CN113485218B - 一种基于5g的智慧物联监管平台 - Google Patents

一种基于5g的智慧物联监管平台 Download PDF

Info

Publication number
CN113485218B
CN113485218B CN202110891954.6A CN202110891954A CN113485218B CN 113485218 B CN113485218 B CN 113485218B CN 202110891954 A CN202110891954 A CN 202110891954A CN 113485218 B CN113485218 B CN 113485218B
Authority
CN
China
Prior art keywords
soil
water content
noise
monitoring
air
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.)
Active
Application number
CN202110891954.6A
Other languages
English (en)
Other versions
CN113485218A (zh
Inventor
尹雪亮
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.)
Guangde Hulk Environmental Management Consulting Co ltd
Original Assignee
Guangde Hulk Environmental Management Consulting Co ltd
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 Guangde Hulk Environmental Management Consulting Co ltd filed Critical Guangde Hulk Environmental Management Consulting Co ltd
Priority to CN202110891954.6A priority Critical patent/CN113485218B/zh
Publication of CN113485218A publication Critical patent/CN113485218A/zh
Application granted granted Critical
Publication of CN113485218B publication Critical patent/CN113485218B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/048—Monitoring; Safety
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明公开了一种基于5G的智慧物联监管平台，属于环境监控技术领域，包括土壤监控模块、储存模块和服务器；所述土壤监控模块用于监控土壤的含水量，在土壤监控区域内随机选取N个取样点，获取N个土壤样品的含水量信息，将不合格数据进行剔除，通过土壤监控模块对监控区域的土壤含水量进行监控，通过分析剔除不合格数据，保障采样样品的合理性，再通过对数据进行修正，确保获取的土壤含水量数据是准确的；通过噪音监控模块对噪音进行监控，做到有超标的噪音产生时可以及时发现并定位，可以对噪音源进行警告；通过空气监控模块对空气质量进行监控，使用无人机进行巡检，方便快捷。

Description

一种基于5G的智慧物联监管平台
技术领域
本发明属于环境监控技术领域，具体是一种基于5G的智慧物联监管平台。
背景技术
现在人们越来越重视环境问题，尤其是可见的环境问题，例如噪音问题、土壤问题和空气问题；土壤基本上可以说是随处可见的东西，也是生物生存的根本，土壤中包含了大量生物生存所需的物质；而土壤中同样也存在水这一关键物质；土壤间隙总体积是一定的，而占据这部分体积的是水和空气。当水分太少时，植物根系吸收的水分不足，而植物的蒸腾作用又使植物失去大量水分，从而导致植物失氺萎莚，当土壤很缺乏水分时，造成土壤板结、裂缝产生的拉力将植物根系拉断，严重时导致植物死亡。当水过多时，空气所占的比例就小，导致植物根系有氧呼吸减弱，植物根系被迫转向无氧呼吸。无氧呼吸产生酒精毒害植物根部，导致烂根。严重时同样导致植物死亡。
但是如何对土壤中的水分进行检测，当前采取的方法都不够准确，无法精确的确定某片土地的土壤水分含量，滤除干扰数据；为解决上述缺陷，现提供一种解决方案。
发明内容
为了解决上述方案存在的问题，本发明提供了一种基于5G的智慧物联监管平台。
本发明的目的可以通过以下技术方案实现：
一种基于5G的智慧物联监管平台，包括土壤监控模块、储存模块和服务器；
所述土壤监控模块用于监控土壤的含水量，在土壤监控区域内随机选取N个取样点，获取N个土壤样品的含水量信息，将不合格数据进行剔除，将剔除后的土壤样品的含水量信息数量标记为n，将土壤样品的含水量信息标记为Pi；
获取土壤含水量均值
Figure BDA0003196493290000021
根据公式
Figure BDA0003196493290000022
获取土壤含水量稳定值α；
获取土壤含水量纠正值β；
根据公式Qt＝b1×Pt+b2×α+b3×β获得土壤含水量Qt。
进一步地，获取土壤含水量纠正值β的方法包括：
获取当天取样地区的天气信息和地质条件信息，整合并标记为纠正输入数据，设置含水量纠正模型，将纠正输入数据输入到含水量纠正模型中，获得土壤含水量纠正值β。
进一步地，还包括噪音监控模块和空气监控模块。
进一步地，所述噪音监控模块、土壤监控模块和空气监控模块与服务器之间均采用5G网络连接。
进一步地，所述噪音监控模块用于对监控区域进行噪音监控，具体方法包括：
在监控区域设置若干个噪声监控点，在噪声监控点内设置定位单元，定位单元用于对声源位置进行定位，获取噪声监控点检测区域内的摄像装置，将摄像装置与对应的噪声监控点进行匹配编号；
设置噪声警戒值，实时获取噪声检测点的噪声值，将获取的噪声值与噪声警戒值进行比对。
进一步地，当噪声值超过噪声警戒值时，获取声源坐标，控制摄像装置对声源坐标进行拍摄，将拍摄的图像打上坐标和时间戳，发送到储存模块进行保存。
进一步地，所述空气监控模块用于对监控区域内的空气进行监控，具体方法包括：
设置无人机巡检装置，规划无人机巡检路线；
实时获取无人机拍摄的图像和当天的天气信息，将无人机拍摄的图像和当天的天气信息整合并标记为空气输入数据；
设置空气检测模型，将空气输入数据输入到空气检测模型中，获得输出结果并标记为评估标签。
进一步地，当评估标签表示检测异常时，采集对应的空气样品，并打上时间戳和位置戳，对采集的空气样品进行检测；
当检测出空气污染指数超标时，获取对应的工厂名称。
与现有技术相比，本发明的有益效果是：通过土壤监控模块对监控区域的土壤含水量进行监控，通过分析剔除不合格数据，保障采样样品的合理性，再通过对数据进行修正，确保获取的土壤含水量数据是准确的；通过噪音监控模块对噪音进行监控，做到有超标的噪音产生时可以及时发现并定位，可以对噪音源进行警告；通过空气监控模块对空气质量进行监控，使用无人机进行巡检，方便快捷，当发现问题时，可以及时采集样本数据，做到污染早发现、早治理。
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，下面将对实施例或现有技术描述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为本发明原理框图。
具体实施方式
下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。
如图1所示，一种基于5G的智慧物联监管平台，包括噪音监控模块、土壤监控模块、空气监控模块、储存模块和服务器；
所述噪音监控模块、土壤监控模块和空气监控模块与服务器之间均采用5G网络连接；
土壤监控模块用于监控土壤的含水量，具体方法包括：
获取需要进行土壤监控的区域，在土壤监控区域内随机选取N个取样点，在取样点进行土壤取样；
获取N个土壤样品的含水量信息，这是直接使用仪器检测的含水量，根据数据离散度计算公式将获取的土壤样品的含水量信息中不合格数据进行剔除，就是将土壤样品的含水量信息中差别过大的数据进行剔除，将剔除后的土壤样品的含水量信息数量标记为n，将土壤样品的含水量信息标记为Pi，其中i＝1、2、……、n，获取土壤含水量均值
Figure BDA0003196493290000041
其中λ为修正因子，取值范围为0<λ<1；
根据公式
Figure BDA0003196493290000042
获取土壤含水量稳定值α；
获取当天取样地区的天气信息和地质条件信息，整合并标记为纠正输入数据，设置含水量纠正模型，将纠正输入数据输入到含水量纠正模型中，获得土壤含水量纠正值β；
根据公式Qt＝b1×Pt+b2×α+b3×β获得土壤含水量Qt，其中，b1、b2、b3均为比例系数，取值范围为1<b1≤2，0≤b2≤1，0<b3≤1；
设置含水量纠正模型的方法包括：
获取纠正历史数据；纠正历史数据包括取样地区的天气信息和地质条件信息；为纠正历史数据设置对应的土壤含水量纠正值β；构建人工智能模型；人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络；将纠正历史数据和对应的土壤含水量纠正值β按照设定比例划分为训练集、测试集和校验集；设定比例包括2：1：1、3：2：1和3：1：1；通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为含水量纠正模型；
噪音监控模块用于对监控区域进行噪音监控，具体方法包括：
在监控区域设置若干个噪声监控点，在噪声监控点内设置定位单元，定位单元用于对声源位置进行定位，使用神经网络模型进行训练，并使用后续检测数据进行反馈修正，获取噪声监控点检测区域内的摄像装置，将摄像装置与对应的噪声监控点进行匹配编号；
设置噪声警戒值，这个根据当地的要求进行设置，实时获取噪声监测点的噪声值，就是声音分贝值，将获取的噪声值与噪声警戒值进行比对，当噪声值超过噪声警戒值时，获取声源坐标，控制摄像装置对声源坐标进行拍摄，将拍摄的图像打上坐标和时间戳，发送到储存模块进行保存；
还可以设置广播单元，用于对声源地进行语音警告；
空气监控模块用于对监控区域内的空气进行监控，具体方法包括：
设置无人机巡检装置，就是无人机携带摄像装置和采集装置，规划无人机巡检路线；
实时获取无人机拍摄的图像和当天的天气信息，将无人机拍摄的图像和当天的天气信息整合并标记为空气输入数据；
设置空气检测模型，将空气输入数据输入到空气检测模型中，获得输出结果并标记为评估标签，评估标签即为空气输入数据对应的状态标签；
当评估标签表示检测异常时，采集对应的空气样品，并打上时间戳和位置戳，对采集的空气样品进行检测；
当检测出空气污染指数超标时，获取对应的工厂名称；
设置空气检测模型的方法包括：
获取空气历史数据，空气历史数据包括无人机拍摄的图像和当天的天气信息；为空气历史数据设置状态标签；状态标签包括01和02，当状态标签为01时，表示检测正常，当状态标签为02时，表示检测异常；就是有的工厂进行排气时，排气明显；构建人工智能模型；人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络；将空气历史数据和对应的状态标签按照设定比例划分为训练集、测试集和校验集；设定比例包括3：1：1、3：2：2和3：1：1；通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为空气检测模型。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本发明的工作原理：监控土壤的含水量，获取需要进行土壤监控的区域，在土壤监控区域内随机选取N个取样点，在取样点进行土壤取样；获取N个土壤样品的含水量信息，根据数据离散度计算公式将获取的土壤样品的含水量信息中不合格数据进行剔除，将剔除后的土壤样品的含水量信息数量标记为n，将土壤样品的含水量信息标记为Pi，获取土壤含水量均值
Figure BDA0003196493290000061
根据公式
Figure BDA0003196493290000062
获取土壤含水量稳定值α；获取当天取样地区的天气信息和地质条件信息，整合并标记为纠正输入数据，获取纠正历史数据；纠正历史数据包括取样地区的天气信息和地质条件信息；为纠正历史数据设置对应的土壤含水量纠正值β；构建人工智能模型；将纠正历史数据和对应的土壤含水量纠正值β按照设定比例划分为训练集、测试集和校验集；通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为含水量纠正模型；将纠正输入数据输入到含水量纠正模型中，获得土壤含水量纠正值β；根据公式Qt＝b1×Pt+b2×α+b3×β获得土壤含水量Qt，
对监控区域进行噪音监控，在监控区域设置若干个噪声监控点，在噪声监控点内设置定位单元，定位单元用于对声源位置进行定位，获取噪声监控点检测区域内的摄像装置，将摄像装置与对应的噪声监控点进行匹配编号；设置噪声警戒值，实时获取噪声监测点的噪声值，将获取的噪声值与噪声警戒值进行比对，当噪声值超过噪声警戒值时，获取声源坐标，控制摄像装置对声源坐标进行拍摄，将拍摄的图像打上坐标和时间戳，发送到储存模块进行保存；
对监控区域内的空气进行监控，设置无人机巡检装置，规划无人机巡检路线；实时获取无人机拍摄的图像和当天的天气信息，将无人机拍摄的图像和当天的天气信息整合并标记为空气输入数据；获取空气历史数据，空气历史数据包括无人机拍摄的图像和当天的天气信息；为空气历史数据设置状态标签；构建人工智能模型；将空气历史数据和对应的状态标签按照设定比例划分为训练集、测试集和校验集；通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为空气检测模型；将空气输入数据输入到空气检测模型中，获得输出结果并标记为评估标签，当评估标签表示检测异常时，采集对应的空气样品，并打上时间戳和位置戳，对采集的空气样品进行检测；当检测出空气污染指数超标时，获取对应的工厂名称。
在本发明所提供的实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式；所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方法的目的。
另对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (8)

1.一种基于5G的智慧物联监管平台，其特征在于，包括土壤监控模块、储存模块和服务器；
所述土壤监控模块用于监控土壤的含水量，在土壤监控区域内随机选取N个取样点，获取N个土壤样品的含水量信息，将不合格数据进行剔除，将剔除后的土壤样品的含水量信息数量标记为n，将土壤样品的含水量信息标记为Pi；
获取土壤含水量均值
Figure FDA0003609818310000011
根据公式
Figure FDA0003609818310000012
获取土壤含水量稳定值α；
获取土壤含水量纠正值β；
根据公式Qt＝b1×Pt+b2×α+b3×β获得土壤含水量Qt；其中，b1、b2、b3均为比例系数，取值范围为1<b1≤2，0≤b2≤1，0<b3≤1；
获取土壤含水量纠正值β的方法包括：
获取当天取样地区的天气信息和地质条件信息，整合并标记为纠正输入数据，获取纠正历史数据；纠正历史数据包括取样地区的天气信息和地质条件信息；为纠正历史数据设置对应的土壤含水量纠正值β；构建人工智能模型；将纠正历史数据和对应的土壤含水量纠正值β按照设定比例划分为训练集、测试集和校验集；通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为含水量纠正模型；将纠正输入数据输入到含水量纠正模型中，获得土壤含水量纠正值β。
2.根据权利要求1所述的一种基于5G的智慧物联监管平台，其特征在于，获取土壤含水量纠正值β的方法包括：
获取当天取样地区的天气信息和地质条件信息，整合并标记为纠正输入数据，设置含水量纠正模型，将纠正输入数据输入到含水量纠正模型中，获得土壤含水量纠正值β。
3.根据权利要求1所述的一种基于5G的智慧物联监管平台，其特征在于，还包括噪音监控模块和空气监控模块。
4.根据权利要求3所述的一种基于5G的智慧物联监管平台，其特征在于，所述噪音监控模块、土壤监控模块和空气监控模块与服务器之间均采用5G网络连接。
5.根据权利要求3所述的一种基于5G的智慧物联监管平台，其特征在于，所述噪音监控模块用于对监控区域进行噪音监控，具体方法包括：
在监控区域设置若干个噪声监控点，在噪声监控点内设置定位单元，定位单元用于对声源位置进行定位，获取噪声监控点检测区域内的摄像装置，将摄像装置与对应的噪声监控点进行匹配编号；
设置噪声警戒值，实时获取噪声检测点的噪声值，将获取的噪声值与噪声警戒值进行比对。
6.根据权利要求5所述的一种基于5G的智慧物联监管平台，其特征在于，当噪声值超过噪声警戒值时，获取声源坐标，控制摄像装置对声源坐标进行拍摄，将拍摄的图像打上坐标和时间戳，发送到储存模块进行保存。
7.根据权利要求3所述的一种基于5G的智慧物联监管平台，其特征在于，所述空气监控模块用于对监控区域内的空气进行监控，具体方法包括：
设置无人机巡检装置，规划无人机巡检路线；
实时获取无人机拍摄的图像和当天的天气信息，将无人机拍摄的图像和当天的天气信息整合并标记为空气输入数据；
设置空气检测模型，将空气输入数据输入到空气检测模型中，获得输出结果并标记为评估标签。
8.根据权利要求7所述的一种基于5G的智慧物联监管平台，其特征在于，当评估标签表示检测异常时，采集对应的空气样品，并打上时间戳和位置戳，对采集的空气样品进行检测；
当检测出空气污染指数超标时，获取对应的工厂名称。
CN202110891954.6A 2021-08-04 2021-08-04 一种基于5g的智慧物联监管平台 Active CN113485218B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110891954.6A CN113485218B (zh) 2021-08-04 2021-08-04 一种基于5g的智慧物联监管平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110891954.6A CN113485218B (zh) 2021-08-04 2021-08-04 一种基于5g的智慧物联监管平台

Publications (2)

Publication Number Publication Date
CN113485218A CN113485218A (zh) 2021-10-08
CN113485218B true CN113485218B (zh) 2022-06-07

Family

ID=77945580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110891954.6A Active CN113485218B (zh) 2021-08-04 2021-08-04 一种基于5g的智慧物联监管平台

Country Status (1)

Country Link
CN (1) CN113485218B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113702612B (zh) * 2021-10-28 2022-02-22 江苏瑞立环保工程股份有限公司 基于人工智能的河岸污染检测及考察地点选址方法及系统
CN114414741A (zh) * 2022-01-24 2022-04-29 洛阳清源建筑工程有限公司 一种应用于建筑工程施工现场的环境监测设备和方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018006798A1 (zh) * 2016-07-05 2018-01-11 深圳大学 基于无线感知的湿度检测的方法及系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2691128C (en) * 2007-05-04 2014-04-29 Feng Ding System and method for optimizing lignocellulosic granular matter refining
US9582775B2 (en) * 2012-12-10 2017-02-28 International Business Machines Corporation Techniques for iterative reduction of uncertainty in water distribution networks
JP2016145799A (ja) * 2015-01-30 2016-08-12 Toto株式会社 生体情報測定システム
WO2016134341A1 (en) * 2015-02-20 2016-08-25 Iteris, Inc. Modeling of soil compaction and structural capacity for field trafficability by agricultural equipment from diagnosis and prediction of soil and weather conditions associated with user-provided feedback
CA3041142C (en) * 2016-12-16 2021-06-15 Farmers Edge Inc. Classification of soil texture and content by near-infrared spectroscopy
CN107516401A (zh) * 2017-08-02 2017-12-26 深圳市盛路物联通讯技术有限公司 一种山体滑坡监测方法和系统
CN107977531B (zh) * 2017-12-20 2019-11-22 云南电网有限责任公司文山供电局 一种基于图像处理和数学模型的接地电阻软测量方法
CN111771693B (zh) * 2020-07-10 2021-10-26 广州大学 一种土壤墒情的人工智能控制方法及系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018006798A1 (zh) * 2016-07-05 2018-01-11 深圳大学 基于无线感知的湿度检测的方法及系统

Also Published As

Publication number Publication date
CN113485218A (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
CN113485218B (zh) 一种基于5g的智慧物联监管平台
CN111914468A (zh) 一种空气污染智能监控分析方法及装置
CN112734694A (zh) 一种基于大数据的水质监测方法
CN110489785A (zh) 一种大气污染物在线源解析方法及系统
CN109919471A (zh) 一种智慧风控评估方法及系统
CN116362571B (zh) 一种基于深度学习的多源污染时空特征分析方法及系统
CN113049509B (zh) 一种基于光谱技术的农产品检测管理系统
CN113053063A (zh) 基于移动端的灾害在线处置流程实现方法
CN114519926A (zh) 基于物联网的环保监测用仪表智能控制系统
CN114511784A (zh) 环境监测预警方法、装置、设备及存储介质
CN107862433A (zh) 一种特高压直流输电线路带电作业安全评估方法和系统
CN114021946A (zh) 一种企业环保管家管理系统
CN114550073A (zh) 一种新能源汽车充电桩的监控系统
CN115060312A (zh) 一种基于人工智能的建筑材料安全监测系统
CN114677015A (zh) 一种基于网格化管理的智慧城市安全管控平台及管控方法
CN113793693A (zh) 传染病流行趋势预测方法及装置
Chávez‐Arroyo et al. Quality assurance of near‐surface wind velocity measurements in M exico
CN116560946A (zh) 一种基于云计算的土壤污染数据推送系统
CN111178756A (zh) 一种基于环境大数据的多元线性回归火灾风险评估方法
CN115658772A (zh) 一种无人机光伏巡检数据类资产管理方法及系统
CN113960700B (zh) 区域数值预报结果的客观检验、统计及分析系统
CN113361730B (zh) 一种检修计划的风险预警方法、装置、设备和介质
CN111967419B (zh) 一种坝岸险情预测方法、装置、计算机设备及存储介质
Murray et al. Using fractal analysis of crown images to measure the structural condition of trees
CN114646735A (zh) 一种空气中二氧化碳浓度监测系统

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