CN113759980A - 一种用于无人机的特征识别挂载方法及系统 - Google Patents
一种用于无人机的特征识别挂载方法及系统 Download PDFInfo
- Publication number
- CN113759980A CN113759980A CN202111139315.0A CN202111139315A CN113759980A CN 113759980 A CN113759980 A CN 113759980A CN 202111139315 A CN202111139315 A CN 202111139315A CN 113759980 A CN113759980 A CN 113759980A
- Authority
- CN
- China
- Prior art keywords
- information
- abnormal
- unmanned aerial
- aerial vehicle
- imaging information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000002159 abnormal effect Effects 0.000 claims abstract description 91
- 238000003384 imaging method Methods 0.000 claims abstract description 64
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims abstract description 13
- 230000004044 response Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 6
- 230000003190 augmentative effect Effects 0.000 claims description 5
- 230000010485 coping Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于无人机的特征识别挂载方法及系统,涉及地下管网检测的领域,其方法包括获取地下管网、传感器的实时成像信息;判断实时成像信息是否与预设成像信息一致;若判断为是,生成无异常信息;若判断为否,生成警示信息;根据警示信息,定位异常位置;根据异常位置,形成飞控指令,所述飞控指令用于控制无人机飞往异常位置;判断无人机是否达到异常位置;若判断为是,获取异常位置成像信息;生成异常报告。本申请能够降低人工劳动强度。
Description
技术领域
本发明涉及地下管网的检测领域,尤其是涉及一种用于无人机的特征识别挂载方法及系统。
背景技术
城市地下管线是指城市范围内供水、排水、燃气、热力、电力、通信、广播电视、工业等管线及其附属设施,是保障城市运行的重要基础设施和“生命线”。
目前,在对地下管网进行检测时,通常是利用三维管网数据对地下管网、传感器等进行检测,再通过人工前往进行进一步检测并维修,通过人工前往后再进行判断,大大增大了人工劳动强度。
发明内容
为了降低人工劳动强度,本申请提供一种用于无人机的特征识别挂载方法及系统。
第一方面,本申请提供一种用于无人机的特征识别挂载方法,采用如下技术方案:
一种用于无人机的特征识别挂载方法,包括:
获取地下管网、传感器的实时成像信息;
判断实时成像信息是否与预设成像信息一致;
若判断为是,生成无异常信息;
若判断为否,生成警示信息;
根据警示信息,定位异常位置;
根据异常位置,形成飞控指令,所述飞控指令用于控制无人机飞往异常位置;
判断无人机是否达到异常位置;
若判断为是,获取异常位置成像信息;
生成异常报告。
通过采用上述技术方案,通过无人机航拍地下管网、传感器的实时信息,并将成像信息实时传输,将实时成像信息与预设成像信息进行比对,判断实时成像信息与预设成像信息是否一致,如果判断一致,则生成无异常信息,如果判断不一致,则生成警示信息,便于后台工作人员知晓,当生成警示信息后,定位异常位置,根据定位到的位置,形成飞控指令,以控制无人机飞往异常位置,无人机飞往异常位置后,通过无人机拍摄后,将异常位置的具体成像信息传输至后台,根据异常位置的成像信息,生成异常报告,便于工作台人员知晓,从而减少人工操作时的劳动强度。
可选的,生成异常报告之后,包括:
根据异常位置,查询全部飞行路线,形成路线差值;
计算全部路线差值的大小;
比较全部路线差值的大小;
选择路线差值最小的对应的最近的飞行路线;
形成路线指令,所述路线指令用于控制无人机按照最近的飞行路线飞往异常位置。
