CN115660495A - 一种养老公共服务设施综合评估系统 - Google Patents
一种养老公共服务设施综合评估系统 Download PDFInfo
- Publication number
- CN115660495A CN115660495A CN202211370164.4A CN202211370164A CN115660495A CN 115660495 A CN115660495 A CN 115660495A CN 202211370164 A CN202211370164 A CN 202211370164A CN 115660495 A CN115660495 A CN 115660495A
- Authority
- CN
- China
- Prior art keywords
- public service
- endowment
- image
- evaluation
- service facilities
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明属于评估领域,公开了一种养老公共服务设施综合评估系统,包括输入模块、确认模块和评估模块;输入模块用于工作人员输入养老公共服务设施的类别和评估范围;确认模块包括获取单元和确认单元;获取单元用于获取符合所述类别的养老公共服务设施的地址;确认单元用于通过无人机获取所述地址所对应的养老公共服务设施的状态图像,并基于状态图像确认养老公共服务设施是否正常运作;评估模块用于根据正常运作的养老公共服务设施对养老公共服务设施的分布的合理性进行评估,获得评估结果。本发明适用于城市规划中对现有的养老公共服务设施的进行评估的过程。本发明有效地提高了确认的效率,进而提高对对养老公共服务设施进行综合评估的效率。
Description
技术领域
本发明涉及评估领域,尤其涉及一种养老公共服务设施综合评估系统。
背景技术
为老年人提供居住服务、日常照料、医疗护理、文化教育、娱乐休闲等方面专项或综合服务的机构、建筑与场所一般称为养老公共服务设施。为了对养老公共服务设施的分布的合理性进行评估,一般需要先从地图上获取养老公共服务设施的位置,然后根据养老公共服务设施的位置、覆盖范围、是否正常运行等信息来对分布的合理性进行评估。
由于地图的信息可能不会及时更新,这就导致部分养老公共服务设施即使已经关闭了,但是仍然在地图上显示,因此需要对这部分的养老公共服务设施是否正常运作进行确认,除去已经关闭的养老公共服务设施。在确认养老公共服务设施是否正常运作时,现有技术中,一般是通过派人去到相应的位置确认养老公共服务设施是否正常运作,显然,这样的确认方式需要大量的人力来进行确认,而且确认速度还比较慢,降低了对养老公共服务设施的分布的合理性进行评估的效率。
发明内容
本发明的目的在于公开一种养老公共服务设施综合评估系统,解决现有技术中,对养老公共服务设施是否正常运作进行确认时,采用人工确认的方式导致的确认速度慢,影响对养老公共服务设施的分布的合理性进行评估的效率的问题。
为了达到上述目的,本发明采用如下技术方案:
一种养老公共服务设施综合评估系统,包括输入模块、确认模块和评估模块;
输入模块用于工作人员输入养老公共服务设施的类别和评估范围;
确认模块包括获取单元和确认单元;
获取单元用于获取符合所述类别的养老公共服务设施的地址;
确认单元用于通过无人机获取所述地址所对应的养老公共服务设施的状态图像,并基于状态图像确认养老公共服务设施是否正常运作;
评估模块用于根据正常运作的养老公共服务设施对养老公共服务设施的分布的合理性进行评估,获得评估结果。
作为优选,所述养老公共服务设施的类别包括日间照料中心、长者饭堂、养老机构和居家养老综合服务平台。
作为优选,所述获取符合所述类别的养老公共服务设施的地址,包括:
将所述类别作为关键词输入到地图网站中获得在所述评估范围内的符合所述类别的养老公共服务设施的地址。
作为优选,所述确认单元包括无人机和终端设备;
无人机用于获取所述地址所对应的养老公共服务设施的状态图像,并将状态图像发送至终端设备;
终端设备用于对状态图像进行图像识别处理,确认养老公共服务设施是否正常运作。
作为优选,所述对状态图像进行图像识别处理,确认养老公共服务设施是否正常运作,包括:
对状态图像进行预处理,获得预处理图像;
将预处理图像输入到图像识别模型中进行处理,判断预处理图像中是否有预设类型的物体,若是,则表示养老公共服务设施正常运作,若否,则表示养老公共服务设施没有正常运作。
作为优选,所述对状态图像进行预处理,获得预处理图像,包括:
对状态图像进行光照优化处理,获得光照优化图像;
对光照优化图像进行降噪处理,获得降噪图像;
对降噪图像进行图像分割处理,获得预处理图像。
作为优选,所述图像识别模型包括卷积神经网络。
作为优选,所述评估模块包括计算单元、存储单元和评估单元;
计算单元用于计算所述评估范围的占地面积;
存储单元用于存储每种类别的养老公共服务设施的覆盖半径、评估范围的占地面积、正常运作的养老公共服务设施的列表和每种类别的养老公共服务设施的满意度;
计算单元还用于计算每种类型的养老公共服务设施的覆盖率和综合评估得分;
评估单元用于根据综合评估得分对各种类型的养老公共服务设施进行排序,获得评估结果。
作为优选,所述养老公共服务设施的覆盖率通过如下方式计算:
对于第i种类别的养老公共服务设施,其覆盖率cvrgi采用如下公式计算:
式中,numi表示的第i种类别的养老公共服务设施中,正常运作的养老公共服务设施的数量,i∈[1,N],N表示养老公共服务设施类别的总数,Ri表示第i种类别的养老公共服务设施的覆盖半径,tlarea表示评估范围的占地面积,dcareai表示第i种类别的养老公共服务设施的重复计算面积。
作为优选,所述综合评估得分采用如下方式计算:
式中,comassscri表示第i种类别的养老公共服务设施的综合评估得分,cvrgi表示第i种类别的养老公共服务设施的覆盖率,cvrst表示预设的覆盖率最大值,stifi表示第i种类别的养老公共服务设施的满意度,tifst表示预设的满意度最大值,δ表示比例参数,δ∈(0,1)。
本发明在对养老公共服务设施进行综合评估的过程中,在对养老公共服务设施是否正常运行进行确认时,采用的是通过无人机来获取状态图像的方式来进行判断,从而有效地提高了确认的效率,进而提高对对养老公共服务设施进行综合评估的效率。本发明适用于城市规划中对现有的养老公共服务设施的进行评估的过程。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明一种养老公共服务设施综合评估系统的一种实施例图。
图2为本发明获取预处理图像的一种实施例图。
具体实施方式
下面详细描述本发明的实施例,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元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
如图1所示的一种实施例,本发明提供了一种养老公共服务设施综合评估系统,包括输入模块、确认模块和评估模块;
输入模块用于工作人员输入养老公共服务设施的类别和评估范围;
确认模块包括获取单元和确认单元;
获取单元用于获取符合所述类别的养老公共服务设施的地址;
确认单元用于通过无人机获取所述地址所对应的养老公共服务设施的状态图像,并基于状态图像确认养老公共服务设施是否正常运作;
评估模块用于根据正常运作的养老公共服务设施对养老公共服务设施的分布的合理性进行评估,获得评估结果。
本发明在对养老公共服务设施进行综合评估的过程中,在对养老公共服务设施是否正常运行进行确认时,采用的是通过无人机来获取状态图像的方式来进行判断,从而有效地提高了确认的效率,进而提高对对养老公共服务设施进行综合评估的效率。本发明适用于城市规划中对现有的养老公共服务设施的进行评估的过程。
作为优选,所述评估范围可以包括区、镇、市等行政区域。
作为优选,所述养老公共服务设施的类别包括日间照料中心、长者饭堂、养老机构和居家养老综合服务平台。
作为优选,所述获取符合所述类别的养老公共服务设施的地址,包括:
将所述类别作为关键词输入到地图网站中获得在所述评估范围内的符合所述类别的养老公共服务设施的地址。
作为优选,所述确认单元包括无人机和终端设备;
无人机用于获取所述地址所对应的养老公共服务设施的状态图像,并将状态图像发送至终端设备;
终端设备用于对状态图像进行图像识别处理,确认养老公共服务设施是否正常运作。
具体的,状态图像的获取位置可以为相应的养老公共服务设施的出入口,通过判断判断是否有人员出入来判断是否正常运行;而对于处于室外的养老公共服务设施,比如,以文化活动中心这个类别中的老人健身公园为例,状态图像的获取位置可以是获取公园中的健身设施区域。
作为优选,所述对状态图像进行图像识别处理,确认养老公共服务设施是否正常运作,包括:
对状态图像进行预处理,获得预处理图像;
将预处理图像输入到图像识别模型中进行处理,判断预处理图像中是否有预设类型的物体,若是,则表示养老公共服务设施正常运作,若否,则表示养老公共服务设施没有正常运作。
具体的,以老人健身公园为例,当检测到健身设施区域存在老人时,则表示该养老公共服务设施正常运作。
作为优选,如图2所示,所述对状态图像进行预处理,获得预处理图像,包括:
对状态图像进行光照优化处理,获得光照优化图像;
对光照优化图像进行降噪处理,获得降噪图像;
对降噪图像进行图像分割处理,获得预处理图像。
图像中的光照分布情况对后续的图像识别会产生比较大的影响,例如,当一个检测目标刚好处于明亮和黑暗的交汇处,如果不对检测目标所在的图像区域进行光照优化处理,均匀这部分的像素点的像素值,则很容易使得检测目标没有被正确进行识别,从而获得错误的图像识别结果。
作为优选,所述对状态图像进行光照优化处理,获得光照优化图像,包括:
获取状态图像对应的中介图像;
对中介图像进行细节修复处理,获得修复图像;
基于修复图像获取光照优化图像。
本发明在进行光照优化处理时,并不仅仅是在RGB颜色空间中进行,而是,先在Lab颜色空间中获取中介图像,然后对中介图像进行细节修复,获得修复图像,接着将修复图像转换回到RGB颜色空间,最后在RGB颜色空间中基于retinex理论进行最后的优化处理步骤。在获取修复图像时,由于并不是在RGB颜色空间中进行,因此本发明仅需要对一种颜色通道进行计算,从而有效地提高了光照优化处理的效率。
作为优选,所述获取状态图像对应的中介图像,包括:
将状态图像转换到Lab颜色空间;
在Lab颜色空间中获取状态图像对应的亮度分量的图像imgfcum;
使用如下公式获取中介图像:
其中,itrimg表示中介图像,itrimg(x,y)表示imgfcum中坐标为(x,y)的像素点在itrimg中对应的像素点的像素值,U(x,y)表示在imgfcum中,以坐标为(x,y)的像素点为圆心,自适应半径为T(x,y)的范围的判断像素点的集合;imgfcumd表示U(x,y)中的像素点d的像素值,mas表示取最大值,
其中,自适应半径通过如下方式获取:
若坐标为(x,y)的像素点不属于边缘像素点,则T(x,y)=maR,若坐标为(x,y)的像素点属于边缘像素点,则maR表示预设的自适应半径的最大值,imgfcum(x,y)表示坐标为(x,y)的像素点的像素值,mxval表示imgfcum中的像素点的像素值的最大值。
中介图像利用了相邻像素点的像素值相近的特征来获取,从而将中介图像的获取过程从常规的估计过程转换到像素点最大值的获取过程,从而有效地降低了获取中介图像所需要的时间。提高了本发明的处理效率。而在获取最大值的过程中,本发明引入了自适应半径的概念,对于非边缘像素点,其对应的自适应半径为固定值,而对于边缘像素点,则自适应半径随着像素值的增大而增大,因为像素值越大,对周围的像素点的影响也越大。自适应半径能够提高获得的中介图像的准确性,使得中介图像中的像素点能够准确反映状态图像中的像素值的分布情况。
作为优选,所述对中介图像进行细节修复处理,获得修复图像,包括:
使用如下公式对中介图像进行第一次细节修复处理:
式中,optitrimg表示第一次细节修复处理获得的图像,optitrimg(h)表示中介图像中的像素点h在进行第一次细节修复处理后的像素值,Φ表示比例参数,dowflit(itrimg(h))表示对itrimg中的像素点h进行边界突出处理后,像素点h的像素值,imgfcum(h)表示itrimg中的像素点h在imgfcum中对应的像素点的像素值,imgfcum(std)表示imgfcum中像素值最大的像素点std的像素值,itrimg(std)表示std在itrimg中对应的像素点的像素值;
使用自适应修复算法对optitrimg进行第二次细节修复处理,获得修复图像。
本发明在进行修复处理时,采用的是两次修复的方式,第一次修复处理能够提高中介图像中的边界细节信息,但是在提高边界细节的过程中,会导致部分区域产生虚假细节,因此,本发明通过第二次的细节修复处理来去除这些虚假细节,从而获得准确的修复图像。
具体的,在第一次修复处理时,本发明除了考虑边界突出处理之外,还考虑了亮度分量图像中的细节特征,通过公式的右边部分,将亮度分量图像中的细节特征投射到中介图像中,从而综合提高了修复图像中的细节信息的含量,有利于提高光照优化图像中的细节信息的含量。
作为优选,所述对itrimg中的像素点h进行边界突出处理,包括:
使用如下公式对像素点h进行边界突出处理:
其中,U(h)表示以像素点h为中心,(2D+1)×(2D+1)大小的窗口内的像素点的集合,D表示窗口大小控制参数,itrimg(h)和itrimg(j)分别表示像素点h和j的梯度幅值,dislmg(h,j)表示像素点h和j之间的距离,ηval表示U(h)中的像素点与像素点h之间的梯度幅值的差的标准差,表示U(h)中的像素点与像素点h之间的距离的标准差。
边界突出处理的过程中,实现了对状态图像的获取过程中产生的干扰信息的去除。对像素点的处理从梯度幅值和距离两方面进行加权考虑,使得去除干扰信息的同时,避免了细节信息也被去除。
作为优选,使用自适应修复算法对optitrimg进行第二次细节修复处理,获得修复图像,包括:
建立修复模型:
对修复模型进行求解,获取使得Q(twitrimg(h))最小时,twitrimg(h)的取值,从而获得修复图像twitrimg。
第二次细节修复处理的过程中,本发明建立了修复模型,模型的左边部分用于保留细节信息,右边部分用于去除虚假细节。从而使得修复图像能够准确地表示状态图像中的光照分布情况,有利于提高后续基于retinex理论进行光照优化处理的准确性。
作为优选,所述基于修复图像获取光照优化图像,包括:
将修复图像转换到RGB颜色空间,获得图像δ;
采用如下公式获取光照优化图像optl:
Log(optl)=Log(itimg)-Log(δ)
其中,itimg表示状态图像。
作为优选,所述对光照优化图像进行降噪处理,获得降噪图像,包括:
使用小波降噪算法对光照优化图像进行降噪处理,获得降噪图像。
具体的,进行降噪处理能够有效降低噪声像素点对图像识别的准确率的影响,因为噪声像素点会影响在图像识别过程中获得的图像特征。
作为优选,所述对降噪图像进行图像分割处理,获得预处理图像,包括:
使用图像分割算法获取降噪图像中的前景区域,将前景区域作为预处理图像。
具体的,图像分割之后,与检测目标无关的背景部分被去掉,而只剩下前景部分,使得进入到图像识别环节的像素点的数量大幅度减少,能够提高图像识别的速度。
作为优选,所述图像识别模型包括卷积神经网络。
作为优选,所述评估模块包括计算单元、存储单元和评估单元;
计算单元用于计算所述评估范围的占地面积;
存储单元用于存储每种类别的养老公共服务设施的覆盖半径、评估范围的占地面积、正常运作的养老公共服务设施的列表和每种类别的养老公共服务设施的满意度;
计算单元还用于计算每种类型的养老公共服务设施的覆盖率和综合评估得分;
评估单元用于根据综合评估得分对各种类型的养老公共服务设施进行排序,获得评估结果。
作为优选,所述养老公共服务设施的覆盖率通过如下方式计算:
对于第i种类别的养老公共服务设施,其覆盖率cvrgi采用如下公式计算:
式中,numi表示的第i种类别的养老公共服务设施中,正常运作的养老公共服务设施的数量,i∈[1,N],N表示养老公共服务设施类别的总数,Ri表示第i种类别的养老公共服务设施的覆盖半径,tlarea表示评估范围的占地面积,dcareai表示第i种类别的养老公共服务设施的重复计算面积。
本发明重点研究老年人的社区生活圈,老年人步行速度约为40-50m/min(步速大约在0.8m/s,其活动疲劳极限为15min左右,以老年人15min步行可达区域即800m内作为设施覆盖半径的上限,是对原有社区生活圈相关规范的补充。各种类别的养老公共服务设施的覆盖半径和设置要求如下表1所示:
表1各种类别的养老公共服务设施的覆盖半径和设置要求
设施名称 | 设置要求 | 覆盖半径 |
日间照料中心 | 步行5min | 300m |
长者饭堂 | 步行5min | 300m |
养老机构 | 步行15min | 800m |
居家养老综合服务平台 | 步行15min | 800m |
评估范围的占地面积可以通过ArcGIS的面积测量工具进行测量得到。
作为优选,所述综合评估得分采用如下方式计算:
式中,comassscri表示第i种类别的养老公共服务设施的综合评估得分,cvrgi表示第i种类别的养老公共服务设施的覆盖率,cvrst表示预设的覆盖率最大值,stifi表示第i种类别的养老公共服务设施的满意度,tifst表示预设的满意度最大值,δ表示比例参数,δ∈(0,1)。
满意度可以通过问卷调查的方式获取。
作为优选,在计算出每种类别的养老公共服务设施的综合评估得分后,根据得分情况获得评估结果,综合评估得分排名靠前的即为已经较为完善的类别的养老公共服务设施,而排名靠后的则是仍需要继续加强建设力度的类别的养老公共服务设施。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线段、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线段的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线段、电线段、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。本领域的技术人员应理解,上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明,本发明的目的已经完整并有效地实现,本发明的功能及结构原理已在实施例中展示和说明,在没有背离所述原理下,本发明的实施方式可以有任何变形或修改。
Claims (10)
1.一种养老公共服务设施综合评估系统,其特征在于,包括输入模块、确认模块和评估模块;
输入模块用于工作人员输入养老公共服务设施的类别和评估范围;
确认模块包括获取单元和确认单元;
获取单元用于获取符合所述类别的养老公共服务设施的地址;
确认单元用于通过无人机获取所述地址所对应的养老公共服务设施的状态图像,并基于状态图像确认养老公共服务设施是否正常运作;
评估模块用于根据正常运作的养老公共服务设施对养老公共服务设施的分布的合理性进行评估,获得评估结果。
2.根据权利要求1所述的一种养老公共服务设施综合评估系统,其特征在于,所述养老公共服务设施的类别包括日间照料中心、长者饭堂、养老机构和居家养老综合服务平台。
3.根据权利要求1所述的一种养老公共服务设施综合评估系统,其特征在于,所述获取符合所述类别的养老公共服务设施的地址,包括:
将所述类别作为关键词输入到地图网站中获得在所述评估范围内的符合所述类别的养老公共服务设施的地址。
4.根据权利要求1所述的一种养老公共服务设施综合评估系统,其特征在于,所述确认单元包括无人机和终端设备;
无人机用于获取所述地址所对应的养老公共服务设施的状态图像,并将状态图像发送至终端设备;
终端设备用于对状态图像进行图像识别处理,确认养老公共服务设施是否正常运作。
5.根据权利要求4所述的一种养老公共服务设施综合评估系统,其特征在于,所述对状态图像进行图像识别处理,确认养老公共服务设施是否正常运作,包括:
对状态图像进行预处理,获得预处理图像;
将预处理图像输入到图像识别模型中进行处理,判断预处理图像中是否有预设类型的物体,若是,则表示养老公共服务设施正常运作,若否,则表示养老公共服务设施没有正常运作。
6.根据权利要求5所述的一种养老公共服务设施综合评估系统,其特征在于,所述对状态图像进行预处理,获得预处理图像,包括:
对状态图像进行光照优化处理,获得光照优化图像;
对光照优化图像进行降噪处理,获得降噪图像;
对降噪图像进行图像分割处理,获得预处理图像。
7.根据权利要求5所述的一种养老公共服务设施综合评估系统,其特征在于,所述图像识别模型包括卷积神经网络。
8.根据权利要求1所述的一种养老公共服务设施综合评估系统,其特征在于,所述评估模块包括计算单元、存储单元和评估单元;
计算单元用于计算所述评估范围的占地面积;
存储单元用于存储每种类别的养老公共服务设施的覆盖半径、评估范围的占地面积、正常运作的养老公共服务设施的列表和每种类别的养老公共服务设施的满意度;
计算单元还用于计算每种类型的养老公共服务设施的覆盖率和综合评估得分;
评估单元用于根据综合评估得分对各种类型的养老公共服务设施进行排序,获得评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211370164.4A CN115660495A (zh) | 2022-11-03 | 2022-11-03 | 一种养老公共服务设施综合评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211370164.4A CN115660495A (zh) | 2022-11-03 | 2022-11-03 | 一种养老公共服务设施综合评估系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115660495A true CN115660495A (zh) | 2023-01-31 |
Family
ID=84995733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211370164.4A Pending CN115660495A (zh) | 2022-11-03 | 2022-11-03 | 一种养老公共服务设施综合评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115660495A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117745497A (zh) * | 2024-02-21 | 2024-03-22 | 华南理工大学 | 基于数据分析的养老服务机构配置优化方法及系统 |
-
2022
- 2022-11-03 CN CN202211370164.4A patent/CN115660495A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117745497A (zh) * | 2024-02-21 | 2024-03-22 | 华南理工大学 | 基于数据分析的养老服务机构配置优化方法及系统 |
CN117745497B (zh) * | 2024-02-21 | 2024-04-30 | 华南理工大学 | 基于数据分析的养老服务机构配置优化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108256446B (zh) | 用于确定道路中的车道线的方法、装置和设备 | |
CN113498528A (zh) | 图像缺陷确定方法与装置、电子设备及存储介质 | |
CN107229929A (zh) | 一种基于r‑cnn的车牌定位方法 | |
CN111445058B (zh) | 数据分析方法、装置、设备及计算机可读存储介质 | |
CN115660495A (zh) | 一种养老公共服务设施综合评估系统 | |
CN111553310B (zh) | 基于毫米波雷达的安检图像获取方法、系统及安检设备 | |
CN112069894A (zh) | 一种基于Faster-RCNN模型的导线散股识别方法 | |
CN114332081B (zh) | 基于图像处理的纺织品表面异常判定方法 | |
CN116664488A (zh) | 基于手机app和机器视觉的桥梁表面病害及结构损伤监测方法 | |
CN115909256A (zh) | 基于道路视觉图像的道路病害检测方法 | |
CN115019163A (zh) | 基于多源大数据的城市要素识别方法 | |
CN110288608B (zh) | 作物行中心线提取方法和装置 | |
CN114554503B (zh) | 一种组网信息确认方法、装置及用户设备 | |
CN115083008A (zh) | 运动目标检测方法、装置、设备及存储介质 | |
CN116229419B (zh) | 一种行人检测方法及装置 | |
CN117152860A (zh) | 一种施工巡检方法、系统及存储介质 | |
CN117128950A (zh) | 一种点云地图构建方法、装置、电子设备和存储介质 | |
CN112712077B (zh) | 一种钢流轮廓确定方法、系统、终端及介质 | |
CN115980690A (zh) | 晴空回波识别模型构建方法、晴空回波滤波方法及装置 | |
CN115223157A (zh) | 一种基于循环神经网络的电网设备铭牌光学字符识别方法 | |
CN113487620A (zh) | 一种铁路绝缘节检测方法及装置 | |
CN110108609B (zh) | 一种基于卫星多通道的pm2.5浓度值分布情况获取方法及系统 | |
CN117649559B (zh) | 一种基于深度学习的智能停车场车位检测系统 | |
CN117764993B (zh) | 一种基于图像分析的水质在线监测系统及方法 | |
CN117726959B (zh) | 基于智能图像识别的无人机电力线路安全巡检系统及方法 |
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 |