CN110889455B - 一种化工园巡检机器人的故障检测定位及安全评估方法 - Google Patents

一种化工园巡检机器人的故障检测定位及安全评估方法 Download PDF

Info

Publication number
CN110889455B
CN110889455B CN201911212978.3A CN201911212978A CN110889455B CN 110889455 B CN110889455 B CN 110889455B CN 201911212978 A CN201911212978 A CN 201911212978A CN 110889455 B CN110889455 B CN 110889455B
Authority
CN
China
Prior art keywords
fault
inspection
image
gas
visible light
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
CN201911212978.3A
Other languages
English (en)
Other versions
CN110889455A (zh
Inventor
王伟峰
李钊
邓军
刘强
姚涵文
刘韩飞
张方智
路翠珍
杨博
张宝宝
王志强
霍宇航
王旭阳
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.)
Xian University of Science and Technology
Original Assignee
Xian University of Science and Technology
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 Xian University of Science and Technology filed Critical Xian University of Science and Technology
Priority to CN201911212978.3A priority Critical patent/CN110889455B/zh
Publication of CN110889455A publication Critical patent/CN110889455A/zh
Application granted granted Critical
Publication of CN110889455B publication Critical patent/CN110889455B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Molecular Biology (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Computer Security & Cryptography (AREA)
  • Primary Health Care (AREA)
  • Manipulator (AREA)

Abstract

本发明涉及化工园区安全监测设备，具体涉及一种化工园巡检机器人的故障检测定位安全评估方法。其系统包括：服务器端、通信模块、主控制器、数据采集模块、导航模块及移动平台，述数据采集模块包括：双目可见光摄像头、热红外摄像头及激光气体测量仪。巡检机器人在巡检过程中将数据采集单元数据进行处理、融合和识别算法处理，判断是否存在故障；在巡检故障的同时收集巡检过程中的带位置信息的可见光图像，并在巡检完成之后，在各个区域抽取部分图像进行安全评分，本发明其巡检成本低，能够检测到大小故障及隐患，定位精度高，故障判断准确，可进行安全评估。

Description

一种化工园巡检机器人的故障检测定位及安全评估方法
技术领域
本发明涉及化工园区安全监测设备，具体涉及一种化工园巡检机器人的故障检测定位安全评估方法。
背景技术
随着我国工业化的发展，国内出现越来越多的化工园区，进年来化工园区的安全事故时有发生。虽然，化工园区也采用了定期巡检的方法去避免危险，然而由于巡检间隔长、巡检员马虎大意或偷懒旷工都会带来化工园区安全上的巨大风险，且化工园区巡检需要花费不小的人力成本。
化工园区的安全监测多采用单一传感器，例如管道检测多用次声波进行检测，这些检测方式定位精度非常低甚至到百米级别，而且能够检测到的泄漏或堵塞等的范围比较大，即在泄漏比较严重时才能监测出来，会带来很大的损失。
市面上也有针对化工园区的巡检机器人，但多采用铺设磁轨的方式进行机器人的导航，机器人只能通过循迹进行行走。一方面这种巡检方式铺设磁轨及后期运维成本比较大，另一方面，这种机器人配置的气体传感器种类较少，能检测到的范围比较小。因此，这类机器人容易漏报或误报。
总的来说，现有的化工园区多采用单一传感器检测、人工定时巡检的方式进行巡检，存在成本较大，不具备小故障或隐患检测能力，故障定位精度低。而市场上的化工园区巡检机器人存在气体检测种类和范围都很少，故障查全率和查准率都不太高。此外，这些巡检无法给予化工园区实时安全评估，使其更好的辅助工作人员进行有针对性的安全排查。
发明内容
为了克服以上问题，本发明提出一种化工园巡检机器人的故障检测定位及安全评估方法，其巡检成本低，能够检测到大小故障及隐患，定位精度高，故障判断准确，可进行安全评估。
为实现上述目的，本发明采用的技术方案是：
一种化工园巡检机器人，其特征在于，其系统包括：服务器端、通信模块、主控制器、数据采集模块、导航模块及移动平台，数据采集模块及导航模块将采集到的信息传送到主控制器，主控制器通过通信模块将信息传送到服务器端，同时也接收来自服务器端的指令，主控制器可将处理的信息呈现在移动平台，所述数据采集模块包括：双目可见光摄像头、热红外摄像头及激光气体测量仪。
一种化工园巡检机器人的故障检测及定位方法，其特征在于，所述方法包括以下步骤：
步骤一：使用基于NSCT的融合算法对红外热图像和可见光图像进行融合生成融合图像；
步骤二：设计实验平台，模拟化工园区常见故障，对融合图像进行故障区域及故障名称标识，制成样本集，使用Mask-RCNN神经网络算法对样本集进行训练生成故障识别模型；
步骤三：使用故障识别模型识别故障，若存在故障，进入步骤五；同时使用激光气体测量仪测量多种气体浓度，并根据知识库判断是否气体浓度异常，若异常进入步骤四，否则继续巡检直至巡检结束；
步骤四：若步骤三融合图像并未同时发现气体泄漏故障，以自身位置为原点激光气体测量仪测量范围为半径的圆区为异常区域，向服务器发送气体异常区域，异常气体种类及浓度，并返回步骤三，否则进入步骤五；
步骤五：使用仿射变换方法将异常区域分别映射到红外热图像和可见光图像上，在红外热图像上统计出异常区域的最高温度，使用双目可见光图进行视差处理得到视差图，映射异常区域到视差图上，视差图的异常区域除去最大深度值计算剩余深度均值得到距离，根据云台角度、自身位置及距离信息定位故障点，若故障类型为气体泄漏则进入步骤六，否则向服务器发送故障类型、故障定位及故障区域的最高温度，返回步骤三；
步骤六：使用激光气体测量仪测量泄漏气体，气体浓度变化最大的为泄漏气体，向服务器发送故障类型、故障定位、故障区域的最高温度、泄漏气体类型及泄漏气体浓度，返回步骤三。
一种化工园巡检机器人的安全评估方法，其特征在于，所述方法包括以下步骤：
步骤一：收集样本训练安全评估模型并导入巡检机器人；
步骤二：巡检机器人进行巡检，同时收集巡检过程中的带位置信息的可见光图像，若检测到故障发送给服务器，并根据知识库中故障的危险程度给与该区域分数惩罚，否则继续巡检至巡检接收进入步骤三；
步骤三：一次巡检结束后，等差抽取步骤二所述带位置信息的可见光图像，根据步骤一得到的安全评估模型对化工园区各个区域进行评分，并进入步骤四；
步骤四：将步骤三得到的各个区域安全评分叠加步骤二所述惩罚分数得到最终各区域安全评分，发送给服务器。
所述步骤一的具体方法为：
步骤一：收集大量化工园区图片样本；
步骤二：对图片样本进行0-100的评分；
步骤三：将评分及图片样本作为输入，使用卷积神经网络训练模型；
步骤四：对训练模型进行评测，若效果不佳，则改变参数或调整网络重新训练直到效果达标为止；
步骤五：将训练模型导入到巡检机器人的主控制器中。
与现有技术相比，本发明具有以下有益效果：
1.本发明的故障查全率及查准率较高。