通过采用上述技术方案,查询全部的无人机到达异常位置之间的路线,并计算每条路线之间的距离,比较每条路线距离的大小,并选择最小的路线差值对应的最近的飞行路线,形成路线指令,通过路线指令控制无人机按照最近的路线差值飞往异常位置处,达到节省时间的目的。
可选的,生成异常报告之后,包括:
根据异常报告,获取异常数据库信息;
筛选异常数据库中的与异常报告对应的应对信息;
生成应对报告;
获取负责地下管网的负责人终端;
发送应对报告至负责人终端。
通过采用上述技术方案,异常报告生成后,获取异常数据库信息,根据异常数据库里的内容,筛选与异常报告对应的应对信息,并生成应对报告,获取负责地下管网的负责人终端,将应对报告发送到负责人终端,便于负责人知晓。
可选的,还包括:
在获取实时成像信息时,使用图像识别算法。
通过采用上述技术方案,在获取地下管网、传感器的实时成像信息时,通过图像识别算法获取,能够提高图像获取时的精准度。
可选的,还包括:
在获取实时成像信息时,使用增强现实技术。
通过采用上述技术方案,通过增强现实技术提高成像时的清晰度,且能够有效体现成像内容。
第二方面,本申请提供一种用于无人机的特征识别挂载系统,采用如下技术方案:
信息获取模块,用于获取地下管网、传感器的实时成像信息、异常位置成像信息;
判断模块,用于判断实时成像信息与预设成像信息是否一致、用于判断无人机是否到达异常位置;
无异常信息生成模块,用于判断为是后生成;
警示信息生成模块,用于判断为否后生成;
异常位置定位模块,用于定位异常位置;
指令形成模块,用于形成飞控指令;
报告生成模块,用于生成异常报告。
通过采用上述技术方案,无人机航拍地下管网、传感器的实时信息,并将成像信息实时传输,将实时成像信息与预设成像信息进行比对,判断实时成像信息与预设成像信息是否一致,如果判断一致,则生成无异常信息,如果判断不一致,则生成警示信息,便于后台工作人员知晓,当生成警示信息后,定位异常位置,根据定位到的位置,形成飞控指令,以控制无人机飞往异常位置,无人机飞往异常位置后,通过无人机拍摄后,将异常位置的具体成像信息传输至后台,根据异常位置的成像信息,生成异常报告,便于工作台人员知晓。
第三方面,本申请提供一种终端,其包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现所述的一种用于无人机的特征识别挂载方法。
第四方面,本申请提供一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现所述的一种用于无人机的特征识别挂载方法。
综上所述,本申请具有以下有益技术效果:
1.通过无人机拍摄地下管网、传感器的信息,生成实时成像信息,判断实时成像信息与预设成像信息是否一致,根据判断结果进行操作,从而减少人工操作,进而减少人工劳动强度;
2.将无人机到达异常位置之间的距离计算并比较,选择最近的路线行驶,从而达到节省时间的目的。
附图说明
图1是本申请实施例方法中的生成警示信息的流程示意图。
图2是本申请实施例方法中的形成路线指令的流程示意图。
图3是本申请实施例方法中的生成应对报告的流程示意图。
图4是本申请实施例系统中的流程框图。
附图标记说明:
100、信息获取模块;101、判断模块;102、无异常信息生成模块;103、警示信息生成模块;104、异常位置定位模块;105、指令形成模块;106、报告生成模块。
具体实施方式
以下结合全部附图对本申请作进一步详细说明。
本申请实施例公开一种用于无人机的特征识别挂载方法及系统。
本申请实施例公开一种用于无人机的特征识别挂载方法。
参照图1,其方法,包括:
S1:获取地下管网、传感器的实时成像信息。
具体的,通过安装在无人机上的摄像头对地下管网以及传感器进行拍摄,并进行实时传输,以获得实时成像信息。其中,在获取实时成像信息时,利用图像识别算法识别图像,再使用增强现实技术,以获得清晰的图像。图像识别算法和增强现实技术均为现有技术,此处不做赘述。
S2:判断实时成像信息是否与预设成像信息一致。
若判断为是,跳转至S3。
若判断为否,跳转至S4。
具体的,将实时成像信息与预设成像信息进行比对,判断实时成像信息是否与预设成像信息一致,若判断为是,跳转至S3,进行下一步操作,若判断为否,跳转至S4,进行下一步操作。其中,预设成像信息在安装地下管网或者传感器时拍摄并成像后存储在后台服务器内。
S3:生成无异常信息。
具体的,当实时成像信息与预设成像信息一致时,则说明地下管网或者传感器无损坏,则生成无异常信息。
S4:生成警示信息。
具体的,当实时成像信息与预设成像信息不一致时,则说明地下管网或者传感器存在损坏可能,则生成警示信息,并传输至后台服务器,便于工作人员知晓。
S5:定位异常位置。
具体的,根据警示信息,定位异常位置,在定位异常位置时,通过安装在地下管网或者传感器上的GPS系统进行定位,且每一个地下管网、传感器上均安装有GPS系统,每一个GPS系统上均设置有一个编号,每个编号均不相同,通过每个GPS系统的编号定位地下管网或者传感器。
