CN114444591A - 基于事件驱动的巡检机器人任务决策调度方法及系统 - Google Patents

基于事件驱动的巡检机器人任务决策调度方法及系统 Download PDF

Info

Publication number
CN114444591A
CN114444591A CN202210084556.8A CN202210084556A CN114444591A CN 114444591 A CN114444591 A CN 114444591A CN 202210084556 A CN202210084556 A CN 202210084556A CN 114444591 A CN114444591 A CN 114444591A
Authority
CN
China
Prior art keywords
event
inspection
events
priority
decision
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
Application number
CN202210084556.8A
Other languages
English (en)
Inventor
谭强
王建华
高明
姜荣
闫盼盼
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.)
Shandong New Generation Information Industry Technology Research Institute Co Ltd
Original Assignee
Shandong New Generation Information Industry Technology Research Institute 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 Shandong New Generation Information Industry Technology Research Institute Co Ltd filed Critical Shandong New Generation Information Industry Technology Research Institute Co Ltd
Priority to CN202210084556.8A priority Critical patent/CN114444591A/zh
Publication of CN114444591A publication Critical patent/CN114444591A/zh
Pending 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
    • G07C1/20—Checking timed patrols, e.g. of watchman
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
    • G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Signal Processing (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Emergency Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了基于事件驱动的巡检机器人任务决策调度方法及系统，属于巡检机器人调度技术领域，要解决的技术问题为如何实现机器人巡检过程中灵活识别情况并调整巡检策略。包括如下步骤：对于每种巡检事件，基于深度学习构建对应的识别模型，并基于历史巡检事件对所述识别模型进行训练，得到训练后识别模型；对于所有预设的巡检事件，设置事件优先级；对于每种巡检事件，设置对应的巡检策略；通过所述多种训练后的识别模型对待巡检事件进行识别，基于识别结果判断巡检事件对应的事件类型；基于预先设定的事件优先级，根据事件优先级进行决策，执行对应的巡检策略。

Description

基于事件驱动的巡检机器人任务决策调度方法及系统
技术领域
本发明涉及巡检机器人调度技术领域，具体地说是基于事件驱动的巡检机器人任务决策调度方法及系统。
背景技术
巡检机器人现在是可以替代人进行巡检的高效方式，通过巡检机器人能对特定区域、特定目标进行巡检，及时发现问题并报警。智能巡检机器人专为复杂环境下的巡检工作而设计的，其基本功能为移动监测平台，属于监测技术与机器人技术相融合的新型监测设备，可以适应规模较大的作业场地，同是也兼顾空间较小的巡检任务。利用智能巡检机器人辅助运行人员对区域、设备进行巡视，可及时发现区域、设备的异常现象，规避安全隐患，提高工作效率和巡检质量，起到减员增效的作用。
但是智能巡检机器人一般只会执行预定的巡检任务，无法根据巡检过程中的识别情况，灵活调整巡检策略，导致巡检不够灵活，无法针对特殊情况进行特殊处置。
如何实现机器人巡检过程中灵活识别情况并调整巡检策略，是需要解决的技术问题。
发明内容
本发明的技术任务是针对以上不足，提供基于事件驱动的巡检机器人任务决策调度方法及系统，来解决如何实现机器人巡检过程中灵活识别情况并调整巡检策略的技术问题。
第一方面，本发明的基于事件驱动的巡检机器人任务决策调度方法，包括如下步骤：
对于每种巡检事件，基于深度学习构建对应的识别模型，并基于历史巡检事件对所述识别模型进行训练，得到训练后识别模型；
对于所有预设的巡检事件，设置事件优先级；
对于每种巡检事件，设置对应的巡检策略；
通过所述多种训练后的识别模型对待巡检事件进行识别，基于识别结果判断巡检事件对应的事件类型；
基于预先设定的事件优先级，根据事件优先级进行决策，执行对应的巡检策略。
作为优选，所述识别模型包括着火检测模型、打架行为识别模型、翻越围栏行为识别模型、吸烟监测模型以及人员聚集识别模型；
所述事件类型包括着火事件、打架斗殴事件、翻越事件、人员聚集事件、吸烟事件。
作为优选，所述事件优先级为：着火事件>打架斗殴>翻越事件>吸烟事件>人员聚集事件。
作为优选，根据预先设定的事件优先级，由任务决策引擎根据优先级进行决策，执行对应的巡检策略；
当高优先级的事件结束时，回到决策引擎判断的位置，进行次一级事件的再次识别，当识别到事件仍在发生时，则根据决策引擎执行高优先级事件对应的巡检策略。直至恢复到默认任务。
第二方面，本发明的基于事件驱动的巡检机器人任务决策调度系统，通过执行如第一方面任一项所述的基于事件驱动的巡检机器人任务决策调度方法，实现巡检机器人任务灵活调度，所述系统包括：
模型构建及训练模块，所述模型构建及训练模块用于对于每种巡检事件，基于深度学习构建对应的识别模型，并基于历史巡检事件对所述识别模型进行训练，得到训练后识别模型；
优先级配置模块，所述优先级配置模块用于对于所有预设的巡检事件，设置事件优先级；
巡检策略配置模块，所述巡检策略配置模块用于对于每种巡检事件，设置对应的巡检策略；
事件识别模块，所述事件识别模块用于通过所述多种训练后的识别模型对待巡检事件进行识别，基于识别结果判断巡检事件对应的事件类型；
事件调度模块，所述事件调度模块用于基于预先设定的事件优先级，根据事件优先级进行决策，执行对应的巡检策略。
作为优选，所述识别模型包括着火检测模型、打架行为识别模型、翻越围栏行为识别模型、吸烟监测模型以及人员聚集识别模型；
所述事件类型包括着火事件、打架斗殴事件、翻越事件、人员聚集事件、吸烟事件。
作为优选，所述事件优先级为：着火事件>打架斗殴>翻越事件>吸烟事件>人员聚集事件。
作为优选，所述事件调度模块用于根据预先设定的事件优先级，调用任务决策引擎根据优先级进行决策，执行对应的巡检策略；
当高优先级的事件结束时，回到决策引擎判断的位置，进行次一级事件的再次识别，当识别到事件仍在发生时，则根据决策引擎执行高优先级事件对应的巡检策略。直至恢复到默认任务。
本发明的基于事件驱动的巡检机器人任务决策调度方法及系统具有以下优点：通过识别模型，判断事件类型，通过对识别到的事件的判断，由机器人决策引擎决定事件优先级，进而执行对应的巡检策略，从而实现巡检任务的灵活调度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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，对于本领域的普通技术人员来讲，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。
下面结合附图对本发明进一步说明。
图1为实施例1基于事件驱动的巡检机器人任务决策调度方法的流程框图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互结合。
本发明实施例提供基于事件驱动的巡检机器人任务决策调度方法及系统，用于解决如何实现机器人巡检过程中灵活识别情况并调整巡检策略的技术问题。
实施例1：
本发明基于事件驱动的巡检机器人任务决策调度方法，包括如下步骤：
S100、对于每种巡检事件，基于深度学习构建对应的识别模型，并基于历史巡检事件对所述识别模型进行训练，得到训练后识别模型；
S200、对于所有预设的巡检事件，设置事件优先级；
S300、对于每种巡检事件，设置对应的巡检策略；
S400、通过多种训练后的识别模型对待巡检事件进行识别，基于识别结果判断巡检事件对应的事件类型；
S500、基于预先设定的事件优先级，根据事件优先级进行决策，执行对应的巡检策略。
其中，识别模型包括着火检测模型、打架行为识别模型、翻越围栏行为识别模型、吸烟监测模型以及人员聚集识别模型等，对应的事件类型包括着火事件、打架斗殴事件、翻越事件、人员聚集事件、吸烟事件等。
根据识别模型的识别结果，判断并定义事件类型，对可能识别到的巡检事件类型提前进行优先级，举例说明着火事件、打架斗殴事件、翻越事件、人员聚集事件、吸烟事件等，根据优先级排列为着火事件>打架斗殴>翻越事件>吸烟事件>人员聚集事件。
根据事件类型，设置对应事件的巡检策略，巡检策略包括目标点路径规划、目标跟随、全程摄像、安全距离、声光报警、紧急联系人报警等具体措施。比如识别到着火事件，对应巡检策略为持续监测着火点并录像，立即向后台发送报警信息，同时机器人本地发出声光报警，提示正在发生着火事件。
巡检过程中根据摄像机拍摄到的画面，多个模型的识别结果，判断发生的事件类型，根据事先定义的时间优先级，由任务决策引擎根据优先级进行决策，执行对应巡检策略，最终实现根据巡检过程中的识别结果灵活调度不同巡检策略。举例：巡检机器人巡检任务过程中根据拍摄的照片，结合识别模型，识别到着火点，同时识别到有人员聚集，由于着火事件优先级高于人员聚集事件，决策引擎判断后，则优先执行着火事件对应的巡检策略，持续监测着火点并录像，立即向后台发送报警信息，同时机器人本地发出声光报警，提示正在发生着火事件。
当高优先级的事件结束时，回到决策引擎判断的位置，进行次一级事件的再次识别，当识别到事件仍在发生时，则根据决策引擎执行高优先级事件对应的巡检策略。直至恢复到默认任务。
本实施例的方法基于深度学习，完成识别模型训练，实现对巡检事件的识别。对可能识别到的巡检事件提前进行优先级定义，并定义不同巡检事件对应的巡检策略。巡检过程中根据多个模型的识别结果，判断发生的事件类型，根据事先定义的时间优先级，由任务决策引擎根据优先级进行决策，执行对应巡检策略，最终实现根据巡检过程中的识别结果灵活调度不同巡检策略。
实施例2：
本发明基于事件驱动的巡检机器人任务决策调度系统，包括模型配置模块、优先级配置模块、巡检策略配置模块、事件识别模块以及事件调度模块，模型配置模块用于对于每种巡检事件，基于深度学习构建对应的识别模型，并基于历史巡检事件对所述识别模型进行训练，得到训练后识别模型；优先级配置模块用于对于所有预设的巡检事件，设置事件优先级；巡检策略配置模块用于对于每种巡检事件，设置对应的巡检策略；事件识别模块用于通过所述多种训练后的识别模型对待巡检事件进行识别，基于识别结果判断巡检事件对应的事件类型；事件调度模块用于基于预先设定的事件优先级，根据事件优先级进行决策，执行对应的巡检策略。
其中，其中，识别模型包括着火检测模型、打架行为识别模型、翻越围栏行为识别模型、吸烟监测模型以及人员聚集识别模型等，对应的事件类型包括着火事件、打架斗殴事件、翻越事件、人员聚集事件、吸烟事件等。
根据识别模型的识别结果，判断并定义事件类型，对可能识别到的巡检事件类型提前进行优先级，举例说明着火事件、打架斗殴事件、翻越事件、人员聚集事件、吸烟事件等，根据优先级排列为着火事件>打架斗殴>翻越事件>吸烟事件>人员聚集事件。
根据事件类型，设置对应事件的巡检策略，巡检策略包括目标点路径规划、目标跟随、全程摄像、安全距离、声光报警、紧急联系人报警等具体措施。比如识别到着火事件，对应巡检策略为持续监测着火点并录像，立即向后台发送报警信息，同时机器人本地发出声光报警，提示正在发生着火事件。
事件调度模块用于根据预先设定的事件优先级，调用任务决策引擎根据优先级进行决策，执行对应的巡检策略；当高优先级的事件结束时，回到决策引擎判断的位置，进行次一级事件的再次识别，当识别到事件仍在发生时，则根据决策引擎执行高优先级事件对应的巡检策略。直至恢复到默认任务。
本实施例的系统，可执行实施例1公开的方法，实现巡检机器人识别事件类型并对应的巡检策略，具体的：巡检过程中根据摄像机拍摄到的画面，多个模型的识别结果，判断发生的事件类型，根据事先定义的时间优先级，由任务决策引擎根据优先级进行决策，执行对应巡检策略，最终实现根据巡检过程中的识别结果灵活调度不同巡检策略。
举例：巡检机器人巡检任务过程中根据拍摄的照片，结合识别模型，识别到着火点，同时识别到有人员聚集，由于着火事件优先级高于人员聚集事件，决策引擎判断后，则优先执行着火事件对应的巡检策略，持续监测着火点并录像，立即向后台发送报警信息，同时机器人本地发出声光报警，提示正在发生着火事件。
在基于预先设定的事件优先级，根据事件优先级进行决策时，当高优先级的事件结束时，回到决策引擎判断的位置，进行次一级事件的再次识别，当识别到事件仍在发生时，则根据决策引擎执行高优先级事件对应的巡检策略。直至恢复到默认任务。
上文通过附图和优选实施例对本发明进行了详细展示和说明，然而本发明不限于这些已揭示的实施例，基与上述多个实施例本领域技术人员可以知晓，可以组合上述不同实施例中的手段得到本发明更多的实施例，这些实施例也在本发明的保护范围之内。

Claims (10)

1.基于事件驱动的巡检机器人任务决策调度方法，其特征在于包括如下步骤：
对于每种巡检事件，基于深度学习构建对应的识别模型，并基于历史巡检事件对所述识别模型进行训练，得到训练后识别模型；
对于所有预设的巡检事件，设置事件优先级；
对于每种巡检事件，设置对应的巡检策略；
通过所述多种训练后的识别模型对待巡检事件进行识别，基于识别结果判断巡检事件对应的事件类型；
基于预先设定的事件优先级，根据事件优先级进行决策，执行对应的巡检策略。
2.根据权利要求1所述的基于事件驱动的巡检机器人任务决策调度方法，其特征在于所述识别模型包括着火检测模型、打架行为识别模型、翻越围栏行为识别模型、吸烟监测模型以及人员聚集识别模型；
所述事件类型包括着火事件、打架斗殴事件、翻越事件、人员聚集事件、吸烟事件。
3.根据权利要求2所述的基于事件驱动的巡检机器人任务决策调度方法，其特征在于所述事件优先级为：着火事件>打架斗殴>翻越事件>吸烟事件>人员聚集事件。
4.根据权利要求1所述的基于事件驱动的巡检机器人任务决策调度方法，其特征在于巡检策略中配置有多种具体措施，包括目标点路径规划、目标跟随、全程摄像、安全距离、声光报警、以及紧急联系人报警。
5.根据权利要求1-4任一项所述的基于事件驱动的巡检机器人任务决策调度方法，其特征在于根据预先设定的事件优先级，由任务决策引擎根据优先级进行决策，执行对应的巡检策略；
当高优先级的事件结束时，回到决策引擎判断的位置，进行次一级事件的再次识别，当识别到事件仍在发生时，则根据决策引擎执行高优先级事件对应的巡检策略。直至恢复到默认任务。
6.基于事件驱动的巡检机器人任务决策调度系统，其特征在于通过执行如权利要求1-5任一项所述的基于事件驱动的巡检机器人任务决策调度方法，实现巡检机器人任务灵活调度，所述系统包括：
模型配置模块，所述模型配置模块用于对于每种巡检事件，基于深度学习构建对应的识别模型，并基于历史巡检事件对所述识别模型进行训练，得到训练后识别模型；
优先级配置模块，所述优先级配置模块用于对于所有预设的巡检事件，设置事件优先级；
巡检策略配置模块，所述巡检策略配置模块用于对于每种巡检事件，设置对应的巡检策略；
事件识别模块，所述事件识别模块用于通过所述多种训练后的识别模型对待巡检事件进行识别，基于识别结果判断巡检事件对应的事件类型；
事件调度模块，所述事件调度模块用于基于预先设定的事件优先级，根据事件优先级进行决策，执行对应的巡检策略。
7.根据权利要求6所述的基于事件驱动的巡检机器人任务决策调度系统，其特征在于所述识别模型包括着火检测模型、打架行为识别模型、翻越围栏行为识别模型、吸烟监测模型以及人员聚集识别模型；
所述事件类型包括着火事件、打架斗殴事件、翻越事件、人员聚集事件、吸烟事件。
8.根据权利要求6所述的基于事件驱动的巡检机器人任务决策调度系统，其特征在于所述事件优先级为：着火事件>打架斗殴>翻越事件>吸烟事件>人员聚集事件。
9.根据权利要求6所述的基于事件驱动的巡检机器人任务决策调度系统，其特征在于巡检策略中配置有多种具体措施，包括目标点路径规划、目标跟随、全程摄像、安全距离、声光报警、以及紧急联系人报警。
10.根据权利要求6-9任一项所述的基于事件驱动的巡检机器人任务决策调度系统，其特征在于所述事件调度模块用于根据预先设定的事件优先级，调用任务决策引擎根据优先级进行决策，执行对应的巡检策略；
当高优先级的事件结束时，回到决策引擎判断的位置，进行次一级事件的再次识别，当识别到事件仍在发生时，则根据决策引擎执行高优先级事件对应的巡检策略。直至恢复到默认任务。
CN202210084556.8A 2022-01-25 2022-01-25 基于事件驱动的巡检机器人任务决策调度方法及系统 Pending CN114444591A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210084556.8A CN114444591A (zh) 2022-01-25 2022-01-25 基于事件驱动的巡检机器人任务决策调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210084556.8A CN114444591A (zh) 2022-01-25 2022-01-25 基于事件驱动的巡检机器人任务决策调度方法及系统