2.本发明的故障诊断的信息非常详细，故障定位精度可达到厘米级别。
3.本发明提供一种安全评估系统，可在一次巡检完成之后对化工园区的每一个区域进行安全评分，使其可以有的放矢的进行化工园区安全改进。
附图说明
图1为本发明的化工园巡检机器人系统框图；
图2为本发明的故障诊断及定位流程图；
图3为本发明的安全评分模型建立流程图；
图4为本发明的安全评估流程图；
具体实施方式
为了更好理解本发明内容，下面根据具体实施方式，进一步说明本发明。
实施例一：
一种化工园巡检机器人，其特征在于，其系统包括：服务器端、通信模块、主控制器、数据采集模块、导航模块及移动平台，数据采集模块及导航模块将采集到的信息传送到主控制器，主控制器通过通信模块将信息传送到服务器端，同时也接收来自服务器端的指令，主控制器可将处理的信息呈现在移动平台，所述数据采集模块包括：双目可见光摄像头、热红外摄像头及激光气体测量仪。
一种化工园巡检机器人的故障检测及定位方法，其特征在于，所述方法包括以下步骤：
步骤一：使用基于NSCT的融合算法对红外热图像和可见光图像进行融合生成融合图像；
步骤二：设计实验平台，模拟化工园区常见故障，对融合图像进行故障区域及故障名称标识，制成样本集，使用Mask-RCNN神经网络算法对样本集进行训练生成故障识别模型；
步骤三：使用故障识别模型识别故障，若存在故障，进入步骤五；同时使用激光气体测量仪测量多种气体浓度，并根据知识库判断是否气体浓度异常，若异常进入步骤四，否则继续巡检直至巡检结束；
步骤四：若步骤三融合图像并未同时发现气体泄漏故障，以自身位置为原点激光气体测量仪测量范围为半径的圆区为异常区域，向服务器发送气体异常区域，异常气体种类及浓度，并返回步骤三，否则进入步骤五；
步骤五：使用放射变换方法将异常区域分别映射到红外热图像和可见光图像上，在红外热图像上统计出异常区域的最高温度，使用双目可见光图进行视差处理得到视差图，映射异常区域到视差图上，视差图的异常区域除去最大深度值计算剩余深度均值得到距离，根据云台角度、自身位置及距离信息定位故障点，若故障类型为气体泄漏则进入步骤六，否则向服务器发送故障类型、故障定位及故障区域的最高温度，返回步骤三；
步骤六：使用激光气体测量仪测量泄漏气体，气体浓度变化最大的为泄漏气体，向服务器发送故障类型、故障定位、故障区域的最高温度、泄漏气体类型及泄漏气体浓度，返回步骤三。
进一步地，步骤一中基于NSCT的融合算法对红外热图像和可将光图像进行融合生成融合图像：
首先要对红外图像和可见光图像进行进行多级多尺度分解，得到各级系数，红外热图像为CJ，可将光图像为DJ，低通分解采用窗口大小为m*n。
采用以下融合规则得到融合后NSCT变换系数
Figure GDA0004131071220000061
和
Figure GDA0004131071220000062
低通融合规则：
Figure GDA0004131071220000071
Figure GDA0004131071220000072
Figure GDA0004131071220000073
带通融合规则：
Figure GDA0004131071220000074
Figure GDA0004131071220000075
Figure GDA0004131071220000076
最后，对融合得到的低通子带系数
Figure GDA0004131071220000077
和带通方向子带系数
Figure GDA0004131071220000078
进行逆变换得到融合图像。
步骤六中将异常区域分别映射到红外热图像和可见光图像上：
融合图像上异常区域坐标为(x,y),融合图像大小为w*h，红外图像大小为m*n，映射后坐标为(i,j)，可见光图像大小为k*l，映射后坐标为(o,p)则有：
Figure GDA0004131071220000079
Figure GDA0004131071220000081
步骤六中使用双目可见光图进行视差处理得到视差图并得到深度：
图像上点坐标为(x,y)，自定区域范围为W，则有：
Figure GDA0004131071220000082
取C(x,y)最小点作为匹配点计算视差d。
双目可见光摄像头基线为b，焦距为f，深度为Z，则有：
Figure GDA0004131071220000083
实施例二：
一种化工园巡检机器人的安全评估方法，其特征在于，所述方法包括以下步骤：
步骤一：收集样本训练安全评估模型并导入巡检机器人；
