及一种基于视频技术的堆场扬尘实时检测和智能洒水降尘装置及方法。
背景技术
堆场是堆放散物料的主要场所。散物料包括煤炭、矿砂、矾土等,其中煤炭运输是港口物流的主要业务之一,其在堆放储存、转运过程中会不可避免地产生大量扬尘,一旦遇到大风等恶劣天气经常会产生严重的煤尘污染。扬尘不仅造成环境污染和资源浪费,而且影响着人们的身体健康及工业生产安全,因而通常会在堆储或运输过程中采用洒水喷淋的方式进行降尘除尘。目前洒水除尘作业主要采用人工控制方式,当天气变化、煤种不同或肉眼已经观察到明显的扬尘后手动控制实施定时定量洒水。洒水时间和洒水量主要依靠人的主观经验决定,缺乏客观依据。由于操作人员经验能力的差异往往造成洒水过少防尘效果不佳,或是洒水过度既浪费水电资源,又增加了堆储物料含水率,影响物料质量。此外,各类的灰尘检测传感器的使用为扬尘检测带来一定的帮助。传感器法检测扬尘大致可分为以下几种:光电转换法、β射线衰减法、压电晶体频率变化法等。这些方法虽然在一定程度上解决了煤尘污染的问题,但仍然存在下述技术问题:检测范围小,不能较准确确定起尘区域,所用装置复杂,需要定期维护,清理麻烦,成本高等。在洒水过程中,不能有效控制堆储物料含水率的增加值,容易造成水电资源和运力资源的浪费。
随着工业监控装置在工业生产领域的广泛应用,以及图像处理、模式识别、机器视觉等相关技术的发展,使得利用监控视频数据对扬尘检测成为可能。其中,扬尘检测算法的关键在于对视频数据中有无扬尘的分类和识别。由于扬尘本身存在颜色、形状不固定的特点,在特征提取上难以充分提取特征,所以有必要寻找更好的特征提取方法。另外,扬尘和云雾等在特征上的相似性会影响扬尘分类识别的准确性,因此扬尘检测算法不仅要充分考虑扬尘的静态特征,还要考虑扬尘的运动性即动态特征,才能够保证扬尘识别的可靠性和精度,从而满足在监控视频条件下对堆储扬尘的有效及时检测。
发明内容
本发明的目的是提供一种基于视频技术的堆场扬尘实时检测和智能洒水降尘装置及方法,解决现有技术中的洒水降尘方式存在的洒水过少防尘效果不佳,或是洒水过度浪费水电资源并增加了堆储物料含水率,影响物料质量的技术问题。
为解决上述技术问题,本发明采用如下技术方案:
本发明一种基于视频技术的堆场扬尘实时检测和智能洒水降尘装置及方法。
第一方面,提供一种基于视频技术的堆场扬尘实时检测和智能洒水降尘装置,包括视频监控装置、风速风向测量装置、PLC、喷洒装置和计算机。所述视频监控装置均匀布置在堆场的周围,用于对所述堆场的全部区域进行视频数据采集,所述视频监控装置与所述计算机通信连接;所述风速风向测量装置设置于所述堆场的边缘高处位置,用于测量堆场的实时风速风向,所述风速风向测量装置与所述计算机通信连接;所述PLC分别与所述喷洒装置和所述计算机通信连接;所述喷洒装置均匀设置于所述堆场的四周,用于在所述PLC控制下对堆场进行洒水降尘。
进一步的,所述视频监控装置设置为为高分辨率的工业监控摄像头。
再进一步的,所述计算机内设置有扬尘检验算法软件。
再进一步的,所述计算机用于在接收所述视频监控装置发来的堆场实时监控视频数据后,使用所述扬尘检测算法软件对接收到的视频数据进行处理分析和计算,确定起尘区域初始坐标(X0,Y0)和扬尘浓度估值d,同时所述计算机对所述风速风向测量装置(4)发来的实时风速风向数据处理计算,用于对起尘区域初始坐标(X0,Y0)进行校准,得到起尘区域坐标,即洒水区域坐标(X,Y),并向PLC发送洒水区域坐标(X,Y)和扬尘浓度估值d数据。
再进一步的,所述PLC用于根据洒水区域坐标(X,Y),实现喷洒装置分区域控制并根据扬尘浓度估值d与扬尘浓度阈值的比较结果确定洒水量等级。
再进一步的,所述扬尘浓度阈值包括D0、D1和D2三挡,所述扬尘浓度估值d<D0时为停止洒水;D0≤d<D1时为轻量洒水等级;D1≤d<D2时为中量洒水等级;d≥D2时为大量洒水等级。
再进一步的,所述扬尘浓度阈值可根据实际洒水降尘效果、季节气候变化和实际经验进行必要的调整。
再进一步的,所述PLC用于控制喷洒装置进行移动或调整水平角和仰俯角来改变喷洒区域。
另一方面,提供一种基于视频技术的堆场扬尘实时检测和智能洒水降尘方法,包括以下步骤:
步骤(1)视频数据输入:视频监控装置采集到的视频数据输入到运算扬尘检测算法的计算机;
步骤(2)视频预处理:将步骤(1)采集到的视频帧切割成100X100的小块,利用运动检测算法排除掉大部分的非扬尘区域,并将剩下的视频数据转为图像序列;
步骤(3)CNN分类运算:将步骤(2)预处理后的图像序列输入到训练好的CNN 中,CNN给出初步分类结果,如分类结果为有扬尘则将图像序列输入到下一步骤,否则直接终止此次循环重新开始;
步骤(4)RNN分类运算:将步骤(3)中识别为有扬尘的图像序列输入到训练好的RNN中进行二次分类运算,排除云雾等因素干扰,如分类结果为有扬尘则使用红色小方框标注扬尘分布,并保存起尘区域初始坐标(X0,Y0),否则直接终止此次循环重新开始;
步骤(5)扬尘浓度估算:在步骤(4)中已用红色小方框圈出扬尘区域,根据红色小框密度,按比例计算出扬尘浓度估值d;
步骤(6)起尘区域坐标校准:计算机获取风速风向测量装置实时的测量数据,处理计算后对步骤(4)中的起尘区域初始坐标(X0,Y0)进行校准,最终确定坐标所属监控区域,即洒水区域坐标(X,Y);
步骤(7)结果输出:计算机将洒水区域坐标(X,Y)和扬尘浓度估值d数据传输给PLC,由PLC控制喷洒装置分区域、动态分级洒水降尘。
进一步的,所述步骤(2)和步骤(3)之间还包括一步神经网络训练:将步骤(2)的图像序列分为有扬尘和无扬尘两类,分别放入标签为Y和N的文件夹构成正负样本集(其中有扬尘为正,无扬尘为负),将建立好的样本集按设定比例分为训练集、验证集和测试集,分别将训练集和验证集放入通用的卷积神经网络(CNN)算法和递归神经网络(RNN)算法中进行训练直至收敛或迭代到一定次数接近收敛,先使正确率在验证集上达到最优,再在测试集上进行测试,对通用的网络结构和参数进行微调,选择合适的网络结构和参数,使算法在测试集上依然表现良好。
与现有技术相比,本发明的有益技术效果:
1、本发明方法和装置以视频监控装置实时采集的堆场视频数据作为扬尘检测数据源,并且在扬尘检测同时,视频监控设备还可以作为普通监控设备使用,建设成本可以大幅降低,视频监控范围更大。
2、本发明方法和装置以视频监控装置实时采集的堆场视频数据作为扬尘检测数据源,不仅可以检测出是否存在扬尘,还可以计算出扬尘浓度估值d,进而可以实现动态分级洒水,在有效抑制起尘的同时,保证堆储物料含水率的增加值在可控范围内,节约水电资源和运力资源。
3、本发明方法和装置中视频监控装置位置分布近似均匀,监控区域覆盖整个堆场,不留死角。每个视频监控设备有固定的监控区域,并在每个监控区域放置一定数量的喷洒装置。运算扬尘检测算法的计算机可以根据视频数据来源确定起尘区域初始坐标(X0,Y0),并引入风速风向测量装置测量结果对起尘区域坐标进行校准,最终确定洒水区域坐标(X,Y),为PLC控制指定区域的喷洒装置工作,实施分区域洒水降尘提供了依据,实现了精准洒水降尘,节约了水电资源。
4、本发明方法和装置在处理扬尘视频数据时,扬尘检测算法不仅采用CNN 提取扬尘的静态特征信息,而且还利用RNN提取扬尘的动态特征信息,减小云雾等干扰因素的影响,具有更高的可靠性。
5、本发明方法和装置相对其它的检测扬尘的方式,除了具有上述优势外,还具有检测范围大,非接触式测量,设备简单,易清理维护,且维护成本低等优点。
6、本发明方法和装置智能化程度高,工作人员不用长时间穿梭于堆场之中,有效地改善了工作人员的工作条件,提高了工作人员的工作安全系数,节约了人力资源。
附图说明
下面结合附图说明对本发明作进一步说明。
图1为本发明装置的结构示意简图;
图2为本发明的结构框图;
图3为本发明的算法流程图;
附图标记说明:1、堆场;2、视频监控装置;3、喷洒装置;4、风速风向测量装置;
具体实施方式
如图1-图2所示,一种基于视频技术的堆场扬尘实时检测和智能洒水降尘装置,包括视频监控装置2、风速风向测量装置4、PLC、喷洒装置3和计算机。
所述视频监控装置2具体设置为高分辨率的工业监控摄像头,且均匀安装在堆场1的周围,能够对所述堆场1的全部起尘区域进行实时视频数据采集,所述视频监控装置2与所述计算机通信连接以将视频监控数据实时传给计算机。
所述风速风向测量装置3安装于所述堆场1的边缘高处位置,能够有效准确地测量堆场的实时风速风向,并配套有无线传输模块,方便与计算机之间的实时数据通讯,用于校准起尘区域坐标。
