CN113516108A - 基于数据识别的工地抑尘数据匹配处理方法及系统 - Google Patents
基于数据识别的工地抑尘数据匹配处理方法及系统 Download PDFInfo
- Publication number
- CN113516108A CN113516108A CN202111062768.8A CN202111062768A CN113516108A CN 113516108 A CN113516108 A CN 113516108A CN 202111062768 A CN202111062768 A CN 202111062768A CN 113516108 A CN113516108 A CN 113516108A
- Authority
- CN
- China
- Prior art keywords
- dust
- suppression device
- source
- dust suppression
- image
- 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
- 239000000428 dust Substances 0.000 title claims abstract description 314
- 230000001629 suppression Effects 0.000 title claims abstract description 121
- 238000010276 construction Methods 0.000 title claims abstract description 29
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 50
- 239000003595 mist Substances 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000000605 extraction Methods 0.000 claims abstract description 13
- 238000007405 data analysis Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 39
- 239000013598 vector Substances 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 230000003287 optical effect Effects 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 210000002569 neuron Anatomy 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 2
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 14
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000002817 coal dust Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- HOWHQWFXSLOJEF-MGZLOUMQSA-N systemin Chemical compound NCCCC[C@H](N)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CC(O)=O)C(=O)OC(=O)[C@@H]1CCCN1C(=O)[C@H]1N(C(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCCN=C(N)N)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H]2N(CCC2)C(=O)[C@H]2N(CCC2)C(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](C)N)C(C)C)CCC1 HOWHQWFXSLOJEF-MGZLOUMQSA-N 0.000 description 1
- 108010050014 systemin Proteins 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
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
Description
技术领域
