CN115761316B - 基于yolo自动识别的水电站平板闸门启闭方法 - Google Patents
基于yolo自动识别的水电站平板闸门启闭方法 Download PDFInfo
- Publication number
- CN115761316B CN115761316B CN202211393295.4A CN202211393295A CN115761316B CN 115761316 B CN115761316 B CN 115761316B CN 202211393295 A CN202211393295 A CN 202211393295A CN 115761316 B CN115761316 B CN 115761316B
- Authority
- CN
- China
- Prior art keywords
- gate
- image
- target
- number plate
- training
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012549 training Methods 0.000 claims abstract description 30
- 238000013528 artificial neural network Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种基于YOLO自动识别的水电站平板闸门启闭方法,通过训练单节闸门图像,建立训练集,接收门式起重机主钩编码器数据,判断主起升状态,接收门式起重机上摄像机的图像,进行预处理,根据已预处理的图片与训练集数据进行匹配,计算特征值符合度,持续观测目标并迭代,结合主起升状态、起吊重量,判断是吊入闸门还是吊出闸门,实时更新数据库,基于YOLO的神经网络架构,实时监测门式起重机启闭闸门的视频图像,结合门机位置、主钩状态以及起吊载重量信息,实时自主识别闸门型号、编号,并自动记录,使水电站智能门机自主作业。
Description
技术领域
本发明属于水电站闸门启闭技术领域,涉及一种基于YOLO自动识别的水电站平板闸门启闭方法。
背景技术
水电站闸门是挡水金结设备,基本构建多由平直面板、构架、支撑行走部件、吊具和止水等部件组成,在门槽内直升直降运动;门机种类根据安装位置或功能的不同,分为机组进水口工作门、机组进水口检修门、机组尾水工作门、机组尾水检修门等;不同水电站,根据机组台数、装机容量不同,可能会有几十或几百节闸门,水电站闸门的特点是形式确定、尺寸大、数量多,有通用闸门和专用闸门,因此,每一节都有唯一编号,以便于水电站运行管理。
目前,在水电站闸门启闭或者位置异动后,由现场作业人员观察并记录闸门位置变化情况,不能实现智能门机自主作业。
发明内容
本发明所要解决的技术问题是提供一种基于YOLO自动识别的水电站平板闸门启闭方法,通过训练单节闸门图像,建立训练集,接收门式起重机主钩编码器数据,判断主起升状态,接收门式起重机上摄像机的图像,进行预处理,根据已预处理的图片与训练集数据进行匹配,计算特征值符合度,持续观测目标并迭代,结合主起升状态、起吊重量,判断是吊入闸门还是吊出闸门,实时更新数据库,基于YOLO的神经网络架构,实时监测门式起重机启闭闸门的视频图像,结合门机位置、主钩状态以及起吊载重量信息,实时自主识别闸门型号、编号,并自动记录,使水电站智能门机自主作业。
为解决上述技术问题,本发明所采用的技术方案是:一种基于YOLO自动识别的水电站平板闸门启闭方法,它包括如下步骤:
步骤1,训练单节闸门图像,建立训练集;利用由YOLO构成的多层神经网络进行训练,检测,矫正,形成可供比对的训练集;
步骤2,接收主钩编码器数据,判断主起升状态;
步骤3,接收摄像机的图像,进行预处理;
步骤4,根据已预处理的图片与训练集数据进行匹配,计算特征值符合度;
步骤5,持续观测目标,迭代步骤3、步骤4,结合主起升状态、起吊重量,判断是吊入闸门还是吊出闸门,实时更新数据库。
在步骤1中,
步骤1-1,定位闸门,利用图像标注软件对收集到的包含水电站闸门的图像样本进行处理,生成闸门图像样本数据集,利用图像数据集训练基于深度学习的目标检测模型,并利用训练好的目标检测模型对输入的视频帧图像中的闸门目标进行定位,获取闸门目标的边界框预测参数,基于闸门目标的边界框预测参数,从视频帧图像中裁剪出闸门区域,得到闸门区域的RGB彩色图像,即闸门图像;
步骤1-2,定位闸门号牌,对闸门图像进行倾斜校正;利用图像标注软件对收集到的包含水电站闸门编号牌的图像样本进行处理,生成闸门编号牌图像样本数据集,利用图像数据集训练基于深度学习的目标检测模型,并利用训练好的目标检测模型对输入的视频帧图像中的闸门编号牌目标进行定位,获取闸门编号牌目标的边界框预测参数,基于闸门编号牌目标的边界框预测参数,从视频帧图像中裁剪出闸门编号牌区域,得到闸门编号牌区域的RGB彩色图像,即闸门编号牌图像;
步骤1-3,识别闸门编号,对校正后的闸门编号牌图像进行二值化等预处理,利用训练好的目标检测模型识别闸门编号牌图像中的所有字符并记录。
在步骤2中,
步骤2-1,建立门式起重机坐标系,大车运动方向为x轴,小车运动方向为y轴,主起升运动方向为z轴;
步骤2-2,测量闸门门槽在门机坐标系内的坐标值,建立门槽向量组与坐标值的映射关系,门槽对应于Location(x,y);
步骤2-3,根据主起升吊钩在z轴运动方向的变化确定闸门是处于上升还是下降状态。
在步骤3中,
步骤3-1,在门式起重机适当位置装设摄像机;
步骤3-2,当检测到门式起重机动作后,摄像机实时拍摄吊装区域图像;
步骤3-3,利用投影变换算法对图像进行图像几何矫正、利用直方图均衡化算法对图像灰度值进行矫正,使之符合算子提取前,建立统一计算框架的要求;
步骤3-4,利用FFT、小波变换对图像进行降噪处理。
在步骤4中,
步骤4-1,对预处理后的图像,利用BackBone推理策略,检测目标图像和训练结果集的匹配程度,并提供高符合度的提取结果;
步骤4-2,对于符合预期的图像,提取图像区块的纹理特征,形成Mosaic对比基准,并在视频帧中予以对比,将纹理特征符合的目标合并为同一目标的时序运动。
在步骤5中,
步骤5-1,采用基于以太网的IEEE1588时钟同步协议,确保传感器及图像识别等模块时间同步;
步骤5-2,如果检测到主起升向上运动,同时检测到有闸门图像,判断有闸门吊出,通过大小车定位模块得到门机实时位置,更改相应门槽内闸门信息;
步骤5-3,如果检测到主起升向上下运动,同时检测到有闸门图像,判断有闸门吊入,通过大小车定位模块得到门机实时位置,更改相应门槽内闸门信息。
本发明的主要有益效果在于:
基于YOLO的神经网络架构,实时监测门式起重机启闭闸门的视频图像,结合门机位置、主钩状态以及起吊载重量等信息,能够实时自主识别闸门型号、编号,并自动记录。
实现了水电站智能门机自主作业。
结合主起升状态、起吊重量,判断是吊入闸门还是吊出闸门。
综合利用图像处理技术和深度学习技术实现了水电站闸门的实时动态精准识别,为水电站金结设备数字化管理奠定了技术基础。
附图说明
下面结合附图和实施例对本发明作进一步说明:
图1为本发明的流程图。
图2为本发明闸门启闭状态图。
图3为本发明门式起重机构建的坐标系运动方向图。
图4为本发明智能控制系统简图。
具体实施方式
如图1~图4中,一种基于YOLO自动识别的水电站平板闸门启闭方法,它包括如下步骤:
步骤1,训练单节闸门图像,建立训练集;利用由YOLO构成的多层神经网络进行训练,检测,矫正,形成可供比对的训练集;
步骤2,接收主钩编码器数据,判断主起升状态;
步骤3,接收摄像机的图像,进行预处理;
步骤4,根据已预处理的图片与训练集数据进行匹配,计算特征值符合度;
步骤5,持续观测目标,迭代步骤3、步骤4,结合主起升状态、起吊重量,判断是吊入闸门还是吊出闸门,实时更新数据库。
优选地,YOLO即是YouOnlyLookOnce的缩写,是一种基于深度神经网络的对象识别和定位算法,其最大的特点是运行速度快,YOLOV1的检测速率可以达到45帧/秒,可以用于实时系统;闸门的特点是尺寸大,长宽尺寸在“米”数量级,门机启闭闸门的速度在2米/秒左右,刚好与足YOLO大目标、快速的应用目标场景相吻合。
优选地,搭设基于YOLO的神经网络架构,实时监测门式起重机启闭闸门的视频图像,结合门机位置、主钩状态以及起吊载重量等信息,能够实时自主识别闸门型号、编号,并自动记录。
优选的方案中,在步骤1中,
步骤1-1,定位闸门,利用图像标注软件对收集到的包含水电站闸门的图像样本进行处理,生成闸门图像样本数据集,利用图像数据集训练基于深度学习的目标检测模型,并利用训练好的目标检测模型对输入的视频帧图像中的闸门目标进行定位,获取闸门目标的边界框预测参数,基于闸门目标的边界框预测参数,从视频帧图像中裁剪出闸门区域,得到闸门区域的RGB彩色图像,即闸门图像;
步骤1-2,定位闸门号牌,对闸门图像进行倾斜校正;利用图像标注软件对收集到的包含水电站闸门编号牌的图像样本进行处理,生成闸门编号牌图像样本数据集,利用图像数据集训练基于深度学习的目标检测模型,并利用训练好的目标检测模型对输入的视频帧图像中的闸门编号牌目标进行定位,获取闸门编号牌目标的边界框预测参数,基于闸门编号牌目标的边界框预测参数,从视频帧图像中裁剪出闸门编号牌区域,得到闸门编号牌区域的RGB彩色图像,即闸门编号牌图像;
步骤1-3,识别闸门编号,对校正后的闸门编号牌图像进行二值化等预处理,利用训练好的目标检测模型识别闸门编号牌图像中的所有字符并记录。
优选的方案中,在步骤2中,
步骤2-1,建立门式起重机坐标系,大车运动方向为x轴,小车运动方向为y轴,主起升运动方向为z轴;
步骤2-2,测量闸门门槽在门机坐标系内的坐标值,建立门槽向量组与坐标值的映射关系,门槽对应于Location(x,y);
步骤2-3,根据主起升吊钩在z轴运动方向的变化确定闸门是处于上升还是下降状态。
优选的方案中,在步骤3中,
步骤3-1,在门式起重机适当位置装设摄像机;
步骤3-2,当检测到门式起重机动作后,摄像机实时拍摄吊装区域图像;
步骤3-3,利用投影变换算法对图像进行图像几何矫正、利用直方图均衡化算法对图像灰度值进行矫正,使之符合算子提取前,建立统一计算框架的要求;
步骤3-4,利用FFT、小波变换对图像进行降噪处理。
优选的方案中,在步骤4中,
步骤4-1,对预处理后的图像,利用BackBone推理策略,检测目标图像和训练结果集的匹配程度,并提供高符合度的提取结果;
步骤4-2,对于符合预期的图像,提取图像区块的纹理特征,形成Mosaic对比基准,并在视频帧中予以对比,将纹理特征符合的目标合并为同一目标的时序运动。
优选的方案中,在步骤5中,
步骤5-1,采用基于以太网的IEEE1588时钟同步协议,确保传感器及图像识别等模块时间同步;
步骤5-2,如果检测到主起升向上运动,同时检测到有闸门图像,判断有闸门吊出,通过大小车定位模块得到门机实时位置,更改相应门槽内闸门信息;
步骤5-3,如果检测到主起升向下运动,同时检测到有闸门图像,判断有闸门吊入,通过大小车定位模块得到门机实时位置,更改相应门槽内闸门信息;
优选地,智能控制系统的门机系统主要包括主起升变频器、大车变频器和小车变频器,主起升变频器与起升编码器电性连接,大车变频器与大车定位模块电性连接,小车变频器与小车定位模块连接。
上述的实施例仅为本发明的优选技术方案,而不应视为对于本发明的限制,本申请中的实施例及实施例中的特征在不冲突的情况下,可以相互任意组合。本发明的保护范围应以权利要求记载的技术方案,包括权利要求记载的技术方案中技术特征的等同替换方案为保护范围。即在此范围内的等同替换改进,也在本发明的保护范围之内。
Claims (2)
1.一种基于YOLO自动识别的水电站平板闸门启闭方法,其特征是,它包括如下步骤:
步骤1,训练单节闸门图像,建立训练集;利用由YOLO构成的多层神经网络进行训练,检测,矫正,形成可供比对的训练集;
步骤2,接收主钩编码器数据,判断主起升状态;
步骤3,接收摄像机的图像,进行预处理;
步骤4,根据已预处理的图片与训练集数据进行匹配,计算特征值符合度;
步骤5,持续观测目标,迭代步骤3、步骤4,结合主起升状态、起吊重量,判断是吊入闸门还是吊出闸门,实时更新数据库;
在步骤1中,
步骤1-1,定位闸门,利用图像标注软件对收集到的包含水电站闸门的图像样本进行处理,生成闸门图像样本数据集,利用图像数据集训练基于深度学习的目标检测模型,并利用训练好的目标检测模型对输入的视频帧图像中的闸门目标进行定位,获取闸门目标的边界框预测参数,基于闸门目标的边界框预测参数,从视频帧图像中裁剪出闸门区域,得到闸门区域的RGB彩色图像,即闸门图像;
步骤1-2,定位闸门号牌,对闸门图像进行倾斜校正;利用图像标注软件对收集到的包含水电站闸门编号牌的图像样本进行处理,生成闸门编号牌图像样本数据集,利用图像数据集训练基于深度学习的目标检测模型,并利用训练好的目标检测模型对输入的视频帧图像中的闸门编号牌目标进行定位,获取闸门编号牌目标的边界框预测参数,基于闸门编号牌目标的边界框预测参数,从视频帧图像中裁剪出闸门编号牌区域,得到闸门编号牌区域的RGB彩色图像,即闸门编号牌图像;
步骤1-3,识别闸门编号,对校正后的闸门编号牌图像进行二值化预处理,利用训练好的目标检测模型识别闸门编号牌图像中的所有字符并记录;
在步骤2中,
步骤2-1,建立门式起重机坐标系,大车运动方向为x轴,小车运动方向为y轴,主起升运动方向为z轴;
步骤2-2,测量闸门门槽在门机坐标系内的坐标值,建立门槽向量组与坐标值的映射关系,门槽对应于Location(x,y);
步骤2-3,根据主起升吊钩在z轴运动方向的变化确定闸门是处于上升还是下降状态;
在步骤3中,
步骤3-1,在门式起重机适当位置装设摄像机;
步骤3-2,当检测到门式起重机动作后,摄像机实时拍摄吊装区域图像;
步骤3-3,利用投影变换算法对图像进行图像几何矫正、利用直方图均衡化算法对图像灰度值进行矫正,使之符合算子提取前,建立统一计算框架的要求;
步骤3-4,利用FFT、小波变换对图像进行降噪处理;
在步骤4中,
步骤4-1,对预处理后的图像,利用BackBone推理策略,检测目标图像和训练结果集的匹配程度,并提供高符合度的提取结果;
步骤4-2,对于符合预期的图像,提取图像区块的纹理特征,形成Mosaic对比基准,并在视频帧中予以对比,将纹理特征符合的目标合并为同一目标的时序运动。
2.根据权利要求1所述的基于YOLO自动识别的水电站平板闸门启闭方法,其特征是,在步骤5中,
步骤5-1,采用基于以太网的IEEE1588时钟同步协议,确保传感器及图像识别模块时间同步;
步骤5-2,如果检测到主起升向上运动,同时检测到有闸门图像,判断有闸门吊出,通过大小车定位模块得到门机实时位置,更改相应门槽内闸门信息;
步骤5-3,如果检测到主起升向上下运动,同时检测到有闸门图像,判断有闸门吊入,通过大小车定位模块得到门机实时位置,更改相应门槽内闸门信息。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211393295.4A CN115761316B (zh) | 2022-11-08 | 2022-11-08 | 基于yolo自动识别的水电站平板闸门启闭方法 |
PCT/CN2023/091629 WO2024098681A1 (zh) | 2022-11-08 | 2023-04-28 | 基于yolo自动识别的水电站平板闸门启闭方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211393295.4A CN115761316B (zh) | 2022-11-08 | 2022-11-08 | 基于yolo自动识别的水电站平板闸门启闭方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115761316A CN115761316A (zh) | 2023-03-07 |
CN115761316B true CN115761316B (zh) | 2024-01-05 |
Family
ID=85368176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211393295.4A Active CN115761316B (zh) | 2022-11-08 | 2022-11-08 | 基于yolo自动识别的水电站平板闸门启闭方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115761316B (zh) |
WO (1) | WO2024098681A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115761316B (zh) * | 2022-11-08 | 2024-01-05 | 中国长江电力股份有限公司 | 基于yolo自动识别的水电站平板闸门启闭方法 |
CN116819974B (zh) * | 2023-08-30 | 2023-11-03 | 北京建筑大学 | 基于深度强化学习的排水管网末端智能排水方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0744689A (ja) * | 1993-08-02 | 1995-02-14 | Mitsubishi Heavy Ind Ltd | 車種判別装置 |
CN110458161A (zh) * | 2019-07-15 | 2019-11-15 | 天津大学 | 一种结合深度学习的移动机器人门牌定位方法 |
CN111382680A (zh) * | 2020-02-26 | 2020-07-07 | 浙江大华技术股份有限公司 | 一种闸门监测方法、终端及计算机可读存储介质 |
KR102159620B1 (ko) * | 2020-05-06 | 2020-09-24 | (주)동천기공 | Ai 및 딥러닝 기반의 스마트 홍수관리 수문제어 자동화 시스템 |
CN113391607A (zh) * | 2021-06-22 | 2021-09-14 | 四川华能太平驿水电有限责任公司 | 一种基于深度学习的水电站闸门控制方法及系统 |
CN113820976A (zh) * | 2021-08-30 | 2021-12-21 | 长江勘测规划设计研究有限责任公司 | 基于人工智能的闸门智能控制方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107844067B (zh) * | 2017-12-07 | 2019-11-19 | 国家电网公司 | 一种水电站闸门在线状态监测控制方法及监测系统 |
CN112001320B (zh) * | 2020-08-25 | 2024-04-23 | 天地伟业技术有限公司 | 一种基于视频的闸门检测方法 |
CN112906593A (zh) * | 2021-03-03 | 2021-06-04 | 河海大学 | 一种基于Faster RCNN的水闸图像识别方法 |
CN113554123B (zh) * | 2021-09-18 | 2022-01-21 | 江苏禹治流域管理技术研究院有限公司 | 一种基于声光联动的采砂船自动识别方法 |
CN115761316B (zh) * | 2022-11-08 | 2024-01-05 | 中国长江电力股份有限公司 | 基于yolo自动识别的水电站平板闸门启闭方法 |
-
2022
- 2022-11-08 CN CN202211393295.4A patent/CN115761316B/zh active Active
-
2023
- 2023-04-28 WO PCT/CN2023/091629 patent/WO2024098681A1/zh unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0744689A (ja) * | 1993-08-02 | 1995-02-14 | Mitsubishi Heavy Ind Ltd | 車種判別装置 |
CN110458161A (zh) * | 2019-07-15 | 2019-11-15 | 天津大学 | 一种结合深度学习的移动机器人门牌定位方法 |
CN111382680A (zh) * | 2020-02-26 | 2020-07-07 | 浙江大华技术股份有限公司 | 一种闸门监测方法、终端及计算机可读存储介质 |
KR102159620B1 (ko) * | 2020-05-06 | 2020-09-24 | (주)동천기공 | Ai 및 딥러닝 기반의 스마트 홍수관리 수문제어 자동화 시스템 |
CN113391607A (zh) * | 2021-06-22 | 2021-09-14 | 四川华能太平驿水电有限责任公司 | 一种基于深度学习的水电站闸门控制方法及系统 |
CN113820976A (zh) * | 2021-08-30 | 2021-12-21 | 长江勘测规划设计研究有限责任公司 | 基于人工智能的闸门智能控制方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2024098681A1 (zh) | 2024-05-16 |
CN115761316A (zh) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115761316B (zh) | 基于yolo自动识别的水电站平板闸门启闭方法 | |
CN112199993B (zh) | 基于人工智能识别任意方向变电站绝缘子红外图像检测模型的方法 | |
CN101572803B (zh) | 基于视频监控的可定制式自动跟踪系统 | |
CN104637058B (zh) | 一种基于图像信息的客流量识别统计方法 | |
CN111754498A (zh) | 一种基于YOLOv3的传送带托辊检测方法 | |
CN112149522A (zh) | 电缆通道智能可视化防外破监测系统及方法 | |
CN107622237A (zh) | 一种电梯中目标的检测方法 | |
CN108664886A (zh) | 一种适应变电站进出监控需求的人脸快速识别方法 | |
CN115690693A (zh) | 一种建筑吊篮的智能监控系统及监控方法 | |
CN112232235B (zh) | 基于5g和算法的智慧工厂远程监控方法及系统 | |
CN103400148A (zh) | 基于视频分析的银行自助服务区域尾随行为检测方法 | |
CN105163076B (zh) | 采用横向扫描映射的变电站断路器状态视频智能分析算法 | |
CN114140731B (zh) | 一种牵引变电所异常检测方法 | |
CN110502605A (zh) | 基于人工智能技术的电力资产lcc成本归集系统 | |
CN112801072B (zh) | 一种基于计算机视觉的电梯非平层开门故障识别装置及方法 | |
CN112001320B (zh) | 一种基于视频的闸门检测方法 | |
CN106778675B (zh) | 一种视频图像中目标对象的识别方法和装置 | |
CN114332683A (zh) | 一种基于深度学习自动选择区域的行人检测方法及装置 | |
CN115862021B (zh) | 基于yolo的水电站闸门自动识别方法 | |
CN111582251A (zh) | 基于卷积神经网络的城市轨道交通乘客拥挤程度检测方法 | |
CN105590329B (zh) | 一种油气田视频监控中运动目标的智能检测算法 | |
CN107680115A (zh) | 一种变电站智能系统中运动目标检测系统 | |
CN117237357B (zh) | 一种基于机器视觉的钢丝绳在线监测系统和方法 | |
CN117412180B (zh) | 一种基于多相机联动目标监测的焊机和目标监测方法 | |
CN114005185B (zh) | 一种基于物联网的智慧园区管理系统 |
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 |