CN112800837A - 一种鸟类识别系统及方法 - Google Patents
一种鸟类识别系统及方法 Download PDFInfo
- Publication number
- CN112800837A CN112800837A CN202011567002.0A CN202011567002A CN112800837A CN 112800837 A CN112800837 A CN 112800837A CN 202011567002 A CN202011567002 A CN 202011567002A CN 112800837 A CN112800837 A CN 112800837A
- Authority
- CN
- China
- Prior art keywords
- processor
- bird
- image
- signals
- sound
- 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
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000005236 sound signal Effects 0.000 claims abstract description 32
- 238000004891 communication Methods 0.000 claims abstract description 14
- 230000002093 peripheral effect Effects 0.000 claims abstract description 9
- 239000000284 extract Substances 0.000 claims abstract description 3
- 230000003993 interaction Effects 0.000 claims description 15
- 241000607479 Yersinia pestis Species 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000007547 defect Effects 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003975 animal breeding Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000013872 defecation Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- 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
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/68—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/683—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/26—Recognition of special voice characteristics, e.g. for use in lie detectors; Recognition of animal voices
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明为克服仅根据鸟类语音信号对鸟类进行识别的准确率低的缺陷,提出一种鸟类识别系统,以及一种鸟类识别方法,其中包括声音采集模块、图像采集模块、处理器、通信模块、服务器、供电模块,声音采集模块采集鸟类声音信号后传输至处理器中,处理器接收鸟类声音信号同时向图像采集模块发出控制信号,控制图像采集模块工作并采集周边图像信号,然后传输至处理器中;处理器根据接收的鸟类声音信号和图像信号进行特征提取处理,并根据提取的声音特征和图像特征与声纹数据库和图像数据库中的标签样本进行比对,将相似度最大的标签样本对应的标签作为识别结果并进行输出;处理器将输出的识别结果通过通信模块上传至服务器中进行显示。
Description
技术领域
本发明涉及声音识别技术领域,更具体地,涉及一种鸟类识别系统及方法。
背景技术
近年来,随着社会进步和生态环境的改善,人们保护野生动物的意识逐渐增强,鸟类繁殖速度加快,数量增多,活动频繁,鸟类在输电杆塔上排便、筑巢、飞行等活动引起的线路故障呈逐年上升趋势,导致配电线路反复发生接地、短路等故障,已成为破坏电力系统安全稳定运行的主要故障之一。目前,已有一些针对鸟类分布情况和鸟害发生概率的研究工作,相比发展较为成熟的污区分布图和正在积极发展的冰区分布图,电力系统鸟害分布的相关技术研究进展缓慢。
