CN112686124A - 基于5g网络的电厂输煤皮带堆煤检测方法及装置 - Google Patents
基于5g网络的电厂输煤皮带堆煤检测方法及装置 Download PDFInfo
- Publication number
- CN112686124A CN112686124A CN202011565501.6A CN202011565501A CN112686124A CN 112686124 A CN112686124 A CN 112686124A CN 202011565501 A CN202011565501 A CN 202011565501A CN 112686124 A CN112686124 A CN 112686124A
- Authority
- CN
- China
- Prior art keywords
- coal
- piling
- conveying belt
- image data
- coal piling
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 261
- 238000001514 detection method Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012549 training Methods 0.000 claims description 38
- 238000002372 labelling Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 8
- GRRMZXFOOGQMFA-UHFFFAOYSA-J YoYo-1 Chemical compound [I-].[I-].[I-].[I-].C12=CC=CC=C2C(C=C2N(C3=CC=CC=C3O2)C)=CC=[N+]1CCC[N+](C)(C)CCC[N+](C)(C)CCC[N+](C1=CC=CC=C11)=CC=C1C=C1N(C)C2=CC=CC=C2O1 GRRMZXFOOGQMFA-UHFFFAOYSA-J 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000013526 transfer learning Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种基于5G网络的电厂输煤皮带堆煤检测方法及装置。其中，基于5G网络的电厂输煤皮带堆煤检测方法将无线摄像头连接到5G CPE设备上；通过无线摄像头采集输煤皮带堆煤图像数据；对堆煤图像数据进行数据增强；通过标注工具对输煤皮带堆煤图像进行标注，构建堆煤图像数据集；将堆煤图像数据集输入到预先训练好的堆煤检测模型中进行检测。通过对摄像头采集的图像数据进行实时监测，能够准确识别输煤皮带的堆煤情况的发生。
Description
技术领域
本发明属于计算机视觉和目标检测技术领域看，具体涉及一种基于5G网络的电厂输煤皮带堆煤检测方法及装置。
背景技术
输煤皮带是电厂重要的输煤工具，在输煤过程中堆煤是一种影响正常运煤的常见现象，若不能及时发现并处理会造成严重事故，因此及时发现并定位堆煤的位置具有十分重要的意义。
现有技术中的堆煤检测方法基于碰触式传感器，但由于工作环境恶劣，灵敏性和可靠性并不理想，且易受环境影响，需要定期检查和维护。
上述问题是目前亟待解决的。
发明内容
本发明所要解决的技术问题是：提供一种基于5G网络的电厂输煤皮带堆煤检测方法及装置。
本发明解决其技术问题所采用的技术方案是：提供一种基于5G网络的电厂输煤皮带堆煤检测方法所述方法包括：
将无线摄像头连接到5G CPE设备上；
通过无线摄像头采集输煤皮带堆煤图像数据；
对堆煤图像数据进行数据增强；
通过标注工具对输煤皮带堆煤图像进行标注，构建堆煤图像数据集；
将堆煤图像数据集输入到预先训练好的堆煤检测模型中进行检测。
进一步的，所述对堆煤图像数据进行数据增强的方法中的增强包括强包括平移、旋转、增强亮度和对比度中的一种或多种。
进一步的，所述通过标注工具对输煤皮带堆煤图像进行标注，构建堆煤图像数据集的方法包括：
选择标注工具；
使用标注工具对收集出现堆煤的电厂输煤皮带堆煤图像数据进行标注，从而获得带标注的堆煤图像数据集。
进一步的，所述标注工具为VGG Image Annotator图片标注工具。
进一步的，所述使用标注工具对收集出现堆煤的电厂输煤皮带堆煤图像数据进行标注，从而获得带标注的堆煤图像数据集的方法包括：
标注每一张输煤皮带图像的待检测目标的类别，即堆煤；
标注每一张输煤皮带图像中堆煤发生位置的边界框；
把标注的结果导出并转换成YOYO要求的格式。
进一步的，所述堆煤检测模型的训练方法包括
设置YOLOv3架构所需配置文件；
将历史堆煤图像数据集划分为训练集以及数据集；
在训练集上训练堆煤检测模型；
在测试集上评估堆煤检测模型的性能，完成堆煤检测模型建立。
进一步的，所述在训练集上训练堆煤检测模型的方法包括：
选择Darknet作为YOLOv3架构的基础网络
下载YOLOv3在COCO数据集上预训练的权重
使用预训练的权重，在输煤皮带图像训练集上进行迁移学习，完成模型训练。
进一步的，所述在测试集上评估堆煤检测模型的性能，完成堆煤检测模型建立的方法包括：
使用mAP指标评估模型识别堆煤的平均精度；
设置IOU阈值，评估模型识别和定位堆煤的整体性能。
本发明还提供了一种基于5G网络的电厂输煤皮带堆煤检测装置，所述装置包括：
设备安装模块，适于将无线摄像头连接到5G CPE设备上；
数据采集模块，适于通过无线摄像头采集输煤皮带堆煤图像数据；
数据处理模块，适于对堆煤图像数据进行数据增强；
数据标注模块，适于通过标注工具对输煤皮带堆煤图像进行标注，构建堆煤图像数据集；
检测模块，适于将堆煤图像数据集输入到预先训练好的堆煤检测模型中进行检测。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有一个或一个以上的指令，其特征在于，所述一个或一个以上的指令内的风险分析的装置的处理器执行时实现如上述的基于5G网络的电厂输煤皮带堆煤检测方法。
本发明的有益效果是：本发明提供了一种基于5G网络的电厂输煤皮带堆煤检测方法及装置。其中，基于5G网络的电厂输煤皮带堆煤检测方法将无线摄像头连接到5G CPE设备上；通过无线摄像头采集输煤皮带堆煤图像数据；对堆煤图像数据进行数据增强；通过标注工具对输煤皮带堆煤图像进行标注，构建堆煤图像数据集；将堆煤图像数据集输入到预先训练好的堆煤检测模型中进行检测。通过对摄像头采集的图像数据进行实时监测，能够准确识别输煤皮带的堆煤情况的发生。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是本发明实施例所提供的基于5G网络的电厂输煤皮带堆煤检测方法的流程图。
图2是本发明实施例所提供的基于5G网络的电厂输煤皮带堆煤检测装置的原理框图。
图3是本发明实施例所提供的电子设备的部分框图。
具体实施方式
现在结合附图对本发明作详细的说明。此图为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
实施例1
请参阅图1，本实施例提供了一种基于5G网络的电厂输煤皮带堆煤检测方法。通过对摄像头采集的图像数据进行实时监测，能够准确识别输煤皮带的堆煤情况的发生。
具体来说，基于5G网络的电厂输煤皮带堆煤检测方法包括以下步骤：
S110：将无线摄像头连接到5G CPE设备上。
具体来说，所述的将无线摄像头连接到5G CPE，将拍摄输煤皮带落煤点的无线摄像头连接至5G CPE，并配置网关；配置CPE的端口映射，将落煤点处拍摄的视频流映射到外网端口。
S120：通过无线摄像头采集输煤皮带堆煤图像数据。
具体来说，采集若干输煤皮带堆煤图像数据是指收集包括黑夜和白天以及不同天气条件下的出现堆煤情况的电厂输煤皮带图像数据。
S130：对堆煤图像数据进行数据增强。
具体来说，增强包括强包括平移、旋转、增强亮度和对比度中的一种或多种。
S140：通过标注工具对输煤皮带堆煤图像进行标注，构建堆煤图像数据集。
具体来说，步骤S140包括以下步骤：
S141：选择标注工具；
其中，所述标注工具为VGG Image Annotator图片标注工具。
S142：使用标注工具对收集出现堆煤的电厂输煤皮带堆煤图像数据进行标注，从而获得带标注的堆煤图像数据集。
具体来说，步骤S143包括以下步骤：
S143a：标注每一张输煤皮带图像的待检测目标的类别，即堆煤；
S143b：标注每一张输煤皮带图像中堆煤发生位置的边界框；
S143c：把标注的结果导出并转换成YOYO要求的格式。
S150：将堆煤图像数据集输入到预先训练好的堆煤检测模型中进行检测。
具体来说，所述堆煤检测模型的训练方法包括以下步骤：
S151：设置YOLOv3架构所需配置文件。
具体地，所述的设置YOLOv3架构所需配置文件，包括配置classes.names、train.txt、test.txt和obj.data等训练所需的基本文件
S152：将历史堆煤图像数据集划分为训练集以及数据集；
S153：在训练集上训练堆煤检测模型。
具体地，所述在训练集上训练堆煤检测模型的方法包括：
选择Darknet作为YOLOv3架构的基础网络
下载YOLOv3在COCO数据集上预训练的权重
使用预训练的权重，在输煤皮带图像训练集上进行迁移学习，完成模型训练。
S154：在测试集上评估堆煤检测模型的性能，完成堆煤检测模型建立。
具体地，所述在测试集上评估堆煤检测模型的性能，完成堆煤检测模型建立的方法包括：
使用mAP指标评估模型识别堆煤的平均精度；
设置IOU阈值，评估模型识别和定位堆煤的整体性能，在本实施例中，设置IOU阈值为50％。
步骤S150包括以下子步骤：
S251：对获取的输煤皮带监控视频数据进行均匀抽帧，对抽出的图片进行实时推断；
S252：如果识别并定位到堆煤的发生，对图片进行标记并发送报警信号。
实施例2
请参阅图2，本实施例提供了一种基于5G网络的电厂输煤皮带堆煤检测装置。所述装置包括：
设备安装模块，适于将无线摄像头连接到5G CPE设备上；具体来说，所述的将无线摄像头连接到5G CPE，将拍摄输煤皮带落煤点的无线摄像头连接至5G CPE，并配置网关；配置CPE的端口映射，将落煤点处拍摄的视频流映射到外网端口。
数据采集模块，适于通过无线摄像头采集输煤皮带堆煤图像数据；具体来说，采集若干输煤皮带堆煤图像数据是指收集包括黑夜和白天以及不同天气条件下的出现堆煤情况的电厂输煤皮带图像数据。
数据处理模块，适于对堆煤图像数据进行数据增强；具体来说，增强包括强包括平移、旋转、增强亮度和对比度中的一种或多种。
数据标注模块，适于通过标注工具对输煤皮带堆煤图像进行标注，构建堆煤图像数据集。
具体来说，步骤数据标注模块用于执行以下方法：
S141：选择标注工具；
其中，所述标注工具为VGG Image Annotator图片标注工具。
S142：使用标注工具对收集出现堆煤的电厂输煤皮带堆煤图像数据进行标注，从而获得带标注的堆煤图像数据集。
具体来说，步骤S143包括以下步骤：
S143a：标注每一张输煤皮带图像的待检测目标的类别，即堆煤；
S143b：标注每一张输煤皮带图像中堆煤发生位置的边界框；
S143c：把标注的结果导出并转换成YOYO要求的格式。
检测模块，适于将堆煤图像数据集输入到预先训练好的堆煤检测模型中进行检测。
检测模块中的所述堆煤检测模型的训练方法包括以下步骤：
S151：设置YOLOv3架构所需配置文件。
具体地，所述的设置YOLOv3架构所需配置文件，包括配置classes.names、train.txt、test.txt和obj.data等训练所需的基本文件
S152：将历史堆煤图像数据集划分为训练集以及数据集；
S153：在训练集上训练堆煤检测模型。
具体地，所述在训练集上训练堆煤检测模型的方法包括：
选择Darknet作为YOLOv3架构的基础网络
下载YOLOv3在COCO数据集上预训练的权重
使用预训练的权重，在输煤皮带图像训练集上进行迁移学习，完成模型训练。
具体地，所述在测试集上评估堆煤检测模型的性能，完成堆煤检测模型建立的方法包括：
使用mAP指标评估模型识别堆煤的平均精度；
设置IOU阈值，评估模型识别和定位堆煤的整体性能，在本实施例中，设置IOU阈值为50％。
S154：在测试集上评估堆煤检测模型的性能，完成堆煤检测模型建立。
在本实施例中，检测模块用于执行以下方法：
S251：对获取的输煤皮带监控视频数据进行均匀抽帧，对抽出的图片进行实时推断；
S252：如果识别并定位到堆煤的发生，对图片进行标记并发送报警信号。
实施例3
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有一个或一个以上的指令，所述一个或一个以上的指令内的风险分析的装置的处理器执行时如实施例1所提供的基于5G网络的电厂输煤皮带堆煤检测方法。
本实施方式中，在对基于5G网络的电厂输煤皮带堆煤检测时，将无线摄像头连接到5G CPE设备上；通过无线摄像头采集输煤皮带堆煤图像数据；对堆煤图像数据进行数据增强；通过标注工具对输煤皮带堆煤图像进行标注，构建堆煤图像数据集；将堆煤图像数据集输入到预先训练好的堆煤检测模型中进行检测。通过对摄像头采集的图像数据进行实时监测，能够准确识别输煤皮带的堆煤情况的发生。
实施例4
请参阅图3，本发明实施例还提供了一种电子设备，包括：存储器和处理器；所述存储器中存储有至少一条程序指令；所述处理器通过加载并执行所述至少一条程序指令以实现实施例1所提供的基于5G网络的电厂输煤皮带堆煤检测方法。
存储器502和处理器501采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器501和存储器502的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器501处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器501。
处理器501负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器502可以被用于存储处理器501在执行操作时所使用的数据。
综上所述，本发明提供了一种基于5G网络的电厂输煤皮带堆煤检测方法及装置。其中，基于5G网络的电厂输煤皮带堆煤检测方法将无线摄像头连接到5G CPE设备上；通过无线摄像头采集输煤皮带堆煤图像数据；对堆煤图像数据进行数据增强；通过标注工具对输煤皮带堆煤图像进行标注，构建堆煤图像数据集；将堆煤图像数据集输入到预先训练好的堆煤检测模型中进行检测。通过对摄像头采集的图像数据进行实时监测，能够准确识别输煤皮带的堆煤情况的发生。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关的工作人员完全可以在不偏离本发明的范围内，进行多样的变更以及修改。本项发明的技术范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
Claims (10)
1.一种基于5G网络的电厂输煤皮带堆煤检测方法，其特征在于，所述方法包括：
将无线摄像头连接到5G CPE设备上；
通过无线摄像头采集输煤皮带堆煤图像数据；
对堆煤图像数据进行数据增强；
通过标注工具对输煤皮带堆煤图像进行标注，构建堆煤图像数据集；
将堆煤图像数据集输入到预先训练好的堆煤检测模型中进行检测。
2.如权利要求1所述的基于5G网络的电厂输煤皮带堆煤检测方法，其特征在于，所述对堆煤图像数据进行数据增强的方法中的增强包括强包括平移、旋转、增强亮度和对比度中的一种或多种。
3.如权利要求1所述的基于5G网络的电厂输煤皮带堆煤检测方法，其特征在于，所述通过标注工具对输煤皮带堆煤图像进行标注，构建堆煤图像数据集的方法包括：
选择标注工具；
使用标注工具对收集出现堆煤的电厂输煤皮带堆煤图像数据进行标注，从而获得带标注的堆煤图像数据集。
4.如权利要求3所述的基于5G网络的电厂输煤皮带堆煤检测方法，其特征在于，所述标注工具为VGG Image Annotator图片标注工具。
5.如权利要求3所述的基于5G网络的电厂输煤皮带堆煤检测方法，其特征在于，所述使用标注工具对收集出现堆煤的电厂输煤皮带堆煤图像数据进行标注，从而获得带标注的堆煤图像数据集的方法包括：
标注每一张输煤皮带图像的待检测目标的类别，即堆煤；
标注每一张输煤皮带图像中堆煤发生位置的边界框；
把标注的结果导出并转换成YOYO要求的格式。
6.如权利要求1所述的基于5G网络的电厂输煤皮带堆煤检测方法，其特征在于，所述堆煤检测模型的训练方法包括
设置YOLOv3架构所需配置文件；
将历史堆煤图像数据集划分为训练集以及数据集；
在训练集上训练堆煤检测模型；
在测试集上评估堆煤检测模型的性能，完成堆煤检测模型建立。
7.如权利要求6所述的基于5G网络的电厂输煤皮带堆煤检测方法，其特征在于，所述在训练集上训练堆煤检测模型的方法包括：
选择Darknet作为YOLOv3架构的基础网络
下载YOLOv3在COCO数据集上预训练的权重
使用预训练的权重，在输煤皮带图像训练集上进行迁移学习，完成模型训练。
8.如权利要求7所述的基于5G网络的电厂输煤皮带堆煤检测方法，其特征在于，所述在测试集上评估堆煤检测模型的性能，完成堆煤检测模型建立的方法包括：
使用mAP指标评估模型识别堆煤的平均精度；
设置IOU阈值，评估模型识别和定位堆煤的整体性能。
9.一种基于5G网络的电厂输煤皮带堆煤检测装置，其特征在于，所述装置包括：
设备安装模块，适于将无线摄像头连接到5G CPE设备上；
数据采集模块，适于通过无线摄像头采集输煤皮带堆煤图像数据；
数据处理模块，适于对堆煤图像数据进行数据增强；
数据标注模块，适于通过标注工具对输煤皮带堆煤图像进行标注，构建堆煤图像数据集；
检测模块，适于将堆煤图像数据集输入到预先训练好的堆煤检测模型中进行检测。
10.一种计算机可读存储介质，所述计算机可读存储介质中存储有一个或一个以上的指令，其特征在于，所述一个或一个以上的指令内的风险分析的装置的处理器执行时实现权利要求1至8中任一所述的基于5G网络的电厂输煤皮带堆煤检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011565501.6A CN112686124A (zh) | 2020-12-25 | 2020-12-25 | 基于5g网络的电厂输煤皮带堆煤检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011565501.6A CN112686124A (zh) | 2020-12-25 | 2020-12-25 | 基于5g网络的电厂输煤皮带堆煤检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112686124A true CN112686124A (zh) | 2021-04-20 |
Family
ID=75453271
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011565501.6A Pending CN112686124A (zh) | 2020-12-25 | 2020-12-25 | 基于5g网络的电厂输煤皮带堆煤检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112686124A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110053943A (zh) * | 2019-05-21 | 2019-07-26 | 精英数智科技股份有限公司 | 一种人工智能视频识别皮带堆煤的监测方法 |
| CN110796168A (zh) * | 2019-09-26 | 2020-02-14 | 江苏大学 | 一种基于改进YOLOv3的车辆检测方法 |
| CN111242108A (zh) * | 2020-04-26 | 2020-06-05 | 华夏天信（北京）智能低碳技术研究院有限公司 | 基于目标检测的皮带转载点堵煤识别方法 |
| CN111639526A (zh) * | 2020-04-22 | 2020-09-08 | 云南电网有限责任公司昭通供电局 | 一种基于深度学习的输电线路目标检测与监控方法 |
-
2020
- 2020-12-25 CN CN202011565501.6A patent/CN112686124A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110053943A (zh) * | 2019-05-21 | 2019-07-26 | 精英数智科技股份有限公司 | 一种人工智能视频识别皮带堆煤的监测方法 |
| CN110796168A (zh) * | 2019-09-26 | 2020-02-14 | 江苏大学 | 一种基于改进YOLOv3的车辆检测方法 |
| CN111639526A (zh) * | 2020-04-22 | 2020-09-08 | 云南电网有限责任公司昭通供电局 | 一种基于深度学习的输电线路目标检测与监控方法 |
| CN111242108A (zh) * | 2020-04-26 | 2020-06-05 | 华夏天信（北京）智能低碳技术研究院有限公司 | 基于目标检测的皮带转载点堵煤识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108154508B (zh) | 产品缺陷检测定位的方法、装置、存储介质及终端设备 | |
| CN106971152B (zh) | 一种基于航拍图像的检测输电线路中鸟巢的方法 | |
| CN108257121B (zh) | 产品缺陷检测模型更新的方法、装置、存储介质及终端设备 | |
| CN104913797A (zh) | 指针式仪表的读数识别方法及系统 | |
| CN110737732A (zh) | 一种机电设备故障预警方法 | |
| CN111709421B (zh) | 鸟类识别方法、装置、计算机设备及存储介质 | |
| CN111639647B (zh) | 指示灯状态识别方法、装置、计算机设备及存储介质 | |
| CN108952673B (zh) | 抽油机井工况检查方法及装置 | |
| CN111709374A (zh) | 鸟情检测方法、装置、计算机设备及存储介质 | |
| CN111274926B (zh) | 图像数据筛选方法、装置、计算机设备和存储介质 | |
| CN110307903B (zh) | 一种家禽特定部位无接触温度动态测量的方法 | |
| CN115797811B (zh) | 一种基于视觉的农产品检测方法及系统 | |
| CN113870304A (zh) | 异常行为检测与跟踪方法、装置、可读存储介质及设备 | |
| CN117114420B (zh) | 一种基于图像识别的工贸安全事故风险管控系统和方法 | |
| CN111931573A (zh) | 基于yolo进化深度学习模型的安全帽检测与预警方法 | |
| CN116847222B (zh) | 应用于石油测井下的设备远程监控方法及系统 | |
| CN113128555B (zh) | 一种用于列车闸片部件异常检测的方法 | |
| CN116563841B (zh) | 配电网设备标识牌的检测方法、检测装置和电子设备 | |
| CN112819988A (zh) | 基于5g的无人机电站智能巡检方法、系统和网络侧服务端 | |
| CN112686124A (zh) | 基于5g网络的电厂输煤皮带堆煤检测方法及装置 | |
| CN110751055B (zh) | 一种智能制造系统 | |
| CN116977904A (zh) | 一种基于YOLOv5的快速识别大场景多人工衣检测方法 | |
| CN104778461A (zh) | 基于相似测度学习的煤岩识别方法 | |
| WO2018176203A1 (zh) | 用于评估组件的生命周期的方法和设备 | |
| CN114814419A (zh) | 一种基于大数据的电力柜散热性能检测方法 |
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 | ||
| CB02 | Change of applicant information |
Address after: Floor 31, Asia Pacific business building, No. 2 Hanzhong Road, Gulou District, Nanjing, Jiangsu 210005 Applicant after: LUCULENT SMART TECHNOLOGIES CO.,LTD. Address before: Room a808, World Trade Center building, 67 Shanxi Road, Gulou District, Nanjing, Jiangsu 210000 Applicant before: LUCULENT SMART TECHNOLOGIES CO.,LTD. |
|
| CB02 | Change of applicant information | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210420 |
|
| RJ01 | Rejection of invention patent application after publication |