CN115965584A - 资源处理方法、装置、计算机设备和存储介质 - Google Patents
资源处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115965584A CN115965584A CN202211519771.2A CN202211519771A CN115965584A CN 115965584 A CN115965584 A CN 115965584A CN 202211519771 A CN202211519771 A CN 202211519771A CN 115965584 A CN115965584 A CN 115965584A
- Authority
- CN
- China
- Prior art keywords
- tree
- equipment
- information
- abnormal
- line
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 16
- 238000003860 storage Methods 0.000 title claims description 16
- 238000003672 processing method Methods 0.000 title abstract description 13
- 230000002159 abnormal effect Effects 0.000 claims abstract description 209
- 238000001514 detection method Methods 0.000 claims abstract description 65
- 230000005856 abnormality Effects 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000004590 computer program Methods 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000010586 diagram Methods 0.000 description 15
- 238000004140 cleaning Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 238000011144 upstream manufacturing Methods 0.000 description 5
- 238000005520 cutting process Methods 0.000 description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000007488 abnormal function Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及一种资源处理方法、装置、计算机设备。所述方法包括：获取目标设备区域图像，识别目标设备区域图像，得到目标设备区域对应的初始树木信息、设备线路信息和设备节点信息；获取树木位置影响参数，基于树木位置影响参数、初始树木信息和设备线路信息进行设备线路异常检测，得到设备线路异常程度；基于设备线路异常程度和设备节点信息进行设备节点异常检测，得到设备节点异常程度；基于设备节点异常程度确定目标设备区域图像对应的区域异常程度，当区域异常程度超过预设异常阈值时，对初始树木信息进行更新，得到目标树木信息。采用本方法能够提高异常检测准确性，从而提高树木资源管理的准确性。
Description
技术领域
本申请涉及数据分析技术领域，特别是涉及一种资源处理方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着现代社会的发展，会发生资源冲突的情况，比如，暴风天气下的树木倒塌造成的输电设备故障或建筑损毁等。因此，需要预先对输电设备故障或建筑损毁等异常情况进行检测，根据检测结果来对植被资源进行管理，避免出现异常情况。植被资源比如是树木资源。
目前，通常是按照预先设置好的检测规则来对输电设备故障或建筑损毁等异常情况进行检测。然而，通常预设规则来检测是否出现异常，容易导致异常检测的准确性降低，进而使植被资源管理的准确性降低，造成植被资源浪费。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高异常检测准确性的资源处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种资源处理方法。所述方法包括：
获取目标设备区域图像，识别目标设备区域图像，得到目标设备区域对应的初始树木信息、设备线路信息和设备节点信息；
获取树木位置影响参数，基于树木位置影响参数、初始树木信息和设备线路信息进行设备线路异常检测，得到设备线路异常程度；
基于设备线路异常程度和设备节点信息进行设备节点异常检测，得到设备节点异常程度；
基于设备节点异常程度确定目标设备区域图像对应的区域异常程度，当区域异常程度超过预设异常阈值时，对初始树木信息进行更新，得到目标树木信息。
第二方面，本申请还提供了一种资源处理装置。所述装置包括：
识别模块，用于获取目标设备区域图像，识别目标设备区域图像，得到目标设备区域对应的初始树木信息、设备线路信息和设备节点信息；
线路检测模块，用于获取树木位置影响参数，基于树木位置影响参数、初始树木信息和设备线路信息进行设备线路异常检测，得到设备线路异常程度；
节点检测模块，用于基于设备线路异常程度和设备节点信息进行设备节点异常检测，得到设备节点异常程度；
异常判断模块，用于基于设备节点异常程度确定目标设备区域图像对应的区域异常程度，当区域异常程度超过预设异常阈值时，对初始树木信息进行更新，得到目标树木信息。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取目标设备区域图像，识别目标设备区域图像，得到目标设备区域对应的初始树木信息、设备线路信息和设备节点信息；
获取树木位置影响参数，基于树木位置影响参数、初始树木信息和设备线路信息进行设备线路异常检测，得到设备线路异常程度；
基于设备线路异常程度和设备节点信息进行设备节点异常检测，得到设备节点异常程度；
基于设备节点异常程度确定目标设备区域图像对应的区域异常程度，当区域异常程度超过预设异常阈值时，对初始树木信息进行更新，得到目标树木信息。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取目标设备区域图像，识别目标设备区域图像，得到目标设备区域对应的初始树木信息、设备线路信息和设备节点信息；
获取树木位置影响参数，基于树木位置影响参数、初始树木信息和设备线路信息进行设备线路异常检测，得到设备线路异常程度；
基于设备线路异常程度和设备节点信息进行设备节点异常检测，得到设备节点异常程度；
基于设备节点异常程度确定目标设备区域图像对应的区域异常程度，当区域异常程度超过预设异常阈值时，对初始树木信息进行更新，得到目标树木信息。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取目标设备区域图像，识别目标设备区域图像，得到目标设备区域对应的初始树木信息、设备线路信息和设备节点信息；
获取树木位置影响参数，基于树木位置影响参数、初始树木信息和设备线路信息进行设备线路异常检测，得到设备线路异常程度；
基于设备线路异常程度和设备节点信息进行设备节点异常检测，得到设备节点异常程度；
基于设备节点异常程度确定目标设备区域图像对应的区域异常程度，当区域异常程度超过预设异常阈值时，对初始树木信息进行更新，得到目标树木信息。
上述资源处理方法、装置、计算机设备、存储介质和计算机程序产品，通过识别目标设备区域得到目标设备区域对应的初始树木信息、设备线路信息和设备节点信息，根据树木位置影响参数、初始树木信息和设备线路信息进行设备线路异常检测，得到设备线路异常程度。然后根据设备线路异常程度和设备节点信息进行设备节点异常检测，能够确定设备线路异常程度对设备节点的影响，得到设备节点异常程度。通过使用树木位置影响参数、初始树木信息和设备线路信息检测得到设备节点异常程度，提高了设备节点异常程度的准确性。根据设备节点异常程度确定目标设备区域图像对应的区域异常程度，提高了区域异常程度的准确性，然后当区域异常程度超过预设异常阈值时确定目标设备区域图像对应的目标设备区域存在异常，能够及时对初始树木信息进行更新得到目标树木信息，从而提高了树木资源管理的准确性，节省了树木资源。
附图说明
图1为一个实施例中资源处理方法的应用环境图；
图2为一个实施例中资源处理方法的流程示意图；
图3为一个实施例中设备线路异常检测的流程示意图；
图4为一个实施例中目标树木异常角度范围的示意图；
图5为一个实施例中目标树木异常高度范围的示意图；
图6为一个实施例中设备网络的示意图；
图7为一个实施例中资源处理装置的结构框图；
图8为一个实施例中计算机设备的内部结构图；
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的资源处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。服务器104可以通过终端102获取目标设备区域图像，识别目标设备区域图像，得到目标设备区域对应的初始树木信息、设备线路信息和设备节点信息；服务器104获取树木位置影响参数，基于树木位置影响参数、初始树木信息和设备线路信息进行设备线路异常检测，得到设备线路异常程度；服务器104基于设备线路异常程度和设备节点信息进行设备节点异常检测，得到设备节点异常程度；服务器104基于设备节点异常程度确定目标设备区域图像对应的区域异常程度，当区域异常程度超过预设异常阈值时，对初始树木信息进行更新，得到目标树木信息，然后服务器可以将目标树木信息返回至终端102。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种资源处理方法，本实施例以该方法应用于服务器进行举例说明，可以理解的是，该方法也可以应用于终端，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
步骤202，获取目标设备区域图像，识别目标设备区域图像，得到目标设备区域对应的初始树木信息、设备线路信息和设备节点信息。
其中，目标设备区域图像是指根据目标设备区域采集的图形，可以是三维图像。目标设备区域是指设备所在的待进行区域异常检测的区域，包括设备区域和树木区域。设备可以是输电设备、通信设备等。设备区域可以是设备网络区域，设备网络由各个设备节点和各个设备线路组成。初始树木信息是指目标设备区域中树木相关的基础属性信息，包括目标设备区域中的树木密度、树木数量、树木位置和树木高度等。设备线路信息是指表征设备线路的信息，可以是设备线路相关的物理信息。设备节点信息是指表征设备节点的信息。
具体地，目标设备区域部署有三维图像采集设备，三维图像采集设备采集目标设备区域对应的目标设备区域图像，并将目标设备区域图像发送到服务器中。服务器对目标设备区域图像中的设备区域和树木区域进行识别，得到设备区域和树木区域对应的三维信息。服务器根据设备区域和树木区域对应的三维信息确定初始树木信息、设备线路信息和设备节点信息。
步骤204，获取树木位置影响参数，基于树木位置影响参数、初始树木信息和设备线路信息进行设备线路异常检测，得到设备线路异常程度。
其中，树木位置影响参数是指造成树木位置发生变化的表征力的参数。设备线路异常程度是指设备线路的功能发生异常的可能程度。
具体地，树木位置影响参数可以是风力参数。服务器根据历史风力参数对各个设备线路进行风力检测区域的划分，可以是进行水平面的区域划分，也可以是进行垂直面的区域划分。在各个风力检测区域部署有风力传感器，风力传感器实时检测风力参数。风力传感器统计预设时间段内的风力参数的平均值作为树木位置影响参数，并将树木位置影响参数发送到服务器。
服务器获取各个设备线路对应的树木影响参数、设备线路信息以及初始树木信息中各个设备线路对应的树木信息，表示设备线路预设范围内的树木相关的基础属性信息，然后根据树木影响参数、树木信息计算树木位置发生变化的可能性，然后根据树木位置发生变化的可能性和设备线路信息计算树木位置发生变化对设备线路的影响程度，得到各个设备线路对应的设备线路异常程度。
步骤206，基于设备线路异常程度和设备节点信息进行设备节点异常检测，得到设备节点异常程度。
其中，设备节点异常程度是指设备节点的功能发生异常的可能程度。
具体地，服务器根据设备线路信息和设备节点信息确定各个设备线路对应的设备节点。服务器获取各个设备线路对应的设备线路异常程度。根据设备线路异常程度计算对应的设备节点的设备节点异常程度，得到各个设备节点异常程度。
步骤208，基于设备节点异常程度确定目标设备区域图像对应的区域异常程度，当区域异常程度超过预设异常阈值时，对初始树木信息进行更新，得到目标树木信息。
其中，区域异常程度是指目标设备区域中设备网络的整体功能出现异常的可能性。预设异常阈值是指预先设置的区域异常程度的阈值，用于判断目标设备区域是否出现异常。目标树木信息是指初始树木信息更新后的树木相关的物理信息。
具体地，服务器获取各个设备节点对应的设备节点异常程度和权重信息，根据各个设备节点对应的权重信息对设备节点异常程度进行加权计算，得到目标设备图像区域对应的区域异常程度。
然后服务器检测到区域异常程度超过预设异常阈值时，确定目标设备区域中存在树木造成设备的功能异常的可能性，根据区域异常程度计算树木信息更新参数，树木信息更新参数可以是树木的清理数量，服务器根据树木信息更新参数对初始树木信息中的树木密度参数进行更新，得到目标树木信息。
上述资源处理方法，通过识别目标设备区域得到目标设备区域对应的初始树木信息、设备线路信息和设备节点信息，根据树木位置影响参数、初始树木信息和设备线路信息进行设备线路异常检测，得到设备线路异常程度。然后根据设备线路异常程度和设备节点信息进行设备节点异常检测，能够确定设备线路异常程度对设备节点的影响，得到设备节点异常程度。通过使用树木位置影响参数、初始树木信息和设备线路信息检测得到设备节点异常程度，提高了设备节点异常程度的准确性。根据设备节点异常程度确定目标设备区域图像对应的区域异常程度，提高了区域异常程度的准确性，然后当区域异常程度超过预设异常阈值时确定目标设备区域图像对应的目标设备区域存在异常，能够及时对初始树木信息进行更新得到目标树木信息，从而提高了树木资源管理的准确性，节省了树木资源。
在一个实施例中，如图3所示，提供一种设备线路异常检测的流程示意图。步骤204，获取树木位置影响参数，基于树木位置影响参数、初始树木信息和设备线路信息进行设备线路异常检测，得到设备线路异常程度，包括：
步骤302，使用树木位置影响参数计算树木位置异常可能性；
步骤304，使用树木位置影响参数、初始树木信息和设备线路信息进行树木角度异常检测，得到树木角度异常可能性；
步骤306，使用初始树木信息中的树木属性信息、设备线路信息和树木角度异常可能性进行树木属性异常检测，得到树木属性异常可能性；
步骤308，基于线路设备信息中的设备线路长度、树木位置异常可能性和树木属性异常可能性进行乘积计算，得到设备线路异常程度。
其中，树木位置异常可能性是指树木位置发生变化的可能性。树木角度异常可能性是指树木角度在树木异常角度范围内的可能性。树木角度是指树木位置发生变化时的角度。树木异常角度范围是指树木位置发生变化后可以接触到设备线路的角度范围。树木属性异常可能性是指树木的高度属性在树木异常高度范围内的可能性。树木异常高度范围是指在目标角度范围内树木位置发生变化后可以接触到设备线路的树木高度范围。设备线路长度是指设备节点之间的设备线路的长度。
具体地，服务器获取各个设备线路对应的树木位置影响参数、设备线路信息以及初始树木信息中各个设备线路对应的树木信息。树木位置影响参数可以是预设时间段内的平均风速和风向。
服务器根据树木影响参数中的平均风速计算树木位置异常可能性，表征在不同风速下树木发生倒塌的可能性。然后服务器根据树木位置影响参数中的风向计算树木角度，表征树木倒塌的角度。服务器使用树木信息和设备线路信息计算目标树木角度范围，并计算树木角度在目标树木角度范围内的可能性，得到树木角度异常可能性。
服务器使用初始树木信息和设备线路信息计算目标树木高度范围，并根据树木角度异常可能性、树木属性信息中的树木高度计算树木属性异常可能性，表征树木位置发生变化时的树木角度在目标角度范围并且树木高度在目标树木高度范围内的概率。
服务器获取各个设备线路对应的设备线路长度、树木位置异常可能性和树木属性异常可能性进行乘积计算，得到设备线路异常程度。
服务器可以使用树木影响参数和初始树木信息按照公式(1)进行计算，得到树木位置异常可能性，表征树木由于风速造成倒塌的概率。公式(1)如下所示：
其中，KV表示树木倒塌概率与平均风速Vw之间的对应关系；KN表示单位面积下树木倒塌概率；γ表示预设树木倒塌比例，是根据历史的树木倒塌率统计得到的；ρ表示初始树木信息中的树木种植密度；P(hT)表示树木高度满足正态分布的分布函数；hT表示树木高度；KV(Vw)*KN表示树木位置异常可能性，也可以表示为高度达到hT的树木倒塌的概率。
本实施例中，通过使用各种参数计算树木位置异常可能性、树木角度异常可能性和树木属性异常可能性，确定树木倒塌造成设备线路故障的各种概率，从而通过计算设备线路长度、树木位置异常可能性和树木属性异常可能性的乘积，得到更准确的设备线路异常程度。进一步地，优化了设备线路异常检测流程，从而提高了设备线路异常检测的效率。
在一个实施例中，步骤304，使用树木位置影响参数、初始树木信息和设备线路信息进行树木角度异常检测，得到树木角度异常可能性，包括：
使用初始树木信息中的目标树木高度、初始树木信息中的目标树木距离以及设备线路信息中的线路高度进行树木异常角度范围计算，得到目标树木异常角度范围；
使用目标树木异常角度范围和树木位置影响参数进行树木角度异常可能性计算，得到目标树木的树木角度异常可能性。
其中，目标树木高度是指目标树木的高度，目标树木是指待进行检测的树木。目标树木距离是指目标树木与设备线路之间的水平距离。目标树木异常角度范围是指目标树木的位置发生变化后可以接触到设备线路的角度范围。
具体地，服务器获取树木位置影响参数中的风向，并获取风向与设备线路的法向量之间的夹角，作为线路角度。服务器可以预先使用风向和线路角度计算树木角度与风向的对应关系，根据该对应关系计算目标树木对应的树木角度与风向的相同概率，服务器可以使用公式(2)进行计算。公式(2)如下所示：
其中，Pθ(θ)表示目标树木对应的树木角度与风向的相同概率；θ表示风向；Δθ表示线路角度。
服务器在设备线路对应的树木区域中确定目标树木，目标树木可以是设备线路预设范围内树木高度最大的树木，也可以是树木高度超过预设高度阈值的树木。然后服务器从初始树木信息中获取设备线路对应的树木信息，并在设备线路对应的树木信息中确定目标树木对应的目标树木度、目标树木距离，然后服务器从设备线路信息中获取线路高度。
服务器可以使用目标树木高度、目标树木距离和线路高度进行树木异常角度范围计算，得到目标树木异常角度范围。
目标树木异常角度范围可以使用
表示，其中，XL表示目标树木距离，hL表示线路高度。如图4所示，提供一种目标树木异常角度范围的示意图：图中角α表示
角β表示
服务器使用目标树木异常角度范围和目标树木对应的树木角度与风向的相同概率进行树木角度异常可能性计算，得到目标树木的树木角度异常可能性，表征目标树木向设备线路方向倒塌的概率，树木角度异常可能性计算如公式(3)所示：
本实施例中，通过根据计算目标树木异常角度范围，并计算目标树木的树木角度异常可能性，确定了树木倒塌方向对设备线路造成故障的概率，以使后续可以直接使用树木角度异常可能性计算树木属性异常可能性，从而提高了树木属性异常可能性的计算效率。
在一个实施例中，步骤306，使用初始树木信息中的树木属性信息、设备线路信息和树木角度异常可能性进行树木属性异常检测，得到树木属性异常可能性，包括：
使用初始树木信息中的目标树木高度、初始树木信息中的目标树木距离以及设备线路信息中的线路高度进行树木异常属性范围计算，得到目标树木异常属性范围；
使用目标树木异常属性范围、树木角度异常可能性和树木属性信息进行树木属性异常可能性计算，得到目标树木的树木属性异常可能性。
其中，目标树木异常属性范围是指目标树木对应的树木异常高度范围，即在目标角度范围内目标树木位置发生变化后可以接触到设备线路的目标树木高度范围。
具体地，服务器可以使用目标树木高度、目标树木距离和线路高度进行树木异常属性范围计算，得到目标树木异常属性范围。目标树木异常属性范围可以是目标树木对应的树木异常高度范围，可以使用
表示，hTmax表示最大树木高度。如图5所示，提高一种目标树木异常高度范围的示意图：图中虚线d表示树木异常高度范围。
服务器初始树木信息中获取设备线路对应的树木信息，并在设备线路对应的树木信息中获取目标树木对应的树木属性信息，可以是目标树木高度对应的分布函数，表征目标树木高度的存在概率。
服务器使用目标树木异常属性范围、树木角度异常可能性和树木属性信息进行树木属性异常可能性计算，得到目标树木的树木属性异常可能性，表征目标树木倒塌造成设备线路故障的概率。树木属性异常可能性计算如公式(4)所示：
在一个具体实施例中，可以预先使用树木高度、平均风速、树木与设备线路之间的水平距离和树木角度与风向的对应关系计算设备线路某位置的设备线路异常程度，计算公式如公式(5)所示：
其中，y表示某条设备线路上的一个具体位置；hL(y)表示设备线路上位置y对应的线路高度；ymax表示线路长度，且y∈[0,ymax]，则整条设备线路的设备线路异常程度的计算表达式如公式(6)所示：
其中，Ri表示第i个设备线路对应的设备线路异常程度；y"max表示ymax经过归一化处理后的线路长度。
由于λTF(y)只与y位置处的线路高度相关，其余的参数均不变，出于简化计算的考虑，则认为整条设备线路的线路高度固定，则整条设备线路的设备线路异常程度的计算表达式如公式(7)所示：
其中，hTmax表示最大树木高度。
服务器获取各个线路设备对应的线路长度，根据各个设备线路对应的树木位置异常可能性、树木属性异常可能性进行归一化处理，得到处理后的线路长度。然后服务器将处理后的线路长度、树木位置异常可能性和树木属性异常可能性进行乘积计算，得到各个设备线路对应的设备线路异常程度。
本实施例中，通过根据计算目标树木异常属性范围，并根据树木属性信息计算目标树木的树木属性异常可能性，能够根据不同高度的树木的比例，逐一累计其倒塌对设备线路造成功能异常的影响程度，确定了单位面积内树木向设备线路方向倒塌时造成设备线路故障的树木高度的树木比例，从而提高了设备线路异常检测的准确性。
在一个实施例中，设备节点信息包括各个设备节点标识；步骤206，基于设备线路异常程度和设备节点信息进行设备节点异常检测，得到设备节点异常程度，包括：
在各个设备节点标识中确定当前设备节点标识、当前设备节点关联的关联设备节点标识；
基于当前设备节点标识和关联设备节点标识从设备线路信息中确定当前线路标识；
获取关联设备节点标识对应的关联设备节点异常程度和当前线路标识对应的当前线路异常程度；
基于关联设备节点异常程度和当前线路异常程度计算当前设备节点标识对应的设备节点异常程度；
遍历各个设备节点标识，得到各个设备节点标识对应的设备节点异常程度。
其中，当前设备节点是指当前待进行异常检测是设备节点。关联设备节点是指通过设备线路与当前设备节点连接的设备节点。
具体地，服务器在各个设备节点标识中确定当前设备节点标识、当前设备节点关联的关联设备节点标识，关联设备节点可以是当前设备节点的上游设备节点。并根据当前设备节点标识和关联设备节点标识从设备线路信息中确定当前线路标识。然后服务器获取关联设备节点标识对应的关联设备节点异常程度和当前线路标识对应的当前线路异常程度。
服务器根据关联设备节点异常程度和当前线路异常程度计算当前设备节点标识对应的设备节点异常程度。然后服务器遍历各个设备节点标识和其关联的关联设备节点，计算得到各个设备节点对应是设备节点异常程度。
在一个具体实施例中，如图6所示，提高一种设备网络的示意图，图中数字表示设备节点。设备节点和设备线路组成设备网络，设备网络可以是树状网络。设备网络中根节点对应的设备节点可以是电源设备节点，用于向设备网络中的各个设备节点输电，则根节点对应的设备节点的故障概率Ps＝0，其他的设备节点n的故障概率Pn可根据其相邻的上游设备节点prd的故障概率Pprd和两个设备节点之间的设备线路i的线路故障概率Ri进行计算，计算公式如公式(8)所示：
Pn＝1-(1-Pprd)*(1-Ri) 公式(8)
比如，设备节点3为当前设备节点，设备节点3的上游设备节点1是根节点对应的设备节点1，根节点对应的设备节点1的故障概率Ps＝0，设备节点1和设备节点3之间的设备线路对应的线路故障概率为R1，则当前设备节点的故障概率为P3＝1-(1-Ps)*(1-Ri)＝1-(1-0)*(1-Ri)＝Ri。以此计算设备网络中各个设备节点对应的节点故障概率。
本实施例中，通过根据设备节点的权重信息计算区域异常程度，从而提高了区域异常程度的准确性，以使后续在区域异常程度超过预设异常阈值时，根据各个设备节点异常程度确定优先进行树木清理的区域，从而提高了待清理树木区域的准确性，节省了树木资源。
在一个实施例中，步骤208，基于设备节点异常程度确定目标设备区域图像对应的区域异常程度，包括：
获取设备节点异常程度对应的权重信息，基于权重信息对设备节点异常程度进行加权计算，得到目标设备区域图像对应的区域异常程度。
其中，权重信息是指表征设备节点不同重要程度的参数。
具体地，服务器获取各个设备节点对应的权重信息和设备节点异常程度。根据各个设备节点对应的权重信息对各个设备节点异常程度进行加权计算，得到目标设备区域图像对应的区域异常程度。加权计算公式如公式(9)所示：
其中，risk表示区域异常程度。λn表示设备节点对应的权重信息。
然后服务器判断区域异常程度是否超过预设异常阈值，当检测到区域异常程度超过预设异常阈值时，将区域异常程度发送给管理终端，接收管理终端返回的树木信息更新参数，树木信息更新参数可以是待清理树木数量，服务器根据树木信息更新参数对初始树木信息中的树木密度进行更新，得到目标树木信息。
在一个具体实施例中，服务器可以获取树木清理条件参数，表示清理树木时需要的条件参数，比如，单棵树木的清理成本、树木清理时长等。服务器可以预先使用公式(9)和树木清理条件参数建立树木清理的目标函数，表征以目标设备区域的总体设备故障概率风险和树木砍伐成本最小的目标函数。通过目标函数可以计算总体设备故障概率风险和树木砍伐成本最小时的待清理的树木数量，目标函数如公式(10)所示：
min(risk+mΔρ)公式(10)
其中，m表示树木清理条件参数；Δρ表示待清理的树木数量。
具体来说，公式(10)可由公式(7)至公式(9)进行推导得到，公式(7)中κN的表达式可由公式(1)所知，树木倒塌概率与树木密度ρ相关，则可以预先设置树木密度关系式为ρ＝ρ0+Δρ，ρ0表示目标设备区域中经过树木清理后的目标树木密度。通过预先设置ρ0的具体数值，再使用ρ0+Δρ替换公式(1)中ρ的参数，得到参数替换后的公式(7)。再经过公式(7)至公式(9)的推导，得到以Δρ为变量的目标函数，即公式(10)。然后可以使用求解器Gurobi进行求解，在求解过程中通过对ρ0的数值的调整，得到最优的关于Δρ的计算表达式。然后服务器对最优的关于Δρ的计算表达式进行存储。
在一个具体实施例中，本申请资源处理方法可用于对电力设备所在区域中的树木资源进行处理。服务器在获取终端发送的电力设备区域图像，并识别电力设备区域图像，得到电力设备区域对应的初始树木信息、电力线路信息、树木影响参数和电力设备节点信息，初始树木信息包括预先设置的ρ0。然后服务器使用上述各个参数按照最优的关于Δρ的计算表达式进行计算，得到树木信息更新参数Δρ，然后服务器根据树木信息更新参数Δρ对初始树木信息中的树木密度ρ进行更新，得到目标树木信息。然后服务器可以根据电力线路对应的线路故障概率选择清除树木的电力线路区域。
比如，分别设置不同的单位树木砍伐成本，可得到不同的关于Δρ的最优解，砍伐成本越高可选择清除树木的区域越少。当服务器检测到单位树木砍伐成本超过预设成本阈值时，选择清除一条电力线路附近树木——即故障概率最高的电力线路附近的树木。
随着砍伐成本的降低，可选择的清理区域越来越多，整体的电力设备的停电风险也越低。当服务器检测单位树木砍伐成本未超过预设成本阈值时，由于上游节点的故障概率影响下游节点的故障概率，服务器可以选择上游线路进行树木资源处理。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的资源处理方法的资源处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个资源处理装置实施例中的具体限定可以参见上文中对于资源处理方法的限定，在此不再赘述。
在一个实施例中，如图7所示，提供了一种资源处理装置700，包括：识别模块702、线路检测模块704、节点检测模块706和异常判断模块708，其中：
识别模块702，用于获取目标设备区域图像，识别目标设备区域图像，得到目标设备区域对应的初始树木信息、设备线路信息和设备节点信息；
线路检测模块704，用于获取树木位置影响参数，基于树木位置影响参数、初始树木信息和设备线路信息进行设备线路异常检测，得到设备线路异常程度；
节点检测模块706，用于基于设备线路异常程度和设备节点信息进行设备节点异常检测，得到设备节点异常程度；
异常判断模块708，用于基于设备节点异常程度确定目标设备区域图像对应的区域异常程度，当区域异常程度超过预设异常阈值时，对初始树木信息进行更新，得到目标树木信息。
在其中一个实施例中，线路检测模块704，包括：
线路异常计算单元，用于使用树木位置影响参数计算树木位置异常可能性；使用树木位置影响参数、初始树木信息和设备线路信息进行树木角度异常检测，得到树木角度异常可能性；使用初始树木信息中的树木属性信息、设备线路信息和树木角度异常可能性进行树木属性异常检测，得到树木属性异常可能性；基于线路设备信息中的设备线路长度、树木位置异常可能性和树木属性异常可能性进行乘积计算，得到设备线路异常程度。
在其中一个实施例中，线路检测模块704，包括：
角度异常计算单元，用于使用初始树木信息中的目标树木高度、初始树木信息中的目标树木距离以及设备线路信息中的线路高度进行树木异常角度范围计算，得到目标树木异常角度范围；使用目标树木异常角度范围和树木位置影响参数进行树木角度异常可能性计算，得到目标树木的树木角度异常可能性。
在其中一个实施例中，线路检测模块704，包括：
属性异常计算单元，用于使用初始树木信息中的目标树木高度、初始树木信息中的目标树木距离以及设备线路信息中的线路高度进行树木异常属性范围计算，得到目标树木异常属性范围；使用目标树木异常属性范围、树木角度异常可能性和树木属性信息进行树木属性异常可能性计算，得到目标树木的树木属性异常可能性。
在其中一个实施例中，节点检测模块706，包括：
节点异常计算单元，用于在各个设备节点标识中确定当前设备节点标识、当前设备节点关联的关联设备节点标识；基于当前设备节点标识和关联设备节点标识从设备线路信息中确定当前线路标识；获取关联设备节点标识对应的关联设备节点异常程度和当前线路标识对应的当前线路异常程度；基于关联设备节点异常程度和当前线路异常程度计算当前设备节点标识对应的设备节点异常程度；遍历各个设备节点标识，得到各个设备节点标识对应的设备节点异常程度。
在其中一个实施例中，异常判断模块708，包括：
区域异常计算单元，用于获取设备节点异常程度对应的权重信息，基于权重信息对设备节点异常程度进行加权计算，得到目标设备区域图像对应的区域异常程度。
上述资源处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储目标设备区域图像。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种资源处理方法。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图9所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种资源处理方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置，显示屏可以是液晶显示屏或电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图8-9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种资源处理方法，其特征在于，所述方法包括：
获取目标设备区域图像，识别所述目标设备区域图像，得到所述目标设备区域对应的初始树木信息、设备线路信息和设备节点信息；
获取树木位置影响参数，基于所述树木位置影响参数、所述初始树木信息和所述设备线路信息进行设备线路异常检测，得到设备线路异常程度；
基于所述设备线路异常程度和所述设备节点信息进行设备节点异常检测，得到设备节点异常程度；
基于所述设备节点异常程度确定所述目标设备区域图像对应的区域异常程度，当所述区域异常程度超过预设异常阈值时，对所述初始树木信息进行更新，得到目标树木信息。
2.根据权利要求1所述的方法，其特征在于，所述基于所述树木位置影响参数、所述初始树木信息和所述设备线路信息进行设备线路异常检测，得到设备线路异常程度，包括：
使用所述树木位置影响参数计算树木位置异常可能性；
使用所述树木位置影响参数、所述初始树木信息和所述设备线路信息进行树木角度异常检测，得到树木角度异常可能性；
使用所述初始树木信息中的树木属性信息、所述设备线路信息和所述树木角度异常可能性进行树木属性异常检测，得到树木属性异常可能性；
基于所述线路设备信息中的设备线路长度、所述树木位置异常可能性和所述树木属性异常可能性进行乘积计算，得到所述设备线路异常程度。
3.根据权利要求2所述的方法，其特征在于，所述使用所述树木位置影响参数、所述初始树木信息和所述设备线路信息进行树木角度异常检测，得到树木角度异常可能性，包括：
使用所述初始树木信息中的目标树木高度、所述初始树木信息中的目标树木距离以及所述设备线路信息中的线路高度进行树木异常角度范围计算，得到目标树木异常角度范围；
使用所述目标树木异常角度范围和所述树木位置影响参数进行树木角度异常可能性计算，得到所述目标树木的树木角度异常可能性。
4.根据权利2所述的方法，其特征在于，所述使用所述初始树木信息中的树木属性信息、所述设备线路信息和所述树木角度异常可能性进行树木属性异常检测，得到树木属性异常可能性，包括：
使用所述初始树木信息中的目标树木高度、所述初始树木信息中的目标树木距离以及所述设备线路信息中的线路高度进行树木异常属性范围计算，得到目标树木异常属性范围；
使用所述目标树木异常属性范围、所述树木角度异常可能性和所述树木属性信息进行树木属性异常可能性计算，得到所述目标树木的树木属性异常可能性。
5.根据权利要求1所述的方法，其特征在于，所述设备节点信息包括各个设备节点标识；所述基于所述设备线路异常程度和所述设备节点信息进行设备节点异常检测，得到设备节点异常程度，包括：
在所述各个设备节点标识中确定当前设备节点标识、所述当前设备节点关联的关联设备节点标识；
基于所述当前设备节点标识和所述关联设备节点标识从所述设备线路信息中确定当前线路标识；
获取所述关联设备节点标识对应的关联设备节点异常程度和所述当前线路标识对应的当前线路异常程度；
基于所述关联设备节点异常程度和所述当前线路异常程度计算所述当前设备节点标识对应的设备节点异常程度；
遍历所述各个设备节点标识，得到所述各个设备节点标识对应的设备节点异常程度。
6.根据权利要求1所述的方法，其特征在于，所述基于所述设备节点异常程度确定所述目标设备区域图像对应的区域异常程度，包括：
获取所述设备节点异常程度对应的权重信息，基于所述权重信息对所述设备节点异常程度进行加权计算，得到所述目标设备区域图像对应的区域异常程度。
7.一种资源处理装置，其特征在于，所述装置包括：
识别模块，用于获取目标设备区域图像，识别所述目标设备区域图像，得到所述目标设备区域对应的初始树木信息、设备线路信息和设备节点信息；
线路检测模块，用于获取树木位置影响参数，基于所述树木位置影响参数、所述初始树木信息和所述设备线路信息进行设备线路异常检测，得到设备线路异常程度；
节点检测模块，用于基于所述设备线路异常程度和所述设备节点信息进行设备节点异常检测，得到设备节点异常程度；
异常判断模块，用于基于所述设备节点异常程度确定所述目标设备区域图像对应的区域异常程度，当所述区域异常程度超过预设异常阈值时，对所述初始树木信息进行更新，得到目标树木信息。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211519771.2A CN115965584A (zh) | 2022-11-30 | 2022-11-30 | 资源处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211519771.2A CN115965584A (zh) | 2022-11-30 | 2022-11-30 | 资源处理方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115965584A true CN115965584A (zh) | 2023-04-14 |
Family
ID=87358982
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211519771.2A Pending CN115965584A (zh) | 2022-11-30 | 2022-11-30 | 资源处理方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115965584A (zh) |
-
2022
- 2022-11-30 CN CN202211519771.2A patent/CN115965584A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10380704B2 (en) | Operator performance recommendation generation | |
| CN110166264B (zh) | 一种故障定位方法、装置及电子设备 | |
| AU2016402550B2 (en) | System and method for threat incidents corroboration in discrete temporal reference using 3D abstract modelling | |
| CN111726341B (zh) | 一种数据检测方法、装置、电子设备及存储介质 | |
| KR20180118597A (ko) | 네트워크 액세스 행동을 식별하는 방법 및 장치, 서버와 저장 매체 | |
| CN114443429B (zh) | 一种告警事件的处理方法、装置及计算机可读存储介质 | |
| CN110659179B (zh) | 一种评估系统运行状况的方法、装置及电子设备 | |
| CN109992473A (zh) | 应用系统的监控方法、装置、设备及存储介质 | |
| CN112256748A (zh) | 一种异常检测方法、装置、电子设备及存储介质 | |
| CN112256732B (zh) | 一种异常检测方法、装置、电子设备及存储介质 | |
| CN113506293A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
| CN115965584A (zh) | 资源处理方法、装置、计算机设备和存储介质 | |
| CN110781410A (zh) | 一种社群检测方法及装置 | |
| CN116227917A (zh) | 建筑防汛风险的处理方法、装置、电子设备及存储介质 | |
| CN108429632B (zh) | 一种业务监控方法和装置 | |
| CN115802376A (zh) | 一种工参数据校准方法、装置、电子设备及存储介质 | |
| CN113409096B (zh) | 目标对象识别方法、装置、计算机设备及存储介质 | |
| CN115913652A (zh) | 异常访问行为检测方法及装置、电子设备及可读存储介质 | |
| CN114663239A (zh) | 一种异常交易预警方法及装置 | |
| JP2016532221A (ja) | モデル適合のための装置および方法 | |
| CN113657429B (zh) | 面向数字孪生城市物联网的数据融合方法及装置 | |
| CN111818548A (zh) | 一种数据的处理方法、装置及设备 | |
| WO2019237020A1 (en) | Methods for early credit risk escalation and management and devices thereof | |
| WO2017054434A1 (zh) | 事件检测方法、装置和系统 | |
| US20240320587A1 (en) | System for quantitative software risk determination and visualization |
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 |