CN113450303A - 应用大数据存储的漏油预判系统 - Google Patents
应用大数据存储的漏油预判系统 Download PDFInfo
- Publication number
- CN113450303A CN113450303A CN202010215145.9A CN202010215145A CN113450303A CN 113450303 A CN113450303 A CN 113450303A CN 202010215145 A CN202010215145 A CN 202010215145A CN 113450303 A CN113450303 A CN 113450303A
- Authority
- CN
- China
- Prior art keywords
- ship
- equipment
- oil
- data storage
- big data
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明涉及一种应用大数据存储的漏油预判系统，包括：数据存储节点，设置在大数据网络端，用于分别存储伪影去除算法和统计排序滤波算法；船舶提取设备，用于基于各个类型船舶分别对应的各个船舶出厂外形从现场滤波图像中识别出每一个船舶对象以及其对应的船舶类型；信号鉴别设备，用于基于船舶对象对应的船舶类型映射出对应的最大油污弥漫面积，并在所述船舶对象对应的最大油污弥漫面积小于所述船舶对象匹配的油污对象的现场弥漫面积时，发出疑似漏油信号。本发明的应用大数据存储的漏油预判系统判断有效、操作智能。由于能够对油污弥漫面积执行基于船舶类型的现场验证，从而增强船舶漏油判断的及时性，保证了港口的清洁程度。
Description
技术领域
本发明涉及大数据存储领域，尤其涉及一种应用大数据存储的漏油预判系统。
背景技术
现代港口必须具有完善与畅通的集疏运系统，才能成为综合交通运输网中重要的水陆交通枢纽。一般与腹地运输联系规模大、方向多、运距长或较长，以及货种较复杂多样的港口，其集疏运系统的线路往往较多，运输方式结构与分布格局也较复杂；反之亦然。
港口属于交通运输基础设施，具有投资规模大、建设周期长的特点，要求进入者必须具有雄厚的资金实力，特别是随着船舶大型化，沿海港口向外海深水区发展，建设环境更加复杂，对进入者资金实力要求更高。
然而，由于港口内进程船舶的数量众多，在船舶的动力推进过程中，不可避免的出现一定的油体泄露的情况，如果将大数据的数据使用模式应用到港口的油污检测中，能够有效减轻现场设备的负荷和成本，提升监控的及时性和有效性。
发明内容
为此，本发明至少具有以下两个重要发明点：
(1)在港口处对每一个船舶对象附近油污面积进行检测，当检测到的油污面积超过所述船舶对象对应的最大油污面积时，判断所述船舶对象为疑似漏油船舶；
(2)引入设置在大数据网络端的数据存储节对关键算法进行存储，从而保证数据处理的可靠性和安全性，同时减少本地系统的存储负荷。
根据本发明的一方面，提供了一种应用大数据存储的漏油预判系统，所述系统包括：
数据存储节点，设置在大数据网络端，通过网络分别与第一处理设备和第二处理设备连接，用于分别存储所述第一处理设备和所述第二处理设备各自的伪影去除算法和统计排序滤波算法；
第一处理设备，设置在港口的中央控制室内，用于对来自港口处的全景采集图像执行伪影去除处理，以获得相应的伪影去除图像；
第二处理设备，设置在港口的中央控制室内，与所述第一处理设备连接，用于对接收到的伪影去除图像执行统计排序滤波处理，以获得相应的现场滤波图像；
船舶提取设备，设置在所述第二处理设备的左侧，用于基于各个类型船舶分别对应的各个船舶出厂外形从所述现场滤波图像中识别出每一个船舶对象以及其对应的船舶类型；
油污测量设备，分别与所述第二处理设备和所述船舶提取设备连接，用于对所述现场滤波图像中每一个船舶对象执行以下动作：将所述现场滤波图像中距离所述船舶对象最近的油污对象作为与所述船舶对象匹配的油污对象，并基于所述油污对象的景深以及所述油污对象占据的像素点的数量计算所述油污对象对应的现场弥漫面积；
信号鉴别设备，分别与所述油污测量设备和所述船舶提取设备连接，用于对所述现场滤波图像中每一个船舶对象执行以下动作：基于所述船舶对象对应的船舶类型映射出对应的最大油污弥漫面积，并在所述船舶对象对应的最大油污弥漫面积小于所述船舶对象匹配的油污对象的现场弥漫面积时，发出疑似漏油信号；
其中，在所述信号鉴别设备中，在所述船舶对象对应的最大油污弥漫面积大于等于所述船舶对象匹配的油污对象的现场弥漫面积时，发出油污安全信号；
其中，基于各个类型船舶分别对应的各个船舶出厂外形从所述现场滤波图像中识别出每一个船舶对象以及其对应的船舶类型包括：当所述现场滤波图像中的对象与某一类型船舶对应的船舶出厂外形的相似度超限时，认定所述对应为船舶对象；
其中，基于各个类型船舶分别对应的各个船舶出厂外形从所述现场滤波图像中识别出每一个船舶对象以及其对应的船舶类型包括：将每一个类型船舶对应的船舶出厂外形与所述现场滤波图像各个船舶对象的几何形状分别进行相似度分析，以将相似度最高的船舶出厂外形对应的船舶类型作为所述船舶对象对应的船舶类型。
本发明的应用大数据存储的漏油预判系统判断有效、操作智能。由于能够对油污弥漫面积执行基于船舶类型的现场验证，从而增强船舶漏油判断的及时性，保证了港口的清洁程度。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为本发明的应用大数据存储的漏油预判系统的应用场景图。
图2为根据本发明实施方案第一实施例示出的应用大数据存储的漏油预判系统的结构方框图。
图3为根据本发明实施方案第二实施例示出的应用大数据存储的漏油预判系统的结构方框图。
具体实施方式
下面将参照附图对本发明的应用大数据存储的漏油预判系统的实施方案进行详细说明。
当前，在港口的日常管理中，来往船舶是否存在漏油情况是保证港口清洁程度的有力举措。然而，仅仅基于油污弥漫面积就完成对船舶漏油判断的处理是不够科学的，不同船舶类型，允许的排油量不同，因此，需要引入更科学的判断机制对港口处每一艘船舶的漏油情况进行同步分析和可靠处理。
为了克服上述不足，本发明搭建了一种应用大数据存储的漏油预判系统，能够有效解决相应的技术问题。
图1是本发明的应用大数据存储的漏油预判系统的应用场景图，以下将采用一个以上实施例对本发明的技术内容进行进一步的具体化说明。
第一实施例
图2为根据本发明实施方案第一实施例示出的应用大数据存储的漏油预判系统的结构方框图，所述系统包括：
数据存储节点，设置在大数据网络端，通过网络分别与第一处理设备和第二处理设备连接，用于分别存储所述第一处理设备和所述第二处理设备各自的伪影去除算法和统计排序滤波算法；
第一处理设备，设置在港口的中央控制室内，用于对来自港口处的全景采集图像执行伪影去除处理，以获得相应的伪影去除图像；
第二处理设备，设置在港口的中央控制室内，与所述第一处理设备连接，用于对接收到的伪影去除图像执行统计排序滤波处理，以获得相应的现场滤波图像；
船舶提取设备，设置在所述第二处理设备的左侧，用于基于各个类型船舶分别对应的各个船舶出厂外形从所述现场滤波图像中识别出每一个船舶对象以及其对应的船舶类型；
油污测量设备，分别与所述第二处理设备和所述船舶提取设备连接，用于对所述现场滤波图像中每一个船舶对象执行以下动作：将所述现场滤波图像中距离所述船舶对象最近的油污对象作为与所述船舶对象匹配的油污对象，并基于所述油污对象的景深以及所述油污对象占据的像素点的数量计算所述油污对象对应的现场弥漫面积；
信号鉴别设备，分别与所述油污测量设备和所述船舶提取设备连接，用于对所述现场滤波图像中每一个船舶对象执行以下动作：基于所述船舶对象对应的船舶类型映射出对应的最大油污弥漫面积，并在所述船舶对象对应的最大油污弥漫面积小于所述船舶对象匹配的油污对象的现场弥漫面积时，发出疑似漏油信号；
其中，在所述信号鉴别设备中，在所述船舶对象对应的最大油污弥漫面积大于等于所述船舶对象匹配的油污对象的现场弥漫面积时，发出油污安全信号；
其中，基于各个类型船舶分别对应的各个船舶出厂外形从所述现场滤波图像中识别出每一个船舶对象以及其对应的船舶类型包括：当所述现场滤波图像中的对象与某一类型船舶对应的船舶出厂外形的相似度超限时，认定所述对应为船舶对象；
其中，基于各个类型船舶分别对应的各个船舶出厂外形从所述现场滤波图像中识别出每一个船舶对象以及其对应的船舶类型包括：将每一个类型船舶对应的船舶出厂外形与所述现场滤波图像各个船舶对象的几何形状分别进行相似度分析，以将相似度最高的船舶出厂外形对应的船舶类型作为所述船舶对象对应的船舶类型。
第二实施例
图3为根据本发明实施方案第二实施例示出的应用大数据存储的漏油预判系统的结构方框图，所述系统包括：
电力线传输接口，分别与油污测量设备和信号鉴别设备连接，用于接收并转发所述油污测量设备和所述信号鉴别设备中每一个设备的所有传感器的输出数据；
数据存储节点，设置在大数据网络端，通过网络分别与第一处理设备和第二处理设备连接，用于分别存储所述第一处理设备和所述第二处理设备各自的伪影去除算法和统计排序滤波算法；
第一处理设备，设置在港口的中央控制室内，用于对来自港口处的全景采集图像执行伪影去除处理，以获得相应的伪影去除图像；
第二处理设备，设置在港口的中央控制室内，与所述第一处理设备连接，用于对接收到的伪影去除图像执行统计排序滤波处理，以获得相应的现场滤波图像；
船舶提取设备，设置在所述第二处理设备的左侧，用于基于各个类型船舶分别对应的各个船舶出厂外形从所述现场滤波图像中识别出每一个船舶对象以及其对应的船舶类型；
油污测量设备，分别与所述第二处理设备和所述船舶提取设备连接，用于对所述现场滤波图像中每一个船舶对象执行以下动作：将所述现场滤波图像中距离所述船舶对象最近的油污对象作为与所述船舶对象匹配的油污对象，并基于所述油污对象的景深以及所述油污对象占据的像素点的数量计算所述油污对象对应的现场弥漫面积；
信号鉴别设备，分别与所述油污测量设备和所述船舶提取设备连接，用于对所述现场滤波图像中每一个船舶对象执行以下动作：基于所述船舶对象对应的船舶类型映射出对应的最大油污弥漫面积，并在所述船舶对象对应的最大油污弥漫面积小于所述船舶对象匹配的油污对象的现场弥漫面积时，发出疑似漏油信号；
其中，在所述信号鉴别设备中，在所述船舶对象对应的最大油污弥漫面积大于等于所述船舶对象匹配的油污对象的现场弥漫面积时，发出油污安全信号；
其中，基于各个类型船舶分别对应的各个船舶出厂外形从所述现场滤波图像中识别出每一个船舶对象以及其对应的船舶类型包括：当所述现场滤波图像中的对象与某一类型船舶对应的船舶出厂外形的相似度超限时，认定所述对应为船舶对象；
其中，基于各个类型船舶分别对应的各个船舶出厂外形从所述现场滤波图像中识别出每一个船舶对象以及其对应的船舶类型包括：将每一个类型船舶对应的船舶出厂外形与所述现场滤波图像各个船舶对象的几何形状分别进行相似度分析，以将相似度最高的船舶出厂外形对应的船舶类型作为所述船舶对象对应的船舶类型。
接着，继续对本发明的应用大数据存储的漏油预判系统的具体结构进行进一步的说明。
在所述应用大数据存储的漏油预判系统中：所述油污测量设备内置有温度传感器，用于测量所述油污测量设备的内部温度并实时输出；其中，所述船舶提取设备、所述油污测量设备以及所述信号鉴别设备分别采用不同的ASIC芯片来实现；其中，所述船舶提取设备、所述油污测量设备以及所述信号鉴别设备根据各自的最大运算量分别实现对各自的ASIC芯片的选型操作。
在所述应用大数据存储的漏油预判系统中：所述油污测量设备内置有湿度传感器，用于测量所述油污测量设备的内部湿度并实时输出。
在所述应用大数据存储的漏油预判系统中：所述油污测量设备内置有压力传感器，用于测量所述油污测量设备的外壳所承受的压力并实时输出。
在所述应用大数据存储的漏油预判系统中：所述信号鉴别设备内置有温度传感器，用于测量所述信号鉴别设备的内部温度并实时输出。
在所述应用大数据存储的漏油预判系统中：所述信号鉴别设备内置有湿度传感器，用于测量所述信号鉴别设备的内部湿度并实时输出。
在所述应用大数据存储的漏油预判系统中：所述信号鉴别设备内置有压力传感器，用于测量所述信号鉴别设备的外壳所承受的压力并实时输出。
另外，图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。
由于成像系统、传输介质和记录设备等的不完善，数字图像在其形成、传输记录过程中往往会受到多种噪声的污染。另外，在图像处理的某些环节当输入的像对象并不如预想时也会在结果图像中引入噪声。这些噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块。一般，噪声信号与要研究的对象不相关它以无用的信息形式出现，扰乱图像的可观测信息。对于数字图像信号，噪声表为或大或小的极值，这些极值通过加减作用于图像像素的真实灰度值上，对图像造成亮、暗点干扰，极大降低了图像质量，影响图像复原、分割、特征提取、图像识别等后继工作的进行。要构造一种有效抑制噪声的滤波器必须考虑两个基本问题：能有效地去除目标和背景中的噪声；同时，能很好地保护图像目标的形状、大小及特定的几何和拓扑结构特征。
常用的图像滤波模式中的一种是，非线性滤波器，一般说来，当信号频谱与噪声频谱混叠时或者当信号中含有非叠加性噪声时如由系统非线性引起的噪声或存在非高斯噪声等)，传统的线性滤波技术，如傅立变换，在滤除噪声的同时，总会以某种方式模糊图像细节(如边缘等)进而导致像线性特征的定位精度及特征的可抽取性降低。而非线性滤波器是基于对输入信号的一种非线性映射关系，常可以把某一特定的噪声近似地映射为零而保留信号的要特征，因而其在一定程度上能克服线性滤波器的不足之处。
可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。
Claims (10)
1.一种应用大数据存储的漏油预判系统，其特征在于，包括：
数据存储节点，设置在大数据网络端，通过网络分别与第一处理设备和第二处理设备连接，用于分别存储所述第一处理设备和所述第二处理设备各自的伪影去除算法和统计排序滤波算法。
2.如权利要求1所述的应用大数据存储的漏油预判系统，其特征在于，所述系统还包括：
第一处理设备，设置在港口的中央控制室内，用于对来自港口处的全景采集图像执行伪影去除处理，以获得相应的伪影去除图像。
3.如权利要求2所述的应用大数据存储的漏油预判系统，其特征在于，所述系统还包括：
第二处理设备，设置在港口的中央控制室内，与所述第一处理设备连接，用于对接收到的伪影去除图像执行统计排序滤波处理，以获得相应的现场滤波图像；
船舶提取设备，设置在所述第二处理设备的左侧，用于基于各个类型船舶分别对应的各个船舶出厂外形从所述现场滤波图像中识别出每一个船舶对象以及其对应的船舶类型；
油污测量设备，分别与所述第二处理设备和所述船舶提取设备连接，用于对所述现场滤波图像中每一个船舶对象执行以下动作：将所述现场滤波图像中距离所述船舶对象最近的油污对象作为与所述船舶对象匹配的油污对象，并基于所述油污对象的景深以及所述油污对象占据的像素点的数量计算所述油污对象对应的现场弥漫面积；
信号鉴别设备，分别与所述油污测量设备和所述船舶提取设备连接，用于对所述现场滤波图像中每一个船舶对象执行以下动作：基于所述船舶对象对应的船舶类型映射出对应的最大油污弥漫面积，并在所述船舶对象对应的最大油污弥漫面积小于所述船舶对象匹配的油污对象的现场弥漫面积时，发出疑似漏油信号；
其中，在所述信号鉴别设备中，在所述船舶对象对应的最大油污弥漫面积大于等于所述船舶对象匹配的油污对象的现场弥漫面积时，发出油污安全信号；
其中，基于各个类型船舶分别对应的各个船舶出厂外形从所述现场滤波图像中识别出每一个船舶对象以及其对应的船舶类型包括：当所述现场滤波图像中的对象与某一类型船舶对应的船舶出厂外形的相似度超限时，认定所述对应为船舶对象；
其中，基于各个类型船舶分别对应的各个船舶出厂外形从所述现场滤波图像中识别出每一个船舶对象以及其对应的船舶类型包括：将每一个类型船舶对应的船舶出厂外形与所述现场滤波图像各个船舶对象的几何形状分别进行相似度分析，以将相似度最高的船舶出厂外形对应的船舶类型作为所述船舶对象对应的船舶类型。
4.如权利要求3所述的应用大数据存储的漏油预判系统，其特征在于：
所述油污测量设备内置有温度传感器，用于测量所述油污测量设备的内部温度并实时输出；
其中，所述船舶提取设备、所述油污测量设备以及所述信号鉴别设备分别采用不同的ASIC芯片来实现；
其中，所述船舶提取设备、所述油污测量设备以及所述信号鉴别设备根据各自的最大运算量分别实现对各自的ASIC芯片的选型操作。
5.如权利要求4所述的应用大数据存储的漏油预判系统，其特征在于：
所述油污测量设备内置有湿度传感器，用于测量所述油污测量设备的内部湿度并实时输出。
6.如权利要求5所述的应用大数据存储的漏油预判系统，其特征在于：
所述油污测量设备内置有压力传感器，用于测量所述油污测量设备的外壳所承受的压力并实时输出。
7.如权利要求6所述的应用大数据存储的漏油预判系统，其特征在于：
所述信号鉴别设备内置有温度传感器，用于测量所述信号鉴别设备的内部温度并实时输出。
8.如权利要求7所述的应用大数据存储的漏油预判系统，其特征在于：
所述信号鉴别设备内置有湿度传感器，用于测量所述信号鉴别设备的内部湿度并实时输出。
9.如权利要求8所述的应用大数据存储的漏油预判系统，其特征在于：
所述信号鉴别设备内置有压力传感器，用于测量所述信号鉴别设备的外壳所承受的压力并实时输出。
10.如权利要求9所述的应用大数据存储的漏油预判系统，其特征在于，还包括：
电力线传输接口，分别与所述油污测量设备和所述信号鉴别设备连接，用于接收并转发所述油污测量设备和所述信号鉴别设备中每一个设备的所有传感器的输出数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010215145.9A CN113450303B (zh) | 2020-03-24 | 2020-03-24 | 应用大数据存储的漏油预判系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010215145.9A CN113450303B (zh) | 2020-03-24 | 2020-03-24 | 应用大数据存储的漏油预判系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113450303A true CN113450303A (zh) | 2021-09-28 |
| CN113450303B CN113450303B (zh) | 2023-01-13 |
Family
ID=77806495
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010215145.9A Active CN113450303B (zh) | 2020-03-24 | 2020-03-24 | 应用大数据存储的漏油预判系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113450303B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103177608A (zh) * | 2013-03-01 | 2013-06-26 | 上海海事大学 | 海上可疑船舶与船舶油污发现系统 |
| CN105828039A (zh) * | 2016-04-01 | 2016-08-03 | 北京环境特性研究所 | 港口安全监控及水面溢油监测系统 |
| CN106770087A (zh) * | 2016-11-24 | 2017-05-31 | 大连海事大学 | 油污遥感探测模块、系统及方法 |
| US20170309189A1 (en) * | 2016-04-26 | 2017-10-26 | Clarkson Cloud Limited | Apparatus for monitoring emergency response vessel position |
| CN206627156U (zh) * | 2017-03-28 | 2017-11-10 | 中国人民解放军镇江船艇学院 | 一种船舶溢油监测系统 |
-
2020
- 2020-03-24 CN CN202010215145.9A patent/CN113450303B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103177608A (zh) * | 2013-03-01 | 2013-06-26 | 上海海事大学 | 海上可疑船舶与船舶油污发现系统 |
| CN105828039A (zh) * | 2016-04-01 | 2016-08-03 | 北京环境特性研究所 | 港口安全监控及水面溢油监测系统 |
| US20170309189A1 (en) * | 2016-04-26 | 2017-10-26 | Clarkson Cloud Limited | Apparatus for monitoring emergency response vessel position |
| CN106770087A (zh) * | 2016-11-24 | 2017-05-31 | 大连海事大学 | 油污遥感探测模块、系统及方法 |
| CN206627156U (zh) * | 2017-03-28 | 2017-11-10 | 中国人民解放军镇江船艇学院 | 一种船舶溢油监测系统 |
Non-Patent Citations (1)
| Title |
|---|
| 张晟: ""渡口监控视频中的船舶检测研究"", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113450303B (zh) | 2023-01-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106920219A (zh) | 物品缺陷检测方法、图像处理系统与计算机可读记录介质 | |
| CN111476120B (zh) | 一种无人机智能船舶水尺识别方法及装置 | |
| CN111667448B (zh) | 一种图像处理方法、装置及设备 | |
| Lawgaly et al. | Weighted averaging-based sensor pattern noise estimation for source camera identification | |
| CN112419298A (zh) | 一种螺栓节点板锈蚀检测方法、装置、设备及存储介质 | |
| CN115205223A (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
| CN115272336A (zh) | 基于梯度向量的金属零件缺陷精准检测方法 | |
| CN109948629B (zh) | 一种基于sift特征的gis设备x射线图像故障检测方法 | |
| CN113450303B (zh) | 应用大数据存储的漏油预判系统 | |
| CN114359149A (zh) | 基于实时图像边缘增强的坝岸险情视频检测方法及系统 | |
| CN108918654B (zh) | 一种钢丝绳径向漏磁信号的处理和成像方法 | |
| CN107369163A (zh) | 一种基于最佳熵双阈值分割的快速sar图像目标检测方法 | |
| CN113436216A (zh) | 基于Canny算子的电气设备红外图像边缘检测方法 | |
| CN116188510B (zh) | 一种基于多传感器的企业排放数据采集系统 | |
| CN117079286A (zh) | 一种指针仪表的识别方法和识别系统 | |
| CN110596233B (zh) | 一种连续采样下钢丝绳漏磁成像实时处理方法 | |
| CN116071692A (zh) | 一种基于形态学图像处理的水尺水位识别方法及系统 | |
| CN115984378A (zh) | 一种轨道异物检测方法、装置、设备及介质 | |
| CN116228861A (zh) | 探针台标记物定位方法、装置、电子设备及存储介质 | |
| CN114236490A (zh) | 基于水面回波模型的x波段导航雷达溢油探测系统 | |
| CN105678704B (zh) | 一种基于视觉感知的非局部中值盲降噪方法 | |
| CN111429701B (zh) | 报警方法、装置、设备及存储介质 | |
| CN117788463B (zh) | 基于视频ai与多模态数据融合的船舶吃水深度检测方法 | |
| CN114298990B (zh) | 一种车载摄像装置的检测方法、装置、存储介质及车辆 | |
| Zhang et al. | A signal feature extraction method based on Hough transform |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20211228 Address after: 225300 s area, No.18 factory building, co construction area, hailing Industrial Park, Hailing District, Taizhou City, Jiangsu Province Applicant after: Taizhou Corduro Semiconductor Technology Co.,Ltd. Address before: 221300 No. 80, Liaohe West Road, Pizhou Economic Development Zone, Pizhou City, Xuzhou City, Jiangsu Province Applicant before: Liu Jintao |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20221216 Address after: 210018 Building 1, No. 51, Hongshan South Road, Xuanwu District, Nanjing, Jiangsu Province Applicant after: Yuanbian Zhilian (Nanjing) Intelligent Technology Co.,Ltd. Address before: 225300 s area, No.18 factory building, co construction area, hailing Industrial Park, Hailing District, Taizhou City, Jiangsu Province Applicant before: Taizhou Corduro Semiconductor Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |