CN115623164A - 基于云端监控的故障定位平台 - Google Patents
基于云端监控的故障定位平台 Download PDFInfo
- Publication number
- CN115623164A CN115623164A CN202211189891.0A CN202211189891A CN115623164A CN 115623164 A CN115623164 A CN 115623164A CN 202211189891 A CN202211189891 A CN 202211189891A CN 115623164 A CN115623164 A CN 115623164A
- Authority
- CN
- China
- Prior art keywords
- value
- iso
- shutter speed
- identification
- camera mechanism
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0677—Localisation of faults
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Studio Devices (AREA)
Abstract
本发明涉及一种基于云端监控的故障定位平台,包括:数据抓取器件,设置在云服务器端,用于抓取监控摄像机构当前采集的画面;信息分析器件,用于基于当前采集画面中各个像素点分别对应的各个多成分数值以及监控摄像机构使用的像素单元总数智能分析采集当前采集画面时的光圈数值、ISO数值以及快门速度数值;误差识别设备,用于判断记录光圈、ISO或者快门速度的传感器是否发生故障。通过本发明,通过在云端设计基于前馈神经网络的传感器故障解析机制,以基于实时采集的画面内容和监控摄像机构的有效像素单元总数智能解析实时采集的画面内容分别对应的各项摄像参数,从而实现对监控摄像机构本地传感器是否产生故障的智能判断。
Description
技术领域
本发明涉及云计算服务领域,尤其涉及一种基于云端监控的故障定位平台。
背景技术
较为简单的云计算技术已经普遍服务于现如今的互联网服务中,最为常见的就是网络搜索引擎和网络邮箱。搜索引擎大家最为熟悉的莫过于谷歌和百度了,在任何时刻,只要用过移动终端就可以在搜索引擎上搜索任何自己想要的资源,通过云端共享了数据资源。而网络邮箱也是如此,在过去,寄写一封邮件是一件比较麻烦的事情,同时也是很慢的过程,而在云计算技术和网络技术的推动下,电子邮箱成为了社会生活中的一部分,只要在网络环境下,就可以实现实时的邮件的寄发。其实,云计算技术已经融入现今的社会生活。
云计算因为其将本地运算移送到远端服务端同时实现运算的共享而广受各个应用领域的青睐,例如,可以用于视觉化监控领域。现有技术中,每一监控摄像机构在采集画面时会将其各个传感器记录的各个摄像参数,包括光圈、ISO以及快门速度,与采集的画面一并进行存储,以为后续的画面分析以及摄像策略选择提供关键数据,然而在实际使用中,传感器因为设计原因或者使用时长原因导致传感数据有误,无法真实反映相关的摄像环境,从而严重影响摄像用户的判断,无法在监控摄像机构端实现对不同环境不同采集需求的画面定制采集操作。
发明内容
为了解决上述技术问题,本发明提供了一种基于云端监控的故障定位平台,能够在云端设计基于前馈神经网络的针对性的传感器故障解析机制,以基于监控摄像机构实时采集的画面内容和监控摄像机构的有效像素单元总数智能解析监控摄像机构实时采集的画面内容分别对应的各项摄像参数,从而为监控摄像机构的本地传感器是否产生故障提供有价值的参考信息。
根据本发明的一方面,提供了一种基于云端监控的故障定位平台,所述平台包括:
数据抓取器件,设置在监控摄像机构网络连接的云服务器端,用于抓取所述监控摄像机构当前采集的画面以作为即时抓取画面;
内容转换器件,设置在所述云服务器端,与所述数据抓取器件连接,用于获取接收到的即时抓取画面中每一个像素点对应的多成分数值;
