CN112097272A - 一种面向垃圾焚烧进料的自动给料控制方法及系统 - Google Patents

一种面向垃圾焚烧进料的自动给料控制方法及系统 Download PDF

Info

Publication number
CN112097272A
CN112097272A CN202010816232.XA CN202010816232A CN112097272A CN 112097272 A CN112097272 A CN 112097272A CN 202010816232 A CN202010816232 A CN 202010816232A CN 112097272 A CN112097272 A CN 112097272A
Authority
CN
China
Prior art keywords
gaussian
garbage
feeding
depth sensor
control method
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
Application number
CN202010816232.XA
Other languages
English (en)
Inventor
方朝军
刘盛
张少波
任超峰
叶龙祥
王武忠
王汝佩
陈增丰
江俊杰
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.)
Hangzhou Shishang Technology Co ltd
Hangzhou Kesheng Energy Technology Co ltd
Original Assignee
Hangzhou Shishang Technology Co ltd
Hangzhou Kesheng Energy 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 Hangzhou Shishang Technology Co ltd, Hangzhou Kesheng Energy Technology Co ltd filed Critical Hangzhou Shishang Technology Co ltd
Priority to CN202010816232.XA priority Critical patent/CN112097272A/zh
Publication of CN112097272A publication Critical patent/CN112097272A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
    • F23G5/00—Incineration of waste; Incinerator constructions; Details, accessories or control therefor
    • F23G5/50—Control or safety arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
    • F23G2207/00—Control
    • F23G2207/20—Waste supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Incineration Of Waste (AREA)

Abstract

本发明涉及一种面向垃圾焚烧进料的自动给料控制方法及系统，方法包括：实时采集垃圾进料口图像，获取成像面的深度信息；根据深度信息进行高斯混合模型背景建模；根据高斯混合模型背景模型进行三维重建计算垃圾体积；根据垃圾体积判断是否进行进料。系统包括深度传感器平台、深度传感器和处理器，深度传感器与处理器相连，所述深度传感器设置在深度传感器平台上，深度传感器检测面覆盖进料口，所述处理器还与垃圾焚烧装置的铰刀相连。本发明的优点是：对进料口垃圾体积进行全程监控，实现进料自动化无需人工参与并能够维持锅炉燃烧效率最佳。

