CN115457451A - 基于物联网的恒温恒湿试验箱的监控方法及装置 - Google Patents
基于物联网的恒温恒湿试验箱的监控方法及装置 Download PDFInfo
- Publication number
- CN115457451A CN115457451A CN202210662988.2A CN202210662988A CN115457451A CN 115457451 A CN115457451 A CN 115457451A CN 202210662988 A CN202210662988 A CN 202210662988A CN 115457451 A CN115457451 A CN 115457451A
- Authority
- CN
- China
- Prior art keywords
- humidity
- temperature
- value
- graph
- convolution
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 169
- 238000012544 monitoring process Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000007781 pre-processing Methods 0.000 claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 52
- 238000010586 diagram Methods 0.000 claims description 35
- 238000000605 extraction Methods 0.000 claims description 35
- 238000012549 training Methods 0.000 claims description 33
- 238000001914 filtration Methods 0.000 claims description 26
- 238000011176 pooling Methods 0.000 claims description 22
- 238000012806 monitoring device Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 11
- 230000004913 activation Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 19
- 241000699800 Cricetinae Species 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229910052724 xenon Inorganic materials 0.000 description 1
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 1
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L1/00—Enclosures; Chambers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L7/00—Heating or cooling apparatus; Heat insulating devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- 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
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Clinical Laboratory Science (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明涉及数据采集技术领域,一种基于物联网的恒温恒湿试验箱的监控方法及装置,包括:利用监控设备拍摄在试验箱内的试验环境,其中所述试验环境包括温度显示计及湿度显示计的显示值,得到包括第一拍摄时间的试验环境图,其中所述试验环境图内包括温度值及湿度值,从所述试验环境图中提取温度值及湿度值的图像特征得到温湿图,预处理所述温湿图得到温湿处理图及预处理参数,利用预构建的编码算法,根据所述预处理参数对所述温湿处理图进行编码,得到编码温湿图,根据图像索引将所述编码温湿图存入至所述云数据图库中,完成对试验箱的监控。本发明可解决恒温恒湿试验箱监控人为参与过多,监控手段效率较低的问题。
Description
技术领域
本发明涉及数据采集技术领域,尤其涉及一种基于物联网的恒温恒湿试验箱的监控方法及装置。
背景技术
伴随研究水平的快速发展,各种研究实验也层出不穷,多数研究实验都需要使用试验箱以验证、观察、测试研究理论。
试验箱对应温度和湿度的把控较为严格,因此需要实施的监控试验箱里的温度湿度,目前试验箱温度湿度主要通过人为观察预先安装在试验箱的温度计及湿度计,这种方法虽然切实可行,但用于人为参与过多,导致效率有点提升。
发明内容
本发明提供一种基于物联网的恒温恒湿试验箱的监控方法、装置及计算机可读存储介质,其主要目的在于解决恒温恒湿试验箱监控人为参与过多,监控手段效率较低的问题。
为实现上述目的,本发明提供的一种基于物联网的恒温恒湿试验箱的监控方法,包括:
接收对试验箱的温度湿度监控指令,根据所述温度湿度监控指令启动预先安装在试验箱的监控设备;
利用所述监控设备拍摄在所述试验箱内的试验环境,其中所述试验环境包括温度显示计及湿度显示计的显示值,得到包括第一拍摄时间的试验环境图,其中所述试验环境图内包括温度值及湿度值;
从所述试验环境图中提取温度值及湿度值的图像特征,得到温湿图;
预处理所述温湿图,得到温湿处理图及预处理参数,其中所述预处理包括滤波去噪操作,所述滤波去噪如下:
利用预构建的编码算法,根据所述预处理参数对所述温湿处理图进行编码,得到编码温湿图;
生成所述编码温湿图在预构建的云数据图库中的图像索引,根据所述图像索引将所述编码温湿图存入至所述云数据图库中,完成对试验箱的监控。
可选地,所述从所述试验环境图中提取温度值及湿度值的图像特征,得到温湿图,包括:
将所述试验环境图的像素尺寸压缩至320*320,得到压缩环境图;
将所述压缩环境图输入至温度值及湿度值图像特征的特征提取网络中,其中所述特征提取网络中包括由SSD模型构建的下采用层及卷积层;
利用所述下采用层对所述压缩环境图执行6次下采样,得到多组采样特征图;
利用所述卷积层对多组采样特征图执行卷积处理,其中,所述卷积层的步幅为2,包括1×1,3×3,7×7不同大小的卷积核对所述多组采样特征图进行卷积处理,得到多组卷积特征图;
根据预构建的滑动窗口对每组所述卷积特征图执行滑动选择操作,得到所述温湿图。
可选地,所述根据预构建的滑动窗口对每组所述卷积特征图执行滑动选择操作,得到所述温湿图,包括:
采用如下滑动窗口函数执行滑动选择操作,得到所述温湿图:
其中,mi表示所述滑动窗口与第i个卷积特征图的置信度得分,M表示所述滑动窗口,si表示第i个卷积特征图,IOU(M,si)表示所述滑动窗口与第i个卷积特征图的交并比,Nt表示过滤阈值,Ni表示高斯阈值;
将所述置信度得分mi大于零但小于指定阈值的卷积特征图确定为所述温湿图。
可选地,所述预处理所述温湿图,得到温湿处理图及预处理参数,包括:
获取所述温湿图中所有像素点的三个颜色通道分量的像素值;
确定三个颜色通道分量的像素值的最大值所对应的像素点;
将最大值设置为该像素点的灰度值,重复该步骤,直到得到温湿图的所有灰度值,将所有灰度值汇总得到温湿灰度图;
利用改进的滤波算法对所述温湿灰度图执行滤波去噪处理,得到所述温湿处理图及预处理参数。
可选地,所述将最大值设置为该像素点的灰度值,包括:
采用如下公式设置该像素点的灰度值:
gray(i,j)=max{R(I(i,j)),G(I(i,j)),B(I(i,j))}
其中,gray(i,j)为温湿图坐标像素点I(i,j)的灰度值,I(i,j)表示第I个像素点的坐标(i,j)值,R(I(i,j)),G(I(i,j)),B(I(i,j))分别为像素点I(i,j)在R、G、B三个颜色通道中的像素值。
可选地,所述利用预构建的编码算法,根据所述预处理参数对所述温湿处理图进行编码,得到编码温湿图,包括:
对所述温湿处理图进行块切分,得到温湿区块图集;
在所述温湿区块图集中依次提取温湿区块图,将所述预处理参数中的滤波器权值内的邻近像素坐标依次嵌入与之对应的温湿区块图内的像素中,得到包括邻近像素坐标的温湿区块图集;
对包括邻近像素坐标的温湿区块图集执行无损编码,得到所述编码温湿图。
可选地,所述从所述试验环境图中提取温度值及湿度值的图像特征,得到温湿图,包括:
获取包括显示屏显示数字的训练集及真实标签集;
利用预构建的温湿值显示区域提取网络对包括显示屏显示数字的训练集中的每张图片均执行卷积、池化,得到训练特征集;
利用预设的激活函数计算所述训练特征集中每张监控特征的预测标签,得到预测标签集;
利用预设的损失函数计算所述真实标签集与所述预测标签集之间的损失值;
根据所述损失值对所述温湿值显示区域提取网络执行参数优化,并返回卷积、池化步骤,直至所述损失值小于预设损失阈值,得到训练完成的温湿值显示区域提取网络;
将所述试验环境图输入至训练完成的所述温湿值显示区域提取网络,得到所述温湿图。
可选地,所述利用预构建的温湿值显示区域提取网络对包括显示屏显示数字的训练集中的每张图片均执行卷积、池化,得到训练特征集,包括:
将包括显示屏显示数字的训练集的每张训练图,依次输入至所述温湿值显示区域提取网络,其中,所述温湿值显示区域提取网络包括卷积层、池化层;
利用所述卷积层中的卷积核,按照预设步长对所述训练图执行卷积操作,得到卷积特征集;
根据最大池化原理,在所述池化层中对所述卷积特征集执行池化操作,得到所述训练特征集。
可选地,所述损失函数为交叉熵损失函数。
为了解决上述问题,本发明还提供一种基于物联网的恒温恒湿试验箱的监控装置,所述装置包括:
监控设备启动模块,用于接收对试验箱的温度湿度监控指令,根据所述温度湿度监控指令启动预先安装在试验箱的监控设备;
拍摄模块,用于利用所述监控设备拍摄在所述试验箱内的试验环境,其中所述试验环境包括温度显示计及湿度显示计的显示值,得到包括第一拍摄时间的试验环境图,其中所述试验环境图内包括温度值及湿度值;
图像特征提取模块,用于从所述试验环境图中提取温度值及湿度值的图像特征,得到温湿图;
预处理模块,用于预处理所述温湿图,得到温湿处理图及预处理参数,其中所述预处理包括滤波去噪操作,所述滤波去噪如下:
存储模块,用于利用预构建的编码算法,根据所述预处理参数对所述温湿处理图进行编码,得到编码温湿图,生成所述编码温湿图在预构建的云数据图库中的图像索引,根据所述图像索引将所述编码温湿图存入至所述云数据图库中,完成对试验箱的监控。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的基于物联网的恒温恒湿试验箱的监控方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于物联网的恒温恒湿试验箱的监控方法。
本发明实施例为解决背景技术所述问题,接收对试验箱的温度湿度监控指令,根据所述温度湿度监控指令启动预先安装在试验箱的监控设备,可见本发明实施例通过监控设备代替人为观察温度计和显示计,提高监控效率,因此进一步地,利用所述监控设备拍摄在所述试验箱内的试验环境,其中所述试验环境包括温度显示计及湿度显示计的显示值,得到包括第一拍摄时间的试验环境图,其中所述试验环境图内包括温度值及湿度值,为了提高监控效率,从所述试验环境图中提取温度值及湿度值的图像特征,得到温湿图,其中温湿图只包括温度和湿度,最后,将温湿图编码后上传到云数据图库,用户可访问云数据图库实时查看试验箱的温湿情况,完成监控。因此本发明提出的基于物联网的恒温恒湿试验箱的监控方法、装置、电子设备及计算机可读存储介质,可以解决恒温恒湿试验箱监控人为参与过多,监控手段效率较低的问题。
附图说明
图1为本发明一实施例提供的基于物联网的恒温恒湿试验箱的监控方法的流程示意图;
图2为图1中温湿图的示例图;
图3为图1中另一个步骤的详细实施流程示意图;
图4为本发明一实施例提供的基于物联网的恒温恒湿试验箱的监控装置的功能模块图;
图5为本发明一实施例提供的实现所述基于物联网的恒温恒湿试验箱的监控方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
本申请实施例提供一种基于物联网的恒温恒湿试验箱的监控方法。所述基于物联网的恒温恒湿试验箱的监控方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于物联网的恒温恒湿试验箱的监控方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示,为本发明一实施例提供的基于物联网的恒温恒湿试验箱的监控方法的流程示意图。在本实施例中,所述基于物联网的恒温恒湿试验箱的监控方法包括:
S1、接收对试验箱的温度湿度监控指令,根据所述温度湿度监控指令启动预先安装在试验箱的监控设备。
应理解的是,试验箱是环试行业产品的总称,是在有效的空间范围内模拟出自然的气候环境,试验种类有:高低温试验箱、氙灯老化试验箱、紫外线老化试验箱、箱式淋雨箱等。
示例性的,如实验人员需模拟仓鼠在温度及湿度环境固定下的繁殖效率,预先在试验箱内布局了仓鼠的生活环境,其中该生活环境的温度及湿度控制在一定范围内。进一步地,为了时刻监控多只仓鼠在试验箱内的生活,试验箱内安装有摄像头,因此启动温度湿度监控指令即表示监控试验箱内的温度及湿度值,同时也捕捉试验箱内仓鼠的生活环境。
S2、利用所述监控设备拍摄在所述试验箱内的试验环境,其中所述试验环境包括温度显示计及湿度显示计的显示值,得到包括第一拍摄时间的试验环境图,其中所述试验环境图内包括温度值及湿度值。
可理解的是,监控设备可拍摄到试验箱内的试验环境,得到试验环境视频,因为在试验箱中预先安装了温度显示计及湿度显示计,因此在试验环境视频中均会包括温度显示计及湿度显示计的显示值,即温度值及湿度值,且同时包括对应的拍摄时间。
S3、从所述试验环境图中提取温度值及湿度值的图像特征,得到温湿图。
由于试验环境图中不仅包括温度值及湿度值的显示区域,同时还包括试验环境及试验物体,如上述的仓鼠生活环境及多只仓鼠等,因为为了高效的获取温度值及湿度值,需先从试验环境图中提取温度值及湿度值所在的图像区域,从而得到温湿图。
详细地,参阅图2所示,所述从所述试验环境图中提取温度值及湿度值的图像特征,得到温湿图,包括:
S31、获取包括显示屏显示数字的训练集及真实标签集;
S32、利用预构建的温湿值显示区域提取网络对包括显示屏显示数字的训练集中的每张图片均执行卷积、池化,得到训练特征集;
S33、利用预设的激活函数计算所述训练特征集中每张监控特征的预测标签,得到预测标签集;
S34、利用预设的损失函数计算所述真实标签集与所述预测标签集之间的损失值;
S35、根据所述损失值对所述温湿值显示区域提取网络执行参数优化,并返回卷积、池化步骤,直至所述损失值小于预设损失阈值,得到训练完成的温湿值显示区域提取网络;
S36、将所述试验环境图输入至训练完成的所述温湿值显示区域提取网络,得到所述温湿图。
应该了解的是,本发明实施例温湿值显示区域提取网络是基于卷积神经网络模型,由于卷积神经网络模型在执行识别前,需对其进行训练,因此需获取包括显示屏显示数字的训练集及真实标签集。
另外,包括显示屏显示数字的训练集可由用户预先收集并整理得到,其中真实标签包括记录在每张图片中温度值及湿度值的显示屏区域的坐标数据。
详细地,所述利用预构建的温湿值显示区域提取网络对包括显示屏显示数字的训练集中的每张图片均执行卷积、池化,得到训练特征集,包括:
将包括显示屏显示数字的训练集的每张训练图,依次输入至所述温湿值显示区域提取网络,其中,所述温湿值显示区域提取网络包括卷积层、池化层;
利用所述卷积层中的卷积核,按照预设步长对所述训练图执行卷积操作,得到卷积特征集;
根据最大池化原理,在所述池化层中对所述卷积特征集执行池化操作,得到所述训练特征集。
本发明实施例中,所述卷积核包括3*3、5*5,所述步长可设置为1、2。另外,所述卷积层及池化层的层数可以为8层、10层、15层等。
其中,所述激活函数包括但不限于softmax激活函数、Relu激活函数。
其中,所述损失函数包括但不限于交叉熵损失函数、平方误差损失函数。
应该了解的是,本发明实施例利用梯度下降算法结合所述损失值,更新所述温湿值显示区域提取网络中参数,直至所述损失值小于所述预设的损失阈值。其中,所述梯度下降算法包括但不限于小批量梯度下降算法、随机梯度下降算法。
可以知道的是,当温湿值显示区域提取网络完成训练后,即具备计量显示检测能力,示例性的,将上述试验环境图输入至所述温湿值显示区域提取网络,即可得到仅包括温度及湿度的显示器显示图,即所述温湿图。
此外,本发明实施例提供另外一种温湿图获取方法,详细地,所述从所述试验环境图中提取温度值及湿度值的图像特征,得到温湿图,包括:
将所述试验环境图的像素尺寸压缩至320*320,得到压缩环境图;
将所述压缩环境图输入至温度值及湿度值图像特征的特征提取网络中,其中所述特征提取网络中包括由SSD模型构建的下采用层及卷积层;
利用所述下采用层对所述压缩环境图执行6次下采样,得到多组采样特征图;
利用所述卷积层对多组采样特征图执行卷积处理,其中,所述卷积层的步幅为2,包括1×1,3×3,7×7不同大小的卷积核对所述多组采样特征图进行卷积处理,得到多组卷积特征图;
根据预构建的滑动窗口多每组所述卷积特征图执行滑动选择操作,得到所述温湿图。
进一步地,所述根据预构建的滑动窗口对每组所述卷积特征图执行滑动选择操作,得到所述温湿图,包括:
采用如下滑动窗口函数执行滑动选择操作,得到所述温湿图:
其中,mi表示所述滑动窗口与第i个卷积特征图的置信度得分,M表示所述滑动窗口,si表示第i个卷积特征图;IOU(M,si)表示所述滑动窗口与第i个卷积特征图的交并比,Nt表示过滤阈值,将其设置为0.6,Ni表示高斯阈值,将其设置为0.3;
将所述置信度得分mi大于零但小于指定阈值的卷积特征图确定为所述温湿图。
需解释的是,参阅图3所示,滑动窗口是一种经过数字图像处理后的像素块,当卷积特征图内的像素和滑动窗口的像素有细微差别时,表示该卷积特征图中包括温度、湿度显示器,从而确定为温湿图。示例性的,通过S2步骤的执行操作,检测到仓鼠所在试验箱的温度为25°湿度为52%。
S4、预处理所述温湿图,得到温湿处理图及预处理参数。
需理解的是,参阅图3所示,温湿图主要是通过显示器显示温度值和湿度值,所以从数字图像处理的角度上来说,扩大显示器显示温度值和湿度值的像素差异性,可更好的直接识别出温度值及湿度值,同时也可防止在监控设备拍摄阶段的像素变形而导致温度值和湿度值显示不清楚的问题。
本发明实施例中,所述预处理所述温湿图,得到温湿处理图及预处理参数,包括:
获取所述温湿图中所有像素点的三个颜色通道分量的像素值;
确定三个颜色通道分量的像素值的最大值所对应的像素点;
将最大值设置为该像素点的灰度值,重复该步骤,直到得到温湿图的所有灰度值,将所有灰度值汇总得到温湿灰度图;
利用改进的滤波算法对所述温湿灰度图执行滤波去噪处理,得到所述温湿处理图及预处理参数;
详细地,所述将最大值设置为该像素点的灰度值的设置公式为:
gray(i,j)=max{R(I(i,j)),G(I(i,j)),B(I(i,j))}
其中,gray(i,j)为温湿图坐标像素点I(i,j)的灰度值,I(i,j)表示第I个像素点的坐标(i,j)值,R(I(i,j)),G(I(i,j)),B(I(i,j))分别为像素点I(i,j)在R、G、B三个颜色通道中的像素值。
进一步地,所述滤波算法的滤波去噪处理如下:
其中,所述预处理参数包括滤波器权值及高斯标准差σ1,σ2,(i',j')为所述灰度图的像素点I(i,j)在8×8像素邻域S(i,j)内的邻近像素坐标。需解释的是,在本发明实施例中将σ1设置为2,将σ2设置为3,h(i,j)为像素点I(i,j)执行滤波去噪后的像素值,即所述温湿处理图的像素值。
由此可见,当通过本发明实施例所述执行预处理后,温湿图内温度值及湿度值所显示的数值将变得更加明显,有利于后期的数值直接读取。
S5、利用预构建的编码算法,根据所述预处理参数对所述温湿处理图进行编码,得到编码温湿图。
详细地,所述利用预构建的编码算法,根据所述预处理参数对所述温湿处理图进行编码,得到编码温湿图,包括:
对所述温湿处理图进行块切分,得到温湿区块图集;
在所述温湿区块图集中依次提取温湿区块图,将所述预处理参数中的滤波器权值内的邻近像素坐标依次嵌入与之对应的温湿区块图内的像素中,得到包括邻近像素坐标的温湿区块图集;
对包括邻近像素坐标的温湿区块图集执行无损编码,得到所述编码温湿图。
应理解的是,为了提高温湿处理图在编码过程的安全性,本发明实施例中将邻近像素坐标嵌入至温湿处理图中,此外块切分是将温湿处理图按照像素排列规则执行指定大小的切分,如温湿处理图的像素规模为360*360,则将360*360的温湿处理图切分为多个10*10的温湿区块图集。
S6、生成所述编码温湿图在预构建的云数据图库中的图像索引,根据所述图像索引将所述编码温湿图存入至所述云数据图库中,完成对试验箱的监控。
本发明实施例中,依次将获取到的编码温湿图按照云数据图库的图像索引存入至云数据图库中,以方便用户根据图像索引访问云数据图库,从而观察或检测试验箱内的环境,解决了当下试验箱的温度湿度及试验箱环境只能通过人为实地在试验箱周围观看记录而影响效率的问题。
本发明实施例为解决背景技术所述问题,接收对试验箱的温度湿度监控指令,根据所述温度湿度监控指令启动预先安装在试验箱的监控设备,可见本发明实施例通过监控设备代替人为观察温度计和显示计,提高监控效率,因此进一步地,利用所述监控设备拍摄在所述试验箱内的试验环境,其中所述试验环境包括温度显示计及湿度显示计的显示值,得到包括第一拍摄时间的试验环境图,其中所述试验环境图内包括温度值及湿度值,为了提高监控效率,从所述试验环境图中提取温度值及湿度值的图像特征,得到温湿图,其中温湿图只包括温度和湿度,最后,将温湿图编码后上传到云数据图库,用户可访问云数据图库实时查看试验箱的温湿情况,完成监控。因此本发明提出的基于物联网的恒温恒湿试验箱的监控方法、装置、电子设备及计算机可读存储介质,可以解决恒温恒湿试验箱监控人为参与过多,监控手段效率较低的问题。
如图4所示,是本发明一实施例提供的基于物联网的恒温恒湿试验箱的监控装置的功能模块图。
本发明所述基于物联网的恒温恒湿试验箱的监控装置100可以安装于电子设备中。根据实现的功能,所述基于物联网的恒温恒湿试验箱的监控装置100可以包括监控设备启动模块101、拍摄模块102、图像特征提取模块103、预处理模块104及存储模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
所述监控设备启动模块101,用于接收对试验箱的温度湿度监控指令,根据所述温度湿度监控指令启动预先安装在试验箱的监控设备;
所述拍摄模块102,用于利用所述监控设备拍摄在所述试验箱内的试验环境,其中所述试验环境包括温度显示计及湿度显示计的显示值,得到包括第一拍摄时间的试验环境图,其中所述试验环境图内包括温度值及湿度值;
所述图像特征提取模块103,用于从所述试验环境图中提取温度值及湿度值的图像特征,得到温湿图;
所述预处理模块104,用于预处理所述温湿图,得到温湿处理图及预处理参数,其中所述预处理包括滤波去噪操作,所述滤波去噪如下:
所述存储模块105,用于利用预构建的编码算法,根据所述预处理参数对所述温湿处理图进行编码,得到编码温湿图,生成所述编码温湿图在预构建的云数据图库中的图像索引,根据所述图像索引将所述编码温湿图存入至所述云数据图库中,完成对试验箱的监控。
详细地,本发明实施例中所述基于物联网的恒温恒湿试验箱的监控装置100中的所述各模块的使用具体实施方式与实施例1相同,在此不再赘述。
如图5所示,是本发明一实施例提供的实现基于物联网的恒温恒湿试验箱的监控方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线12,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于物联网的恒温恒湿试验箱的监控方法程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如基于物联网的恒温恒湿试验箱的监控方法程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如基于物联网的恒温恒湿试验箱的监控方法程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线12可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线12可以分为地址总线、数据总线、控制总线等。所述总线12被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于物联网的恒温恒湿试验箱的监控方法程序是多个指令的组合,在所述处理器10中运行时,可以实现:
接收对试验箱的温度湿度监控指令,根据所述温度湿度监控指令启动预先安装在试验箱的监控设备;
利用所述监控设备拍摄在所述试验箱内的试验环境,其中所述试验环境包括温度显示计及湿度显示计的显示值,得到包括第一拍摄时间的试验环境图,其中所述试验环境图内包括温度值及湿度值;
从所述试验环境图中提取温度值及湿度值的图像特征,得到温湿图;
预处理所述温湿图,得到温湿处理图及预处理参数,其中所述预处理包括滤波去噪操作,所述滤波去噪如下:
利用预构建的编码算法,根据所述预处理参数对所述温湿处理图进行编码,得到编码温湿图,生成所述编码温湿图在预构建的云数据图库中的图像索引,根据所述图像索引将所述编码温湿图存入至所述云数据图库中,完成对试验箱的监控。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图5对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
接收对试验箱的温度湿度监控指令,根据所述温度湿度监控指令启动预先安装在试验箱的监控设备;
利用所述监控设备拍摄在所述试验箱内的试验环境,其中所述试验环境包括温度显示计及湿度显示计的显示值,得到包括第一拍摄时间的试验环境图,其中所述试验环境图内包括温度值及湿度值;
从所述试验环境图中提取温度值及湿度值的图像特征,得到温湿图;
预处理所述温湿图,得到温湿处理图及预处理参数,其中所述预处理包括滤波去噪操作,所述滤波去噪如下:
利用预构建的编码算法,根据所述预处理参数对所述温湿处理图进行编码,得到编码温湿图,生成所述编码温湿图在预构建的云数据图库中的图像索引,根据所述图像索引将所述编码温湿图存入至所述云数据图库中,完成对试验箱的监控。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,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案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于物联网的恒温恒湿试验箱的监控方法,其特征在于,所述方法包括:
接收对试验箱的温度湿度监控指令,根据所述温度湿度监控指令启动预先安装在试验箱的监控设备;
利用所述监控设备拍摄在所述试验箱内的试验环境,其中所述试验环境包括温度显示计及湿度显示计的显示值,得到包括第一拍摄时间的试验环境图,其中所述试验环境图内包括温度值及湿度值;
从所述试验环境图中提取温度值及湿度值的图像特征,得到温湿图;
预处理所述温湿图,得到温湿处理图及预处理参数,其中所述预处理包括滤波去噪操作,所述滤波去噪如下:
利用预构建的编码算法,根据所述预处理参数对所述温湿处理图进行编码,得到编码温湿图;
生成所述编码温湿图在预构建的云数据图库中的图像索引,根据所述图像索引将所述编码温湿图存入至所述云数据图库中,完成对试验箱的监控。
2.如权利要求1所述的基于物联网的恒温恒湿试验箱的监控方法,其特征在于,所述从所述试验环境图中提取温度值及湿度值的图像特征,得到温湿图,包括:
将所述试验环境图的像素尺寸压缩至320*320,得到压缩环境图;
将所述压缩环境图输入至温度值及湿度值图像特征的特征提取网络中,其中所述特征提取网络中包括由SSD模型构建的下采用层及卷积层;
利用所述下采用层对所述压缩环境图执行6次下采样,得到多组采样特征图;
利用所述卷积层对多组采样特征图执行卷积处理,其中,所述卷积层的步幅为2,包括1×1,3×3,7×7不同大小的卷积核对所述多组采样特征图进行卷积处理,得到多组卷积特征图;
根据预构建的滑动窗口对每组所述卷积特征图执行滑动选择操作,得到所述温湿图。
4.如权利要求3所述的基于物联网的恒温恒湿试验箱的监控方法,其特征在于,所述预处理所述温湿图,得到温湿处理图及预处理参数,包括:
获取所述温湿图中所有像素点的三个颜色通道分量的像素值;
确定三个颜色通道分量的像素值的最大值所对应的像素点;
将最大值设置为该像素点的灰度值,重复该步骤,直到得到温湿图的所有灰度值,将所有灰度值汇总得到温湿灰度图;
利用改进的滤波算法对所述温湿灰度图执行滤波去噪处理,得到所述温湿处理图及预处理参数。
5.如权利要求4所述的基于物联网的恒温恒湿试验箱的监控方法,其特征在于,所述将最大值设置为该像素点的灰度值,包括:
采用如下公式设置该像素点的灰度值:
gray(i,j)=max{R(I(i,j)),G(I(i,j)),B(I(i,j))}
其中,gray(i,j)为温湿图坐标像素点I(i,j)的灰度值,I(i,j)表示第I个像素点的坐标(i,j)值,R(I(i,j)),G(I(i,j)),B(I(i,j))分别为像素点I(i,j)在R、G、B三个颜色通道中的像素值。
6.如权利要求1所述的基于物联网的恒温恒湿试验箱的监控方法,其特征在于,所述利用预构建的编码算法,根据所述预处理参数对所述温湿处理图进行编码,得到编码温湿图,包括:
对所述温湿处理图进行块切分,得到温湿区块图集;
在所述温湿区块图集中依次提取温湿区块图,将所述预处理参数中的滤波器权值内的邻近像素坐标依次嵌入与之对应的温湿区块图内的像素中,得到包括邻近像素坐标的温湿区块图集;
对包括邻近像素坐标的温湿区块图集执行无损编码,得到所述编码温湿图。
7.如权利要求1所述的基于物联网的恒温恒湿试验箱的监控方法,其特征在于,所述从所述试验环境图中提取温度值及湿度值的图像特征,得到温湿图,包括:
获取包括显示屏显示数字的训练集及真实标签集;
利用预构建的温湿值显示区域提取网络对包括显示屏显示数字的训练集中的每张图片均执行卷积、池化,得到训练特征集;
利用预设的激活函数计算所述训练特征集中每张监控特征的预测标签,得到预测标签集;
利用预设的损失函数计算所述真实标签集与所述预测标签集之间的损失值;
根据所述损失值对所述温湿值显示区域提取网络执行参数优化,并返回卷积、池化步骤,直至所述损失值小于预设损失阈值,得到训练完成的温湿值显示区域提取网络;
将所述试验环境图输入至训练完成的所述温湿值显示区域提取网络,得到所述温湿图。
8.如权利要求7所述的基于物联网的恒温恒湿试验箱的监控方法,其特征在于,所述利用预构建的温湿值显示区域提取网络对包括显示屏显示数字的训练集中的每张图片均执行卷积、池化,得到训练特征集,包括:
将包括显示屏显示数字的训练集的每张训练图,依次输入至所述温湿值显示区域提取网络,其中,所述温湿值显示区域提取网络包括卷积层、池化层;
利用所述卷积层中的卷积核,按照预设步长对所述训练图执行卷积操作,得到卷积特征集;
根据最大池化原理,在所述池化层中对所述卷积特征集执行池化操作,得到所述训练特征集。
9.如权利要求8所述的基于物联网的恒温恒湿试验箱的监控方法,其特征在于,所述损失函数为交叉熵损失函数。
10.一种基于物联网的恒温恒湿试验箱的监控装置,其特征在于,所述装置包括:
监控设备启动模块,用于接收对试验箱的温度湿度监控指令,根据所述温度湿度监控指令启动预先安装在试验箱的监控设备;
拍摄模块,用于利用所述监控设备拍摄在所述试验箱内的试验环境,其中所述试验环境包括温度显示计及湿度显示计的显示值,得到包括第一拍摄时间的试验环境图,其中所述试验环境图内包括温度值及湿度值;
图像特征提取模块,用于从所述试验环境图中提取温度值及湿度值的图像特征,得到温湿图;
预处理模块,用于预处理所述温湿图,得到温湿处理图及预处理参数,其中所述预处理包括滤波去噪操作,所述滤波去噪如下:
存储模块,用于利用预构建的编码算法,根据所述预处理参数对所述温湿处理图进行编码,得到编码温湿图,生成所述编码温湿图在预构建的云数据图库中的图像索引,根据所述图像索引将所述编码温湿图存入至所述云数据图库中,完成对试验箱的监控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210662988.2A CN115457451B (zh) | 2022-06-13 | 2022-06-13 | 基于物联网的恒温恒湿试验箱的监控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210662988.2A CN115457451B (zh) | 2022-06-13 | 2022-06-13 | 基于物联网的恒温恒湿试验箱的监控方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115457451A true CN115457451A (zh) | 2022-12-09 |
CN115457451B CN115457451B (zh) | 2023-06-16 |
Family
ID=84297050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210662988.2A Active CN115457451B (zh) | 2022-06-13 | 2022-06-13 | 基于物联网的恒温恒湿试验箱的监控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115457451B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115896817A (zh) * | 2023-03-08 | 2023-04-04 | 福建德尔科技股份有限公司 | 氟氮混合气的生产方法及其系统 |
CN117061859A (zh) * | 2023-10-12 | 2023-11-14 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰风洞试验摄像监视系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761199A (zh) * | 2016-03-25 | 2016-07-13 | 鲁东大学 | 一种基于组合域的鲁棒彩色图像水印方法 |
CN108346125A (zh) * | 2018-03-15 | 2018-07-31 | 中山大学 | 一种基于生成对抗网络的空域图像隐写方法及系统 |
CN113269500A (zh) * | 2021-06-16 | 2021-08-17 | 江苏佳利达国际物流股份有限公司 | 一种基于神经网络的冷链物流监控方法及系统 |
CN113298837A (zh) * | 2021-07-27 | 2021-08-24 | 南昌工程学院 | 一种图像边缘提取方法、装置、存储介质及设备 |
CN113657385A (zh) * | 2021-10-20 | 2021-11-16 | 山东摄云信息技术有限公司 | 一种电子计量装置的数据检测方法、装置及电子设备 |
CN114125401A (zh) * | 2021-12-23 | 2022-03-01 | 中华人民共和国大连海关 | 一种案件现场无线信息采集方法及系统 |
-
2022
- 2022-06-13 CN CN202210662988.2A patent/CN115457451B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761199A (zh) * | 2016-03-25 | 2016-07-13 | 鲁东大学 | 一种基于组合域的鲁棒彩色图像水印方法 |
CN108346125A (zh) * | 2018-03-15 | 2018-07-31 | 中山大学 | 一种基于生成对抗网络的空域图像隐写方法及系统 |
CN113269500A (zh) * | 2021-06-16 | 2021-08-17 | 江苏佳利达国际物流股份有限公司 | 一种基于神经网络的冷链物流监控方法及系统 |
CN113298837A (zh) * | 2021-07-27 | 2021-08-24 | 南昌工程学院 | 一种图像边缘提取方法、装置、存储介质及设备 |
CN113657385A (zh) * | 2021-10-20 | 2021-11-16 | 山东摄云信息技术有限公司 | 一种电子计量装置的数据检测方法、装置及电子设备 |
CN114125401A (zh) * | 2021-12-23 | 2022-03-01 | 中华人民共和国大连海关 | 一种案件现场无线信息采集方法及系统 |
Non-Patent Citations (1)
Title |
---|
孙雄伟: "复杂背景下海面红外小目标快速检测技术研究", pages 032 - 6 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115896817A (zh) * | 2023-03-08 | 2023-04-04 | 福建德尔科技股份有限公司 | 氟氮混合气的生产方法及其系统 |
CN115896817B (zh) * | 2023-03-08 | 2023-05-19 | 福建德尔科技股份有限公司 | 氟氮混合气的生产方法及其系统 |
CN117061859A (zh) * | 2023-10-12 | 2023-11-14 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰风洞试验摄像监视系统及方法 |
CN117061859B (zh) * | 2023-10-12 | 2023-12-22 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰风洞试验摄像监视系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115457451B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113159147B (zh) | 基于神经网络的图像识别方法、装置、电子设备 | |
CN115457451B (zh) | 基于物联网的恒温恒湿试验箱的监控方法及装置 | |
CN113283446B (zh) | 图像中目标物识别方法、装置、电子设备及存储介质 | |
CN112446025A (zh) | 联邦学习防御方法、装置、电子设备及存储介质 | |
CN114758249B (zh) | 基于野外夜间环境的目标物监测方法、装置、设备及介质 | |
CN113705461A (zh) | 人脸清晰度检测方法、装置、设备及存储介质 | |
CN112137591A (zh) | 基于视频流的目标物位置检测方法、装置、设备及介质 | |
CN115690615B (zh) | 一种面向视频流的深度学习目标识别方法及系统 | |
CN113705462A (zh) | 人脸识别方法、装置、电子设备及计算机可读存储介质 | |
CN113298159A (zh) | 目标检测方法、装置、电子设备及存储介质 | |
CN111274937A (zh) | 摔倒检测方法、装置、电子设备及计算机可读存储介质 | |
CN114241338A (zh) | 基于影像识别的建筑物测量方法、装置、设备及存储介质 | |
CN115471775A (zh) | 基于录屏视频的信息验证方法、装置、设备及存储介质 | |
CN114066664A (zh) | 基于行为画像的风险等级评估方法、装置、设备及介质 | |
CN114022841A (zh) | 人员监控识别方法、装置、电子设备及可读存储介质 | |
CN113140292A (zh) | 图像异常区域浏览方法、装置、移动端设备及存储介质 | |
CN111915615A (zh) | 图像分割方法、装置、电子设备及计算机可读存储介质 | |
CN115098644A (zh) | 图像与文本匹配方法、装置、电子设备及存储介质 | |
CN111459050B (zh) | 一种基于双网互联的智慧仿真型护理教学系统及教学方法 | |
CN113792801A (zh) | 人脸炫光程度的检测方法、装置、设备及存储介质 | |
CN114187476A (zh) | 基于图像分析的车险信息核对方法、装置、设备及介质 | |
CN113869385A (zh) | 基于目标检测的海报比对方法、装置、设备及存储介质 | |
CN113869269B (zh) | 活动现场拥挤度检测方法、装置、电子设备及存储介质 | |
CN111652226A (zh) | 基于图片的目标识别方法、装置及可读存储介质 | |
CN114495290B (zh) | 活体检测方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |