CN110956077A - 基于配电站房防误操作及作业安全的方法 - Google Patents
基于配电站房防误操作及作业安全的方法 Download PDFInfo
- Publication number
- CN110956077A CN110956077A CN201910950592.6A CN201910950592A CN110956077A CN 110956077 A CN110956077 A CN 110956077A CN 201910950592 A CN201910950592 A CN 201910950592A CN 110956077 A CN110956077 A CN 110956077A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- power distribution
- distribution station
- station room
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000012423 maintenance Methods 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000000977 initiatory effect Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000002787 reinforcement Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 230000002265 prevention Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于配电站房防误操作及作业安全的方法，包括以下步骤：步骤S1:根据配电站房运维操作流程，设定相应的站房操作流程；步骤S2:获取配电站房的作业人员的待检测图像,并预处理；步骤S3:利用姿态估计方法获取人体的形态；步骤S4:根进行行人属性分析，得到全局特征和局部特征；步骤S5:使用多层特征的方法进行全局特征和局部特征的分别处理与判断，判断作业人员操作中的着装是否规范;步骤S6:根据待检测图像的间距信息，进行匹配分析判断作业人员的作业间隔是否正确；步骤S7:根据预设的站房操作流程，通过设备仪表状态判断作业人员操作步骤是否规范。本发明能够快速有效的判断配电站作业人员操作是否规范，并及时告警。
Description
技术领域
本发明涉及电力系统防误领域，具体涉及一种基于配电站房防误操作及作业安全的方法。
背景技术
随着电力工业的飞速发展，电力供需矛盾发生了很大的变化，特别是随着电力企业改革的进一步加速，如何利用高新科技手段来适应市场经济，如何提高效率，降低成本，实现高效优质服务，已经成为实现用电营销现代化的重要任务。长期以来，配电房管理工作一直是供电系统运行管理的可靠性的薄弱环节之一，一些配电房开关跳闸和配电房环境过热影响设备运行、配电房浸水导致设备损坏、配电房设备被盗等，既容易烧毁设备，也容易影响用户正常的用电情况，而这些故障却常常被人们忽视。但多年来，由于低压配电网络缺乏这方面的检测手段，一般都在每年或每季的几个典型日，由工作人员逐个测量配电装置及巡检，但由于工作人员技术水平不一，导致检修及巡查时容易产生误操作，导致站房不能正常工作，损失巨大。
发明内容
有鉴于此，本发明的目的在于提供一种基于配电站房防误操作及作业安全的方法。
为实现上述目的，本发明采用如下技术方案：
一种基于配电站房防误操作及作业安全的方法，包括以下步骤：
步骤S1:根据配电站房运维操作流程，设定相应的站房操作流程；
步骤S2:获取配电站房的作业人员的待检测图像,并对获取的待检测图像进行预处理；
步骤S3:根据预处理后的待检测图像，利用姿态估计方法获取人体的形态；
步骤S4:根据预处理后的待检测图像，进行行人属性分析，得到全局特征和局部特征；
步骤S5:使用多层特征的方法进行全局特征和局部特征的分别处理与判断，判断作业人员操作中的着装是否规范;
步骤S6:根据待检测图像的间距信息，进行匹配分析判断作业人员的作业间隔是否正确；
步骤S7:根据预设的站房操作流程，通过设备仪表状态判断作业人员操作步骤是否规范。
进一步的，所述步骤S2具体为：
步骤S21:获取配电站房的作业人员的待检测图像；
步骤S22:对待检测图像进行阈值化处理，获取二值图像；
步骤S23：根进行轮廓提取，获取待检测图像的形状和尺寸特征；
步骤S24:进行颜色分割，获取待检测图像的颜色特征；
步骤S25:利用DensePose每秒多帧的速度在每个人体区域内密集地回归特定部位的UV坐标;
步骤S26：将待检测图像像素通过卷积网络映射到密集网格，从而决定每个像素在表面的位置以及它所在部分相对应的2D参数。
进一步的，所述步骤S3具体为：根据预处理后的待检测图像采用OpenPose算法，多人身体、面部和手部形态进行实时估计。
进一步的，所述步骤S4具体为：
步骤S41:构建一个主网络与若干分网络；
步骤S42:主网络负责图像的基础特征提取，并和最终的全连接结果汇总；分网络负责在不同的抽象水平上提取特征；
步骤S43:使用低抽象水平获取局部特征，通过高抽象水平获取全局特征。
进一步的，所述步骤S5具体为：
步骤S51:根据得到的全局特征和局部特征，使用MDA模块增强；每个MDA模块，有一条注意力生成链接，三条注意力特征构造链接;不同的MDA模块，注意力图由不同的inception模块生成，之后乘到不同层的特征图，生成不同层在注意特征;
步骤S52:通过MDA生成的不同层注意特征模块获取全局特征，以全局特征判断人，以局部特征判断人的着装规范行为。
进一步的，所述步骤S7具体为：
步骤S71:获取模板图像特征，根据模板图像特征进行建模；
步骤S72:根据待检测图像所属模型及特征，对目标区域图像进行状态分析，获取配电站房设备的实时运行状态和数据;
步骤S73:根据预设操作流程，判断此时运行数据是否正确，如不正确，发出告警信息
步骤S74:对模板图像进行阈值化处理，获取模板图像的二值图像；
步骤S75:根据模板图像的二值图像进行轮廓提取，获取模板图像的形状和尺寸特征；
步骤S76:根据模板图像的形状和尺寸特征，构建判断模型
步骤S77:待检测的设备图像输入判断模型，提取待检测图像的形状、颜色、尺寸、线条特征；
步骤S78:根据，待检测图像的形状、颜色、尺寸、线条特征判断当前操作设备的运行状态，如有误，发出告警。
本发明与现有技术相比具有以下有益效果：
本发明根据人行状态、数据及运行状态的识别，能够有效的防止误操作。
附图说明
图1是本发明方法流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1，本发明提供一种基于配电站房防误操作及作业安全的方法，包括以下步骤：
步骤S1:根据配电站房运维操作流程，设定相应的站房操作流程；
步骤S2:获取配电站房的作业人员的待检测图像,并对获取的待检测图像进行预处理；
步骤S3:根据预处理后的待检测图像，利用姿态估计方法获取人体的形态；
步骤S4:根据预处理后的待检测图像，进行行人属性分析，得到全局特征和局部特征；
步骤S5:使用多层特征的方法进行全局特征和局部特征的分别处理与判断，判断作业人员操作中的着装是否规范;
步骤S6:根据待检测图像的间距信息，进行匹配分析判断作业人员的作业间隔是否正确；
步骤S7:根据预设的站房操作流程，通过设备仪表状态判断作业人员操作步骤是否规范。
在本实施例中，所述步骤S2具体为：
步骤S21:获取配电站房的作业人员的待检测图像；
步骤S22:对待检测图像进行阈值化处理，获取二值图像；
步骤S23：根进行轮廓提取，获取待检测图像的形状和尺寸特征；
步骤S24:进行颜色分割，获取待检测图像的颜色特征；
步骤S25:利用DensePose每秒多帧的速度在每个人体区域内密集地回归特定部位的UV坐标;
步骤S26：将待检测图像像素通过卷积网络映射到密集网格，从而决定每个像素在表面的位置以及它所在部分相对应的2D参数。
在本实施例中，所述步骤S3具体为：根据预处理后的待检测图像采用OpenPose算法，多人身体、面部和手部形态进行实时估计。
在本实施例中，所述步骤S4具体为：
步骤S41:构建一个主网络与若干分网络；
步骤S42:主网络负责图像的基础特征提取，并和最终的全连接结果汇总；分网络负责在不同的抽象水平上提取特征；
步骤S43:使用低抽象水平获取局部特征，通过高抽象水平获取全局特征。
在本实施例中，所述步骤S5具体为：
步骤S51:根据得到的全局特征和局部特征，使用MDA模块增强；每个MDA模块，有一条注意力生成链接，三条注意力特征构造链接;不同的MDA模块，注意力图由不同的inception模块生成，之后乘到不同层的特征图，生成不同层在注意特征;
步骤S52:通过MDA生成的不同层注意特征模块获取全局特征，以全局特征判断人，以局部特征判断人的着装规范行为。
在本实施例中，所述步骤S7具体为：
步骤S71:获取模板图像特征，根据模板图像特征进行建模；
（1）对模板图像进行阈值化处理，获取二值图像；
（2）根据二值图像进行轮廓提取，获取模板图像的形状和尺寸特征；
（3）对模板图像进行颜色分割，获取模板图像的颜色特征；
（4）利用改进的边缘检测算法对模板图像进行快速边缘检测，获取模板图像的线条特征；
（5）根据上述模板图像特征实现建模。
步骤S72:根据待检测图像所属模型及特征，对目标区域图像进行状态分析，获取配电站房设备的实时运行状态和数据;
步骤S73:根据预设操作流程，判断此时运行数据是否正确，如不正确，发出告警信息
步骤S74:对模板图像进行阈值化处理，获取模板图像的二值图像；
步骤S75:根据模板图像的二值图像进行轮廓提取，获取模板图像的形状和尺寸特征；
步骤S76:根据模板图像的形状和尺寸特征，构建判断模型实现建模
（1）对模板图像进行差分运算， 获得差分图像， 并根据视频图像和差分图像生成静止图像。并对生成的图像使用去噪、锐化算法,根据结果得到最佳的预处理方案。
（2）根据预设颜色模型中的预设颜色遍历差分图像和静止图像中的每个像素， 通过只保留颜色值与所述预设颜色的颜色值相同的像素将所述差分图像和静止图像分割成若干连通域。
（3）遍历所述差分图像中的连通域， 去除差分图像中与所述静止图像中的连通域不相交的连通域， 并计算差分图像和静止图像中存在交集的连通域的并集， 获得潜在异常区。
（4）从潜在异常区中提取聚类面积信息、每个聚类中所有连通域的 HU 矩的平均值、每个聚类中连通域的数量及每个聚类的飘动性特征信息和聚类质点位置 信息。
（5）匹配单元存储有一个包括变电站各常用厂家及各厂家各种型号一次、二次设备正常运行状态（分合指示器） 的标准图像合集， 匹配单元将特征提取单元提取的特征信息与标准图像合集中对应的标准图像的特征信息进行匹配。
步骤S77:待检测的设备图像输入判断模型，提取待检测图像的形状、颜色、尺寸、线条特征；
步骤S78:根据，待检测图像的形状、颜色、尺寸、线条特征判断当前操作设备的运行状态，如有误，发出告警。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。
Claims (6)
1.一种基于配电站房防误操作及作业安全的方法，其特征在于，包括以下步骤：
步骤S1:根据配电站房运维操作流程，设定相应的站房操作流程；
步骤S2:获取配电站房的作业人员的待检测图像,并对获取的待检测图像进行预处理；
步骤S3:根据预处理后的待检测图像，利用姿态估计方法获取人体的形态；
步骤S4:根据预处理后的待检测图像，进行行人属性分析，得到全局特征和局部特征；
步骤S5:使用多层特征的方法进行全局特征和局部特征的分别处理与判断，判断作业人员操作中的着装是否规范;
步骤S6:根据待检测图像的间距信息，进行匹配分析判断作业人员的作业间隔是否正确；
步骤S7:根据预设的站房操作流程，通过设备仪表状态判断作业人员操作步骤是否规范。
2.根据权利要求1所述的基于配电站房防误操作及作业安全的方法，其特征在于，所述步骤S2具体为：
步骤S21:获取配电站房的作业人员的待检测图像；
步骤S22:对待检测图像进行阈值化处理，获取二值图像；
步骤S23：根进行轮廓提取，获取待检测图像的形状和尺寸特征；
步骤S24:进行颜色分割，获取待检测图像的颜色特征；
步骤S25:利用DensePose每秒多帧的速度在每个人体区域内密集地回归特定部位的UV坐标;
步骤S26：将待检测图像像素通过卷积网络映射到密集网格，从而决定每个像素在表面的位置以及它所在部分相对应的2D参数。
3.根据权利要求1所述的基于配电站房防误操作及作业安全的方法，其特征在于，所述步骤S3具体为：根据预处理后的待检测图像采用OpenPose算法，多人身体、面部和手部形态进行实时估计。
4.根据权利要求1所述的基于配电站房防误操作及作业安全的方法，其特征在于，所述步骤S4具体为：
步骤S41:构建一个主网络与若干分网络；
步骤S42:主网络负责图像的基础特征提取，并和最终的全连接结果汇总；分网络负责在不同的抽象水平上提取特征；
步骤S43:使用低抽象水平获取局部特征，通过高抽象水平获取全局特征。
5.根据权利要求1所述的基于配电站房防误操作及作业安全的方法，其特征在于，所述步骤S5具体为：
步骤S51:根据得到的全局特征和局部特征，使用MDA模块增强；每个MDA模块，有一条注意力生成链接，三条注意力特征构造链接;不同的MDA模块，注意力图由不同的inception模块生成，之后乘到不同层的特征图，生成不同层在注意特征;
步骤S52:通过MDA生成的不同层注意特征模块获取全局特征，以全局特征判断人，以局部特征判断人的着装规范行为。
6.根据权利要求1所述的基于配电站房防误操作及作业安全的方法，其特征在于，所述步骤S7具体为：
步骤S71:获取模板图像特征，根据模板图像特征进行建模；
步骤S72:根据待检测图像所属模型及特征，对目标区域图像进行状态分析，获取配电站房设备的实时运行状态和数据;
步骤S73:根据预设操作流程，判断此时运行数据是否正确，如不正确，发出告警信息
步骤S74:对模板图像进行阈值化处理，获取模板图像的二值图像；
步骤S75:根据模板图像的二值图像进行轮廓提取，获取模板图像的形状和尺寸特征；
步骤S76:根据模板图像的形状和尺寸特征，构建判断模型；
步骤S77:待检测的设备图像输入判断模型，提取待检测图像的形状、颜色、尺寸、线条特征；
步骤S78:根据，待检测图像的形状、颜色、尺寸、线条特征判断当前操作设备的运行状态，如有误，发出告警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910950592.6A CN110956077A (zh) | 2019-10-08 | 2019-10-08 | 基于配电站房防误操作及作业安全的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910950592.6A CN110956077A (zh) | 2019-10-08 | 2019-10-08 | 基于配电站房防误操作及作业安全的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110956077A true CN110956077A (zh) | 2020-04-03 |
Family
ID=69976331
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910950592.6A Pending CN110956077A (zh) | 2019-10-08 | 2019-10-08 | 基于配电站房防误操作及作业安全的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110956077A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112488458A (zh) * | 2020-11-13 | 2021-03-12 | 中广核工程有限公司 | 一种核电站数字化规程防人因失误方法和系统 |
| CN112528855A (zh) * | 2020-12-11 | 2021-03-19 | 南方电网电力科技股份有限公司 | 一种电力作业着装规范识别方法和装置 |
| CN112634233A (zh) * | 2020-12-24 | 2021-04-09 | 四川电器集团中低压智能配电有限公司 | 基于图像检测和分析技术在配电设备中的应用方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108898187A (zh) * | 2018-07-03 | 2018-11-27 | 国网福建晋江市供电有限公司 | 一种自动识别配电房指示设备图像的方法及装置 |
| CN109308448A (zh) * | 2018-07-29 | 2019-02-05 | 国网上海市电力公司 | 一种采用图像处理技术来防止变配电误操作的方法 |
| CN109460719A (zh) * | 2018-10-24 | 2019-03-12 | 四川阿泰因机器人智能装备有限公司 | 一种电力作业安全识别方法 |
| CN109687581A (zh) * | 2018-12-20 | 2019-04-26 | 国网北京市电力公司 | 变电站防误操作的方法、装置、存储介质及处理器 |
-
2019
- 2019-10-08 CN CN201910950592.6A patent/CN110956077A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108898187A (zh) * | 2018-07-03 | 2018-11-27 | 国网福建晋江市供电有限公司 | 一种自动识别配电房指示设备图像的方法及装置 |
| CN109308448A (zh) * | 2018-07-29 | 2019-02-05 | 国网上海市电力公司 | 一种采用图像处理技术来防止变配电误操作的方法 |
| CN109460719A (zh) * | 2018-10-24 | 2019-03-12 | 四川阿泰因机器人智能装备有限公司 | 一种电力作业安全识别方法 |
| CN109687581A (zh) * | 2018-12-20 | 2019-04-26 | 国网北京市电力公司 | 变电站防误操作的方法、装置、存储介质及处理器 |
Non-Patent Citations (3)
| Title |
|---|
| XIHUI LIU ET AL.: "HydraPlus-Net: Attentive Deep Features for Pedestrian Analysis", 《2017 IEEE INTERNATIONAL CONFERENCE ON COMPUTER VISION (ICCV)》 * |
| 王秋余: "基于视频流的施工现场工人安全帽佩戴识别研究", 《知网》 * |
| 邓益侬: "基于深度学习的人体姿态估计方法综述", 《计算机工程与应用》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112488458A (zh) * | 2020-11-13 | 2021-03-12 | 中广核工程有限公司 | 一种核电站数字化规程防人因失误方法和系统 |
| CN112528855A (zh) * | 2020-12-11 | 2021-03-19 | 南方电网电力科技股份有限公司 | 一种电力作业着装规范识别方法和装置 |
| CN112528855B (zh) * | 2020-12-11 | 2021-09-03 | 南方电网电力科技股份有限公司 | 一种电力作业着装规范识别方法和装置 |
| CN112634233A (zh) * | 2020-12-24 | 2021-04-09 | 四川电器集团中低压智能配电有限公司 | 基于图像检测和分析技术在配电设备中的应用方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110956077A (zh) | 基于配电站房防误操作及作业安全的方法 | |
| Jaffery et al. | Design of early fault detection technique for electrical assets using infrared thermograms | |
| CN106446894B (zh) | 一种基于轮廓识别球型目标物位置的方法 | |
| CN110991448A (zh) | 电力设备铭牌图像的文本检测方法及装置 | |
| CN108009551B (zh) | 适用于电力作业机器人的电力刀闸分合位状态识别方法 | |
| CN106355140B (zh) | 车辆检测的方法及装置 | |
| CN106407928A (zh) | 基于雨滴识别的变压器复合绝缘子套管监测方法及系统 | |
| CN109543676A (zh) | 一种基于图像处理的字轮型水表数字字符识别方法 | |
| CN113240623B (zh) | 一种路面病害检测方法及装置 | |
| CN111401131A (zh) | 隧道管廊的图像处理方法、装置、计算机设备和存储介质 | |
| CN111476758A (zh) | Amoled显示屏的缺陷检测方法、装置、计算机设备及存储介质 | |
| CN111402224A (zh) | 一种用于电力设备的目标识别方法 | |
| CN111984930A (zh) | 一种地下水水位监测数据异常值识别方法及系统 | |
| CN106504247B (zh) | 一种基于可见光图像的绝缘子串爆片自动检测方法及装置 | |
| CN109460705A (zh) | 基于机器视觉的输油管道监控方法 | |
| CN113888462A (zh) | 一种裂纹识别方法、系统、可读介质及存储介质 | |
| CN116168351A (zh) | 电力设备巡检方法及装置 | |
| CN112102296A (zh) | 一种基于人类概念学的电力设备目标识别方法 | |
| CN106650735B (zh) | 一种led字符自动定位识别方法 | |
| CN104298993A (zh) | 一种适用于轨道沿线复杂场景下的杆号定位和识别方法 | |
| CN114241522A (zh) | 现场作业安全穿戴识别方法、系统、设备及存储介质 | |
| CN116258282B (zh) | 一种基于云平台的智能电网资源调度分配方法 | |
| CN113569801A (zh) | 一种配电施工现场带电设备及其带电区域识别方法及装置 | |
| CN109615610A (zh) | 一种基于YOLO v2-tiny的医用创可贴瑕疵检测方法 | |
| CN112597902A (zh) | 一种基于核电安全的小目标智能识别方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200403 |