CN115950479A - 一种基于分布式传感器的家庭环境信息监测系统 - Google Patents
一种基于分布式传感器的家庭环境信息监测系统 Download PDFInfo
- Publication number
- CN115950479A CN115950479A CN202211602966.3A CN202211602966A CN115950479A CN 115950479 A CN115950479 A CN 115950479A CN 202211602966 A CN202211602966 A CN 202211602966A CN 115950479 A CN115950479 A CN 115950479A
- Authority
- CN
- China
- Prior art keywords
- data
- unit
- environment information
- data set
- distributed sensor
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 45
- 230000003287 optical effect Effects 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000007613 environmental effect Effects 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000013496 data integrity verification Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 230000001537 neural effect Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 4
- 239000013307 optical fiber Substances 0.000 description 4
- 230000006378 damage Effects 0.000 description 2
- 239000010791 domestic waste Substances 0.000 description 2
- 239000002910 solid waste Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 239000002351 wastewater Substances 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000002154 agricultural waste Substances 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000002440 industrial waste Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000008247 solid mixture Substances 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 231100000027 toxicology Toxicity 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明公开了一种基于分布式传感器的家庭环境信息监测系统,包括:分布式传感器,用于获取家庭环境信息,生成环境信息数据集;处理模块,与分布式传感器连接,用于对环境信息数据集进行处理,生成置信结果;对比模块,与处理模块连接,用于基于置信结果与置信阈值范围进行对比,生成对比结果;监测模块,分别与对比模块和分布式传感器连接,用于基于对比结果对家庭环境进行监测。本发明通过信号采集单元控制脉冲发生单元产生规则的电脉冲信号,以此来驱动光信号单元产生相应的光信号,通过前馈神经CNN网络能够对家庭环境特征信息进行识别,使得监测结果精准,监测效果更加完善,通过历史家庭数据设置阈值范围,能够保证数据的精确性。
Description
技术领域
本发明属于传感器监测领域,特别是涉及一种基于分布式传感器的家庭环境信息监测系统。
背景技术
家庭生活实时人类生活中不可或缺的一部分,随着现代城市化的进程加快以及智能化不断普及,使得人们的安全意识越来越强,家庭环境的检测也成为了重中之重,尤其体现在人们的日常家庭生活中,人体需要合适的温度来保证舒适度,同时需要空气的流通,放置有害气体危害健康,因此,避免由于环境因素对人体造成的伤害就尤为重要。
目前的家庭环境信息多以传感器进行监测,但目前的家庭环境信息检测存在系统结构复杂,同时传感器无法对环境中的特征信息进行有效的提取,易造成采集数据偏差,以及目前家庭环境信息检测系统成本高昂,不利于推广的问题。
发明内容
本发明的目的是提供一种基于分布式传感器的家庭环境信息监测系统,以解决上述现有技术存在的问题。
为实现上述目的,本发明提供了一种基于分布式传感器的家庭环境信息监测系统,包括:
分布式传感器,用于获取家庭环境信息,生成环境信息数据集;
处理模块,与所述分布式传感器连接,用于对所述环境信息数据集进行处理,生成置信结果;
对比模块,与所述处理模块连接,用于基于所述置信结果与置信阈值范围进行对比,生成对比结果;
监测模块,分别与所述对比模块和分布式传感器连接,用于基于所述对比结果对家庭环境进行监测。
优选地,所述分布式传感器包括:
信号采集单元,用于采集家庭环境信息,生成环境信号;
脉冲发生单元,与所述信号采集单元连接,用于接收所述环境信号,将所述环境信号转化为脉冲信号;
光信号单元,与所述脉冲发生单元连接,用于将所述脉冲信号转化为光信号;
光电转化单元,分别与所述光信号单元和处理模块连接,用于将所述光信号转化成电信号,基于所述电信号的传输速度及采样率生成环境参数及空间分布信息,基于所述环境参数及空间分布信息生成环境信息数据集。
优选地,所述家庭环境信息至少包括空气数据、水质数据,温度数据、物品消耗数据、物理污染数据。
优选地,所述处理模块包括:
预处理单元,用于将所述环境信息数据集进行预处理,将预处理后的数据集作为待识别数据集;
特征提取单元,与所述预处理单元连接,用于将所述待识别数据集进行特征提取,生成特征数据集;
计算单元,与所述特征提取单元连接,用于计算所述特征数据集中的置信度,生成置信结果。
优选地,所述特征提取单元包括:
网络构建单元,用于建立卷积神经网络;
数据提取单元,基于所述卷积神经网络中的卷积层对所述待识别数据集进行特征提取,生成特征数据集。
优选地,所述计算单元包括:
验证单元,用于将所述特征数据集基于数据完整性验证规则进行验证,若所述特征数据集不满足数据完整性验证规则,则重新获取家庭环境信息,若所述特征数据集满足数据完整性验证规则,则进行计算;
数据计算单元,用于基于卷积层通过卷积核对所述待识别数据集进行卷积,获取置信结果。
优选地,所述对比模块包括:
阈值设置单元,用于基于历史家庭环境数据设置置信阈值范围;
对比单元,用于将所述置信结果与所述置信阈值范围进行对比,若置信结果在所述置信阈值范围内,则忽略,若所述置信结果在所述置信阈值范围外,则将对比结果传输至监测模块。
优选地,所述监测模块包括:
数据对应单元,用于接收所述对比结果,将所述对比结果与所述家庭环境信息进行对应,生成监测数据;
显示单元,用于实时显示所述监测数据并警告。
本发明的技术效果为:
1.本发明中分布式传感器通过信号采集单元控制脉冲发生单元产生规则的电脉冲信号,以此来驱动光信号单元产生相应的光信号,相对于传统分布式传感器结构简单,且成本降低;
2.本发明通过建立卷积神经网络能够更好地对家庭环境特征信息进行识别,使得监测结果更加精准,监测效果更加完善,避免了监测数据的冗余,提高了家庭监测的效率;
3.本发明通过历史家庭数据设置阈值范围,能够保证数据的精确性。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例中的家庭环境信息监测系统示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
如图1所示,本实施例中提供一种基于分布式传感器的家庭环境信息监测系统,包括:分布式传感器,处理模块,对比模块,监测模块;
分布式传感器包括:
信号采集单元,用于采集家庭环境信息,生成环境信号;
脉冲发生单元,与数据信号采集单元连接,用于接收数据环境信号,将数据环境信号转化为脉冲信号;
光信号单元,与数据脉冲发生单元连接,用于将数据脉冲信号转化为光信号;
光电转化单元,分别与数据光信号单元和处理模块连接,用于将数据光信号转化成电信号,基于数据电信号传输速度及采样率生成环境参数及空间分布信息,基于数据环境参数及空间分布信息生成环境信息数据集。
在本实施例中,家庭环境信息至少包括:
空气检测数据,分为空气环境质量数据和污染源数据。
空气数据需测定风向、风速、气温、气压、湿度等气象参数;
水质数据分为家庭中水环境质量数据和产生的废水数据,废水数据包括理化污染指标和有关生物指标,还包括流速、流量等水文参数;
固体废物数据:包括工业废物、卫生保健机构废物、农业废物和城市生活垃圾等数据,包括但不限于固体废弃物的危险特性和生活垃圾特性,也包括有毒有害物质的组成含量测定和毒理学实验;
物理污染数据:指对造成环境污染的物理因子如噪声、振动、电磁辐射、放射性等进行数据;生物行为数据等。
本实施例中,将数据环境信号转化为脉冲信号是通过信号采集单元对信息进行采集,控制脉冲发生单元产生规则的电脉冲信号;将数据脉冲信号转化为光信号的设备采用光电二极管,当发射端出现一个脉冲时,接收端就可以收到一个低电平的信号,最后再进行整形放大;脉冲发生器可采用现有的脉冲发生器,但其产生的短脉冲电信号需要幅度波形比较好,防止驱动激光光源的脉冲过冲过大损坏激光器。光纤环行器采用现有的普通环形器。
进一步优化方案,将光信号转化成电信号,基于数据电信号传输速度及采样率生成环境参数及空间分布信息,基于数据环境参数及空间分布信息生成环境信息数据集,对转换后的电信号进行采集处理分析,从而得到光的强度;根据该强度与传感光纤未受到环境变化影响时得到的参考信号的关系,反推出传感光纤所处环境的环境参数;最后根据光在光纤中的传输速度和信号采样率得出待测环境参数的空间分布信息;
进一步优化方案,处理模块包括:预处理单元,特征提取单元,计算单元,其中预处理单元,用于将数据环境信息数据集进行预处理,将预处理后的数据集作为待识别数据集;本实施例中对数据集的预处理采用数据清洗,主要是删除原始数据集中无关数据、重复数据、平滑噪声数据,筛选掉与挖掘主题无关的数据,处理缺失值、异常值等。
特征提取单元用于将数据待识别数据集进行特征提取,生成特征数据集;其中特征提取单元包括网络构建单元,用于建立前馈神经CNN网络,基于数据前馈神经CNN网络生成卷积层;数据提取单元,基于数据卷积层对数据待识别数据集进行特征提取,生成特征数据集;其中卷积层的层数为8层,网络主要由两部分组成,第一部分为基础的数据特征提取网络,第二部分为特征金字塔网络,其中第一部分的基础图像特征提取网络结构是基于VGG16网络结构数据。第二部分是将VGG16最后两个全连接层改成卷积层,并随后增加了6个卷积层来构造网络结构,从而构建特征金字塔的网络部分。
计算单元用于计算数据特征数据集中置信度,生成置信结果;其中计算单元包括:验证单元,用于将数据特征数据集基于数据完整性验证规则进行验证,若数据特征数据集不满足数据完整性验证规则,则重新获取家庭环境信息,若数据特征数据集满足数据完整性验证规则,则进行计算;在传输时由于数据传输或者器件的原因,可能会存在数据不完整的情况,不完整的数据不仅浪费系统的资源,同时也无法为检测提供帮助,所以,在得到待验证数据之后,系统会设定数据完整性验证规则,这个数据完整性验证规则是系统根据历史完整数据建立的规则,用于验证数据的完整性,只有通过验证的数据,才会被系统标记为待识别数据
数据计算单元,用于基于数据卷积层通过卷积核对数据待识别数据集进行卷积,获取置信结果,除去第一层作为特征图,剩下的七个卷积层的特征图分别用两个不同的3×3的卷积核进行卷积,其中一个卷积结果输出每个边界框中各个类别的置信结果,另一个卷积结果输出每个边界框中各个类别的位置值。
进一步优化方案,设定置信阈值范围,将得到的置信结果与置信阈值范围进行对比,若置信结果在阈值范围中,则忽略,若置信结果在阈值范围外,则将置信结果传输至监测单元。
进一步优化方案,监测单元包括:数据对应单元,用于接收数据对比结果,将数据对比结果与数据家庭环境信息进行对应,生成监测数据;显示单元,用于实时显示数据监测数据并警告。
本实施例的技术效果为:1.本发明中分布式传感器通过信号采集单元控制脉冲发生单元产生规则的电脉冲信号,以此来驱动光信号单元产生相应的光信号,相对于传统分布式传感器结构简单,且成本降低;
2.本发明通过建立前馈神经CNN网络能够更好地对家庭环境特征信息进行识别,使得监测结果更加精准,监测效果更加完善,提高了家庭监测的效率;
3.本发明通过历史家庭数据设置阈值范围,能够保证数据的精确性。
以上数据,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种基于分布式传感器的家庭环境信息监测系统,其特征在于,包括:
分布式传感器,用于获取家庭环境信息,生成环境信息数据集;
处理模块,与所述分布式传感器连接,用于对所述环境信息数据集进行处理,生成置信结果;
对比模块,与所述处理模块连接,用于基于所述置信结果与置信阈值范围进行对比,生成对比结果;
监测模块,分别与所述对比模块和分布式传感器连接,用于基于所述对比结果对家庭环境进行监测。
2.根据权利要求1所述的基于分布式传感器的家庭环境信息监测系统,其特征在于,所述分布式传感器包括:
信号采集单元,用于采集家庭环境信息,生成环境信号;
脉冲发生单元,与所述信号采集单元连接,用于接收所述环境信号,将所述环境信号转化为脉冲信号;
光信号单元,与所述脉冲发生单元连接,用于将所述脉冲信号转化为光信号;
光电转化单元,分别与所述光信号单元和处理模块连接,用于将所述光信号转化成电信号,基于所述电信号的传输速度及采样率生成环境参数及空间分布信息,基于所述环境参数及空间分布信息生成环境信息数据集。
3.根据权利要求1所述的基于分布式传感器的家庭环境信息监测系统,其特征在于,所述家庭环境信息至少包括空气数据、水质数据,温度数据、物品消耗数据、物理污染数据。
4.根据权利要求1所述的基于分布式传感器的家庭环境信息监测系统,其特征在于,所述处理模块包括:
预处理单元,用于将所述环境信息数据集进行预处理,将预处理后的数据集作为待识别数据集;
特征提取单元,与所述预处理单元连接,用于将所述待识别数据集进行特征提取,生成特征数据集;
计算单元,与所述特征提取单元连接,用于计算所述特征数据集中的置信度,生成置信结果。
5.根据权利要求4所述的基于分布式传感器的家庭环境信息监测系统,其特征在于,所述特征提取单元包括:
网络构建单元,用于建立卷积神经网络;
数据提取单元,基于所述卷积神经网络中的卷积层对所述待识别数据集进行特征提取,生成特征数据集。
6.根据权利要求4所述的基于分布式传感器的家庭环境信息监测系统,其特征在于,所述计算单元包括:
验证单元,用于将所述特征数据集基于数据完整性验证规则进行验证,若所述特征数据集不满足数据完整性验证规则,则重新获取家庭环境信息,若所述特征数据集满足数据完整性验证规则,则进行计算;
数据计算单元,用于基于卷积层通过卷积核对所述待识别数据集进行卷积,获取置信结果。
7.根据权利要求1所述的基于分布式传感器的家庭环境信息监测系统,其特征在于,所述对比模块包括:
阈值设置单元,用于基于历史家庭环境数据设置置信阈值范围;
阈值对比单元,用于将所述置信结果与所述置信阈值范围进行对比,若置信结果在所述置信阈值范围内,则忽略,若所述置信结果在所述置信阈值范围外,则将对比结果传输至监测模块。
8.根据权利要求1所述的基于分布式传感器的家庭环境信息监测系统,其特征在于,所述监测模块包括:
数据对应单元,用于接收所述对比结果,将所述对比结果与所述家庭环境信息进行对应,生成监测数据;
显示单元,用于实时显示所述监测数据并警告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211602966.3A CN115950479A (zh) | 2022-12-13 | 2022-12-13 | 一种基于分布式传感器的家庭环境信息监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211602966.3A CN115950479A (zh) | 2022-12-13 | 2022-12-13 | 一种基于分布式传感器的家庭环境信息监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115950479A true CN115950479A (zh) | 2023-04-11 |
Family
ID=87296312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211602966.3A Pending CN115950479A (zh) | 2022-12-13 | 2022-12-13 | 一种基于分布式传感器的家庭环境信息监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115950479A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160201934A1 (en) * | 2015-01-14 | 2016-07-14 | Google Inc. | Predictively controlling an environmental control system using upper confidence bound for trees |
CN106643842A (zh) * | 2017-02-10 | 2017-05-10 | 华南师范大学 | 一种分布式传感器及传感方法 |
CN108282533A (zh) * | 2018-01-29 | 2018-07-13 | 百度在线网络技术(北京)有限公司 | 智能监测方法、装置、可穿戴设备及服务器 |
CN110247892A (zh) * | 2015-03-05 | 2019-09-17 | 谷歌有限责任公司 | 用于智能住家环境中的住户策略实现的方法和系统 |
CN111783941A (zh) * | 2020-06-07 | 2020-10-16 | 北京化工大学 | 一种基于概率置信度卷积神经网络的机械设备诊断分类方法 |
CN112183460A (zh) * | 2020-10-20 | 2021-01-05 | 武汉光谷联合集团有限公司 | 一种智能识别环境卫生的方法及装置 |
CN114241270A (zh) * | 2022-02-25 | 2022-03-25 | 动联(山东)电子科技有限公司 | 一种家庭护理智能监督方法、系统及装置 |
-
2022
- 2022-12-13 CN CN202211602966.3A patent/CN115950479A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160201934A1 (en) * | 2015-01-14 | 2016-07-14 | Google Inc. | Predictively controlling an environmental control system using upper confidence bound for trees |
CN110247892A (zh) * | 2015-03-05 | 2019-09-17 | 谷歌有限责任公司 | 用于智能住家环境中的住户策略实现的方法和系统 |
CN106643842A (zh) * | 2017-02-10 | 2017-05-10 | 华南师范大学 | 一种分布式传感器及传感方法 |
CN108282533A (zh) * | 2018-01-29 | 2018-07-13 | 百度在线网络技术(北京)有限公司 | 智能监测方法、装置、可穿戴设备及服务器 |
CN111783941A (zh) * | 2020-06-07 | 2020-10-16 | 北京化工大学 | 一种基于概率置信度卷积神经网络的机械设备诊断分类方法 |
CN112183460A (zh) * | 2020-10-20 | 2021-01-05 | 武汉光谷联合集团有限公司 | 一种智能识别环境卫生的方法及装置 |
CN114241270A (zh) * | 2022-02-25 | 2022-03-25 | 动联(山东)电子科技有限公司 | 一种家庭护理智能监督方法、系统及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197731B (zh) | 一种基于共同训练的机动车尾气遥测与车检结果一致性方法 | |
CN114330495A (zh) | 一种基于深度学习融合模型的风电功率预测方法及设备 | |
CN108760305B (zh) | 一种轴承故障检测方法、装置及设备 | |
CN110728320B (zh) | 一种基于自编码和聚类结合的水质监测预警方法及系统 | |
CN105509116A (zh) | 一种带油污检测功能的吸油烟机 | |
CN115575584B (zh) | 一种大气环境镉含量监测预警方法及系统 | |
CN103034207A (zh) | 一种基础设施健康监测系统及其实施过程 | |
CN115822943A (zh) | 液压泵泄漏故障诊断方法 | |
CN113138005A (zh) | 基于特征提取和神经网络的车辆随机载荷模式识别系统 | |
CN115950479A (zh) | 一种基于分布式传感器的家庭环境信息监测系统 | |
CN116596326B (zh) | 一种基于遥感数据的城市环境检测及综合评估方法 | |
CN102496062B (zh) | 一种基于Spiking神经网络的人员信息融合方法 | |
CN201717992U (zh) | 视频客流检测仪 | |
CN116523681A (zh) | 电动汽车的负荷分解方法、装置、电子设备及存储介质 | |
CN114459594B (zh) | 一种基于分布式振动光纤的风力发电监测系统 | |
Palconit et al. | Multi-gene genetic programming of iot water quality index monitoring from fuzzified model for Oreochromis niloticus recirculating aquaculture system | |
CN113781728A (zh) | 一种基于群体智能优化的震动感知系统及方法 | |
Xie et al. | Multi-sensor data fusion based on fuzzy neural network and its application in piggery environmental control strategies | |
CN111913086A (zh) | 一种输电线路绝缘子污秽监测系统 | |
Yang et al. | Prediction of pollutant diffusion trend using CNN-GRU hybrid network in IoT air monitoring system | |
CN110940897A (zh) | 一种避雷器绝缘失效超声波自动检测方法及其装置 | |
CN113361579B (zh) | 一种水下目标探测辨识方法、系统、设备及可读存储介质 | |
CN215932684U (zh) | 一种红外交通目标检测装置 | |
CN114572271B (zh) | 一种基于铁路红外轴温探测的抗阳光干扰测温装置及方法 | |
Li et al. | Technology research of φ-OTDR fiber perimeter intrusion system based on CNN-LSTM algorithm |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230411 |