步骤二：巡检机器人进行巡检，同时收集巡检过程中的带位置信息的可见光图像，若检测到故障发送给服务器，并根据知识库中故障的危险程度给与该区域分数惩罚，否则继续巡检至巡检接收进入步骤三；
步骤三：一次巡检结束后，等差抽取步骤二所述带位置信息的可见光图像，根据步骤一得到的安全评估模型对化工园区各个区域进行评分，并进入步骤四；
步骤四：将步骤三得到的各个区域安全评分叠加步骤二所述惩罚分数得到最终各区域安全评分，发送给服务器。
所述步骤一的具体方法为：
步骤一：收集大量化工园区图片样本；
步骤二：对图片样本进行0-100的评分；
步骤三：将评分及图片样本作为输入，使用卷积神经网络训练模型；
步骤四：对训练模型进行评测，若效果不佳，则改变参数或调整网络重新训练直到效果达标为止；
步骤五：将训练模型导入到巡检机器人的主控制器中。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种化工园巡检机器人的故障检测及定位方法，其化工园巡检机器人包括服务器端、通信模块、主控制器、数据采集模块、导航模块及移动平台，数据采集模块及导航模块将采集到的信息传送到主控制器，主控制器通过通信模块将信息传送到服务器端，同时也接收来自服务器端的指令，主控制器可将处理的信息呈现在移动平台，所述数据采集模块包括双目可见光摄像头、热红外摄像头及激光气体测量仪；其特征在于，所述方法包括以下步骤：
步骤一：使用基于NSCT的融合算法对红外热图像和可见光图像进行融合生成融合图像；
步骤二：设计实验平台，模拟化工园区常见故障，对融合图像进行故障区域及故障名称标识，制成样本集，使用Mask-RCNN神经网络算法对样本集进行训练生成故障识别模型；
步骤三：使用故障识别模型识别故障，若存在故障，进入步骤五；同时使用激光气体测量仪测量多种气体浓度，并根据知识库判断是否气体浓度异常，若异常进入步骤四，否则继续巡检直至巡检结束；
步骤四：若步骤三融合图像并未同时发现气体泄漏故障，以自身位置为原点激光气体测量仪测量范围为半径的圆区为异常区域，向服务器发送气体异常区域，异常气体种类及浓度，并返回步骤三，否则进入步骤五；
步骤五：使用放射变换方法将异常区域分别映射到红外热图像和可见光图像上，在红外热图像上统计出异常区域的最高温度，使用双目可见光图进行视差处理得到视差图，映射异常区域到视差图上，视差图的异常区域除去最大深度值计算剩余深度均值得到距离，根据云台角度、自身位置及距离信息定位故障点，若故障类型为气体泄漏则进入步骤六，否则向服务器发送故障类型、故障定位及故障区域的最高温度，返回步骤三；
步骤六：使用激光气体测量仪测量泄漏气体，气体浓度变化最大的为泄漏气体，向服务器发送故障类型、故障定位、故障区域的最高温度、泄漏气体类型及泄漏气体浓度，返回步骤三。
2.一种化工园巡检机器人的安全评估方法，其特征在于，所述方法包括以下步骤：
步骤一：收集样本训练安全评估模型并导入巡检机器人；
步骤二：巡检机器人进行巡检，同时收集巡检过程中的带位置信息的可见光图像，若检测到故障发送给服务器，并根据知识库中故障的危险程度给与该区域分数惩罚，否则继续巡检至巡检结束进入步骤三；
步骤三：一次巡检结束后，等差抽取步骤二所述带位置信息的可见光图像，根据步骤一得到的安全评估模型对化工园区各个区域进行评分，并进入步骤四；
步骤四：将步骤三得到的各个区域安全评分叠加步骤二所述惩罚分数得到最终各区域安全评分，发送给服务器。
3.根据权利要求2所述的一种化工园巡检机器人的安全评估方法，其特征在于，所述步骤一的具体方法为：
步骤一：收集大量化工园区图片样本；
步骤二：对图片样本进行0-100的评分；
步骤三：将评分及图片样本作为输入，使用卷积神经网络训练模型；
步骤四：对训练模型进行评测，若效果不佳，则改变参数或调整网络重新训练直到效果达标为止；
步骤五：将训练模型导入到巡检机器人的主控制器中。
CN201911212978.3A 2019-12-02 2019-12-02 一种化工园巡检机器人的故障检测定位及安全评估方法 Active CN110889455B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911212978.3A CN110889455B (zh) 2019-12-02 2019-12-02 一种化工园巡检机器人的故障检测定位及安全评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911212978.3A CN110889455B (zh) 2019-12-02 2019-12-02 一种化工园巡检机器人的故障检测定位及安全评估方法