所述计算机内设置有扬尘检验算法软件,每台计算机处理单路或者多路视频数据,计算机使用预先编写好的扬尘检测算法软件对视频数据进行处理,所述计算机在接收到所述视频监控装置2发来的堆场实时监控视频数据后,使用所述扬尘检测算法软件对接收到的视频数据进行处理分析和计算,利用优化的神经网络或其它算法对视频数据进行静态和动态分析处理,以确定起尘区域初始坐标(X0,Y0)和扬尘浓度估值d,同时所述计算机对所述风速风向测量装置4 发来的实时风速风向数据处理计算,用于对起尘区域初始坐标(X0,Y0)进行校准,得到起尘区域坐标,即洒水区域坐标(X,Y),并向PLC发送洒水区域坐标(X,Y) 和扬尘浓度估值d数据。
所述PLC分别与所述喷洒装置3和所述计算机通信连接;计算机和PLC装置通过有线或无线(采用无线方式需要在PLC侧安装无线收发装置)传输方式传递数据。所述PLC能够根据计算机发出的洒水区域坐标(X,Y),实现喷洒装置分区域控制并根据扬尘浓度估值d与扬尘浓度阈值的比较结果确定洒水量等级。具体的所述扬尘浓度阈值设置为D0、D1和D2三挡,可根据实际洒水降尘效果、季节气候变化和实际经验进行必要的调整。当所述扬尘浓度估值d<D0时,停止洒水;当D0≤d<D1时,为轻量洒水等级;当D1≤d<D2时,为中量洒水等级;当d≥D2时,为大量洒水等级。所述喷洒装置3均匀安装于所述堆场1的四周,并且在所述PLC的控制下能够进行移动,或者调整水平角和仰俯角来改变喷洒区域,实现对堆场1起尘区域的自动洒水降尘。
本实施例中的各检测控制装置采用防护等级IP65以上的工业用装置,还可以加装必要的防护罩,以防止雨雪风沙等外界因素导致其损坏。
如图1-图3所示,一种基于视频技术的堆场扬尘实时检测和智能洒水降尘方法,具体包括以下步骤,
一、扬尘检验算法:
步骤(1)视频数据输入:视频监控装置采集不同时刻、不同背景、不同工作状态及不同天气状况下堆场的实时视频数据,并将视频数据传输到计算机中,视频数据应包括有扬尘和无扬尘视频数据两类。
步骤(2)视频预处理:将步骤1中收集到的视频帧切割成100X100的小块,由于扬尘具有运动性,可使用运动检测算法滤掉大部分的非扬尘区域,将剩下的视频数据转为图像序列。本发明对转换工具和图像格式无特殊要求,在本实施例中,使用Python编写的转换工具软件,图片格式为JPG格式;
步骤(3)神经网络训练:将步骤(2)的图像序列分为有扬尘和无扬尘两类,分别放入标签为Y和N的文件夹构成正负样本集(其中有扬尘为正,无扬尘为负),将建立好的样本集按设定比例分为训练集、验证集和测试集,分别将训练集和验证集放入通用的卷积神经网络(CNN)算法和递归神经网络(RNN)算法中进行训练直至收敛或迭代到一定次数接近收敛,先使正确率在验证集上达到最优,再在测试集上进行测试,对通用的网络结构和参数进行微调,选择合适的网络结构和参数,使算法在测试集上依然表现良好。其中正确率的衡量指标ACC如下:
式中,TP表示真正,即有扬尘被检测为有扬尘;TN表示真负,即无扬尘被检测为无扬尘;FP表示假正,即无扬尘被检测为有扬尘;FN表示假负,即有扬尘被检测为无扬尘的情况。
步骤(4)CNN分类运算:将步骤(2)预处理后的图像序列输入到训练好的CNN 中,CNN给出初步分类结果,如分类结果为有扬尘则将图像序列输入到下一步骤,否则直接终止此次循环重新开始;
步骤(5)RNN分类运算:将步骤(4)中识别为有扬尘的图像序列输入到训练好的RNN中进行二次分类运算,排除云雾等因素干扰,如分类结果为有扬尘则使用红色小方框标注扬尘分布,并保存起尘区域初始坐标(X0,Y0),否则直接终止此次循环重新开始。
步骤(6)扬尘浓度估算:在步骤(5)中已用红色小方框圈出扬尘区域,根据红色小框密度,按比例计算出扬尘浓度估值d。
二、起尘区域坐标校准和洒水区域确定:
在本发明实施扬尘检测过程中,风对起尘区域坐标的确定影响很大。在本发明中,所述风速风向测量装置4位于堆场边缘高处,能够获取稳定的、实时的风向和风速数据,并实时传输给运行扬尘检测算法的计算机。计算机根据风速和风向数据计算出扬尘位移和角度,校准起尘区域初始坐标(X0,Y0);并根据视频数据来源视频监控装置的位置,确定洒水区域坐标(X,Y)。
三、洒水策略:
PLC收到来自计算机的洒水区域坐标(X,Y)和扬尘浓度估值d数据后,控制该区域喷洒装置在指定区域,实施动态分级洒水。PLC根据扬尘浓度估值d与扬尘浓度阈值的比较结果确定洒水量等级。扬尘浓度阈值可分为三档,下限阈值 D0、中间阈值D1和上限阈值D2。当扬尘浓度估值d<D0时,停止洒水;当D0≤ d<D1时,轻量洒水等级;当D1≤d<D2时,中量洒水等级;当d≥D2时,大量洒水等级。并且洒水量等级会根据现场扬尘的实时情况和洒水降尘效果,动态调整洒水控制参数。洒水量控制通过控制洒水时间实现。扬尘浓度阈值可以根据实际洒水降尘效果、季节气候变化和实际经验等因素进行必要的调整。
以上所述的实施例仅是对本发明的优选方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (2)
1.一种基于视频技术的堆场扬尘实时检测和智能洒水降尘方法,其特征在于:包括以下步骤,
步骤(1)视频数据输入:视频监控装置采集到的视频数据输入到运算扬尘检测算法的计算机;
步骤(2)视频预处理:将步骤(1)采集到的视频帧切割成100X100的小块,利用运动检测算法排除掉大部分的非扬尘区域,并将剩下的视频数据转为图像序列;
步骤(3)CNN分类运算:将步骤(2)预处理后的图像序列输入到训练好的CNN中,CNN给出初步分类结果,如分类结果为有扬尘则将图像序列输入到下一步骤,否则直接终止此次循环重新开始;
步骤(4)RNN分类运算:将步骤(3)中识别为有扬尘的图像序列输入到训练好的RNN中进行二次分类运算,排除云雾因素干扰,如分类结果为有扬尘则使用红色小方框标注扬尘分布,并保存起尘区域初始坐标(X0,Y0),否则直接终止此次循环重新开始;
步骤(5)扬尘浓度估算:在步骤(4)中已用红色小方框圈出扬尘区域,根据红色小框密度,按比例计算出扬尘浓度估值d;
步骤(6)起尘区域坐标校准:计算机获取风速风向测量装置实时的测量数据,处理计算后对步骤(4)中的起尘区域初始坐标(X0,Y0)进行校准,最终确定坐标所属监控区域,即洒水区域坐标(X,Y);
步骤(7)结果输出:计算机将洒水区域坐标(X,Y)和扬尘浓度估值d数据传输给PLC,由PLC控制喷洒装置分区域、动态分级洒水降尘。
2.根据权利要求1所述的基于视频技术的堆场扬尘实时检测和智能洒水降尘方法,其特征在于:所述步骤(2)和步骤(3)之间还包括一步神经网络训练:将步骤(2)的图像序列分为有扬尘和无扬尘两类,分别放入标签为Y和N的文件夹构成正负样本集,其中有扬尘为正,无扬尘为负,将建立好的样本集按设定比例分为训练集、验证集和测试集,分别将训练集和验证集放入通用的卷积神经网络(CNN)算法和递归神经网络(RNN)算法中进行训练直至收敛或迭代到一定次数接近收敛,先使正确率在验证集上达到最优,再在测试集上进行测试,对通用的网络结构和参数进行微调,选择合适的网络结构和参数,使算法在测试集上依然表现良好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810357651.4A CN108845536B (zh) | 2018-04-20 | 2018-04-20 | 一种基于视频技术的堆场扬尘实时检测和智能洒水降尘装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810357651.4A CN108845536B (zh) | 2018-04-20 | 2018-04-20 | 一种基于视频技术的堆场扬尘实时检测和智能洒水降尘装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108845536A CN108845536A (zh) | 2018-11-20 |
CN108845536B true CN108845536B (zh) | 2020-11-03 |
Family
ID=64212091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810357651.4A Active CN108845536B (zh) | 2018-04-20 | 2018-04-20 | 一种基于视频技术的堆场扬尘实时检测和智能洒水降尘装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108845536B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110197218B (zh) * | 2019-05-24 | 2021-02-12 | 绍兴达道生涯教育信息咨询有限公司 | 基于多源卷积神经网络的雷雨大风等级预测分类方法 |
CN110738357A (zh) * | 2019-09-20 | 2020-01-31 | 神华黄骅港务有限责任公司 | 煤炭堆场起尘量预测方法、装置、系统和存储介质 |
CN110755966B (zh) * | 2019-11-07 | 2021-06-29 | 黄雨果 | 智能化轮胎喷水除尘控制平台 |
CN111013296A (zh) * | 2019-12-24 | 2020-04-17 | 广州市城市建设工程监理公司 | 一种扬尘污染智能治理系统及方法 |
CN111366509B (zh) * | 2020-02-26 | 2022-09-02 | 交通运输部天津水运工程科学研究所 | 基于全场监测的散货堆场粉尘精细化控制方法及控制系统 |
CN113797671B (zh) * | 2020-06-17 | 2023-04-07 | 杭州云深弘视智能科技有限公司 | 基于车辆检测的抑尘喷淋方法及系统 |
CN114513627A (zh) * | 2020-11-16 | 2022-05-17 | 南京宝地梅山产城发展有限公司 | 一种雾炮机在物联网中对粉尘闭环控制及视频联动的应用 |
CN112418056A (zh) * | 2020-11-18 | 2021-02-26 | 中冶赛迪工程技术股份有限公司 | 一种抑尘洒水智能控制系统及控制方法 |
CN112528968B (zh) * | 2021-02-09 | 2021-06-08 | 中关村科学城城市大脑股份有限公司 | 应用于城市治理的扬尘检测方法和系统 |
CN113171666B (zh) * | 2021-03-29 | 2022-10-18 | 华能国际电力股份有限公司大连电厂 | 一种基于数字图像处理技术的干雾除尘控制方法 |
CN113413709A (zh) * | 2021-06-19 | 2021-09-21 | 沧州职业技术学院 | 一种施工场地自动节能降尘的控制装置 |
CN113344982B (zh) * | 2021-07-29 | 2021-11-19 | 南通茗仁建筑工程有限公司 | 基于数据识别的工地粉尘控制数据处理方法 |
CN113709350A (zh) * | 2021-09-09 | 2021-11-26 | 郑州博朗鸿智信息科技有限公司 | 一种ai智能降尘系统 |
CN114130565A (zh) * | 2021-11-30 | 2022-03-04 | 国能神东煤炭集团有限责任公司 | 一种喷淋装置控制方法、系统、喷淋装置及存储介质 |
CN116087220A (zh) * | 2022-11-05 | 2023-05-09 | 北京市永康药业有限公司 | 一种制药车间的除尘分析方法及系统 |
CN116777160A (zh) * | 2023-06-21 | 2023-09-19 | 苏州傲之途智慧科技有限公司 | 一种城市施工工地的环境智能化监管系统及其方法 |
CN117392139A (zh) * | 2023-12-13 | 2024-01-12 | 德龙软件科技(天津)有限公司 | 一种基于计算机视觉处理技术领域的抑尘系统 |
CN117687369B (zh) * | 2023-12-13 | 2024-05-28 | 中建-大成建筑有限责任公司 | 基于多源数据的降尘喷雾节能控制方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5902990B2 (ja) * | 2012-04-13 | 2016-04-13 | 日立建機株式会社 | 自走式産業機械の画像処理装置 |
CN204576216U (zh) * | 2015-03-25 | 2015-08-19 | 山西辰泽环保工程有限公司 | 全自动粉尘在线监测、监控及喷雾降尘系统 |
CN105233596B (zh) * | 2015-09-16 | 2017-11-24 | 河海大学常州校区 | 一种用于施工现场的空气灰尘净化系统及其工作方法 |
CN105573020A (zh) * | 2016-02-22 | 2016-05-11 | 宁波舜宇光电信息有限公司 | 具有捕尘结构的摄像模组 |
CN205721207U (zh) * | 2016-04-19 | 2016-11-23 | 上海博超联石智能科技有限公司 | 一种建筑工地扬尘监控系统 |
CN106203377B (zh) * | 2016-07-20 | 2017-11-28 | 西安科技大学 | 一种煤粉尘图像识别方法 |
