CN113902976A - 一种故障电池板位置标识处理方法和系统 - Google Patents

一种故障电池板位置标识处理方法和系统 Download PDF

Info

Publication number
CN113902976A
CN113902976A CN202111189373.4A CN202111189373A CN113902976A CN 113902976 A CN113902976 A CN 113902976A CN 202111189373 A CN202111189373 A CN 202111189373A CN 113902976 A CN113902976 A CN 113902976A
Authority
CN
China
Prior art keywords
image
application
fault
shot
solar
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.)
Withdrawn
Application number
CN202111189373.4A
Other languages
English (en)
Inventor
王海峰
裴刘生
江标荣
杨先川
杨建辉
崔桃源
柳凯元
冯国刚
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.)
Xi'an Xianlin Energy Technology Co ltd
Original Assignee
Xi'an Xianlin Energy Technology 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 Xi'an Xianlin Energy Technology Co ltd filed Critical Xi'an Xianlin Energy Technology Co ltd
Priority to CN202111189373.4A priority Critical patent/CN113902976A/zh
Publication of CN113902976A publication Critical patent/CN113902976A/zh
Withdrawn legal-status Critical Current

Links

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本申请公开了一种故障电池板位置标识处理方法和系统，该方法包括：对无人机拍摄图像进行配置，其中，进行配置后所述无人机拍摄的照片中携带有拍摄的地理位置信息；根据所述无人机拍摄的图像确定该图像中的太阳能电池板出现故障；获取该图像中的多块太阳能电池板的布局，并根据所述布局确定出现故障的太阳能电池板在所述图像中的预定位置；将所述地理位置信息和所述预定位置发送给应用，其中，所述应用安装在智能终端上的应用，所述应用用于根据所述地理位置信息和所述预定位置生成导航信息。通过本申请解决了发生故障的太阳能电池板不能得到及时的维修，从而提高了维修效率。

