CN115512297A - 一种基于边缘计算的非煤矿山安全风险主动识别系统 - Google Patents
一种基于边缘计算的非煤矿山安全风险主动识别系统 Download PDFInfo
- Publication number
- CN115512297A CN115512297A CN202211187426.3A CN202211187426A CN115512297A CN 115512297 A CN115512297 A CN 115512297A CN 202211187426 A CN202211187426 A CN 202211187426A CN 115512297 A CN115512297 A CN 115512297A
- Authority
- CN
- China
- Prior art keywords
- data
- container
- risk
- coal mine
- active
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 36
- 238000004364 calculation method Methods 0.000 title claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 63
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000013523 data management Methods 0.000 claims abstract description 20
- 238000006073 displacement reaction Methods 0.000 claims description 10
- 239000000779 smoke Substances 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims 2
- 238000000605 extraction Methods 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 abstract description 8
- 238000012545 processing Methods 0.000 abstract description 7
- 238000007405 data analysis Methods 0.000 abstract description 4
- 230000003993 interaction Effects 0.000 abstract description 2
- 238000011897 real-time detection Methods 0.000 abstract description 2
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-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
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/955—Hardware or software architectures specially adapted for image or video understanding using specific electronic processors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/96—Management of image or video recognition tasks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Mining & Mineral Resources (AREA)
- Evolutionary Computation (AREA)
- Geology (AREA)
- Geochemistry & Mineralogy (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于边缘计算的非煤矿山安全风险主动识别系统，涉及非煤矿山井下监测监控领域；对矿山监测系统进行集中式的数据分析、数据管理及决策并将数据解析分析的结果，包括预警、分析和统计等数据，以图表的方式，多维度、多粒度的以容器的形式提供服务，使实时检测得到的数据应力、应变、微震等信息和预警信息可视化，供工作人员浏览和检索，实现了实时采集数据、风险预警信息的共享和人机交互。实现视频监控数据的智能安全分析，结合地压、应变、视频、人员定位等多系统多参量快速、准确分析矿山安全风险，并减轻数据传输至云端的压力，有效提升数据采集传输分析处理效率和时效性。
Description
技术领域
本发明涉及非煤矿山井下监测监控领域，尤其涉及一种基于边缘计算的非煤矿山安全风险主动识别系统。
背景技术
国内非煤矿山已将安全避险六大系统作为强制要求，包括监测监控、井下人员定位、井下紧急避险、压风自救、供水施救、通信联络。监测监控系统实时监控矿山安全隐患，主要包括了地压监测和视频监控，其中地压监测通常采取“应力+位移”或者微震测量手段，实时监测井下采场和巷道的地压，及时掌握围岩变化情况，避免安全事故的发生；视频监控则是在矿山主要出入口、公共区域、作业区及矿井重要部位安装视频传感器，结合井下环网以完成安全隐患实时监控。
在矿山物联网背景下，部分矿山在调度室实现了监测监控系统的物理集成，通过布局在巷道和采场内的传感器感知环境信息，进而实现现场地压监测和视频监控。然而当前的监测监控系统存在以下主要问题：一、现有监测设备系统独立运行，一般主要功能是监测数据收集显示，仅能进行各自系统的数据采集以及简单的数据预处理，数据处理能力弱，不能高效地进行复杂数据的分析处理，其本身不具有智能数据处理的能力。二、视频监测缺少智能安全分析，往往需要人工进行查看和判断。三、感知手段单一，感知数据采集传输分析处理压力大，安全风险主动分析能力不足、时效性差，单个部署的监测系统和传感器采集到的信号显然不能准确的反应当前矿山安全风险状态。
发明内容
为解决现有技术存在的问题，本发明提出一种基于边缘计算的非煤矿山安全风险主动识别系统，实现视频监控数据的智能安全分析，结合地压、应变、视频、人员定位等多系统多参量快速、准确分析矿山安全风险，并减轻数据传输至云端的压力，有效提升数据采集传输分析处理效率和时效性。
为实现上述目的，采用的技术方案为：
一种基于边缘计算的非煤矿山安全风险主动识别系统，包括硬件资源层、linux操作系统层、容器虚拟层、数据采集容器、通道配置容器、视频图像识别容器、非煤矿山风险主动识别容器、数据管理容器、风险查询服务容器、边缘设备管理容器。
硬件资源层包括GPU、硬件接口、存储；嵌入服务器板卡并配置GPU。
所述硬件接口包括RJ45、wifi、485、232和USB接口。
所述存储采用固态硬盘和/或机械硬盘。
所述服务器板卡采用ARM或intel架构。
Linux操作系统层基于Linux版本，用于控制和管理系统资源。
虚拟模拟层嵌入开源的应用容器引擎docker虚拟程序，兼容docker及docker-compose；
数据采集容器，适配监测监控系统和人员定位系统的数据协议，然后通过硬件接口从监测监控系统中的应力应变传感器、微震传感器、视频传感器中读取对应的数据，并将这些数据进行滤波去噪后保存在硬件资源层的存储器中。
通道配置容器，对终端用户提供服务，终端用户根据矿山监测系统连接的传感器数量和类型，进行相应传感器配置，将配置文件保存在存储器中，数据采集容器根据配置的内容采集传感数据。
视频图像识别容器对采集到的监测监控系统采集到的视频图像进行图像的提取和滤波后，通过图像识别算法进行识别，当发现矿山工作人员没有佩戴安全帽、人员或者异物进入危险区或者监控视频中有烟雾时，发出安全风险预警预报信息。
所述图像识别算法采用YOLO算法。
非煤矿山风险主动识别容器，根据数据采集容器采集的数据和数据管理容器设定的应力、应变、微震事件频次和密度、人员安全位置的阈值进行安全风险主动识别。根据数据管理容器设定的微震事件频次和密度的阈值，如果监测的微震结果超过阈值，则产生相应的地压风险预警；根据数据管理容器设定的应力、位移阈值，如果监测的结果超过阈值，则产生相应的地压风险预警；根据地压和应变的变化值，若变化量超过设定的阈值，根据人员定位系统中采集到的矿山工作人员的实时位置值，若地压变化的地方距离人员位置小于设定人员安全位置阈值时，则产生人员风险警告，同时推送给查询服务容器，进行风险警告信息的推送。
数据管理容器包括参数区、日志区、风险区、实时数据区、视频数据取、数据备份区。参数区存储通道配置的设定参数，包括应力、应变、微震事件频次和密度、人员安全位置；日志区保存操作人员的操作记录，包括参数的配置、数据的手工备份；风险区保存主动分析得到的风险识别结果，包括安全帽没有带的时间、是否有人员或异物进入危险区、是否产生烟雾报警；实时数据区保存数据采集容器采集到的监测监控系统的运行的实时数据，包括压力、位移、应变、微震；数据备份区存储过往的采集的矿山监测系统的数据，包括应力变化情况、位移、微震、风险预警情况；数据管理容器还具有配置监测数据的定期备份删除的设置。
查询服务容器将图像识别和风险主动识别解析分析的结果，包括预警、分析和统计的数据，以可视化的方式给设备用户端提供服务，使包括地压、应变、人员位置在内的实时监测数据以及上述非煤矿山风险主动识别容器和视频图像识别容器识别到的预警信息可视化；
数据上传同步容器，把数据采集容器采集到的各个矿山监测系统中的数据通过视频图像识别及风险主动识别后，将预测结果和原始数据转化为标准类型协议的数据，通过网络上行接口将运算结果实时打包发送给远程数据中心，远程数据中心将得到的现场数据进行分析预测预警计算。
采用上述技术方案所产生的有益效果在于：
1、将矿山各个监测系统的数据进行管理分析运算，并且通过将多种协议的数据转化为标准类型协议的数据，同时将计算分析结果转化为符合的统一格式的数据，实现了单一场景多风险识别，简化了远程数据中心的管理及传输，降低了不同物联网设备接入网络的硬件模块不同、所使用的通信技术和传输协议也不同而导致的数据包丢失和出错的概率，减少了矿山监测系统网络部署的复杂性，减少网络带宽的压力，减轻网络基础设施的负担。
2、在矿山视频监测中感知的视频图像数据，通过边缘计算直接进行处理，及时地对当前所感知到的场景做出响应，主动分析出下井工人没有佩戴安全帽、是否存在烟雾、是否有异物进入危险区等风险，并及时给出预警提示，降低了数据都上传到云端会对网络带宽造成压力，减少加端到端时延，降低发生意外事故的可能性。
3、对矿山监测系统进行集中式的数据分析、数据管理及决策并将数据解析分析的结果，包括预警、分析和统计等数据，并以图表的方式，多维度、多粒度的以容器的形式提供服务，使实时检测得到的数据应力、应变、微震等信息和预警信息可视化，供工作人员浏览和检索，实现了实时采集数据、风险预警信息的共享和人机交互。
附图说明
图1为本发明实施例提供的基于边缘计算的非煤矿山安全风险主动识别系统逻辑架构示意图；
图2为本发明实施例提供的基于边缘计算的非煤矿山安全风险主动识别系统部署应用示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
本发明提出一种基于边缘计算的非煤矿山安全风险主动识别系统，实现视频监控数据的智能安全分析，结合地压、应变、视频、人员定位等多系统多参量快速、准确分析矿山安全风险，并减轻数据传输至云端的压力，有效提升数据采集传输分析处理效率和时效性。
为实现上述目的，采用的技术方案为：
一种基于边缘计算的非煤矿山安全风险主动识别系统，如图1所示，包括硬件资源层、linux操作系统层、容器虚拟层、数据采集容器、通道配置容器、视频图像识别容器、非煤矿山风险主动识别容器、数据管理容器、风险查询服务容器、边缘设备管理容器。
硬件资源层包括GPU、硬件接口、存储；嵌入服务器板卡并配置GPU。
所述硬件接口包括RJ45、wifi、485、232和USB接口。
所述存储采用固态硬盘和/或机械硬盘。
所述服务器板卡采用ARM或intel架构。
Linux操作系统层基于Linux版本，用于控制和管理系统资源。
虚拟模拟层嵌入开源的应用容器引擎docker虚拟程序，兼容docker及docker-compose；
数据采集容器，适配监测监控系统和人员定位系统的数据协议，然后通过硬件接口从监测监控系统中的应力应变传感器、微震传感器、视频传感器中读取对应的数据，并将这些数据进行滤波去噪后保存在硬件资源层的存储器中。
通道配置容器，对终端用户提供服务，终端用户根据矿山监测系统连接的传感器数量和类型，进行相应传感器配置，将配置文件保存在存储器中，数据采集容器根据配置的内容采集传感数据。
视频图像识别容器对采集到的监测监控系统采集到的视频图像进行图像的提取和滤波后，通过图像识别算法进行识别，当发现矿山工作人员没有佩戴安全帽、人员或者异物进入危险区或者监控视频中有烟雾时，发出安全风险预警预报信息。
所述图像识别算法采用YOLO算法。
非煤矿山风险主动识别容器，根据数据采集容器采集的数据和数据管理容器设定的应力、应变、微震事件频次和密度、人员安全位置的阈值进行安全风险主动识别。根据数据管理容器设定的微震事件频次和密度的阈值，如果监测的微震结果超过阈值，则产生相应的地压风险预警；根据数据管理容器设定的应力、位移阈值，如果监测的结果超过阈值，则产生相应的地压风险预警；根据地压和应变的变化值，若变化量超过设定的阈值，根据人员定位系统中采集到的矿山工作人员的实时位置值，若地压变化的地方距离人员位置小于设定人员安全位置阈值时，则产生人员风险警告，同时推送给查询服务容器，进行风险警告信息的推送。
数据管理容器包括参数区、日志区、风险区、实时数据区、视频数据取、数据备份区；参数区存储通道配置的设定参数，包括应力、应变、微震事件频次和密度、人员安全位置；日志区保存操作人员的操作记录，包括参数的配置、数据的手工备份；风险区保存主动分析得到的风险识别结果，包括安全帽没有带的时间、是否有人员或异物进入危险区、是否产生烟雾报警；实时数据区保存数据采集容器采集到的监测监控系统的运行的实时数据，包括压力、位移、应变、微震；数据备份区存储过往的采集的矿山监测系统的数据，包括应力变化情况、位移、微震、风险预警情况；数据管理容器还具有配置监测数据的定期备份删除的设置。
查询服务容器将图像识别和风险主动识别解析分析的结果，包括预警、分析和统计的数据，以可视化的方式给设备用户端提供服务，使包括地压、应变、人员位置在内的实时监测数据以及上述非煤矿山风险主动识别容器和视频图像识别容器识别到的预警信息可视化。
数据上传同步容器，把数据采集容器采集到的各个矿山监测系统中的数据通过视频图像识别及风险主动识别后，将预测结果和原始数据转化为标准类型协议的数据，通过网络上行接口将运算结果实时打包发送给远程数据中心，远程数据中心将得到的现场数据进行分析预测预警计算。
本发明的提出的基于边缘计算的非煤矿山安全风险主动识别系统的应用场景如图2所示，基于边缘计算的非煤矿山安全风险主动识别系统集成于非煤矿山安全风险主动识别边缘计算专用设备中，该设备通过硬件接口与人员定位系统、监测监控系统中的地压监测系统和视频监控系统相连，边缘设备控制终端用于控制设备运行状态及进行传感器配置。非煤矿山安全风险主动识别边缘计算专用设备启动后，引导操作系统及容器虚拟层启动，然后由容器虚拟层把各个容器进行启动，数据采集容器读取通道配置参数，根据通道配置参数的内容采集矿山监测监控系统的数据，并且把数据保存，视频图像识别容器读取监测的视频图像，进行风险识别，风险主动识别容器根据监测数据进行相应风险的识别，查询服务容器根据风险识别的结果提供对外服务接口，给设备用户端提供预警信息可视化；数据上传同步容器通过互联网把采集到的数据及风险识别结果按照约定的标准格式进行同步上传至云端智能预警平台，做进一步的预警分析和计算。
Claims (10)
1.一种基于边缘计算的非煤矿山安全风险主动识别系统，其特征在于，所述系统包括硬件资源层、linux操作系统层、容器虚拟层、数据采集容器、通道配置容器、视频图像识别容器、非煤矿山风险主动识别容器、数据管理容器、风险查询服务容器、边缘设备管理容器；
所述硬件资源层包括GPU、硬件接口、存储；嵌入服务器板卡并配置GPU；
所述硬件接口包括RJ45、wifi、485、232和USB接口；
所述存储采用固态硬盘和/或机械硬盘；
所述服务器板卡采用ARM或intel架构；
Linux操作系统层基于Linux版本，用于控制和管理系统资源；
虚拟模拟层嵌入开源的应用容器引擎docker虚拟程序，兼容docker及docker-compose。
2.如权利要求1所述的基于边缘计算的非煤矿山安全风险主动识别系统，其特征在于，所述数据采集容器，适配监测监控系统和人员定位系统的数据协议，然后通过硬件接口从监测监控系统中的应力应变传感器、微震传感器、视频传感器中读取对应的数据，并将这些数据进行滤波去噪后保存在硬件资源层的存储器中。
3.如权利要求1所述的基于边缘计算的非煤矿山安全风险主动识别系统，其特征在于，所述通道配置容器，对终端用户提供服务，终端用户根据矿山监测系统连接的传感器数量和类型，进行相应传感器配置，将配置文件保存在存储器中，数据采集容器根据配置的内容采集传感数据。
4.如权利要求1所述的基于边缘计算的非煤矿山安全风险主动识别系统，其特征在于，所述视频图像识别容器，对采集到的监测监控系统采集到的视频图像进行图像的提取和滤波后，通过图像识别算法进行识别，当发现矿山工作人员没有佩戴安全帽、人员或者异物进入危险区或者监控视频中有烟雾时，发出安全风险预警预报信息。
5.如权利要求4所述的基于边缘计算的非煤矿山安全风险主动识别系统，其特征在于，所述图像识别算法采用YOLO算法。
6.如权利要求1所述的基于边缘计算的非煤矿山安全风险主动识别系统，其特征在于，所述非煤矿山风险主动识别容器，根据数据采集容器采集的数据和数据管理容器设定的应力、应变、微震事件频次和密度、人员安全位置的阈值进行安全风险主动识别；根据数据管理容器设定的微震事件频次和密度的阈值，如果监测的微震结果超过阈值，则产生相应的地压风险预警；根据数据管理容器设定的应力、位移阈值，如果监测的结果超过阈值，则产生相应的地压风险预警；根据地压和应变的变化值，若变化量超过设定的阈值，根据人员定位系统中采集到的矿山工作人员的实时位置值，若地压变化的地方距离人员位置小于设定人员安全位置阈值时，则产生人员风险警告，同时推送给查询服务容器，进行风险警告信息的推送。
7.如权利要求1所述的基于边缘计算的非煤矿山安全风险主动识别系统，其特征在于，所述数据管理容器包括参数区、日志区、风险区、实时数据区、视频数据取、数据备份区。
8.如权利要求7所述的基于边缘计算的非煤矿山安全风险主动识别系统，其特征在于，所述参数区存储通道配置的设定参数，包括应力、应变、微震事件频次和密度、人员安全位置；日志区保存操作人员的操作记录，包括参数的配置、数据的手工备份；风险区保存主动分析得到的风险识别结果，包括安全帽没有带的时间、是否有人员或异物进入危险区、是否产生烟雾报警；实时数据区保存数据采集容器采集到的监测监控系统的运行的实时数据，包括压力、位移、应变、微震；数据备份区存储过往的采集的矿山监测系统的数据，包括应力变化情况、位移、微震、风险预警情况；数据管理容器还具有配置监测数据的定期备份删除的设置。
9.如权利要求1所述的基于边缘计算的非煤矿山安全风险主动识别系统，其特征在于，所述查询服务容器，将图像识别和风险主动识别解析分析的结果，包括预警、分析和统计的数据，以可视化的方式给设备用户端提供服务，使包括地压、应变、人员位置在内的实时监测数据以及上述非煤矿山风险主动识别容器和视频图像识别容器识别到的预警信息可视化。
10.如权利要求1所述的基于边缘计算的非煤矿山安全风险主动识别系统，其特征在于，所述数据上传同步容器，将数据采集容器采集到的各个矿山监测系统中的数据通过视频图像识别及风险主动识别后，将预测结果和原始数据转化为标准类型协议的数据，通过网络上行接口将运算结果实时打包发送给远程数据中心，远程数据中心将得到的现场数据进行分析预测预警计算。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211187426.3A CN115512297A (zh) | 2022-09-28 | 2022-09-28 | 一种基于边缘计算的非煤矿山安全风险主动识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211187426.3A CN115512297A (zh) | 2022-09-28 | 2022-09-28 | 一种基于边缘计算的非煤矿山安全风险主动识别系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115512297A true CN115512297A (zh) | 2022-12-23 |
Family
ID=84525342
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211187426.3A Pending CN115512297A (zh) | 2022-09-28 | 2022-09-28 | 一种基于边缘计算的非煤矿山安全风险主动识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115512297A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117449910A (zh) * | 2023-10-26 | 2024-01-26 | 唐山昌宏科技有限公司 | 基于感知交互技术的煤矿综采智慧管理系统 |
-
2022
- 2022-09-28 CN CN202211187426.3A patent/CN115512297A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117449910A (zh) * | 2023-10-26 | 2024-01-26 | 唐山昌宏科技有限公司 | 基于感知交互技术的煤矿综采智慧管理系统 |
| CN117449910B (zh) * | 2023-10-26 | 2024-03-29 | 唐山昌宏科技有限公司 | 基于感知交互技术的煤矿综采智慧管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN206894809U (zh) | 电力安全作业及运维智能监管系统 | |
| CN107994539B (zh) | 一种基于云服务器的配电线路故障检测系统 | |
| CN111582016A (zh) | 基于云边协同深度学习的智能免维护电网监控方法及系统 | |
| CN206250848U (zh) | 配电网运行状态监测装置 | |
| CN103647938A (zh) | 安防监控一体机及其远程监控系统 | |
| CN105240051B (zh) | 一种现场总线矿山测控系统 | |
| CN206431792U (zh) | 洪涝灾害监控预警系统 | |
| CN103616865A (zh) | 油气井测试远程监控管理系统 | |
| CN115512297A (zh) | 一种基于边缘计算的非煤矿山安全风险主动识别系统 | |
| CN111901433A (zh) | 一种配电站房智能配电网关装置 | |
| CN103795987A (zh) | 嵌入式视频采集处理系统及其实现方法 | |
| CN110988588A (zh) | 分布式电网配电线路工作状况监控系统及监控方法 | |
| CN113612819A (zh) | 一种边缘计算系统 | |
| CN111783575A (zh) | 一种井下人工智能视频打钻系统 | |
| CN104865860A (zh) | 风电机组状态监测系统的采样、存储与查询方法及装置 | |
| CN201955875U (zh) | 地质灾害远程监测预警系统 | |
| CN112162829A (zh) | 一种边缘计算场景下的资源监控数据预处理系统 | |
| CN102355575A (zh) | 一种具有预警功能的分布式视频监控装置 | |
| CN204090013U (zh) | 用于远程监控系统中的安防监控一体机 | |
| CN108131165A (zh) | 一种煤矿井下综合自动化系统 | |
| CN106383509B (zh) | 一种大功率机车故障预警分析方法 | |
| CN111899457A (zh) | 一种基于边缘计算的博物馆火警监控系统 | |
| CN112727553B (zh) | 一种井下人员行为安全监督管理系统 | |
| CN115643312A (zh) | 一种基于云网关的多协议数据采集及协议转换装置 | |
| CN201608830U (zh) | 基于移动视频信号的智能监视系统 |
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 |