CN115060763A - 一种基于人工智能的墙面漏水检测设备及检测方法 - Google Patents
一种基于人工智能的墙面漏水检测设备及检测方法 Download PDFInfo
- Publication number
- CN115060763A CN115060763A CN202210789192.3A CN202210789192A CN115060763A CN 115060763 A CN115060763 A CN 115060763A CN 202210789192 A CN202210789192 A CN 202210789192A CN 115060763 A CN115060763 A CN 115060763A
- Authority
- CN
- China
- Prior art keywords
- water leakage
- pressure air
- wall surface
- artificial intelligence
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 70
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 42
- 239000002352 surface water Substances 0.000 title claims abstract description 38
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 14
- 239000000049 pigment Substances 0.000 claims description 10
- 230000007547 defect Effects 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000010521 absorption reaction Methods 0.000 claims description 2
- 230000000149 penetrating effect Effects 0.000 claims description 2
- 241000252254 Catostomidae Species 0.000 abstract description 8
- 238000007689 inspection Methods 0.000 abstract description 3
- 238000001179 sorption measurement Methods 0.000 abstract description 2
- 238000007789 sealing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/72—Investigating presence of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/082—Investigating permeability by forcing a fluid through a sample
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明涉及一种基于人工智能的墙面漏水检测设备及检测方法，该设备包括可贴合墙面移动的移动平台、主控模块、捕获墙面漏水点的热红外图像的红外获取模块、捕获墙面漏水点的可见光图像的图像识别模块；移动平台包括机体，适配机体的轮组模块；轮组模块包括外轴，和固定在外轴上的滚轮；外轴内相对转动设置有与其内径适配的内轴，内轴内设有正压气室和负压气室，正压气室和负压气室分别设有正压气口和负压气口；滚轮的圆弧侧壁上均匀分布有多个吸盘，以及设有连通吸盘与空腔的气道，吸附时，负压气口与出口朝向墙面的气道连通，正压气口与出口背离墙面的气道连通；通过移动平台搭载红外获取模组和图像识别模组可实现漏水点的自动检测。
Description
技术领域
本发明涉及建筑工程技术领域，特别涉及一种基于人工智能的墙面漏水检测设备及检测方法。
背景技术
随着我国经济的蓬勃发展，城市对房屋建筑的多元化需求越来越高，但随之而来的是急剧增加的建筑养护需求，在建筑业内，渗漏水病害亟需快速精准的识别诊断，混凝土建筑墙面在施工完毕后通常需要对其进行表面抗渗性能检测，传统的检测方法主要是采用取样实验检测，即在墙体多个部位切割下样品然后进行实验检测，这样不仅对墙体会造成一定程度的破坏，而且检测时间较长，目前的隧道、住房墙面渗漏水风险检测方法都是人工现场人眼检测，没有一个能够提供警示并且对警示做出定位的自动化实现，而且对于检测面积大的情况，人工检测耗时耗力，效率低下不说，对于没有明显漏水痕迹的位置，人眼无法发现，导致出现漏检的情况。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于人工智能的墙面漏水检测设备及检测方法,该基于人工智能的墙面漏水检测设备及检测方法可以很好地解决上述问题。
为达到上述要求本发明解决其技术问题所采用的技术方案是：
提供一种基于人工智能的墙面漏水检测设备，该设备包括可贴合墙面移动的移动平台、主控模块、捕获墙面漏水点的热红外图像的红外获取模块、捕获墙面漏水点的可见光图像的图像识别模块；所述移动平台包括机体，适配所述机体的轮组模块；所述轮组模块包括外轴，和固定在所述外轴上的滚轮；所述外轴内轴向设有空腔，所述空腔内相对转动设置有与其内径适配的内轴，所述内轴内并排设有正压气室和负压气室，所述正压气室和所述负压气室分别设有正压气口和负压气口；所述滚轮的圆弧侧壁上均匀分布有多个吸盘，以及设有连通所述吸盘与所述空腔的气道，吸附时，所述负压气口与出口朝向墙面的所述气道连通，所述正压气口与出口背离墙面的所述气道连通。
本发明所述的基于人工智能的墙面漏水检测设备及检测方法，其中，所述设备还包括分别为所述负压气室和所述正压气室供气的正压源和负压源，以及带动所述正压源和所述负压源沿地面上的预设轨迹移动的移动机构。
本发明所述的基于人工智能的墙面漏水检测设备及检测方法，其中，所述主控模块和所述红外获取模块均设于所述移动机构上，所述图像识别模块设于所述机体上。
本发明所述的基于人工智能的墙面漏水检测设备及检测方法，其中，所述机体上转动设有支撑臂，以及驱动所述支撑臂绕定点摆动的摆动机构；所述图像识别模块设于所述支撑臂上，所述支撑臂上设有带动所述图像识别模块轴向移动的滑动机构，所述支撑臂的末端设有设有补光光源。
本发明所述的基于人工智能的墙面漏水检测设备及检测方法，其中，当所述图像识别模块获取漏水点的图像时，所述补光光源与所述图像识别模块分别位于漏水点的两相对侧。
本发明所述的基于人工智能的墙面漏水检测设备及检测方法，其中，所述设备还包括检测墙面漏水点的含水量的湿度检测模块，所述机体上设有为所述外轴提供动力的动力单元，装配到位时，所述内轴与所述机体固定。
本发明所述的基于人工智能的墙面漏水检测设备及检测方法，其中，所述正压气室和所述负压气室均沿所述内轴的轴向方向设置，所述内轴的一端轴向贯穿所述外轴，所述内轴穿出所述外轴的一端上对应所述正压气室和所述负压气室分别设有两进气口。
本发明所述的基于人工智能的墙面漏水检测设备及检测方法，其中，所述设备还包括对漏水点进行颜色标记的标记机构，所述标记机构包括喷嘴、颜料储存腔体，以及将所述颜料储存腔体内的颜料送至所述喷嘴喷出的动力输送单元。
本发明所述的基于人工智能的墙面漏水检测设备及检测方法，其中，所述设备还包括人工智能分析模块，用于根据红外图像和光学图像进行缺陷分析，判断是否有渗漏水区域；
所述人工智能分析模块由卷积神经网络按照如下方法离线训练得到：
通过传统图像处理方法和/或深度学习方法，对已知渗漏水缺陷的红外图像和光学图像组成的数据集进行扩充，然后使用扩充后的数据集训练卷积神经网络结构直至达到预期的准确率，得到人工智能分析模块。
提供一种基于人工智能的墙面漏水检测设备的检测方法，该方法包括以下步骤：
步骤S1：获取墙面的红外图像，根据所述红外图像确定漏水区域；
步骤S2：所述移动平台移至所述漏水区域，通过图像识别模块获取所述漏水区域的边界图像，将所述边界图像划分为多个子区域并依次标号；
步骤S3：分别获取多个所述子区域单位时间内的平均湿度值，比较多个所述平均湿度值并得出最大平均湿度值；
步骤S4：根据所述最大平均湿度值找到与之对应的所述子区域并进行警示标记
本发明的有益效果在于：通过移动平台搭载红外获取模组和图像识别模组可实现漏水点的自动检测，其中，红外获取模组可获取漏水点的红外图像，由于漏水点有水分蒸发，温度比周围环境低，所以通过红外获取模组可实现快速的初步定位，对于没有明显漏水痕迹的漏水点也可实现精准定位，之后便可通过图像识别模组对漏水点实现具体的以及更加精准的图像识别，也可将采集的图像回传给远程的工作人员实现确认，可实现远程控制的方式即可完成检测，改善了工人的工作环境，降低了工作的危险性，适用广泛，能够大大提高隧道检测的效率和准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将结合附图及实施例对本发明作进一步说明，下面描述中的附图仅仅是本发明的部分实施例，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附图：
图1是本发明基于人工智能的墙面漏水检测设备的移动平台俯视图。
图2是本发明基于人工智能的墙面漏水检测设备的移动平台侧视图
图3是本发明基于人工智能的墙面漏水检测设备的滚轮径向剖视图。
图4是本发明基于人工智能的墙面漏水检测设备的内轴轴向剖视图。
图5是本发明基于人工智能的墙面漏水检测设备的内轴径向剖视图。。
图6是本发明基于人工智能的墙面漏水检测设备的移动机构示意图。
图7是本发明基于人工智能的墙面漏水检测设备的检测方法流程图。
具体实施方式
本发明的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
而且，表示方位的术语“上、下、左、右、上端、下端、纵向”等均以本方案所述的装置或设备在正常使用时候的姿态位置为参考。
为了使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的部分实施例，而不是全部实施例。基于本发明的实施例，本领域普通技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
本发明较佳实施例的基于人工智能的墙面漏水检测设备及检测方法，如图1-6所示，该设备包括可贴合墙面移动的移动平台1、主控模块(图未示)、捕获墙面漏水点的热红外图像的红外获取模块2、捕获墙面漏水点的可见光图像的图像识别模块3；移动平台1包括机体1a，适配机体1a的轮组模块1b；轮组模块1b包括外轴b1，和固定在外轴b1上的滚轮b2；外轴b1内轴5向设有空腔，空腔内相对转动设置有与其内径适配的内轴5，其中，外轴b1与机体1a相对转动，内轴5与机体1a相对固定，内轴5内并排设有正压气室6和负压气室7，正压气室6和负压气室7分别设有正压气口61和负压气口71；滚轮b2的圆弧侧壁上均匀分布有多个吸盘8，滚轮b2的圆弧侧壁上还设有连通吸盘8与空腔的气道9，吸附时，负压气口71与出口朝向墙面的气道9连通，正压气口61与出口背离墙面的气道9连通，通过再滚轮b2上设置吸盘8，并通过内轴5内的正压气室6和负压气室7配合吸盘8，可实现机体1a再墙面上行走，过程中，出口靠近墙面的吸盘8和气道9形成负压进而吸附在墙面上，而出口背离墙面的气道9和吸盘8形成喷出高速气流的正压，进而对机体1a产生一个抵紧力，将机体1a滴在墙面上，可气道9很好的防掉落效果，大大提升了移动平台1的适应性，也可为红外获取模块2和图像识别模块3的检测提供近距离的检测，可大大提升检测精度；
通过移动平台1搭载红外获取模组和图像识别模组可实现漏水点的自动检测，其中，红外获取模组可获取漏水点的红外图像，由于漏水点有水分蒸发，温度比周围环境低，所以通过红外获取模组可实现快速的初步定位，对于没有明显漏水痕迹的漏水点也可实现精准定位，之后便可通过图像识别模组对漏水点实现具体的以及更加精准的图像识别，也可将采集的图像回传给远程的工作人员实现确认，可实现远程控制的方式即可完成检测，改善了工人的工作环境，降低了工作的危险性，适用广泛，能够大大提高隧道检测的效率和准确性。
优选的，设备还包括分别为负压气室7和正压气室6供气的正压源10和负压源11，以及带动正压源10和负压源11沿地面上的预设轨迹移动的移动机构12；实际检测过程中，移动平台1搭载红外获取模组和图像识别模组在墙面上移动，而移动机构12则在底面上沿着规划好的预设轨迹移动，负压气口71和正压气口61分别通过气管13与正压源10和负压源11连通，移动平台1的电能供给可通过伸缩的连接导线接于移动机构12上，进而实现外部电源供给。
优选的，主控模块和红外获取模块2均设于移动机构12上，图像识别模块3设于机体1a上，进而起到减轻移动平台1的负载，增加吸盘8的稳定性，避免重量过大发生坠落的情况。
优选的，机体1a上转动设有支撑臂15，以及驱动支撑臂15绕定点摆动的摆动机构16，摆动机构16可通过电机实现；图像识别模块3设于支撑臂15上，支撑臂15上设有带动图像识别模块3轴向移动的滑动机构17，支撑臂15的末端设有设有补光光源18，具体的，当图像识别模块3获取漏水点的图像时，补光光源18与图像识别模块3分别位于漏水点的两相对侧，通过补光灯发出的光线经过漏水点反射进入图像识别模块3，使得漏水点产生镜面反射，而漏水点周围产生漫反射，进而可实现漏水点的凸显，可起到快速，精确的位置定位。
优选的，设备还包括检测墙面漏水点的含水量的湿度检测模块(图未示)，设于机体1a上，用以对漏水点进行湿度检测，对于漏水斑迹不明显的位置可配合红外获取模组实现更精准的漏水点检测，机体1a上设有为外轴b1提供动力的动力单元，装配到位时，内轴5与机体1a固定，内轴5和外轴b1之间通过密封圈21实现密封，避免正压气口61和负压气口71漏气，具体的，负压气口71和正压气口61轴向排布且二者之间设有密封圈21，以避免串气。
优选的，正压气室6和负压气室7均沿内轴5的轴向方向设置，内轴5的一端轴向贯穿外轴b1，内轴5穿出外轴b1的一端上对应正压气室6和负压气室7分别设有两进气口19，以方便实现于气压源的连通。
优选的，设备还包括对漏水点进行颜色标记的标记机构20，标记机构20包括喷嘴2a、颜料储存腔体2b，以及将颜料储存腔体2b内的颜料送至喷嘴2a喷出的动力输送单元2c，其中，动力输送单元2c与主控模块电连接，以实现自动标记，方便后期维修人员的位置检测定位，具体的，喷嘴2a设置在支撑臂上，颜料存储腔体2b和动力输送单元2c均设置在移动机构上。
优选的，设备还包括人工智能分析模块(图未示)，用于根据红外图像和光学图像进行缺陷分析，判断是否有渗漏水区域；
人工智能分析模块由卷积神经网络按照如下方法离线训练得到：
通过传统图像处理方法和/或深度学习方法，对已知渗漏水缺陷的红外图像和光学图像组成的数据集进行扩充，然后使用扩充后的数据集训练卷积神经网络结构直至达到预期的准确率，得到人工智能分析模块，该技术可通过现有现有手段实现，在此不做赘述。
其中，主控模块与各个模块实现通讯连接，以保证系统的完整性，方便实现远程控制、数据计算分析、位置标记控制、以及移动平台1和移动机构12的自导航运动。
本发明较佳实施例的基于人工智能的墙面漏水检测设备的检测方法，如图7所示，该方法包括以下步骤：
步骤S1：获取墙面的红外图像，根据红外图像确定漏水区域；
步骤S2：移动平台1移至漏水区域，通过图像识别模块3获取漏水区域的边界图像，将边界图像划分为多个子区域并依次标号；
步骤S3：分别获取多个子区域单位时间内的平均湿度值，比较多个平均湿度值并得出最大平均湿度值；
步骤S4：根据最大平均湿度值找到与之对应的子区域并进行警示标记
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种基于人工智能的墙面漏水检测设备，其特征在于，该设备包括可贴合墙面移动的移动平台、主控模块、捕获墙面漏水点的热红外图像的红外获取模块、捕获墙面漏水点的可见光图像的图像识别模块；所述移动平台包括机体，适配所述机体的轮组模块；所述轮组模块包括外轴，和固定在所述外轴上的滚轮；所述外轴内轴向设有空腔，所述空腔内相对转动设置有与其内径适配的内轴，所述内轴内并排设有正压气室和负压气室，所述正压气室和所述负压气室分别设有正压气口和负压气口；所述滚轮的圆弧侧壁上均匀分布有多个吸盘，以及设有连通所述吸盘与所述空腔的气道，吸附时，所述负压气口与出口朝向墙面的所述气道连通，所述正压气口与出口背离墙面的所述气道连通。
2.根据权利要求1所述的基于人工智能的墙面漏水检测设备，其特征在于，所述设备还包括分别为所述负压气室和所述正压气室供气的正压源和负压源，以及带动所述正压源和所述负压源沿地面上的预设轨迹移动的移动机构。
3.根据权利要求2所述的基于人工智能的墙面漏水检测设备，其特征在于，所述主控模块和所述红外获取模块均设于所述移动机构上，所述图像识别模块设于所述机体上。
4.根据权利要求1所述的基于人工智能的墙面漏水检测设备，其特征在于，所述机体上转动设有支撑臂，以及驱动所述支撑臂绕定点摆动的摆动机构；所述图像识别模块设于所述支撑臂上，所述支撑臂上设有带动所述图像识别模块轴向移动的滑动机构，所述支撑臂的末端设有设有补光光源。
5.根据权利要求4所述的基于人工智能的墙面漏水检测设备，其特征在于，当所述图像识别模块获取漏水点的图像时，所述补光光源与所述图像识别模块分别位于漏水点的两相对侧。
6.根据权利要求1所述的基于人工智能的墙面漏水检测设备，其特征在于，所述设备还包括检测墙面漏水点的含水量的湿度检测模块，所述机体上设有为所述外轴提供动力的动力单元，装配到位时，所述内轴与所述机体固定。
7.根据权利要求1所述的基于人工智能的墙面漏水检测设备，其特征在于，所述正压气室和所述负压气室均沿所述内轴的轴向方向设置，所述内轴的一端轴向贯穿所述外轴，所述内轴穿出所述外轴的一端上对应所述正压气室和所述负压气室分别设有两进气口。
8.根据权利要求1所述的基于人工智能的墙面漏水检测设备，其特征在于，所述设备还包括对漏水点进行颜色标记的标记机构，所述标记机构包括喷嘴、颜料储存腔体，以及将所述颜料储存腔体内的颜料送至所述喷嘴喷出的动力输送单元。
9.根据权利要求1所述的基于人工智能的墙面漏水检测设备，其特征在于，所述设备还包括人工智能分析模块，用于根据红外图像和光学图像进行缺陷分析，判断是否有渗漏水区域；
所述人工智能分析模块由卷积神经网络按照如下方法离线训练得到：
通过传统图像处理方法和/或深度学习方法，对已知渗漏水缺陷的红外图像和光学图像组成的数据集进行扩充，然后使用扩充后的数据集训练卷积神经网络结构直至达到预期的准确率，得到人工智能分析模块。
10.一种基于人工智能的墙面漏水检测设备的检测方法，根据权利要求1-9任意一项所述的基于人工智能的墙面漏水检测设备，其特征在于，所述方法包括以下步骤：
步骤S1：获取墙面的红外图像，根据所述红外图像确定漏水区域；
步骤S2：所述移动平台移至所述漏水区域，通过图像识别模块获取所述漏水区域的边界图像，将所述边界图像划分为多个子区域并依次标号；
步骤S3：分别获取多个所述子区域单位时间内的平均湿度值，比较多个所述平均湿度值并得出最大平均湿度值；
步骤S4：根据所述最大平均湿度值找到与之对应的所述子区域并进行警示标记。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210789192.3A CN115060763A (zh) | 2022-07-05 | 2022-07-05 | 一种基于人工智能的墙面漏水检测设备及检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210789192.3A CN115060763A (zh) | 2022-07-05 | 2022-07-05 | 一种基于人工智能的墙面漏水检测设备及检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115060763A true CN115060763A (zh) | 2022-09-16 |
Family
ID=83204380
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210789192.3A Pending CN115060763A (zh) | 2022-07-05 | 2022-07-05 | 一种基于人工智能的墙面漏水检测设备及检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115060763A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115993210A (zh) * | 2023-03-24 | 2023-04-21 | 山东金宇信息科技集团有限公司 | 一种机房漏水检测方法及设备 |
| CN117516638A (zh) * | 2024-01-08 | 2024-02-06 | 中交二公局东萌工程有限公司 | 一种隧道工程环境检测设备 |
-
2022
- 2022-07-05 CN CN202210789192.3A patent/CN115060763A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115993210A (zh) * | 2023-03-24 | 2023-04-21 | 山东金宇信息科技集团有限公司 | 一种机房漏水检测方法及设备 |
| CN115993210B (zh) * | 2023-03-24 | 2023-06-20 | 山东金宇信息科技集团有限公司 | 一种机房漏水检测方法及设备 |
| CN117516638A (zh) * | 2024-01-08 | 2024-02-06 | 中交二公局东萌工程有限公司 | 一种隧道工程环境检测设备 |
| CN117516638B (zh) * | 2024-01-08 | 2024-03-12 | 中交二公局东萌工程有限公司 | 一种隧道工程环境检测设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115060763A (zh) | 一种基于人工智能的墙面漏水检测设备及检测方法 | |
| CN102729240B (zh) | 一种基于连续体结构的飞机油箱检查机器人及其控制方法 | |
| CN105730540B (zh) | 一种具有爬杆功能的变电站巡检机器人及其驱动方法 | |
| CN111300453A (zh) | 一种综合管廊智能巡检机器人 | |
| CN111672045B (zh) | 一种消防机器人、消防系统和消防控制方法 | |
| WO2017096989A1 (zh) | 一种轨道式巡检机器人 | |
| CN109760837A (zh) | 一种电缆沟与隧道巡检无人机系统 | |
| CN205469362U (zh) | 一种具有爬杆功能的变电站巡检机器人 | |
| CN112077823A (zh) | 一种管廊巡检机器人移动平台 | |
| CN109708930B (zh) | 一种用于汽车尾气检测的衔接系统 | |
| CN107192509A (zh) | 一种sf6气体泄漏检测机器人 | |
| CN110378956A (zh) | 用于隧道灯清洁的隧道灯具定位方法及系统 | |
| CN107322567A (zh) | 一种管廊监测机器人 | |
| CN112483330B (zh) | 一种匹配在役风力机状态的无人巡检轨迹程控方法 | |
| CN113954089A (zh) | 一种用于无损检测机器人的智能检测装置及方法 | |
| CN207609157U (zh) | 一种智能外墙吊篮施工机器人系统 | |
| CN206795816U (zh) | 一种索道牵引巡检机器人系统 | |
| CN109470314A (zh) | 一种基于射频识别技术的管廊巡检定位系统 | |
| CN212312040U (zh) | 一种综合管廊智能巡检机器人 | |
| CN104859743A (zh) | 一种基于负压吸附的检测机器人 | |
| CN104236956A (zh) | 排水管道检测机器人 | |
| CN114183190B (zh) | 一种井下灾后救援装置及实施方法 | |
| CN113370915B (zh) | 一种玻璃温室大棚用agv巡检小车 | |
| CN212817722U (zh) | 一种用于变电站的巡检及消防系统 | |
| CN112903676B (zh) | 一种植物生长监测方法 |
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 |