CN111489538A - 烟雾报警器位置检测平台及方法 - Google Patents
烟雾报警器位置检测平台及方法 Download PDFInfo
- Publication number
- CN111489538A CN111489538A CN202010020370.7A CN202010020370A CN111489538A CN 111489538 A CN111489538 A CN 111489538A CN 202010020370 A CN202010020370 A CN 202010020370A CN 111489538 A CN111489538 A CN 111489538A
- Authority
- CN
- China
- Prior art keywords
- image
- smoke alarm
- smoke
- real
- position detection
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/02—Monitoring continuously signalling or alarm systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
- G08B17/103—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means using a light emitting and receiving device
- G08B17/107—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means using a light emitting and receiving device for detecting light-scattering due to smoke
Abstract
本发明涉及一种烟雾报警器位置检测平台及方法,所述平台包括:内容搜索设备,用于在接收到的图像中搜索与某一种烟雾报警器的外形图案匹配度超过预设百分比阈值的图像区域作为烟雾报警器区域;位置解析设备,用于基于每一个烟雾报警器区域的形心的景深和嵌入式摄像头的成像焦距计算对应烟雾报警器的参考位置,所述参考位置为以所述嵌入式摄像头为原点建立的坐标系中的坐标点的坐标值;分布检验设备,用于基于各个烟雾报警器的各个参考位置计算各个烟雾报警器的分布均匀性。本发明的烟雾报警器位置检测平台及方法运行智能、方便操作。由于采用自动化的检测模式对现场烟雾报警器的位置和分布情况进行判断,从而减少了复杂的人工操作工序。
Description
技术领域
本发明涉及仪器仪表领域,尤其涉及一种烟雾报警器位置检测平台及方法。
背景技术
烟感报警器其实是烟感或烟雾报警器的别称,烟感报警器就是通过监测烟雾的浓度来实现火灾防范的,内部采用离子式烟雾传感器,离子式烟雾传感器是一种技术先进,工作稳定可靠的传感器,被广泛运用到各种消防报警系统中,性能远优于气敏电阻类的火灾报警器。
红外发射管的红外光束被烟尘粒子散射,散射光的强弱与烟的浓度成正比,所以光敏管接收到的红外光束的强弱会发生变化,转化为点信号,最后转化成报警信号。报警器对烟雾感应主要由光学迷宫完成,迷宫内有一组红外发射、接收光电管,对射角度为135度。当环境中无烟雾时,接收管接收不到红外发射管发出的红外光,后续采样电路无电信号变化;当环境中有烟雾时,烟雾颗粒进入迷宫内使发射管发出的红外光发生散射,散射的红外光的强度与烟雾浓度有一定线性关系,后续采样电路发生变化,通过报警器内置的主控芯片判断这些变化量来确认是否发生火警,一旦确认火警,报警器发出火警信号,火灾指示灯(红色)点亮,并启动蜂鸣器报警。
发明内容
为了解决现有技术中的相关问题,本发明提供了一种烟雾报警器位置检测平台,能够快速识别待检验的房顶上各个烟雾报警器的位置,准确检测各个烟雾报警器分布的均匀程度,从而判断相应的烟雾报警器的烟雾检测效果。
为此,本发明需要具备以下两处重要的发明点:
(1)采用自动化检测模式对房顶上各个烟雾报警器的位置进行分析,进而确定烟雾报警器分布的均匀程度,为房顶仪器安装的准确性和可靠性提供重要的参考数据;
(2)基于每一个烟雾报警器区域的形心的景深和嵌入式摄像头的成像焦距计算对应烟雾报警器的参考位置,所述参考位置为以所述嵌入式摄像头为原点建立的坐标系中的坐标点的坐标值,每一个烟雾报警器区域的形心的景深越浅,对应的坐标值距离所述原点的距离越近。
根据本发明的一方面,提供了一种烟雾报警器位置检测平台,所述平台包括:
分布检验设备,用于基于各个烟雾报警器的各个参考位置计算各个烟雾报警器的分布均匀性;
嵌入式摄像头,被封装在便携式设备的前面板内,用于在人工手持的情况下正面朝向待检验的房间屋顶执行摄像动作,以获得相应的实时屋顶图像;
数据滤波设备,与所述嵌入式摄像头连接,用于接收所述实时屋顶图像,对所述实时屋顶图像执行算术均值滤波处理,以获得对应的数据滤波图像;
对数增强设备,与所述数据滤波设备连接,用于对接收到的数据滤波图像执行基于对数变换的图像增强处理,以获得并输出对应的对数增强图像;
DDR3存储设备,用于预先存储各种烟雾报警器的各个外形图案,每一个外形图案为对应种类的烟雾报警器被拍摄而获得的仅包括对应种类的烟雾报警器的图像;
内容搜索设备,分别与所述对数增强设备和所述DDR3存储设备连接,用于在接收到的对数增强图像中搜索与某一种烟雾报警器的外形图案匹配度超过预设百分比阈值的图像区域作为烟雾报警器区域;
位置解析设备,分别与所述分布检验设备和所述内容搜索设备连接,用于基于每一个烟雾报警器区域的形心的景深和嵌入式摄像头的成像焦距计算对应烟雾报警器的参考位置,所述参考位置为以所述嵌入式摄像头为原点建立的坐标系中的坐标点的坐标值;
其中,所述DDR3存储设备还与所述位置解析设备连接,用于接收并暂存各个烟雾报警器的各个参考位置。
根据本发明的另一方面,还提供了一种烟雾报警器位置检测方法,所述方法包括使用如上述的烟雾报警器位置检测平台以基于现场检测的各个烟雾报警器的位置分析烟雾报警器分布的均匀程度。
本发明的烟雾报警器位置检测平台及方法运行智能、方便操作。由于采用自动化的检测模式对现场烟雾报警器的位置和分布情况进行判断,从而减少了复杂的人工操作工序。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的烟雾报警器位置检测平台所应用的烟雾报警器的外形结构图。
具体实施方式
下面将参照附图对本发明的烟雾报警器位置检测平台及方法的实施方案进行详细说明。
随着微电子技术和计算机技术的不断发展,引起了仪表结构的根本性变革,以微型计算机(单片机)为主体,将计算机技术和检测技术有机结合,组成新一代“智能化仪表”,在测量过程自动化、测量数据处理及功能多样化方面与传统仪表的常规测量电路相比较,取得了巨大进展。智能仪表不仅能解决传统仪表不易或不能解决的问题,还能简化仪表电路,提高仪表的可靠性,更容易实现高精度、高性能、多功能的目的。随着科学技术的进一步发展,仪表的智能化程度将越来越高。智能仪表,不但能完成多种物理量的精确显示,同时可以带变送输出、继电器控制输出、通讯、数据保持等多种功能。智能仪表和智能传感器一般是用在现场总线系统中,这种仪表和传感器内部嵌入的有通讯模块和控制模块,可以完成数据采集,数据处理和数据通讯功能。
最初的智能仪表被称为自动抄表系统(AMR),远程自动抄表也成为了智能仪表最基本的功能。利用智能仪表的红外线等通信功能,就能够实现自动抄表。这样就不需要工作人员前往现场进行人工抄表,提升了效率,也削减抄表业务的成本。此外,还能够减少人为因素造成的失误,抄表精度得到提升,也使得收益得到提升。之后双向通信的远程操作功能也增加进来,防止非法使用电力/燃气等,因此智能仪表最初被能源行业应用和看好。
智能仪表的智能化程度表征着其应用的广度和深度,目前的智能仪表还只是处于一个较低水平的初级智能化阶段,但某些特殊工艺及应用场合则对仪表的智能化提出了较高的要求,而当前的智能化理论,如:神经网络、遗传算法、小波理论、混沌理论等已经具备潜在的应用基础,这就意味着我们有必要也有能力结合具体的应用需要下大气力开发高级智能化的仪表技术。
当前,由于安装工人操作上的失误或不完善,很容易导致房顶上的烟雾报警器分布不够均匀,这样,即使烟雾报警器安装且安装数量够用,也无法达到预期的烟雾报警效果,进而造成一定程度上的安全隐患。当前普遍采用检验人员肉眼观察的模式进行均匀程度的判断,这种判断模式过于原始。
为了克服上述不足,本发明搭建了一种烟雾报警器位置检测平台及方法,能够有效解决相应的技术问题。
根据本发明实施方案示出的烟雾报警器位置检测平台包括:
分布检验设备,用于基于各个烟雾报警器的各个参考位置计算各个烟雾报警器的分布均匀性,每一个烟雾报警器的外形如图1所示;
嵌入式摄像头,被封装在便携式设备的前面板内,用于在人工手持的情况下正面朝向待检验的房间屋顶执行摄像动作,以获得相应的实时屋顶图像;
数据滤波设备,与所述嵌入式摄像头连接,用于接收所述实时屋顶图像,对所述实时屋顶图像执行算术均值滤波处理,以获得对应的数据滤波图像;
对数增强设备,与所述数据滤波设备连接,用于对接收到的数据滤波图像执行基于对数变换的图像增强处理,以获得并输出对应的对数增强图像;
