CN113468999A - 一种基于深度学习的施工现场违章智能识别装置 - Google Patents
一种基于深度学习的施工现场违章智能识别装置 Download PDFInfo
- Publication number
- CN113468999A CN113468999A CN202110699827.6A CN202110699827A CN113468999A CN 113468999 A CN113468999 A CN 113468999A CN 202110699827 A CN202110699827 A CN 202110699827A CN 113468999 A CN113468999 A CN 113468999A
- Authority
- CN
- China
- Prior art keywords
- module
- central processing
- processing unit
- electrically connected
- construction site
- 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
- 230000033228 biological regulation Effects 0.000 title claims abstract description 12
- 238000010276 construction Methods 0.000 claims abstract description 28
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000013135 deep learning Methods 0.000 claims abstract description 16
- 238000010223 real-time analysis Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 41
- 238000004891 communication Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000017525 heat dissipation Effects 0.000 claims description 7
- 238000001816 cooling Methods 0.000 claims description 4
- 238000007789 sealing Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims 4
- 238000007726 management method Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract 1
- 230000006399 behavior Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 230000009194 climbing Effects 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000009435 building construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20052—Discrete cosine transform [DCT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及图像识别技术领域,且公开了一种基于深度学习的施工现场违章智能识别装置,包括车体和智能识别系统,所述车体上表面的一侧开设有电源槽,所述电源槽的内部设置有蓄电池,所述车体上表面的另一侧固定安装有固定套,所述固定套的数量为两个。该基于深度学习的施工现场违章智能识别装置,通过智能识别系统的设置,识别服务采用DeepStream框架,可多进程、线程、协程同时运行计算,具有高效、实时分析来自球形摄像机等的数据自动识别违章行为,包括施工人员着装、安全带、登高、未佩戴安全帽等,大大减轻了巡查人员的工作量,且违章监测实时便捷,可及时的将违章记录上传至安全管理平台,降低了安全隐患,监测准确性较高。
Description
技术领域
本发明涉及图像识别技术领域,具体为一种基于深度学习的施工现场违章智能识别装置。
背景技术
建筑施工是指工程建设实施阶段的生产活动,是各类建筑物的建造过程,也可以说是把设计图纸上的各种线条,在指定的地点,变成实物的过程,它包括基础工程施工、主体结构施工、屋面工程施工、装饰工程施工等,施工作业的场所称为“建筑施工现场”或叫“施工现场”,也叫工地。
目前,建筑现场环境中,违章行为的监测主要还是以人工现场巡查为主,会出现以下的几个缺点:1、巡查人员工作量大,人工成本高,违章检测实时性不够,2、违章记录无法及时上传至安全管理平台,3、基建现场,多点位,多时段违章检测,人工方式要做到不太现实,4、人工违章巡查,时效性差,安全得不到保证,5、大范围多种违章行为检测,人工巡查容易有纰漏。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种基于深度学习的施工现场违章智能识别装置,具备监测实时等优点,解决了上述背景技术中提出的的问题。
(二)技术方案
为实现上述监测实时的目的,本发明提供如下技术方案:一种基于深度学习的施工现场违章智能识别装置,包括车体和智能识别系统,所述车体上表面的一侧开设有电源槽,所述电源槽的内部设置有蓄电池,所述车体上表面的另一侧固定安装有固定套,所述固定套的数量为两个,其中一个所述固定套的内部固定安装有可调支杆,另一个所述固定套的内部固定安装有剪力连杆,所述剪力连杆的一端与可调支杆相连接,所述可调支杆的一端固定连接有安装座,所述安装座的内部固定安装有球形摄像机,所述电源槽一侧壁的顶部通过铰链固定安装有密闭盖;
所述智能识别系统包括中央处理器,所述中央处理器的输入端与数据接收模块的输出端电连接,所述数据接收模块的输入端与A/D转换模块的输出端电连接,所述A/D转换模块的输入端与监测模块的输出端电连接,所述中央处理器的输出端与数据处理模块的输入端电连接,所述数据处理模块的输出端与通信模块,所述中央处理器的输出端与定位模块的输入端电连接,所述中央处理器的输出端与继电器的输入端电连接,所述继电器的输出端与散热模块的输入端电连接,所述通信模块的输出端与终端的输入端电连接,所述中央处理器的输出端与云平台的输入端信号连接,所述云平台的输出端与中央处理器的输入端电连接,所述中央处理器的输出端与存储模块的输入端信号连接,所述存储模块的输出端与中央处理器的输入端电连接,所述智能识别系统的输入端与电源模块的输出端电连接。
优选的,所述车体下表面的四角处均固定安装有移动轮,所述移动轮的内部设置有刹车片。
优选的,所述车体下表面的中部固定安装有可调支撑杆,所述可调支撑杆的数量为四个。
优选的,所述监测模块包括球形摄像机。
优选的,所述定位模块包括GPS定位器。
优选的,所述散热模块包括冷却风扇。
优选的,所述通信模块包括集成G和WiFi通讯单元。
优选的,所述数据处理模块包括实时识别单元和实时分析单元。
优选的,所述电源模块包括蓄电池,所述存储模块包括存储器。
(三)有益效果
与现有技术相比,本发明提供了一种基于深度学习的施工现场违章智能识别装置,具备以下有益效果:
该基于深度学习的施工现场违章智能识别装置,通过智能识别系统的设置,其采用边缘检测、大津算法、特征提取等、色域转换、环境光强度检测等图像算法,用于对图像的预处理和基础信息的提取,傅立叶变换、卡尔曼滤波、离散余弦变换等算法对数据进行处理,并使用决策树对传感器结果的输出,得到更加稳定精准的结果等算法,识别服务采用DeepStream框架,可多进程、线程、协程同时运行计算,具有高效、实时分析来自球形摄像机等的数据自动识别违章行为,包括施工人员着装、安全带、登高、未佩戴安全帽等,大大减轻了巡查人员的工作量,且违章监测实时便捷,可及时的将违章记录上传至安全管理平台,降低了安全隐患,监测准确性较高。
附图说明
图1为本发明结构立体示意图;
图2为本发明车体的结构示意图;
图3为本发明系统示意图。
图中:1、车体;2、智能识别系统;3、蓄电池;4、固定套;5、可调支杆;6、剪力连杆;7、球形摄像机;8、中央处理器;9、数据接收模块;10、A/D转换模块;11、监测模块;12、数据处理模块;13、通信模块;14、定位模块;15、继电器;16、散热模块;17、终端;18、云平台;19、存储模块;20、电源模块;21、移动轮;22、可调支撑杆;23、GPS定位器;24、冷却风扇;25、集成4G和WiFi通讯单元;26、实时识别单元;27、实时分析单元;29、存储器;30、密闭盖。
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。
请参阅图1-3,本发明提供一种技术方案:一种基于深度学习的施工现场违章智能识别装置,包括车体1和智能识别系统2,通过智能识别系统2的设置,其采用边缘检测、大津算法、特征提取等、色域转换、环境光强度检测等图像算法,用于对图像的预处理和基础信息的提取,傅立叶变换、卡尔曼滤波、离散余弦变换等算法对数据进行处理,并使用决策树对传感器结果的输出,得到更加稳定精准的结果等算法,识别服务采用DeepStream框架,可多进程、线程、协程同时运行计算,具有高效、实时分析来自球形摄像机7等的数据自动识别违章行为,包括施工人员着装、安全带、登高、未佩戴安全帽等,大大减轻了巡查人员的工作量,且违章监测实时便捷,可及时的将违章记录上传至安全管理平台,降低了安全隐患,监测准确性较高,车体1上表面的一侧开设有电源槽,电源槽的内部设置有蓄电池3,车体1上表面的另一侧固定安装有固定套4,固定套4的数量为两个,其中一个固定套4的内部固定安装有可调支杆5,另一个固定套4的内部固定安装有剪力连杆6,剪力连杆6的一端与可调支杆5相连接,可调支杆5的一端固定连接有安装座,安装座的内部固定安装有球形摄像机7,电源槽一侧壁的顶部通过铰链固定安装有密闭盖30;
智能识别系统2包括中央处理器8,中央处理器8的输入端与数据接收模块9的输出端电连接,数据接收模块9的输入端与A/D转换模块10的输出端电连接,A/D转换模块10的输入端与监测模块11的输出端电连接,中央处理器8的输出端与数据处理模块12的输入端电连接,数据处理模块12的输出端与通信模块13,中央处理器8的输出端与定位模块14的输入端电连接,中央处理器8的输出端与继电器15的输入端电连接,继电器15的输出端与散热模块16的输入端电连接,通信模块13的输出端与终端17的输入端电连接,中央处理器8的输出端与云平台18的输入端信号连接,云平台18的输出端与中央处理器8的输入端电连接,中央处理器8的输出端与存储模块19的输入端信号连接,存储模块19的输出端与中央处理器8的输入端电连接,智能识别系统2的输入端与电源模块20的输出端电连接,车体1下表面的四角处均固定安装有移动轮21,移动轮21的内部设置有刹车片,车体1下表面的中部固定安装有可调支撑杆22,可调支撑杆22的数量为四个,监测模块11包括球形摄像机7,定位模块14包括GPS定位器23,散热模块16包括冷却风扇24,通信模块13包括集成4G和WiFi通讯单元25,数据处理模块12包括实时识别单元26和实时分析单元27,电源模块20包括蓄电池3,存储模块19包括存储器29。
综上所述,该基于深度学习的施工现场违章智能识别装置,通过智能识别系统2的设置,其采用边缘检测、大津算法、特征提取等、色域转换、环境光强度检测等图像算法,用于对图像的预处理和基础信息的提取,傅立叶变换、卡尔曼滤波、离散余弦变换等算法对数据进行处理,并使用决策树对传感器结果的输出,得到更加稳定精准的结果等算法,识别服务采用DeepStream框架,可多进程、线程、协程同时运行计算,具有高效、实时分析来自球形摄像机7等的数据自动识别违章行为,包括施工人员着装、安全带、登高、未佩戴安全帽等,大大减轻了巡查人员的工作量,且违章监测实时便捷,可及时的将违章记录上传至安全管理平台,降低了安全隐患,监测准确性较高。
本发明中,该装置的工作步骤如下:
1)、首先将蓄电池3充满电,将小车推至基建现场指定位置,确保摄像机能监测指定区域实景;
2)、将装置电源开关合上,嵌入式中央计算机完成操作系统启动,然后自动运行监控软件;
3)、系统控制摄像机在规定时间段工作,对监测区域进行图像采集;
4)、系统对图像进行实时识别与分析,提取违章行为,并记录当时影像、时间、违章类型,然后将违章信息通过4G网络传输至远程监控中心;
5)、系统同时监测电池电量、球机状态、GPS位置等信息,完成信号记录、发送和设备起停控制的操作。
本系统中涉及到的相关模块均为硬件系统模块或者为现有技术中计算机软件程序或协议与硬件相结合的功能模块,该功能模块所涉及到的计算机软件程序或协议的本身均为本领域技术人员公知的技术,其不是本系统的改进之处;本系统的改进为各模块之间的相互作用关系或连接关系,即为对系统的整体的构造进行改进,以解决本系统所要解决的相应技术问题。
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 (9)
1.一种基于深度学习的施工现场违章智能识别装置,包括车体(1)和智能识别系统(2),其特征在于:所述车体(1)上表面的一侧开设有电源槽,所述电源槽的内部设置有蓄电池(3),所述车体(1)上表面的另一侧固定安装有固定套(4),所述固定套(4)的数量为两个,其中一个所述固定套(4)的内部固定安装有可调支杆(5),另一个所述固定套(4)的内部固定安装有剪力连杆(6),所述剪力连杆(6)的一端与可调支杆(5)相连接,所述可调支杆(5)的一端固定连接有安装座,所述安装座的内部固定安装有球形摄像机(7),所述电源槽一侧壁的顶部通过铰链固定安装有密闭盖(30);
所述智能识别系统(2)包括中央处理器(8),所述中央处理器(8)的输入端与数据接收模块(9)的输出端电连接,所述数据接收模块(9)的输入端与A/D转换模块(10)的输出端电连接,所述A/D转换模块(10)的输入端与监测模块(11)的输出端电连接,所述中央处理器(8)的输出端与数据处理模块(12)的输入端电连接,所述数据处理模块(12)的输出端与通信模块(13),所述中央处理器(8)的输出端与定位模块(14)的输入端电连接,所述中央处理器(8)的输出端与继电器(15)的输入端电连接,所述继电器(15)的输出端与散热模块(16)的输入端电连接,所述通信模块(13)的输出端与终端(17)的输入端电连接,所述中央处理器(8)的输出端与云平台(18)的输入端信号连接,所述云平台(18)的输出端与中央处理器(8)的输入端电连接,所述中央处理器(8)的输出端与存储模块(19)的输入端信号连接,所述存储模块(19)的输出端与中央处理器(8)的输入端电连接,所述智能识别系统(2)的输入端与电源模块(20)的输出端电连接。
2.根据权利要求1所述的一种基于深度学习的施工现场违章智能识别装置,其特征在于:所述车体(1)下表面的四角处均固定安装有移动轮(21),所述移动轮(21)的内部设置有刹车片。
3.根据权利要求1所述的一种基于深度学习的施工现场违章智能识别装置,其特征在于:所述车体(1)下表面的中部固定安装有可调支撑杆(22),所述可调支撑杆(22)的数量为四个。
4.根据权利要求1所述的一种基于深度学习的施工现场违章智能识别装置,其特征在于:所述监测模块(11)包括球形摄像机(7)。
5.根据权利要求1所述的一种基于深度学习的施工现场违章智能识别装置,其特征在于:所述定位模块(14)包括GPS定位器(23)。
6.根据权利要求1所述的一种基于深度学习的施工现场违章智能识别装置,其特征在于:所述散热模块(16)包括冷却风扇(24)。
7.根据权利要求1所述的一种基于深度学习的施工现场违章智能识别装置,其特征在于:所述通信模块(13)包括集成4G和WiFi通讯单元(25)。
8.根据权利要求1所述的一种基于深度学习的施工现场违章智能识别装置,其特征在于:所述数据处理模块(12)包括实时识别单元(26)和实时分析单元(27)。
9.根据权利要求1所述的一种基于深度学习的施工现场违章智能识别装置,其特征在于:所述电源模块(20)包括蓄电池(3),所述存储模块(19)包括存储器(29)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110699827.6A CN113468999A (zh) | 2021-06-23 | 2021-06-23 | 一种基于深度学习的施工现场违章智能识别装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110699827.6A CN113468999A (zh) | 2021-06-23 | 2021-06-23 | 一种基于深度学习的施工现场违章智能识别装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113468999A true CN113468999A (zh) | 2021-10-01 |
Family
ID=77872462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110699827.6A Pending CN113468999A (zh) | 2021-06-23 | 2021-06-23 | 一种基于深度学习的施工现场违章智能识别装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113468999A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114841589A (zh) * | 2022-05-17 | 2022-08-02 | 国网浙江省电力有限公司舟山供电公司 | 电力成员违章画像和安全画像的安全隐患信息码生成方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485927A (zh) * | 2016-10-28 | 2017-03-08 | 江苏信息职业技术学院 | 一种智能交通违章信息采集装置及采集方法 |
CN206259023U (zh) * | 2016-10-28 | 2017-06-16 | 江苏信息职业技术学院 | 一种智能交通违章信息采集装置 |
CN210466599U (zh) * | 2019-11-13 | 2020-05-05 | 国网青海省电力公司海东供电公司 | 一种电力施工现场违章识别报警系统 |
CN112203047A (zh) * | 2020-09-25 | 2021-01-08 | 内蒙古京达发电有限责任公司 | 一种基于物联网的反违章管控方法 |
KR102206662B1 (ko) * | 2020-08-14 | 2021-01-22 | 아이티플래닛 주식회사 | 항만 컨테이너 터미널에서 차량 출입 관리와 객체를 인식하는 비전 카메라 시스템 및 방법 |
-
2021
- 2021-06-23 CN CN202110699827.6A patent/CN113468999A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485927A (zh) * | 2016-10-28 | 2017-03-08 | 江苏信息职业技术学院 | 一种智能交通违章信息采集装置及采集方法 |
CN206259023U (zh) * | 2016-10-28 | 2017-06-16 | 江苏信息职业技术学院 | 一种智能交通违章信息采集装置 |
CN210466599U (zh) * | 2019-11-13 | 2020-05-05 | 国网青海省电力公司海东供电公司 | 一种电力施工现场违章识别报警系统 |
KR102206662B1 (ko) * | 2020-08-14 | 2021-01-22 | 아이티플래닛 주식회사 | 항만 컨테이너 터미널에서 차량 출입 관리와 객체를 인식하는 비전 카메라 시스템 및 방법 |
CN112203047A (zh) * | 2020-09-25 | 2021-01-08 | 内蒙古京达发电有限责任公司 | 一种基于物联网的反违章管控方法 |
Non-Patent Citations (1)
Title |
---|
王辉伟;李作舟;肖云峰;王亚军;黄斌;赵凤艳;: "抽水蓄能电站施工视频智能违章识别预警实时监测", 水利水电技术, no. 1, 20 June 2020 (2020-06-20) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114841589A (zh) * | 2022-05-17 | 2022-08-02 | 国网浙江省电力有限公司舟山供电公司 | 电力成员违章画像和安全画像的安全隐患信息码生成方法 |
CN114841589B (zh) * | 2022-05-17 | 2022-12-06 | 国网浙江省电力有限公司舟山供电公司 | 电力成员违章画像和安全画像的安全隐患信息码生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110488841B (zh) | 基于智能机器人的变电设备联合巡检系统及其应用方法 | |
CN111508097B (zh) | 场地巡检方法、装置、设备及存储介质 | |
CN110543986A (zh) | 一种输电线路外部隐患智能监控系统及其监控方法 | |
CN101709954B (zh) | 一种基于机器视觉技术的架空线路覆冰在线监测装置 | |
CN110865917A (zh) | 基于ar技术的电力机房巡检作业方法、系统及应用 | |
CN113705372B (zh) | 一种应用于配网作业现场违章的ai识别系统 | |
CN211509189U (zh) | 电力作业现场监督设备及系统 | |
CN104994346A (zh) | 建筑施工安全管理智能监控系统及其图像报警处理方法 | |
CN104581054A (zh) | 基于视频的输电线路巡检方法及系统 | |
CN202940921U (zh) | 一种基于人脸识别的实时监控系统 | |
CN112506205B (zh) | 机器人巡检任务规划方法及装置 | |
CN106444684A (zh) | 电力设备运行环境数据采集及远动控制的综合联动装置及使用方法 | |
CN111920129A (zh) | 一种智能安全帽系统 | |
CN114744756A (zh) | 一种基于机器视觉的输电线路智能巡检系统 | |
CN115131505A (zh) | 一种变电站多系统融合的全景感知系统 | |
CN113468999A (zh) | 一种基于深度学习的施工现场违章智能识别装置 | |
CN112532927A (zh) | 一种施工现场智能安全管控系统 | |
CN110334820A (zh) | 一种配电网智能巡检系统 | |
CN117811191A (zh) | 一种用于电化学储能电站辅助检修的智能头盔与决策系统 | |
CN117041496A (zh) | 一种适用于基建现场的电力生产作业视频监控系统 | |
CN111426428A (zh) | 一种基于图像采集的变电站室内渗漏水检测系统及方法 | |
CN206282132U (zh) | 电力设备运行环境数据采集及远动控制的综合联动装置 | |
CN116129603A (zh) | 一种基于图像识别的车间安全监测系统 | |
CN115690687A (zh) | 一种基于深度学习技术的安全穿戴规范检测系统 | |
CN206533193U (zh) | 变电站远程智能辅助监控巡视系统 |
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 |