S6:形成飞控指令。
具体的,根据异常位置,形成飞控指令,飞控指令用于控制无人机飞往异常位置处。
S7:判断无人机是否达到异常位置。
若判断为是,跳转至S8。
若判断为否,继续执行S7。
具体的,无人机接收到飞控指令后,飞往异常位置处,无人机上安装有GPS系统,通过GPS系统,能够定位无人机的位置,以判断无人机是否到达异常位置,如果判断为是,则跳转至S8,进行下一步操作,如果判断为否,则继续执行S7。
S8:获取异常位置成像信息。
具体的,当判断无人机已经到达异常位置后,利用摄像机拍摄异常位置的损坏情况,并传输至后台服务器。
S9:生成异常报告。
具体的,根据异常位置成像信息生成异常报告,便于工作人员知晓地下管网或者传感器的损坏情况。
参照图2,S10:查询全部飞行路线,形成路线差值。
具体的,当异常位置定位后,查询无人机到达异常位置的全部飞行路线,形成路线差值。其中,服务器联网后自动查询无人机到达异常位置的距离和飞行路线。举例说明,无人机位置在A点,异常位置在B点,A到B之间为a路线、b路线为、c路线,a路线、b路线、c路线的飞行路径均不相同。
S11:计算全部路线差值的大小。
具体的,当A到B之间的路线为a时,路线为300米,路线为b时,路线差值为500米,路线为c时,路线差值为800米。
S12:比较全部路线差值的大小。
具体的,路线差值在S11中计算完成后,将全部路线差值进行比较,即比较300、500、800之间的大小,比较完成后,最大值为800,最小值为300。
S13:选择路线差值最小的对应的最近的飞行路线。
具体的,路线差值比较完成后,选择最小的路线差值对应的飞行路线,即选择路线差值为300时对应的最近的飞行路线,即为a路线。
S14:形成路线指令。
具体的,最近的飞行路线选择完成后,形成路线指令,通过路线指令控制无人机沿着最近的飞行路线飞行,以利用最少的时间飞行到异常位置处,从而达到节省时间的目的。
参照图3,在S9之后,包括:
S15:获取异常数据库信息。
具体的,异常数据库在安装地下管网、传感器时建立,异常数据库中存储有地下管网以及传感器最初始的数据信息,包括可能存在的问题,以及与该问题对应的解决措施,或者异常数据库可以通过服务器联网后,自动下载数据。其中,异常数据库中的信息可以通过表格的方式进行存储,表格中的问题与措施一一对应。
S16:筛选异常数据库中的与异常报告对应的应对信息。
具体的,筛选与异常报告对应的应对信息,筛选方式可以通过逐一判断的方式进行筛选,将异常数据库中的与异常报告对应的筛选后进行存储,与异常报告中的内容不一致的则直接跳过。
S17:生成应对报告。
具体的,应对信息筛选完成后,根据筛选处的信息生成应对报告。
S18:获取负责地下管网的负责人终端。
具体的,服务器存储有每个地下管网负责人的信息,应对报告生成后,获取负责地下管网的负责人终端。
S19:发送应对报告至负责人终端。
具体的,将应对报告发送至负责人终端,便于负责人根据应对报告准备维修工具等。
本申请实施例还公开一种用于无人机的特征识别挂载系统。
参照图4,一种用于无人机的特征识别挂载系统,包括信息获取模块100、判断模块101、无异常信息生成模块102、警示信息生成模块103、异常位置定位模块104、指令形成模块105、报告生成模块106,其中:
信息获取模块100,用于获取地下管网、传感器的实时成像信息、异常位置成像信息;
判断模块101,用于判断实时成像信息与预设成像信息是否一致;
无异常信息生成模块102,用于判断为是后生成;
警示信息生成模块103,用于判断为否后生成;
异常位置定位模块104,用于定位异常位置;
指令形成模块105,用于形成飞控指令;
报告生成模块106,用于生成异常报告。
本申请实施例还公开一种终端。
一种终端,其包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现所述的一种用于无人机的特征识别挂载方法。
本申请实施例还公开一种计算机可读存储介质。
一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现所述的一种用于无人机的特征识别挂载方法。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (8)
1.一种用于无人机的特征识别挂载方法,其特征在于,包括:
获取地下管网、传感器的实时成像信息;
判断实时成像信息是否与预设成像信息一致;
若判断为是,生成无异常信息;
若判断为否,生成警示信息;
根据警示信息,定位异常位置;
根据异常位置,形成飞控指令,所述飞控指令用于控制无人机飞往异常位置;
判断无人机是否达到异常位置;
若判断为是,获取异常位置成像信息;
生成异常报告。
2.根据权利要求1所述的一种用于无人机的特征识别挂载方法,其特征在于,生成异常报告之后,包括:
根据异常位置,查询全部飞行路线,形成路线差值;
计算全部路线差值的大小;
比较全部路线差值的大小;
选择路线差值最小的对应的最近的飞行路线;
形成路线指令,所述路线指令用于控制无人机按照最近的飞行路线飞往异常位置。
3.根据权利要求1所述的一种用于无人机的特征识别挂载方法,其特征在于,生成异常报告之后,包括:
根据异常报告,获取异常数据库信息;
筛选异常数据库中的与异常报告对应的应对信息;
生成应对报告;
获取负责地下管网的负责人终端;
发送应对报告至负责人终端。
4.根据权利要求1所述的一种用于无人机的特征识别挂载方法,其特征在于,还包括:
在获取实时成像信息时,使用图像识别算法。
5.根据权利要求1所述的一种用于无人机的特征识别挂载方法,其特征在于,还包括:
在获取实时成像信息时,使用增强现实技术。
6.根据权利要求1所述的一种用于无人机的特征识别挂载系统,其特征在于,包括:
信息获取模块,用于获取地下管网、传感器的实时成像信息、异常位置成像信息;
判断模块,用于判断实时成像信息与预设成像信息是否一致、用于判断无人机是否到达异常位置;
无异常信息生成模块,用于判断为是后生成;
警示信息生成模块,用于判断为否后生成;
异常位置定位模块,用于定位异常位置;
指令形成模块,用于形成飞控指令;
报告生成模块,用于生成异常报告。
7.一种终端,其特征在于:其包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至5任一所述的一种用于无人机的特征识别挂载方法。
8.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至5任一所述的一种用于无人机的特征识别挂载方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111139315.0A CN113759980A (zh) | 2021-09-28 | 2021-09-28 | 一种用于无人机的特征识别挂载方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111139315.0A CN113759980A (zh) | 2021-09-28 | 2021-09-28 | 一种用于无人机的特征识别挂载方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113759980A true CN113759980A (zh) | 2021-12-07 |
Family
ID=78797922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111139315.0A Pending CN113759980A (zh) | 2021-09-28 | 2021-09-28 | 一种用于无人机的特征识别挂载方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113759980A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015131462A1 (zh) * | 2014-03-07 | 2015-09-11 | 国家电网公司 | 一种用于无人机输电线路巡检的集中监控系统及监控方法 |
CN107332917A (zh) * | 2017-07-07 | 2017-11-07 | 华燕妮 | 具有故障判断的地下管廊空间环境数据采集方法和系统 |
CN108269322A (zh) * | 2017-12-28 | 2018-07-10 | 浙江捷尚人工智能研究发展有限公司 | 一种巡检方法 |
CN111199346A (zh) * | 2019-12-30 | 2020-05-26 | 广东海外建设咨询有限公司 | 综合管廊监理方法、装置、计算机设备以及存储介质 |
CN111311967A (zh) * | 2020-03-31 | 2020-06-19 | 普宙飞行器科技(深圳)有限公司 | 基于无人机的电力线路巡检系统及方法 |
CN112224409A (zh) * | 2020-10-13 | 2021-01-15 | 西北工业大学 | 一种地下综合管廊检测的无人机 |
CN113129468A (zh) * | 2021-04-06 | 2021-07-16 | 深圳市艾赛克科技有限公司 | 基于无人机的地下管廊巡检方法 |
-
2021
