CN115359430A - 水泵的保护方法、装置及电子设备 - Google Patents
水泵的保护方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115359430A CN115359430A CN202211279275.4A CN202211279275A CN115359430A CN 115359430 A CN115359430 A CN 115359430A CN 202211279275 A CN202211279275 A CN 202211279275A CN 115359430 A CN115359430 A CN 115359430A
- Authority
- CN
- China
- Prior art keywords
- water
- image
- water level
- area
- water pump
- 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.)
- Granted
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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B49/00—Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00
- F04B49/02—Stopping, starting, unloading or idling control
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Examining Or Testing Airtightness (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本公开提出一种水泵的保护方法、装置及电子设备。该水泵的保护方法包括:获取水泵所处水域的待识别图像;对待识别图像进行图像识别,获取水域的第一水位;获取水域中水位传感器采集的第二水位;在第一水位和第二水位均小于设定水位阈值时,关闭水泵。本公开提高了水位监测的准确性,从而能够为水泵提供有效地保护。
Description
技术领域
本公开涉及水泵技术领域,尤其涉及一种水泵的保护方法、装置及电子设备。
背景技术
在水泵所在水域的水位下降时,水泵自动抽水时会空转导致水泵烧毁,或者,水泵自动抽水时产生堵塞发生故障,因此,需要在水位下降到一定程度时关闭水泵,避免水泵出现故障。
现有技术中,通过水位传感器监测水位,存在一定误差,难以有效地对水泵进行保护。
发明内容
本公开实施例提供一种水泵的保护方法、装置及电子设备。
本公开第一方面实施例提出了一种水泵的保护方法,包括:获取水泵所处水域的待识别图像;对所述待识别图像进行图像识别,获取所述水域的第一水位;获取所述水域中水位传感器采集的第二水位;在所述第一水位和所述第二水位均小于设定水位阈值时,关闭所述水泵。
本公开实施例中,获取水泵所处水域的待识别图像,对待识别图像进行图像识别,获取水域的第一水位,获取水域中水位传感器采集的第二水位,在第一水位和第二水位均小于设定水位阈值时,关闭水泵。本公开实施例中,通过图像识别和水位传感器共同监测水位,提高了水位监测的准确性,能够在水位下降到正常水位以下时及时关闭水泵,从而为水泵提供有效的保护。
在本公开的一个实施例中,所述对所述待识别图像进行图像识别,获取所述水域的第一水位,包括:对所述待识别图像进行图像语义分割,获取所述待识别图像的水域区域图像;根据所述水域区域图像的面积,获取所述水域的第一水位。
在本公开的一个实施例中,所述对所述待识别图像进行图像语义分割,获取所述待识别图像的水域区域图像,包括:将所述待识别图像输入训练好的DeepLabv3+模型中,由所述DeepLabv3+模型对所述待识别图像进行图像语义分割,得到所述水域区域图像。
在本公开的一个实施例中,所述DeepLabv3+模型的训练过程,包括:获取随机水域的第一样本图像和所述水泵所处水域的第二样本图像;将所述第一样本图像输入初始DeepLabv3+模型中,对所述初始DeepLabv3+模型进行训练,得到训练后的候选DeepLabv3+模型;将所述第二样本图像输入所述候选DeepLabv3+模型中,对所述候选DeepLabv3+模型进行训练,在训练结束后得到所述DeepLabv3+模型。
在本公开的一个实施例中,所述方法还包括:在所述第一水位小于所述设定水位阈值,所述第二水位大于或等于所述设定水位阈值时,获取所述水泵的水流量;在所述水流量小于水流量阈值时,关闭所述水泵。
在本公开的一个实施例中,所述关闭所述水泵之后,还包括:重新获取所述水域的第一水位和第二水位;在重新获取的第一水位和重新获取的第二水位均大于或等于所述设定水位阈值时,开启所述水泵。
本公开第二方面实施例提出了一种水泵的保护装置,包括:第一获取模块,用于获取水泵所处水域的待识别图像;识别模块,用于对所述待识别图像进行图像识别,获取所述水域的第一水位;第二获取模块,用于获取所述水域中水位传感器采集的第二水位;控制模块,用于在所述第一水位和所述第二水位均小于设定水位阈值时,关闭所述水泵。
本公开第三方面实施例提出了一种电子设备,包括:处理器;用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为执行所述指令,以实现本公开第一方面实施例提出的水泵的保护方法。
本公开附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本公开实施例所提供的一种水泵的保护方法的流程示意图;
图2为待识别图像的示例图;
图3为本公开实施例所提供的另一种水泵的保护方法的流程示意图;
图4为本公开实施例所提供的另一种水泵的保护方法的流程示意图;
图5为本公开实施例所提供的另一种水泵的保护方法的流程示意图;
图6为本公开实施例所提供的另一种水泵的保护方法的流程示意图;
图7为本公开实施例所提供的一种水泵的保护装置的结构示意图;
图8为根据本公开一个实施例的电子设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开实施例相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开实施例的一些方面相一致的装置和方法的例子。
在本公开实施例使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开实施例。在本公开实施例和所附权利要求书中所使用的单数形式的“一种”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本公开实施例可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开实施例范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”及“若”可以被解释成为“在……时”或“当……时”或“响应于确定”。
下面详细描述本公开的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的要素。下面通过参考附图描述的实施例是示例性的,旨在用于解释本公开,而不能理解为对本公开的限制。
下面参照附图描述本公开实施例的水泵的保护方法、装置及电子设备。
图1为本公开实施例所提供的一种水泵的保护方法的流程示意图。如图1所示,该方法包含以下步骤:
S101,获取水泵所处水域的待识别图像。
可以通过预先安装在水泵所处水域附近的摄像头对该水域的进行拍摄得到待识别图像。其中,待识别图像可以包括水域区域图像和非水域区域图像,例如,可以采集如图2所示图像作为待识别图像。
S102,对待识别图像进行图像识别,获取水域的第一水位。
可以识别待识别图像中的水域区域图像,根据水域区域图像的面积,确定水域的第一水位。
S103,获取水域中水位传感器采集的第二水位。
其中,水位传感器包括浮筒式液位传感器、浮球式液位传感器、静压式液位传感器等。
可以预先在水泵所处水域的设定位置安装水位传感器,通过水位传感器采集该水域的第二水位。
S104,在第一水位和第二水位均小于设定水位阈值时,关闭水泵。
在获取水泵所处水域的第一水位和第二水位后,判断第一水位和第二水位是否均小于设定水位阈值,若是,则关闭水泵,若否,则水泵正常工作。
进一步地,在第一水位小于设定水位阈值,第二水位大于或等于设定水位阈值时,获取水泵的水流量,在水流量小于水流量阈值时,关闭水泵。
一些实现中,可以预先在水泵的管道内安装流量计,通过安装在管道内的流量计采集水泵的水流量,在水泵的水流量小于水流量阈值时,说明水泵空转,此时关闭水泵,避免水泵空转烧毁。
本公开实施例中,获取水泵所处水域的待识别图像,对待识别图像进行图像识别,获取水域的第一水位,获取水域中水位传感器采集的第二水位,在第一水位和第二水位均小于设定水位阈值时,关闭水泵。本公开实施中,通过图像识别和水位传感器共同监测水位,提高了水位监测的准确性,能够在水位下降到正常水位以下时及时关闭水泵,从而为水泵提供有效保护。
图3为本公开一实施例提供的水泵的保护方法的流程示意图。如图3所示,该方法包含以下步骤:
S301,获取水泵所处水域的待识别图像。
关于步骤S301的介绍可以参见上述实施例的相关内容,此处不再赘述。
S302,对待识别图像进行图像语义分割,获取待识别图像的水域区域图像。
可选地,将待识别图像输入训练好的DeepLabv3+模型中,由DeepLabv3+模型对待识别图像进行图像语义分割,得到水域区域图像。
S303,根据水域区域图像的面积,获取水域的第一水位。
在水域的水位不同时,待识别图像中水域区域图像的面积不同,因此,水域的水位与待识别图像中水域区域图像存在映射关系,可以根据该映射关系确定水域区域图像的面积对应的第一水位。
S304,获取水域中水位传感器采集的第二水位。
S305,在第一水位和第二水位均小于设定水位阈值时,关闭水泵。
关于步骤S304~S305的介绍可以参见上述实施例的相关内容,此处不再赘述。
本公开实施例中,获取水泵所处水域的待识别图像,对待识别图像进行图像语义分割,获取待识别图像的水域区域图像,根据水域区域图像的面积,获取水域的第一水位,获取水域中水位传感器采集的第二水位,在第一水位和第二水位均小于设定水位阈值时,关闭水泵。本公开实施例中,通过图像识别和水位传感器共同监测水位,提高了水位监测的准确性,能够在水位下降到正常水位以下时及时关闭水泵,从而为水泵提供有效保护。
图4为本公开一实施例提供的水泵的保护方法的流程示意图。如图4所示,DeepLabv3+模型的训练过程,包含以下步骤:
S401,获取随机水域的第一样本图像和水泵所处水域的第二样本图像。
一些实施例中,可以从网络上下载不同场景条件下不同水域的图像作为第一样本图像。
一些实施例中,通过预先安装好的摄像头拍摄水泵所处水域在不同场景条件下的图像,并对拍摄的图像进行标注得到第二样本图像。在获取第二样本图像时,可以将摄像头拍摄的图像作90度或180度的翻转处理,以得到更多的第二样本图像。
本公开实施例中的场景条件包括时间条件、天气条件、光照条件、水位条件等。
S402,将第一样本图像输入初始DeepLabv3+模型中,对初始DeepLabv3+模型进行训练,得到训练后的候选DeepLabv3+模型。
在获取第一样本图像后,将第一样本图像输入初始DeepLabv3+模型中,由初始DeepLabv3+模型对第一样本图像进行图像语义分割,输出第一预测水域区域图像,然后根据第一预测水域区域图像和第一样本图像的标签,获取第一损失值,并根据第一损失值对初始DeepLabv3+模型的模型参数进行调整,在对初始DeepLabv3+模型的模型参数进行调整之后,将下一个第一样本图像输入模型调整后的初始DeepLabv3+模型中,进行下一次的模型训练,直至模型训练结束后,得到训练后的候选DeepLabv3+模型。
S403,将第二样本图像输入候选DeepLabv3+模型中,对候选DeepLabv3+模型进行训练,在训练结束后得到DeepLabv3+模型。
在对初始DeepLabv3+模型进行训练得到训练后的候选DeepLabv3+模型后,将第二样本图像输入候选DeepLabv3+模型中,由候选DeepLabv3+模型对第二样本图像进行图像语义分割,输出第二预测水域区域图像,然后根据第二预测水域区域图像和第二样本图像的标签,获取第二损失值,并根据第二损失值对候选DeepLabv3+模型的模型参数进行调整,在对候选DeepLabv3+模型的模型参数进行调整之后,将下一个第二样本图像输入模型参数调整后的候选DeepLabv3+模型中,进行下一次的模型训练,直至模型训练结束后,得到训练后DeepLabv3+模型。
本公开实施例中,获取随机水域的第一样本图像和水泵所处水域的第二样本图像,将第一样本图像输入初始DeepLabv3+模型中,对初始DeepLabv3+模型进行训练,得到训练后的候选DeepLabv3+模型,将第二样本图像输入候选DeepLabv3+模型中,对候选DeepLabv3+模型进行训练,在训练结束后得到DeepLabv3+模型。本公开实施例中,通过随机水域的样本图像和水泵所处水域的样本图像对DeepLabv3+模型进行训练,能够取得更好地训练效果,提升了DeepLabv3+模型图像语义分割能力,提高了水域区域图像的准确度,进而提高了水位的准确度。
图5为本公开一实施例提供的水泵的保护方法的流程示意图。如图5所示,关闭水泵之后,包含以下步骤:
S501,重新获取水域的第一水位和第二水位。
S502,在重新获取的第一水位和重新获取的第二水位均大于或等于设定水位阈值时,开启水泵。
在关闭水泵后,重新实时获取水泵水域的第一水位和第二水位,在重新获取的第一水位和重新获取的第二水位均大于或等于设定水位阈值时,开启水泵。
本公开实施例中,重新获取水域的第一水位和第二水位,在重新获取的第一水位和重新获取的第二水位均大于或等于设定水位阈值时,开启水泵。本公开实施例中,在水泵关闭之后,在水位上升到正常水位后能够自动开启水泵,保证水泵的正常工作。
图6为本公开的水泵的保护方法的流程示意图,如图6所示,获取水泵所处水域的第一水位和第二水位,若第一水位和第二水位均小于设定水位阈值,则对水泵强制断电,关闭水泵,若第一水位小于设定水位阈值,第二水位大于或等于设定水位阈值,则获取水泵的水流量,若水泵的水流量小于水流量阈值,则说明水泵空转,在水泵空转时对水泵强制断电,关闭水泵,若水泵未空转,则水泵正常工作,在水泵断电后,重新获取水泵所在水域的第一水位和第二水位,并判断重新获取的第一水位和第二水位是否均大于或等于设定水位阈值,若是,则关闭水泵的强制断电,开启水泵,若否,则对水泵所在水域的水位进行监测。
为了实现上述实施例,本公开实施例还提出一种水泵的保护装置。图7为本公开实施例提供的一种水泵的保护装置的结构示意图。如图7所示,该水泵的保护装置700包括:
第一获取模块710,用于获取水泵所处水域的待识别图像;
识别模块720,用于对待识别图像进行图像识别,获取水域的第一水位;
第二获取模块730,用于获取水域中水位传感器采集的第二水位;
控制模块740,用于在第一水位和第二水位均小于设定水位阈值时,关闭水泵。
本公开实施例中,获取水泵所处水域的待识别图像,对待识别图像进行图像识别,获取水域的第一水位,获取水域中水位传感器采集的第二水位,在第一水位和第二水位均小于设定水位阈值时,关闭水泵。
在一些实施例中,识别模块720,还用于对待识别图像进行图像语义分割,获取待识别图像的水域区域图像;根据水域区域图像的面积,获取水域的第一水位。
在一些实施例中,识别模块720,还用于将待识别图像输入训练好的DeepLabv3+模型中,由DeepLabv3+模型对待识别图像进行图像语义分割,得到水域区域图像。
在一些实施例中,水泵的保护装置700还包括训练模块750,训练模块750用于:获取随机水域的第一样本图像和水泵所处水域的第二样本图像;将第一样本图像输入初始DeepLabv3+模型中,对初始DeepLabv3+模型进行训练,得到训练后的候选DeepLabv3+模型;将第二样本图像输入候选DeepLabv3+模型中,对候选DeepLabv3+模型进行训练,在训练结束后得到DeepLabv3+模型。
在一些实施例中,控制模块740,还用于:在第一水位小于设定水位阈值,第二水位大于或等于设定水位阈值时,获取水泵的水流量;在水流量小于水流量阈值时,关闭水泵。
在一些实施例中,控制模块740,还用于:重新获取水域的第一水位和第二水位;在重新获取的第一水位和重新获取的第二水位均大于或等于设定水位阈值时,开启水泵。
本公开实施例提供的水泵的保护装置,可用于执行上述实施例中第一方面实施例的水泵的保护方法的技术方案,其实现原理和技术效果类似,在此不再赘述。
为了实现上述实施例,如图8所示,本公开还提出一种电子设备800,包括存储器810、处理器820及存储在存储器810上并可在处理器820上运行的计算机程序,处理器820执行程序,以实现本公开前述实施例提出的水泵的保护方法。
在本说明书的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本公开的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本公开的限制,本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种水泵的保护方法,其特征在于,包括:
获取水泵所处水域的待识别图像;
对所述待识别图像进行图像识别,获取所述水域的第一水位;
获取所述水域中水位传感器采集的第二水位;
在所述第一水位和所述第二水位均小于设定水位阈值时,关闭所述水泵。
2.根据权利要求1所述的方法,其特征在于,所述对所述待识别图像进行图像识别,获取所述水域的第一水位,包括:
对所述待识别图像进行图像语义分割,获取所述待识别图像的水域区域图像;
根据所述水域区域图像的面积,获取所述水域的第一水位。
3.根据权利要求2所述的方法,其特征在于,所述对所述待识别图像进行图像语义分割,获取所述待识别图像的水域区域图像,包括:
将所述待识别图像输入训练好的DeepLabv3+模型中,由所述DeepLabv3+模型对所述待识别图像进行图像语义分割,得到所述水域区域图像。
4.根据权利要求3所述的方法,其特征在于,所述DeepLabv3+模型的训练过程,包括:
获取随机水域的第一样本图像和所述水泵所处水域的第二样本图像;
将所述第一样本图像输入初始DeepLabv3+模型中,对所述初始DeepLabv3+模型进行训练,得到训练后的候选DeepLabv3+模型;
将所述第二样本图像输入所述候选DeepLabv3+模型中,对所述候选DeepLabv3+模型进行训练,在训练结束后得到所述DeepLabv3+模型。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述第一水位小于所述设定水位阈值,所述第二水位大于或等于所述设定水位阈值时,获取所述水泵的水流量;
在所述水流量小于水流量阈值时,关闭所述水泵。
6.根据权利要求1或4所述的方法,其特征在于,所述关闭所述水泵之后,还包括:
重新获取所述水域的第一水位和第二水位;
在重新获取的第一水位和重新获取的第二水位均大于或等于所述设定水位阈值时,开启所述水泵。
7.一种水泵的保护装置,其特征在于,包括:
第一获取模块,用于获取水泵所处水域的待识别图像;
识别模块,用于对所述待识别图像进行图像识别,获取所述水域的第一水位;
第二获取模块,用于获取所述水域中水位传感器采集的第二水位;
控制模块,用于在所述第一水位和所述第二水位均小于设定水位阈值时,关闭所述水泵。
8.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-6中任一项所述的方法。
9.一种存储有计算机指令的计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211279275.4A CN115359430B (zh) | 2022-10-19 | 2022-10-19 | 水泵的保护方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211279275.4A CN115359430B (zh) | 2022-10-19 | 2022-10-19 | 水泵的保护方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115359430A true CN115359430A (zh) | 2022-11-18 |
CN115359430B CN115359430B (zh) | 2023-02-28 |
Family
ID=84008159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211279275.4A Active CN115359430B (zh) | 2022-10-19 | 2022-10-19 | 水泵的保护方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115359430B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204255452U (zh) * | 2014-12-18 | 2015-04-08 | 重庆多邦科技发展有限公司 | 基于物联网技术的城市道路积水预警与自动处置系统 |
CN110956172A (zh) * | 2019-11-18 | 2020-04-03 | 四创科技有限公司 | 一种基于图像语义分割的水尺识别方法 |
CN111144254A (zh) * | 2019-12-18 | 2020-05-12 | 江河瑞通(北京)技术有限公司 | 城市内涝积水程度识别方法及装置 |
CN111598098A (zh) * | 2020-05-09 | 2020-08-28 | 河海大学 | 一种基于全卷积神经网络的水尺水位线检测及有效性识别方法 |
CN111696316A (zh) * | 2020-05-13 | 2020-09-22 | 国网浙江省电力有限公司宁波供电公司 | 智能防汛排水预警装置及采用该装置的排水预警方法 |
CN112163496A (zh) * | 2020-09-22 | 2021-01-01 | 广东华南水电高新技术开发有限公司 | 一种基于语义分割的嵌入式终端水库水位预警方法 |
AU2020103449A4 (en) * | 2020-11-16 | 2021-01-28 | China University Of Mining And Technology | Method for monitoring the water level of reservoir by using GNSS triple-frequency phase combination data |
US10929694B1 (en) * | 2020-01-22 | 2021-02-23 | Tsinghua University | Lane detection method and system based on vision and lidar multi-level fusion |
CN212747974U (zh) * | 2020-07-27 | 2021-03-19 | 热合买提·买买提 | 一种防结冰的水位观测尺 |
CN113392846A (zh) * | 2021-06-16 | 2021-09-14 | 广州观必达数据技术有限责任公司 | 一种基于深度学习的水尺水位监测方法及系统 |
CN109815865B (zh) * | 2019-01-11 | 2021-11-16 | 江河瑞通(北京)技术有限公司 | 一种基于虚拟水尺的水位识别方法及系统 |
US20210374466A1 (en) * | 2020-05-26 | 2021-12-02 | Zhejiang University | Water level monitoring method based on cluster partition and scale recognition |
CN113920448A (zh) * | 2021-12-15 | 2022-01-11 | 航天宏图信息技术股份有限公司 | 洪水淹没信息提取方法、装置、电子设备及存储介质 |
US20220036068A1 (en) * | 2021-03-25 | 2022-02-03 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method and apparatus for recognizing image, electronic device and storage medium |
CN114359841A (zh) * | 2022-03-07 | 2022-04-15 | 武汉大水云科技有限公司 | 一种基于时空平均的视频水位识别方法 |
CN114387235A (zh) * | 2021-12-30 | 2022-04-22 | 重庆知行数联智能科技有限责任公司 | 一种水环境监测方法及系统 |
-
2022
- 2022-10-19 CN CN202211279275.4A patent/CN115359430B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204255452U (zh) * | 2014-12-18 | 2015-04-08 | 重庆多邦科技发展有限公司 | 基于物联网技术的城市道路积水预警与自动处置系统 |
CN109815865B (zh) * | 2019-01-11 | 2021-11-16 | 江河瑞通(北京)技术有限公司 | 一种基于虚拟水尺的水位识别方法及系统 |
CN110956172A (zh) * | 2019-11-18 | 2020-04-03 | 四创科技有限公司 | 一种基于图像语义分割的水尺识别方法 |
CN111144254A (zh) * | 2019-12-18 | 2020-05-12 | 江河瑞通(北京)技术有限公司 | 城市内涝积水程度识别方法及装置 |
US10929694B1 (en) * | 2020-01-22 | 2021-02-23 | Tsinghua University | Lane detection method and system based on vision and lidar multi-level fusion |
CN111598098A (zh) * | 2020-05-09 | 2020-08-28 | 河海大学 | 一种基于全卷积神经网络的水尺水位线检测及有效性识别方法 |
CN111696316A (zh) * | 2020-05-13 | 2020-09-22 | 国网浙江省电力有限公司宁波供电公司 | 智能防汛排水预警装置及采用该装置的排水预警方法 |
US20210374466A1 (en) * | 2020-05-26 | 2021-12-02 | Zhejiang University | Water level monitoring method based on cluster partition and scale recognition |
