CN116468205A - 一种机动车环保检测质量监测方法及系统 - Google Patents
一种机动车环保检测质量监测方法及系统 Download PDFInfo
- Publication number
- CN116468205A CN116468205A CN202310729711.1A CN202310729711A CN116468205A CN 116468205 A CN116468205 A CN 116468205A CN 202310729711 A CN202310729711 A CN 202310729711A CN 116468205 A CN116468205 A CN 116468205A
- Authority
- CN
- China
- Prior art keywords
- motor vehicle
- monitoring
- result
- sample
- standard
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 267
- 238000001514 detection method Methods 0.000 title claims abstract description 194
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004458 analytical method Methods 0.000 claims abstract description 112
- 238000003709 image segmentation Methods 0.000 claims abstract description 111
- 230000007613 environmental effect Effects 0.000 claims abstract description 75
- 230000002159 abnormal effect Effects 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000011218 segmentation Effects 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 14
- 238000012795 verification Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 13
- 238000012545 processing Methods 0.000 abstract description 3
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种机动车环保检测质量监测方法及系统,涉及数据处理技术领域,该方法包括:采集目标机动车的图像信息,并输入机动车检测模型内的图像分割模块,获得M个关键区域的M个关键图像分割结果;获得机动车标记分析结果和监测管理标准;按照多个工况和预设排放标准,计算获得排放尾气检测结果和排气噪音检测结果;获得尾气超规值和噪音超规值;输入环保检测质量监测模型内的环保质量监测结果模块,获得环保质量监测结果;输入监测管理标准内,获得监测管理方案,对目标机动车进行监测管理。本发明解决了现有技术中存在机动车环保检测质量监测智能化程度低,监测效果差的技术问题,达到了提升监测的准确性的技术效果。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种机动车环保检测质量监测方法及系统。
背景技术
随着低碳要求的越来越严格,机动车环保检测质量的监测越来越受到重视。然而,现有的人工进行监测管理的方式,反馈效率太低,且受限于技术人员的能力,监测结果不可靠。现有技术中存在机动车环保检测质量监测智能化程度低,监测效果差的技术问题。
发明内容
本申请提供了一种机动车环保检测质量监测方法及系统,用于针对解决现有技术中存在机动车环保检测质量监测智能化程度低,监测效果差的技术问题。
鉴于上述问题,本申请提供了一种机动车环保检测质量监测方法及系统。
本申请的第一个方面,提供了一种机动车环保检测质量监测方法,所述方法包括:
采集目标机动车的图像信息,并输入机动车检测模型内的图像分割模块,获得M个关键区域的M个关键图像分割结果,M为大于1的整数;
将所述M个关键图像分割结果输入所述机动车检测模型内的标记分析模块,获得机动车标记分析结果,将所述机动车标记分析结果输入环保检测质量监测模型内的监测标准分析模块内,获得监测管理标准,所述监测管理标准内包括多个样本环保质量监测结果阈值和多个样本监测管理方案的映射关系;
按照多个工况,按照预设排放标准,对所述目标机动车进行尾气排放检测,计算获得排放尾气检测结果,对所述目标机动车进行排气噪音检测,获得排气噪音检测结果;
在所述排放尾气检测结果和/或排气噪音检测结果不符合预设排放标准和/或预设噪音标准时,结合所述机动车标记分析结果对所述排放尾气检测结果和排气噪音检测结果进行调整计算,获得尾气超规值和噪音超规值;
将所述尾气超规值和噪音超规值输入所述环保检测质量监测模型内的环保质量监测结果模块,获得环保质量监测结果;
将所述环保质量监测结果输入所述监测管理标准内,获得监测管理方案,对所述目标机动车进行监测管理。
本申请的第二个方面,提供了一种机动车环保检测质量监测系统,所述系统包括:
分割结果获得模块,所述分割结果获得模块用于采集目标机动车的图像信息,并输入机动车检测模型内的图像分割模块,获得M个关键区域的M个关键图像分割结果,M为大于1的整数;