CN206862837U (zh) * | 2017-05-25 | 2018-01-09 | 石家庄兆荣科技有限公司 | 一种具有联动降尘功能的扬尘在线监测装置 |
-
2018
- 2018-04-20 CN CN201810357651.4A patent/CN108845536B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108845536A (zh) | 2018-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108845536B (zh) | 一种基于视频技术的堆场扬尘实时检测和智能洒水降尘装置及方法 | |
CN103913468B (zh) | 生产线上大尺寸lcd玻璃基板的多视觉缺陷检测设备及方法 | |
CN109941700B (zh) | 输煤系统智能无人巡检系统 | |
AU2019222803A1 (en) | Volume measurement apparatus and method | |
CN106226157B (zh) | 混凝土构件裂缝自动检测装置及方法 | |
CN106290388A (zh) | 一种绝缘子故障自动检测方法 | |
CN103808723A (zh) | 一种柴油车烟气黑度自动检测装置 | |
CN112605033B (zh) | 一种光伏板姿态识别及清洗调控装置及方法 | |
CN104574389A (zh) | 基于彩色机器视觉的电池片色差分选控制方法 | |
CN103096121B (zh) | 一种摄像头移动检测方法及装置 | |
CN104056790A (zh) | 一种马铃薯智能分选方法与装置 | |
CN104394385A (zh) | 一种瓷砖质量在线检测装置及其检测方法 | |
CN105651776A (zh) | 基于计算机视觉的牛胴体产肉量自动分级装置与方法 | |
CN103303337B (zh) | 基于图像序列的铁路扣件自适应定位方法及高速探测系统 | |
CN109848073A (zh) | 一种分拣煤与煤矸石的设备与方法 | |
CN111591715A (zh) | 一种皮带纵向撕裂检测方法及装置 | |
CN101726498B (zh) | 基于视觉仿生的铜带表面质量智能检测装置及方法 | |
CN103090792A (zh) | 基于机器视觉的球销类不合格品的自动分检方法和装置 | |
CN105045314A (zh) | 一种堆场环保监测及洒水降尘预控系统 | |
CN113947731A (zh) | 一种基于接触网安全巡检的异物识别方法及系统 | |
CN115018872B (zh) | 一种用于市政施工的吸尘设备智能控制方法 | |
CN115941529A (zh) | 一种基于机器人的电缆隧道检测方法和系统 | |
CN107202797A (zh) | 非接触式连续热镀锌生产线带钢焊缝检测系统及其方法 | |
Zhang et al. | Belt Deviation Detection System Based on Deep Learning under Complex Working Conditions | |
CN113418987A (zh) | 一种运行状态下的钢轨在轨检测方法及其检测设备 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211209 Address after: 066099 No. 48 Haibin Road, Haigang District, Qinhuangdao City, Hebei Province Patentee after: HEBEI PORT GROUP DETECTION TECHNOLOGY CO.,LTD. Address before: No.438, west section of Hebei Street, Haigang District, Qinhuangdao City, Hebei Province Patentee before: Yanshan University |
|
TR01 | Transfer of patent right |