现有的针对输电线路的涉害鸟类研究,大多采用样线法等进行调研,同时与电网鸟害故障的统计信息和各地区的生态因素相结合,得到经验性的统计结果,但缺乏对广东沿海丘陵地区典型涉害鸟类的研究。现有的针对输电线路鸟类分布与生态环境关系的研究,只停留在简单的观察统计之中,无法有针对性的发现鸟害。应用于鸟类智能识别的装置有如公开号为CN202058443U提出的一种鸟类语音识别系统,通过对鸟类语音信号进行采集分析后获取鸟类信息。然而仅根据鸟类语音信号对鸟类进行识别存在一定局限性,在环境音等噪音影响下对鸟类识别准确率存在一定的影响。
发明内容
本发明为克服上述现有技术所述的仅根据鸟类语音信号对鸟类进行识别的准确率低的缺陷,提供一种鸟类识别系统,以及一种鸟类识别方法。
为解决上述技术问题,本发明的技术方案如下:
一种鸟类识别系统,包括声音采集模块、图像采集模块、处理器、通信模块、服务器、供电模块,其中:
所述声音采集模块的输出端与所述处理器的第一输入端连接;
所述图像采集模块的控制端与所述处理器的第一输出端连接,所述图像采集模块的输出端与所述处理器的第二输入端连接;
所述处理器通过所述通信模块与所述服务器进行数据交互;
所述处理器内设置有声纹数据库和图像数据库;
所述供电模块的输出端分别与所述声音采集模块、图像采集模块、处理器、通信模块的供电端电性连接。
在使用过程中,所述声音采集模块采集鸟类声音信号后传输至所述处理器中,所述处理器接收鸟类声音信号同时向所述图像采集模块发出控制信号,控制所述图像采集模块工作并采集周边图像信号,然后传输至所述处理器中;
所述处理器根据接收的鸟类声音信号和图像信号进行特征提取处理,并根据提取的声音特征和图像特征与所述声纹数据库和图像数据库中的标签样本进行比对,将相似度最大的标签样本对应的标签作为识别结果并进行输出;所述处理器将输出的识别结果通过所述通信模块上传至服务器中进行显示。
作为优选方案,所述供电模块包括蓄电池。
作为优选方案,系统还包括太阳能发电板,所述太阳能发电板的输出端与所述蓄电池的充电端电性连接。
作为优选方案,系统还包括客户端,所述客户端通过局域网与所述服务器进行数据交互获取采集的鸟类声音信号、图像信号,以及获取所述处理器上传的鸟类识别结果;所述客户端通过所述服务器向所述处理器传输控制指令,控制所述处理器执行相应操作。
作为优选方案,所述服务器包括依次连接的控制层、业务层、数据访问层,所述客户端通过局域网与所述服务器中的控制层进行数据交互,所述服务器中的数据访问层与所述处理器进行数据交互。
作为优选方案,所述数据访问层存储有数据表,所述数据表包括管理部门表、用户表、菜单表、权限表、角色表、系统日志表、鸟害数据表、害鸟数据表、角色与权限关系表、角色与用户关系表。
作为优选方案,所述处理器还包括网口、USB口;所述处理器通过所述网口与互联网或局域网连接,所述处理器通过所述USB口与外接设备进行数据交互。
作为优选方案,系统还包括显示模块,所述显示模块的输入端与所述处理器的输出端连接;所述处理器将输出的识别结果通过所述显示模块进行显示。
作为优选方案,系统还包括警示灯,所述警示灯的控制端与所述处理器的输出端连接。
本发明还提出一种鸟类识别方法,应用与上述任一技术方案提出的鸟类识别系统,包括以下步骤:
S1:声音采集模块采集鸟类声音信号后传输至所述处理器中;
S2:处理器接收鸟类声音信号同时向所述图像采集模块发出控制信号,控制所述图像采集模块工作并采集周边图像信号,然后传输至所述处理器中;
S3:所述处理器根据接收的鸟类声音信号和图像信号进行特征提取处理,得到声音特征和图像特征;
S4:根据提取的声音特征和图像特征与所述声纹数据库和图像数据库中的标签样本进行比对,将相似度最大的标签样本对应的标签作为识别结果并进行输出。
与现有技术相比,本发明技术方案的有益效果是:本发明采用声音采集模块采集鸟类的声音信号,当感应获取鸟类声音信号时,处理器触发并控制图像采集模块采集鸟类图像,处理器进一步结合采集的鸟类声音信号和图像信号进行识别,具体的,与处理器中存储的大量带标签样本进行比对,相似度最高的标签样本对应的标签作为识别结果进行输出,能够有效提高鸟类识别准确率。
附图说明
图1为实施例1的鸟类识别系统的结构示意图。
图2为实施例2的鸟类识别方法的流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提出一种鸟类识别系统,如图1所示,为本实施例的鸟类识别系统的结构示意图。
本实施例提出的鸟类识别系统中,包括声音采集模块1、图像采集模块2、处理器3、通信模块4、服务器5、供电模块6,其中:
声音采集模块1的输出端与处理器3的第一输入端连接;
图像采集模块2的控制端与处理器3的第一输出端连接,图像采集模块2的输出端与处理器3的第二输入端连接;
处理器3通过通信模块4与服务器5进行数据交互;
处理器3内设置有声纹数据库31和图像数据库32;
供电模块6的输出端分别与声音采集模块1、图像采集模块2、处理器3、通信模块4的供电端电性连接。
在具体实施过程中,声音采集模块1采集鸟类声音信号后传输至处理器3中,处理器3接收鸟类声音信号同时向图像采集模块2发出控制信号,控制图像采集模块2工作并采集周边图像信号,然后传输至处理器3中;
处理器3根据接收的鸟类声音信号和图像信号进行特征提取处理,并根据提取的声音特征和图像特征与声纹数据库31和图像数据库32中的标签样本进行比对,将相似度最大的标签样本对应的标签作为识别结果并进行输出;处理器3将输出的识别结果通过通信模块4上传至服务器5中进行显示。
本实施例中,供电模块6采用蓄电池61。进一步的,本实施例中的鸟类识别系统还包括太阳能发电板62,太阳能发电板62的输出端与蓄电池61的充电端电性连接。
进一步的,本实施例中的鸟类识别系统还包括客户端7,客户端7通过局域网与服务器5进行数据交互获取采集的鸟类声音信号、图像信号,以及获取处理器3上传的鸟类识别结果;客户端7通过服务器5向处理器3传输控制指令,控制处理器3执行相应操作。
其中,服务器5包括依次连接的控制层51、业务层52、数据访问层53,客户端7通过局域网与服务器5中的控制层51进行数据交互,服务器5中的数据访问层53与处理器3进行数据交互。
数据访问层53存储有数据表,数据表包括管理部门表、用户表、菜单表、权限表、角色表、系统日志表、鸟害数据表、害鸟数据表、角色与权限关系表、角色与用户关系表。其中:
管理部门表:用于记录用户所在的部门;
用户表:用于记录用户的基本信息,所在部门以及身份等级,并且可通过信息表来判断员工登陆的帐号密码时候正确;
菜单表:菜单表用于存取鸟害分布图系统的菜单数据,包括菜单名,点击该菜单跳转的url和当前菜单的父菜单;
权限表:用于保存鸟类软件设置的所有权限信息,控制不同角色访问特定的资源;
角色表:用于保存鸟类软件设置的所有角色信息,控制不同角色访问特定的资源;
系统日志表:用于保存鸟类识别软件所有的操作记录;
鸟害数据表:用于保存鸟类识别软件所有的鸟害数据;
害鸟数据表:用于保存鸟类识别软件所有的害鸟数据;
角色与权限关系表和角色与用户关系表用于维护表与表之间的多对多关系。
进一步的,本实施例中的处理器3还包括网口、USB口;处理器3通过网口与互联网或局域网连接,处理器3通过USB口与外接设备进行数据交互。
进一步的,本实施例中的鸟类识别系统还包括显示模块8和警示灯9,显示模块8的输入端与处理器3的输出端连接;处理器3将输出的识别结果通过显示模块8进行显示;警示灯9的控制端与处理器3的输出端连接。
本实施例中,采用声音采集模块1采集鸟类的声音信号,当感应获取鸟类声音信号时,处理器3触发并控制图像采集模块2采集鸟类图像,处理器3进一步结合采集的鸟类声音信号和图像信号进行识别,具体的,与处理器3中存储的大量带标签样本进行比对,相似度最高的标签样本对应的标签作为识别结果进行输出,能够有效提高鸟类识别准确率。
在一具体实施过程中,根据鸟类识别系统的装置主机功耗平均6w功耗计算,采用12V,48AH的由蓄电池61和太阳能发电板62组成的太阳能供电模块6,可满足本实施例的鸟类识别系统在连续阴雨工作4-5天以上。图像采集模块2选用200万1/2.8"CMOS低功耗摄像机,其最高分辨率下录像功耗低于1.1W,且支持平台远程配置低功耗模式,支持多种形式从休眠模式唤醒。
实施例2
本实施例提出一种鸟类识别方法,应用于实施例1提出的鸟类识别系统,如图2所示,为本实施例的鸟类识别方法的流程图。
本实施例提出的鸟类识别方法中,包括以下步骤:
S1:声音采集模块1采集鸟类声音信号后传输至处理器3中;
S2:处理器3接收鸟类声音信号同时向图像采集模块2发出控制信号,控制图像采集模块2工作并采集周边图像信号,然后传输至处理器3中;
S3:处理器3根据接收的鸟类声音信号和图像信号进行特征提取处理,得到声音特征和图像特征;
S4:根据提取的声音特征和图像特征与声纹数据库31和图像数据库32中的标签样本进行比对,将相似度最大的标签样本对应的标签作为识别结果并进行输出。
本实施例中,结合采集的鸟类声音和鸟类图像进行识别,能够有效提高鸟类识别的准确率。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种鸟类识别系统,其特征在于,包括声音采集模块、图像采集模块、处理器、通信模块、服务器、供电模块,其中:
所述声音采集模块的输出端与所述处理器的第一输入端连接;
所述图像采集模块的控制端与所述处理器的第一输出端连接,所述图像采集模块的输出端与所述处理器的第二输入端连接;
所述处理器通过所述通信模块与所述服务器进行数据交互;
所述处理器内设置有声纹数据库和图像数据库;
所述供电模块的输出端分别与所述声音采集模块、图像采集模块、处理器、通信模块的供电端电性连接;
所述声音采集模块采集鸟类声音信号后传输至所述处理器中,所述处理器接收鸟类声音信号同时向所述图像采集模块发出控制信号,控制所述图像采集模块工作并采集周边图像信号,然后传输至所述处理器中;
所述处理器根据接收的鸟类声音信号和图像信号进行特征提取处理,并根据提取的声音特征和图像特征与所述声纹数据库和图像数据库中的标签样本进行比对,将相似度最大的标签样本对应的标签作为识别结果并进行输出;所述处理器将输出的识别结果通过所述通信模块上传至服务器中进行显示。
2.根据权利要求1所述的鸟类识别系统,其特征在于,所述供电模块包括蓄电池。
3.根据权利要求2所述的鸟类识别系统,其特征在于,系统还包括太阳能发电板,所述太阳能发电板的输出端与所述蓄电池的充电端电性连接。
4.根据权利要求1所述的鸟类识别系统,其特征在于,系统还包括客户端,所述客户端通过局域网与所述服务器进行数据交互获取采集的鸟类声音信号、图像信号,以及获取所述处理器上传的鸟类识别结果;所述客户端通过所述服务器向所述处理器传输控制指令,控制所述处理器执行相应操作。
5.根据权利要求4所述的鸟类识别系统,其特征在于,所述服务器包括依次连接的控制层、业务层、数据访问层,所述客户端通过局域网与所述服务器中的控制层进行数据交互,所述服务器中的数据访问层与所述处理器进行数据交互。
6.根据权利要求5所述的鸟类识别系统,其特征在于,所述数据访问层存储有数据表,所述数据表包括管理部门表、用户表、菜单表、权限表、角色表、系统日志表、鸟害数据表、害鸟数据表、角色与权限关系表、角色与用户关系表。
7.根据权利要求1所述的鸟类识别系统,其特征在于,所述处理器还包括网口、USB口;所述处理器通过所述网口与互联网或局域网连接,所述处理器通过所述USB口与外接设备进行数据交互。
8.根据权利要求1所述的鸟类识别系统,其特征在于,系统还包括显示模块,所述显示模块的输入端与所述处理器的输出端连接;所述处理器将输出的识别结果通过所述显示模块进行显示。
9.根据权利要求1所述的鸟类识别系统,其特征在于,系统还包括警示灯,所述警示灯的控制端与所述处理器的输出端连接。
10.一种鸟类识别方法,应用权利要求1~9任一项所述的鸟类识别系统,其特征在于,包括以下步骤:
S1:声音采集模块采集鸟类声音信号后传输至所述处理器中;
S2:处理器接收鸟类声音信号同时向所述图像采集模块发出控制信号,控制所述图像采集模块工作并采集周边图像信号,然后传输至所述处理器中;
S3:所述处理器根据接收的鸟类声音信号和图像信号进行特征提取处理,得到声音特征和图像特征;
S4:根据提取的声音特征和图像特征与所述声纹数据库和图像数据库中的标签样本进行比对,将相似度最大的标签样本对应的标签作为识别结果并进行输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011567002.0A CN112800837B (zh) | 2020-12-25 | 2020-12-25 | 一种鸟类识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011567002.0A CN112800837B (zh) | 2020-12-25 | 2020-12-25 | 一种鸟类识别系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112800837A true CN112800837A (zh) | 2021-05-14 |
CN112800837B CN112800837B (zh) | 2023-01-24 |
Family
ID=75805021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011567002.0A Active CN112800837B (zh) | 2020-12-25 | 2020-12-25 | 一种鸟类识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112800837B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113645389A (zh) * | 2021-08-16 | 2021-11-12 | 江西省科学院微生物研究所 | 一种用于湿地鸟类的全景阵列图像监测及跟踪识别系统 |
CN114617117A (zh) * | 2022-04-15 | 2022-06-14 | 南京林业大学 | 基于鸣声特征的果园鸟害防治管理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202058443U (zh) * | 2011-05-09 | 2011-11-30 | 杨捷 | 一种鸟类语音识别系统 |
CN108055198A (zh) * | 2018-01-16 | 2018-05-18 | 陈明霞 | 电网鸟害预警微信服务平台 |
KR20180119929A (ko) * | 2017-04-26 | 2018-11-05 | 현대자동차주식회사 | 음성 인식 장치, 음성 인식 방법 및 상기 음성 인식 장치를 포함하는 차량 |
-
2020
- 2020-12-25 CN CN202011567002.0A patent/CN112800837B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202058443U (zh) * | 2011-05-09 | 2011-11-30 | 杨捷 | 一种鸟类语音识别系统 |
KR20180119929A (ko) * | 2017-04-26 | 2018-11-05 | 현대자동차주식회사 | 음성 인식 장치, 음성 인식 방법 및 상기 음성 인식 장치를 포함하는 차량 |
CN108055198A (zh) * | 2018-01-16 | 2018-05-18 | 陈明霞 | 电网鸟害预警微信服务平台 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113645389A (zh) * | 2021-08-16 | 2021-11-12 | 江西省科学院微生物研究所 | 一种用于湿地鸟类的全景阵列图像监测及跟踪识别系统 |
CN114617117A (zh) * | 2022-04-15 | 2022-06-14 | 南京林业大学 | 基于鸣声特征的果园鸟害防治管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112800837B (zh) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108875647B (zh) | 一种基于牲畜身份的移动轨迹监测方法和系统 | |
US20210389290A1 (en) | Intelligent Monitoring and Analysis Method for Air Pollution and Device Thereof | |
CN112800837B (zh) | 一种鸟类识别系统及方法 | |
EP2741473B1 (en) | Human-machine interaction data processing method and apparatus | |
CN109190950B (zh) | 一种电表和水表档案贯通的用能异常识别方法 | |
CN112308001A (zh) | 一种智慧社区的数据分析方法及人员追踪方法、系统 | |
CN104036235A (zh) | 基于叶片hog特征和智能终端平台的植物物种识别方法 | |
CN101957845B (zh) | 一种在线应用系统及其实现方法 | |
CN109272232A (zh) | 基于变电站精细化巡检业务的可视化数据管理方法 | |
CN108280795A (zh) | 基于动态数据库的高速公路绿色通道异常车辆的筛选方法 | |
CN114677624B (zh) | 基于云边协同的母猪分娩智能监测系统 | |
CN110019703A (zh) | 数据标记方法及装置、智能问答方法及系统 | |
CN113988573A (zh) | 基于电力系统巡检无人机的风险判断方法、系统和介质 | |
CN104484651B (zh) | 人像动态对比方法及系统 | |
CN115909395A (zh) | 一种输电线路鸟害监测方法、装置、电子设备及存储介质 | |
CN110308244B (zh) | 无人机的空气监测预警方法、系统及存储介质 | |
CN111060079A (zh) | 河道异物识别方法以及河道异物监控平台系统 | |
CN114494916A (zh) | 一种基于YOLO和DeepSORT的黑颈鹤监测追踪方法 | |
CN112053079A (zh) | 一种电力监控系统供应链安全监测预警系统及方法 | |
CN115187880A (zh) | 基于图像识别的通信光缆缺陷检测方法、系统及存储介质 | |
CN108600254A (zh) | 一种音视频识别系统 | |
Wang et al. | Image detection system based on smart sensor network and ecological economy in the context of fine agriculture | |
Mazare et al. | Pests detection system for agricultural crops using intelligent image analysis | |
CN113888481A (zh) | 一种桥面病害检测方法、系统、设备及存储介质 | |
CN111291597B (zh) | 一种基于图像的人群态势分析方法、装置、设备及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |