CN114088907A - 一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统 - Google Patents
一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统 Download PDFInfo
- Publication number
- CN114088907A CN114088907A CN202111302770.8A CN202111302770A CN114088907A CN 114088907 A CN114088907 A CN 114088907A CN 202111302770 A CN202111302770 A CN 202111302770A CN 114088907 A CN114088907 A CN 114088907A
- Authority
- CN
- China
- Prior art keywords
- early warning
- monitoring
- water
- bloom
- warning 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 97
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 63
- 241000195493 Cryptophyta Species 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 46
- 241000192710 Microcystis aeruginosa Species 0.000 claims abstract description 23
- 238000013500 data storage Methods 0.000 claims abstract description 13
- 238000012937 correction Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 238000007726 management method Methods 0.000 claims description 38
- 230000005540 biological transmission Effects 0.000 claims description 6
- 229930002868 chlorophyll a Natural products 0.000 claims description 3
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000003702 image correction Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 239000005422 algal bloom Substances 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000013528 artificial neural network Methods 0.000 abstract description 3
- 238000011161 development Methods 0.000 abstract description 3
- 241000192700 Cyanobacteria Species 0.000 description 6
- 238000000034 method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012851 eutrophication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
- G01J2003/2826—Multispectral imaging, e.g. filter imaging
Abstract
本发明涉及蓝藻水华技术领域，尤其涉及一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统，解决了现有技术中对于大面积湖泊难以及时掌握藻华发生发展动向；自动站监测需要高密度布设，成本较高，对于大型湖泊难以真正的推广普及的问题。一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统，包括监测系统和预警系统，监测系统包括监测设备、监测数据存储服务器、监测信息浏览客户端和检测信息；监测系统费还提供了监测数据校正的功能，根据现实湖泊水华发生情况对监测信息进行校准。本发明解决了蓝藻水华监测体系不完善以及藻华预警的问题，采用了自定化处理数据及神经网络技术，具有成本低、效率高和准确性高的优点。
Description
技术领域
本发明涉及蓝藻水华技术领域，尤其涉及一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统。
背景技术
目前，水体富营养化引发的蓝藻水华问题日趋严重，世界范围内胡库蓝藻水华爆发已成为常态，严重危害了水生态系统，因此，控制水华蓝藻已刻不容缓。
水华蓝藻的防控需要可靠的蓝藻预报和预警作为支撑，不过当前的蓝藻预警和预报主要依靠人工巡查或自动监测，有条件的地区开始探索使用遥感卫星进行蓝藻预警。不过，以上方法均存在不同程度的缺陷，比如人工巡查过于依靠人力，对于大面积湖泊难以及时掌握藻华发生发展动向；自动站监测需要高密度布设，成本较高，对于大型湖泊难以真正的推广普及；遥感卫星受限于气象因素，阴雨及多云天气难以捕捉藻华的动态。此外，蓝藻水华预报模型是藻华预警的前提，但是目前藻华预测预报还停留在经验模型阶段，尚未充分挖掘水华与多种因素之间的关系。
可见，系统构建有效可行的监测体系，实现水华蓝藻的科学预测已成为实施水华蓝藻预警和防控的重要前提。
发明内容
本发明的目的是提供一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统，解决了现有技术中对于大面积湖泊难以及时掌握藻华发生发展动向；自动站监测需要高密度布设，成本较高，对于大型湖泊难以真正的推广普及的问题。
为了实现上述目的，本发明采用了如下技术方案：
一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统，包括监测系统和预警系统，所述监测系统包括监测设备、监测数据存储服务器、监测信息浏览客户端和检测信息；所述监测系统费还提供了监测数据校正的功能，根据现实湖泊水华发生情况对监测信息进行校准，监测设备包括水质、水位、气象以及多光谱摄像机；监测信息浏览客户端包括水质、水位、气象数据浏览模块和多光谱影像浏览客户端，所述预警系统包括数据处理模块管理器、预警结果存储服务器和预警信息浏览管理器，数据处理模块管理器包括事件管理模块、影像处理器、水质、水位和气象数据处理器；所述预警信息浏览管理模块包络预警信息分级处理模块、预警信息展示模块和预警信息管理模块；所述预警信息分级处理模块包括一级预警、二级预警、三级预警，根据实际湖泊所设置的阈值来划分预警等级，所述监测系统将水、陆、空监测信息存储进服务器中，监测数据存储服务器与预警系统相连接，将监测信息传输数据处理模块管理器中进行数据处理，得到蓝藻水华预报信息，预报信息存储至所述结果存储器，所述存储器与预警信息浏览管理模块相连接，通过预警信息浏览管理模块将预警信息分级处理并发送。
优选的，所述监测系统还包括多光谱影像录制装置，所述录像装置将录制的多光谱影像通过物联网的方式传输至所述监测数据存储服务器。
优选的，所述监测系统还包括多光谱影像录像装置，所述装置采用Red Edge-M多光谱传感器，具有红、蓝、绿红色边缘带和近红外波段；所述装置搭配太阳能电池板提升续航能力；所述装置采用Wi-Fi传输方式传输至数据存储服务器。
优选的，所述数据处理模块管理器还包括多光谱影像解译处理，所述处理采用自动化解译，包括影像校正、影像去噪以及叶绿素a浓度反演。
优选的，所述数据处理模块管理器还包括时间管理模块，所述事件管理模块根据湖泊蓝藻水华发生规律结合气象利用专家知识初步判断蓝藻水华爆发区域，在所述监测信息浏览客户端调取所述区域多光谱监测影像。
优选的，所述数据处理模块管理器还包括水质、水位、气象数据处理，基于机器学习算法充分发掘水质、水位、气象之间潜在关系，建立蓝藻水华预报模型，利用所述模型预报蓝藻水华信息，将所述预警信息传输至服务器。
优选的，预警信息浏览管理模块还包络预警信息分级处理模块，将预警信息存储服务器传输至预警信息分级处理模块，根据实际水华阈值设置等级阈值，所述预警信息达到水华等级阈值时，将分级结果传输至服务器。
优选的，预警信息浏览管理模块还包括预警信息展示模块，所述展示模块与服务器相连，将预警信息分解展示。
优选的，预警信息浏览管理模块还包络预警信息管理模块，所述模块可以管理预警信息。
本发明至少具备以下有益效果：
通过对水质、气象以及多光谱影像的整合，完善了蓝藻水华监测体系，建立水、陆、空一体化监测系统，及时全面的监控湖泊水华发生情况；通过对水质、气象以及多光谱影像的处理，利用神经网络模型对未来一段时间内水华发生情况进行预测，并参考实际管理需求，划分预警等级，分级发送至对应行政管理部门，解决了蓝藻水华监测体系不完善以及藻华预警的问题。
本发明还具备以下有益效果：
本发明采用了自定化处理数据及神经网络技术，具有成本低、效率高和准确性高的优点。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例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为本发明技术路线示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例一
参照图1，一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统，包括监测系统和预警系统，监测系统包括监测设备、监测数据存储服务器、监测信息浏览客户端和检测信息；监测系统费还提供了监测数据校正的功能，根据现实湖泊水华发生情况对监测信息进行校准，监测设备包括水质、水位、气象以及多光谱摄像机；监测信息浏览客户端包括水质、水位、气象数据浏览模块和多光谱影像浏览客户端，预警系统包括数据处理模块管理器、预警结果存储服务器和预警信息浏览管理器，数据处理模块管理器包括事件管理模块、影像处理器、水质、水位和气象数据处理器；预警信息浏览管理模块包络预警信息分级处理模块、预警信息展示模块和预警信息管理模块；预警信息分级处理模块包括一级预警、二级预警、三级预警，根据实际湖泊所设置的阈值来划分预警等级，监测系统将水、陆、空监测信息存储进服务器中，监测数据存储服务器与预警系统相连接，将监测信息传输数据处理模块管理器中进行数据处理，得到蓝藻水华预报信息，预报信息存储至结果存储器，存储器与预警信息浏览管理模块相连接，通过预警信息浏览管理模块将预警信息分级处理并发送；
监测系统，包括：
获取水质、气象以及多光谱影像数据；
对获取的水质、以及气象数据进行校正；
将校正准确的数据传输至服务器中存储；
为了便于管理人员查看，将服务器中数据进行展示；
预警系统，包括：
通过气象等数据，判断湖泊水华发生区域，调取区域影像，确认水华发生情况；
将区域影像数据传输至数据处理模块，利用自动化影像解译技术反演区域的水质分布，得到区域水质数据；
将气象、水质数据传输至数据处理模块，利用神经网络技术构建蓝藻水华预测模型；
将上述反演得到的水质数据输入至模型中，进行预测；
将得到的预测数据传输至服务器中进行存储；
将服务器中的预测数据传输至预警信息处理模块；
在预警信息处理模块，将预测数据根据实际管理需求进行等级划分，分别划分成三级预警、二级预警以及一级预警；
将预警信息进行展示；
将预警信息进行分级发送，分别发送至省级行政部门、市级行政部分以及区级行政部门。
根据上述实施例可知：通过对水质、气象以及多光谱影像的整合，完善了蓝藻水华监测体系，建立水、陆、空一体化监测系统，及时全面的监控湖泊水华发生情况；通过对水质、气象以及多光谱影像的处理，利用神经网络模型对未来一段时间内水华发生情况进行预测，并参考实际管理需求，划分预警等级，分级发送至对应行政管理部门，解决了蓝藻水华监测体系不完善以及藻华预警的问题。
实施例二
参照图1，监测系统还包括多光谱影像录制装置，录像装置将录制的多光谱影像通过物联网的方式传输至监测数据存储服务器，监测系统还包括多光谱影像录像装置，装置采用Red Edge-M多光谱传感器，具有红、蓝、绿红色边缘带和近红外波段；装置搭配太阳能电池板提升续航能力；装置采用Wi-F i传输方式传输至数据存储服务器，数据处理模块管理器还包括多光谱影像解译处理，处理采用自动化解译，包括影像校正、影像去噪以及叶绿素a浓度反演，数据处理模块管理器还包括时间管理模块，事件管理模块根据湖泊蓝藻水华发生规律结合气象利用专家知识初步判断蓝藻水华爆发区域，在监测信息浏览客户端调取区域多光谱监测影像，数据处理模块管理器还包括水质、水位、气象数据处理，基于机器学习算法充分发掘水质、水位、气象之间潜在关系，建立蓝藻水华预报模型，利用模型预报蓝藻水华信息，将预警信息传输至服务器，预警信息浏览管理模块还包络预警信息分级处理模块，将预警信息存储服务器传输至预警信息分级处理模块，根据实际水华阈值设置等级阈值，预警信息达到水华等级阈值时，将分级结果传输至服务器，预警信息浏览管理模块还包括预警信息展示模块，展示模块与服务器相连，将预警信息分解展示，预警信息浏览管理模块还包络预警信息管理模块，模块可以管理预警信息，本发明采用了自定化处理数据及神经网络技术，具有成本低、效率高和准确性高的优点。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (9)
1.一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统，其特征在于，包括监测系统和预警系统，所述监测系统包括监测设备、监测数据存储服务器、监测信息浏览客户端和检测信息；所述监测系统费还提供了监测数据校正的功能，根据现实湖泊水华发生情况对监测信息进行校准，监测设备包括水质、水位、气象以及多光谱摄像机；监测信息浏览客户端包括水质、水位、气象数据浏览模块和多光谱影像浏览客户端，所述预警系统包括数据处理模块管理器、预警结果存储服务器和预警信息浏览管理器，数据处理模块管理器包括事件管理模块、影像处理器、水质、水位和气象数据处理器；所述预警信息浏览管理模块包络预警信息分级处理模块、预警信息展示模块和预警信息管理模块；所述预警信息分级处理模块包括一级预警、二级预警、三级预警，根据实际湖泊所设置的阈值来划分预警等级，所述监测系统将水、陆、空监测信息存储进服务器中，监测数据存储服务器与预警系统相连接，将监测信息传输数据处理模块管理器中进行数据处理，得到蓝藻水华预报信息，预报信息存储至所述结果存储器，所述存储器与预警信息浏览管理模块相连接，通过预警信息浏览管理模块将预警信息分级处理并发送。
2.根据权利要求1所述一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统，其特征在于，所述监测系统还包括多光谱影像录制装置，所述录像装置将录制的多光谱影像通过物联网的方式传输至所述监测数据存储服务器。
3.根据权利要求2所述一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统，其特征在于，所述监测系统还包括多光谱影像录像装置，所述装置采用Red Edge-M多光谱传感器，具有红、蓝、绿红色边缘带和近红外波段；所述装置搭配太阳能电池板提升续航能力；所述装置采用Wi-Fi传输方式传输至数据存储服务器。
4.根据权利要求3所述一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统，其特征在于，所述数据处理模块管理器还包括多光谱影像解译处理，所述处理采用自动化解译，包括影像校正、影像去噪以及叶绿素a浓度反演。
5.根据权利要求4所述一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统，其特征在于，所述数据处理模块管理器还包括时间管理模块，所述事件管理模块根据湖泊蓝藻水华发生规律结合气象利用专家知识初步判断蓝藻水华爆发区域，在所述监测信息浏览客户端调取所述区域多光谱监测影像。
6.根据权利要求5所述一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统，其特征在于，所述数据处理模块管理器还包括水质、水位、气象数据处理，基于机器学习算法充分发掘水质、水位、气象之间潜在关系，建立蓝藻水华预报模型，利用所述模型预报蓝藻水华信息，将所述预警信息传输至服务器。
7.根据权利要求6所述一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统，其特征在于，预警信息浏览管理模块还包络预警信息分级处理模块，将预警信息存储服务器传输至预警信息分级处理模块，根据实际水华阈值设置等级阈值，所述预警信息达到水华等级阈值时，将分级结果传输至服务器。
8.根据权利要求7所述一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统，其特征在于，预警信息浏览管理模块还包括预警信息展示模块，所述展示模块与服务器相连，将预警信息分解展示。
9.根据权利要求8所述一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统，其特征在于，预警信息浏览管理模块还包络预警信息管理模块，所述模块可以管理预警信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111302770.8A CN114088907A (zh) | 2021-11-05 | 2021-11-05 | 一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111302770.8A CN114088907A (zh) | 2021-11-05 | 2021-11-05 | 一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114088907A true CN114088907A (zh) | 2022-02-25 |
Family
ID=80298974
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111302770.8A Pending CN114088907A (zh) | 2021-11-05 | 2021-11-05 | 一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114088907A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115611431A (zh) * | 2022-09-26 | 2023-01-17 | 中建三局绿色产业投资有限公司 | 一种生物操纵精准控藻的治理系统和方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103604423A (zh) * | 2013-11-22 | 2014-02-26 | 中国科学院南京地理与湖泊研究所 | 一种浅水湖泊遥感野外自动监测系统及监测方法 |
| CN203719655U (zh) * | 2013-11-22 | 2014-07-16 | 中国科学院南京地理与湖泊研究所 | 一种浅水湖泊遥感野外自动监测系统 |
| CN204695515U (zh) * | 2015-06-05 | 2015-10-07 | 水利部交通运输部国家能源局南京水利科学研究院 | 浅水湖湾污染物及蓝藻实时预报系统 |
| CN107340365A (zh) * | 2017-06-19 | 2017-11-10 | 中国科学院南京地理与湖泊研究所 | 一种面向湖泊蓝藻灾害的立体监控及数据挖掘系统和方法 |
| US20210293770A1 (en) * | 2017-06-19 | 2021-09-23 | Nanjing Institute Of Geography & Limnology. Chinese Academy Of Sciences | Stereoscopic monitoring and data mining system and method for harmful lake cyanobacteria bloom |
-
2021
- 2021-11-05 CN CN202111302770.8A patent/CN114088907A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103604423A (zh) * | 2013-11-22 | 2014-02-26 | 中国科学院南京地理与湖泊研究所 | 一种浅水湖泊遥感野外自动监测系统及监测方法 |
| CN203719655U (zh) * | 2013-11-22 | 2014-07-16 | 中国科学院南京地理与湖泊研究所 | 一种浅水湖泊遥感野外自动监测系统 |
| CN204695515U (zh) * | 2015-06-05 | 2015-10-07 | 水利部交通运输部国家能源局南京水利科学研究院 | 浅水湖湾污染物及蓝藻实时预报系统 |
| CN107340365A (zh) * | 2017-06-19 | 2017-11-10 | 中国科学院南京地理与湖泊研究所 | 一种面向湖泊蓝藻灾害的立体监控及数据挖掘系统和方法 |
| US20210293770A1 (en) * | 2017-06-19 | 2021-09-23 | Nanjing Institute Of Geography & Limnology. Chinese Academy Of Sciences | Stereoscopic monitoring and data mining system and method for harmful lake cyanobacteria bloom |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115611431A (zh) * | 2022-09-26 | 2023-01-17 | 中建三局绿色产业投资有限公司 | 一种生物操纵精准控藻的治理系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110059694B (zh) | 电力行业复杂场景下的文字数据的智能识别方法 | |
| CN113362285B (zh) | 一种钢轨表面伤损细粒度图像分类与检测方法 | |
| CN110208880B (zh) | 一种基于深度学习和卫星遥感技术的海雾检测方法 | |
| CN111368779B (zh) | 一种基于Landsat 8 OLI的蓝藻水华风险评估与动态感知方法 | |
| CN108108772B (zh) | 一种基于配电线路航拍图像的绝缘子污闪状态检测方法 | |
| CN110060508B (zh) | 一种用于内河桥区的船舶自动检测方法 | |
| CN108680833B (zh) | 基于无人机的复合绝缘子缺陷检测系统 | |
| CN109712117B (zh) | 基于卷积神经网络的轻量级tft-lcd模组划痕检测方法 | |
| CN114088907A (zh) | 一种水、陆、空一体化的浅水湖泊蓝藻水华监测及预警系统 | |
| CN113989716A (zh) | 煤矿井下输送带异物目标检测方法、系统、设备及终端 | |
| CN111488854A (zh) | 一种道路交通标志自动识别与分类方法 | |
| CN110728212B (zh) | 一种基于计算机视觉的道路井盖监控装置及监控方法 | |
| CN113450278A (zh) | 一种基于跨域协同学习的图像去雨方法 | |
| CN114743099A (zh) | 列车关键部件故障识别方法、装置 | |
| CN116612481B (zh) | 基于知识图谱和多元图像的电力设备缺陷识别方法及系统 | |
| CN113657151A (zh) | 一种基于yolo目标检测算法的水上交通违章行为检测方法 | |
| CN111414855B (zh) | 基于端到端回归模型的电线杆标牌目标检测及识别方法 | |
| CN116994161A (zh) | 一种基于改进YOLOv5的绝缘子缺陷检测方法 | |
| CN117036825A (zh) | 一种太阳能电池板检测方法、介质及系统 | |
| Yu et al. | Multi-source domain adaptation for unsupervised road defect segmentation | |
| CN116309407A (zh) | 一种铁路接触网螺栓异常状态的检测方法 | |
| CN116015192A (zh) | 一种光伏清洗机器人的控制方法及光伏清洗机器人 | |
| CN116026778A (zh) | 一种基于天空地的园区碳排放综合监控系统和方法 | |
| CN114241390A (zh) | 基于深度学习理论的铁路异物检测与识别方法 | |
| CN114359779A (zh) | 一种基于深度学习的皮带撕裂检测方法 |
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 |