CN111078912A - 电力设备图像数据仓库及电力设备缺陷检测方法 - Google Patents
电力设备图像数据仓库及电力设备缺陷检测方法 Download PDFInfo
- Publication number
- CN111078912A CN111078912A CN201911313079.2A CN201911313079A CN111078912A CN 111078912 A CN111078912 A CN 111078912A CN 201911313079 A CN201911313079 A CN 201911313079A CN 111078912 A CN111078912 A CN 111078912A
- Authority
- CN
- China
- Prior art keywords
- detection
- information
- equipment
- data warehouse
- image data
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 83
- 230000007547 defect Effects 0.000 title claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000012706 support-vector machine Methods 0.000 claims abstract description 9
- 230000008520 organization Effects 0.000 claims abstract description 7
- 230000007613 environmental effect Effects 0.000 claims abstract description 6
- 238000012549 training Methods 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims 2
- 238000004458 analytical method Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005065 mining 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
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Warehouses Or Storage Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种电力设备图像数据仓库及电力设备缺陷检测方法,所述数据仓库中存储有多维数据星形模型组织模式的检测图像,各所述检测图像关联有对应的被测设备运行信息、时间信息、地理信息、环境监测信息和检测信息;所述缺陷检测方法中,基于所述数据仓库中的历史数据构建样本库;基于所述样本库对用于缺陷检测的支持向量机进行训练;获取待测电力设备的图像特征,融合环境信息特征、检测信息特征通过训练好的支持向量机进行检测与分类;根据检测结果,通过索引定位设备缺陷发生时间与位置。与现有技术相比,本发明具有缺陷检测效率与准确性高等优点。
Description
技术领域
本发明涉及分布式存储领域、数据库建立与管理领域、图像识别领域、电力设备缺陷识检测领域,尤其是涉及一种电力设备图像数据仓库及电力设备缺陷检测方法。
背景技术
随着电网架构逐步完善,电力设备逐年增加,维护工作量日益增大,由于设备质量、运维不足等问题导致设备缺陷、故障次数也相应增加,设备缺陷的及时发现、及时处理、控制措施对设备安全稳定运行起着很大作用。而传统的人工检测耗费人力较多的时间与精力,因此,需要结合图像识别对设备缺陷进行检测。随着电力设备图像检测的发展,缺陷检测相关图像数据快速增长,数据量大、数据来源多样、数据价值密度低,价值未充分发挥,造成数据浪费。以文件夹的方式对图像作管理,耗费大量人力及时间,且难以新增及扩展,并且与非检测工作人员的研究人员不能充分交互,数据开放性低,难以开展电力设备状态自动判别研究。因此,切实需要采用智能化的方法管理电力设备图像,需要建立合适的电力设备图像数据仓库来有效集成数据,提高缺陷检测效率与准确性。
发明内容
本发明的目的在于克服上述现有技术存在的缺陷而提供一种提高缺陷检测效率与准确性的电力设备图像数据仓库及电力设备缺陷检测方法。
本发明的目的可以通过以下技术方案来实现:
一种电力设备图像数据仓库,该数据仓库中存储有多维数据星形模型组织模式的检测图像,各所述检测图像关联有对应的被测设备运行信息、时间信息、地理信息、环境监测信息和检测信息。
进一步地,所述被测设备运行信息、时间信息、地理系统对应信息、环境监测数据和检测信息具有用于索引的唯一标志。
进一步地,所述被测设备运行信息包括设备投运日期、设备生产厂家、设备型号和设备运行编号。
进一步地,所述环境监测信息包括环境温度、相对湿度和拍摄有无日照信息。
进一步地,所述检测信息包括检测维信息及检测度量信息,所述检测维信息包括检测仪器型号、检测角度、检测距离和检测仪器设置参数,所述检测度量信息包括检测主题下的特征信息。
进一步地,所述数据仓库包括计算机可读存储介质,该计算机可读存储介质存储有能够被处理器执行的程序,所述程序包括用于进行以下操作的指令:
接收用户输入;
根据所述用户输入对接收的数据进行抽取、清洗和转换,并建立索引;
根据所述用户输入对数据仓库中已存储的信息进行修改或删除。
进一步地,所述程序还包括用于进行以下操作的指令:
按设定时间间隔筛选并删除数据仓库中已存储的信息。
进一步地,进行所述筛选时,依据检测图像的重要度进行判定。
本发明还提供一种基于所述的电力设备图像数据仓库的电力设备缺陷检测方法,包括以下步骤:
基于所述数据仓库中的历史数据构建样本库;
基于所述样本库对用于缺陷检测的支持向量机进行训练;
获取待测电力设备的图像特征,融合环境信息特征、检测信息特征通过训练好的支持向量机进行检测与分类;
根据检测结果,通过索引定位设备缺陷发生时间与位置。
进一步地,该方法还包括:
将分类后的图像存入数据仓库。
与现有技术相比,本发明具有如下有益效果:
1、本发明设计了一种合适的数据仓库,能对电力设备检测数据进行有效存储,有效地对电力设备多源图像相关数据进行储存、管理及组织,有效集成多源异构数据,可为缺陷检测提供关联信息及新的分析处理可行途径,方便扩展,提高缺陷检测效率与准确性。
2、本发明对关联数据设置唯一标志,方便进行索引,以确定缺陷发生时间及位置。
3、本发明数据仓库的设置减小了检测业务数据存储的压力,为后续的统计、分析、挖掘业务提供标准化、规范化的数据资源,方便进行分类、关联等决策分析,并得到数据隐藏信息。
附图说明
图1为本发明的数据仓库结构示意图;
图2为本发明基于数据仓库的缺陷检测过程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例1
本实施例提供一种电力设备图像数据仓库,该数据仓库中存储有多维数据星形模型组织模式的检测图像,各所述检测图像关联有针对该图像分析的先验信息特征,包括对应的被测设备运行信息、时间信息、地理信息、环境监测信息和检测信息,所述被测设备运行信息、时间信息、地理系统对应信息、环境监测数据和检测信息具有用于索引的唯一标志。该数据仓库的数据存储结构如图1所示,该数据存储结构形成以时间、地域、环境、设备、检测为五个维度的多维数据星形模型组织模式。
数据仓库是一种能访问各种数据库并将各种源数据库集成一个统一的目标数据库的技术,并能把各种数据转换成面向主题的格式,能从异构的数据源中定期抽取、转换和集成所需要的数据,方便用户在数据库基础上进行聚类、关联等决策分析。
上述数据仓库的构建过程包括以下步骤:
步骤101:根据时间维度与地域维度关联被测设备运行信息、环境监测信息和检测信息;
步骤102:构建以时间、地域、环境、设备、检测为五个维度的多维数据星形模型组织模式,建立针对电力设备多光源图像管理及分类大数据仓库;
步骤103:将被测设备运行信息、地理信息、环境监测信息、时间信息、检测信息通过ETL工具抽取、清洗、转换到数据仓库中,对每一个属性赋予唯一的标志建立索引。
上述检测信息包括检测维信息及检测度量信息,所述检测维信息包括检测仪器型号、检测角度、检测距离和检测仪器设置参数,所述检测度量信息包括检测主题下的特征信息。如在缺陷检测主题下,选择多源图像特征包括平均温升、最大温升、放电光斑面积、色彩特征。可检测与分类的缺陷包括:设备表面污秽、过热温升、局部放电。缺陷检测结果包括正常、预警、报警三种状态,三种状态的判定阈值可自行设置从而修改支持向量机计算模型实现判定规则改变。
多维数据星形模型中时间、地域、环境、设备四个维度的组织模式是:时间维包括年、月、日、时、分;地域维包括省、市、县、站名、经纬度;环境维分为环境温度、相对湿度、拍摄有无日照;设备维包括设备投运日期、设备生产厂家、设备型号、设备运行编号。
本实施例中,所述数据仓库包括计算机可读存储介质,该计算机可读存储介质存储有能够被处理器执行的程序,所述程序包括用于进行以下操作的指令:
接收用户输入;
根据所述用户输入对接收的数据进行抽取、清洗和转换,并建立索引;
根据所述用户输入对数据仓库中已存储的信息进行修改或删除。
数据仓库可采用web界面的可视化查询接口,允许用户上传图片并导入相关信息;支持用户根据建立的索引查询图片,用户可以修改图片相关信息或删除图片。
在另一实施例中,所述程序还包括用于进行以下操作的指令:按设定时间间隔筛选并删除数据仓库中已存储的信息,实现数据清理功能。
进行所述筛选时,依据检测图像的重要度进行判定。重要度判定依据为:图片中电力设备是否有缺陷,有缺陷重要度加10;其他每一维度下任一粒度存在数据,重要度加1。用户可设定重要度阈值,低于该重要度的图片将被自动清理。
实施例2
如图2所示,本实施例提供一种基于实施例1的电力设备图像数据仓库的电力设备缺陷检测方法,包括以下步骤:
基于所述数据仓库中的历史数据构建样本库;
基于所述样本库对用于缺陷检测的支持向量机进行训练;
获取待测电力设备的图像特征,融合环境信息特征、检测信息特征通过训练好的支持向量机进行检测与分类;
根据检测结果,通过索引定位设备缺陷发生时间与位置。
在另一实施例中,该方法还包括:将分类后的图像存入数据仓库,以完善数据库。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由本发明所确定的保护范围内。
Claims (10)
1.一种电力设备图像数据仓库,其特征在于,该数据仓库中存储有多维数据星形模型组织模式的检测图像,各所述检测图像关联有对应的被测设备运行信息、时间信息、地理信息、环境监测信息和检测信息。
2.根据权利要求1所述的电力设备图像数据仓库,其特征在于,所述被测设备运行信息、时间信息、地理系统对应信息、环境监测数据和检测信息具有用于索引的唯一标志。
3.根据权利要求1所述的电力设备图像数据仓库,其特征在于,所述被测设备运行信息包括设备投运日期、设备生产厂家、设备型号和设备运行编号。
4.根据权利要求1所述的电力设备图像数据仓库,其特征在于,所述环境监测信息包括环境温度、相对湿度和拍摄有无日照信息。
