CN110040470B - 一种人工智能视频识别皮带跑偏的监测方法 - Google Patents

一种人工智能视频识别皮带跑偏的监测方法 Download PDF

Info

Publication number
CN110040470B
CN110040470B CN201910421387.0A CN201910421387A CN110040470B CN 110040470 B CN110040470 B CN 110040470B CN 201910421387 A CN201910421387 A CN 201910421387A CN 110040470 B CN110040470 B CN 110040470B
Authority
CN
China
Prior art keywords
belt
tracking
tracking target
target
shielded
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
CN201910421387.0A
Other languages
English (en)
Other versions
CN110040470A (zh
Inventor
吴喆峰
曹凌基
朱晓宁
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.)
Jingying Digital Technology Co Ltd
Original Assignee
Jingying Digital Technology 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 Jingying Digital Technology Co Ltd filed Critical Jingying Digital Technology Co Ltd
Priority to CN201910421387.0A priority Critical patent/CN110040470B/zh
Publication of CN110040470A publication Critical patent/CN110040470A/zh
Application granted granted Critical
Publication of CN110040470B publication Critical patent/CN110040470B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
    • B65G43/02—Control devices, e.g. for safety, warning or fault-correcting detecting dangerous physical condition of load carriers, e.g. for interrupting the drive in the event of overheating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
    • B65G2203/02—Control or detection
    • B65G2203/0266—Control or detection relating to the load carrier(s)
    • B65G2203/0283—Position of the load carrier
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
    • B65G2203/04—Detection means
    • B65G2203/041—Camera

Landscapes

  • Alarm Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种人工智能视频识别皮带跑偏的监测方法，包括以下步骤：先在皮带两侧框选不少于两个托辊作为两个以上的跟踪目标，再通过矿用高清防爆摄像机实时采集跟踪目标视频，矿用高清防爆摄像机通过网络实时将跟踪目标视频传递给服务器，服务器通过人工智能视频识别模型分析跟踪目标视频，当跟踪目标被遮档，检测是否是皮带遮挡了跟踪目标，检测结果是皮带造成的遮挡确定皮带跑偏，检测结果不是皮带造成的遮挡不判定为皮带跑偏。本发明旨在利用人工智能技术解决皮带运行检测问题，在皮带运行过程出现皮带跑偏现象及时发现和报警，适用于各种皮带运输场景，减少人工对现有检测传感器的定时效对操作，从而确保煤矿作业安全，同时减少人力、时间的浪费。