Publications (2)

Publication Number Publication Date
CN110889455A CN110889455A (zh) 2020-03-17
CN110889455B true CN110889455B (zh) 2023-05-12

Family

ID=69749884

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911212978.3A Active CN110889455B (zh) 2019-12-02 2019-12-02 一种化工园巡检机器人的故障检测定位及安全评估方法

Country Status (1)

Country Link
CN (1) CN110889455B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111899211A (zh) * 2020-03-26 2020-11-06 中国铁建电气化局集团第二工程有限公司 基于图像和气味的变压器漏油故障检测系统及方法
CN111932558B (zh) * 2020-08-20 2024-04-16 湖北职业技术学院 高温危险区域定位方法
CN111985398B (zh) * 2020-08-20 2023-11-28 广州洪拓光电技术有限公司 红外辅助双目测距方法和距离补偿热值采集方法
CN111982300B (zh) * 2020-08-20 2024-01-23 湖北林青测控科技有限公司 区域危险目标热值定位采集系统和装置
CN112184661A (zh) * 2020-09-27 2021-01-05 国网上海市电力公司 一种基于图像融合深度学习模型的电力设备缺陷识别方法
CN112277004B (zh) * 2020-10-27 2022-02-11 中国计量大学 一种巡检机器人性能量化测评方法及系统
CN112164084B (zh) * 2020-12-01 2021-03-26 南京智谱科技有限公司 一种基于激光扫描生成二维激光点云图的方法及装置
CN112254902B (zh) * 2020-12-08 2021-04-06 南京智谱科技有限公司 基于激光和可见光扫描生成立体激光点云图的方法及装置
CN112734692B (zh) * 2020-12-17 2023-12-22 国网信息通信产业集团有限公司 一种变电设备缺陷识别方法及装置
CN113552889B (zh) * 2021-07-29 2024-08-27 苏州森合知库机器人科技有限公司 一种巷道场景下巡检机器人及其导航方法
CN113963513A (zh) * 2021-10-13 2022-01-21 公安部第三研究所 化工行业中实现智能巡检的机器人系统及其控制方法
CN117783051B (zh) * 2024-02-28 2024-06-14 西安尚展信息科技有限公司 一种基于多传感器数据融合的甲烷气体泄漏检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105259899A (zh) * 2015-12-01 2016-01-20 国网重庆市电力公司电力科学研究院 一种变电站巡检机器人的控制系统
WO2018107916A1 (zh) * 2016-12-14 2018-06-21 南京阿凡达机器人科技有限公司 一种基于环境地图的机器人安防巡检方法及其机器人
CN110082782A (zh) * 2019-04-17 2019-08-02 深圳易普森科技股份有限公司 一种危化品园区巡检系统及其实现方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105259899A (zh) * 2015-12-01 2016-01-20 国网重庆市电力公司电力科学研究院 一种变电站巡检机器人的控制系统
WO2018107916A1 (zh) * 2016-12-14 2018-06-21 南京阿凡达机器人科技有限公司 一种基于环境地图的机器人安防巡检方法及其机器人
CN110082782A (zh) * 2019-04-17 2019-08-02 深圳易普森科技股份有限公司 一种危化品园区巡检系统及其实现方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
电力线路巡检系统信息分析软件的设计与实现;邵志一等;《电网技术》(第12期);全文 *

Also Published As

Publication number Publication date
CN110889455A (zh) 2020-03-17

Similar Documents

Publication Publication Date Title
CN110889455B (zh) 一种化工园巡检机器人的故障检测定位及安全评估方法
CN108507949B (zh) 一种基于高分遥感卫星的河道水质监测方法
CN110850723B (zh) 一种基于变电站巡检机器人系统的故障诊断及定位方法
CN109829908B (zh) 基于双目影像的电力线下方地物安全距离检测方法及设备
CN112116566B (zh) 一种基于高光谱遥感技术的陆上油气管道缺陷诊断方法
CN102135236A (zh) 双目视觉管道内壁自动无损检测方法
CN106774419A (zh) 用于火力发电厂锅炉的无人机巡检系统及巡检方法
CN105447444A (zh) 一种基于差分窗和模板匹配的otdr事件分析算法
CN111913171A (zh) 一种低空红外目标精确定位方法及系统
CN111590559A (zh) 一种防爆巡检任务控制方法、存储介质及机器人
CN105372650A (zh) 一种无人机飞行航迹精度检测方法及装置
CN110992418B (zh) 一种导线覆冰厚度监测系统及方法
CN112446543A (zh) 基于神经网络的城市地下综合管廊风险管控系统及方法
CN112818806A (zh) 一种基于深度学习的变电站巡检机器人辅助导航方法
CN114941807A (zh) 一种基于无人机的热力管道泄漏快速监测与定位方法
CN116862887A (zh) 基于激光扫描和红外成像的气体泄漏定量检测方法及系统
CN114112972B (zh) 一种密闭空间sf6气体泄漏红外遥测装置及其成像定位方法
CN117152727A (zh) 一种用于巡检机器人的指针式仪表自动读数方法
CN111767913A (zh) 一种基于深度学习的动车组车辆故障动态图像检测方法
CN113203841B (zh) 基于多传感器协同的有害气体检测系统及方法
CN117853295A (zh) 一种基于工业互联和数字全景的安全环保应急系统
CN118012087A (zh) 无人机协同巡检方法、装置、设备及存储介质
CN117313969A (zh) 变电站机器人巡视路径优化方法及装置
CN114310935B (zh) 基于巡检机器人的轨道状态检测系统、机器人以及方法
CN116363397A (zh) 设备故障排查方法、装置及巡检系统

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