CN115205747A - 一种基于图像识别的道路自动化检测系统 - Google Patents

一种基于图像识别的道路自动化检测系统 Download PDF

Info

Publication number
CN115205747A
CN115205747A CN202210837447.9A CN202210837447A CN115205747A CN 115205747 A CN115205747 A CN 115205747A CN 202210837447 A CN202210837447 A CN 202210837447A CN 115205747 A CN115205747 A CN 115205747A
Authority
CN
China
Prior art keywords
road
signboard
processed
discrete
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
Application number
CN202210837447.9A
Other languages
English (en)
Inventor
汪舰
章力
汤静弟
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.)
Shanghai Carol Network Technology Co ltd
Original Assignee
Shanghai Carol Network 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 Shanghai Carol Network Technology Co ltd filed Critical Shanghai Carol Network Technology Co ltd
Priority to CN202210837447.9A priority Critical patent/CN115205747A/zh
Publication of CN115205747A publication Critical patent/CN115205747A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/19173—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/28—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于图像识别的道路自动化检测系统，涉及道路检测技术领域，解决了不能根据对应图像生成对应的检测结果，导致外部人员并不能及时获取检测结果的技术问题；数值参数处理端内部的道路参数处理单元对道路整体视频进行处理，将整体视频分割为多组待处理道路视频，再对每组待处理道路视频内部的标线、基坑以及裂坑的参数进行获取，根据所获取的数据得到对应道路的道路疾害值，再对每组道路疾害值进行离散处理，通过处理得到的离散值，对多组不同的待处理道路的疾害进行判定，并将判定结果传输至外部终端内，供外部人员对处理结果进行了解。

Description

一种基于图像识别的道路自动化检测系统
技术领域
本发明属于道路检测技术领域，具体是一种基于图像识别的道路自动化检测系统。
背景技术
图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。
专利公开号为CN108717797A的发明公开了一种自动化道路检测系统，包括传感器、模数转换器和无线设备，所述传感器为压力传感器，所述模数转换器连接在所述传感器的输出端，所述无线设备连接在所述模数转换器的输出端，所述无线设备带有无线发射装置，所述无线设备的所述无线发射装置与对应车辆的无线接收装置通过无线连接，本发明自动化道路检测系统结构简单，安全可靠，传感器用于感应道路车辆的运行情况，并及时返回反馈给车辆的无线接收装置警示驾驶员危险信息，有利于对险情提前做好应对准备。
现有的道路自动化检测系统在具体实施过程中，使对应的检测车在待检测道路内进行行驶，获取对应的检测图像，根据操作人员对检测图像进行查看分析，获得对应道路的整体情况，但此种实施方式，在处理过程中，仍存在以下不足需进行改进：
此种检测方式，过于消耗人力，并不能根据对应图像生成对应的检测结果，导致外部人员并不能及时获取检测结果。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于图像识别的道路自动化检测系统，用于解决不能根据对应图像生成对应的检测结果，导致外部人员并不能及时获取检测结果的技术问题。
为实现上述目的，根据本发明的第一方面的实施例提出一种基于图像识别的道路自动化检测系统，包括：
图像获取端，对道路参数进行获取，其中所获取的道路参数包括道路整体的视频以及标志牌图像，所获取的道路参数输送至数值参数处理端内；
数值参数处理端包括道路参数处理单元以及标识牌处理单元；
道路整体的视频传输至道路参数处理单元内，道路参数处理单元对道路整体的视频进行分割处理，得到多组待处理道路视频，并对多组待处理道路视频的基坑、裂坑长度以及标线清晰度进行获取，并对所获取的数据进行处理得到对应的道路疾害值，将道路疾害值传输至离散处理端内，离散处理端对多组道路疾害值进行离散处理，并根据离散处理结果对道路的疾害情况进行判定；
所述标志牌图像传输至标识牌处理单元内，从标志牌图像内对标识牌字符进行智能识别，根据识别结果获取异常英文文本，并将异常英文文本传输至外部终端内。
优选的，道路参数处理单元对道路整体的视频进行处理的步骤为：
S1、通过内部所采集的摄像头图像，对道路整体的视频进行分割，得到多组待处理道路视频，并将待处理道路视频标记为SPi，其中i代表不同的待处理道路视频；
S2、对待处理道路视频的标线进行获取并标记为待处理标线，将所获取的待处理标线与数据库内部的标线进行比对，得到比对重合度，并将比对重合度标记为CHi(比对重合度CHi≤1)，将比对重合度标记为CHi设定为待处理标线的清晰度；
S3、从待处理道路视频内获取对应基坑个数，并将基坑个数标记为JKi，同时对待处理道路视频的裂坑长度进行获取，并将裂坑的长度总数值标记为LKi；
S4、采用
Figure BDA0003749222600000031
得到道路疾害值JHi，并将道路疾害值JHi传输至离散处理端内，i＝1、2、……、n。
优选的，离散处理端对多组不同的待处理道路视频进行离散处理，根据离散参数与比对处理端内部的预设值进行比对，通过比对结果，对多组不同的待处理道路的疾害进行判定，并将判定结果传输至外部终端内，其中进行离散处理的方式为：
P1、采用
Figure BDA0003749222600000032
得到多组离散值LSi，并将多组离散值LSi输送至比对处理端内；
P2、比对处理端内设置有对应的预设值X1，将多组离散值LSi预设值X1进行比对，其中预设值X1由外部人员根据经验拟定，当离散值LSi≤X1时，生成正常信号；
P3、当离散值LSi＞X1时，生成异常信号，并同时将异常信号与对应的i值和道路疾害值JHi进行捆绑生成捆绑包，并将捆绑包传输至外部终端。
优选的，还包括整体评价生成端，所述整体评价生成端根据多组不同的道路疾害值JHi对整个道路进行评价，采用
Figure BDA0003749222600000033
得到整个道路的评价值PJ，并将评价值PJ传输至外部终端，外部终端为外部设备，外部操作人员根据外部设备对评价值PJ进行获取。
优选的，所述标识牌处理单元对所获取的标志牌图像进行处理，其中具体处理步骤为：
从标志牌图像内对标识牌进行智能识别，并将所获取的标识牌字符确定标识牌的所属类型，根据所属类型从大数据内提取多组同一类型的同类标识图像；
根据地理位置图像，获取标识牌区域，并将此区域与对应的标识牌图像进行捆绑绑定；
从标识牌字符内获取对应的文本区域，并通过文本识别模型对中文文本以及英文文本进行识别提取，并通过API将中午文本翻译为英文文本；
通过文本对比校验的方式，从同一类型的同类标识图像获取同样的英文文本，对英文文本进行分析处理，并将分析差值超过85％的标志牌图像标记为异常英文文本；
提取正确的英文文本，并与异常英文文本进行提取，同时所提取的包括文本区域，并将此类信息传输至外部终端内，供外部人员进行查看。
与现有技术相比，本发明的有益效果是：通过图像获取端，对道路参数进行获取，所获取道路参数包括道路整体的视频以及标志牌图像，并将所获取的道路参数输送至数值参数处理端内，其中数值参数处理端内部的道路参数处理单元对标志牌图像进行处理，对标志牌图像内部的标志牌字符进行智能识别，检测文本字符缺失，并输送至外部终端内；
数值参数处理端内部的道路参数处理单元对道路整体视频进行处理，将整体视频分割为多组待处理道路视频，再对每组待处理道路视频内部的标线、基坑以及裂坑的参数进行获取，根据所获取的数据得到对应道路的道路疾害值，再对每组道路疾害值进行离散处理，通过处理得到的离散值，对多组不同的待处理道路的疾害进行判定，并将判定结果传输至外部终端内，供外部人员对处理结果进行了解。
附图说明
图1为本发明原理框架示意图；
图2为本发明道路参数处理单元的原理框架示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，本申请提供了一种基于图像识别的道路自动化检测系统，包括图像获取端、数值参数处理端、离散处理端、比对处理端以及整体评价生成端；
所述图像获取端输出端与数值参数处理端输入端电性连接，所述数值参数处理端输出端与离散处理端输入端电性连接，所述离散处理端与比对处理端之间双向连接，所述离散处理端输出端与整体评价生成端输入端电性连接；
通过图像获取端对道路参数进行获取，所获取道路参数包括道路整体的视频以及标志牌图像，并将所获取的道路参数输送至数值参数处理端内，其中数值参数处理端内部的道路参数处理单元对标志牌图像进行处理，对标志牌图像内部的标志牌字符进行智能识别，检测文本字符缺失，并输送至外部终端内；数值参数处理端内部的道路参数处理单元对道路整体视频进行处理，将整体视频分割为多组待处理道路视频，再对每组待处理道路视频内部的标线、基坑以及裂坑的参数进行获取，根据所获取的数据得到对应道路的道路疾害值，再对每组道路疾害值进行离散处理，通过处理得到的离散值，对多组不同的待处理道路的疾害进行判定，并将判定结果传输至外部终端内，供外部人员对处理结果进行了解。
所述图像获取端，用于对道路参数进行获取，所获取道路参数包括道路整体的视频以及标志牌图像，并将所获取的道路参数输送至数值参数处理端内；
所述数值参数处理端包括道路参数处理单元以及标识牌处理单元；
请参阅图2，所述标识牌处理单元对所获取的标志牌图像进行处理，其中具体处理步骤为：
从标志牌图像内对标识牌进行智能识别，并将所获取的标识牌字符确定标识牌的所属类型，根据所属类型从大数据内提取多组同一类型的同类标识图像；
根据地理位置图像，获取标识牌区域，并将此区域与对应的标识牌图像进行捆绑绑定；
从标识牌字符内获取对应的文本区域，并通过文本识别模型对中文文本以及英文文本进行识别提取，并通过API将中午文本翻译为英文文本；
通过文本对比校验的方式，从同一类型的同类标识图像获取同样的英文文本，对英文文本进行分析处理，并将分析差值超过85％的标志牌图像标记为异常英文文本；
提取正确的英文文本，并与异常英文文本进行提取，同时所提取的包括文本区域，并将此类信息传输至外部终端内，供外部人员进行查看。
所述道路参数处理单元对道路整体的视频进行处理，得到道路疾害值，并将处理得到的道路疾害值传输至离散处理端内，其中具体处理步骤为：
S1、通过内部所采集的摄像头图像(以每组红路灯为分割点)，对道路整体的视频进行分割，得到多组待处理道路视频，并将待处理道路视频标记为SPi，其中i代表不同的待处理道路视频；
S2、对待处理道路视频的标线进行获取并标记为待处理标线，将所获取的待处理标线与数据库内部的标线进行比对，得到比对重合度，并将比对重合度标记为CHi(比对重合度CHi≤1)，将比对重合度标记为CHi设定为待处理标线的清晰度；
S3、从待处理道路视频内获取对应基坑个数，并将基坑个数标记为JKi(其中获取的对应基坑个数由图像识别技术进行获取，因现有的图像识别技术已逐渐科技化，获取基坑的个数较为简便)，同时对待处理道路视频的裂坑长度进行获取，并将裂坑的长度总数值标记为LKi；
S4、采用
Figure BDA0003749222600000071
得到道路疾害值JHi，并将道路疾害值JHi传输至离散处理端内，i＝1、2、……、n。
所述离散处理端，对多组不同的待处理道路视频进行离散处理，根据离散参数与比对处理端内部的预设值进行比对，通过比对结果，对多组不同的待处理道路的疾害进行判定，并将判定结果传输至外部终端内，其中进行离散处理的方式为：
P1、采用
Figure BDA0003749222600000072
得到多组离散值LSi，并将多组离散值LSi输送至比对处理端内；
P2、比对处理端内设置有对应的预设值X1，将多组离散值LSi预设值X1进行比对，其中预设值X1由外部人员根据经验拟定，当离散值LSi≤X1时，生成正常信号；
P3、当离散值LSi＞X1时，生成异常信号，并同时将异常信号与对应的i值和道路疾害值JHi进行捆绑生成捆绑包，并将捆绑包传输至外部终端，外部人员根据外部终端对捆绑包参数数据熟知，对相应道路采取对应实施方案进行处理。
所述整体评价生成端，根据多组不同的道路疾害值JHi对整个道路进行评价，采用
Figure BDA0003749222600000073
得到整个道路的评价值PJ；
每次对相应道路进行道路检测时，整体评价生成端均生成对应的评价值PJ，并将对应的评价值PJ传输至外部终端，操作人员根据评价值PJ便可对整体道路的疾害进行充分了解。
上述公式中的部分数据均是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理：通过图像获取端，对道路参数进行获取，所获取道路参数包括道路整体的视频以及标志牌图像，并将所获取的道路参数输送至数值参数处理端内，其中数值参数处理端内部的道路参数处理单元对标志牌图像进行处理，对标志牌图像内部的标志牌字符进行智能识别，检测文本字符缺失，并输送至外部终端内；
数值参数处理端内部的道路参数处理单元对道路整体视频进行处理，将整体视频分割为多组待处理道路视频，再对每组待处理道路视频内部的标线、基坑以及裂坑的参数进行获取，根据所获取的数据得到对应道路的道路疾害值，再对每组道路疾害值进行离散处理，通过处理得到的离散值，对多组不同的待处理道路的疾害进行判定，并将判定结果传输至外部终端内，供外部人员对处理结果进行了解。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (5)

1.一种基于图像识别的道路自动化检测系统，其特征在于，包括：
图像获取端，对道路参数进行获取，其中所获取的道路参数包括道路整体的视频以及标志牌图像，所获取的道路参数输送至数值参数处理端内；
数值参数处理端包括道路参数处理单元以及标识牌处理单元；
道路整体的视频传输至道路参数处理单元内，道路参数处理单元对道路整体的视频进行分割处理，得到多组待处理道路视频，并对多组待处理道路视频的基坑、裂坑长度以及标线清晰度进行获取，并对所获取的数据进行处理得到对应的道路疾害值，将道路疾害值传输至离散处理端内，离散处理端对多组道路疾害值进行离散处理，并根据离散处理结果对道路的疾害情况进行判定；
所述标志牌图像传输至标识牌处理单元内，从标志牌图像内对标识牌字符进行智能识别，根据识别结果获取异常英文文本，并将异常英文文本传输至外部终端内。
2.根据权利要求1所述的一种基于图像识别的道路自动化检测系统，其特征在于，道路参数处理单元对道路整体的视频进行处理的步骤为：
S1、通过内部所采集的摄像头图像，对道路整体的视频进行分割，得到多组待处理道路视频，并将待处理道路视频标记为SPi，其中i代表不同的待处理道路视频；
S2、对待处理道路视频的标线进行获取并标记为待处理标线，将所获取的待处理标线与数据库内部的标线进行比对，得到比对重合度，并将比对重合度标记为CHi(比对重合度CHi≤1)，将比对重合度标记为CHi设定为待处理标线的清晰度；
S3、从待处理道路视频内获取对应基坑个数，并将基坑个数标记为JKi，同时对待处理道路视频的裂坑长度进行获取，并将裂坑的长度总数值标记为LKi；
S4、采用
Figure FDA0003749222590000021
得到道路疾害值JHi，并将道路疾害值JHi传输至离散处理端内，i＝1、2、……、n。
3.根据权利要求2所述的一种基于图像识别的道路自动化检测系统，其特征在于，离散处理端对多组不同的待处理道路视频进行离散处理，根据离散参数与比对处理端内部的预设值进行比对，通过比对结果，对多组不同的待处理道路的疾害进行判定，并将判定结果传输至外部终端内，其中进行离散处理的方式为：
P1、采用
Figure FDA0003749222590000022
得到多组离散值LSi，并将多组离散值LSi输送至比对处理端内；
P2、比对处理端内设置有对应的预设值X1，将多组离散值LSi预设值X1进行比对，其中预设值X1由外部人员根据经验拟定，当离散值LSi≤X1时，生成正常信号；
P3、当离散值LSi＞X1时，生成异常信号，并同时将异常信号与对应的i值和道路疾害值JHi进行捆绑生成捆绑包，并将捆绑包传输至外部终端。
4.根据权利要求3所述的一种基于图像识别的道路自动化检测系统，其特征在于，还包括整体评价生成端，所述整体评价生成端根据多组不同的道路疾害值JHi对整个道路进行评价，采用
Figure FDA0003749222590000023
得到整个道路的评价值PJ，并将评价值PJ传输至外部终端，外部终端为外部设备，外部操作人员根据外部设备对评价值PJ进行获取。
5.根据权利要求1所述的一种基于图像识别的道路自动化检测系统，其特征在于，所述标识牌处理单元对所获取的标志牌图像进行处理，其中具体处理步骤为：
从标志牌图像内对标识牌进行智能识别，并将所获取的标识牌字符确定标识牌的所属类型，根据所属类型从大数据内提取多组同一类型的同类标识图像；
根据地理位置图像，获取标识牌区域，并将此区域与对应的标识牌图像进行捆绑绑定；
从标识牌字符内获取对应的文本区域，并通过文本识别模型对中文文本以及英文文本进行识别提取，并通过API将中午文本翻译为英文文本；
通过文本对比校验的方式，从同一类型的同类标识图像获取同样的英文文本，对英文文本进行分析处理，并将分析差值超过85％的标志牌图像标记为异常英文文本；
提取正确的英文文本，并与异常英文文本进行提取，同时所提取的包括文本区域，并将此类信息传输至外部终端内，供外部人员进行查看。
CN202210837447.9A 2022-07-15 2022-07-15 一种基于图像识别的道路自动化检测系统 Pending CN115205747A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210837447.9A CN115205747A (zh) 2022-07-15 2022-07-15 一种基于图像识别的道路自动化检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210837447.9A CN115205747A (zh) 2022-07-15 2022-07-15 一种基于图像识别的道路自动化检测系统

Publications (1)

Publication Number Publication Date
CN115205747A true CN115205747A (zh) 2022-10-18

Family

ID=83581144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210837447.9A Pending CN115205747A (zh) 2022-07-15 2022-07-15 一种基于图像识别的道路自动化检测系统

Country Status (1)

Country Link
CN (1) CN115205747A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115564774A (zh) * 2022-12-05 2023-01-03 苏州迈凯诺金属科技有限公司 一种洗衣机钣金全身尺寸检测系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115564774A (zh) * 2022-12-05 2023-01-03 苏州迈凯诺金属科技有限公司 一种洗衣机钣金全身尺寸检测系统
CN115564774B (zh) * 2022-12-05 2023-04-25 苏州迈凯诺金属科技有限公司 一种洗衣机钣金全身尺寸检测系统

Similar Documents

Publication Publication Date Title
KR102121958B1 (ko) 콘크리트 구조물 결함 분석 서비스 제공 방법, 시스템 및 컴퓨터 프로그램
CN109409272B (zh) 基于机器视觉的电缆验收系统和方法
CN109614488B (zh) 基于文本分类和图像识别的配网带电作业条件判别方法
CN111091544B (zh) 铁路货车转向架侧面一体架构断裂故障检测方法
CN112149512A (zh) 一种基于两阶段深度学习的安全帽佩戴识别方法
CN107833211B (zh) 基于红外图像的零值绝缘子自动检测方法及装置
CN106251333B (zh) 元件反件检测方法和系统
CN109766891B (zh) 获取设备设施信息的方法及计算机可读存储介质
CN111062303A (zh) 图像处理方法、系统及计算机存储介质
CN110096945B (zh) 基于机器学习的室内监控视频关键帧实时提取方法
CN113947570B (zh) 一种基于机器学习算法和计算机视觉的裂纹辨识方法
CN110969610A (zh) 基于深度学习的电力设备红外热图的识别方法及系统
CN103295009A (zh) 基于笔画分解的车牌字符识别方法
CN115205747A (zh) 一种基于图像识别的道路自动化检测系统
CN104281850B (zh) 一种文字区域识别方法和装置
CN114140793A (zh) 一种用于端子排和端子排接线的匹配方法及装置
CN115661757A (zh) 一种受电弓拉弧自动检测方法
CN115019294A (zh) 一种指针式仪表读数识别方法及系统
CN107944453A (zh) 基于Hu不变矩和支持向量机SVM的高压套管检测方法
CN114266893A (zh) 烟火隐患识别方法和设备
CN111325708B (zh) 一种输电线路检测方法和服务器
CN111310899B (zh) 基于共生关系和小样本学习的电力缺陷识别方法
CN108830217B (zh) 一种基于模糊均值哈希学习的签名自动判别方法
CN116630809A (zh) 基于智能图像分析的地质雷达数据自动识别方法及系统
CN114078234B (zh) 供电台区施工工艺的检测方法、系统、存储介质及设备

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20221018

WD01 Invention patent application deemed withdrawn after publication