Publications (1)

Publication Number Publication Date
CN114444591A true CN114444591A (zh) 2022-05-06

Family

ID=81368994

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210084556.8A Pending CN114444591A (zh) 2022-01-25 2022-01-25 基于事件驱动的巡检机器人任务决策调度方法及系统

Country Status (1)

Country Link
CN (1) CN114444591A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117786165A (zh) * 2023-10-12 2024-03-29 广州信邦智能装备股份有限公司 巡检事件的提取处理方法及相关服务器和介质程序

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117786165A (zh) * 2023-10-12 2024-03-29 广州信邦智能装备股份有限公司 巡检事件的提取处理方法及相关服务器和介质程序

Similar Documents

Publication Publication Date Title
KR102291259B1 (ko) 산업현장 내 안전관리 강화를 위한 엣지컴퓨팅기반 인공지능시스템
EP3370416A1 (en) Cctv automatic selection monitoring system, and cctv automatic selection monitoring management server and management method
CN115376269B (zh) 一种基于无人机的火灾监控系统
CN114444591A (zh) 基于事件驱动的巡检机器人任务决策调度方法及系统
CN113011833A (zh) 施工现场的安全管理方法、装置、计算机设备和存储介质
CN112804489B (zh) 基于互联网+的智慧工地管理系统及方法
CN112530144B (zh) 一种基于神经网络的火力发电厂违规行为警示方法和系统
KR20200017594A (ko) 딥 러닝과 멀티 에이전트를 활용한 대규모 개체 식별 및 추적 방법
CN113627897A (zh) 现场作业人员安全的管控方法和装置及存储介质
CN116600260A (zh) 一种基于巡检机器人的数据中心智能运维管理系统
CN112819306A (zh) 基于计算机视觉的工作效率评价方法、系统、设备及介质
CN115208887A (zh) 基于云边协同的化工厂安全监控系统
CN115431266A (zh) 一种巡检方法、巡检装置及巡检机器人
CN110224848A (zh) 告警的播报方法及装置
CN113554364A (zh) 灾害应急管理方法、装置、设备及计算机存储介质
CN110988584A (zh) 一种电力系统智能监控和自动控制系统
KR102138006B1 (ko) 보안 로봇 제어 방법 및 그 방법을 지원하는 장치
CN113554834A (zh) 基于人工智能技术的化工园区视觉识别应用系统
CN111675257A (zh) 一种污水处理厂的远程集控方法与系统
CN114973618B (zh) 一种基于现场作业的异常告警评估和处理方法及系统
CN112073631B (zh) 一种设备的智能管控系统
CN116958903B (zh) 多联动安全管控机制下的智慧工厂安全监管方法
CN108363371B (zh) 一种大型建筑用联合控制系统
CN114943884B (zh) 基于深度学习的设备保护方法
CN113807216A (zh) 监控预警方法、设备及计算机存储介质

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