管理标准获得模块,所述管理标准获得模块用于将所述M个关键图像分割结果输入所述机动车检测模型内的标记分析模块,获得机动车标记分析结果,将所述机动车标记分析结果输入环保检测质量监测模型内的监测标准分析模块内,获得监测管理标准,所述监测管理标准内包括多个样本环保质量监测结果阈值和多个样本监测管理方案的映射关系;
检测结果获得模块,所述检测结果获得模块用于按照多个工况,按照预设排放标准,对所述目标机动车进行尾气排放检测,计算获得排放尾气检测结果,对所述目标机动车进行排气噪音检测,获得排气噪音检测结果;
噪音超规值获得模块,所述噪音超规值获得模块用于在所述排放尾气检测结果和/或排气噪音检测结果不符合预设排放标准和/或预设噪音标准时,结合所述机动车标记分析结果对所述排放尾气检测结果和排气噪音检测结果进行调整计算,获得尾气超规值和噪音超规值;
监测结果获得模块,所述监测结果获得模块用于将所述尾气超规值和噪音超规值输入所述环保检测质量监测模型内的环保质量监测结果模块,获得环保质量监测结果;
监测管理模块,所述监测管理模块用于将所述环保质量监测结果输入所述监测管理标准内,获得监测管理方案,对所述目标机动车进行监测管理。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请通过采集目标机动车的图像信息,并输入机动车检测模型内的图像分割模块,获得M个关键区域的M个关键图像分割结果,M为大于1的整数,然后将M个关键图像分割结果输入机动车检测模型内的标记分析模块,获得机动车标记分析结果,将机动车标记分析结果输入环保检测质量监测模型内的监测标准分析模块内,获得监测管理标准,监测管理标准内包括多个样本环保质量监测结果阈值和多个样本监测管理方案的映射关系,然后按照多个工况,按照预设排放标准,对目标机动车进行尾气排放检测,计算获得排放尾气检测结果,对目标机动车进行排气噪音检测,获得排气噪音检测结果,进而在排放尾气检测结果和/或排气噪音检测结果不符合预设排放标准和/或预设噪音标准时,结合机动车标记分析结果对排放尾气检测结果和排气噪音检测结果进行调整计算,获得尾气超规值和噪音超规值,然后将尾气超规值和噪音超规值输入环保检测质量监测模型内的环保质量监测结果模块,获得环保质量监测结果,将环保质量监测结果输入监测管理标准内,获得监测管理方案,对目标机动车进行监测管理。达到了对机动车环保检测质量进行智能化监测,提升监测质量的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种机动车环保检测质量监测方法流程示意图;
图2为本申请实施例提供的一种机动车环保检测质量监测方法中获得M个关键图像分割结果的流程示意图;
图3为本申请实施例提供的一种机动车环保检测质量监测方法中获得机动车标记分析结果的流程示意图;
图4为本申请实施例提供的一种机动车环保检测质量监测系统结构示意图。
附图标记说明:分割结果获得模块11,管理标准获得模块12,检测结果获得模块13,噪音超规值获得模块14,监测结果获得模块15,监测管理模块16。
具体实施方式
本申请通过提供了一种机动车环保检测质量监测方法及系统,用于针对解决现有技术中存在机动车环保检测质量监测智能化程度低,监测效果差的技术问题。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一:
如图1所示,本申请提供了一种机动车环保检测质量监测方法,其中,所述方法包括:
步骤S100:采集目标机动车的图像信息,并输入机动车检测模型内的图像分割模块,获得M个关键区域的M个关键图像分割结果,M为大于1的整数;
进一步的,如图2所示,采集所述目标机动车的图像信息,并输入机动车检测模型内的图像分割模块,获得M个关键区域的M个关键图像分割结果,本申请实施例步骤S100还包括:
步骤S110:在多个角度,采集所述目标机动车的图像信息,获得多个机动车图像;
步骤S120:基于语义分割,构建所述多个角度对应的多个图像分割单元,组成所述图像分割模块;
步骤S130:将所述多个机动车图像输入所述多个图像分割单元内,获得所述M个关键区域的M个关键图像分割结果,其中,所述M个关键区域包括发动机箱盖、车标、轮毂、扰流板和翼子板。
在一个可能的实施例中,通过使用图像采集装置从多个角度对目标机动车进行图像采集,从而获得所述多个机动车图像。示例性的,以目标机动车的车头为正视角度,从正视角度、左侧视角度、右侧视角度、俯视角度、后视角度对目标机动车进行图像采集。由此,实现了对目标机动车的外观状态进行全方位采集的目标。所述多个机动车图像是从多个角度反映目标机动车的外观状态的图像。其中,所述语义分割是一种将一些原始数据(例如,平面图像)作为输入并将它们转换为具有突出显示的感兴趣区域,也就是将图像中的每个像素根据其所属的感兴趣对象分配不同的类别,由此,实现对图像进行分割的目的。
在一个实施例中,通过根据语义分割的原理,获得多个角度对应的多个图像分割单元,其中,每个图像分割单元对应一个角度,用于对一个角度采集获得的图像进行图像分割。通过将多个图像分割单元进行汇总,从而获得所述图像分割模块。所述图像分割模块用于对多个机动车图像分别进行关键区域的图像分割,从而为后续进行目标机动车的检测分析提供基础分析图像。将所述多个机动车图像输入所述多个图像分割单元中,经过图像分割后获得所述M个关键区域的M个关键图像分割结果。其中,M个关键区域是目标机动车的关键部位,包括发动机箱盖、车标、轮毂、扰流板和翼子板。M个关键图像分割结果是能够反映目标机动车的M个关键区域状态的图像。
进一步的,基于语义分割,构建所述多个角度对应的多个图像分割单元,本申请实施例步骤S120还包括:
步骤S121:根据所述多个角度,获取多个样本机动车图像集合,对所述多个样本机动车图像集合内的机动车图像进行所述M个关键区域的图像划分和标记,获得多个样本关键图像分割结果集合;
步骤S122:基于全卷积神经网络,构建所述多个图像分割单元内的编码器和解码器;
步骤S123:分别采用所述多个样本机动车图像集合和多个样本关键图像分割结果集合作为构建数据,对所述多个图像分割单元内的编码器和解码器进行监督训练、验证和测试,获得符合收敛条件的所述多个图像分割单元。
在一个可能的实施例中,通过根据所述多个角度获得每个角度对应的样本机动车图像集合,从而获得多个样本机动车图像集合。通过根据M个关键区域对所述多个样本机动车图像集合分别进行图像划分和标记。示例性的,从左侧视角度对目标机动车进行图像采集,可以采集到轮毂和翼子板的图像,以轮毂和翼子板为索引对采集得到的图像进行分割,并对分割结果进行标记,标记图像属于轮毂还是翼子板。经过图像划分和标记后,获得多个样本关键图像分割结果集合,每个样本关键图像分割结果集合对应一个采集角度。以全卷积神经网络为基础框架,构建所述多个图像分割单元内的编码器和解码器,并以多个样本机动车图像集合和多个样本关键图像分割结果集合作为构建数据,对编码器和解码器进行监督训练。
具体而言,按照一定的划分比例,将所述构建数据划分为训练集、验证集和测试集,可选的,划分比例为4:3:3,训练集所占的比例要大于验证集和测试集,验证集和测试集对应的比例一致。通过使用训练集对多个图像分割单元内的编码器和解码器进行监督训练,直至输出结果分别达到收敛,进而,将验证集中多个样本机动车图像集合分别输入多个图像分割单元中,获得多个验证样本机动车图像集合,从而将所述多个验证样本关键图像分割结果集合与验证集中的多个样本关键图像分割结果集合进行比对,将比对成功的结果集合占验证集中多个样本关键图像分割结果集合的比例作为多个图像分割单元的准确度。当准确度满足要求时,获得所述多个图像分割单元。然后,将测试集中的数据输入所述多个图像分割单元中,获得所述多个图像分割单元的输出速度,当输出速度满足要求时,获得所述多个图像分割单元。其中,所述收敛条件是指图像分割单元的输出结果达到收敛,准确度和输出速度可以满足要求。通过根据所述多个图像分割单元可以实现智能化的对图像进行分割,从而达到了提升图像分割的效率和准确性的技术效果。
步骤S200:将所述M个关键图像分割结果输入所述机动车检测模型内的标记分析模块,获得机动车标记分析结果,将所述机动车标记分析结果输入环保检测质量监测模型内的监测标准分析模块内,获得监测管理标准,所述监测管理标准内包括多个样本环保质量监测结果阈值和多个样本监测管理方案的映射关系;
进一步的,如图3所示,将所述M个关键图像分割结果输入所述机动车检测模型内的标记分析模块,获得机动车标记分析结果,本申请实施例步骤S200还包括:
步骤S210:获取所述目标机动车上所述M个关键区域的M个标准图像;
步骤S220:获取M个样本关键图像分割结果集合,根据所述M个标准图像,分别对所述M个样本关键图像分割结果集合内的样本关键图像分割结果进行异常值标记,获得M个样本异常值集合;
步骤S230:采用所述M个样本关键图像分割结果集合和所述M个样本异常值集合作为构建数据,基于卷积神经网络,构建M个标记分析单元,组成所述标记分析模块;
步骤S240:将所述M个关键图像分割结果输入所述M个标记分析单元,获得M个异常值,对所述M个异常值进行加权计算,获得所述机动车标记分析结果。
在一个可能的实施例中,所述机动车检测模型是对目标机动车的外观状态进行检测分析的智能化模型,包括标记分析模块和图像分割模块。其中,所述标记分析模块是以卷积神经网络为基础框架,以M个关键图像分割结果为输入数据,以M个异常值加权计算的结果,也就是机动车标记分析结果作为输出数据。所述环保检测质量监测模型是用于对目标机动车环保检测结果的质量进行智能化监测的功能模型,包括监测标准分析模块。其中,所述监测标准分析模块是根据机动车标记分析结果中目标机动车的异常程度,智能化确定对应的监测管理标准的功能模块,输入数据为机动车标记分析结果,输出数据为监测管理标准。其中,所述监测管理标准内包括多个样本环保质量监测结果阈值和多个样本监测管理方案的映射关系,也就是说多个样本环保质量监测结果阈值与多个样本监测管理方案一一对应。
在一个可能的实施例中,通过获取目标机动车的M个关键区域在正常状态下的标准图像,从而获得所述M个标准图像。进而,根据所述M个样本关键图像分割结果集合与M个标准图像进行比较,从而将M个样本关键图像分割结果集合内的样本关键图像分割结果中与M个标准图像中不一致的地方进行标记,基于本领域技术人员,并根据相差的程度获得对应的异常值。优选的,可以根据异常的面积占标准图像的面积的比值作为异常值,从而获得所述M个样本异常值集合。
在一个实施例中,以所述M个样本关键图像分割结果集合和所述M个样本异常值集合作为构建数据,对以卷积神经网络为基础构建的M个框架进行训练,直至训练至输出达到收敛,获得M个标记分析单元,通过将M个标记分析单元进行并联获得所述标记分析模块。将所述M个关键图像分割结果输入所述M个标记分析单元中,经过单元计算获得M个异常值,进而,按照权重值对所述M个异常值进行加权计算,获得所述机动车标记分析结果,从而,综合目标机动车在M个关键区域的异常情况对机动车进行异常标记。
在一个可能的实施例中,通过将M个异常值分别比上M个异常值之和,将计算获得的M个比值作为进行加权计算时的权重值。从而将异常值较大的关键区域的异常情况在分析过程中占据较大的比例,使获得的结果更贴合实际情况。
进一步的,将所述机动车标记分析结果输入环保检测质量监测模型内的监测标准分析模块内,获得监测管理标准,本申请实施例步骤S200还包括:
步骤S250:根据所述M个样本异常值集合,获取样本机动车标记分析结果集合;
步骤S260:获取对机动车进行环保检测质量监测管理的预设监测管理标准,按照样本机动车标记分析结果集合内的多个样本机动车标记分析结果,对所述预设监测管理标准进行调整,获得样本监测管理标准集合;
步骤S270:构建所述样本机动车标记分析结果集合和样本监测管理标准集合的映射关系,获得所述监测标准分析模块;
步骤S280:将所述机动车标记分析结果输入所述环保检测质量监测模型内的所述监测标准分析模块内,获得所述监测管理标准。
具体而言,通过以目标机动车的异常标记为索引,从大数据库中进行搜索,获得M个样本异常值集合,并根据M个样本异常值集合进行加权计算,获得对应的样本机动车标记分析结果集合。通过根据目标机动车的类型获得进行环保检测质量监测管理的预设监测管理标准,其中,所述预设监测管理标准是预先设置的对目标机动车进行监测管理的基准标准,包括监测项目和监测项目满足要求时的项目数据。根据所述样本机动车标记分析结果集合内的多个样本机动车标记分析结果,也就是目标样本机动车的异常程度,对预设监测管理标准进行调整,样本机动车标记分析结果对应的异常值越高,对应的预设监测管理标准调整后的标准越严格,经过调整后获得样本监测管理标准集合。构建所述样本机动车标记分析结果集合和样本监测管理标准集合之间的一一对应关系,生成样本机动车标记分析结果集合和样本监测管理标准集合的映射关系,并根据映射关系构建所述监测标准分析模块。
步骤S300:按照多个工况,按照预设排放标准,对所述目标机动车进行尾气排放检测,计算获得排放尾气检测结果,对所述目标机动车进行排气噪音检测,获得排气噪音检测结果;
在一个可能的实施例中,通过根据目标机动车的不同运行工况(行驶道路的不同、行驶速度的不同),结合预设排放标准(关于机动车环保排放的行业标准、企业标准等,如国六B标准),进行目标机动车的尾气排放检测,从而获得排放尾气检测结果;同时进行目标机动车的排气噪音检测,根据预设噪音标准(机动车排气噪音需要满足的条件)获得排气噪音检测结果。其中,所述排放尾气检测结果是对尾气排放检测结果与预设排放标准之间的差异程度进行描述的结果。所述排气噪音检测结果是对目标机动车的排气噪音与预设排放标准之间的差异程度进行描述。优选的,通过将尾气排放检测结果与预设排放标准进行比较,当满足预设排放标准时,排放尾气检测结果中的得分为正,不满足预设排放标准时,得分为负。同样的,所述排气噪音检测结果也是得分结果,将排气噪音检测结果与预设噪音标准进行比较,当满足预设噪音标准时,排气噪音检测结果中的得分为正,不满足预设噪音标准时,得分为负。
步骤S400:在所述排放尾气检测结果和/或排气噪音检测结果不符合预设排放标准和/或预设噪音标准时,结合所述机动车标记分析结果对所述排放尾气检测结果和排气噪音检测结果进行调整计算,获得尾气超规值和噪音超规值;
进一步的,结合所述机动车标记分析结果对所述排放尾气检测结果和排气噪音检测结果进行调整计算,获得尾气超规值和噪音超规值,本申请实施例步骤S400还包括:
步骤S410:根据所述排放尾气检测结果和排气噪音检测结果超出所述预设排放标准和预设噪音标准的程度,对所述排放尾气检测结果和排气噪音检测结果进行调整计算,获得调整排放尾气检测结果和调整排气噪音检测结果;
步骤S420:采用所述机动车标记分析结果,对所述调整排放尾气检测结果和调整排气噪音检测结果进行调整计算,获得所述尾气超规值和噪音超规值。
在本申请的实施例中,在只有所述排放尾气检测结果不符合预设排放标准,或只有排气噪音检测结果不符合预设噪音标准,或排放尾气检测结果不符合预设排放标准,同时排气噪音检测结果不符合预设噪音标准时,根据所述排放尾气检测结果和排气噪音检测结果超出所述预设排放标准和预设噪音标准的程度,对排放尾气检测结果单独进行调整,或对排气噪音检测结果单独进行调整,或同时对排放尾气检测结果和排气噪音检测结果进行调整计算,从而获得对应的调整排放尾气检测结果和调整排气噪音检测结果。也就是,根据每个检测结果的超出对应检测标准的程度对检测结果进行调整,从而使超出标准较大的监测检测结果在计算过程中更加明显,从而获得更加准确的监测结果。进而,通过根据机动车标记分析结果的异常值大小,对所述调整排放尾气检测结果和调整排气噪音检测结果继续进行调整计算,机动车标记分析结果的异常值越大,对应的检测结果调整值越大,从而获得对应的尾气超规值和噪音超规值。优选的,在根据机动车标记分析结果的异常值大小进行调整计算时,若异常值大小超过10,对应的检测结果需要调整扩大10%。其中,所述尾气超规值是目标机动车的尾气排放超出标准的数值。所述噪音超规值是目标机动车的排气噪音超出标准的数值。优选的,目标机动车在实际行驶过程中,由于周围环境的不同,排放的尾气和排气产生的噪音要高于检测过程中的数值,因此,需要根据所述排放尾气检测结果和排气噪音检测结果超出所述预设排放标准和预设噪音标准的程度,以及机动车标记分析结果进行数值调整,从而提高检测的准确性。
步骤S500:将所述尾气超规值和噪音超规值输入所述环保检测质量监测模型内的环保质量监测结果模块,获得环保质量监测结果;
进一步的,将所述尾气超规值和噪音超规值输入所述环保检测质量监测模型内的环保质量监测结果模块,获得环保质量监测结果,本申请实施例步骤S500还包括:
步骤S510:基于历史时间内机动车的管理数据,获取样本尾气超规值集合、样本噪音超规值集合和样本环保质量监测结果集合;
步骤S520:基于尾气超规值和噪音超规值,构建监测坐标系,所述监测坐标系内包括第一坐标轴和第二坐标轴;
步骤S530:对所述样本尾气超规值集合、样本噪音超规值集合进行划分和组合,输入所述监测坐标系,获得多个样本坐标点;
步骤S540:采用所述样本环保治理监测结果集合内的多个样本环保治理监测结果,对所述多个样本坐标点进行标记,获得所述环保质量监测结果模块;
步骤S550:将所述尾气超规值和噪音超规值输入所述监测坐标系,获得监测坐标点,获取所述监测坐标点最邻近的K个样本坐标点对应的K个样本环保治理监测结果,K为大于等于3的整数;
步骤S560:计算所述K个样本环保治理监测结果的均值,获得所述环保质量监测结果。
在一个可能的实施例中,所述环保质量监测结果模块是用于对目标机动车的环保检测质量进行监测后获得结果进行智能化计算的功能模块,输入数据为尾气超规值和噪音超规值,输出数据为环保质量监测结果。
优选的,通过对历史时间内的机动车管理数据进行获取,并以尾气超规值、噪音超规值和环保质量监测结果为索引进行数据搜索,获得样本尾气超规值集合、样本噪音超规值集合和样本环保质量监测结果集合。以尾气超规值为监测坐标系的第一坐标轴,以噪音超规值为监测坐标系的第二坐标系。优选的,通过以样本尾气超规值集合、样本噪音超规值集合分别对应的样本,进行组合(也就是一个样本尾气超规值对应一个样本噪音超规值),并将组合结果中的样本尾气超规值和样本噪音超规值作为样本坐标点的坐标值。将组合结果输入监测坐标系中,获得多个样本坐标点。并根据多个样本坐标点对应的多个样本环保治理监测结果对坐标点进行标记,根据标记结果获得所述环保质量监测结果模块。
在一个实施例中,通过将尾气超规值和噪音超规值输入所述监测坐标系,获得监测坐标点,并获得监测坐标系中距离监测坐标点最邻近的K个样本坐标点对应的K个样本环保治理监测结果,其中,K为大于等于3的整数,通过计算K个样本环保治理监测结果的均值,将均值作为环保质量监测结果。由此,达到了对机动车环保检测质量监测结果进行智能化获取的技术效果。
步骤S600:将所述环保质量监测结果输入所述监测管理标准内,获得监测管理方案,对所述目标机动车进行监测管理。
具体而言,将获得的所述环保质量监测结果输入所述监测管理标准内,根据映射关系获得对应的监测管理方案,根据获得的监测管理方案对目标机动车进行监测管理。达到了提升监测管理的准确性的技术效果。
综上所述,本申请实施例至少具有如下技术效果:
本申请通过从多个角度对目标机动车进行图像采集,并利用语义分割技术对M个关键区域进行分割,达到了为后续分析提供基础分析数据的技术效果,通过利用智能化的机动车检测模型的图像分割模块、标记分析模块进行环保检测,从而分析机动车的异常程度,并根据异常程度,利用环保检测质量监测模型内的监测标准分析模块,获得对应的监测管理标准,同时根据机动车的尾气超规值和噪音超规值获得对应的环保质量监测结果,获得监测管理方案,对目标机动车进行监测管理。达到了提升监测管理效率和管理质量的技术效果。
实施例二:
基于与前述实施例中一种机动车环保检测质量监测方法相同的发明构思,如图4所示,本申请提供了一种机动车环保检测质量监测系统,本申请实施例中的系统与方法实施例基于同样的发明构思。其中,所述系统包括:
分割结果获得模块11,所述分割结果获得模块11用于采集目标机动车的图像信息,并输入机动车检测模型内的图像分割模块,获得M个关键区域的M个关键图像分割结果,M为大于1的整数;
管理标准获得模块12,所述管理标准获得模块12用于将所述M个关键图像分割结果输入所述机动车检测模型内的标记分析模块,获得机动车标记分析结果,将所述机动车标记分析结果输入环保检测质量监测模型内的监测标准分析模块内,获得监测管理标准,所述监测管理标准内包括多个样本环保质量监测结果阈值和多个样本监测管理方案的映射关系;
检测结果获得模块13,所述检测结果获得模块13用于按照多个工况,按照预设排放标准,对所述目标机动车进行尾气排放检测,计算获得排放尾气检测结果,对所述目标机动车进行排气噪音检测,获得排气噪音检测结果;
噪音超规值获得模块14,所述噪音超规值获得模块14用于在所述排放尾气检测结果和/或排气噪音检测结果不符合预设排放标准和/或预设噪音标准时,结合所述机动车标记分析结果对所述排放尾气检测结果和排气噪音检测结果进行调整计算,获得尾气超规值和噪音超规值;
监测结果获得模块15,所述监测结果获得模块15用于将所述尾气超规值和噪音超规值输入所述环保检测质量监测模型内的环保质量监测结果模块,获得环保质量监测结果;
监测管理模块16,所述监测管理模块16用于将所述环保质量监测结果输入所述监测管理标准内,获得监测管理方案,对所述目标机动车进行监测管理。
进一步的,所述分割结果获得模块11用于执行如下方法:
在多个角度,采集所述目标机动车的图像信息,获得多个机动车图像;
基于语义分割,构建所述多个角度对应的多个图像分割单元,组成所述图像分割模块;
将所述多个机动车图像输入所述多个图像分割单元内,获得所述M个关键区域的M个关键图像分割结果,其中,所述M个关键区域包括发动机箱盖、车标、轮毂、扰流板和翼子板。
进一步的,所述分割结果获得模块11用于执行如下方法:
根据所述多个角度,获取多个样本机动车图像集合,对所述多个样本机动车图像集合内的机动车图像进行所述M个关键区域的图像划分和标记,获得多个样本关键图像分割结果集合;
基于全卷积神经网络,构建所述多个图像分割单元内的编码器和解码器;
分别采用所述多个样本机动车图像集合和多个样本关键图像分割结果集合作为构建数据,对所述多个图像分割单元内的编码器和解码器进行监督训练、验证和测试,获得符合收敛条件的所述多个图像分割单元。
进一步的,所述管理标准获得模块12用于执行如下方法:
获取所述目标机动车上所述M个关键区域的M个标准图像;
获取M个样本关键图像分割结果集合,根据所述M个标准图像,分别对所述M个样本关键图像分割结果集合内的样本关键图像分割结果进行异常值标记,获得M个样本异常值集合;
采用所述M个样本关键图像分割结果集合和所述M个样本异常值集合作为构建数据,基于卷积神经网络,构建M个标记分析单元,组成所述标记分析模块;
将所述M个关键图像分割结果输入所述M个标记分析单元,获得M个异常值,对所述M个异常值进行加权计算,获得所述机动车标记分析结果。
进一步的,所述管理标准获得模块12用于执行如下方法:
根据所述M个样本异常值集合,获取样本机动车标记分析结果集合;
获取对机动车进行环保检测质量监测管理的预设监测管理标准,按照样本机动车标记分析结果集合内的多个样本机动车标记分析结果,对所述预设监测管理标准进行调整,获得样本监测管理标准集合;
构建所述样本机动车标记分析结果集合和样本监测管理标准集合的映射关系,获得所述监测标准分析模块;
将所述机动车标记分析结果输入所述环保检测质量监测模型内的所述监测标准分析模块内,获得所述监测管理标准。
进一步的,所述噪音超规值获得模块14用于执行如下方法:
根据所述排放尾气检测结果和排气噪音检测结果超出所述预设排放标准和预设噪音标准的程度,对所述排放尾气检测结果和排气噪音检测结果进行调整计算,获得调整排放尾气检测结果和调整排气噪音检测结果;
采用所述机动车标记分析结果,对所述调整排放尾气检测结果和调整排气噪音检测结果进行调整计算,获得所述尾气超规值和噪音超规值。
进一步的,所述监测结果获得模块15用于执行如下方法:
基于历史时间内机动车的管理数据,获取样本尾气超规值集合、样本噪音超规值集合和样本环保质量监测结果集合;
基于尾气超规值和噪音超规值,构建监测坐标系,所述监测坐标系内包括第一坐标轴和第二坐标轴;
对所述样本尾气超规值集合、样本噪音超规值集合进行划分和组合,输入所述监测坐标系,获得多个样本坐标点;
采用所述样本环保治理监测结果集合内的多个样本环保治理监测结果,对所述多个样本坐标点进行标记,获得所述环保质量监测结果模块;
将所述尾气超规值和噪音超规值输入所述监测坐标系,获得监测坐标点,获取所述监测坐标点最邻近的K个样本坐标点对应的K个样本环保治理监测结果,K为大于等于3的整数;
计算所述K个样本环保治理监测结果的均值,获得所述环保质量监测结果。
需要说明的是,上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种机动车环保检测质量监测方法,其特征在于,所述方法包括:
采集目标机动车的图像信息,并输入机动车检测模型内的图像分割模块,获得M个关键区域的M个关键图像分割结果,M为大于1的整数;
将所述M个关键图像分割结果输入所述机动车检测模型内的标记分析模块,获得机动车标记分析结果,将所述机动车标记分析结果输入环保检测质量监测模型内的监测标准分析模块内,获得监测管理标准,所述监测管理标准内包括多个样本环保质量监测结果阈值和多个样本监测管理方案的映射关系;
按照多个工况,按照预设排放标准,对所述目标机动车进行尾气排放检测,计算获得排放尾气检测结果,对所述目标机动车进行排气噪音检测,获得排气噪音检测结果;
在所述排放尾气检测结果和/或排气噪音检测结果不符合预设排放标准和/或预设噪音标准时,结合所述机动车标记分析结果对所述排放尾气检测结果和排气噪音检测结果进行调整计算,获得尾气超规值和噪音超规值;
将所述尾气超规值和噪音超规值输入所述环保检测质量监测模型内的环保质量监测结果模块,获得环保质量监测结果;
将所述环保质量监测结果输入所述监测管理标准内,获得监测管理方案,对所述目标机动车进行监测管理。
2.根据权利要求1所述的方法,其特征在于,采集所述目标机动车的图像信息,并输入机动车检测模型内的图像分割模块,获得M个关键区域的M个关键图像分割结果,包括:
在多个角度,采集所述目标机动车的图像信息,获得多个机动车图像;
基于语义分割,构建所述多个角度对应的多个图像分割单元,组成所述图像分割模块;
将所述多个机动车图像输入所述多个图像分割单元内,获得所述M个关键区域的M个关键图像分割结果,其中,所述M个关键区域包括发动机箱盖、车标、轮毂、扰流板和翼子板。
3.根据权利要求2所述的方法,其特征在于,基于语义分割,构建所述多个角度对应的多个图像分割单元,包括:
根据所述多个角度,获取多个样本机动车图像集合,对所述多个样本机动车图像集合内的机动车图像进行所述M个关键区域的图像划分和标记,获得多个样本关键图像分割结果集合;
基于全卷积神经网络,构建所述多个图像分割单元内的编码器和解码器;
分别采用所述多个样本机动车图像集合和多个样本关键图像分割结果集合作为构建数据,对所述多个图像分割单元内的编码器和解码器进行监督训练、验证和测试,获得符合收敛条件的所述多个图像分割单元。
4.根据权利要求1所述的方法,其特征在于,将所述M个关键图像分割结果输入所述机动车检测模型内的标记分析模块,获得机动车标记分析结果,包括:
获取所述目标机动车上所述M个关键区域的M个标准图像;
获取M个样本关键图像分割结果集合,根据所述M个标准图像,分别对所述M个样本关键图像分割结果集合内的样本关键图像分割结果进行异常值标记,获得M个样本异常值集合;
采用所述M个样本关键图像分割结果集合和所述M个样本异常值集合作为构建数据,基于卷积神经网络,构建M个标记分析单元,组成所述标记分析模块;
将所述M个关键图像分割结果输入所述M个标记分析单元,获得M个异常值,对所述M个异常值进行加权计算,获得所述机动车标记分析结果。
5.根据权利要求4所述的方法,其特征在于,将所述机动车标记分析结果输入环保检测质量监测模型内的监测标准分析模块内,获得监测管理标准,包括:
根据所述M个样本异常值集合,获取样本机动车标记分析结果集合;
获取对机动车进行环保检测质量监测管理的预设监测管理标准,按照样本机动车标记分析结果集合内的多个样本机动车标记分析结果,对所述预设监测管理标准进行调整,获得样本监测管理标准集合;
构建所述样本机动车标记分析结果集合和样本监测管理标准集合的映射关系,获得所述监测标准分析模块;
将所述机动车标记分析结果输入所述环保检测质量监测模型内的所述监测标准分析模块内,获得所述监测管理标准。
6.根据权利要求1所述的方法,其特征在于,结合所述机动车标记分析结果对所述排放尾气检测结果和排气噪音检测结果进行调整计算,获得尾气超规值和噪音超规值,包括:
根据所述排放尾气检测结果和排气噪音检测结果超出所述预设排放标准和预设噪音标准的程度,对所述排放尾气检测结果和排气噪音检测结果进行调整计算,获得调整排放尾气检测结果和调整排气噪音检测结果;
采用所述机动车标记分析结果,对所述调整排放尾气检测结果和调整排气噪音检测结果进行调整计算,获得所述尾气超规值和噪音超规值。
7.根据权利要求1所述的方法,其特征在于,将所述尾气超规值和噪音超规值输入所述环保检测质量监测模型内的环保质量监测结果模块,获得环保质量监测结果,包括:
基于历史时间内机动车的管理数据,获取样本尾气超规值集合、样本噪音超规值集合和样本环保质量监测结果集合;
基于尾气超规值和噪音超规值,构建监测坐标系,所述监测坐标系内包括第一坐标轴和第二坐标轴;
对所述样本尾气超规值集合、样本噪音超规值集合进行划分和组合,输入所述监测坐标系,获得多个样本坐标点;
采用所述样本环保治理监测结果集合内的多个样本环保治理监测结果,对所述多个样本坐标点进行标记,获得所述环保质量监测结果模块;
将所述尾气超规值和噪音超规值输入所述监测坐标系,获得监测坐标点,获取所述监测坐标点最邻近的K个样本坐标点对应的K个样本环保治理监测结果,K为大于等于3的整数;
计算所述K个样本环保治理监测结果的均值,获得所述环保质量监测结果。
8.一种机动车环保检测质量监测系统,其特征在于,所述系统包括:
分割结果获得模块,所述分割结果获得模块用于采集目标机动车的图像信息,并输入机动车检测模型内的图像分割模块,获得M个关键区域的M个关键图像分割结果,M为大于1的整数;
管理标准获得模块,所述管理标准获得模块用于将所述M个关键图像分割结果输入所述机动车检测模型内的标记分析模块,获得机动车标记分析结果,将所述机动车标记分析结果输入环保检测质量监测模型内的监测标准分析模块内,获得监测管理标准,所述监测管理标准内包括多个样本环保质量监测结果阈值和多个样本监测管理方案的映射关系;
检测结果获得模块,所述检测结果获得模块用于按照多个工况,按照预设排放标准,对所述目标机动车进行尾气排放检测,计算获得排放尾气检测结果,对所述目标机动车进行排气噪音检测,获得排气噪音检测结果;
噪音超规值获得模块,所述噪音超规值获得模块用于在所述排放尾气检测结果和/或排气噪音检测结果不符合预设排放标准和/或预设噪音标准时,结合所述机动车标记分析结果对所述排放尾气检测结果和排气噪音检测结果进行调整计算,获得尾气超规值和噪音超规值;
监测结果获得模块,所述监测结果获得模块用于将所述尾气超规值和噪音超规值输入所述环保检测质量监测模型内的环保质量监测结果模块,获得环保质量监测结果;
监测管理模块,所述监测管理模块用于将所述环保质量监测结果输入所述监测管理标准内,获得监测管理方案,对所述目标机动车进行监测管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310729711.1A CN116468205B (zh) | 2023-06-20 | 2023-06-20 | 一种机动车环保检测质量监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310729711.1A CN116468205B (zh) | 2023-06-20 | 2023-06-20 | 一种机动车环保检测质量监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116468205A true CN116468205A (zh) | 2023-07-21 |
CN116468205B CN116468205B (zh) | 2023-09-08 |
Family
ID=87184676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310729711.1A Active CN116468205B (zh) | 2023-06-20 | 2023-06-20 | 一种机动车环保检测质量监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116468205B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006058176A1 (de) * | 2006-12-09 | 2008-06-12 | Fadinger, Martin, Dipl.-Ing. | Verfahren zum Ausgleich quantifizierter Treibhausgasemissionen von individuellen Fahrzeugen oder mobilen Maschinen durch eindeutige Zuordnung mit zertifizierten Treibhausgasemissionsrechten |
CN103810398A (zh) * | 2014-03-06 | 2014-05-21 | 北京市环境保护科学研究院 | 道路移动源非尾气管颗粒物排放清单建立方法 |
CN110321905A (zh) * | 2019-07-11 | 2019-10-11 | 广东工业大学 | 基于语义分割的异常区域检测方法、系统及相关组件 |
CN111896685A (zh) * | 2020-07-22 | 2020-11-06 | 多伦汽车检测集团有限公司 | 一种汽车尾气远程监测系统 |
CN115048875A (zh) * | 2022-08-16 | 2022-09-13 | 武汉科技大学 | 基于机动车排放数据的城市大气环境指标预警方法及系统 |
-
2023
- 2023-06-20 CN CN202310729711.1A patent/CN116468205B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006058176A1 (de) * | 2006-12-09 | 2008-06-12 | Fadinger, Martin, Dipl.-Ing. | Verfahren zum Ausgleich quantifizierter Treibhausgasemissionen von individuellen Fahrzeugen oder mobilen Maschinen durch eindeutige Zuordnung mit zertifizierten Treibhausgasemissionsrechten |
CN103810398A (zh) * | 2014-03-06 | 2014-05-21 | 北京市环境保护科学研究院 | 道路移动源非尾气管颗粒物排放清单建立方法 |
CN110321905A (zh) * | 2019-07-11 | 2019-10-11 | 广东工业大学 | 基于语义分割的异常区域检测方法、系统及相关组件 |
CN111896685A (zh) * | 2020-07-22 | 2020-11-06 | 多伦汽车检测集团有限公司 | 一种汽车尾气远程监测系统 |
CN115048875A (zh) * | 2022-08-16 | 2022-09-13 | 武汉科技大学 | 基于机动车排放数据的城市大气环境指标预警方法及系统 |
Non-Patent Citations (1)
Title |
---|
王帅帅;刘建国;纪郭;: "基于全卷积神经网络的车道线检测", 数字制造科学, no. 02, pages 52 - 57 * |
Also Published As
Publication number | Publication date |
---|---|
CN116468205B (zh) | 2023-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111652835A (zh) | 基于深度学习与聚类的输电线路绝缘子缺失的检测方法 | |
CN108460481B (zh) | 基于循环神经网络的无人机侦察目标演变规律预测方法 | |
CN113610069B (zh) | 基于知识蒸馏的目标检测模型训练方法 | |
CN114266977A (zh) | 基于超分辨可选择网络的多auv的水下目标识别方法 | |
CN116308958A (zh) | 基于移动终端的碳排放在线检测预警系统及方法 | |
CN115131747A (zh) | 基于知识蒸馏的输电通道工程车辆目标检测方法及系统 | |
CN109934096B (zh) | 基于特征时序相关性的自动驾驶视觉感知优化方法 | |
CN109685823B (zh) | 一种基于深度森林的目标跟踪方法 | |
CN116468205B (zh) | 一种机动车环保检测质量监测方法及系统 | |
Wang et al. | Contrastive GNN-based traffic anomaly analysis against imbalanced dataset in IoT-based its | |
CN116935356A (zh) | 基于弱监督的自动驾驶多模态图片和点云实例分割方法 | |
CN113225391B (zh) | 基于滑动窗口异常检测的大气环境监测质量监控方法及计算设备 | |
CN115797804A (zh) | 一种基于不平衡时序航空飞行数据的异常检测方法 | |
Schnieders et al. | Fast convergence for object detection by learning how to combine error functions | |
CN114818945A (zh) | 融入类别自适应度量学习的小样本图像分类方法及装置 | |
CN112255141B (zh) | 一种热成像气体监测系统 | |
CN113673105A (zh) | 真值对比策略的设计方法 | |
CN113673534A (zh) | 一种基于Faster RCNN的RGB-D图像果实检测方法 | |
CN117649061B (zh) | 一种用于环保监测的多节点组网用电分析方法及系统 | |
CN117671507B (zh) | 一种结合气象数据的河流水质预测方法 | |
CN118169727A (zh) | 基于5g通信网络和北斗卫星导航系统的融合定位方法 | |
Wu et al. | UAV intelligent forest inspection system based on computer vision | |
CN116012716A (zh) | 一种基于元学习的小样本遥感目标检测方法 | |
CN114399788A (zh) | 对象检测方法和系统 | |
CN117148335A (zh) | 一种基于深度学习的自校准雷达测速方法及系统 |
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 |