CN115892131A - 一种地铁隧道智能监测方法以及系统 - Google Patents
一种地铁隧道智能监测方法以及系统 Download PDFInfo
- Publication number
- CN115892131A CN115892131A CN202310113646.XA CN202310113646A CN115892131A CN 115892131 A CN115892131 A CN 115892131A CN 202310113646 A CN202310113646 A CN 202310113646A CN 115892131 A CN115892131 A CN 115892131A
- Authority
- CN
- China
- Prior art keywords
- foreign matter
- track section
- distribution
- wind power
- probability
- 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.)
- Granted
Links
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本申请涉及一种地铁隧道智能监测方法以及系统,涉及轨道检测领域,解决了轨检装置在巡检的过程中以检测轨道损伤、隧道形变为主,无法对异物进行分析处理的问题以及检修技术人员以肉眼判断轨道内是否有异物的方式耗费人力物力资源,且检测效率低容易造成安全隐患的问题,其方法包括:启动巡检装置对轨道区间进行巡检以及异物检测;当巡检装置作异物检测的时候检测到异物,则识别获取异物体积,并根据异物体积所落入的范围区间与处理方案的对应关系,分析确定相应体积异物的处理方案;执行相应体积异物的处理方案。本申请具有如下效果:充分利用了巡检装置在巡检工作中顺带对异物进行识别检测并进行处理,从而最大程度减少轨道中所存在的异物。
Description
技术领域
本申请涉及轨道检测领域,尤其是涉及一种地铁隧道智能监测方法以及系统。
背景技术
轨道区间分为隧道段和露天段,在隧道站台段,由于地铁车辆与站台有间隙,乘客进出地铁车辆时,偶有物品掉落轨道区间内;在露天段,不可控因素增多,偶有异物飞落轨道区间内。地铁轨道区间是地铁车辆运行的主要场所,保证轨道区间建筑限界内无异物,是地铁安全运营的主要前提。
目前轨道检测以人工为主,当地铁停止运营后,轨道检修技术人员带着照明设备,以肉眼判断轨道内是否有异物。近年来,部分地铁公司开始尝试使用轨检车之类的巡检装置进行检修隧道,但目前大部分轨检车仍以检测轨道损伤、轨距偏差、隧道形变为主。
针对上述中的相关技术,发明人发现存在有如下缺陷:一方面,轨检车之类的巡检装置在巡检的过程中以检测轨道损伤、轨距偏差、隧道形变为主,无法对轨道上的异物进行分析处理,另一方面,轨道检修技术人员以肉眼判断轨道内是否有异物的方式耗费人力物力资源,且检测效率低,存在漏检现象,容易造成安全隐患。
发明内容
为了充分利用了巡检装置在巡检工作中顺带对异物进行识别检测并进行处理,从而最大程度减少轨道中所存在的异物,本申请提供一种地铁隧道智能监测方法以及系统。
第一方面,本申请提供一种地铁隧道智能监测方法,采用如下的技术方案:
一种地铁隧道智能监测方法,包括:
获取巡检装置的巡检时间规划;
根据巡检装置的巡检时间规划,启动巡检装置对轨道区间进行巡检以及异物检测;
当巡检装置作异物检测的时候检测到异物,则识别获取异物体积,并根据异物体积所落入的范围区间与处理方案的对应关系,分析确定相应体积异物的处理方案;
执行相应体积异物的处理方案。
通过采用上述技术方案,充分利用巡检装置在按照巡检时间规划作巡检的过程中能够顺带对异物进行检测,并且针对不同体积的异物有针对性的处理方案,从而最大程度减少轨道中所存在的异物,减少安全隐患。
可选的,启动巡检装置对轨道区间进行异物检测包括:
获取巡检装置所处的轨道区间风力信息以及轨道区间类别,定义轨道区间类别包括隧道段和露天段;
根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,分析确定巡检装置所处的轨道区间的分布区域的异物分布概率,并驱动巡检装置按照异物分布概率由高至低的顺序对分布区域逐一进行异物检测。
通过采用上述技术方案,充分考虑到不同轨道区间类别的异物存在区别且风力也存在差异,因此异物的分布情况也有所不同,充分考虑巡检装置所处的轨道区间风力信息以及轨道区间类别,对分布区域的异物分布概率作更准确的确定,从而使巡检装置在巡检过程中能够更及时发现异物,从而间接提高异物的处理效率以及安全隐患的处理效率。
可选的,根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,分析确定巡检装置所处的轨道区间的分布区域的异物分布概率包括:
根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,查询与巡检装置所处的轨道区间风力信息以及轨道区间类别所对应的分布区域的异物分布概率;
若查询到,则以所查询到的分布区域的异物分布概率,作为所分析确定的巡检装置所处的轨道区间的分布区域的异物分布概率;
反之,则根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,查询获取与当前轨道区间类别以及当前风力信息所对应的风力方向相同且与当前风力信息所对应的风力强度最临近的3个风力信息所对应的分布区域的异物分布概率;
根据查询获取的与当前轨道区间类别以及当前风力信息所对应的风力方向相同且与当前风力信息所对应的风力强度最临近的3个风力信息所对应的分布区域的异物分布概率,计算出分布区域的平均异物分布概率,作为所分析确定的巡检装置所处的轨道区间的分布区域的异物分布概率。
通过采用上述技术方案,充分考虑在无法通过轨道区间的风力信息、巡检装置所处的轨道区间类别与异物类别分布概率的对应关系确定分布区域的异物分布概率的时候,能够有效借鉴与当前轨道区间类别相同且与当前风力信息所对应的风力强度最临近的3个风力信息所对应的分布区域的异物分布概率,来间接确定分布区域的异物分布概率。
可选的,驱动巡检装置按照异物分布概率由高至低的顺序对分布区域逐一进行异物检测包括:
分析确定是否存在异物分布概率相同的分布区域;
若为是,则根据分布区域与异物种类分布概率的对应关系、异物种类与风险度的对应关系,计算出每个异物种类的分布概率与对应种类异物的风险度的乘积,并累加获取异物分布概率相同的分布区域的综合风险度;
将异物分布概率相同的分布区域,按照综合风险度由高至低作二次排序,驱动巡检装置按照异物分布概率由高至低的顺序对分布区域逐一进行异物检测;
若为否,则驱动巡检装置按照异物分布概率由高至低的顺序对分布区域逐一进行异物检测。
通过采用上述技术方案,进一步考虑在出现异物分布概率相同的分布区域的时候,能够综合考虑分布区域与异物种类分布概率的对应关系、异物种类与风险度的对应关系,来有效分析确定分布区域的综合风险度,并按照综合风险度对分布区域作重新排序,使巡检装置优先处理风险度较高的分布区域,从而间接提高发现安全隐患的效率,降低安全隐患发生的概率。
可选的,根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,分析确定巡检装置所处的轨道区间的分布区域的异物分布概率包括:
分析分布于巡检装置所处的轨道区间的专用异物检测装置是否检测到异物掉落在相应轨道区间上;
若为是,则根据专用异物检测装置所检测到异物掉落的分布区域的分布概率,作为所分析确定的分布区域的异物分布概率;
若为否,则根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,分析确定巡检装置所处的轨道区间的分布区域的异物分布概率。
通过采用上述技术方案,充分考虑在轨道区间是否设置有专用异物检测装置,在有专用异物检测装置的基础上,会主要依靠专用异物检测装置所检测到异物掉落的分布区域的分布概率,来确定的分布区域的异物分布概率。
可选的,还包括与分析分布于巡检装置所处的轨道区间的专用异物检测装置是否检测到异物掉落在相应轨道区间上并行的步骤,具体如下:
启动专用异物检测装置作地铁隧道现场检测,检测内容包括掉块、渗水、隧道内基础设备设施状态异常。
通过采用上述技术方案,充分考虑在使用专用异物检测装置的过程中,顺带着还能完成其它可完成的检测,从而提高整体的检测效率。
可选的,若为否,则根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,分析确定巡检装置所处的轨道区间的分布区域的异物分布概率包括:
根据轨道区间的风力信息、轨道区间类别与专用异物检测装置检测到异物的概率的对应关系,分析确定与当前轨道区间的风力信息、轨道区间类别所对应的专用异物检测装置检测到异物的概率;
若专用异物检测装置检测到异物的概率超过预设概率,则分析分布于巡检装置所处的轨道区间的专用异物检测装置是否检测到异物掉落在相应轨道区间上;
若为是,则根据专用异物检测装置所检测到异物掉落的分布区域的分布概率,作为所分析确定的分布区域的异物分布概率;
若为否,则根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,查询分布区域的异物分布概率;
若预设的专用异物检测装置检测到异物的概率小于等于预设概率,则根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,查询分布区域的异物分布概率;
若查询到,则以所查询到的分布区域的异物分布概率,作为所分析确定的巡检装置所处的轨道区间的分布区域的异物分布概率;
反之,则根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,查询获取与当前轨道区间类别以及当前风力信息所对应的风力方向相同且与当前风力信息所对应的风力强度最临近的3个风力信息所对应的分布区域的异物分布概率;
根据查询获取的与当前轨道区间类别以及当前风力信息所对应的风力方向相同且与当前风力信息所对应的风力强度最临近的3个风力信息所对应的分布区域的异物分布概率,计算出分布区域的平均异物分布概率,作为所分析确定的巡检装置所处的轨道区间的分布区域的异物分布概率。
通过采用上述技术方案,充分考虑到专用异物检测装置检测到异物的概率也会受轨道区间的风力信息、轨道区间类别的影响,在专用异物检测装置检测到异物的概率超过预设概率的情况下,会根据检测是否检测到异物的情况,调整分布区域的异物分布概率的确定,而在专用异物检测装置检测到异物的概率低于预设概率的情况下,则会根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系的查询结果来分析巡检装置所处的轨道区间的分布区域的异物分布概率。
可选的,轨道区间的风力信息、轨道区间类别与专用异物检测装置检测到异物的概率的对应关系的获取包括:
根据历史轨道区间的风力信息、轨道区间类别与巡检装置所作的异物检测结果的对应关系,获取当前轨道区间的风力信息、轨道区间类别所对应的巡检装置所作的异物检测结果;
根据历史轨道区间的风力信息、轨道区间类别与专用异物检测装置检测到异物的结果的对应关系,获取当前轨道区间的风力信息、轨道区间类别所对应的专用异物检测装置检测到异物的结果;
比对当前轨道区间的风力信息、轨道区间类别所对应的专用异物检测装置检测到异物的结果以及巡检装置所作的异物检测结果,并分析获取比对率,以比对率作为轨道区间的风力信息、轨道区间类别与专用异物检测装置检测到异物的概率。
通过采用上述技术方案,通过当前轨道区间的风力信息、轨道区间类别所对应的巡检装置所作的异物检测结果以及当前轨道区间的风力信息、轨道区间类别所对应的专用异物检测装置检测到异物的结果的比对,使所获取的用异物检测装置检测到异物的概率更加准确。
可选的,相应体积异物的处理方案的分析确定如下:
获取异物的图像信息;
比对异物的图像与预设的异物图像信息;
若比对一致,则识别获取异物的体积信息;
若异物的体积落入预设体积范围,则启动巡检装置主动吸取相应异物入收集箱内,定义巡检装置集成有吸取机构和收集箱;
若异物的体积超过预设体积范围中的最大体积,则在巡检装置所巡检的行进轨迹中对异物所在位置进行标记,并在巡检装置完成所有异物巡检后,将所汇总的轨迹和标记信息,发送至负责人所持终端。
通过采用上述技术方案,充分考虑到巡检装置在巡检过程中会进一步通过图像识别来确定异物是否为真实异物,并基于异物体积情况采取合理的处理方案,最大程度提高异物的处理效率。
第二方面,本申请提供一种地铁隧道智能监测系统,采用如下的技术方案:
一种地铁隧道智能监测系统,包括:
获取模块,用于获取巡检装置的巡检时间规划;
启动模块,用于根据巡检装置的巡检时间规划,启动巡检装置对轨道区间进行巡检以及异物检测;
分析确定模块,用于当巡检装置作异物检测的时候检测到异物,则识别获取异物体积,并根据异物体积所落入的范围区间与处理方案的对应关系,分析确定相应体积异物的处理方案;
执行模块,用于执行相应体积异物的处理方案。
通过采用上述技术方案,通过获取模块以及启动模块充分利用巡检装置在按照巡检时间规划作巡检的过程中能够顺带对异物进行检测,并且通过分析确定模块以及执行模块针对不同体积的异物有针对性的处理方案,从而最大程度减少轨道中所存在的异物,减少安全隐患。
综上所述,本申请的有益技术效果为:
1、能够提高对异物的发现效率,并且能够根据异物的体积作及时处理,提高了异物的处理效率。
2、在异物巡检过程中,能够更及时发现存在风险的异物区域,减少异物处理不及时所带来的安全隐患。
附图说明
图1是本申请实施例地铁隧道智能监测方法的整体流程示意图。
图2是本申请另一实施例启动巡检装置对轨道区间进行异物检测的流程示意图。
图3是本申请另一实施例根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,分析确定巡检装置所处的轨道区间的分布区域的异物分布概率的流程示意图。
图4是本申请另一实施例驱动巡检装置按照异物分布概率由高至低的顺序对分布区域逐一进行异物检测的流程示意图。
图5是本申请另一实施例根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,分析确定巡检装置所处的轨道区间的分布区域的异物分布概率的流程示意图。
图6是图5中步骤S22c的具体流程示意图。
图7是本申请另一实施例轨道区间的风力信息、轨道区间类别与专用异物检测装置检测到异物的概率的对应关系获取的流程示意图。
图8是本申请另一实施例相应体积异物的处理方案的流程示意图。
图9是本申请另一实施例若异物的体积落入预设体积范围,则启动巡检装置主动吸取相应异物入收集箱内的流程示意图。
图10是本申请实施例地铁隧道智能监测系统的系统框图。
图中,1、获取模块;2、启动模块;3、分析确定模块;4、执行模块。
具体实施方式
以下结合附图对本申请作进一步详细说明。
参照图1,为本申请公开的一种地铁隧道智能监测方法,包括:
步骤S100,获取巡检装置的巡检时间规划。
其中,巡检装置可以是轨检车或巡检机器人,以巡检机器人为例,巡检机器人上设置有探测装置以及控制装置,探测装置可设置于机器人外部,从而方便、有效地对机器人的周围环境进行探测。探测装置的具体类型不作限定,包括但不限于视觉传感器、超声波传感器和激光扫描测距传感器,利用上述传感器均能够对机器人周围一定范围内的物理环境进行探测,获得相应的数据。探测装置可将数据反馈回控制装置。控制装置可进一步对数据进行分析和监测,从而完成对地铁隧道内的安全巡检。
其中,巡检装置的巡检时间规划可以从预设的存储有巡检装置的巡检时间规划的数据库中查询获取,巡检时间规划可以设置于地铁停运期间。
步骤S200,根据巡检装置的巡检时间规划,启动巡检装置对轨道区间进行巡检以及异物检测。
其中,异物可以是可回收垃圾,也可以是尘埃等,还可以是用户设置的其余需要收集处理的垃圾,巡检装置对轨道区间所进行的异物检测如下:通过探测装置来探测获取外界物体的参数,并根据外界物体的参数来分析确定相应物体是否为异物。
步骤S300,当巡检装置作异物检测的时候检测到异物,则识别获取异物体积,并根据异物体积所落入的范围区间与处理方案的对应关系,分析确定相应体积异物的处理方案。
其中,异物体积信息的识别获取可以是通过探测装置上的视觉传感器来获取异物的图像信息,根据图像信息来分析获取异物体积信息;相应体积异物的处理方案的分析确定如下:以异物体积作为查询对象,从预设的存储有异物体积与处理方案的对应关系的数据库中查询获取相应体积异物的处理方案。
步骤S400,执行相应体积异物的处理方案。
在图1的步骤S200中,进一步考虑到巡检装置对轨道区间进行异物检测的过程中,能够更及时发现异物,从而间接提高异物的处理效率以及安全隐患的处理效率,因此需要对分布区域的异物分布概率作更准确的确定,具体参照图2所示实施例作详细说明。
参照图2,启动巡检装置对轨道区间进行异物检测包括:
步骤S210,获取巡检装置所处的轨道区间风力信息以及轨道区间类别。
其中,巡检装置所处的轨道区间风力信息可以通过预先设置于轨道区间内的风力检测装置来检测获取,轨道区间风力信息包括风力强度以及风力风向;巡检装置所处的轨道区间类别可以从预设的存储有轨道区间类别与所在位置的对应关系的数据库中查询确认,定义轨道区间类别包括隧道段和露天段。
步骤S220,根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,分析确定巡检装置所处的轨道区间的分布区域的异物分布概率,并驱动巡检装置按照异物分布概率由高至低的顺序对分布区域逐一进行异物检测。
分布区域的异物分布概率的分析确定采用如下方式:以轨道区间的风力信息、巡检装置所处的轨道区间类别作为共同查询对象,从预设的存储有轨道区间的风力信息、巡检装置所处的轨道区间类别与分布区域的异物分布概率的对应关系的数据库中查询获取分布区域的异物分布概率;
假定分布区域划分为3个区域,分别为A区域、B区域、C区域,A区域的分布概率为30%,B区域的分布概率为50%,C区域的分布概率为20%,那么巡检装置会先对B区域作异物检测,然后对A区域作异物检测,最后对C区域作异物检测。
在图2的步骤S220中,进一步考虑到无法根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,直接分析确定巡检装置所处的轨道区间的分布区域的异物分布概率的情况,此时需要结合与当前轨道区间类别以及当前风力信息所对应的风力方向相同且与当前风力信息所对应的风力强度最临近的若干风力信息所对应的分布区域的异物分布概率,来间接分析确定巡检装置所处的轨道区间的分布区域的异物分布概率,具体参照图3所示实施例作详细说明。
参照图3,根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,分析确定巡检装置所处的轨道区间的分布区域的异物分布概率包括:
步骤S221,根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,查询与巡检装置所处的轨道区间风力信息以及轨道区间类别所对应的分布区域的异物分布概率。若查询到,则执行步骤S222;反之,则执行步骤S223。
步骤S222,以所查询到的分布区域的异物分布概率,作为所分析确定的巡检装置所处的轨道区间的分布区域的异物分布概率。
步骤S223,根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,查询获取与当前轨道区间类别以及当前风力信息所对应的风力方向相同且与当前风力信息所对应的风力强度最临近的3个风力信息所对应的分布区域的异物分布概率。
其中,与当前轨道区间类别以及当前风力信息所对应的风力方向相同且与当前风力信息所对应的风力强度最临近的3个风力信息所对应的分布区域的异物分布概率的查询获取如下:以当前轨道区间类别以及当前风力信息所对应的风力方向相同且与当前风力信息所对应的风力强度最临近的3个风力信息作为共同查询对象,从预设的存储有轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系的数据库中,查询获取与当前轨道区间类别以及当前风力信息所对应的风力方向相同且与当前风力信息所对应的风力强度最临近的3个风力信息所对应的分布区域的异物分布概率。
步骤S224,根据查询获取的与当前轨道区间类别以及当前风力信息所对应的风力方向相同且与当前风力信息所对应的风力强度最临近的3个风力信息所对应的分布区域的异物分布概率,计算出分布区域的平均异物分布概率,作为所分析确定的巡检装置所处的轨道区间的分布区域的异物分布概率。
其中,分布区域的平均异物分布概率的计算如下:在查询获取的与当前轨道区间类别以及当前风力信息所对应的风力方向相同且与当前风力信息所对应的风力强度最临近的3个风力信息所对应的分布区域的异物分布概率之后,将同一分布区域的异物概率相加之和作为被除数,3作为除数,获取的商即为相应分布区域的平均异物分布概率,从而逐一获取分布区域的平均异物分布概率。
在图2的步骤S220中,进一步考虑到在驱动巡检装置按照异物分布概率由高至低的顺序对分布区域逐一进行异物检测的过程中,可能会存在分布区域的分布概率相同的情况,在这个情况下需要进一步考虑分布区域所存在的风险情况,从而对异物分布概率相同的分布区域作出排序,具体参照图4所示实施例作详细说明。
参照图4,驱动巡检装置按照异物分布概率由高至低的顺序对分布区域逐一进行异物检测包括:
步骤S22A,分析确定是否存在异物分布概率相同的分布区域。若为是,则执行步骤S22B;若为否,则执行步骤S22D。
其中,存在异物分布概率相同的分布区域的分析确定如下:在获取每个分布区域的异物分布概率之后,比对所存在的分布区域的异物分布概率,若存在比对一致,即认为存在异物分布概率相同的分布区域。
步骤S22B,根据分布区域与异物种类分布概率的对应关系、异物种类与风险度的对应关系,计算出每个异物种类的分布概率与对应种类异物的风险度的乘积,并累加获取异物分布概率相同的分布区域的综合风险度。
其中,综合风险度的分析获取如下:以分布区域作为查询对象,从预设的存储有分布区域与异物种类分布概率的对应关系的数据库中查询获取异物种类分布概率,然后以异物种类作为查询对象,从预设的存储有异物种类与风险度的对应关系的数据库中查询获取异物种类的风险度,并将异物种类的风险度与对应异物种类分布概率相乘,获取的乘积即为每个异物种类的风险度,将每个异物种类风险度相加,获取的和即为相应分布区域的综合风险度。
异物种类与风险度的对应关系如下,异物种类可分为易燃易爆物、可能对地铁运行造成干扰的物件、无影响物件,易燃易爆物的风险度可以是3、可能对地铁运行造成干扰的物件的风险度可以是2,无影响物件的风险度可以是1。
步骤S22C,将异物分布概率相同的分布区域,按照综合风险度由高至低作二次排序,驱动巡检装置按照异物分布概率由高至低的顺序对分布区域逐一进行异物检测。
步骤S22D,驱动巡检装置按照异物分布概率由高至低的顺序对分布区域逐一进行异物检测。
在图2的步骤S220中,进一步考虑到在巡检装置所处的轨道区间设置有专用异物检测装置的情况,那么可以优先通过专用异物检测装置来确定异物分布概率,从而有效提高异物分布概率的分析确定,具体参照图5所示实施例作详细说明。
参照图5,根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,分析确定巡检装置所处的轨道区间的分布区域的异物分布概率包括:
步骤S22a,分析分布于巡检装置所处的轨道区间的专用异物检测装置是否检测到异物掉落在相应轨道区间上。若为是,则执行步骤S22b;若为否,则执行步骤S22c。
其中,分布于巡检装置所处的轨道区间的专用异物检测装置可以是摄像装置,专用异物检测装置对异物掉落在相应轨道区间上的检测如下:拍摄获取轨道区间的图像,并根据图像识别来分析是否存在异物,如果存在异物,则判断异物掉落在相应轨道区间上。
步骤S22b,根据专用异物检测装置所检测到异物掉落的分布区域的分布概率,作为所分析确定的分布区域的异物分布概率。
其中,专用异物检测装置所检测到异物掉落的分布区域的分布概率的获取如下:通过专用异物检测装置检测每个分布区域的异物个数,并逐一以每个分布区域的异物总个数作为被除数,所有分布区域的异物总个数作为除数,获取的商即为每个分布区域的异物分布概率。
步骤S22c,根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,分析确定巡检装置所处的轨道区间的分布区域的异物分布概率。
在图5的步骤S22a中,进一步考虑到专用异物检测装置在作异物检测的情况下,还能通过专用异物检测装置实现对地铁隧道现场检测,具体检测内容包括掉块、渗水、隧道内基础设备设施状态异常。
其中,掉块的检测可以通过专用异物检测装置通过拍摄获取容易掉块位置处是否有掉块的行为,并判断其出现掉块,针对渗水的检测同样可以通过异物检测装置通过拍摄获取容易渗水处的渗水图像,渗漏水出现的位置在环缝、纵缝和区间联络通道等部位;隧道内基础设备设施状态异常的检测可以是通过专用异物检测装置拍摄获取相应隧道内基础设备设施上显示的实际工作数据后,对比预设的工作数据来分析隧道内基础设备设施状态是否异常。
在图5的步骤S22c中,进一步考虑到专用异物检测装置由于所处轨道区间的风力原因出现异物吹到专用异物检测装置的检测死角的原因或者受风力原因无法转动检测的时候的,此时需要进一步分析确定巡检装置所处的轨道区间的分布区域的异物分布概率,具体参照图6所示实施例作详细说明。
参照图6,根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,分析确定巡检装置所处的轨道区间的分布区域的异物分布概率包括:
步骤S22c.1,根据轨道区间的风力信息、轨道区间类别与专用异物检测装置检测到异物的概率的对应关系,分析确定与当前轨道区间的风力信息、轨道区间类别所对应的专用异物检测装置检测到异物的概率。
其中,与当前轨道区间的风力信息、轨道区间类别所对应的专用异物检测装置检测到异物的概率的分析确定如下:以轨道区间的风力信息、轨道区间类别作为共同查询对象,从预设的存储有轨道区间的风力信息、轨道区间类别与专用异物检测装置检测到异物的概率的对应关系的数据库中,查询获取专用异物检测装置检测到异物的概率。
步骤S22c.2,若专用异物检测装置检测到异物的概率超过预设概率,则分析分布于巡检装置所处的轨道区间的专用异物检测装置是否检测到异物掉落在相应轨道区间上。若为是,则执行步骤S22c.3;若为否,则执行步骤S22c.4。
其中,预设概率可以为60%或50%,具体可以根据需要作调整设置。
步骤S22c.3,根据专用异物检测装置所检测到异物掉落的分布区间的分布概率,作为所分析确定的分布区域的异物分布概率。
步骤S22c.4,根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,查询分布区域的异物分布概率。
步骤S22c5,若预设的专用异物检测装置检测到异物的概率小于等于预设概率,则根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,查询分布区域的异物分布概率。若查询到,则执行步骤S22c.6;反之,则执行步骤S22c.7。
步骤S22c.6,以所查询到的分布区域的异物分布概率,作为分布区域的异物分布概率。
具体的,步骤S22c.6的设置同步骤S222的说明,此处不作赘述。
步骤S22c.7,根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,查询获取与当前轨道区间类别以及当前风力信息所对应的风力方向相同且与当前风力信息所对应的风力强度最临近的3个风力信息所对应的分布区域的异物分布概率。
具体的,步骤S22c.7的设置同步骤S223的说明,此处不作赘述。
步骤S22c.8,根据查询获取的与当前轨道区间类别以及当前风力信息所对应的风力方向相同且与当前风力信息所对应的风力强度最临近的3个风力信息所对应的分布区域的异物分布概率,计算出分布区域的平均异物分布概率,作为所分析确定的巡检装置所处的轨道区间的分布区域的异物分布概率。
具体的,步骤S22c.8的设置步骤S224的说明,此处不作赘述。
在图6所示的步骤步骤S22c.1中,关于专用异物检测装置检测到异物的概率,需要通过历史巡检装置的巡检结果与专用异物检测装置检测到异物的结果核对的方式来二次确认专用异物检测装置检测到异物的概率,具体参照图7所示实施例作详细说明。
参照图7,轨道区间的风力信息、轨道区间类别与专用异物检测装置检测到异物的概率的对应关系的获取包括:
步骤SA00,根据历史轨道区间的风力信息、轨道区间类别与巡检装置所作的异物检测结果的对应关系,获取当前轨道区间的风力信息、轨道区间类别所对应的巡检装置所作的异物检测结果。
步骤SB00,根据历史轨道区间的风力信息、轨道区间类别与专用异物检测装置检测到异物的结果的对应关系,获取当前轨道区间的风力信息、轨道区间类别所对应的专用异物检测装置检测到异物的结果。
步骤SC00,比对当前轨道区间的风力信息、轨道区间类别所对应的专用异物检测装置检测到异物的结果以及巡检装置所作的异物检测结果,并分析获取比对率,以比对率作为轨道区间的风力信息、轨道区间类别与专用异物检测装置检测到异物的概率。
在图1的步骤S300中,需要充分考虑异物的体积不同,其处理方式是不同的,具体参照图8所示实施例作详细说明。
参照图8,相应体积异物的处理方案的分析确定包括:
步骤S310,获取异物的图像信息。
步骤S320,比对异物的图像与预设的异物图像信息。
其中,异物包括笔记本包、男女背包、手提包、 手提纸袋、装有物品的塑料袋、快递包装袋、水杯、药瓶、矿泉水瓶、炮弹型圆柱体等,这些图 片将作为我们训练的数据集。
步骤S330,若比对一致,则识别获取异物的体积。
其中,异物体积的识别获取可以是通过探测装置上的视觉传感器来获取异物的图像信息,根据图像信息来分析获取异物体积信息。
步骤S340,若异物的体积落入预设体积范围,则启动巡检装置主动吸取相应异物入收集箱内,定义巡检装置集成有吸取机构和收集箱。
步骤S350,若异物的体积超过预设体积范围中的最大体积,则在巡检装置所巡检的行进轨迹中对异物所在位置进行标记,并在巡检装置完成所有异物巡检后,将所汇总的轨迹和标记信息,发送至负责人所持终端。
其中,负责人所持终端可以是手机、电脑或者其它终端设备。
在图8的步骤S340中,进一步考虑到巡检装置主动吸取相应异物入收集箱内的过程中还需要考虑是否有足够的空间来收集异物,具体参照图9所示实施例作详细说明。
参照图9,若异物的体积落入预设体积范围,则启动巡检装置主动吸取相应异物入收集箱内包括:
步骤S341,获取巡检装置的收集箱的剩余空间的体积。
其中,巡检装置的收集箱的剩余空间的体积获取如下:通过预设于巡检装置的拍摄装置拍摄内部获取未容纳异物的空间并计算分析获取收集箱的剩余空间的体积。
步骤S342,分析巡检装置的收集箱的剩余空间的体积是否小于当前异物的体积。若为是,则执行步骤S343;若为否,则执行步骤S346。
步骤S343,分析获取当前异物的种类所对应的风险度。
其中,当前异物的种类所对应的风险度的分析获取如下:以当前异物的种类作为查询对象,从预设的存储有异物种类与风险度的对应关系的数据库中查询获取当前异物的种类所对应的风险度。
步骤S344,若当前异物的种类所对应的风险度超过预设的风险度,则从收集箱排出风险度低于当前异物的种类所对应的风险度的异物,直至剩余空间足够容纳当前异物,则启动巡检装置的吸取机构主动吸取当前异物入收集箱内。
步骤S345,若当前异物的种类所对应的风险度小于等于预设的风险度,则停止吸取相应异物,且对相应异物所在位置进行标记,并在巡检装置完成所有异物巡检后,将所汇总的轨迹和标记信息,发送至负责人所持终端。
步骤S346,启动巡检装置的吸取机构主动吸取相应异物入收集箱内。
参照图10,本申请实施例还提供一种地铁隧道智能监测系统,包括:
获取模块1,用于获取巡检装置的巡检时间规划。
启动模块2,用于根据巡检装置的巡检时间规划,启动巡检装置对轨道区间进行巡检以及异物检测。
分析确定模块3,用于当巡检装置作异物检测的时候检测到异物,则识别获取异物体积,并根据异物体积所落入的范围区间与处理方案的对应关系,分析确定相应体积异物的处理方案。
执行模块4,用于执行相应体积异物的处理方案。
本具体实施方式的实施例均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (10)
1.一种地铁隧道智能监测方法,其特征在于,包括:
获取巡检装置的巡检时间规划;
根据巡检装置的巡检时间规划,启动巡检装置对轨道区间进行巡检以及异物检测;
当巡检装置作异物检测的时候检测到异物,则识别获取异物体积,并根据异物体积所落入的范围区间与处理方案的对应关系,分析确定相应体积异物的处理方案;
执行相应体积异物的处理方案。
2.根据权利要求1所述的一种地铁隧道智能监测方法,其特征在于,启动巡检装置对轨道区间进行异物检测包括:
获取巡检装置所处的轨道区间风力信息以及轨道区间类别,定义轨道区间类别包括隧道段和露天段;
根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,分析确定巡检装置所处的轨道区间的分布区域的异物分布概率,并驱动巡检装置按照异物分布概率由高至低的顺序对分布区域逐一进行异物检测。
3.根据权利要求2所述的一种地铁隧道智能监测方法,其特征在于,根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,分析确定巡检装置所处的轨道区间的分布区域的异物分布概率包括:
根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,查询与巡检装置所处的轨道区间风力信息以及轨道区间类别所对应的分布区域的异物分布概率;
若查询到,则以所查询到的分布区域的异物分布概率,作为所分析确定的巡检装置所处的轨道区间的分布区域的异物分布概率;
反之,则根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,查询获取与当前轨道区间类别以及当前风力信息所对应的风力方向相同且与当前风力信息所对应的风力强度最临近的3个风力信息所对应的分布区域的异物分布概率;
根据查询获取的与当前轨道区间类别以及当前风力信息所对应的风力方向相同且与当前风力信息所对应的风力强度最临近的3个风力信息所对应的分布区域的异物分布概率,计算出分布区域的平均异物分布概率,作为所分析确定的巡检装置所处的轨道区间的分布区域的异物分布概率。
4.根据权利要求3所述的一种地铁隧道智能监测方法,其特征在于,驱动巡检装置按照异物分布概率由高至低的顺序对分布区域逐一进行异物检测包括:
分析确定是否存在异物分布概率相同的分布区域;
若为是,则根据分布区域与异物种类分布概率的对应关系、异物种类与风险度的对应关系,计算出每个异物种类的分布概率与对应种类异物的风险度的乘积,并累加获取异物分布概率相同的分布区域的综合风险度;
将异物分布概率相同的分布区域,按照综合风险度由高至低作二次排序,驱动巡检装置按照异物分布概率由高至低的顺序对分布区域逐一进行异物检测;
若为否,则驱动巡检装置按照异物分布概率由高至低的顺序对分布区域逐一进行异物检测。
5.根据权利要求2所述的一种地铁隧道智能监测方法,其特征在于,根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,分析确定巡检装置所处的轨道区间的分布区域的异物分布概率包括:
分析分布于巡检装置所处的轨道区间的专用异物检测装置是否检测到异物掉落在相应轨道区间上;
若为是,则根据专用异物检测装置所检测到异物掉落的分布区域的分布概率,作为所分析确定的分布区域的异物分布概率;
若为否,则根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,分析确定巡检装置所处的轨道区间的分布区域的异物分布概率。
6.根据权利要求5所述的一种地铁隧道智能监测方法,其特征在于,还包括与分析分布于巡检装置所处的轨道区间的专用异物检测装置是否检测到异物掉落在相应轨道区间上并行的步骤,具体如下:
启动专用异物检测装置作地铁隧道现场检测,检测内容包括掉块、渗水、隧道内基础设备设施状态异常。
7.根据权利要求5所述的一种地铁隧道智能监测方法,其特征在于,若为否,则根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,分析确定巡检装置所处的轨道区间的分布区域的异物分布概率包括:
根据轨道区间的风力信息、轨道区间类别与专用异物检测装置检测到异物的概率的对应关系,分析确定与当前轨道区间的风力信息、轨道区间类别所对应的专用异物检测装置检测到异物的概率;
若专用异物检测装置检测到异物的概率超过预设概率,则分析分布于巡检装置所处的轨道区间的专用异物检测装置是否检测到异物掉落在相应轨道区间上;
若为是,则根据专用异物检测装置所检测到异物掉落的分布区域的分布概率,作为所分析确定的分布区域的异物分布概率;
若为否,则根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,查询分布区域的异物分布概率;
若预设的专用异物检测装置检测到异物的概率小于等于预设概率,则根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,查询分布区域的异物分布概率;
若查询到,则以所查询到的分布区域的异物分布概率,作为所分析确定的巡检装置所处的轨道区间的分布区域的异物分布概率;
反之,则根据轨道区间的风力信息、轨道区间类别与分布区域的异物分布概率的对应关系,查询获取与当前轨道区间类别以及当前风力信息所对应的风力方向相同且与当前风力信息所对应的风力强度最临近的3个风力信息所对应的分布区域的异物分布概率;
根据查询获取的与当前轨道区间类别以及当前风力信息所对应的风力方向相同且与当前风力信息所对应的风力强度最临近的3个风力信息所对应的分布区域的异物分布概率,计算出分布区域的平均异物分布概率,作为所分析确定的巡检装置所处的轨道区间的分布区域的异物分布概率。
8.根据权利要求7所述的一种地铁隧道智能监测方法,其特征在于,轨道区间的风力信息、轨道区间类别与专用异物检测装置检测到异物的概率的对应关系的获取包括:
根据历史轨道区间的风力信息、轨道区间类别与巡检装置所作的异物检测结果的对应关系,获取当前轨道区间的风力信息、轨道区间类别所对应的巡检装置所作的异物检测结果;
根据历史轨道区间的风力信息、轨道区间类别与专用异物检测装置检测到异物的结果的对应关系,获取当前轨道区间的风力信息、轨道区间类别所对应的专用异物检测装置检测到异物的结果;
比对当前轨道区间的风力信息、轨道区间类别所对应的专用异物检测装置检测到异物的结果以及巡检装置所作的异物检测结果,并分析获取比对率,以比对率作为轨道区间的风力信息、轨道区间类别与专用异物检测装置检测到异物的概率。
9.根据权利要求1至8任意一项所述的一种地铁隧道智能监测方法,其特征在于,相应体积异物的处理方案的分析确定包括:
获取异物的图像信息;
比对异物的图像与预设的异物图像信息;
若比对一致,则识别获取异物的体积信息;
若异物的体积落入预设体积范围,则启动巡检装置主动吸取相应异物入收集箱内,定义巡检装置集成有吸取机构和收集箱;
若异物的体积超过预设体积范围中的最大体积,则在巡检装置所巡检的行进轨迹中对异物所在位置进行标记,并在巡检装置完成所有异物巡检后,将所汇总的轨迹和标记信息,发送至负责人所持终端。
10.一种地铁隧道智能监测系统,其特征在于,包括:
获取模块(1),用于获取巡检装置的巡检时间规划;
启动模块(2),用于根据巡检装置的巡检时间规划,启动巡检装置对轨道区间进行巡检以及异物检测;
分析确定模块(3),用于当巡检装置作异物检测的时候检测到异物,则识别获取异物体积,并根据异物体积所落入的范围区间与处理方案的对应关系,分析确定相应体积异物的处理方案;
执行模块(4),用于执行相应体积异物的处理方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310113646.XA CN115892131B (zh) | 2023-02-15 | 2023-02-15 | 一种地铁隧道智能监测方法以及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310113646.XA CN115892131B (zh) | 2023-02-15 | 2023-02-15 | 一种地铁隧道智能监测方法以及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115892131A true CN115892131A (zh) | 2023-04-04 |
CN115892131B CN115892131B (zh) | 2023-06-06 |
Family
ID=86493529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310113646.XA Active CN115892131B (zh) | 2023-02-15 | 2023-02-15 | 一种地铁隧道智能监测方法以及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115892131B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104787084A (zh) * | 2015-04-16 | 2015-07-22 | 北京交通大学 | 一种铁路异物侵限检测系统及检测方法 |
CN106251347A (zh) * | 2016-07-27 | 2016-12-21 | 广东工业大学 | 地铁异物检测方法、装置、设备及地铁屏蔽门系统 |
CN107144887A (zh) * | 2017-03-14 | 2017-09-08 | 浙江大学 | 一种基于机器视觉的轨道异物入侵监测方法 |
CN108214554A (zh) * | 2018-02-05 | 2018-06-29 | 刘春梅 | 一种用于轨道交通智能巡检机器人的自检系统 |
CN109146971A (zh) * | 2018-08-13 | 2019-01-04 | 济南大学 | 一种判定摄像头异常移动和场景内异物入侵的检测方法 |
CN109164443A (zh) * | 2018-08-27 | 2019-01-08 | 南京微达电子科技有限公司 | 基于雷达及图像分析的铁路线路异物检测方法及系统 |
JP2020060419A (ja) * | 2018-10-09 | 2020-04-16 | 三菱電機株式会社 | 異物監視装置および異物監視方法 |
CN211202034U (zh) * | 2019-11-12 | 2020-08-07 | 中铁五局集团成都工程有限责任公司 | 一种长隧道通风口防护装置 |
CN111626204A (zh) * | 2020-05-27 | 2020-09-04 | 北京伟杰东博信息科技有限公司 | 一种铁路异物入侵监测方法及系统 |
US20210223363A1 (en) * | 2020-01-16 | 2021-07-22 | Outsight SA | Object detection on a path of travel and obstacle detection on railway tracks using free space information |
CN114494983A (zh) * | 2022-04-15 | 2022-05-13 | 北京大成国测科技有限公司 | 一种铁路异物入侵监测方法及系统 |
CN114529811A (zh) * | 2020-11-04 | 2022-05-24 | 中国科学院沈阳自动化研究所 | 一种地铁隧道异物的快速自动识别与定位方法 |
CN115311354A (zh) * | 2022-09-20 | 2022-11-08 | 中国铁建电气化局集团有限公司 | 异物风险区域的识别方法、装置、设备及存储介质 |
CN115600124A (zh) * | 2022-09-07 | 2023-01-13 | 昆明地铁运营有限公司(Cn) | 地铁隧道巡检系统及巡检方法 |
-
2023
- 2023-02-15 CN CN202310113646.XA patent/CN115892131B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104787084A (zh) * | 2015-04-16 | 2015-07-22 | 北京交通大学 | 一种铁路异物侵限检测系统及检测方法 |
CN106251347A (zh) * | 2016-07-27 | 2016-12-21 | 广东工业大学 | 地铁异物检测方法、装置、设备及地铁屏蔽门系统 |
CN107144887A (zh) * | 2017-03-14 | 2017-09-08 | 浙江大学 | 一种基于机器视觉的轨道异物入侵监测方法 |
CN108214554A (zh) * | 2018-02-05 | 2018-06-29 | 刘春梅 | 一种用于轨道交通智能巡检机器人的自检系统 |
CN109146971A (zh) * | 2018-08-13 | 2019-01-04 | 济南大学 | 一种判定摄像头异常移动和场景内异物入侵的检测方法 |
CN109164443A (zh) * | 2018-08-27 | 2019-01-08 | 南京微达电子科技有限公司 | 基于雷达及图像分析的铁路线路异物检测方法及系统 |
JP2020060419A (ja) * | 2018-10-09 | 2020-04-16 | 三菱電機株式会社 | 異物監視装置および異物監視方法 |
CN211202034U (zh) * | 2019-11-12 | 2020-08-07 | 中铁五局集团成都工程有限责任公司 | 一种长隧道通风口防护装置 |
US20210223363A1 (en) * | 2020-01-16 | 2021-07-22 | Outsight SA | Object detection on a path of travel and obstacle detection on railway tracks using free space information |
CN111626204A (zh) * | 2020-05-27 | 2020-09-04 | 北京伟杰东博信息科技有限公司 | 一种铁路异物入侵监测方法及系统 |
CN114529811A (zh) * | 2020-11-04 | 2022-05-24 | 中国科学院沈阳自动化研究所 | 一种地铁隧道异物的快速自动识别与定位方法 |
CN114494983A (zh) * | 2022-04-15 | 2022-05-13 | 北京大成国测科技有限公司 | 一种铁路异物入侵监测方法及系统 |
CN115600124A (zh) * | 2022-09-07 | 2023-01-13 | 昆明地铁运营有限公司(Cn) | 地铁隧道巡检系统及巡检方法 |
CN115311354A (zh) * | 2022-09-20 | 2022-11-08 | 中国铁建电气化局集团有限公司 | 异物风险区域的识别方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115892131B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109230351B (zh) | 一种皮带输送机运行异常的识别方法 | |
CN107392197A (zh) | 一种机车车号识别及机车部件故障检测方法及系统 | |
CN107478590A (zh) | 一种结合机动车智能视觉识别与尾气遥感检测的方法 | |
CN110238078A (zh) | 分拣方法、装置、系统及存储介质 | |
CN108334908B (zh) | 铁路钢轨伤损检测方法及装置 | |
CN116342895B (zh) | 基于ai处理的提升再生资源分拣效率的方法及系统 | |
CN113408361B (zh) | 一种基于深度学习的矿用输送带大块物料检测方法及系统 | |
CN112444889A (zh) | 一种快速安检行包远程集中判读系统及方法 | |
CN116128390B (zh) | 基于物联网的医用耗材冷链运输监控方法 | |
CN114565845A (zh) | 一种地下隧道智能巡检系统 | |
CN113688825A (zh) | 一种ai智能垃圾识别分类系统和方法 | |
CN110673038B (zh) | 一种电池检测方法、装置及系统 | |
CN112756265B (zh) | 物品分拣异常检测方法、装置工控设备及存储介质 | |
CN114581764A (zh) | 基于深度学习算法的地下结构裂纹病害判别方法 | |
CN106194260A (zh) | 一种隧道巡检小车 | |
EP1677591B1 (en) | Method and device for the monitoring of pigs | |
CN106225892A (zh) | 行车钢水计量方法及系统 | |
CN115892131A (zh) | 一种地铁隧道智能监测方法以及系统 | |
CN114140684A (zh) | 堵煤漏煤检测方法、装置、设备及存储介质 | |
CN113184483A (zh) | 一种输送带防撕裂系统及预警方法 | |
CN117152860A (zh) | 一种施工巡检方法、系统及存储介质 | |
CN114511748B (zh) | 一种pcr方舱废料收纳装置的信息扫描系统及方法 | |
CN114721369A (zh) | 一种应用于刚性填埋场的智能巡检系统 | |
CN114004373A (zh) | 智能建筑垃圾分类系统、方法及设备 | |
CN113624507A (zh) | 一种车辆底盘检测系统 |
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 |