CN115619946B - 用于医疗废弃物冷库的风险监控方法及装置 - Google Patents
用于医疗废弃物冷库的风险监控方法及装置 Download PDFInfo
- Publication number
- CN115619946B CN115619946B CN202211616559.8A CN202211616559A CN115619946B CN 115619946 B CN115619946 B CN 115619946B CN 202211616559 A CN202211616559 A CN 202211616559A CN 115619946 B CN115619946 B CN 115619946B
- Authority
- CN
- China
- Prior art keywords
- temperature
- cold air
- temperature sensor
- storage object
- influence
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Abstract
本发明涉及数字数据处理领域,具体涉及用于医疗废弃物冷库的风险监控方法及装置。因冷库中存在冷气口对周围温度的影响,使传统的空间插值对冷库中不同位置的温度分析容易出现误差,本发明通过分析相对高度、冷气影响面积和最近相对距离得到不同温度传感器和不同存放物受冷气口温度影响的程度大小,得到温度传感器或存放物的第一或第二影响因子,根据第一和第二影响因子能够准确地计算出目标存放物的实际温度,通过更为精确地监控目标存放物上的细菌量在不同温度湿度中随时间的变化情况,从而能够精确地监控细菌增长扩散的风险。
Description
技术领域
本发明涉及数字数据处理领域,具体涉及用于医疗废弃物冷库的风险监控方法及装置。
背景技术
医疗废弃物是指医疗卫生机构在对病人进行诊断、治疗、护理等活动的过程中产生的废弃物,医疗废弃物中可能含有大量病原微生物和有害化学物质,甚至会有放射性和损伤性物质,医疗废气物可分为感染性废物、病理性废物、损伤性废物等等。因此医疗废弃物是引起疾病传播或相关公共卫生问题的重要危险性因素。部分医疗废气物会先存放在密闭冷库中等待统一处理。
发明人在实践中,发现上述现有技术存在以下缺陷:医疗废弃物中的部分细菌会在冷库中继续生存,因冷库中各个位置的温度和湿度是不同的,导致冷库中不同位置的医疗存放物的细菌增长的速度不同,不能精确地对冷库中不同位置的医疗废弃物进行细菌增长情况的监测,对于细菌增长速度快的医疗废弃物不能及时处理很有可能造成细菌扩散,现有技术只是简单地通过传统的空间插值求空间内的各处温度,此空间插值法中的权重只考虑了距离,而对于冷库中存在冷气口的区域附近的温度传感器的温度相对较低,这就会导致计算的温度不准确,从而计算细菌的增长情况出现误差,造成废弃物处理不及时。
发明内容
为了解决上述技术问题,本发明的目的在于提供用于医疗废弃物冷库的风险监控方法及装置,所采用的技术方案具体如下:
对冷库构建三维模型,在冷库内部分别放置至少两个温度和湿度传感器,获取所有传感器与存放物与冷气口在三维模型中的坐标;根据传感器得到的湿度数据通过空间插值获取冷库三维模型中各个存放物坐标处的湿度;
根据每个冷气口的坐标分别计算每个温度传感器或每个存放物的相对高度、冷气影响面积和最近相对距离;
通过所述相对高度、所述冷气影响面积和所述最近相对距离构建成分矩阵,通过主成分分析法计算相对高度、冷气影响面积、最近相对距离的三个成分的特征向量,通过各个特征向量分别得到三个成分的向量长度;根据三个向量长度获得每个温度传感器的第一影响因子和每个存放物的第二影响因子;
获取每个存放物与所有温度传感器之间的第一距离;根据所有温度传感器的温度、对应的第一影响因子、温度传感器到目标存放物的第一距离和目标存放物的第二影响因子获取目标存放物的温度;
通过目标存放物的温度与湿度及存放时间得到目标存放物细菌量的变化模型,根据细菌量的变化模型中的数据变化对冷库进行风险监控。
进一步地,所述相对高度的获取步骤包括:
将三维模型中的所有冷气口坐标依次连接,构建成一个冷气平面,计算所有温度传感器或所有存放物距离此冷气平面的垂直距离,获得所述相对高度。
进一步地,所述冷气影响面积的获取步骤包括:
分别计算在三维模型中每个温度传感器或每个存放物与任意两个冷气口相连构成的最大面积和最小面积,将所述最大面积和所述最小面积相加获得每个温度传感器或每个存放物的冷气影响面积。
进一步地,所述第一和第二影响因子的获取步骤包括:
以相对高度、冷气影响面积和最近相对距离三个成分的向量长度的和作为第一分母,分别将三个向量长度与第一分母相比再乘以对应成分的数值后相加得到温度传感器的第一影响因子和存放物的第二影响因子。
进一步地,所述第一距离的获取步骤包括:
计算存放物与温度传感器的坐标之间的欧式距离,获得第一距离。
进一步地,所述目标存放物温度的获取步骤包括:
公式中,表示目标存放物的温度,表示冷库内温度传感器的数量,表示第个温度传感器到目标存放物的第一距离,表示所有传感器到目标存放物的第一距离之和;为第个温度传感器的第一影响因子,表示目标存放物的第二影响因子,表示第个温度传感器的温度。
本发明还提出了一种用于医疗废弃物冷库的风险监控装置,包括存放器、处理器以及存放在所述存放器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现任意一项用于医疗废弃物的风险监控方法的步骤。
本发明具有如下有益效果:为了考虑到所应用的冷库场景存在冷气口对附近温度的影响,本发明通过计算冷气口与每个温度传感器或每个存放物的相对高度、冷气影响面积和最近相对距离三个特征;这三个特征都能够反应温度传感器或存放物的温度在冷库中受至少两个冷气口的影响的程度大小,当三个特征数值越小,意味着温度传感器或存放物的温度受冷气口影响程度越大;因此可以根据相对高度、冷气影响面积和最近相对距离构建成分矩阵通过主成分分析得到各个特征的向量长度,各个特征的向量长度可以反应受冷气口影响程度大小;根据得到的三个特征的向量长度计算受冷气口影响程度的温度传感器的第一影响因子和存放物的第二影响因子,通过第一或第二影响因子可清晰表示出温度传感器或存放物的温度受冷气口影响的程度;根据第一与第二影响因子的比值和温度传感器与目标存放物的第一距离和温度传感器的温度对目标存放物的温度进行计算,能够得到目标存放物更精确的温度,通过监控不同存放物的温度和湿度与存放时间,可以准确地单独分析每个存放物的细菌增长速度,能够控制出现细菌生长过多、扩散感染的风险。
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和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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它附图。
图1为本发明一个实施例所提供的一种用于医疗废弃物冷库的风险监控方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种用于医疗废弃物冷库的风险监控方法及装置,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种用于医疗废弃物冷库的风险监控方法及装置的具体方案。
请参阅图1,其示出了本发明一个实施例提供的用于医疗废弃物冷库的风险监控方法流程图,该方法包括以下步骤。
步骤S1,对冷库构建三维模型,在冷库内部分别放置至少两个温度和湿度传感器,获取所有传感器与存放物与冷气口在三维模型中的坐标;根据传感器得到的湿度数据通过空间插值获取冷库三维模型中各个存放物坐标处的湿度。
本发明实施例中的冷库为存放医疗废弃物的冷库,存放物为装有医疗废弃物的袋子,且袋子只能放在地面上,不进行堆叠。温度和湿度传感器放置在冷库中的墙上或承重梁上的各个位置,本发明实施例中在冷库内部四周和顶部每间隔30厘米放置一个温度和湿度传感器,需要说明的是,传感器的数量越多,计算目标存放物的温度和湿度数据越准确,实施者可在实施过程中根据冷库场景自行确定传感器数量。
对冷库构建三维模型并建立坐标系,在本发明实施例中,以1厘米为空间坐标系的单位长度,获取所有传感器、冷气口和存放物的坐标,需要说明的是,传感器、冷气口和存放物的坐标以各个物体中心位置的坐标表示。因为在一个冷库环境中,内部各处的湿度都比较接近,不会因冷气口出风受到较大的影响,所以在三维模型中根据所有湿度传感器的湿度值可以通过空间插值法计算得到所有存放物坐标处的湿度。
步骤S2,根据每个冷气口的坐标分别计算每个温度传感器或每个存放物的相对高度、冷气影响面积和最近相对距离;通过所述相对高度、所述冷气影响面积和所述最近距离构建成分矩阵,通过主成分分析法计算相对高度、冷气影响面积、最近相对距离的三个成分的特征向量,通过各个特征向量分别得到三个成分的向量长度;根据三个向量长度获得每个温度传感器的第一影响因子和每个存放物的第二影响因子。
在传统的空间插值算法中只考虑了采样位置和映射位置之间的距离,采样位置是指传感器的位置,映射位置是指存放物的位置,传统空间插值算法只会根据距离计算存放物的温度。而本发明实施例中的场景为冷库的内部,冷库为了保持低温,必然存在冷气输送口,距离冷气口越近的存放物或温度传感器的温度会越低。因此在计算冷库中各个存放物的温度时不能直接用温度传感器的温度通过空间插值法进行计算,需要考虑到冷库场景中冷气口对温度的影响。而且在冷库中通常存在至少两个冷气口,对于每个温度传感器或存放物的温度也会受到多个冷气口的影响,为了表达冷气口对温度传感器和存放物的影响程度,可以根据每个冷气口的坐标分别计算每个温度传感器或每个存放物的相对高度、冷气影响面积和最近相对距离,具体包括:
(1)计算相对高度,在三维模型中,令所有冷气口的坐标依次相连接,连接之后可以得到一个闭合的图形区域,例如,假设冷气口为四个,将四个冷气口坐标依次连接,即可得到一个四边形的平面区域,此平面可以称为冷气平面,分别计算每个温度传感器或每个目标存放物距离此冷气平面的垂直距离,此垂直距离为每个温度传感器或每个存放物的相对高度。相对高度越小,意味着温度传感器或存放物的温度受冷气口的影响越大。需要说明的是,若在某些场景中冷库可能仅存在两个冷气口,则相对高度为温度传感器或存放物到两冷气口坐标所连直线的垂直距离。
(2)计算冷气影响面积,在三维模型中,分别令每个温度传感器或每个存放物的坐标和任意两个冷气口的坐标依次连接,任意一个温度传感器或任意一个存放物的坐标都可以和任意两个冷气口的坐标连接构成多个闭合的三角形,选取三角形面积最大和三角形面积最小的数值进行相加,得到了任意一个温度传感器或任意一个存放物的冷气影响面积。至此,可以得到三维模型中每个温度传感器和每个存放物的冷气影响面积。冷气影响面积越小,意味着温度传感器或存放物到多个冷气口的距离越近,受到的温度影响越大。需要说明的是,若在某些场景中冷库可能仅存在两个冷气口,则冷气影响面积为温度传感器或存放物到两冷气口坐标所构成的三角面积。
(3)计算最近相对距离,在三维模型中,分别计算每个温度传感器或每个存放物的坐标到最近一个冷气口坐标的欧式距离,得到每个温度传感器或每个存放物的最近相对距离。最近相对距离越小,则意味着温度传感器或存放物的温度受冷气口的影响越大。
得到的相对高度、冷气影响面积和最近相对距离能够判断冷气口对不同位置的温度传感器或存放物受影响的温度的程度。为了能够得到温度传感器或存放物受冷气口影响的温度的程度,可以通过计算第一和第二影响因子,根据第一和第二影响因子的大小表示受影响的温度的程度,计算第一和第二影响因子的步骤包括:
(1)计算相对高度、冷气影响面积和最近相对距离的向量长度,将每个温度传感器或每个存放物的相对高度、冷气影响面积和最近相对距离构建成一个三维的成分矩阵,成分矩阵包括了每个温度传感器或每个存放物的相对高度、冷气影响面积和最近相对距离的数据。使用主成分分析法计算相对高度、冷气影响面积和最近相对距离的三个成分的特征向量,计算三个成分的特征向量的长度,主成分分析法是公知技术,通过求出协方差矩阵,得到协方差矩阵的特征值和特征向量,具体步骤本发明实施例不再赘述。三个成分中的某个成分的向量长度越长,意味着此成分相比另外两成分更能够代表冷气口的影响程度。
(2)计算第一和第二影响因子,首先将每个温度传感器和每个存放物的相对高度、冷气影响面积和最近相对距离的数值分别进行去量纲归一化使数值范围落在[0,1],得到了归一化后的相对高度、冷气影响面积和最近相对距离,表示不同的温度传感器。
公式中,表示第个温度传感器的第一影响因子,表示相对高度的向量长度,表示冷气影响面积的向量长度,表示最近相对距离的向量长度,三个向量长度之和称为第一分母,三个向量长度与第一分母的比值可以分别表示三个特征所表达的冷气口影响程度在最终计算影响因子中所占的权重;表示1减归一化后的第个温度传感器的相对高度,因为相对高度越高,意味着冷气口对温度的影响程度越低,所以相对高度和影响程度呈现负相关,同理和分别是1减归一化后的冷气影响面积和最近相对距离。需要说明的是,第二影响因子与第一影响因子的获取公式相同,将上述公式中的信息替换为存放物的信息即可获得对应存放物的第二影响因子。
步骤S3,获取每个存放物与所有温度传感器之间的第一距离;根据所有温度传感器的温度、对应的第一影响因子、温度传感器到目标存放物的第一距离和目标存放物的第二影响因子获取目标存放物的温度。
在三维模型中,计算每个温度传感器和每个存放物的坐标之间的欧式距离,得到温度传感器和存放物之间的第一距离。通过第一距离和第一、第二影响因子和所有温度传感器的温度计算目标存放物的温度,目标存放物的温度的获取公式具体包括:
公式中,表示目标存放物的温度,表示冷库内温度传感器的数量,表示第个温度传感器到目标存放物的第一距离,表示所有传感器到目标存放物的第一距离之和;为第个温度传感器的第一影响因子,表示目标存放物的第二影响因子,表示第个温度传感器的温度。
目标存放物温度获取公式中,与的比值可以表示在所有温度传感器的温度求和中第个温度传感器的温度数据在冷库中所有温度传感器所提供的数据占比。若,则表示目标存放物温度受冷气口的影响程度相对第个温度传感器更高,此时得到的目标存放物的温度应该相比第个温度传感器的温度低;若,意味着目标存放物温度受冷气口的影响程度相比第个温度传感器相等或更低,此时得到的目标存放物的温度应该相比第个温度传感器的温度相等或更高。与的比值和与的比值的乘积可以表示第个温度传感器的温度数据计算目标存放物温度过程中的权重系数。将每个温度传感器的温度与对应的影响因子比值和对应的第一距离在总第一距离中占比相乘并累加求和即可得到目标存放物较为精确的温度数值。
步骤S4,通过目标存放物的温度与湿度及存放时间得到目标存放物细菌量的变化模型,根据细菌量的变化模型中的数据变化对冷库进行风险监控。
对计算得到的目标存放物的温度、湿度和时间构建三维曲线,存放物放入冷库的时间初始值为零,以时间为x轴,温度和湿度分为y轴和z轴,构建一个目标存放物在冷库中随时间变化的温度湿度的三维曲线,根据该曲线可以得到目标存放物随着时间,温度和湿度的变化情况。通过预先得到的细菌在不同温度和湿度下的增长率,根据三维曲线得到目标存放物中的细菌在不同时刻下的增长率,在存放物放置冷库初始时刻时得到初始细菌数,之后根据细菌在每个时刻下的增长率得到每个时刻下的细菌数,由此可以得到随着时间的变化,目标存放物中细菌数量的变化。
通过得到冷库的三维模型,监控目标存放物的温度和湿度变化,从而准确地得到每个时刻的细菌数量,当细菌数量达到根据应用场景所设定的细菌数量阈值时,提醒人员将目标存放物拿出销毁,防止出现细菌扩散,增加传染的风险。需要说明的是,细菌数量阈值可根据实施人员所应用的场景自行设定。
综上所述,本发明实施例能够在冷库环境中,考虑到冷气口对周围温度影响的情况下通过计算相对高度、冷气影响面积和最近相对距离得到温度传感器或存放物的第一或第二影响因子,根据影响因子与第一距离可以准确地计算出不同存放物的温度,通过更为精确地监控目标存放物上的细菌量在不同温度湿度中随时间的变化情况,能够提高冷库细菌扩散风险监测的准确性。
本发明还提出了用于医疗废弃物冷库的风险监控装置,包括存放器、处理器以及存放在所述存放器中并可在所述处理器上运行的计算机程序,处理器执行计算机程序时实现任意一项用于医疗废弃物冷库风险监控方法的步骤。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.用于医疗废弃物冷库的风险监控方法,其特征在于,该方法包括以下步骤:
对冷库构建三维模型,在冷库内部分别放置至少两个温度和湿度传感器,获取所有传感器与存放物与冷气口在三维模型中的坐标;根据传感器得到的湿度数据通过空间插值获取冷库三维模型中各个存放物坐标处的湿度;
根据每个冷气口的坐标分别计算每个温度传感器或每个存放物的相对高度、冷气影响面积和最近相对距离;
通过所述相对高度、所述冷气影响面积和所述最近相对距离构建成分矩阵,通过主成分分析法计算相对高度、冷气影响面积、最近相对距离的三个成分的特征向量,通过各个特征向量分别得到三个成分的向量长度;根据三个向量长度获得每个温度传感器的第一影响因子和每个存放物的第二影响因子;
获取每个存放物与所有温度传感器之间的第一距离;根据所有温度传感器的温度、对应的第一影响因子、温度传感器到目标存放物的第一距离和目标存放物的第二影响因子获取目标存放物的温度;
通过目标存放物的温度与湿度及存放时间得到目标存放物细菌量的变化模型,根据细菌量的变化模型中的数据变化对冷库进行风险监控;
所述目标存放物温度的获取步骤包括:
公式中,表示目标存放物的温度,表示冷库内温度传感器的数量,表示第个温度传感器到目标存放物的第一距离,表示所有传感器到目标存放物的第一距离之和;为第个温度传感器的第一影响因子,表示目标存放物的第二影响因子,表示第个温度传感器的温度。
2.根据权利要求1所述的用于医疗废弃物冷库的风险监控方法,其特征在于,所述相对高度的获取步骤包括:
将三维模型中的所有冷气口坐标依次连接,构建成一个冷气平面,计算所有温度传感器或所有存放物距离此冷气平面的垂直距离,获得所述相对高度。
3.根据权利要求1所述的用于医疗废弃物冷库的风险监控方法,其特征在于,所述冷气影响面积的获取步骤包括:
分别计算在三维模型中每个温度传感器或每个存放物与任意两个冷气口相连构成的最大面积和最小面积,将所述最大面积和所述最小面积相加获得每个温度传感器或每个存放物的冷气影响面积。
4.根据权利要求1所述的用于医疗废弃物冷库的风险监控方法,其特征在于,所述第一和第二影响因子的获取步骤包括:
以相对高度、冷气影响面积和最近相对距离三个成分的向量长度的和作为第一分母,分别将三个向量长度与第一分母相比再乘以对应成分的数值后相加得到温度传感器的第一影响因子和存放物的第二影响因子。
5.根据权利要求1所述的用于医疗废弃物冷库的风险监控方法,其特征在于,所述第一距离的获取步骤包括:
计算存放物与温度传感器的坐标之间的欧式距离,获得第一距离。
6.用于医疗废弃物冷库的风险监控装置,包括存放器、处理器以及存放在所述存放器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-5任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211616559.8A CN115619946B (zh) | 2022-12-16 | 2022-12-16 | 用于医疗废弃物冷库的风险监控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211616559.8A CN115619946B (zh) | 2022-12-16 | 2022-12-16 | 用于医疗废弃物冷库的风险监控方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115619946A CN115619946A (zh) | 2023-01-17 |
CN115619946B true CN115619946B (zh) | 2023-04-18 |
Family
ID=84880122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211616559.8A Active CN115619946B (zh) | 2022-12-16 | 2022-12-16 | 用于医疗废弃物冷库的风险监控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115619946B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2889363A1 (en) * | 2013-12-27 | 2015-07-01 | Liepajas Universitate | Optimal anaerobic environment maintenance system for producing biogas |
CN107391789A (zh) * | 2017-06-12 | 2017-11-24 | 西安理工大学 | 基于自由液面温度测量值和特征函数插值的硅熔体温度场重构方法 |
WO2021044421A1 (en) * | 2019-09-03 | 2021-03-11 | Dov Berger | System and method for remotely detecting and alerting actual or impending stress in animals in corrals and during transportation |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
HUP1400188A2 (en) * | 2014-04-04 | 2015-10-28 | Pannon Cargo & Sped Trans Kft | Method and system to realize a temperature-controlled storage, transport, logistic technology |
CN105844360A (zh) * | 2016-03-29 | 2016-08-10 | 中国农业大学 | 农产品冷链储存运输精细控制建模及优化方法 |
CN108387262B (zh) * | 2018-01-03 | 2020-05-01 | 江苏大学 | 一种基于悬挂式滑轨平台的温室信息自动监测方法 |
AT524272A1 (de) * | 2020-10-14 | 2022-04-15 | Dieter Suess Dipl Ing Dr | Überwachung der Kerntemperatur von Produkten |
CN214409742U (zh) * | 2021-03-24 | 2021-10-15 | 河南道秾网络科技有限公司 | 一种数字化智能冷藏保鲜系统 |
CN114707924A (zh) * | 2022-03-16 | 2022-07-05 | 广西新农商供应链科技有限公司 | 智慧冷链信息管理方法及系统 |
-
2022
- 2022-12-16 CN CN202211616559.8A patent/CN115619946B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2889363A1 (en) * | 2013-12-27 | 2015-07-01 | Liepajas Universitate | Optimal anaerobic environment maintenance system for producing biogas |
CN107391789A (zh) * | 2017-06-12 | 2017-11-24 | 西安理工大学 | 基于自由液面温度测量值和特征函数插值的硅熔体温度场重构方法 |
WO2021044421A1 (en) * | 2019-09-03 | 2021-03-11 | Dov Berger | System and method for remotely detecting and alerting actual or impending stress in animals in corrals and during transportation |
Also Published As
Publication number | Publication date |
---|---|
CN115619946A (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Córdoba et al. | Protocol for multivariate homogeneous zone delineation in precision agriculture | |
CN106599368B (zh) | 基于改进粒子提议分布和自适应粒子重采样的FastSLAM方法 | |
US20220058884A1 (en) | Mapping sensor data using a mixed-reality cloud | |
WO2010098105A1 (ja) | 培養状態評価装置、培養状態評価方法、インキュベータおよびプログラム | |
CN108830271A (zh) | 一种基于卷积神经网络的数显仪表读数识别方法 | |
CN106570851B (zh) | 一种基于加权分配d-s证据理论的显著图融合方法 | |
CN109144988A (zh) | 一种异常数据的检测方法及装置 | |
CN115619946B (zh) | 用于医疗废弃物冷库的风险监控方法及装置 | |
EP3156477A1 (en) | Observation device, observation method, observation system, program thereof, and method for producing cells | |
CN116994999B (zh) | 一种超洁净环境的机械臂吸力调节方法及系统 | |
CN116108604A (zh) | 一种供水管网异常检测方法、系统、设备及存储介质 | |
Pertille et al. | An R package to quantify different chilling and heat models for temperate fruit trees | |
CN115640511A (zh) | 一种基于支持向量机的管道泄露检测方法及装置 | |
CN109005390B (zh) | 基于信号强度与视频的人员分布模型建立方法及系统 | |
CN110348520A (zh) | 一种基于气象数据预测仓储粮堆表层温度的方法和系统 | |
CN117036894B (zh) | 基于深度学习的多模态数据分类方法、装置及计算机设备 | |
CN112216399A (zh) | 一种基于bp神经网络的食源性疾病致病因子预测的方法和系统 | |
CN117113118A (zh) | 一种生物气溶胶用智能监测方法及系统 | |
CN111402235A (zh) | 菌落图像的生长记录方法、装置、电子设备及存储介质 | |
JP2021092831A (ja) | 判定装置、判定方法、判定プログラム、学習装置、学習方法、および、学習プログラム | |
CN112902844B (zh) | 一种基于激光跟踪的设备圆形端口建模方法 | |
JP2001331316A (ja) | 事例の類似性に基づいた推論方法 | |
CN111325741B (zh) | 基于深度图像信息处理的物品数量估算方法、系统及设备 | |
Gaazi et al. | Labview Virtual Instrument Based on Intelligent Management and Monitoring of Microclimate in Precision Pig Farming with Wireless Sensor Network. | |
CN117576324B (zh) | 基于数字孪生的城市三维空间模型构建方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |