CN113446953A - 一种基于数字摄影测量技术的地铁隧道变形监测系统 - Google Patents
一种基于数字摄影测量技术的地铁隧道变形监测系统 Download PDFInfo
- Publication number
- CN113446953A CN113446953A CN202110694230.2A CN202110694230A CN113446953A CN 113446953 A CN113446953 A CN 113446953A CN 202110694230 A CN202110694230 A CN 202110694230A CN 113446953 A CN113446953 A CN 113446953A
- Authority
- CN
- China
- Prior art keywords
- subway tunnel
- camera
- image data
- real
- system based
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于数字摄影测量技术的地铁隧道变形监测系统,包括相机集群,若干个所述相机集群分布在地铁隧道的各个不同监测区域,用于实时采集地铁隧道的图像;相机轨道装置,所述相机轨道装置用于承载相机集群,同时驱动一个或多个相机集群在相机轨道装置上进行运动;控制与传输设备,所述控制与传输设备用于接收远程指令并控制相机集群和相机轨道装置,将地铁隧道的实时图像自动发送至远程数据服务器;远程数据服务器,所述远程数据服务器用于存储与管理分析数据,并与指挥中心进行通信连接。本发明可实时显示监测图像数据信息,并可以进行超限报警,安装简便,全天候24小时均可自动运行,大大提高了工作效率,确保地铁运营隧道的安全。
Description
技术领域
本发明属于地铁隧道安全监控技术领域,具体涉及一种基于数字摄影测量技术的地铁隧道变形监测系统。
背景技术
地铁隧道安全运营的监测关乎公民的生命安全。地铁隧道安全运营在线监测的研究属于前沿性课题,是一个复杂的综合性课题。由于地铁隧道结构的复杂性,目前对地铁隧道的监测大都停留在定性分析和人工监测的水平上。
人工监测不仅费时费力而且容易出错,不利于地铁隧道变形的全面了解和整体把握,同时变形观测还是用通常的工程测量手段,即沿隧道纵向每间隔几十米设置一个观测点,利用普通水准仪或全站仪进行逐点观测,经计算分析得到各点的沉降量(单次沉降量及累计沉降量),判断其是否超限,是否影响地铁运营及其影响程度。但是地铁隧道不同于地面工程,采用通常的工程测量手段往往很难满足目前地铁隧道沉降变形的观测工作。而且,当地铁轨道发生变形的时候无法短时间内察觉并通知管理人员,无法进行有效的人员、资源调度及迅速出台处理方案并快速执行,对危险的预警及相关人员的调度方面也存在滞后性,严重影响地铁安全运营及公民的人身安全。
发明内容
本发明针对现有技术中存在的技术问题,提供一种基于数字摄影测量技术的地铁隧道变形监测系统,可实时显示监测图像数据信息,并可以进行超限报警,安装简便,全天候24小时均可自动运行,大大提高了工作效率,确保地铁运营隧道的安全。
本发明解决上述技术问题的技术方案如下:
一种基于数字摄影测量技术的地铁隧道变形监测系统,具体包括:
相机集群,若干个所述相机集群分布在地铁隧道的各个不同监测区域,用于实时采集地铁隧道的图像;
相机轨道装置,所述相机轨道装置用于承载相机集群,同时驱动一个或多个相机集群在相机轨道装置上进行运动;
控制与传输设备,所述控制与传输设备用于接收远程指令并控制相机集群和相机轨道装置,将地铁隧道的实时图像自动发送至远程数据服务器;
远程数据服务器,所述远程数据服务器用于存储与管理分析数据,并与指挥中心进行通信连接。
作为本实施例的优选,所述相机轨道装置包括运行轨道,在所述运行轨道的上部活动安装有底板,在所述底板的两端固定安装有滑轮组件,在所述底板的顶部竖直安装有升降杆,所述升降杆的顶部安装有固定板,所述固定板的上设置有若干个用于卡装相机集群的固定组件。
作为本实施例的优选,所述滑轮组件包括连接块,所述连接块的顶部安装有减震弹簧,所述连接块的底部内侧转动安装有滑轮,多个所述滑轮侧壁分别与所述运行轨道顶部相抵触。
作为本实施例的优选,每一所述固定组件均包括固定柱,所述固定柱的上部设置有对称的卡爪,两个所述对称的卡爪之间形成固定相机集群的固定槽。
作为本实施例的优选,所述远程数据服务器包括图像接收模块、图像处理模块、图像数据存储模块;所述图像接收模块用于接收控制与传输设备传送的实时图像数据信息,并将上述实时图像数据信息存储在图像数据存储模块内;所述图像处理模块提取图像数据存储模块内存储的地铁隧道的实时图像数据信息进行计算分析对比处理后,将处理后的图像数据处理信息发送给控制终端和/或指挥中心。
作为本实施例的优选,所述图像处理模块包括特征提取分类单元和数据格式化处理单元;所述特征提取分类单元用于将采集到的地铁隧道的实时图像传输数据信息进行特征提取,通过Fuzzy算法调整参数建立智能分类;所述数据格式化处理单元将通过特征提取分类单元的分类数据信息进行统一格式化处理。
作为本实施例的优选,对所述地铁隧道的实时图像传输数据信息进行特征提取的方法包括如下步骤:
S1、将采集到的地铁隧道的实时图像传输数据信息进行关键数据计算;
S2、通过关键数据的计算结果通过神经网络进行初步分类;
S3、经过初步分类的数据通过Fuzzy算法调整参数后,采用模糊逻辑进行再次分类,最终建立智能分类库。
作为本实施例的优选,所述图像数据存储模块包括报警阈值单元,所述报警阈值单元内存储有地铁隧道的变形数据信息的标准阈值,当经过图像处理模块处理后的变形数据信息超过标准阈值范围时,智能报警终端发出报警提示。
本发明具有以下有益效果:
1、本发明所述的基于数字摄影测量技术的地铁隧道变形监测系统,在相机轨道装置上布设若干个相机集群,通过布设的各个位置的相机集群来实时采集地铁隧道各个重要监测点的图像数据信息,通过控制与传输设备发送给远程数据服务器,远程数据服务器对采集到实时图像数据信息进行分析处理,并将分析后的数据结果发送给发送给控制终端(包括报警终端)和/或指挥中心,实现了对地铁隧道变形的安全智能在线监测和管理。
2、本发明所述的基于数字摄影测量技术的地铁隧道变形监测系统,可实时显示监测图像数据信息,并可以进行超限报警,安装简便,全天候24小时均可自动运行,大大提高了工作效率,确保地铁运营隧道的安全。
附图说明
图1为本发明整体系统工作原理图;
图2为本发明所述相机轨道装置的结构示意图;
图3为本发明所述滑轮组件的结构示意图;
图4为本发明远程数据服务器的木块示意图;
具体实施方式
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。
参阅图1至图4所示,本发明实施例提供一种基于数字摄影测量技术的地铁隧道变形监测系统,具体包括相机集群1,若干个相机集群1分布在地铁隧道的各个不同监测区域,用于实时采集地铁隧道的图像。在本实施例中,相机集群1的布设根据地铁隧道不同位置沉降变形的易发生情况进行针对性布设;相机轨道装置2,相机轨道装置2用于承载相机集群1,同时驱动一个或多个相机集群1在相机轨道装置2上进行运动,相机轨道装置2主要的作用是当地铁隧道变形的重点监测区域(或监测点)发生变化或调整时可以通过相机轨道装置2来对相机集群1进行移动和重新排布;控制与传输设备3所述控制与传输设备3用于接收远程指令并控制相机集群1和相机轨道装置2,同时将地铁隧道的实时图像自动发送至远程数据服务器4;远程数据服务器4,所述远程数据服务器4用于存储与管理分析数据,并与指挥中心(图中未标示)进行通信连接。
参阅图2至图3所示,在本实施例中,相机轨道装置2包括运行轨道2.1,在运行轨道2.1的上部活动安装有底板2.2,在底板的两端固定安装有滑轮组件2.3,在所述底板2.2的顶部竖直安装有升降杆2.4,所述升降杆2.4的顶部安装有固定板2.5,所述固定板2.5的上设置有若干个用于卡装相机集群1的固定组件2.6。在本实施例中,将相机集群1固定卡装到固定组件2.6内,通过滑轮组件2.3带动固定板2.5上的相机集群1在运行轨道2.1上进行运动,运行轨道2.1的轨迹可以根据实际监测的变形监测点来进行布设。通过底板2.2的顶部竖直安装的升降杆2.4可以对其上的相机集群1进行高度调整。
在本实施例中,滑轮组件2.3包括连接块2.31,所述连接块2.31的顶部安装有减震弹簧2.32,连接块2.32的底部内侧转动安装有滑轮2.33,多个滑轮2.33侧壁分别与运行轨道2.1顶部相抵触。通过在底板2.2的下部设有的两个运行轨道2.1,方便滑轮2.33在运行轨道2.1顶侧抵触滚动,有利于对相机集群1进行移动到对应的监测点,在减震弹簧2.32和连接块2.31的作用下方便滑轮2.33滚动,并且起到了减震的作用,防止滑轮2.33与运行轨道2.1脱离或对运行轨道2.1造成损坏。
在本实施例中,固定组件2.6包括固定柱2.61,固定柱2.61的上部设置有对称的卡爪2.62,两个对称的卡爪2.62之间形成固定相机集群1的固定槽2.63。在本实施例中,通过固定槽2.63对相机集群1进行卡装,同时固定柱2.61优选为伸缩式固定柱2.61,这样,同一块固定板2.5上安装的相机集群1可以通过伸缩式固定柱2.61来对每一个相机集群1进行单独高度和位置调整。
参阅图1至图4所示,远程数据服务器4包括图像接收模块4.1、图像处理模块4.2、图像数据存储模块4.3;图像接收模块4.1用于接收控制与传输设备3传送的实时图像数据信息,并将上述实时图像数据信息存储在图像数据存储模块4.3内;图像处理模块4.2提取图像数据存储模块4.3内存储的地铁隧道的实时图像数据信息进行计算分析对比处理后,将处理后的图像数据处理信息发送给控制终端和/或指挥中心。在本实施例中,图像数据存储模块4.3包括报警阈值单元4.31,其中,报警阈值单元4.31内存储有地铁隧道每个沉降变形监测点的数据信息的标准阈值,当经过图像处理模块4.2处理后的变形监测数据信息超过标准阈值(在本实施例中,每个沉降变形监测点的变形标准阈值可以通过历史数据取平价值等方式得到)范围时,智能报警终端发出报警提示。在图像数据存储模块4.3内建立监测点隧道变形数据库(每个监测点都设有一个隧道变形数据库)方便图像处理模块4.2进行调用。图像处理模块4.2可以实时对传回的实时图像数据信息进行计算和分析,通过将监测到的各个监测点的沉降数据与图像数据存储模块4.3内的数据库信息进行比对和分析,将分析结果发送给控制终端和/或指挥中心,在本实施例中,控制终端可以为PC终端或移动终端或智能报警终端等等。
在本实施例中,图像处理模块4.2还包括特征提取分类单元4.21和数据格式化处理单元4.22;其中,特征提取分类单元4.21用于将通过相机集群1采集到的地铁隧道各个监测点的实时图像数据信息进行特征提取,通过Fuzzy算法调整参数建立智能分类,数据格式化处理单元4.22将通过特征提取分类单元4.21的分类数据信息进行统一格式化处理。
请参阅图3所示,在本实施例中,地铁隧道各个监测点的实时图像数据信息进行特征提取的方法主要包括如下步骤:
S1、将采集到的地铁隧道各个监测点的实时图像数据信息进行关键数据计算,在本实施例中,所述关键数据主要包括地铁隧道的沉降高度、地铁隧道倾斜度对隧道变形的影响以及影响地铁隧道变形的各个因素。
在本实施例中,在特征提取分类单元4.21中针对通过将原始影像转灰度影像,通过Wallis滤波器增强影像有用信息及抑制噪音,增强极为模糊的纹理模式,提高特征点提取以及立体匹配的成效;Harris算子与算子相结合的方法提取特征点;通过相关系数测度、最小二乘匹配、SIFT算子的特征匹配,多维度的匹配策略实现了数字近景影像的全自动、快速和精确匹配。
S2、通过关键数据的计算结果通过神经网络算法进行初步分类,在本实施例中,神经网络算法是指进行隧道变形数据建模,所述数据建模采用三层神经网络结构,三层神经网络结构包括输入层、隐层和输出层。
S3、经过初步分类的数据通过Fuzzy算法调整参数后,采用模糊逻辑进行再次分类,最终建立智能分类库。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于数字摄影测量技术的地铁隧道变形监测系统,具体包括:
相机集群(1),若干个所述相机集群(1)分布在地铁隧道的各个不同监测区域,用于实时采集地铁隧道的图像;
相机轨道装置(2),所述相机轨道装置(2)用于承载相机集群(1),同时驱动一个或多个相机集群(1)在相机轨道装置(2)上进行运动;
控制与传输设备(3),所述控制与传输设备(3)用于接收远程指令并控制相机集群(1)和相机轨道装置(2),将地铁隧道的实时图像自动发送至远程数据服务器;
远程数据服务器(4),所述远程数据服务器(4)用于存储与管理分析数据,并与指挥中心进行通信连接。
2.根据权利要求1所述的基于数字摄影测量技术的地铁隧道变形监测系统,其特征在于:所述相机轨道装置(2)包括运行轨道(2.1),在所述运行轨道(2.1)的上部活动安装有底板(2.2),在所述底板(2.2)的两端固定安装有滑轮组件(2.3),在所述底板(2.2)的顶部竖直安装有升降杆(2.4),所述升降杆(2.4)的顶部安装有固定板(2.5),所述固定板(2.5)的上设置有若干个用于卡装相机集群(1)的固定组件(2.6)。
3.根据权利要求2所述的基于数字摄影测量技术的地铁隧道变形监测系统,其特征在于:所述滑轮组件(2.3)包括连接块(2.31),所述连接块(2.31)的顶部安装有减震弹簧(2.32),所述连接块(2.31)的底部两侧转动安装有滑轮(2.33),多个所述滑轮(2.33)侧壁分别与所述运行轨道(2.1)顶部相抵触。
4.根据权利要求2所述的基于数字摄影测量技术的地铁隧道变形监测系统,其特征在于:每一所述固定组件(2.6)均包括固定柱(2.61),所述固定柱(2.61)的上部设置有对称的卡爪(2.62),两个所述对称的卡爪(2.62)之间形成固定相机集群(1)的固定槽(2.63)。
5.根据权利要求1所述的基于数字摄影测量技术的地铁隧道变形监测系统,其特征在于:所述远程数据服务器(4)包括图像接收模块(4.1)、图像处理模块(4.2)、图像数据存储模块(4.3);所述图像接收模块(4.1)用于接收控制与传输设备(3)传送的实时图像数据信息,并将上述实时图像数据信息存储在数据存储模块(4.3)内;所述图像处理模块(4.2)提取图像数据存储模块(4.3)内存储的地铁隧道的实时图像数据信息进行计算分析对比处理后,将处理后的图像数据处理信息发送给控制终端和/或指挥中心。
6.根据权利要求5所述的基于数字摄影测量技术的地铁隧道变形监测系统,其特征在于:所述图像处理模块(4.2)包括特征提取分类单元(4.21)和数据格式化处理单元(4.22);所述特征提取分类单元(4.21)用于将采集到的地铁隧道的实时图像输数据信息进行特征提取,通过Fuzzy算法调整参数建立智能分类;所述数据格式化处理单元(4.22)将通过特征提取分类单元(4.21)的分类数据信息进行统一格式化处理。
7.根据权利要求6所述的基于数字摄影测量技术的地铁隧道变形监测系统,其特征在于:对所述地铁隧道的实时图像输数据信息进行特征提取的方法包括如下步骤:
S1、将采集到的地铁隧道的实时图像输数据信息进行关键数据计算;
S2、通过关键数据的计算结果通过神经网络进行初步分类;
S3、经过初步分类的数据通过Fuzzy算法调整参数后,采用模糊逻辑进行再次分类,最终建立智能分类库。
8.根据权利要求5所述的基于数字摄影测量技术的地铁隧道变形监测系统,其特征在于:所述图像数据存储模块(4.3)包括报警阈值单元(4.31),所述报警阈值单元(4.31)内存储有地铁隧道的变形数据信息的标准阈值,当经过图像处理模块(4.2)处理后的变形数据信息超过标准阈值范围时,智能报警终端发出报警提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110694230.2A CN113446953B (zh) | 2021-06-22 | 2021-06-22 | 一种基于数字摄影测量技术的地铁隧道变形监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110694230.2A CN113446953B (zh) | 2021-06-22 | 2021-06-22 | 一种基于数字摄影测量技术的地铁隧道变形监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113446953A true CN113446953A (zh) | 2021-09-28 |
CN113446953B CN113446953B (zh) | 2023-03-07 |
Family
ID=77812183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110694230.2A Active CN113446953B (zh) | 2021-06-22 | 2021-06-22 | 一种基于数字摄影测量技术的地铁隧道变形监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113446953B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114674238A (zh) * | 2022-01-25 | 2022-06-28 | 汉朝智慧科技(南京)有限公司 | 一种隧道智能监测装置和系统 |
CN114964375A (zh) * | 2022-05-30 | 2022-08-30 | 广西新发展交通集团有限公司 | 隧道洞口监测系统以及安全评价方法 |
CN114993198A (zh) * | 2022-07-18 | 2022-09-02 | 中建安装集团有限公司 | 近接施工条件下共线地铁结构自动化变形监测系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011016857A2 (en) * | 2009-08-05 | 2011-02-10 | Elliott James C | Equipment and system for structure inspection and monitoring |
CN109358065A (zh) * | 2018-10-22 | 2019-02-19 | 湖南拓达结构监测技术有限公司 | 一种地铁隧道外观检测方法 |
CN109458945A (zh) * | 2018-12-26 | 2019-03-12 | 深圳市市政设计研究院有限公司 | 一种基于数字摄影测量技术的隧道变形监测系统及方法 |
CN110220909A (zh) * | 2019-04-28 | 2019-09-10 | 浙江大学 | 一种基于深度学习的地铁盾构隧道病害检测方法 |
CN210533296U (zh) * | 2019-09-30 | 2020-05-15 | 西南石油大学 | 一种隧道洞周变形监测系统 |
CN111931800A (zh) * | 2020-04-21 | 2020-11-13 | 南京航空航天大学 | 一种基于深度卷积神经网络的隧道表面缺陷分类方法 |
CN112113978A (zh) * | 2020-09-22 | 2020-12-22 | 成都国铁电气设备有限公司 | 一种基于深度学习的车载隧道缺陷在线检测系统及方法 |
-
2021
- 2021-06-22 CN CN202110694230.2A patent/CN113446953B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011016857A2 (en) * | 2009-08-05 | 2011-02-10 | Elliott James C | Equipment and system for structure inspection and monitoring |
CN109358065A (zh) * | 2018-10-22 | 2019-02-19 | 湖南拓达结构监测技术有限公司 | 一种地铁隧道外观检测方法 |
CN109458945A (zh) * | 2018-12-26 | 2019-03-12 | 深圳市市政设计研究院有限公司 | 一种基于数字摄影测量技术的隧道变形监测系统及方法 |
CN110220909A (zh) * | 2019-04-28 | 2019-09-10 | 浙江大学 | 一种基于深度学习的地铁盾构隧道病害检测方法 |
CN210533296U (zh) * | 2019-09-30 | 2020-05-15 | 西南石油大学 | 一种隧道洞周变形监测系统 |
CN111931800A (zh) * | 2020-04-21 | 2020-11-13 | 南京航空航天大学 | 一种基于深度卷积神经网络的隧道表面缺陷分类方法 |
CN112113978A (zh) * | 2020-09-22 | 2020-12-22 | 成都国铁电气设备有限公司 | 一种基于深度学习的车载隧道缺陷在线检测系统及方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114674238A (zh) * | 2022-01-25 | 2022-06-28 | 汉朝智慧科技(南京)有限公司 | 一种隧道智能监测装置和系统 |
CN114964375A (zh) * | 2022-05-30 | 2022-08-30 | 广西新发展交通集团有限公司 | 隧道洞口监测系统以及安全评价方法 |
CN114993198A (zh) * | 2022-07-18 | 2022-09-02 | 中建安装集团有限公司 | 近接施工条件下共线地铁结构自动化变形监测系统及方法 |
CN114993198B (zh) * | 2022-07-18 | 2022-11-01 | 中建安装集团有限公司 | 近接施工条件下共线地铁结构自动化变形监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113446953B (zh) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113446953B (zh) | 一种基于数字摄影测量技术的地铁隧道变形监测系统 | |
CN110059631B (zh) | 接触网非接触式监测缺陷识别方法 | |
CN109580657B (zh) | 一种桥梁质量检测中的裂缝检测方法 | |
CN106647819A (zh) | 移动式图像采集装置及高速列车一级检修智能辅助系统 | |
CN110378492A (zh) | 一种加强配网设备运维管控的方法 | |
CN104077552A (zh) | 一种基于云计算的轨道交通信号综合运维方法及系统 | |
CN210466599U (zh) | 一种电力施工现场违章识别报警系统 | |
CN109917213B (zh) | 一种基于降维融合与因子分析的接触网检测故障预警方法 | |
CN108846331B (zh) | 一种动车组底盘螺丝紧固件是否脱落的视频识别方法 | |
CN116224925B (zh) | 一种智能加工管理系统 | |
CN114326625B (zh) | 一种电网基建施工中的潜在安全风险的监测系统及方法 | |
CN108227617A (zh) | 一种轮胎吊远程检测与评估系统 | |
CN115941529A (zh) | 一种基于机器人的电缆隧道检测方法和系统 | |
CN114998244A (zh) | 基于计算机视觉的轨道梁指形板智能巡检系统及方法 | |
CN114418179A (zh) | 一种施工扬尘监测与预测方法、装置及系统 | |
CN111307092A (zh) | 一种地铁深隧工程建设安全自动连续监控系统及信息平台 | |
CN115557384A (zh) | 一种智慧工地塔吊监测系统 | |
CN116310940A (zh) | 一种机电设备运行状态的风险评估方法及系统 | |
CN211001365U (zh) | 一种城市轨道交通车辆基地智能化列检系统 | |
CN206039297U (zh) | 一种多点分布集中控制巡检系统 | |
CN116051493A (zh) | 接触网悬挂状态监测方法、装置、设备及存储介质 | |
CN114744756A (zh) | 一种基于机器视觉的输电线路智能巡检系统 | |
CN210442657U (zh) | 一种风力发电机组及部件的运输智能监控系统 | |
CN108776453B (zh) | 一种基于计算机的建筑安全监控系统 | |
CN213342290U (zh) | 一种水平定向钻机用施工数据实时远程查看管理系统 |
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 |