Description

一种人工智能视频识别皮带跑偏的监测方法
技术领域
本发明属于皮带运输监测领域，具体涉及一种人工智能视频识别皮带跑偏的监测方法。
背景技术
输送煤皮带机是煤矿运输物料的主要设备。在皮带机长时间运行过程中，皮带跑偏是经常发生的故障。当皮带跑偏达到一定程度时，皮带会触发用于防偏的急停装置，造成作业系统停机，影响生产进程；造成设备主要部件的非正常损坏；容易形成安全隐患；由于皮带严重跑偏，造成皮带翻卷物料，致使皮带单侧受力超过皮带纵向拉断力，从而引起皮带横向撕裂等安全隐患，因此皮带跑偏的及时发现及处理显的极为重要。
目前业内主要皮带跑偏检测手段通过跑偏开关传感器，跑偏保护装置来确定跑偏并对跑偏进行处理。井工开采多为地下作业，皮带的工作环境复杂传统传感器存在主要问题：相互干扰受相邻传感器磁性或静电容量的影响，输出处于不稳定的状态；保护传感器因电路的运行而有少量的电流泄漏,因此，会发生负载内残留少量电流（负载残留电压），负载的复位不良；根据检测物体的材料不同，其检测距离有着显著的差别，一般检测物体为非磁性金属（例如铝等），那么检测距离会变小；皮带跑偏开关与保护装置需要人员定期进行校对和测试，对传感器进行校对检测影响生产作业效率，且井下路途一般较远，费时费力，对人力和时间成本都是负担；传感器容易受污渍、油、水等影响,生产环境相对复杂容易出现误检。
发明内容
为了克服现有技术费时费力且安全性及稳定性弱的缺陷，本发明提出了一种省时省力且能够实时监测皮带跑偏的人工智能视频识别皮带跑偏的监测方法。
本发明为了实现上述目的所采用的技术方案是:
一种人工智能视频识别皮带跑偏的监测方法，包括以下步骤：先在皮带两侧框选不少于两个托辊作为两个以上的跟踪目标，再通过矿用高清防爆摄像机实时采集跟踪目标视频，矿用高清防爆摄像机通过网络实时将跟踪目标视频传递给服务器，服务器通过人工智能视频识别模型分析跟踪目标视频，当跟踪目标被遮档，检测是否是皮带遮挡了跟踪目标，检测结果是皮带造成的遮挡确定皮带跑偏，检测结果不是皮带造成的遮挡不判定为皮带跑偏。
优选的，所述跟踪目标为皮带两侧框选不少于两个托辊外侧末端。
进一步地，所述人工智能视频识别模型采用的是鉴别式跟踪法，所述鉴别式跟踪法是在皮带运输过程中追踪训练一个目标检测器，所述目标检测器包括提前预设在皮带上的两个以上跟踪目标作为两个以上锚点及跟踪目标遮挡时间，当两个以上锚点被遮档或两个以上锚点同时被遮挡，从而丢失两个以上锚点超过跟踪目标遮挡时间，确定跟踪目标被遮挡，使用目标检测器去检测跟踪目标视频下一帧预测位置是否是跟踪目标，然后使用新检测结果去更新训练集进而更新目标检测器。
优选的，所述跟踪目标遮挡时间为1-10s。
进一步地，所述检测是否是皮带遮挡了跟踪目标采用以下步骤：一个跟踪目标被遮档或两个以上跟踪目标同时被遮挡，服务器会提取遮挡锚点周围半径100px-300px影像，并把报警图片传递给图像分类算法进行进一步甄别，图像分类算法接收报警视频帧分析遮挡跟踪目标物体是否为皮带，是则报警，否则排除误报。所述图像分类算法可以运用的是KNN、SVM、BPNN、CNN和迁移学习等。
进一步地，所述跟踪目标依照框选区域的大小分为跟踪目标安全区域、跟踪目标预警区域、跟踪目标报警区域，所述跟踪目标区域小于跟踪目标预警区域，跟踪目标预警区域小于跟踪目标安全区域。
优选的，所述矿用高清防爆摄像机安装于运输斜井巷道顶部处于皮带正上方，朝向迎头位置，能够拍摄整个皮带运行区域且画面水平。
进一步地，所述服务器还与报警器连接。在皮带跑偏时，服务器同时向报警器传递信号，报警器报警及时通知工作人员处理皮带跑偏。
本发明旨在利用人工智能技术解决皮带运行检测问题，在皮带运行过程出现皮带跑偏现象及时发现和报警，适用于各种皮带运输场景，减少人工对现有检测传感器的定时效对操作，从而确保煤矿作业安全，同时减少人力、时间的浪费。
附图说明
现在参考附图对本发明作进一步描述，其中：
图1为矿用高清防爆摄像头安装俯视图；
图2为跟踪目标取景示意图；
图3为皮带正常运行示意图；
图4为皮带预警示意图；
附图标记说明：1、矿用高清防爆摄像机，2、皮带，3、托辊，4、跟踪目标。
具体实施方式
实施例1
如图1至4所示，本实施例的人工智能视频识别皮带跑偏的监测方法，先在皮带2两侧框选不少于两个托辊3作为两个以上的跟踪目标4，再通过矿用高清防爆摄像机1实时采集跟踪目标视频，矿用高清防爆摄像机1通过网络实时将跟踪目标视频传递给服务器，服务器通过人工智能视频识别模型分析跟踪目标视频，当跟踪目标4被遮档，检测是否是皮带2遮挡了跟踪目标4，检测结果是皮带2造成的遮挡确定皮带2跑偏，检测结果不是皮带2造成的遮挡不判定为皮带2跑偏。
优选的，所述跟踪目标4为皮带两侧框选不少于两个托辊外侧末端。
进一步地，所述人工智能视频识别模型采用的是鉴别式跟踪法，所述鉴别式跟踪法是在皮带2运输过程中追踪训练一个目标检测器，所述目标检测器包括提前预设在皮带2上的两个以上跟踪目标4作为两个以上锚点及跟踪目标遮挡时间，当两个以上锚点被遮档或两个以上锚点同时被遮挡，从而丢失两个以上锚点超过跟踪目标遮挡时间，确定跟踪目标4被遮挡，使用目标检测器去检测跟踪目标4视频下一帧预测位置是否是跟踪目标4，然后使用新检测结果去更新训练集进而更新目标检测器。
优选的，所述跟踪目标遮挡时间为1s。
进一步地，所述检测是否是皮带2遮挡了跟踪目标4采用以下步骤：一个跟踪目标4被遮档或两个以上跟踪目标4同时被遮挡时，服务器会提取遮挡锚点周围半径100px影像，并把报警图片传递给图像分类算法进行进一步甄别，图像分类算法接收报警视频帧分析遮挡跟踪目标4物体是否为皮带2，是则报警，否则排除误报。所述图像分类算法运用的是KNN、SVM、BPNN、CNN和迁移学习等。
进一步地，所述跟踪目标4依照框选区域的大小分为跟踪目标4安全区域、跟踪目标预警区域、跟踪目标报警区域，所述跟踪目标区域小于跟踪目标预警区域，跟踪目标预警区域小于跟踪目标安全区域。
优选的，所述矿用高清防爆摄像机1安装于运输斜井巷道顶部处于皮带2正上方，朝向迎头位置，能够拍摄整个皮带2运行区域且画面水平。
进一步地，所述服务器还与报警器连接。在皮带2跑偏时，服务器同时向报警器传递信号，报警器报警及时通知工作人员处理皮带2跑偏。
实施例2
如图1至4所示，本实施例的人工智能视频识别皮带跑偏的监测方法，先在皮带2两侧框选不少于两个托辊3外侧末端作为两个以上的跟踪目标4，再通过矿用高清防爆摄像机1实时采集跟踪目标视频，矿用高清防爆摄像机1通过网络实时将跟踪目标视频传递给服务器，服务器通过人工智能视频识别模型分析跟踪目标视频，当跟踪目标4被遮档，检测是否是皮带2遮挡了跟踪目标4，检测结果是皮带2造成的遮挡确定皮带2跑偏，检测结果不是皮带2造成的遮挡不判定为皮带2跑偏。
优选的，所述跟踪目标4为皮带两侧框选不少于两个托辊外侧末端。
进一步地，所述人工智能视频识别模型采用的是鉴别式跟踪法，所述鉴别式跟踪法是在皮带2运输过程中追踪训练一个目标检测器，所述目标检测器包括提前预设在皮带2上的两个以上跟踪目标4作为两个以上锚点及跟踪目标遮挡时间，当两个以上锚点被遮档或两个以上锚点同时被遮挡，从而丢失两个以上锚点超过跟踪目标遮挡时间，确定跟踪目标4被遮挡，使用目标检测器去检测跟踪目标4视频下一帧预测位置是否是跟踪目标4，然后使用新检测结果去更新训练集进而更新目标检测器。
优选的，所述跟踪目标遮挡时间为5s。
进一步地，所述检测是否是皮带2遮挡了跟踪目标4采用以下步骤：一个跟踪目标4被遮档或两个以上跟踪目标4同时被遮挡时，服务器会提取遮挡锚点周围半径200px影像，并把报警图片传递给图像分类算法进行进一步甄别，图像分类算法接收报警视频帧分析遮挡跟踪目标4物体是否为皮带2，是则报警，否则排除误报。所述图像分类算法运用的是KNN、SVM、BPNN、CNN和迁移学习等。
进一步地，所述跟踪目标4依照框选区域的大小分为跟踪目标4安全区域、跟踪目标预警区域、跟踪目标报警区域，所述跟踪目标区域小于跟踪目标预警区域，跟踪目标预警区域小于跟踪目标安全区域。
优选的，所述矿用高清防爆摄像机1安装于运输斜井巷道顶部处于皮带2正上方，朝向迎头位置，能够拍摄整个皮带2运行区域且画面水平。
进一步地，所述服务器还与报警器连接。在皮带2跑偏时，服务器同时向报警器传递信号，报警器报警及时通知工作人员处理皮带2跑偏。
实施例3
如图1至4所示，本实施例的人工智能视频识别皮带跑偏的监测方法，先在皮带2两侧框选不少于两个托辊3外侧末端作为两个以上的跟踪目标4，再通过矿用高清防爆摄像机1实时采集跟踪目标视频，矿用高清防爆摄像机1通过网络实时将跟踪目标视频传递给服务器，服务器通过人工智能视频识别模型分析跟踪目标视频，当跟踪目标4被遮档，检测是否是皮带2遮挡了跟踪目标4，检测结果是皮带2造成的遮挡确定皮带2跑偏，检测结果不是皮带2造成的遮挡不判定为皮带2跑偏。
优选的，所述跟踪目标4为皮带两侧框选不少于两个托辊外侧末端。
进一步地，所述人工智能视频识别模型采用的是鉴别式跟踪法，所述鉴别式跟踪法是在皮带2运输过程中追踪训练一个目标检测器，所述目标检测器包括提前预设在皮带2上的两个以上跟踪目标4作为两个以上锚点及跟踪目标遮挡时间，当两个以上锚点被遮档或两个以上锚点同时被遮挡，从而丢失两个以上锚点超过跟踪目标遮挡时间，确定跟踪目标4被遮挡，使用目标检测器去检测跟踪目标4视频下一帧预测位置是否是跟踪目标4，然后使用新检测结果去更新训练集进而更新目标检测器。
优选的，所述跟踪目标遮挡时间为10s。
进一步地，所述检测是否是皮带2遮挡了跟踪目标4采用以下步骤：一个跟踪目标4被遮档或两个以上跟踪目标4同时被遮挡时，服务器会提取遮挡锚点周围半径300px影像，并把报警图片传递给图像分类算法进行进一步甄别，图像分类算法接收报警视频帧分析遮挡跟踪目标4物体是否为皮带2，是则报警，否则排除误报。所述图像分类算法运用的是KNN、SVM、BPNN、CNN和迁移学习等。
进一步地，所述跟踪目标4依照框选区域的大小分为跟踪目标4安全区域、跟踪目标预警区域、跟踪目标报警区域，所述跟踪目标区域小于跟踪目标预警区域，跟踪目标预警区域小于跟踪目标安全区域。
优选的，所述矿用高清防爆摄像机1安装于运输斜井巷道顶部处于皮带2正上方，朝向迎头位置，能够拍摄整个皮带2运行区域且画面水平。
进一步地，所述服务器还与报警器连接。在皮带2跑偏时，服务器同时向报警器传递信号，报警器报警及时通知工作人员处理皮带2跑偏。

Claims (7)

1.一种人工智能视频识别皮带跑偏的监测方法，其特征在于，包括以下步骤：先在皮带两侧框选不少于两个托辊作为两个以上的跟踪目标，再通过矿用高清防爆摄像机实时采集跟踪目标视频，矿用高清防爆摄像机通过网络实时将跟踪目标视频传递给服务器，服务器通过人工智能视频识别模型分析跟踪目标视频，当跟踪目标被遮档，检测是否是皮带遮挡了跟踪目标，检测结果是皮带造成的遮挡确定皮带跑偏，检测结果不是皮带造成的遮挡不判定为皮带跑偏；
所述人工智能视频识别模型采用的是鉴别式跟踪法，所述鉴别式跟踪法是在皮带运输过程中追踪训练一个目标检测器，所述目标检测器包括提前预设在皮带上的两个以上跟踪目标作为两个以上锚点及跟踪目标遮挡时间，当两个以上锚点被遮档或两个以上锚点同时被遮挡，从而丢失两个以上锚点超过跟踪目标遮挡时间，确定跟踪目标被遮挡，使用目标检测器去检测跟踪目标视频下一帧预测位置是否是跟踪目标，然后使用新检测结果去更新训练集进而更新目标检测器。
2.根据权利要求1所述的人工智能视频识别皮带跑偏的监测方法，其特征在于，所述跟踪目标遮挡时间为1-10s。
3.根据权利要求1所述的人工智能视频识别皮带跑偏的监测方法，其特征在于，所述跟踪目标为皮带两侧框选不少于两个托辊外侧末端。
4.根据权利要求1所述的人工智能视频识别皮带跑偏的监测方法，其特征在于，所述检测是否是皮带遮挡了跟踪目标采用以下步骤：一个跟踪目标被遮档或两个以上跟踪目标同时被遮挡，服务器会提取遮挡锚点周围半径100px-300px影像，并把报警图片传递给图像分类算法进行进一步甄别，图像分类算法接收报警视频帧分析遮挡跟踪目标物体是否为皮带，是则报警，否则排除误报。
5.根据权利要求1所述的人工智能视频识别皮带跑偏的监测方法，其特征在于，所述跟踪目标依照框选区域的大小分为跟踪目标安全区域、跟踪目标预警区域、跟踪目标报警区域，所述跟踪目标区域小于跟踪目标预警区域，跟踪目标预警区域小于跟踪目标安全区域。
6.根据权利要求1所述的人工智能视频识别皮带跑偏的监测方法，其特征在于，所述矿用高清防爆摄像机安装于运输斜井巷道顶部处于皮带正上方，朝向迎头位置，能够拍摄整个皮带运行区域且画面水平。
7.根据权利要求1所述的人工智能视频识别皮带跑偏的监测方法，其特征在于，所述服务器还与报警器连接。
CN201910421387.0A 2019-05-21 2019-05-21 一种人工智能视频识别皮带跑偏的监测方法 Active CN110040470B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910421387.0A CN110040470B (zh) 2019-05-21 2019-05-21 一种人工智能视频识别皮带跑偏的监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910421387.0A CN110040470B (zh) 2019-05-21 2019-05-21 一种人工智能视频识别皮带跑偏的监测方法

Publications (2)

Publication Number Publication Date
CN110040470A CN110040470A (zh) 2019-07-23
CN110040470B true CN110040470B (zh) 2021-04-13

Family

ID=67282824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910421387.0A Active CN110040470B (zh) 2019-05-21 2019-05-21 一种人工智能视频识别皮带跑偏的监测方法

Country Status (1)

Country Link
CN (1) CN110040470B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110428589B (zh) * 2019-07-29 2020-08-21 精英数智科技股份有限公司 监控方法、装置、设备和存储介质
CN110422586B (zh) * 2019-07-30 2021-04-06 精英数智科技股份有限公司 一种皮带运输机工作状态监测方法、装置及设备
CN110490995B (zh) * 2019-08-26 2021-08-17 精英数智科技股份有限公司 一种皮带运行状态异常监测方法、系统、设备及存储介质
CN110902315B (zh) * 2019-12-10 2022-04-01 浙江蓝卓工业互联网信息技术有限公司 皮带偏移状态检测方法及系统
CN111432179A (zh) * 2020-04-26 2020-07-17 上海发电设备成套设计研究院有限责任公司 基于计算机视觉的输煤皮带智能巡检系统及方法
CN111681208B (zh) * 2020-05-08 2023-08-22 浙江大华技术股份有限公司 漏装零件检测方法、装置、计算机设备和存储介质
CN113086549A (zh) * 2021-03-01 2021-07-09 广东能源集团科学技术研究院有限公司 一种火电厂输煤皮带多智能体协同监测系统
CN113306989B (zh) * 2021-05-28 2022-11-22 华能国际电力股份有限公司营口电厂 一种电厂输煤系统皮带输送机跑偏及时检测方法
CN114084613B (zh) * 2021-11-18 2023-11-07 北京华能新锐控制技术有限公司 输煤皮带跑偏检测系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103281515A (zh) * 2013-05-10 2013-09-04 山东华辉自动化设备有限公司 一种可调控巡检式运输皮带无线视频监控系统
CN203652673U (zh) * 2013-12-24 2014-06-18 北京富力通能源软件技术有限公司 皮带跑偏预警装置
CN106990109B (zh) * 2017-03-23 2019-09-06 中国矿业大学 一种基于多摄像头判定的井下皮带异物检测系统及方法
CN109230351B (zh) * 2018-08-30 2020-06-16 精英数智科技股份有限公司 一种皮带输送机运行异常的识别方法

Also Published As

Publication number Publication date
CN110040470A (zh) 2019-07-23

Similar Documents

Publication Publication Date Title
CN110040470B (zh) 一种人工智能视频识别皮带跑偏的监测方法
CN110053943B (zh) 一种人工智能视频识别皮带堆煤的监测方法
CN110422586B (zh) 一种皮带运输机工作状态监测方法、装置及设备
CN107043000A (zh) 一种基于机器视觉的皮带运输机安全智能保障系统
CN110589405A (zh) 用于带式输送机巡检机器人的托辊异常检测系统及方法
CN104792796A (zh) 基于机器视觉的矿用胶带运行工况在线监测系统
CN110057198B (zh) 烧结机台车轮工作状态检测方法及检测装置
CN104454011A (zh) 基于图像的采煤工作面冲击地压报警方法
CN202272472U (zh) 一种用于监控输煤系统的输煤皮带上大块煤的系统
CN104670845A (zh) 皮带运输机堆积、撕裂智能检测装置
CN114104653A (zh) 一种输煤仓区域输煤皮带机智能巡检检测方法
CN114140733A (zh) 一种基于视频的皮带运行状态检测方法
CN206569654U (zh) 一种输送带纵向撕裂检测装置
CN116534530A (zh) 一种原煤运输多级保护系统及方法
CN102749029B (zh) 一种沿轨道直线运行设备的监控装置
CN103910181B (zh) 基于红外视觉的胶带纵向撕裂检测预警方法
CN210220663U (zh) 烧结机台车轮工作状态检测装置
CN209923373U (zh) 高炉风口设备及其周边炉体内衬侵蚀状态巡检系统
CN113772364B (zh) 一种皮带输送机跑偏检测装置的自动调整方法
CN204489907U (zh) 皮带运输机堆积、撕裂智能检测装置
CN214398635U (zh) 输送带撕裂监测装置和带有撕裂监测装置的输送线
CN104992427A (zh) 一种基于机器学习的运煤火车错钩检测系统及方法
CN210515600U (zh) 一种基于三维图像及智能视频技术的人员安全检测系统
CN111846840B (zh) 一种皮带设备运行全生命周期监控系统与方法
CN107609498A (zh) 一种计算机监控系统的数据处理方法

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