参数提取器件,设置在所述云服务器端且与所述监控摄像机构连接,用于获取所述监控摄像机构的图像传感器在采集所述即时抓取画面时处于工作状态的像素单元的总数以作为采集单元数量输出;
信息分析器件,设置在所述云服务器端且分别与所述内容转换器件以及所述参数提取器件连接,用于基于所述即时抓取画面中各个像素点分别对应的各个多成分数值以及所述采集单元数量智能分析采集所述即时抓取画面时所述监控摄像机构的光圈数值、ISO数值以及快门速度数值并分别作为鉴定光圈数值、鉴定ISO数值以及鉴定快门速度数值输出;
数值判断设备,设置在所述监控摄像机构内部,用于获取所述监控摄像机构采集所述即时抓取画面时所述监控摄像机构记录的采集光圈数值、采集ISO数值以及采集快门速度数值;
误差识别设备,设置在所述云服务器端且分别与所述数值判断设备以及所述信息分析器件连接,用于在鉴定光圈数值与采集光圈数值的误差超限、鉴定ISO数值与采集ISO数值的误差超限或者鉴定快门速度数值与采集快门速度数值的误差超限时,判断所述监控摄像机构执行采集光圈数值、采集ISO数值或者采集快门速度数值记录的传感器故障并发出传感故障信号。
本发明至少具备以下几处显著的技术效果:
首先,在云端设计针对性的传感器故障解析机制,用于对每一个网络连接的监控摄像机构的光圈、ISO以及快门速度记录的传感器故障执行智能化解析操作;
其次,具体的智能化解析中,将监控摄像机构采集到的即时抓取画面中各个像素点分别对应的各个多成分数值以及监控摄像机构采集即时抓取画面实际使用的有效像素单元数量作为智能化解析模型的输入数据以获得监控摄像机构的光圈数值、ISO数值以及快门速度数值,从而为监控摄像机构的传感器故障的鉴定提供可靠参数数据。
通过本发明,通过在云端设计基于前馈神经网络的传感器故障解析机制,以基于实时采集的画面内容和监控摄像机构的有效像素单元总数智能解析实时采集的画面内容分别对应的各项摄像参数,从而实现对监控摄像机构本地传感器是否产生故障的智能判断。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明各个实施方案示出的基于云端监控的故障定位平台所使用的前馈神经网络的结构拓扑示意图。
图2为根据本发明实施方案A示出的基于云端监控的故障定位平台的结构示意图。
图3为根据本发明实施方案B示出的基于云端监控的故障定位平台的结构示意图。
具体实施方式
下面将参照附图对本发明的基于云端监控的故障定位平台的实施方案进行详细说明。
实施例1
图1为根据本发明各个实施方案示出的基于云端监控的故障定位平台所使用的前馈神经网络的结构拓扑示意图。
如图1所示,所述前馈神经网络包括多个输入X1、X2、X3和X4以及多个输出Y1、Y2和Y3,所述前馈神经网络包括输入层、隐藏层和输出层。
在图1中,所述前馈神经网络的多个输入为即时抓取画面中各个像素点分别对应的各个多成分数值以及采集单元数量,所述前馈神经网络的多个输出为采集即时抓取画面时监控摄像机构的光圈数值、ISO数值以及快门速度数值。
实施例2
图2为根据本发明实施方案A示出的基于云端监控的故障定位平台的结构示意图,其中,N为大于1的自然数,所述平台包括:
数据抓取器件,设置在监控摄像机构网络连接的云服务器端,用于抓取所述监控摄像机构当前采集的画面以作为即时抓取画面;
内容转换器件,设置在所述云服务器端,与所述数据抓取器件连接,用于获取接收到的即时抓取画面中每一个像素点对应的多成分数值;
参数提取器件,设置在所述云服务器端且与所述监控摄像机构连接,用于获取所述监控摄像机构的图像传感器在采集所述即时抓取画面时处于工作状态的像素单元的总数以作为采集单元数量输出;
信息分析器件,设置在所述云服务器端且分别与所述内容转换器件以及所述参数提取器件连接,用于基于所述即时抓取画面中各个像素点分别对应的各个多成分数值以及所述采集单元数量智能分析采集所述即时抓取画面时所述监控摄像机构的光圈数值、ISO数值以及快门速度数值并分别作为鉴定光圈数值、鉴定ISO数值以及鉴定快门速度数值输出;
数值判断设备,设置在所述监控摄像机构内部,用于获取所述监控摄像机构采集所述即时抓取画面时所述监控摄像机构记录的采集光圈数值、采集ISO数值以及采集快门速度数值;
