CN113362575A - 一种基于人工智能的矿山环境智能监测系统 - Google Patents

一种基于人工智能的矿山环境智能监测系统 Download PDF

Info

Publication number
CN113362575A
CN113362575A CN202110630986.0A CN202110630986A CN113362575A CN 113362575 A CN113362575 A CN 113362575A CN 202110630986 A CN202110630986 A CN 202110630986A CN 113362575 A CN113362575 A CN 113362575A
Authority
CN
China
Prior art keywords
intelligent
artificial intelligence
environment
data
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
Application number
CN202110630986.0A
Other languages
English (en)
Inventor
刘建丽
姚俊
周德良
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.)
China University of Geosciences Beijing
Original Assignee
China University of Geosciences Beijing
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 China University of Geosciences Beijing filed Critical China University of Geosciences Beijing
Priority to CN202110630986.0A priority Critical patent/CN113362575A/zh
Publication of CN113362575A publication Critical patent/CN113362575A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B3/00—Audible signalling systems; Audible personal calling systems
    • G08B3/10—Audible signalling systems; Audible personal calling systems using electric transmission; using electromagnetic transmission
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Emergency Management (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Biophysics (AREA)
  • Electromagnetism (AREA)
  • Medical Informatics (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开一种基于人工智能的矿山环境智能监测系统，包括依次连接的：环境信息采集模块、云服务器、智能检测模块、语音报警模块；环境信息采集模块用于采集监测区域内的环境数据，并将环境数据经由通信网络传输至云服务器；云服务器用于将所述环境信息采集模块传来的环境数据进行存储；智能检测模块用于从云服务器调取环境数据以进行智能化数据分析检测，并将检测结果归类输出与保存；语音报警模块用于在检测到不达标的环境数据时启动语音报警；本发明基于人工智能的检测模型对远程获取的环境数据进行智能化分析检测，真正实现了矿山环境的智能化远程监测。

Description

一种基于人工智能的矿山环境智能监测系统
技术领域
本发明涉及矿山修复领域，特别是涉及一种基于人工智能的矿山环境智能监测系统。
背景技术
矿山环境问题是指研究采矿活动对环境的污染和破坏，如破坏原有的地形、地貌和地质结构等。而矿山环境亟待解决的重金属-选冶药剂复合污染问题有重金属之间的复合污染、选冶药剂及其二次代谢产物(如PAHs)的复合污染、重金属与选冶药剂及其代谢产物之间的复合污染，这都需要实施大量的检测组件进行实时在线检测，从而为矿山复合污染的环境修复提供技术保障。而人工智能可以使机器具备感知、理解、行动和学习等功能，以此拓展人类的能力，且人工智能的宏观、实时、高效、高分辨率等优势，为环境变化检测提供了新的技术手段，在实际应用中，人与机器协同工作、彼此互补的优势，但由于人工智能技术受先进的算法、硬件运算能力和大数据等因素的限制，对环境信息检测的准确性和效率带来很大的影响。
目前，矿山环境的大数据检测依旧面临着较大的挑战，因此亟需提供一种新型专用于矿山复合污染环境的人工智能监测系统。
发明内容
本发明的目的是提供一种基于人工智能的矿山环境智能监测系统，利用基于人工智能的检测模型采集环境信息，对远程获取的环境数据进行智能化分析检测，分析环境状态信息，储存并显示矿山的地质环境问题以及地质塌陷问题。在一些其他危险场合也能够很好地工作，具有较高的实际应用价值。
为实现上述目的，本发明提供了如下方案：本发明提供一种基于人工智能的矿山环境智能监测系统,本发明的矿山环境智能监测系统包括依次连接的：环境信息采集模块、云服务器、智能检测模块、语音报警模块；
所述环境信息采集模块用于采集监测区域内的环境数据，并将所述环境数据传输至所述云服务器；
所述云服务器用于将所述环境信息采集模块传来的环境数据进行存储；
所述智能检测模块用于从所述云服务器中调取环境数据并进行智能化数据分析检测，并将检测结果归类输出与保存；
所述语音报警模块用于在检测到不达标的环境数据时启动语音报警。
优选地，所述环境信息采集模块包括通信基站和多个位于监测区域的传感器，所述传感器用于采集监测区域内的环境数据，并将所述环境数据传输至所述通信基站，所述通信基站用于对所述环境数据进行传输与保存。
优选地，所述传感器采用土壤监测传感器，且每个所述土壤监测传感器都设有固定的ID号。
优选地，所述智能检测模块包括人工智能计算处理器，所述人工智能计算处理器通过智能检测模型对所述环境数据进行分析检测。
优选地，所述人工智能计算处理器部署Ubuntu系统和Tensorflow深度学习框架。
优选地，所述智能检测模型是基于递归神经网络RNN进行数据自主学习的归类检测模型。
优选地，所述RNN包括输入层、隐藏层和输出层。
优选地，所述智能检测模块用于对所述云服务器中的环境数据进行智能化数据分析检测，并将结果以分类的形式对应输出和保存。
优选地，所述智能检测模块用于检测到不达标环境数据时触发启动语音报警模块。
优选地，所述语音报警模块部署在所述人工智能计算处理器处，所述语音报警模块在环境数据不达标的条件触发下启动语音报警。
本发明公开了以下技术效果：
(1)基于人工智能检测模型对远程获取的环境数据进行智能化分析检测，节约了人力、物力、时间等各种成本，提高了检测效率和准确率；
(2)数据能够远程获取，无需监测现场人员驻留，提高了矿山环境监测的安全性；
(3)超标数据实时语音报警，及时提醒工作人员进行处理，无需时刻对数据进行分析，降低了工作难度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的逻辑原理图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明提供一种基于人工智能的矿山环境智能监测系统，包括依次连接的环境信息采集模块、云服务器、智能检测模块、语音报警模块；
环境信息采集模块用于采集监测区域内的环境数据，并将环境数据传输至云服务器；
云服务器用于将环境信息采集模块传来的环境数据进行存储；智能检测模块用于从云服务器中调取环境数据并进行智能化数据分析检测，并将检测结果归类输出与保存；
环境信息采集模块包括通信基站和多个位于监测区域的传感器，其中传感器采集监测区域内的环境数据，并将采集到的数据传输至通信基站。
监测区域内的传感器采用土壤监测传感器，且每个土壤监测传感器都设有固定的ID号，这样当监测到超标环境数据时则可以定位到超标数据来自于哪个传感器及哪个监测区域；
监测区域内的传感器每间隔一段时间自动检测一次，且24小时全天监测，其中间隔时间可根据检测需求、检测环境、检测条件等人为设定，本示例设定间隔时间为2小时，也就是传感器每2小时对监测区域内的环境数据进行一次自动检测和数据传送；通信基站则负责接收传感器采集到的环境数据，然后将接收到的环境数据经由通信网络传输至云服务器进行保存，这样就实现了现场数据的远程传输，无需监测现场人员驻留。
智能检测模块包括人工智能计算处理器，人工智能计算处理器通过智能检测模型对所述环境数据进行分析检测；人工智能计算处理器部署Ubuntu系统和Tensorflow深度学习框架，其中Tensorflow深度学习框架是保证RNN模型能够工作和运行的必要环境条件，Ubuntu系统属于一种Linux系统，可以帮助RNN模型以更快的速度运行，从而满足深度学习模型软件正常的运行环境；人工智能计算处理器需满足64G内存、4T硬盘空间，以保证人工智能计算处理器具有足够的计算处理能力和数据存储空间，同时人工智能计算处理器最好配备多块GPU，这样可以满足并行计算处理的需求。
人工智能(ArtificialIntelligence，AI)是涉及研究、设计和应用智能机器的一种机器学习技术，其能够模拟人脑工作，属于机器学习的子领域。人工智能通过人工神经网络来对数据间的复杂关系进行建模，其通过组合低级特征以形成更加抽象的高级特征,从而对数据特征进行提取，具有更强的建模和推理能力。与传统方法不同，人工智能不需要事先确定输入输出之间映射关系的数学方程，仅通过自身神经网络的训练学习，就能自主地从数据上学到有用的特征，这样在给定输入值时就能得到最接近期望的输出结果。人工神经网络是由大量处理单元相互连接构成的神经网络，其具有很强的自学能力，能够自动从已有数据中总结得到数据规律特征。递归神经网络RNN(recurrent neural network)是人工神经网络的一种，其采用反向传播算法进行训练，是一种具有反馈结构的神经网络。该神经网络会对前面的信息进行记忆与保存，并用于当前输出的计算中，从而提高了网络输出结果的可靠性和准确率。
本系统采用的智能检测模型是基于递归神经网络(RNN)进行数据自主学习而得到的归类检测模型，其基本结构包括输入层、隐藏层和输出层，输入层负责输入数据，隐藏层负责数据处理计算，输出层输出计算结果；智能检测模型对从云服务器调取的环境数据进行智能化数据分析检测，如果环境数据检测判断为不达标，则将检测结果以“当前具体时间”、“超标类型”、“超标数值”、“超标等级”和“出现超标的传感器ID号”的形式对应输出和保存，同时触发启动语音报警模块，其中“超标等级”分为一般、严重、非常严重三档，且相邻两档之间的临界值可按照环境、条件及需求等人为设定；如果环境数据检测判断为达标，则将检测结果以“当前具体时间”和“全部监测点检测正常”的形式对应输出和保存，但不会触发启动语音报警模块。
语音报警模块部署在人工智能计算处理器，通过智能检测模型进行判断，在条件触发的情况下启动语音报警，即当人工智能处理器使用智能检测模型检测到不达标数据时启动语音报警。
本发明的检测流程为：
将设定好检测间隔时间的多个传感器部署在指定监测区域，将检测间隔时间定为2小时，这样传感器每2小时对监测区域内的环境数据进行一次自动检测，然后将检测到的环境数据传输至通信基站，通信基站再将接收到的环境数据经由通信网络传输至云服务器，云服务器对接收到的环境数据进行保存。人工智能计算处理器使用智能检测模型从云服务器中调取保存的环境数据，同时对环境数据进行智能化数据分析检测，如果环境数据检测判断为不达标，则将检测结果以“当前具体时间”、“超标类型”、“超标数值”、“超标等级”和“出现超标的传感器ID号”的形式对应输出和保存，同时触发启动语音报警模块，其中“超标等级”分为一般、严重、非常严重三档，且相邻两档之间的临界值可按照环境、条件及需求等人为设定；如果环境数据检测判断为达标，则将检测结果以“当前具体时间”和“全部监测点检测正常”的形式对应输出和保存，但语音报警模块不会被触发启动。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (9)

1.一种基于人工智能的矿山环境智能监测系统，其特征在于：包括依次连接的环境信息采集模块、云服务器、智能检测模块、语音报警模块；
所述环境信息采集模块用于采集监测区域内的环境数据，并将所述环境数据传输至所述云服务器；
所述云服务器用于将所述环境信息采集模块传来的环境数据进行存储；
所述智能检测模块用于从所述云服务器中调取环境数据并进行智能化数据分析检测，并将检测结果归类输出与保存；
所述语音报警模块用于在检测到不达标的环境数据时启动语音报警。
2.根据权利要求1所述的一种基于人工智能的矿山环境智能监测系统，其特征在于：所述环境信息采集模块包括通信基站和多个位于监测区域的传感器，所述传感器用于采集监测区域内的环境数据，并将所述环境数据传输至所述通信基站，所述通信基站用于对所述环境数据进行传输与保存。
3.根据权利要求2所述的一种基于人工智能的矿山环境智能监测系统，其特征在于：所述传感器采用土壤监测传感器，且每个所述土壤监测传感器都设有固定的ID号。
4.根据权利要求1所述的一种基于人工智能的矿山环境智能监测系统，其特征在于：所述智能检测模块包括人工智能计算处理器，所述人工智能计算处理器采用智能检测模型对所述环境数据进行分析检测。
5.根据权利要求4所述的一种基于人工智能的矿山环境智能监测系统，其特征在于：所述人工智能计算处理器部署Ubuntu系统和Tensorflow深度学习框架。
6.根据权利要求4所述的一种基于人工智能的矿山环境智能监测系统，其特征在于：所述智能检测模型是基于递归神经网络RNN的归类检测模型。
7.根据权利要求6所述的一种基于人工智能的矿山环境智能监测系统，其特征在于：所述RNN包括输入层、隐藏层和输出层。
8.根据权利要求1所述的一种基于人工智能的矿山环境智能监测系统，其特征在于：所述智能检测模块用于对所述云服务器中的环境数据进行智能化数据分析检测，并将结果以分类的形式对应输出和保存。
9.根据权利要求1所述的一种基于人工智能的矿山环境智能监测系统，其特征在于：所述语音报警模块部署在所述人工智能计算处理器处，所述语音报警模块在环境数据不达标的条件触发下启动语音报警。
CN202110630986.0A 2021-06-07 2021-06-07 一种基于人工智能的矿山环境智能监测系统 Pending CN113362575A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110630986.0A CN113362575A (zh) 2021-06-07 2021-06-07 一种基于人工智能的矿山环境智能监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110630986.0A CN113362575A (zh) 2021-06-07 2021-06-07 一种基于人工智能的矿山环境智能监测系统

Publications (1)

Publication Number Publication Date
CN113362575A true CN113362575A (zh) 2021-09-07

Family

ID=77532724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110630986.0A Pending CN113362575A (zh) 2021-06-07 2021-06-07 一种基于人工智能的矿山环境智能监测系统

Country Status (1)

Country Link
CN (1) CN113362575A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114582102A (zh) * 2022-03-02 2022-06-03 中国地质大学（北京） 一种矿山环境智能监测系统和方法
CN114636789A (zh) * 2022-03-18 2022-06-17 矿冶科技集团有限公司 一种用于选冶渣场重金属污染的预警应急系统
CN115249331A (zh) * 2022-09-22 2022-10-28 山东世纪矿山机电有限公司 基于卷积神经网络模型的矿山生态安全识别方法
CN116309378A (zh) * 2023-02-24 2023-06-23 杭州珍林网络技术有限公司 一种基于人工智能的电子产品智能检测系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101908262A (zh) * 2010-04-01 2010-12-08 北京农业智能装备技术研究中心 一种用于无线多点地温监测的传感器及方法
US8682494B1 (en) * 2009-02-02 2014-03-25 Green Badge, LLC Methods for performing soil measurements including defining antenna configuration based on sensor burial depth
CN108645450A (zh) * 2018-06-29 2018-10-12 张家港市鸿嘉数字科技有限公司 一种智慧城市环保系统及其工作方法
CN208046916U (zh) * 2017-12-27 2018-11-02 四川瞭望测控技术有限公司 一种土壤重金属在线监测装置
CN110149610A (zh) * 2019-05-20 2019-08-20 周明 一种智能环保检测系统
CN111314473A (zh) * 2020-02-22 2020-06-19 洋浦美诺安电子科技有限责任公司 一种基于人工智能的环境监测系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8682494B1 (en) * 2009-02-02 2014-03-25 Green Badge, LLC Methods for performing soil measurements including defining antenna configuration based on sensor burial depth
CN101908262A (zh) * 2010-04-01 2010-12-08 北京农业智能装备技术研究中心 一种用于无线多点地温监测的传感器及方法
CN208046916U (zh) * 2017-12-27 2018-11-02 四川瞭望测控技术有限公司 一种土壤重金属在线监测装置
CN108645450A (zh) * 2018-06-29 2018-10-12 张家港市鸿嘉数字科技有限公司 一种智慧城市环保系统及其工作方法
CN110149610A (zh) * 2019-05-20 2019-08-20 周明 一种智能环保检测系统
CN111314473A (zh) * 2020-02-22 2020-06-19 洋浦美诺安电子科技有限责任公司 一种基于人工智能的环境监测系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114582102A (zh) * 2022-03-02 2022-06-03 中国地质大学（北京） 一种矿山环境智能监测系统和方法
CN114636789A (zh) * 2022-03-18 2022-06-17 矿冶科技集团有限公司 一种用于选冶渣场重金属污染的预警应急系统
CN115249331A (zh) * 2022-09-22 2022-10-28 山东世纪矿山机电有限公司 基于卷积神经网络模型的矿山生态安全识别方法
CN116309378A (zh) * 2023-02-24 2023-06-23 杭州珍林网络技术有限公司 一种基于人工智能的电子产品智能检测系统
CN116309378B (zh) * 2023-02-24 2024-04-26 杭州珍林网络技术有限公司 一种基于人工智能的电子产品智能检测系统

Similar Documents

Publication Publication Date Title
CN113362575A (zh) 一种基于人工智能的矿山环境智能监测系统
CN106593534B (zh) 一种智能隧道施工安全监控系统
CN106205061B (zh) 一种地质灾害预测系统
CN110264672A (zh) 一种地质灾害的预警系统
CN110910613B (zh) 一种岩体微震无线监测接收预警系统
CN106846729A (zh) 一种基于卷积神经网络的跌倒检测方法和系统
CN108510112A (zh) 一种现场监测与数值模拟相结合的矿山灾害预测预警方法
CN112927478B (zh) 一种地质灾害普适型监测预警系统
CN111915128B (zh) 一种对地震诱发的次生滑坡灾后评估与救援辅助系统
CN103978996A (zh) 一种高速铁路环境信息采集、评估和预警装置与方法
CN103632509A (zh) 基于gis系统的数字、智慧矿山报警联动方法及其平台
CN106056849A (zh) 老人跌倒智能检测与定位的主被动告警系统及方法
CN107944118A (zh) 一种有效的建筑安全监测方法
CN205594404U (zh) 安保机器人
CN107067690A (zh) 一种基于ZigBee的隧道自动化监测系统及其监测方法
CN113240886A (zh) 一种地质灾害监测方法、系统及电子设备
CN105806400A (zh) 一种消防栓安全状态智能监测方法及系统
CN105956549A (zh) 一种工人作业前安全装备及行为能力检查系统及方法
Park et al. IoT-based safety recognition service for construction site
CN115965246A (zh) 一种岩溶塌陷灾害的预警分析方法
CN201445722U (zh) 一种大型公共建筑的火灾自动报警灭火系统
CN114548525A (zh) 一种智能矿井综合管理平台展示系统
CN113985479A (zh) 一种基于边缘计算的地震信息处理方法与装置
CN113627326A (zh) 一种基于可穿戴设备和人体骨架的行为识别方法
Kapoor et al. Real time monitoring & alert system for landslide

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