Description

一种面向垃圾焚烧进料的自动给料控制方法及系统
技术领域
本发明涉及垃圾处理设备领域，尤其涉及一种面向垃圾焚烧进料的自动给料控制方法及系统。
背景技术
现有的垃圾焚烧处理厂在垃圾进料控制流程中过分依赖人工，给料控制过程中需要人工24小时监控并手动控制，人员在工作中需要时时刻刻保持精神集中并且工厂需要安排多班人员倒班工作来满足进料系统的需求，人员在长时间的工作中精力不集中便会导致进料数据发生偏差，且不同的人不同的操作习惯都会导致进料的偏差最终导致锅炉燃烧数据的不稳定，进料控制对人工的过分依赖导致整个锅炉系统无法稳定达到最高效率的燃烧状态。
发明内容
本发明主要解决现有垃圾进料方案，过分依赖人工，效率低，不稳定，易出错，锅炉燃烧效率不稳定等问题，提供一种采用深度感知结合高斯混合模型背景建模及三维重建，进行垃圾体积检测并根据体积检测结果控制进料，全程监控、进料自动化、无需人工参与并能够维持锅炉燃烧效率最佳的面向垃圾焚烧进料的自动给料控制方法及系统。
本发明解决其技术问题所采用的技术方案是，一种面向垃圾焚烧进料的自动给料控制方法，包括以下步骤：
S1：实时采集垃圾进料口图像，获取成像面的深度信息；
S2：根据深度信息进行高斯混合模型背景建模；
S3：根据高斯混合模型背景模型进行三维重建计算垃圾体积；
S4：根据垃圾体积判断是否进行进料。
通过深度感知获取进料口深度信息，通过高斯混合模型背景建模和三维重建计算垃圾体积，根据垃圾体积结合经验数据来控制进料与否，实现了垃圾体积的实时获取，能够及时进料保证锅炉燃烧效率最大化。
作为上述方案的一种优选方案，所述步骤S2中高斯混合模型背景建模，包括以下步骤：
S21：用K个高斯分布组成的混合模型表示图像中每一个像素；
S22：参数初始化；
S23：进行模型匹配，若匹配成功，则采用第一参数更新方案进行参数更新，否则以第二参数更新方案进行参数更新；
S24：对各个高斯分布的权重进行归一化处理，将每个高斯分别按照
Figure BDA0002632810490000021
由大到小排序，并取前Bj个高斯分布作为背景分布
Figure BDA0002632810490000022
其中，K∈[3,5]，
Figure BDA0002632810490000023
为表示像素j在t时刻的混合高斯模型中第i个高斯分量的权重，
Figure BDA0002632810490000024
第i个高斯分量的标准差，d为高斯分别总数，wk为第k个高斯分布的权值，T为预设阈值。
作为上述方案的一种优选方案，所述步骤S22中，参数初始化包括：令每个高斯分布的权重
Figure BDA0002632810490000031
令混合高斯模型中所有的高斯分布的标准差为σinit，并取首帧图像的每个像素值作为每个高斯分布均值的初始值，其中，σinit为预设值。
作为上述方案的一种优选方案，所述步骤S23中，模型匹配包括：对于每次输入的当前帧图像中的像素点xj,t，将其与当前K个模型按照匹配公式进行比较，直到找到匹配新像素值的分布模型，匹配公式如下：
Figure BDA0002632810490000032
其中，
Figure BDA0002632810490000033
和
Figure BDA0002632810490000034
为上一时刻第i个高斯分量的均值和标准差。
作为上述方案的一种优选方案，所述第一参数更新方案包括：保持除第i个高斯分布的其它高斯分布的均值
Figure BDA0002632810490000035
与标准差
Figure BDA0002632810490000036
不变，更新第i个高斯分量的权重、均值和方差
Figure BDA0002632810490000037
Figure BDA0002632810490000038
Figure BDA0002632810490000039
Figure BDA00026328104900000310
其中α是模型的学习率，ρ为参数的学习率。
作为上述方案的一种优选方案，所述第二参数更新方案包括：所述第二参数更新方案包括：用新的高斯分别替代第K个高斯分布，令新的高斯分布的均值为
Figure BDA00026328104900000311
标准差和权值为
Figure BDA00026328104900000312
Figure BDA00026328104900000313
和
Figure BDA00026328104900000314
原来的高斯分布的均值和标准差保持不变，权重
Figure BDA0002632810490000041
作为上述方案的一种优选方案，所述步骤S3包括以下步骤：
S31：建立筛选公式
Figure BDA0002632810490000042
其中，Di为第i时刻深度传感器获得的深度信息，BgD为RGBD空间中D空间分量高斯混合模型建模得到的背景模型，E为预设阈值；
S32：将满足筛选公式的所有像素点j转换成点云坐标Xj，Yj，Zj；
S33：以存在物体的像素
Figure BDA0002632810490000043
为底面，
Figure BDA0002632810490000044
Figure BDA0002632810490000045
为顶面，将底面分割成N个正方形，计算底面X方向最大差值L即：
Figure BDA0002632810490000046
则单个正方形长度为Rl＝L/N，并计算每个正方形面积S；
S34：对每个正方形中心点坐标Xr，Yr，Zr，在Z轴方向寻找满足：
Figure BDA0002632810490000047
的顶面坐标，如能找到则高度差
Figure BDA0002632810490000048
则进料口内垃圾体积Vt＝S*Hr*n，其中E′为预设值。
对应的，本发明还提供一种面向垃圾焚烧进料的自动给料控制系统，适用于上述面向垃圾焚烧进料的自动给料控制系统，包括深度传感器平台、深度传感器和处理器，深度传感器与处理器相连，所述深度传感器设置在深度传感器平台上，深度传感器检测面覆盖进料口，所述处理器还与垃圾焚烧装置的铰刀相连。
本发明的优点是：对进料口垃圾体积进行全程监控，实现进料自动化无需人工参与并能够维持锅炉燃烧效率最佳。
附图说明
图1为实施例中面向垃圾焚烧进料的自动给料控制系统的一种结构示意图。
图2为实施例中面向垃圾焚烧进料的自动给料控制方法的一种流程示意图。
图3为实施例中高斯混合模型背景建模的一种流程示意图。
图4为实施例中计算垃圾体积的一种流程示意图。
1-深度传感器平台2-深度传感器3-进料口4-料斗及铰刀。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步的说明。
实施例：
本实施例一种面向垃圾焚烧进料的自动给料控制系统，如图1所示，包括深度传感器平台2、深度传感器1和处理器，深度传感器与处理器相连，深度传感器设置在深度传感器平台上，深度传感器检测面覆盖进料口3，所述处理器还与垃圾焚烧装置的铰刀相连。本实施例中，深度传感器平台的高度及角度能够进行调整，在安装深度传感器时，通过调整深度传感器平台的角度和高度确保深度传感器能够获取料斗深度信息。
对应的，本实施例还提出一种面向垃圾焚烧进料的自动给料控制方法，如图2所示，包括以下步骤：
S1：实时采集垃圾进料口图像，获取成像面的深度信息。
S2：根据深度信息进行高斯混合模型背景建模，如图3所示，包括以下步骤：
S21：用K个高斯分布组成的混合模型表示图像中每一个像素，即图像中像素j在t时刻的取值为xj的概率为：
Figure BDA0002632810490000061
其中
Figure BDA0002632810490000062
为表示像素j在t时刻的混合高斯模型中第i个高斯分量的权重，且满足：
Figure BDA0002632810490000063
Figure BDA0002632810490000064
和
Figure BDA0002632810490000065
分别表示第i个高斯分量的均值和协方差，
Figure BDA0002632810490000066
即为服从均值为
Figure BDA0002632810490000067
和协方差为
Figure BDA0002632810490000068
的高斯概率密度函数：
Figure BDA0002632810490000069
其中d为xj的维数(这里d＝4)，在RGBD颜色空间中假设各像素值是相互独立的，T代表转置，那么均值
Figure BDA00026328104900000610
和协方差矩阵
Figure BDA00026328104900000611
定义为：
Figure BDA00026328104900000612
Figure BDA00026328104900000613
其中σr表示RGBD颜色空间中R空间标准差。
S22：参数初始化：令每个高斯分布的权重
Figure BDA00026328104900000614
令混合高斯模型中所有的高斯分布的标准差为σinit，并取首帧图像的每个像素值作为每个高斯分布均值的初始值，其中，σinit为预设值。
S23：进行模型匹配，对于每次输入的当前帧图像中的像素点xj,t，将其与当前K个模型按照匹配公式进行比较，直到找到匹配新像素值的分布模型，匹配公式如下：
Figure BDA0002632810490000071
其中，
Figure BDA0002632810490000072
和
Figure BDA0002632810490000073
为上一时刻第i个高斯分量的均值和标准差；若匹配成功，则采用第一参数更新方案进行参数更新，否则以第二参数更新方案进行参数更新。
第一参数更新方案包括：保持除第i个高斯分布的其它高斯分布的均值
Figure BDA0002632810490000074
与标准差
Figure BDA0002632810490000075
不变，更新第i个高斯分量的权重、均值和方差
Figure BDA0002632810490000076
Figure BDA0002632810490000077
Figure BDA0002632810490000078
Figure BDA0002632810490000079
其中α是模型的学习率，ρ为参数的学习率。
第二参数更新方案包括：用新的高斯分别替代第K个高斯分布，令新的高斯分布的均值为
Figure BDA00026328104900000710
标准差和权值为
Figure BDA00026328104900000711
Figure BDA00026328104900000712
和
Figure BDA00026328104900000713
原来的高斯分布的均值和标准差保持不变，权重
Figure BDA00026328104900000714
S24：对各个高斯分布的权重进行归一化处理，将每个高斯分别按照
Figure BDA00026328104900000715
由大到小排序，并取前Bj个高斯分布作为背景分布
Figure BDA00026328104900000716
其中，K∈[3,5]，
Figure BDA00026328104900000717
为表示像素j在t时刻的混合高斯模型中第i个高斯分量的权重，
Figure BDA0002632810490000081
第i个高斯分量的标准差，d为高斯分别总数，wk为第k个高斯分布的权值，T为预设阈值。
S3：根据高斯混合模型背景模型进行三维重建计算垃圾体积，如图4所示，包括以下步骤：
S31：建立筛选公式
Figure BDA0002632810490000082
其中，Di为第i时刻深度传感器获得的深度信息，BgD为RGBD空间中D空间分量高斯混合模型建模得到的背景模型，E为预设阈值。
S32：将满足筛选公式的所有像素点j转换成点云坐标Xj，Yj，Zj，完成对物体的三维重建。
S33：以存在物体的像素
Figure BDA0002632810490000083
为底面，
Figure BDA0002632810490000084
Figure BDA0002632810490000085
为顶面，将底面分割成N个正方形，计算底面X方向最大差值L即：
Figure BDA0002632810490000086
则单个正方形长度为Rl＝L/N，并计算每个正方形面积S。
S34：对每个正方形中心点坐标Xr，Yr，Zr，在Z轴方向寻找满足：
Figure BDA0002632810490000087
的顶面坐标，如能找到则高度差
Figure BDA0002632810490000088
则进料口内垃圾体积Vt＝S*Hr*n，其中E′为预设值。
S4：结合原技术工人经验数据设置垃圾体积阈值，根据垃圾体积和垃圾体积阈值判断是否进行进料。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (8)

1.一种面向垃圾焚烧进料的自动给料控制方法，其特征是：包括以下步骤：
S1：实时采集垃圾进料口图像，获取成像面的深度信息；
S2：根据深度信息进行高斯混合模型背景建模；
S3：根据高斯混合模型背景模型进行三维重建计算垃圾体积；
S4：根据垃圾体积判断是否进行进料。
2.根据权利要求1所述的一种面向垃圾焚烧进料的自动给料控制方法，其特征是：所述步骤S2中高斯混合模型背景建模，包括以下步骤：
S21：用K个高斯分布组成的混合模型表示图像中每一个像素；
S22：参数初始化；
S23：进行模型匹配，若匹配成功，则采用第一参数更新方案进行参数更新，否则以第二参数更新方案进行参数更新；
S24：对各个高斯分布的权重进行归一化处理，将每个高斯分别按照
Figure FDA0002632810480000011
由大到小排序，并取前Bj个高斯分布作为背景分布
Figure FDA0002632810480000012
其中，K∈[3,5]，
Figure FDA0002632810480000013
为表示像素j在t时刻的混合高斯模型中第i个高斯分量的权重，
Figure FDA0002632810480000014
第i个高斯分量的标准差，d为高斯分别总数，wk为第k个高斯分布的权值，T为预设阈值。
3.根据权利要求2所述的一种面向垃圾焚烧进料的自动给料控制方法，其特征是：所述步骤S22中，参数初始化包括：令每个高斯分布的权重
Figure FDA0002632810480000021
令混合高斯模型中所有的高斯分布的标准差为σinit，并取首帧图像的每个像素值作为每个高斯分布均值的初始值，其中，σinit为预设值。
4.根据权利要求2所述的一种面向垃圾焚烧进料的自动给料控制方法，其特征是：所述步骤S23中，模型匹配包括：对于每次输入的当前帧图像中的像素点xj,t，将其与当前K个模型按照匹配公式进行比较，直到找到匹配新像素值的分布模型，匹配公式如下：
Figure FDA0002632810480000022
其中，
Figure FDA0002632810480000023
和
Figure FDA0002632810480000024
为上一时刻第i个高斯分量的均值和标准差。
5.根据权利要求2或4所述的一种面向垃圾焚烧进料的自动给料控制方法，其特征是：所述第一参数更新方案包括：保持除第i个高斯分布的其它高斯分布的均值
Figure FDA0002632810480000025
与标准差
Figure FDA0002632810480000026
不变，更新第i个高斯分量的权重、均值和方差
Figure FDA0002632810480000027
Figure FDA0002632810480000028
Figure FDA0002632810480000029
Figure FDA00026328104800000210
其中α是模型的学习率，ρ为参数的学习率。
6.根据权利要求2或4所述的一种面向垃圾焚烧进料的自动给料控制方法，其特征是：所述第二参数更新方案包括：用新的高斯分别替代第K个高斯分布，令新的高斯分布的均值为
Figure FDA00026328104800000211
标准差和权值为
Figure FDA0002632810480000031
和
Figure FDA0002632810480000032
原来的高斯分布的均值和标准差保持不变，权重
Figure FDA0002632810480000033
7.根据权利要求1所述的一种面向垃圾焚烧进料的自动给料控制方法，其特征是：所述步骤S3包括以下步骤：
S31：建立筛选公式
Figure FDA0002632810480000034
其中，Di为第i时刻深度传感器获得的深度信息，BgD为RGBD空间中D空间分量高斯混合模型建模得到的背景模型，E为预设阈值；
S32：将满足筛选公式的所有像素点j转换成点云坐标Xj，Yj，Zj；
S33：以存在物体的像素
Figure FDA0002632810480000035
为底面，
Figure FDA0002632810480000036
Figure FDA0002632810480000037
为顶面，将底面分割成N个正方形，计算底面X方向最大差值L即：
Figure FDA0002632810480000038
则单个正方形长度为Rl＝L/N，并计算每个正方形面积S；
S34：对每个正方形中心点坐标Xr，Yr，Zr，在Z轴方向寻找满足：
Figure FDA0002632810480000039
的顶面坐标，如能找到则高度差
Figure FDA00026328104800000310
则进料口内垃圾体积Vt＝S*Hr*n，其中E′为预设值。
8.一种面向垃圾焚烧进料的自动给料控制系统，适用于采用权利要求1-7任一项所述的方法，其特征是：包括深度传感器平台(2)、深度传感器(1)和处理器，深度传感器与处理器相连，所述深度传感器设置在深度传感器平台上，深度传感器检测面覆盖进料口(3)，所述处理器还与垃圾焚烧装置的铰刀相连。
CN202010816232.XA 2020-08-14 2020-08-14 一种面向垃圾焚烧进料的自动给料控制方法及系统 Pending CN112097272A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010816232.XA CN112097272A (zh) 2020-08-14 2020-08-14 一种面向垃圾焚烧进料的自动给料控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010816232.XA CN112097272A (zh) 2020-08-14 2020-08-14 一种面向垃圾焚烧进料的自动给料控制方法及系统

Publications (1)

Publication Number Publication Date
CN112097272A true CN112097272A (zh) 2020-12-18

Family

ID=73753704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010816232.XA Pending CN112097272A (zh) 2020-08-14 2020-08-14 一种面向垃圾焚烧进料的自动给料控制方法及系统

Country Status (1)

Country Link
CN (1) CN112097272A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102867175A (zh) * 2012-08-31 2013-01-09 浙江捷尚视觉科技有限公司 一种基于立体视觉的atm机行为分析方法
CN102890791A (zh) * 2012-08-31 2013-01-23 浙江捷尚视觉科技有限公司 基于深度信息聚类的复杂场景人数统计方法
CN106773692A (zh) * 2016-12-21 2017-05-31 北京金控数据技术股份有限公司 基于高斯分布的设备运行控制系统和方法
CN107659754A (zh) * 2017-07-18 2018-02-02 孙战里 一种树叶扰动情况下监控视频的有效浓缩方法
CN109654500A (zh) * 2018-12-17 2019-04-19 陈福海 一种节能环保型的垃圾焚烧炉
CN110466924A (zh) * 2019-08-27 2019-11-19 湖南海森格诺信息技术有限公司 垃圾自动抓取系统及其方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102867175A (zh) * 2012-08-31 2013-01-09 浙江捷尚视觉科技有限公司 一种基于立体视觉的atm机行为分析方法
CN102890791A (zh) * 2012-08-31 2013-01-23 浙江捷尚视觉科技有限公司 基于深度信息聚类的复杂场景人数统计方法
CN106773692A (zh) * 2016-12-21 2017-05-31 北京金控数据技术股份有限公司 基于高斯分布的设备运行控制系统和方法
CN107659754A (zh) * 2017-07-18 2018-02-02 孙战里 一种树叶扰动情况下监控视频的有效浓缩方法
CN109654500A (zh) * 2018-12-17 2019-04-19 陈福海 一种节能环保型的垃圾焚烧炉
CN110466924A (zh) * 2019-08-27 2019-11-19 湖南海森格诺信息技术有限公司 垃圾自动抓取系统及其方法

Similar Documents

Publication Publication Date Title
CN111353413B (zh) 一种输电设备低漏报率缺陷识别方法
CN107632523B (zh) 一种硬岩tbm掘进控制参数智能决策方法及系统
CN107424143B (zh) 一种基于双目立体视觉深度感知的矿用带式输送机煤量检测方法
CN104850865B (zh) 一种多特征迁移学习的实时压缩跟踪方法
US20230281265A1 (en) Method for estimating body size and weight of pig based on deep learning
CN107728477A (zh) 一种工厂化水产养殖水质溶解氧预测控制方法及系统
CN105469105A (zh) 一种基于视频监控的香烟烟雾检测方法
CN106295558A (zh) 一种猪只行为节律分析方法
CN108171141A (zh) 基于注意力模型的级联多模式融合的视频目标跟踪方法
CN109711389A (zh) 一种基于Faster R-CNN和HMM的哺乳母猪姿态转换识别方法
CN108416814A (zh) 一种菠萝头部的快速定位与识别方法及系统
CN107578100B (zh) 一种基于过程参数的结果反馈方法及装置
CN108871409A (zh) 一种故障检测方法和系统
CN116416555A (zh) 一种基于图像分析的信息处理方法、装置及设备
CN112097272A (zh) 一种面向垃圾焚烧进料的自动给料控制方法及系统
CN208187400U (zh) 一种基于机器视觉的鱼类体长测量装置
CN115225870B (zh) 基于数据处理的耕地智保远程监控方法及监控系统
CN116774632A (zh) 一种数字孪生水厂的污水监测控制方法和存储介质
CN103366161B (zh) 一种白粉虱数量的统计方法及系统
CN109919964A (zh) 基于数学形态学的高斯背景建模技术进行图像处理的方法
CN113283378B (zh) 一种基于梯形区域归一化像素差异特征的猪脸检测方法
CN114912847A (zh) 一种土地全域整治在线监管方法及系统
CN114170449A (zh) 一种基于深度学习的人工智能图像识别装置
CN114119959A (zh) 一种基于视觉的垃圾桶满溢检测方法及装置
CN107340711A (zh) 一种基于视频图像的微型飞行器姿态角自动检测方法

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: 20201218