误差识别设备,设置在所述云服务器端且分别与所述数值判断设备以及所述信息分析器件连接,用于在鉴定光圈数值与采集光圈数值的误差超限、鉴定ISO数值与采集ISO数值的误差超限或者鉴定快门速度数值与采集快门速度数值的误差超限时,判断所述监控摄像机构执行采集光圈数值、采集ISO数值或者采集快门速度数值记录的传感器故障并发出传感故障信号;
其中,抓取所述监控摄像机构当前采集的画面以作为即时抓取画面包括:所述监控摄像机构包括分辨率调整单元、成像镜头、光学镜片组件以及光电传感组件;
以及判断所述监控摄像机构执行采集光圈数值、采集ISO数值或者采集快门速度数值记录的传感器故障并发出传感故障信号包括:采用设定频率的发光动作执行传感故障信号的发出。
实施例3
图3为根据本发明实施方案B示出的基于云端监控的故障定位平台的结构示意图。
与图2中的实施方案A不同,实施方案B中的基于云端监控的故障定位平台还可以包括:
触摸显示设备,设置在所述监控摄像机构的前面屏,与所述误差识别设备连接,用于接收并实时显示与传感故障信号或传感无误信号相关的提醒文字信息;
其中,获取接收到的即时抓取画面中每一个像素点对应的多成分数值包括:每一个像素点对应的多成分数值包括所述像素点在HSV空间下对应的色相成分数值、亮度成分数值和饱和度成分数值;
其中,获取所述监控摄像机构采集所述即时抓取画面时所述监控摄像机构记录的采集光圈数值、采集ISO数值以及采集快门速度数值包括:获取所述监控摄像机构采集所述即时抓取画面时所述监控摄像机构各个传感器分别记录的采集光圈数值、采集ISO数值以及采集快门速度数值。
接着,继续对本发明的基于云端监控的故障定位平台的具体结构进行进一步的说明。
在根据本发明各个实施方案的基于云端监控的故障定位平台中:
所述误差识别设备还用于在鉴定光圈数值与采集光圈数值的误差未超限、鉴定ISO数值与采集ISO数值的误差未超限以及鉴定快门速度数值与采集快门速度数值的误差未超限时,判断所述监控摄像机构执行采集光圈数值、采集ISO数值以及采集快门速度数值记录的各个传感器都未发生故障并发出传感无误信号;
其中,在鉴定光圈数值与采集光圈数值的误差超限、鉴定ISO数值与采集ISO数值的误差超限或者鉴定快门速度数值与采集快门速度数值的误差超限时,判断所述监控摄像机构执行采集光圈数值、采集ISO数值或者采集快门速度数值记录的传感器故障并发出传感故障信号包括:在鉴定光圈数值与采集光圈数值的误差超限时,判断所述监控摄像机构执行采集光圈数值的传感器故障并发出传感故障信号;
其中,在鉴定光圈数值与采集光圈数值的误差超限、鉴定ISO数值与采集ISO数值的误差超限或者鉴定快门速度数值与采集快门速度数值的误差超限时,判断所述监控摄像机构执行采集光圈数值、采集ISO数值或者采集快门速度数值记录的传感器故障并发出传感故障信号包括:在鉴定ISO数值与采集ISO数值的误差超限时,判断所述监控摄像机构执行采集ISO数值的传感器故障并发出传感故障信号。
在根据本发明各个实施方案的基于云端监控的故障定位平台中:
基于所述即时抓取画面中各个像素点分别对应的各个多成分数值以及所述采集单元数量智能分析采集所述即时抓取画面时所述监控摄像机构的光圈数值、ISO数值以及快门速度数值并分别作为鉴定光圈数值、鉴定ISO数值以及鉴定快门速度数值输出包括:将所述即时抓取画面中各个像素点分别对应的各个多成分数值以及所述采集单元数量作为前馈神经网络的两项输入数据以运行所述前馈神经网络并获得鉴定光圈数值、鉴定ISO数值以及鉴定快门速度数值;
其中,将所述即时抓取画面中各个像素点分别对应的各个多成分数值以及所述采集单元数量作为前馈神经网络的两项输入数据以运行所述前馈神经网络并获得鉴定光圈数值、鉴定ISO数值以及鉴定快门速度数值包括:将所述即时抓取画面中各个像素点分别对应的各个多成分数值以及所述采集单元数量分别执行归一化处理后输入到所述前馈神经网络;
其中,将所述即时抓取画面中各个像素点分别对应的各个多成分数值以及所述采集单元数量作为前馈神经网络的两项输入数据以运行所述前馈神经网络并获得鉴定光圈数值、鉴定ISO数值以及鉴定快门速度数值还包括:获得的鉴定光圈数值、鉴定ISO数值以及鉴定快门速度数值都为十六进制的数值表示模式;
其中,将所述即时抓取画面中各个像素点分别对应的各个多成分数值以及所述采集单元数量分别执行归一化处理后输入到所述前馈神经网络包括:所述即时抓取画面中各个像素点分别对应的各个多成分数值以及所述采集单元数量分别执行十六进制编码处理后输入到所述前馈神经网络。
另外,在所述基于云端监控的故障定位平台中,在鉴定光圈数值与采集光圈数值的误差超限、鉴定ISO数值与采集ISO数值的误差超限或者鉴定快门速度数值与采集快门速度数值的误差超限时,判断所述监控摄像机构执行采集光圈数值、采集ISO数值或者采集快门速度数值记录的传感器故障并发出传感故障信号包括:在鉴定快门速度数值与采集快门速度数值的误差超限时,判断所述监控摄像机构执行采集快门速度数值的传感器故障并发出传感故障信号。
采用本发明的基于云端监控的故障定位平台,针对现有技术中缺乏每一监控摄像机构各类传感器是否发生故障的实时判断机制的技术问题,通过在云端设计基于前馈神经网络的传感器故障解析机制,以基于实时采集的画面内容和监控摄像机构的有效像素单元总数智能解析实时采集的画面内容分别对应的各项摄像参数,从而实现对监控摄像机构本地传感器是否产生故障的智能判断。
此外,本发明的实施方式并不限于上述的实施方式,在不脱离本发明的要旨的范围内可进行各种变更。
Claims (9)
1.一种基于云端监控的故障定位平台,其特征在于,所述平台包括:
数据抓取器件,设置在监控摄像机构网络连接的云服务器端,用于抓取所述监控摄像机构当前采集的画面以作为即时抓取画面;
内容转换器件,设置在所述云服务器端,与所述数据抓取器件连接,用于获取接收到的即时抓取画面中每一个像素点对应的多成分数值;
参数提取器件,设置在所述云服务器端且与所述监控摄像机构连接,用于获取所述监控摄像机构的图像传感器在采集所述即时抓取画面时处于工作状态的像素单元的总数以作为采集单元数量输出;
信息分析器件,设置在所述云服务器端且分别与所述内容转换器件以及所述参数提取器件连接,用于基于所述即时抓取画面中各个像素点分别对应的各个多成分数值以及所述采集单元数量智能分析采集所述即时抓取画面时所述监控摄像机构的光圈数值、ISO数值以及快门速度数值并分别作为鉴定光圈数值、鉴定ISO数值以及鉴定快门速度数值输出;
数值判断设备,设置在所述监控摄像机构内部,用于获取所述监控摄像机构采集所述即时抓取画面时所述监控摄像机构记录的采集光圈数值、采集ISO数值以及采集快门速度数值;
误差识别设备,设置在所述云服务器端且分别与所述数值判断设备以及所述信息分析器件连接,用于在鉴定光圈数值与采集光圈数值的误差超限、鉴定ISO数值与采集ISO数值的误差超限或者鉴定快门速度数值与采集快门速度数值的误差超限时,判断所述监控摄像机构执行采集光圈数值、采集ISO数值或者采集快门速度数值记录的传感器故障并发出传感故障信号。
2.如权利要求1所述的基于云端监控的故障定位平台,其特征在于,所述平台还包括:
触摸显示设备,设置在所述监控摄像机构的前面屏,与所述误差识别设备连接,用于接收并实时显示与传感故障信号或传感无误信号相关的提醒文字信息;
其中,获取接收到的即时抓取画面中每一个像素点对应的多成分数值包括:每一个像素点对应的多成分数值包括所述像素点在HSV空间下对应的色相成分数值、亮度成分数值和饱和度成分数值;
其中,获取所述监控摄像机构采集所述即时抓取画面时所述监控摄像机构记录的采集光圈数值、采集ISO数值以及采集快门速度数值包括:获取所述监控摄像机构采集所述即时抓取画面时所述监控摄像机构各个传感器分别记录的采集光圈数值、采集ISO数值以及采集快门速度数值。
3.如权利要求1-2任一所述的基于云端监控的故障定位平台,其特征在于:
所述误差识别设备还用于在鉴定光圈数值与采集光圈数值的误差未超限、鉴定ISO数值与采集ISO数值的误差未超限以及鉴定快门速度数值与采集快门速度数值的误差未超限时,判断所述监控摄像机构执行采集光圈数值、采集ISO数值以及采集快门速度数值记录的各个传感器都未发生故障并发出传感无误信号。
4.如权利要求3所述的基于云端监控的故障定位平台,其特征在于:
在鉴定光圈数值与采集光圈数值的误差超限、鉴定ISO数值与采集ISO数值的误差超限或者鉴定快门速度数值与采集快门速度数值的误差超限时,判断所述监控摄像机构执行采集光圈数值、采集ISO数值或者采集快门速度数值记录的传感器故障并发出传感故障信号包括:在鉴定光圈数值与采集光圈数值的误差超限时,判断所述监控摄像机构执行采集光圈数值的传感器故障并发出传感故障信号。
5.如权利要求4所述的基于云端监控的故障定位平台,其特征在于:
在鉴定光圈数值与采集光圈数值的误差超限、鉴定ISO数值与采集ISO数值的误差超限或者鉴定快门速度数值与采集快门速度数值的误差超限时,判断所述监控摄像机构执行采集光圈数值、采集ISO数值或者采集快门速度数值记录的传感器故障并发出传感故障信号包括:在鉴定ISO数值与采集ISO数值的误差超限时,判断所述监控摄像机构执行采集ISO数值的传感器故障并发出传感故障信号。
6.如权利要求1-2任一所述的基于云端监控的故障定位平台,其特征在于:
基于所述即时抓取画面中各个像素点分别对应的各个多成分数值以及所述采集单元数量智能分析采集所述即时抓取画面时所述监控摄像机构的光圈数值、ISO数值以及快门速度数值并分别作为鉴定光圈数值、鉴定ISO数值以及鉴定快门速度数值输出包括:将所述即时抓取画面中各个像素点分别对应的各个多成分数值以及所述采集单元数量作为前馈神经网络的两项输入数据以运行所述前馈神经网络并获得鉴定光圈数值、鉴定ISO数值以及鉴定快门速度数值。
7.如权利要求6所述的基于云端监控的故障定位平台,其特征在于:
将所述即时抓取画面中各个像素点分别对应的各个多成分数值以及所述采集单元数量作为前馈神经网络的两项输入数据以运行所述前馈神经网络并获得鉴定光圈数值、鉴定ISO数值以及鉴定快门速度数值包括:将所述即时抓取画面中各个像素点分别对应的各个多成分数值以及所述采集单元数量分别执行归一化处理后输入到所述前馈神经网络。
8.如权利要求7所述的基于云端监控的故障定位平台,其特征在于:
将所述即时抓取画面中各个像素点分别对应的各个多成分数值以及所述采集单元数量作为前馈神经网络的两项输入数据以运行所述前馈神经网络并获得鉴定光圈数值、鉴定ISO数值以及鉴定快门速度数值还包括:获得的鉴定光圈数值、鉴定ISO数值以及鉴定快门速度数值都为十六进制的数值表示模式。
9.如权利要求8所述的基于云端监控的故障定位平台,其特征在于:
将所述即时抓取画面中各个像素点分别对应的各个多成分数值以及所述采集单元数量分别执行归一化处理后输入到所述前馈神经网络包括:所述即时抓取画面中各个像素点分别对应的各个多成分数值以及所述采集单元数量分别执行十六进制编码处理后输入到所述前馈神经网络。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211189891.0A CN115623164A (zh) | 2022-09-28 | 2022-09-28 | 基于云端监控的故障定位平台 |
PCT/CN2023/070625 WO2024066129A1 (zh) | 2022-09-28 | 2023-01-05 | 基于脸部特征分析的故障定位平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211189891.0A CN115623164A (zh) | 2022-09-28 | 2022-09-28 | 基于云端监控的故障定位平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115623164A true CN115623164A (zh) | 2023-01-17 |
Family
ID=84860079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211189891.0A Pending CN115623164A (zh) | 2022-09-28 | 2022-09-28 | 基于云端监控的故障定位平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115623164A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116245962A (zh) * | 2023-03-16 | 2023-06-09 | 祝晓鹏 | 用于无线传输到区块链服务器的数据提取系统及方法 |
-
2022
- 2022-09-28 CN CN202211189891.0A patent/CN115623164A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116245962A (zh) * | 2023-03-16 | 2023-06-09 | 祝晓鹏 | 用于无线传输到区块链服务器的数据提取系统及方法 |
CN116245962B (zh) * | 2023-03-16 | 2023-12-22 | 新疆量子通信技术有限公司 | 用于无线传输到区块链服务器的数据提取系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109299703B (zh) | 对鼠情进行统计的方法、装置以及图像采集设备 | |
CN110619620B (zh) | 导致表面缺陷的异常定位方法、装置、系统及电子设备 | |
US9141184B2 (en) | Person detection system | |
CN101489116B (zh) | 影像网络系统以及影像数据管理方法 | |
WO2016171341A1 (ko) | 클라우드 기반 병리 분석 시스템 및 방법 | |
CN106781168A (zh) | 监视系统 | |
CN112446395B (zh) | 网络摄像机、视频监控系统及方法 | |
CN109544501A (zh) | 一种基于无人机多源图像特征匹配的输电设备缺陷检测方法 | |
CN115623164A (zh) | 基于云端监控的故障定位平台 | |
CN112348003A (zh) | 基于深度卷积神经网络的飞机加油场景识别方法及系统 | |
Ko et al. | Heartbeat of a nest: Using imagers as biological sensors | |
CN111830039B (zh) | 一种智能化的产品质量检测方法及装置 | |
CN111753743B (zh) | 一种基于网闸的人脸识别方法及系统 | |
CN113903098A (zh) | 一种电力设备的巡检方法、系统和红外巡检终端 | |
CN109284740A (zh) | 对鼠情进行统计的方法、装置、设备以及存储介质 | |
CN115695541A (zh) | 基于边缘计算的网点巡检监测方法、装置、设备及存储介质 | |
CN106504242A (zh) | 目标检测方法及系统 | |
CN103020635B (zh) | 回转窑内烧结带温度检测方法和系统 | |
CN114494916A (zh) | 一种基于YOLO和DeepSORT的黑颈鹤监测追踪方法 | |
CN114691723A (zh) | 工业数据处理方法、装置、设备及介质 | |
CN110392235A (zh) | 一种基于人工智能的视频监控处理系统 | |
CN110505438B (zh) | 一种排队数据的获取方法和摄像机 | |
CN108268903A (zh) | 物品管理方法、装置、可读存储介质及控制终端 | |
EP4322052A1 (en) | Person category attribute-based remote care method and device, and readable storage medium | |
CN111047731A (zh) | 一种基于ar技术的电信机房巡检方法及系统 |
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 |