5.根据权利要求1所述的电力设备图像数据仓库,其特征在于,所述检测信息包括检测维信息及检测度量信息,所述检测维信息包括检测仪器型号、检测角度、检测距离和检测仪器设置参数,所述检测度量信息包括检测主题下的特征信息。
6.根据权利要求1所述的电力设备图像数据仓库,其特征在于,所述数据仓库包括计算机可读存储介质,该计算机可读存储介质存储有能够被处理器执行的程序,所述程序包括用于进行以下操作的指令:
接收用户输入;
根据所述用户输入对接收的数据进行抽取、清洗和转换,并建立索引;
根据所述用户输入对数据仓库中已存储的信息进行修改或删除。
7.根据权利要求6所述的电力设备图像数据仓库,其特征在于,所述程序还包括用于进行以下操作的指令:
按设定时间间隔筛选并删除数据仓库中已存储的信息。
8.根据权利要求7所述的电力设备图像数据仓库,其特征在于,进行所述筛选时,依据检测图像的重要度进行判定。
9.一种基于如权利要求2所述的电力设备图像数据仓库的电力设备缺陷检测方法,其特征在于,包括以下步骤:
基于所述数据仓库中的历史数据构建样本库;
基于所述样本库对用于缺陷检测的支持向量机进行训练;
获取待测电力设备的图像特征,融合环境信息特征、检测信息特征通过训练好的支持向量机进行检测与分类;
根据检测结果,通过索引定位设备缺陷发生时间与位置。
10.根据权利要求9所述的电力设备缺陷检测方法,其特征在于,该方法还包括:
将分类后的图像存入数据仓库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911313079.2A CN111078912B (zh) | 2019-12-18 | 2019-12-18 | 电力设备图像数据仓库及电力设备缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911313079.2A CN111078912B (zh) | 2019-12-18 | 2019-12-18 | 电力设备图像数据仓库及电力设备缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111078912A true CN111078912A (zh) | 2020-04-28 |
CN111078912B CN111078912B (zh) | 2024-02-20 |
Family
ID=70316062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911313079.2A Active CN111078912B (zh) | 2019-12-18 | 2019-12-18 | 电力设备图像数据仓库及电力设备缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111078912B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115147673A (zh) * | 2022-05-10 | 2022-10-04 | 首都医科大学附属北京友谊医院 | 影像设备质量检测方法、装置、设备和存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103837770A (zh) * | 2014-02-26 | 2014-06-04 | 广东电网公司电力科学研究院 | 电力设备缺陷检测维护方法 |
JP2016062575A (ja) * | 2014-09-22 | 2016-04-25 | 富士フイルム株式会社 | 画像欠陥検出装置及び方法並びにプログラム |
CN106199305A (zh) * | 2016-07-01 | 2016-12-07 | 太原理工大学 | 煤矿井下供电系统用干式变压器绝缘健康状态评估方法 |
CN106503240A (zh) * | 2016-11-07 | 2017-03-15 | 许继集团有限公司 | 一种电力设备图像分析数据库构建方法及装置 |
CN106646165A (zh) * | 2016-12-23 | 2017-05-10 | 西安交通大学 | 一种gis内部绝缘缺陷分类与定位方法及其系统 |
CN109406949A (zh) * | 2018-12-14 | 2019-03-01 | 国网山东省电力公司电力科学研究院 | 基于支持向量机的配电网早期故障检测方法及装置 |
CN109871895A (zh) * | 2019-02-22 | 2019-06-11 | 北京百度网讯科技有限公司 | 电路板的缺陷检测方法和装置 |
CN109903287A (zh) * | 2019-03-29 | 2019-06-18 | 北京百度网讯科技有限公司 | 质量检测方法及装置 |
KR20190073780A (ko) * | 2017-12-19 | 2019-06-27 | 한국전력공사 | 전력설비 기자재 불량 검출 장치, 시스템 및 방법이 기록된 컴퓨터 판독가능 기록 매체 |
KR20190122459A (ko) * | 2018-04-20 | 2019-10-30 | 한국전력공사 | 전력설비의 불량지점 진단장치 및 진단방법 |
-
2019
- 2019-12-18 CN CN201911313079.2A patent/CN111078912B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103837770A (zh) * | 2014-02-26 | 2014-06-04 | 广东电网公司电力科学研究院 | 电力设备缺陷检测维护方法 |
JP2016062575A (ja) * | 2014-09-22 | 2016-04-25 | 富士フイルム株式会社 | 画像欠陥検出装置及び方法並びにプログラム |
CN106199305A (zh) * | 2016-07-01 | 2016-12-07 | 太原理工大学 | 煤矿井下供电系统用干式变压器绝缘健康状态评估方法 |
CN106503240A (zh) * | 2016-11-07 | 2017-03-15 | 许继集团有限公司 | 一种电力设备图像分析数据库构建方法及装置 |
CN106646165A (zh) * | 2016-12-23 | 2017-05-10 | 西安交通大学 | 一种gis内部绝缘缺陷分类与定位方法及其系统 |
KR20190073780A (ko) * | 2017-12-19 | 2019-06-27 | 한국전력공사 | 전력설비 기자재 불량 검출 장치, 시스템 및 방법이 기록된 컴퓨터 판독가능 기록 매체 |
KR20190122459A (ko) * | 2018-04-20 | 2019-10-30 | 한국전력공사 | 전력설비의 불량지점 진단장치 및 진단방법 |
CN109406949A (zh) * | 2018-12-14 | 2019-03-01 | 国网山东省电力公司电力科学研究院 | 基于支持向量机的配电网早期故障检测方法及装置 |
CN109871895A (zh) * | 2019-02-22 | 2019-06-11 | 北京百度网讯科技有限公司 | 电路板的缺陷检测方法和装置 |
CN109903287A (zh) * | 2019-03-29 | 2019-06-18 | 北京百度网讯科技有限公司 | 质量检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
孙娜;: "基于数据仓库技术的电力设备决策系统", no. 01, pages 118 - 121 * |
江秀臣;盛戈;: "电力设备状态大数据分析的研究和应用", 高电压技术, no. 04, pages 7 - 16 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115147673A (zh) * | 2022-05-10 | 2022-10-04 | 首都医科大学附属北京友谊医院 | 影像设备质量检测方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111078912B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103837770A (zh) | 电力设备缺陷检测维护方法 | |
CN111401419A (zh) | 基于改进RetinaNet的员工着装规范检测方法 | |
CN108470022B (zh) | 一种基于运维管理的智能工单质检方法 | |
CN103886189A (zh) | 用于无人机巡检的巡检结果数据处理系统及方法 | |
CN102193918A (zh) | 视频检索方法和装置 | |
EP4155974A1 (en) | Knowledge graph construction method and apparatus, check method and storage medium | |
CN108839980A (zh) | 一种基于人工智能与大数据技术的垃圾智能回收系统 | |
CN111078512A (zh) | 告警记录生成方法、装置、告警设备及存储介质 | |
CN115036922B (zh) | 一种分布式光伏发电电量预测方法及系统 | |
CN115330268A (zh) | 一种应对矿山灾难的综合性应急指挥方法及系统 | |
CN113131378A (zh) | 基于图像识别的变电站二次系统智能巡检系统及方法 | |
CN111078912A (zh) | 电力设备图像数据仓库及电力设备缺陷检测方法 | |
CN116986246A (zh) | 一种用于对输煤皮带进行智能巡检系统及巡检方法 | |
CN113779261B (zh) | 知识图谱的质量评价方法、装置、计算机设备及存储介质 | |
CN112363996A (zh) | 用于建立电网知识图谱的物理模型的方法及系统和介质 | |
CN111310611B (zh) | 细胞视野图的检测方法及存储介质 | |
CN105992213A (zh) | 智能路由器、云端服务器及智能路由器启停系统 | |
CN116991931A (zh) | 一种元数据管理方法和系统 | |
CN204203750U (zh) | 一种基于rfid技术的物资状态监控系统 | |
CN115334559A (zh) | 网络检测方法、装置、设备及介质 | |
CN109900865A (zh) | 一种基于神经网络的空气污染检测系统 | |
CN113191170B (zh) | 公共设施二维码损毁巡检有效性预测方法及系统 | |
CN109816428A (zh) | 一种基于大数据机器学习的用水量分析系统及方法 | |
CN205104844U (zh) | 一种基于QR Code技术的高压架空输电线路移动巡检管控系统 | |
CN111475919B (zh) | 基于icd文件的保护装置定值计算模型的自动建模方法 |
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 |