DDR3存储设备,用于预先存储各种烟雾报警器的各个外形图案,每一个外形图案为对应种类的烟雾报警器被拍摄而获得的仅包括对应种类的烟雾报警器的图像;
内容搜索设备,分别与所述对数增强设备和所述DDR3存储设备连接,用于在接收到的对数增强图像中搜索与某一种烟雾报警器的外形图案匹配度超过预设百分比阈值的图像区域作为烟雾报警器区域;
位置解析设备,分别与所述分布检验设备和所述内容搜索设备连接,用于基于每一个烟雾报警器区域的形心的景深和嵌入式摄像头的成像焦距计算对应烟雾报警器的参考位置,所述参考位置为以所述嵌入式摄像头为原点建立的坐标系中的坐标点的坐标值;
其中,所述DDR3存储设备还与所述位置解析设备连接,用于接收并暂存各个烟雾报警器的各个参考位置。
接着,继续对本发明的烟雾报警器位置检测平台的具体结构进行进一步的说明。
所述烟雾报警器位置检测平台中:
基于每一个烟雾报警器区域的形心的景深和嵌入式摄像头的成像焦距计算对应烟雾报警器的参考位置:每一个烟雾报警器区域的形心的景深越浅,对应的坐标值距离所述原点的距离越近。
所述烟雾报警器位置检测平台中还可以包括:
频域分析设备,被封装在便携式设备的前面板内,与所述嵌入式摄像头连接,用于接收所述实时屋顶图像,将频域分成若干个均匀的频段,对所述实时屋顶图像进行频域分析,以确定所述实时屋顶图像占据的位于高频范围内的一个或多个频段,并将所述一个或多个频段作为一个或多个已检测频段输出。
所述烟雾报警器位置检测平台中还可以包括:
细节检测设备,与所述频域分析设备连接,用于接收所述实时屋顶图像和所述一个或多个已检测频段,从所述实时屋顶图像中滤除所述一个或多个已检测频段的相应信号以获得并输出剩余轮廓图像,还用于将从所述实时屋顶图像中剥离所述剩余轮廓图像后的图像作为细节检测图像输出。
所述烟雾报警器位置检测平台中还可以包括:
自适应强化设备,与所述细节检测设备连接,用于接收所述实时屋顶图像、所述剩余轮廓图像和所述细节检测图像,测量所述实时屋顶图像的信噪比,并基于所述信噪比大小对所述细节检测图像执行不同力度的边缘增强处理,以获得对应的边缘处理图像。
所述烟雾报警器位置检测平台中还可以包括:
频域合并设备,与所述自适应强化设备连接,用于将所述边缘处理图像与所述剩余轮廓图像进行频域合并处理,以获得并输出对应的频域合并图像。
所述烟雾报警器位置检测平台中:
所述频域合并设备还与所述数据滤波设备连接,用于将所述频域合并图像替换所述实时屋顶图像发送给所述数据滤波设备。
所述烟雾报警器位置检测平台中:
在所述自适应强化设备中,基于所述信噪比大小对所述细节检测图像执行不同力度的边缘增强处理包括:所述信噪比越小,对所述细节检测图像执行的边缘增强处理的力度越大。
同时,为了克服上述不足,本发明还搭建了一种烟雾报警器位置检测方法,所述方法包括使用如上述的烟雾报警器位置检测平台以基于现场检测的各个烟雾报警器的位置分析烟雾报警器分布的均匀程度。
另外,DDR3显存可以看作是DDR2的改进版,二者有很多相同之处,主要采用144Pin球形针脚的FBGA封装方式。不过DDR3核心有所改进:DDR3显存采用0.11微米生产工艺,耗电量较DDR2明显降低。此外,DDR3显存采用了“Pseudo Open Drain”接口技术,只要电压合适,显示芯片可直接支持DDR3显存。当然,显存颗粒较长的延迟时间(CAS latency)一直是高频率显存的一大通病,DDR3也不例外,DDR3的CAS latency为5/6/7/8,相比之下DDR2为3/4/5。客观地说,DDR3相对于DDR2在技术上并无突飞猛进的进步,但DDR3的性能优势仍比较明显:(1)功耗和发热量较小:吸取了DDR2的教训,在控制成本的基础上减小了能耗和发热量,使得DDR3更易于被用户和厂家接受。(2)工作频率更高:由于能耗降低,DDR3可实现更高的工作频率,在一定程度弥补了延迟时间较长的缺点,同时还可作为显卡的卖点之一,这在搭配DDR3显存的显卡上已有所表现。(3)降低显卡整体成本:DDR2显存颗粒规格多为4M X32bit,搭配中高端显卡常用的128MB显存便需8颗。而DDR3显存规格多为8M X 32bit,单颗颗粒容量较大,4颗即可构成128MB显存。如此一来,显卡PCB面积可减小,成本得以有效控制,此外,颗粒数减少后,显存功耗也能进一步降低。(4)通用性好:相对于DDR变更到DDR2,DDR3对DDR2的兼容性更好。由于针脚、封装等关键特性不变,搭配DDR2的显示核心和公版设计的显卡稍加修改便能采用DDR3显存,这对厂商降低成本大有好处。目前,DDR3显存在新出的大多数中高端显卡上得到了广泛的应用。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:只读内存(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种烟雾报警器位置检测平台,所述平台包括:
分布检验设备,用于基于各个烟雾报警器的各个参考位置计算各个烟雾报警器的分布均匀性;
嵌入式摄像头,被封装在便携式设备的前面板内,用于在人工手持的情况下正面朝向待检验的房间屋顶执行摄像动作,以获得相应的实时屋顶图像;
数据滤波设备,与所述嵌入式摄像头连接,用于接收所述实时屋顶图像,对所述实时屋顶图像执行算术均值滤波处理,以获得对应的数据滤波图像;
对数增强设备,与所述数据滤波设备连接,用于对接收到的数据滤波图像执行基于对数变换的图像增强处理,以获得并输出对应的对数增强图像;
DDR3存储设备,用于预先存储各种烟雾报警器的各个外形图案,每一个外形图案为对应种类的烟雾报警器被拍摄而获得的仅包括对应种类的烟雾报警器的图像;
内容搜索设备,分别与所述对数增强设备和所述DDR3存储设备连接,用于在接收到的对数增强图像中搜索与某一种烟雾报警器的外形图案匹配度超过预设百分比阈值的图像区域作为烟雾报警器区域;
位置解析设备,分别与所述分布检验设备和所述内容搜索设备连接,用于基于每一个烟雾报警器区域的形心的景深和嵌入式摄像头的成像焦距计算对应烟雾报警器的参考位置,所述参考位置为以所述嵌入式摄像头为原点建立的坐标系中的坐标点的坐标值;
其中,所述DDR3存储设备还与所述位置解析设备连接,用于接收并暂存各个烟雾报警器的各个参考位置。
2.如权利要求1所述的烟雾报警器位置检测平台,其特征在于:
基于每一个烟雾报警器区域的形心的景深和嵌入式摄像头的成像焦距计算对应烟雾报警器的参考位置:每一个烟雾报警器区域的形心的景深越浅,对应的坐标值距离所述原点的距离越近。
3.如权利要求2所述的烟雾报警器位置检测平台,其特征在于,所述平台还包括:
频域分析设备,被封装在便携式设备的前面板内,与所述嵌入式摄像头连接,用于接收所述实时屋顶图像,将频域分成若干个均匀的频段,对所述实时屋顶图像进行频域分析,以确定所述实时屋顶图像占据的位于高频范围内的一个或多个频段,并将所述一个或多个频段作为一个或多个已检测频段输出。
4.如权利要求3所述的烟雾报警器位置检测平台,其特征在于,所述平台还包括:
细节检测设备,与所述频域分析设备连接,用于接收所述实时屋顶图像和所述一个或多个已检测频段,从所述实时屋顶图像中滤除所述一个或多个已检测频段的相应信号以获得并输出剩余轮廓图像,还用于将从所述实时屋顶图像中剥离所述剩余轮廓图像后的图像作为细节检测图像输出。
5.如权利要求4所述的烟雾报警器位置检测平台,其特征在于,所述平台还包括:
自适应强化设备,与所述细节检测设备连接,用于接收所述实时屋顶图像、所述剩余轮廓图像和所述细节检测图像,测量所述实时屋顶图像的信噪比,并基于所述信噪比大小对所述细节检测图像执行不同力度的边缘增强处理,以获得对应的边缘处理图像。
6.如权利要求5所述的烟雾报警器位置检测平台,其特征在于,所述平台还包括:
频域合并设备,与所述自适应强化设备连接,用于将所述边缘处理图像与所述剩余轮廓图像进行频域合并处理,以获得并输出对应的频域合并图像。
7.如权利要求6所述的烟雾报警器位置检测平台,其特征在于:
所述频域合并设备还与所述数据滤波设备连接,用于将所述频域合并图像替换所述实时屋顶图像发送给所述数据滤波设备。
8.如权利要求7所述的烟雾报警器位置检测平台,其特征在于:
在所述自适应强化设备中,基于所述信噪比大小对所述细节检测图像执行不同力度的边缘增强处理包括:所述信噪比越小,对所述细节检测图像执行的边缘增强处理的力度越大。
9.一种烟雾报警器位置检测方法,所述方法包括使用如权利要求1-8任一所述的烟雾报警器位置检测平台以基于现场检测的各个烟雾报警器的位置分析烟雾报警器分布的均匀程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010020370.7A CN111489538A (zh) | 2020-01-09 | 2020-01-09 | 烟雾报警器位置检测平台及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010020370.7A CN111489538A (zh) | 2020-01-09 | 2020-01-09 | 烟雾报警器位置检测平台及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111489538A true CN111489538A (zh) | 2020-08-04 |
Family