Description

一种故障电池板位置标识处理方法和系统
技术领域
本申请涉及到光伏领域，具体而言，涉及一种故障电池板位置标识处理方法和系统。
背景技术
太阳能电池板一般会在人迹罕至的地理区域内大量的安装，比如在山坡或者沙漠等地区。
太阳能电池板有可能会发生故障，由于太阳能电池板安装的比较多，而且每个安装区域的安装方式均是相似的，这导致了维修人员找到发生故障的太阳能电池板会比较吃力，从而使发生故障的太阳能电池板不能得到及时的维修。
发明内容
本申请实施例提供了一种故障电池板位置标识处理方法和系统，以至少解决发生故障的太阳能电池板不能得到及时的维修的问题。
根据本申请的一个方面，提供了一种故障电池板位置标识处理方法，包括：对无人机拍摄图像进行配置，其中，进行配置后所述无人机拍摄的照片中携带有拍摄的地理位置信息；根据所述无人机拍摄的图像确定该图像中的太阳能电池板出现故障；获取该图像中的多块太阳能电池板的布局，并根据所述布局确定出现故障的太阳能电池板在所述图像中的预定位置；将所述地理位置信息和所述预定位置发送给应用，其中，所述应用安装在智能终端上的应用，所述应用用于根据所述地理位置信息和所述预定位置生成导航信息。
进一步地，还包括：将所述故障对应的信息发送给所述应用，其中，所述应用用于显示所述故障对应的信息。
进一步地，根据所述无人机拍摄的图像确定该图像中的太阳能电池板出现故障包括：将所述图像输入到预先训练好的机器学习模型中；获取所述机器学习模型输出的该图像中的太阳能电池板是否出现故障的指示信息。
进一步地，所述机器学习模型是根据多组训练数据训练得到的，所述多组训练数据中的每组训练数据均包括：输入数据和输出数据，输入数据为太阳能电池板的图像，输出数据用于标识该图像中的太阳能电池板是否出现故障的标签。
进一步地，还包括：在多块太阳能电池板均发生故障的情况下，将所述多块太阳能电池板中的每块太阳能电池板中地理位置信息和在图像中的预定位置均发送给所述应用。
根据本申请的另一个方面，提供了一种故障电池板位置标识处理系统，包括：配置模块，用于对无人机拍摄图像进行配置，其中，进行配置后所述无人机拍摄的照片中携带有拍摄的地理位置信息；确定模块，用于根据所述无人机拍摄的图像确定该图像中的太阳能电池板出现故障；获取模块，用于获取该图像中的多块太阳能电池板的布局，并根据所述布局确定出现故障的太阳能电池板在所述图像中的预定位置；发送模块，用于将所述地理位置信息和所述预定位置发送给应用，其中，所述应用安装在智能终端上的应用，所述应用用于根据所述地理位置信息和所述预定位置生成导航信息。
进一步地，所述发送模块还用于：将所述故障对应的信息发送给所述应用，其中，所述应用用于显示所述故障对应的信息。
进一步地，所述确定模块用于：将所述图像输入到预先训练好的机器学习模型中；获取所述机器学习模型输出的该图像中的太阳能电池板是否出现故障的指示信息。
进一步地，所述机器学习模型是根据多组训练数据训练得到的，所述多组训练数据中的每组训练数据均包括：输入数据和输出数据，输入数据为太阳能电池板的图像，输出数据用于标识该图像中的太阳能电池板是否出现故障的标签。
进一步地，所述发送模块还用于：在多块太阳能电池板均发生故障的情况下，将所述多块太阳能电池板中的每块太阳能电池板中地理位置信息和在图像中的预定位置均发送给所述应用。
在本申请实施例中，采用了对无人机拍摄图像进行配置，其中，进行配置后所述无人机拍摄的照片中携带有拍摄的地理位置信息；根据所述无人机拍摄的图像确定该图像中的太阳能电池板出现故障；获取该图像中的多块太阳能电池板的布局，并根据所述布局确定出现故障的太阳能电池板在所述图像中的预定位置；将所述地理位置信息和所述预定位置发送给应用，其中，所述应用安装在智能终端上的应用，所述应用用于根据所述地理位置信息和所述预定位置生成导航信息。通过本申请解决了发生故障的太阳能电池板不能得到及时的维修，从而提高了维修效率。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的故障电池板位置标识处理方法的流程图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
根据本申请的一个方面，提供了一种故障电池板位置标识处理方法，图1是根据本申请实施例的故障电池板位置标识处理方法的流程图，如图1所示，该方法包括以下步骤：
步骤S102，对无人机拍摄图像进行配置，其中，进行配置后所述无人机拍摄的照片中携带有拍摄的地理位置信息；
步骤S104，根据所述无人机拍摄的图像确定该图像中的太阳能电池板出现故障；
步骤S106，获取该图像中的多块太阳能电池板的布局，并根据所述布局确定出现故障的太阳能电池板在所述图像中的预定位置；
步骤S108，将所述地理位置信息和所述预定位置发送给应用，其中，所述应用安装在智能终端上的应用，所述应用用于根据所述地理位置信息和所述预定位置生成导航信息。
通过本实施例，对无人机拍摄图像进行配置，根据所述无人机拍摄的图像确定该图像中的太阳能电池板出现故障，获取该图像中的多块太阳能电池板的布局，并根据所述布局确定出现故障的太阳能电池板在所述图像中的预定位置，将所述地理位置信息和所述预定位置发送给应用。解决了发生故障的太阳能电池板不能得到及时的维修，从而提高了维修效率。
在一个可以选择增加的实施方式中，在确定了多块太阳能电池板均出现故障的情况下，获取每块发生故障的太阳能电池板的地理位置信息和在对应图像中的预定位置，并根据获取到的每块发生故障的太阳能电池板的地理位置信息和在对应图像中的预定位置生成导航路径，其中，所述导航路径包括到达每块发生故障太阳能电池板的顺序和预定时间。
可选地，所述预定时间包括到达每块故障太阳能电池板的通行时间和维修该太阳能电池板对应的故障所需要的时间。
维修该太阳能电池板所需要的时间是根据多个维修任务上传的维修时间中的平均值确定的，所述通信时间是按照平均通信速度计算的。
在所述应用上进行计时，并获取应用所在移动终端的位置，根据所述移动终端位置的移动以及在预定地点停留的时长确定所述应用的使用者维修每块故障太阳能电池板所消耗的时间，将消耗的时间和维修该太阳能电池板对应的故障所需要的时间进行比较，在消耗的时间超过所需要的时间的情况下，通过所述应用对该故障太阳能电路板的修理过程进行记录。
在应用上还可以判断，所述移动终端停留超过预定时长的地点是否与发生故障的太阳能电池板的位置相符，如果不相符，则将停留超过预定时长的地点的信息进行记录并拍照，其中所述记录下的地点的信息和拍照得到的照片用于对无人机的飞行路径进行校对。
获取导航路径以及所述应用上记录的维修人员进行维修是走过的真实路径，如果所述导航路径与所述真实路径相同，则不进行任何处理；如果所述导航路径和所述真实路径之间的差距超过预定范围，则获取所述真实路径起始点的时间和终止点的时间，根据所述终止点的时间和所述起始点的时间确定真实路径上的维修时间，在所述维修时间小于所述路径对应的预定时间的情况下，保存所述真实路径和所述真是路径上的维修时间。其中，保存下来的数据用于对路径计算算法进行修正后的验算。
优选地，该方法还包括：将所述故障对应的信息发送给所述应用，其中，所述应用用于显示所述故障对应的信息。
优选地，在步骤S104中，根据所述无人机拍摄的图像确定该图像中的太阳能电池板出现故障包括：将所述图像输入到预先训练好的机器学习模型中；获取所述机器学习模型输出的该图像中的太阳能电池板是否出现故障的指示信息。
作为一种可选的实施方式，所述机器学习模型是根据多组训练数据训练得到的，所述多组训练数据中的每组训练数据均包括：输入数据和输出数据，输入数据为太阳能电池板的图像，输出数据用于标识该图像中的太阳能电池板是否出现故障的标签。
优选地，该方法还包括：在多块太阳能电池板均发生故障的情况下，将所述多块太阳能电池板中的每块太阳能电池板中地理位置信息和在图像中的预定位置均发送给所述应用。
可选地，在识别出出现故障的太阳能电池板之后，查找该电池板在地图中的具体位置，并将在地图中将该电池板的位置进行标识。更优地，还可以根据该位置进行导航。
可选地，在识别出出现故障的太阳能电池板之后，可以通过光伏组串建模的方式对太阳能电池板进行标注。
可选地，所述故障可以至少包括以下之一：组件缺失、组件破损、组件热斑、组件二极管启动、表面污垢严重、杂草遮挡，组件间互相遮挡、建筑物遮挡。
在本实施例中，提供一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行以上实施例中的方法。
上述程序可以运行在处理器中，或者也可以存储在存储器中(或称为计算机可读介质)，计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
这些计算机程序也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤，对应与不同的步骤可以通过不同的模块来实现。
该本实施例中就提供了这样的一种装置或系统。该系统称为故障电池板位置标识处理系统，包括：配置模块，用于对无人机拍摄图像进行配置，其中，进行配置后所述无人机拍摄的照片中携带有拍摄的地理位置信息；确定模块，用于根据所述无人机拍摄的图像确定该图像中的太阳能电池板出现故障；获取模块，用于获取该图像中的多块太阳能电池板的布局，并根据所述布局确定出现故障的太阳能电池板在所述图像中的预定位置；发送模块，用于将所述地理位置信息和所述预定位置发送给应用，其中，所述应用安装在智能终端上的应用，所述应用用于根据所述地理位置信息和所述预定位置生成导航信息。
通过本实施例，配置模块对无人机拍摄图像进行配置，确定模块根据所述无人机拍摄的图像确定该图像中的太阳能电池板出现故障，获取模块获取该图像中的多块太阳能电池板的布局，并根据所述布局确定出现故障的太阳能电池板在所述图像中的预定位置，发送模块将所述地理位置信息和所述预定位置发送给应用。解决了发生故障的太阳能电池板不能得到及时的维修，从而提高了维修效率。
优选地，所述发送模块还用于：将所述故障对应的信息发送给所述应用，其中，所述应用用于显示所述故障对应的信息。
优选地，所述确定模块用于：将所述图像输入到预先训练好的机器学习模型中；获取所述机器学习模型输出的该图像中的太阳能电池板是否出现故障的指示信息。
优选地，所述机器学习模型是根据多组训练数据训练得到的，所述多组训练数据中的每组训练数据均包括：输入数据和输出数据，输入数据为太阳能电池板的图像，输出数据用于标识该图像中的太阳能电池板是否出现故障的标签。
优选地，所述发送模块还用于：在多块太阳能电池板均发生故障的情况下，将所述多块太阳能电池板中的每块太阳能电池板中地理位置信息和在图像中的预定位置均发送给所述应用。
可选地，在识别出出现故障的太阳能电池板之后，查找该电池板在地图中的具体位置，并将在地图中将该电池板的位置进行标识。更优地，还可以根据该位置进行导航。
可选地，在识别出出现故障的太阳能电池板之后，可以通过光伏组串建模的方式对太阳能电池板进行标注。
可选地，所述故障可以至少包括以下之一：组件缺失、组件破损、组件热斑、组件二极管启动、表面污垢严重、杂草遮挡，组件间互相遮挡、建筑物遮挡。
该系统或者装置用于实现上述的实施例中的方法的功能，该系统或者装置中的每个模块与方法中的每个步骤相对应，已经在方法中进行过说明的，在此不再赘述。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种故障电池板位置标识处理方法，其特征在于，包括：
对无人机拍摄图像进行配置，其中，进行配置后所述无人机拍摄的照片中携带有拍摄的地理位置信息；
根据所述无人机拍摄的图像确定该图像中的太阳能电池板出现故障；
获取该图像中的多块太阳能电池板的布局，并根据所述布局确定出现故障的太阳能电池板在所述图像中的预定位置；
将所述地理位置信息和所述预定位置发送给应用，其中，所述应用安装在智能终端上的应用，所述应用用于根据所述地理位置信息和所述预定位置生成导航信息。
2.根据权利要求1所述的方法，其特征在于，还包括：
将所述故障对应的信息发送给所述应用，其中，所述应用用于显示所述故障对应的信息。
3.根据权利要求1所述的方法，其特征在于，根据所述无人机拍摄的图像确定该图像中的太阳能电池板出现故障包括：
将所述图像输入到预先训练好的机器学习模型中；
获取所述机器学习模型输出的该图像中的太阳能电池板是否出现故障的指示信息。
4.根据权利要求3所述的方法，其特征在于，所述机器学习模型是根据多组训练数据训练得到的，所述多组训练数据中的每组训练数据均包括：输入数据和输出数据，输入数据为太阳能电池板的图像，输出数据用于标识该图像中的太阳能电池板是否出现故障的标签。
5.根据权利要求1至4中任一项所述的方法，其特征在于，还包括：
在多块太阳能电池板均发生故障的情况下，将所述多块太阳能电池板中的每块太阳能电池板中地理位置信息和在图像中的预定位置均发送给所述应用。
6.一种故障电池板位置标识处理系统，其特征在于，包括：
配置模块，用于对无人机拍摄图像进行配置，其中，进行配置后所述无人机拍摄的照片中携带有拍摄的地理位置信息；
确定模块，用于根据所述无人机拍摄的图像确定该图像中的太阳能电池板出现故障；
获取模块，用于获取该图像中的多块太阳能电池板的布局，并根据所述布局确定出现故障的太阳能电池板在所述图像中的预定位置；
发送模块，用于将所述地理位置信息和所述预定位置发送给应用，其中，所述应用安装在智能终端上的应用，所述应用用于根据所述地理位置信息和所述预定位置生成导航信息。
7.根据权利要求6所述的系统，其特征在于，所述发送模块还用于：
将所述故障对应的信息发送给所述应用，其中，所述应用用于显示所述故障对应的信息。
8.根据权利要求6所述的系统，其特征在于，所述确定模块用于：
将所述图像输入到预先训练好的机器学习模型中；
获取所述机器学习模型输出的该图像中的太阳能电池板是否出现故障的指示信息。
9.根据权利要求8所述的系统，其特征在于，所述机器学习模型是根据多组训练数据训练得到的，所述多组训练数据中的每组训练数据均包括：输入数据和输出数据，输入数据为太阳能电池板的图像，输出数据用于标识该图像中的太阳能电池板是否出现故障的标签。
10.根据权利要求6至9中任一项所述的系统，其特征在于，所述发送模块还用于：
在多块太阳能电池板均发生故障的情况下，将所述多块太阳能电池板中的每块太阳能电池板中地理位置信息和在图像中的预定位置均发送给所述应用。
CN202111189373.4A 2021-10-12 2021-10-12 一种故障电池板位置标识处理方法和系统 Withdrawn CN113902976A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111189373.4A CN113902976A (zh) 2021-10-12 2021-10-12 一种故障电池板位置标识处理方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111189373.4A CN113902976A (zh) 2021-10-12 2021-10-12 一种故障电池板位置标识处理方法和系统

Publications (1)

Publication Number Publication Date
CN113902976A true CN113902976A (zh) 2022-01-07

Family

ID=79191775

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111189373.4A Withdrawn CN113902976A (zh) 2021-10-12 2021-10-12 一种故障电池板位置标识处理方法和系统

Country Status (1)

Country Link
CN (1) CN113902976A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114978037A (zh) * 2022-07-27 2022-08-30 一道新能源科技(衢州)有限公司 太阳能电池性能数据监控方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114978037A (zh) * 2022-07-27 2022-08-30 一道新能源科技(衢州)有限公司 太阳能电池性能数据监控方法及系统

Similar Documents

Publication Publication Date Title
US10850840B2 (en) Drone and rover preplacement for remote autonomous inspection of utility system components
CN108370233B (zh) 检测光伏板的方法、设备及无人机
CN113867400B (zh) 一种基于无人机的光伏发电设备巡查处理方法和系统
CN113902976A (zh) 一种故障电池板位置标识处理方法和系统
KR20220055082A (ko) 열화상 이미지의 태양광 모듈 단위 데이터 학습을 통한 딥러닝 기반 결함 검출 시스템 및 방법
CN106295748A (zh) 一种线路巡视检修方法
CN114418861B (zh) 一种摄像头图像拼接处理方法和系统
CN111340326A (zh) 基于神经网络故障预测的电力终端监控方法和装置
CN110929826A (zh) 一种基于二维码的配网设备信息管理平台及管理方法
CN102999472A (zh) 新型模组个性化参数传递方法及系统
CN109614914A (zh) 车位顶点定位方法、装置和存储介质
CN113359829B (zh) 一种基于大数据的无人机电厂智能巡检方法
CN111291721B (zh) 共享交通工具的出库检测方法、装置、设备及存储介质
CN108803658A (zh) 基于无人机的巡检系统
CN113938673B (zh) 一种智慧城市监控管理方法
CN113271439B (zh) 一种施工场地安全监控配置处理方法和系统
CN114550129B (zh) 一种基于数据集的机器学习模型处理方法和系统
CN103390294A (zh) 行车记录器及其录影影像嵌入地理资讯的应用方法
JP7018540B2 (ja) 巡視点検システムおよび巡視点検方法
CN115690505A (zh) 光伏组件故障检测方法、装置、计算机设备及存储介质
CN113505139B (zh) 基于单服务的遥感影像自动化更新及历史回溯方法及装置
CN105761021A (zh) 电池片追踪信息的生成方法及系统、追踪方法及系统
CN109901950A (zh) 一种规避应用程序崩溃的方法及装置
CN115205285A (zh) 部署有架空线路缺陷识别算法的设备及其缺陷识别方法
JP6993391B2 (ja) 巡視点検システムおよび巡視点検方法

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20220107

WW01 Invention patent application withdrawn after publication