本申请涉及数据识别领域,具体涉及一种基于数据识别的工地抑尘数据匹配处理方法及系统。
背景技术
随着诸如计算机大数据和人工智能的发展,已经开发了数据识别和电数据处理技术,已经开发了诸如人工智能图像识别、深度学习和机器学习的最新技术,自动识别数据并提供与数据有关的信息或提供与数据有关的服务的智能服务被用于各种领域,应用数据识别和电数据处理技术的各种领域,比如工地粉尘控制,根据公开文件(公开号CN209748604U)公开的一种基于大数据的铁路运输煤炭抑尘智能监测分析系统,公开文件中基于大数据的方式设计,通过分析已知设备型号等信息,来获取关于相关信息。
随着城市的飞速发展,大多数城市处于城市建设的高峰期,城市内的建筑工地等施工现场在作业时经常会出现粉尘,在同一个建筑工地中,经常同时存在多个粉尘源,如何实现在有限个抑尘装置下实现抑尘装置和粉尘源的匹配问题,实现用最小成本达到最大有效工作量,是工地降尘过程中需要考虑的问题。
发明内容
针对上述问题,本发明提出了一种基于数据识别的工地抑尘数据匹配处理方法,该方法包括以下步骤:
本发明还提出了一种基于数据识别的工地抑尘数据匹配处理系统,包括图像采集模块、图像去噪模块、数据分析处理模块、特征提取模块、函数分析模块、抑尘装置匹配模块;
所述图像采集模块为直接通过拍摄装置获取施工现场RGB图像;所述图像去噪模块使用BM3D技术进行去噪以获得去噪后的噪声图像;获取的噪声图像通过数据分析处理模块进行处理,获取获取粉尘区域,其中粉尘区域通过光流法获得光流信息,然后再对光流信息使用聚类算法进行处理获得粉尘源;使用特征提取模块对粉尘源进行数据识别,根据粉尘情况同时使用目标函数和水雾分析网络进行分析,其中目标函数中要同时输入图像拍摄时候的风力和风向参数;其中所述抑尘装置匹配模块将特征提取模块中的数据与抑尘装置作业参数通过KM算法进行匹配,最终获得抑尘装置匹配结果。
有益效果:
(1)施工场地中环境复杂,且抑尘设备体型巨大不易移动,所以每一个抑尘设备会对应一个可移动区域,本发明根据粉尘源的位置信息,位置信息通过图像识别的光流算法和聚类算法来获得,以及粉尘连通域信息和风向风速特征自适应得到每一个抑尘在可移动范围内的最佳作业点,并得到最佳的作业参数;同时实现多粉尘源和多抑尘装置的最优化匹配,使用KM算法对获取得到的数据进行相关分析匹配,从而得到最优结果,在保障抑尘效果的同时最大化的降低电力和水资源的消耗。
(2)本发明获得所有的粉尘源,为后续抑尘作业提供引导信息,针对不同的粉尘源的位置、产生粉尘的分布、环境因素的不同,获取RGB图像,使用图像处理技术对图像进行去噪分析,然后数据分析技术,从图像中分离出粉尘区域,通过光流算法和聚类算法,从而确定粉尘源,最后使用特征提取模块中的数据识别技术,在相关的目标函数和分析网络中,填入抑尘装置参数,从而获得抑尘装置的匹配结果,得到抑尘装置作业时的最佳参数;同时由于工地环境复杂且抑尘装置体型巨大,每一个抑尘装置有允许移动的范围,所述最佳参数还包括抑尘装置在允许范围内的最佳作业点。
附图说明
图1是本发明提供的一种基于数据识别的工地抑尘数据匹配处理系统的流程图。
具体实施方式
为了让本领域技术人员更好的理解本发明,下面结合实施例和附图对本发明展开描述,参见图1。
为了实现本发明所述内容,本发明设计了一种基于数据识别的工地抑尘数据匹配处理方法,包括以下步骤:
该步骤的目的获得施工场地中的粉尘源。该步骤的有益效果为:获得所有的粉尘源,为后续抑尘作业提供引导信息。
需要说明的是,施工过程中产生的粉尘在空气中做远离粉尘源的扩撒运动,漂浮在粉尘在图像中表现为灰度值的变化,呈现无规则的噪点,所以可以将粉尘视为图像中的噪声,利用现有的图像去噪技术将粉尘产生的造成抹去,得到不含噪声的清晰图像。现有的图像去噪技术有很多,本发明采用BM3D去噪算法得到清晰图像。
利用相机采集到的RGB图像减去清晰图像,得到的噪声图像。在噪声图像中,包含图像中本身的固有噪声和粉尘区域。需要说明的是,噪声的产生与外界环境和相机成像质量有关,是一个相对稳定的分布,其运动特征和粉尘的运动特征有明显差异。获得粉尘区域的方法如下:
1)利用相机采集到的RGB图像减去清晰图像,得到的噪声图像,在噪声图像中,包含图像中本身的固有噪声和粉尘区域,获得粉尘区域的方法如下:
2)确定粉尘区域后,噪声图像中其他的区域为包含固有噪声的区域,将固有噪声的区域的像素值置0,获得粉尘区域,仅针对粉尘区域的像素值分析,利用光流法获得粉尘运动方向,沿着所有粉尘的运动方向的反方向做延长线,从同一个粉尘源产生粉尘其反向延长线会汇聚于一点,得到多个粉尘源,对每一个粉尘源的延长线汇聚次数进行累加,得到每一个粉尘源的累加值,设定累加阈值,该阈值与图像中粉尘区域的面积有关,取值为,当时认为该粉尘源为风影响粉尘运动产生的误差粉尘源,将其舍去,得到图像中所有的粉尘源。
1)首先采集数据,采用仿真模拟的方法获得数据集,利用模拟器在虚拟环境中设定不同抑尘装置的参数,包括转速、水量和抑尘装置的俯仰角角度,采集距抑尘装置不同直线距离的水雾的横截面积,不断改变抑尘装置的参数,采集到不同的和的对应关系,得到多组训练样本,其中为训练数据,为标签信息;
2)其次搭建全连接神经网络,全连接神经网络有输入层、隐藏层和输出层构成,输入层为三个神经元,用于接收信息,设定隐藏层的数量为3,输出层为两个神经元,对应输出结果中的两个维度,损失函数采用均方差损失,不断迭代完成网络训练,利用该网络可以得到抑尘装置到达粉尘源时的水雾面积。
该步骤的目的根据步骤获得的粉尘源特征和步骤得到的水雾面积得到抑尘装置的最佳作业参数。该步骤的有益效果为:针对不同的粉尘源的位置、产生粉尘的分布、环境因素的不同,得到抑尘装置作业时的最佳参数;同时由于工地环境复杂且抑尘装置体型巨大,每一个抑尘装置有允许移动的范围,所述最佳参数还包括抑尘装置在允许范围内的最佳作业点。
a)记步骤中获得的粉尘元的数量为,计算每一个粉尘像素点光流信息方向向量到个粉尘源的垂直距离,将该粉尘像素点归为垂直距离最小的粉尘源,当出现多个粉尘源的距离相同时,将该粉尘像素点归为累加值最大的像素点;至此,得到每一个粉尘源对应的粉尘像素点;
b)进一步,对每一个粉尘源进行特征提取,首先获得粉尘源产生粉尘的覆盖面积,获得粉尘源的坐标位置,获得粉尘源的坐标八个8邻域方向上粉尘像素点与粉尘源的坐标的最远距离,取最大值作为最终的粉尘区域半径,得到粉尘的覆盖面积;
c)同时,需要说明的时,为获得粉尘源到达抑尘装置的直线距离,还需要获得粉尘源的深度信息,实施者可以采用深度相机获得粉尘源的深度信息,得到粉尘源在世界坐标系的坐标,为了方式室外光照对深度信息的影响,深度相机优选双目相机;
4)考虑到抑尘装置在作业时喷出的水雾受风力和风向的影响较大,故从气象数据库中获取方向和风力数据,对抑尘装置的转速、偏航角度和俯仰角进行修正获得最佳作业参数。水量已经满足降尘的需求,风向和风量不会影响水量,所以无需对水量进行调节。
5)获得水雾的风向向量,从抑尘装置的位置指向粉尘源的方向向量,获得风力向量,将风力向量沿着方向和垂直于的方向分解,得到向量和;进一步对做进一步的分解,分解为平行于世界坐标系轴的向量和垂直于世界坐标系轴,至此根据水雾方向和风向得到三个向量;其中对抑尘装置的转速进行修正;分别对抑尘装置的俯仰角和偏航角进行修正,修正公式如下:
其中,表示两向量夹角的余弦值,表示抑尘装置转速和风速之间的随影关系;于装置的型号有关;表示修正后的转速;表示风对水雾方向的影响系数;与修正前的转速呈负相关关系,转速越大,风对水雾方向的影响程度越小,该系数越小;其对应关系为,由采集到的数据利用最小二乘法拟合获得参数和。
进一步,由于每一个抑尘装置有一定的运动范围,获取抑尘装置可允许运动区域。遍历内所有的三维坐标点,将于粉尘源的连线之间存在障碍物的三维坐标点舍弃,这些坐标点会因障碍物遮挡影响降尘作业;得到剩余每一个三维坐标点对应的最佳作业参数,取对应的点为抑尘装置的最佳作业点,在该作业点抑尘装置的消耗最小,消耗包括转速消耗的电能和水量消耗的水资源。需要说明的是,障碍物的检测可以获得连线上的物体深度信息来进行判断,在此不再赘述。
该步骤的目的得到多个抑尘装置与多个粉尘源之间的匹配结果,使得施工场地内在保障损耗最小的情况下达到最优的降尘效果。
3)由于每一个粉尘源产生粉尘的严重程度不同,根据粉尘源的优先级,从优先级最高的粉尘源进行匹配,匹配算法采用KM算法,该算法匹配的结果可以令整体的边权值达到最大。边权值最大表示降尘作业整体的消耗最小。
本发明还设计了一种基于数据识别的工地抑尘数据匹配处理系统,包括图像采集模块、图像去噪模块、数据分析处理模块、特征提取模块、函数分析模块、抑尘装置匹配模块,所述图像采集模块为直接通过拍摄装置获取施工现场RGB图像;
所述图像去噪模块使用BM3D技术进行去噪以获得去噪后的噪声图像;获取的噪声图像通过数据分析处理模块进行处理,获取粉尘区域,其中粉尘区域通过光流法获得光流信息,然后再对光流信息使用聚类算法进行处理获得粉尘源;使用特征提取模块对粉尘源进行数据识别,根据粉尘情况同时使用目标函数和水雾分析网络进行分析,其中目标函数中要同时输入图像拍摄时候的风力和风向参数;其中所述抑尘装置匹配模块将特征提取模块中的数据与抑尘装置作业参数通过KM算法进行匹配,最终获得抑尘装置匹配结果。
至此,本发明完成。
Claims (6)
1.一种基于数据识别的工地抑尘数据匹配处理方法,其特征在于,包括以下步骤:
1)利用相机采集到的RGB图像减去清晰图像,得到的噪声图像,在噪声图像中,包含图像中本身的固有噪声和粉尘区域,获得粉尘区域的方法如下:
其中,为相机采集到的图像尺寸信息,表示前帧图像中粉尘区域图像中像素值为0的面积,即为固有噪声的总面积;为允许误差系数;监督函数的运行过程包括:当对应的监督函数不成立时,按照a)-c)的方法获得粉尘区域的图像,执行监督函数的判断,通过多次迭代判断过程直到对应的监督函数成立时,得到精确的粉尘区域;
2)确定粉尘区域后,噪声图像中其他的区域为包含固有噪声的区域,将固有噪声的区域的像素值置0,获得粉尘区域,仅针对粉尘区域的像素值分析,利用光流法获得粉尘运动方向,沿着所有粉尘的运动方向的反方向做延长线,从同一个粉尘源产生粉尘其反向延长线会汇聚于一点,得到多个粉尘源,对每一个粉尘源的延长线汇聚次数进行累加,得到每一个粉尘源的累加值,设定累加阈值,该阈值与图像中粉尘区域的面积有关,取值为,当时认为该粉尘源为风影响粉尘运动产生的误差粉尘源,将其舍去,得到图像中所有的粉尘源;
2.根据权利要求1所述的基于数据识别的工地抑尘数据匹配处理方法,其特征在于,所述水雾分析网络输入抑尘装置的转速、水量、抑尘装置的俯仰角角度以及抑尘装置和粉尘源的直线距离,输出达到粉尘源时水雾的覆盖面积,可获取后续步骤中抑尘装置最佳作业参数,具体的获取方法如下:
1)采集数据,采用仿真模拟的方法获得数据集,利用模拟器在虚拟环境中设定不同抑尘装置的参数,包括转速、水量和抑尘装置的俯仰角角度,采集距抑尘装置不同直线距离的水雾的横截面积,不断改变抑尘装置的参数,采集到不同的和的对应关系,得到多组训练样本,其中为训练数据,为标签信息;
2)搭建全连接神经网络,全连接神经网络有输入层、隐藏层和输出层构成,输入层为三个神经元,用于接收信息,设定隐藏层的数量为3,输出层为两个神经元,对应输出结果中的两个维度,损失函数采用均方差损失,不断迭代完成网络训练,利用该网络可以得到抑尘装置到达粉尘源时的水雾面积。
a)记步骤中获得的粉尘元的数量为,计算每一个粉尘像素点光流信息方向向量到个粉尘源的垂直距离,将该粉尘像素点归为垂直距离最小的粉尘源,当出现多个粉尘源的距离相同时,将该粉尘像素点归为累加值最大的像素点;至此,得到每一个粉尘源对应的粉尘像素点;
b)对每一个粉尘源进行特征提取,首先获得粉尘源产生粉尘的覆盖面积,获得粉尘源的坐标位置,获得粉尘源的坐标八个8邻域方向上粉尘像素点与粉尘源的坐标的最远距离,取最大值作为最终的粉尘区域半径,得到粉尘的覆盖面积;
5)获得水雾的风向向量,从抑尘装置的位置指向粉尘源的方向向量,获得风力向量,将风力向量沿着方向和垂直于的方向分解,得到向量和;进一步对做进一步的分解,分解为平行于世界坐标系轴的向量和垂直于世界坐标系轴,至此根据水雾方向和风向得到三个向量;其中对抑尘装置的转速进行修正;分别对抑尘装置的俯仰角和偏航角进行修正,修正公式如下:
6.一种基于数据识别的工地抑尘数据匹配处理系统,其特征在于,包括图像采集模块、图像去噪模块、数据分析处理模块、特征提取模块、函数分析模块、抑尘装置匹配模块;
所述图像采集模块为直接通过拍摄装置获取施工现场RGB图像;所述图像去噪模块使用BM3D技术进行去噪以获得去噪后的噪声图像;获取的噪声图像通过数据分析处理模块进行处理,获取粉尘区域,其中粉尘区域通过光流法获得光流信息,然后再对光流信息使用聚类算法进行处理获得粉尘源;使用特征提取模块对粉尘源进行数据识别,根据粉尘情况同时使用目标函数和水雾分析网络进行分析,其中目标函数中要同时输入图像拍摄时候的风力和风向参数;其中所述抑尘装置匹配模块将特征提取模块中的数据与抑尘装置作业参数通过KM算法进行匹配,最终获得抑尘装置匹配结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111062768.8A CN113516108B (zh) | 2021-09-10 | 2021-09-10 | 基于数据识别的工地抑尘数据匹配处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111062768.8A CN113516108B (zh) | 2021-09-10 | 2021-09-10 | 基于数据识别的工地抑尘数据匹配处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113516108A true CN113516108A (zh) | 2021-10-19 |
CN113516108B CN113516108B (zh) | 2021-12-07 |
Family
ID=78063300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111062768.8A Active CN113516108B (zh) | 2021-09-10 | 2021-09-10 | 基于数据识别的工地抑尘数据匹配处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113516108B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114062212A (zh) * | 2021-11-17 | 2022-02-18 | 北京中海兴达建设有限公司 | 一种用于建筑粉尘监测调节系统与方法 |
CN117115753A (zh) * | 2023-10-23 | 2023-11-24 | 辽宁地恩瑞科技有限公司 | 一种膨润土自动化磨粉监测系统 |
CN117139317A (zh) * | 2023-10-31 | 2023-12-01 | 米脂冀东水泥有限公司 | 一种水泥固废处理系统粉尘处理装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361607A (zh) * | 2014-10-21 | 2015-02-18 | 北京邮电大学 | 一种实时多向行人计数、跟踪方法 |
US20170189848A1 (en) * | 2014-06-17 | 2017-07-06 | Hyunjin Construction Co., Ltd. | Sensor-based motion control dust scattering suppression system |
CN111530203A (zh) * | 2020-07-08 | 2020-08-14 | 湖南九九智能环保股份有限公司 | 一种粉尘智能测控治系统及其抑尘降尘方法 |
CN112418056A (zh) * | 2020-11-18 | 2021-02-26 | 中冶赛迪工程技术股份有限公司 | 一种抑尘洒水智能控制系统及控制方法 |
CN113344982A (zh) * | 2021-07-29 | 2021-09-03 | 南通茗仁建筑工程有限公司 | 基于数据识别的工地粉尘控制数据处理方法 |
-
2021
- 2021-09-10 CN CN202111062768.8A patent/CN113516108B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170189848A1 (en) * | 2014-06-17 | 2017-07-06 | Hyunjin Construction Co., Ltd. | Sensor-based motion control dust scattering suppression system |
CN104361607A (zh) * | 2014-10-21 | 2015-02-18 | 北京邮电大学 | 一种实时多向行人计数、跟踪方法 |
CN111530203A (zh) * | 2020-07-08 | 2020-08-14 | 湖南九九智能环保股份有限公司 | 一种粉尘智能测控治系统及其抑尘降尘方法 |
CN112418056A (zh) * | 2020-11-18 | 2021-02-26 | 中冶赛迪工程技术股份有限公司 | 一种抑尘洒水智能控制系统及控制方法 |
CN113344982A (zh) * | 2021-07-29 | 2021-09-03 | 南通茗仁建筑工程有限公司 | 基于数据识别的工地粉尘控制数据处理方法 |
Non-Patent Citations (2)
Title |
---|
ZHANG JIANG-SHI 等: "Spray dust removal device based on the image contrast", 《2012 INTERNATIONAL CONFERENCE ON COMPUTER DISTRIBUTED CONTROL AND INTELLIGENT ENVIROMENTAL MONITORING》 * |
薛里 等: "爆炸水雾降尘机理探讨", 《安徽理工大学学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114062212A (zh) * | 2021-11-17 | 2022-02-18 | 北京中海兴达建设有限公司 | 一种用于建筑粉尘监测调节系统与方法 |
CN117115753A (zh) * | 2023-10-23 | 2023-11-24 | 辽宁地恩瑞科技有限公司 | 一种膨润土自动化磨粉监测系统 |
CN117115753B (zh) * | 2023-10-23 | 2024-02-02 | 辽宁地恩瑞科技有限公司 | 一种膨润土自动化磨粉监测系统 |
CN117139317A (zh) * | 2023-10-31 | 2023-12-01 | 米脂冀东水泥有限公司 | 一种水泥固废处理系统粉尘处理装置 |
CN117139317B (zh) * | 2023-10-31 | 2024-02-13 | 米脂冀东水泥有限公司 | 一种水泥固废处理系统粉尘处理装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113516108B (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113516108B (zh) | 基于数据识别的工地抑尘数据匹配处理方法 | |
CN110097553B (zh) | 基于即时定位建图与三维语义分割的语义建图系统 | |
CN109784333B (zh) | 基于点云带权通道特征的三维目标检测方法及系统 | |
CN109118479B (zh) | 基于胶囊网络的绝缘子缺陷识别定位装置及方法 | |
CN107179768B (zh) | 一种障碍物识别方法及装置 | |
CN111899172A (zh) | 一种面向遥感应用场景的车辆目标检测方法 | |
CN104484648B (zh) | 基于轮廓识别的机器人可变视角障碍物检测方法 | |
CN110060299A (zh) | 基于双目视觉技术的输电通道内危险源识别和定位方法 | |
CN106780560B (zh) | 一种基于特征融合粒子滤波的仿生机器鱼视觉跟踪方法 | |
CN110246151B (zh) | 一种基于深度学习和单目视觉的水下机器人目标跟踪方法 | |
CN113159466B (zh) | 一种短时光伏发电功率预测系统及方法 | |
CN111998862B (zh) | 一种基于bnn的稠密双目slam方法 | |
CN113129449B (zh) | 一种基于双目视觉的车辆路面特征识别及三维重建方法 | |
CN113284144B (zh) | 一种基于无人机的隧道检测方法及装置 | |
CN109684914A (zh) | 基于无人机影像智能识别方法 | |
CN107944350B (zh) | 一种基于外观和几何信息融合的单目视觉道路识别方法 | |
CN112288809A (zh) | 一种用于多物体复杂场景的机器人抓取检测方法 | |
CN116563104A (zh) | 一种基于粒子群算法的图像配准方法及图像拼接方法 | |
CN116299525A (zh) | 一种基于点云区域相关性的动态环境rgb-d视觉slam方法 | |
CN115482282A (zh) | 自动驾驶场景下具有多目标追踪能力的动态slam方法 | |
WO2022220692A1 (en) | Bird detection and species determination | |
CN114187663A (zh) | 基于雷达探测灰度图与神经网络的体态控制无人机的方法 | |
EP4070278A1 (en) | Method to determine the depth from images by self-adaptive learning of a neural network and system thereof | |
CN113836975A (zh) | 基于yolov3的双目视觉无人机避障方法 | |
Pamungkas et al. | 3D-building reconstruction approach using semi-global matching classified |
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 | ||
CP03 | Change of name, title or address |
Address after: 226000 room 104, building 19, chengjiayuan, Qinghe Road, high tech Zone, Nantong City, Jiangsu Province Patentee after: Zhengjin Decoration Group Co.,Ltd. Country or region after: China Address before: 226000 room 104, building 19, chengjiayuan, Qinghe Road, high tech Zone, Nantong City, Jiangsu Province Patentee before: Jiangsu Zhengjin Architectural Decoration Engineering Co.,Ltd. Country or region before: China |