- 2021-09-28 CN CN202111139315.0A patent/CN113759980A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015131462A1 (zh) * | 2014-03-07 | 2015-09-11 | 国家电网公司 | 一种用于无人机输电线路巡检的集中监控系统及监控方法 |
CN107332917A (zh) * | 2017-07-07 | 2017-11-07 | 华燕妮 | 具有故障判断的地下管廊空间环境数据采集方法和系统 |
CN108269322A (zh) * | 2017-12-28 | 2018-07-10 | 浙江捷尚人工智能研究发展有限公司 | 一种巡检方法 |
CN111199346A (zh) * | 2019-12-30 | 2020-05-26 | 广东海外建设咨询有限公司 | 综合管廊监理方法、装置、计算机设备以及存储介质 |
CN111311967A (zh) * | 2020-03-31 | 2020-06-19 | 普宙飞行器科技(深圳)有限公司 | 基于无人机的电力线路巡检系统及方法 |
CN112224409A (zh) * | 2020-10-13 | 2021-01-15 | 西北工业大学 | 一种地下综合管廊检测的无人机 |
CN113129468A (zh) * | 2021-04-06 | 2021-07-16 | 深圳市艾赛克科技有限公司 | 基于无人机的地下管廊巡检方法 |
Non-Patent Citations (1)
Title |
---|
唐森骑;刘立扬;洪潇;: "无人机倾斜摄影+BIM技术在城市综合管廊建设中的应用", 建筑施工, no. 05, 25 May 2020 (2020-05-25), pages 90 - 92 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108269322B (zh) | 一种巡检方法 | |
CN109630905A (zh) | 一种基于无人机遥感和深度学习的油气管道全智能巡检系统 | |
US20170345317A1 (en) | Dynamic routing based on captured data quality | |
KR20200048615A (ko) | 머신러닝기반 실시간 태양광발전소 검사 드론 | |
CN110940316B (zh) | 复杂环境下变电站消防机器人的导航方法及系统 | |
CN116485066B (zh) | 基于gis的智慧燃气安全巡线管理方法和物联网系统 | |
CN113972586B (zh) | 一种高压输电线路无人机搭载激光异物清除系统及方法 | |
CN114020002A (zh) | 无人机巡检风机叶片的方法、装置、设备、无人机及介质 | |
CN115649501B (zh) | 一种无人机夜行照明系统及方法 | |
JP4137817B2 (ja) | 配電線巡視システムおよび方法 | |
CN114442665B (zh) | 基于无人机的风电叶片巡检线路规划方法 | |
CN115761535A (zh) | 应用于土壤质量数据分析方法和系统 | |
US10587845B2 (en) | Information processing system | |
CN113759980A (zh) | 一种用于无人机的特征识别挂载方法及系统 | |
CN113607175B (zh) | 测绘用无人船路线规划方法、系统、存储介质及智能终端 | |
CN114415708A (zh) | 一种道路自巡检方法、装置、无人机及存储介质 | |
CN113987246A (zh) | 无人机巡检的图片自动命名方法、装置、介质和电子设备 | |
CN116626581A (zh) | 异常点定位方法、装置、无人机、电子设备及存储介质 | |
JP6932062B2 (ja) | 配管竣工図作成システム及び配管施工図作成方法、並びに配管竣工図作成システムに用いる飛行体、管接合位置算出装置 | |
CN115471764A (zh) | 一种输电通道隐患检测方法、系统、设备及存储介质 | |
CN115808890A (zh) | 车载便携式锯树机器人的控制方法、控制装置 | |
CN114185360A (zh) | 基于无人机的房屋普查方法及装置 | |
CN113837115A (zh) | 一种基于无人机的屋面太阳能识别方法与系统 | |
CN111045452A (zh) | 一种基于深度学习的电力线路巡检方法 | |
JP4824790B2 (ja) | 位置別受信感度のデータの収集及び処理装置及び方法 |
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 |