ID=71791671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010020370.7A Pending CN111489538A (zh) | 2020-01-09 | 2020-01-09 | 烟雾报警器位置检测平台及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111489538A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428574A (zh) * | 2019-08-11 | 2019-11-08 | 南京中消安全技术有限公司 | 一种烟雾探测器及其烟雾探测方法 |
CN112516602A (zh) * | 2020-10-19 | 2021-03-19 | 泰州程顺制冷设备有限公司 | 多人穿越机构自动化控制平台及方法 |
CN117057024A (zh) * | 2023-10-11 | 2023-11-14 | 建研防火科技有限公司 | 一种火灾自动报警探测器布置方法及系统 |
CN117191130A (zh) * | 2023-09-27 | 2023-12-08 | 深圳市英博伟业科技有限公司 | 一种多场景在线温湿度监控方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104700404A (zh) * | 2015-03-02 | 2015-06-10 | 中国农业大学 | 一种果实定位识别方法 |
CN106060479A (zh) * | 2016-07-13 | 2016-10-26 | 三峡大学 | 一种基于超视距视频技术的智能放牧监控系统 |
US20170205490A1 (en) * | 2014-07-21 | 2017-07-20 | Sikorsky Aircraft Corporation | Coverage optimization for sensor networks |
US20180315301A1 (en) * | 2017-05-01 | 2018-11-01 | Johnson Controls Technology Company | Building security system with user presentation for false alarm reduction |
CN108868213A (zh) * | 2018-08-20 | 2018-11-23 | 浙江大丰文体设施维保有限公司 | 舞台圆盘即时保养分析机构 |
-
2020
- 2020-01-09 CN CN202010020370.7A patent/CN111489538A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170205490A1 (en) * | 2014-07-21 | 2017-07-20 | Sikorsky Aircraft Corporation | Coverage optimization for sensor networks |
CN104700404A (zh) * | 2015-03-02 | 2015-06-10 | 中国农业大学 | 一种果实定位识别方法 |
CN106060479A (zh) * | 2016-07-13 | 2016-10-26 | 三峡大学 | 一种基于超视距视频技术的智能放牧监控系统 |
US20180315301A1 (en) * | 2017-05-01 | 2018-11-01 | Johnson Controls Technology Company | Building security system with user presentation for false alarm reduction |
CN108868213A (zh) * | 2018-08-20 | 2018-11-23 | 浙江大丰文体设施维保有限公司 | 舞台圆盘即时保养分析机构 |
Non-Patent Citations (4)
Title |
---|
俞朝晖,庞也驰,于涛: "《Visual C++数字图像处理工程应用实践》", 31 July 2012, 中国铁道出版社 * |
刘颖,张正,马恩林: "关于有限集点分布均匀性的度量方法", 《首都师范大学学报》 * |
宫娜娜等: "传感器网络节点分布均匀性与定位性能的关系", 《电子测量技术》 * |
马学森等: "基于节点分布均匀度模型的加权能量检测GAF算法", 《电子测量与仪器学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428574A (zh) * | 2019-08-11 | 2019-11-08 | 南京中消安全技术有限公司 | 一种烟雾探测器及其烟雾探测方法 |
CN110428574B (zh) * | 2019-08-11 | 2021-12-31 | 南京中消安全技术有限公司 | 一种烟雾探测器及其烟雾探测方法 |
CN112516602A (zh) * | 2020-10-19 | 2021-03-19 | 泰州程顺制冷设备有限公司 | 多人穿越机构自动化控制平台及方法 |
CN117191130A (zh) * | 2023-09-27 | 2023-12-08 | 深圳市英博伟业科技有限公司 | 一种多场景在线温湿度监控方法和系统 |
CN117057024A (zh) * | 2023-10-11 | 2023-11-14 | 建研防火科技有限公司 | 一种火灾自动报警探测器布置方法及系统 |
CN117057024B (zh) * | 2023-10-11 | 2023-12-29 | 建研防火科技有限公司 | 一种火灾自动报警探测器布置方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111489538A (zh) | 烟雾报警器位置检测平台及方法 | |
CN107230329B (zh) | 一种火灾探测器的标定方法、装置及设备 | |
CN110223284A (zh) | 一种基于智能终端的针孔摄像头的探测方法及探测装置 | |
CN113655348B (zh) | 一种基于深度孪生网络的电力设备局部放电故障诊断方法、系统终端及可读存储介质 | |
US11125687B2 (en) | Method and device for identifying fragmented red blood cells, blood cell analyzer and analysis method | |
CN101620178B (zh) | 基于近红外光谱技术快速检测中成药、保健食品或食品中添加化学成分的方法 | |
CN105424653A (zh) | 用集成光纤探头的水果果肉组织光学特性检测系统和方法 | |
Li et al. | Vision-based measurement of dust concentration by image transmission | |
CN106500753A (zh) | 一种测试设备计量特性评定校准数据处理方法 | |
CN104111029A (zh) | 用于电子产品加工检验的机器视觉检测系统 | |
WO2023015606A1 (zh) | 高浊度样品的总磷测量方法及系统、水质自动监测站、设备、存储介质 | |
CN110866899A (zh) | 基于静态热图的无母本芯片硬件木马检测方法及装置 | |
CN110736723A (zh) | 一种在线式同时检测低浊和高浊的方法与系统 | |
CN112748091A (zh) | 一种用于防晒乳防晒指数的紫外线检测装置 | |
WO2018098728A1 (zh) | 一种金属探测安检门灵敏度的调节方法和装置 | |
JP3265826B2 (ja) | 画像判定装置および画像判定方法 | |
CN111143851B (zh) | 适用于操作系统内核对象地址泄露的检测方法及系统 | |
CN109186940B (zh) | 测试精度的监控方法及测试精度的监控装置 | |
CN112255201A (zh) | 多光路复用水质监测方法、系统、计算机设备及存储介质 | |
Monakhova et al. | Methodology of chemometric modeling of spectrometric signals in the analysis of complex samples | |
CN117607555B (zh) | 微波天线的电磁参数测试方法、系统及储存介质 | |
CN220473374U (zh) | 一种水质综合预警装置 | |
CN112765011B (zh) | 质控状态判定方法、装置及电子设备 | |
CN116092255A (zh) | 火灾探测方法、装置和系统 | |
CN111693469B (zh) | 一种测试光路系统稳定性的方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200804 |
|
RJ01 | Rejection of invention patent application after publication |