CN212747974U (zh) * | 2020-07-27 | 2021-03-19 | 热合买提·买买提 | 一种防结冰的水位观测尺 |
CN112163496A (zh) * | 2020-09-22 | 2021-01-01 | 广东华南水电高新技术开发有限公司 | 一种基于语义分割的嵌入式终端水库水位预警方法 |
AU2020103449A4 (en) * | 2020-11-16 | 2021-01-28 | China University Of Mining And Technology | Method for monitoring the water level of reservoir by using GNSS triple-frequency phase combination data |
US20220036068A1 (en) * | 2021-03-25 | 2022-02-03 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method and apparatus for recognizing image, electronic device and storage medium |
CN113392846A (zh) * | 2021-06-16 | 2021-09-14 | 广州观必达数据技术有限责任公司 | 一种基于深度学习的水尺水位监测方法及系统 |
CN113920448A (zh) * | 2021-12-15 | 2022-01-11 | 航天宏图信息技术股份有限公司 | 洪水淹没信息提取方法、装置、电子设备及存储介质 |
CN114387235A (zh) * | 2021-12-30 | 2022-04-22 | 重庆知行数联智能科技有限责任公司 | 一种水环境监测方法及系统 |
CN114359841A (zh) * | 2022-03-07 | 2022-04-15 | 武汉大水云科技有限公司 | 一种基于时空平均的视频水位识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115359430B (zh) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108027301B (zh) | 损伤信息提取装置、损伤信息提取方法及损伤信息提取程序 | |
KR102234697B1 (ko) | 수중드론을 이용하는 어망감시장치, 및 그 장치의 제어방법 | |
CN111339907A (zh) | 一种基于图像识别技术的排污识别方法及装置 | |
CN111932933B (zh) | 一种城市智能停车位检测方法、设备及可读存储介质 | |
CN113155860A (zh) | 一种基于流态视频监测的过水建筑物结构损伤诊断方法及系统 | |
CN115359430B (zh) | 水泵的保护方法、装置及电子设备 | |
JP5271932B2 (ja) | コンクリート画像抽出方法 | |
CN110114801A (zh) | 图像前景检测装置及方法、电子设备 | |
CN114494826A (zh) | 一种多水尺水位识别方法、系统、电子设备以及可存储介质 | |
CN115280074B (zh) | 排水泵堵塞预测装置、空调机以及排水泵堵塞预测方法 | |
JP7396944B2 (ja) | 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム | |
CN108881857A (zh) | 基于实时视频的排污智能监控方法 | |
CN112147442A (zh) | 一种电磁阀故障检测方法、装置、车辆及存储介质 | |
Myrans et al. | Using Automatic Anomaly Detection to Identify Faults in Sewers:(027) | |
US10641133B2 (en) | Managing water-supply pumping for an electricity production plant circuit | |
CN113714496B (zh) | 钢包底吹氩故障诊断方法、装置及存储介质 | |
CN115311522A (zh) | 用于自动驾驶的目标检测方法及装置、电子设备及介质 | |
CN113027622B (zh) | 发动机的防熄火方法、装置、发动机和车辆 | |
JPWO2020090104A1 (ja) | 水位予測装置および水位予測方法 | |
CN117011286A (zh) | 一种污水管道缺陷图像识别方法、系统、终端及存储介质 | |
CN116704734B (zh) | 基于物联网技术的地底管道防开挖的监测预警方法及系统 | |
JP7356941B2 (ja) | 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム | |
CN117112091B (zh) | 基于数字孪生的水情及大坝安全监测系统及模型解耦方法 | |
CN117473791B (zh) | 一种基于人工智能的公共数据储存管理系统 | |
US20240142037A1 (en) | Flushable Pill Sensor |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |