CN116523908A - 基于卷料涂布生产线的安全生产方法、系统、设备及介质 - Google Patents
基于卷料涂布生产线的安全生产方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN116523908A CN116523908A CN202310787987.5A CN202310787987A CN116523908A CN 116523908 A CN116523908 A CN 116523908A CN 202310787987 A CN202310787987 A CN 202310787987A CN 116523908 A CN116523908 A CN 116523908A
- Authority
- CN
- China
- Prior art keywords
- information
- production
- contour line
- target workpiece
- hidden danger
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 141
- 239000011248 coating agent Substances 0.000 title claims abstract description 38
- 238000000576 coating method Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000011156 evaluation Methods 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 8
- 230000001788 irregular Effects 0.000 claims description 8
- 238000010948 quality risk assessment Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000002349 favourable effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 18
- 238000009792 diffusion process Methods 0.000 description 6
- 239000007789 gas Substances 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000012447 hatching Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 229920000049 Carbon (fiber) Polymers 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000004917 carbon fiber Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000002209 hydrophobic effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
Abstract
本申请适用于智能控制的技术领域，提供了一种基于卷料涂布生产线的安全生产方法、系统、设备及介质，适用于卷料涂布生产线，卷料涂布生产线安装有多个导向辊，卷料涂布生产线包括多个生产节点，生产节点用于描述相邻两个导向辊之间的部分，其方法包括获取目标工件在生产节点的待检测图像；基于待检测图像，获取目标工件的轮廓线特征信息；根据轮廓线特征信息和预设的质量隐患评估值计算公式，确定目标工件在生产节点上的质量隐患评估值。本申请能够有利于精准发现生产过程中的质量隐患，适用于各种实际生产情景，具有较强的应用价值。
Description
技术领域
本申请涉及智能控制的技术领域，具体而言，涉及一种基于卷料涂布生产线的安全生产方法、系统、设备及介质。
背景技术
气体扩散层（Gas Diffusion Layer,GDL）是氢能燃料电池中的关键组件之一，气体扩散层主要由随机取向的碳纤维所组成，气体扩散层的厚度通常在0.15毫米至0.3毫米之间；在气体扩散层的生产过程中，譬如对气体扩散层进行疏水加工，需要用到卷料涂布生产线。
目前，卷料涂布生产线通常利用多个导向辊来运输气体扩散层等工件，相邻两个导向辊之间的工件需要在满足工件不断裂的前提下，在导向辊上呈紧密不易脱离的松紧状态，为了满足该生产需求，通常采用人工观察，然后手动修改导向辊转动参数的方式，准确度较低，存在较难精准发现生产过程中的质量隐患的问题，有待进一步改进。
发明内容
基于此，本申请实施例提供了一种基于卷料涂布生产线的安全生产方法、系统、设备及介质，以解决现有技术中较难精准发现生产过程的质量隐患的问题。
第一方面，本申请实施例提供了一种基于卷料涂布生产线的安全生产方法，适用于卷料涂布生产线，卷料涂布生产线安装有多个导向辊，卷料涂布生产线包括多个生产节点，生产节点用于描述相邻两个导向辊之间的部分，所述方法包括：
获取目标工件在所述生产节点的待检测图像；
基于所述待检测图像，获取目标工件的轮廓线特征信息；
根据所述轮廓线特征信息和预设的质量隐患评估值计算公式，确定所述目标工件在所述生产节点上的质量隐患评估值。
与现有技术相比存在的有益效果是：本申请实施例提供的基于卷料涂布生产线的安全生产方法，终端设备可以先分别获取目标工件在各个生产节点上的待检测图像，然后根据该待检测图像，获取目标工件的轮廓线特征信息，再输入轮廓线特征信息至质量隐患评估值计算公式中，精准确定目标工件在生产节点上的质量隐患评估值，通过质量隐患评估值量化生产节点当前的质量隐患情况，为运维人员提供一个可以精准衡量目标工件在生产节点上是否存在质量隐患的参考量，在一定程度上解决了当前较难精准发现生产过程中的质量隐患的问题。
在一些实施例中，所述轮廓线特征信息包括偏差距离值信息、偏差总面积信息和最大偏差点漂移信息；所述基于所述待检测图像，获取目标工件的轮廓线特征信息，包括：
基于所述待检测图像，获取所述目标工件的实时轮廓点信息；
根据所述实时轮廓点信息，生成实时轮廓线信息；
基于预设的基准图像，获取所述目标工件的基准轮廓点信息和所述导向辊的节点位置信息；
根据所述基准轮廓点信息，生成基准轮廓线信息；
根据所述实时轮廓线信息和所述基准轮廓线信息，确定所述目标工件的偏差距离值信息，其中，所述偏差距离值信息用于描述所述实时轮廓线信息与所述基准轮廓线信息之间的最大距离值；
根据所述实时轮廓线信息、所述基准轮廓线信息和预设的不规则图形面积公式，确定所述目标工件的偏差总面积信息，其中，所述偏差总面积信息用于描述所述实时轮廓线信息与所述基准轮廓线信息之间的面积；
根据所述实时轮廓线信息和所述节点位置信息，确定所述目标工件的最大偏差点漂移信息，其中，所述最大偏差点漂移信息用于描述所述偏差距离值信息对应的所述实时轮廓点信息与所述节点位置信息之间的最短距离。
在一些实施例中，所述根据所述轮廓线特征信息和预设的质量隐患评估值计算公式，确定所述目标工件在所述生产节点上的质量隐患评估值，包括：
将所述偏差距离值信息、所述偏差总面积信息和所述最大偏差点漂移信息输入至预设的质量隐患评估值计算公式中，确定所述目标工件在所述生产节点上的质量隐患评估值；
其中，所述质量隐患评估值计算公式为：
，
式中，为所述质量隐患评估值；Exp为以自然常数e为底的指数函数；为所述偏差总面积信息；/>为所述基准轮廓线信息对应的基准偏差面积信息；/>为所述偏差总面积信息与所述基准偏差面积信息之间的差值；/>为所述偏差距离值信息；/>为所述最大偏差点漂移信息。
在一些实施例中，在所述根据所述轮廓线特征信息和预设的质量隐患评估值计算公式，确定所述目标工件在所述生产节点上的质量隐患评估值之后，所述方法还包括：
基于预设的历史数据库，获取所述生产节点的历史总隐患次数信息；
比对所述质量隐患评估值与预设的风险阈值；
若所述质量隐患评估值大于或等于所述风险阈值，则生成安全警报信息和新增隐患次数信息；
基于所述新增隐患次数信息，更新所述历史数据库中的所述历史总隐患次数信息；
上传所述安全警报信息至云端服务器。
在一些实施例中，在所述获取目标工件在所述生产节点的待检测图像之前，所述方法还包括：
针对所述卷料涂布生产线中的每个生产节点：
基于所述历史数据库，获取每个所述生产节点的历史总隐患次数信息；
按照历史总隐患次数信息从多到少的顺序，对每个所述生产节点进行排序，生成节点隐患次数排序表信息；
相应地，所述获取目标工件在所述生产节点的待检测图像，包括：
基于所述节点隐患次数排序表信息，依次获取目标工件在每个所述生产节点的待检测图像。
第二方面，本申请实施例提供了一种基于卷料涂布生产线的安全生产系统，适用于卷料涂布生产线，所述卷料涂布生产线安装有多个导向辊，所述卷料涂布生产线包括多个生产节点，所述生产节点用于描述相邻两个所述导向辊之间的部分，所述系统包括：
待检测图像获取模块：用于获取目标工件在所述生产节点的待检测图像；
轮廓线特征信息获取模块：用于基于所述待检测图像，获取目标工件的轮廓线特征信息；
质量隐患评估值确定模块：用于根据所述轮廓线特征信息和预设的质量隐患评估值计算公式，确定所述目标工件在所述生产节点上的质量隐患评估值。
第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面的方法的步骤。
第四方面，本申请实施例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存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面的方法的步骤。
可以理解的是，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1是本申请一实施例提供的安全生产方法流程示意图；
图2是本申请一实施例提供的第一工件示意图，其中，图2中的（a）为目标工件的第一示意图，图2中的（b）为目标工件的第二示意图；
图3是本申请一实施例提供的第二工件示意图，其中，图3中的（a）为目标工件的第三示意图，图3中的（b）为目标工件的第四示意图；
图4是本申请一实施例提供的待检测图像的示意图；
图5是本申请一实施例提供的安全生产方法中步骤S200的流程示意图；
图6是本申请一实施例提供的第三工件示意图，其中，图6中的（a）为目标工件的第五示意图，图6中的（b）为目标工件的第六示意图，图6中的（c）为基准轮廓线的示意图；
图7是本申请一实施例提供的第四工件示意图，其中，图7中的（a）为目标工件的第七示意图，图7中的（b）为目标工件的第八示意图，图7中的（c）为实时轮廓线的示意图；
图8是本申请一实施例提供的实时轮廓点的示意图；
图9是本申请一实施例提供的区域的示意图；
图10是本申请一实施例提供的最短距离的示意图；
图11是本申请一实施例提供的安全生产方法中步骤S400的流程示意图；
图12是本申请一实施例提供的安全生产方法中步骤S101的流程示意图；
图13是本申请一实施例提供的安全生产系统的模块框图；
图14是本申请一实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
请参阅图1，图1是本申请实施例提供的基于卷料涂布生产线的安全生产方法的流程示意图。在本实施例中，安全生产方法的执行主体为终端设备。可以理解的是，终端设备的类型包括但不限于手机、平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobilepersonal computer，UMPC)、上网本、个人数字助理(personal digital assistant，PDA)等，本申请实施例对终端设备的具体类型不作任何限制。
请参阅图1，本申请实施例提供的安全生产方法包括但不限于以下步骤：
在S100中，获取目标工件在生产节点的待检测图像。
示例性地，目标工件可以是气体扩散层；该安全生产方法可以适用于卷料涂布生产线，卷料涂布生产线可以安装有多个导向辊，请参阅图2中的（a）和（b），图2中的（a）用于以垂直于导向辊轴线方向的角度展示目标工件与导向辊之间的接触关系，图2中的（a）用于以平行于导向辊轴线方向的角度展示目标工件与导向辊之间的接触关系。
不失一般性地，卷料涂布生产线包括多个生产节点，生产节点用于描述相邻两个导向辊之间的部分，为了便于理解，请参阅图3中的（a），图3的（a）中内部标有剖面线的三个部分均表示生产节点，并且，图3中的（a）用于展示理想状态下的目标工件，即相邻两个导向辊之间的目标工件在满足不断裂的前提下，在导向辊上呈紧密不易脱离的松紧状态，然而在实际生产中，会存在大量导致目标工件呈过紧或者过松的状态，譬如相邻两个导向辊的转速不协调且上一个生产节点的目标工件呈过松状态会导致该生产节点的目标工件过紧，安全生产方法停止运行一段时间后，生产节点上的目标工件会呈过松的状态，请参阅图3中的（b），图3的（b）中内部标有剖面线的两个部分均表示该生产节点对应的目标工件呈过松的状态。
具体来说，请参阅图4，图4中的三个矩形框均表示待检测图像；终端设备可以实时获取目标工件在生产节点的待检测图像，每个待检测图像与每个生产节点一一对应。
在S200中，基于待检测图像，获取目标工件的轮廓线特征信息。
具体来说，轮廓线特征信息包括偏差距离值信息、偏差总面积信息和最大偏差点漂移信息；在终端设备获取待检测图像之后，终端设备可以基于待检测图像，获取目标工件的轮廓线特征信息，从而有利于后续评估该生产节点的质量隐患。
在一些可能的实现方式中，为了提高轮廓线特征信息的强相关性与有效性，请参阅图5，步骤S200包括但不限于以下步骤：
在S210中，基于待检测图像，获取目标工件的实时轮廓点信息。
具体来说，终端设备可以利用图像特征点提取算法，基于实时获取的待检测图像，获取目标工件的实时轮廓点信息，其中，实时轮廓点信息用于描述目标工件的边缘轮廓点。
在S220中，根据实时轮廓点信息，生成实时轮廓线信息。
具体来说，实时轮廓线信息用于描述目标工件的边缘轮廓线；在终端设备获取多个实时轮廓点信息之后，终端设备可以根据实时轮廓点信息，生成实时轮廓线信息，即基于目标工件实时的边缘轮廓点构建目标工件实际且有效的边缘轮廓线。
在S230中，基于预设的基准图像，获取目标工件的基准轮廓点信息和导向辊的节点位置信息。
具体来说，在终端设备生成实时轮廓线信息之后，终端设备可以基于预设的基准图像，获取目标工件的基准轮廓点信息和导向辊的节点位置信息，其中，基准轮廓点信息用于描述基准图像中的目标工件的轮廓点，节点位置信息用于描述基准图像中的导向辊的位置。
示例性地，请参阅图6中的（a），基准图像可以是高仿真图像，该高仿真图像可以储存有理想状态下的目标工件，即目标工件在满足不断裂的前提下，在导向辊上呈完美的紧密不易脱离的松紧状态，为了便于理解基准图像的基准轮廓线与待检测图像的实时轮廓线之间的差异，请参阅图6中的（a）、（b）和（c），图6中的（c）表示对图6中的（a）和（b）进行抽象并合并。在一种可能的实现方式中，为了应对实际生产中，目标工件存在合格范围内的位置偏差的第一情况，请参阅图7中的（a），基准图像可以是预先利用高精度相机对目标工件进行拍摄所得到的，该目标工件可以在满足不断裂和在导向辊上呈紧密不易脱离的松紧状态的前提下，存在合格范围内的松度，为了便于理解该第一情况下基准图像的基准轮廓线与待检测图像的实时轮廓线之间的差异，请参阅图7中的（a）、（b）和（c），图7中的（c）表示对图7中的（a）和（b）进行抽象并合并，其中，图7的（c）中的第一基准轮廓线表示理想状态下目标工件对应的基准轮廓线，图7的（c）中的第二基准轮廓线表示第一情况下目标工件对应的基准轮廓线。
在S240中，根据基准轮廓点信息，生成基准轮廓线信息。
具体来说，基准轮廓线信息用于描述基准图像中的目标工件的轮廓线；在终端设备获取基准轮廓点信息和节点位置信息之后，终端设备可以根据基准轮廓点信息，生成基准轮廓线信息，即基于基准图像中目标工件的基准轮廓点构建目标工件的基准轮廓线。
在S250中，根据实时轮廓线信息和基准轮廓线信息，确定目标工件的偏差距离值信息。
示例性地，偏差距离值信息用于描述实时轮廓线信息与基准轮廓线信息之间的最大距离值；请参阅图8，图8是基于图7中的（c）对应的应用情景，图8中的基准轮廓线即图7的（c）中的第二基准轮廓线；在终端设备生成基准轮廓线信息之后，终端设备可以先确定实时轮廓线中最远离基准轮廓线的实时轮廓点，即图8中内部填充为黑色的圆圈，然后计算该实时轮廓点与基准轮廓线之间的最短距离，从而确定目标工件的偏差距离值信息，图8中字母“D”对应的间距即最大距离值。
在S260中，根据实时轮廓线信息、基准轮廓线信息和预设的不规则图形面积公式，确定目标工件的偏差总面积信息。
示例性地，偏差总面积信息用于描述实时轮廓线信息与基准轮廓线信息之间的面积；请参阅图9，在终端设备确定目标工件的偏差距离值信息之后，终端设备可以根据实时轮廓线信息和基准轮廓线信息确定实时轮廓线信息与基准轮廓线信息所围成的区域，即图9中内部标有剖面线的区域，然后利用预设的不规则图形面积公式计算该区域的面积，从而实现确定目标工件的偏差总面积信息，其中，不规则图形面积公式的原理是将不规则多边形（即实时轮廓线信息与基准轮廓线信息所围成的区域）分割成一系列的规则三角形，然后根据三角形的面积公式求出每个三角形的面积，再将每个三角形的面积相加从而确定不规则多边形的面积。
在S270中，根据实时轮廓线信息和节点位置信息，确定目标工件的最大偏差点漂移信息。
示例性地，最大偏差点漂移信息用于描述偏差距离值信息对应的实时轮廓点信息与节点位置信息之间的最短距离；请参阅图10，在终端设备确定目标工件的偏差总面积信息之后，终端设备可以计算实时轮廓线信息中最远离基准轮廓线的实时轮廓点与节点位置信息之间的距离，确定目标工件的最大偏差点漂移信息，图10中字母“d”对应的间距即该最短距离。
在S300中，根据轮廓线特征信息和预设的质量隐患评估值计算公式，确定目标工件在生产节点上的质量隐患评估值。
具体来说，。终端设备可以根据轮廓线特征信息和预设的质量隐患评估值计算公式，精准地确定目标工件在生产节点上的质量隐患评估值，通过质量隐患评估值为运维人员提供一个可以精准衡量目标工件在生产节点上是否存在质量隐患的参考量。
在一些可能的实现方式中，为了有利于精准确定目标工件在生产节点上是否存在质量隐患，步骤S300包括但不限于以下步骤：
在S310中，将偏差距离值信息、偏差总面积信息和最大偏差点漂移信息输入至预设的质量隐患评估值计算公式中，确定目标工件在生产节点上的质量隐患评估值。
具体来说，在终端设备获得偏差距离值信息、偏差总面积信息和最大偏差点漂移信息之后，终端设备可以将偏差距离值信息、偏差总面积信息和最大偏差点漂移信息输入至预设的质量隐患评估值计算公式中，从而精准确定目标工件在生产节点上的质量隐患评估值。
在一些可能的实现方式中，为了提高质量隐患评估值的精准度，上述质量隐患评估值计算公式可以为：
，
式中，表示质量隐患评估值，质量隐患评估值的最小值为1，质量隐患评估值越大表示该生产节点上的目标工件越偏离指定的位置，该目标工件的松紧状态越不符合生产要求，该生产节点存在的质量隐患越高；Exp表示以自然常数e表示底的指数函数；表示偏差总面积信息；/>表示基准轮廓线信息对应的基准偏差面积信息，当应用情景为图6中的（c）时，该基准偏差面积信息可以取0，当应用情景为图7中的（c）时，该基准偏差面积信息可以是第一基准轮廓线与第二基准轮廓线所围成的区域对应的面积，该面积具体的计算方式可以参考上述步骤S260对应的描述；/>表示偏差总面积信息与基准偏差面积信息之间的差值；/>表示偏差距离值信息；/>表示最大偏差点漂移信息。
在一些可能的实现方式中，为了有利于运维人员及时得知质量隐患，请参阅图11，在步骤S300之后，该方法还包括但不限于以下步骤：
在S400中，基于预设的历史数据库，获取生产节点的历史总隐患次数信息。
具体来说，终端设备可以基于预设的历史数据库，获取生产节点的历史总隐患次数信息，其中，历史总隐患次数信息用于描述该生产节点在历史上存在质量隐患的总次数。
在S410中，比对质量隐患评估值与预设的风险阈值。
具体来说，在终端设备确定该生产节点的质量隐患评估值之后，终端设备可以比对质量隐患评估值与预设的风险阈值，风险阈值可以根据实际应用需求进行选取。
在S420中，若质量隐患评估值大于或等于风险阈值，则生成安全警报信息和新增隐患次数信息。
具体来说，如果质量隐患评估值大于或等于风险阈值，则生成安全警报信息和新增隐患次数信息，其中，安全警报信息用于描述存在质量隐患评估值大于或等于风险阈值情况的安全警报，新增隐患次数信息用于描述新增了一次隐患次数。
在S430中，基于新增隐患次数信息，更新历史数据库中的历史总隐患次数信息。
具体来说，终端设备可以基于新增隐患次数信息，更新历史数据库中的历史总隐患次数信息，譬如将历史总隐患次数信息从六次更新为七次，从而有利于提高数据的鲁棒性。
在S440中，上传安全警报信息至云端服务器。
具体来说，终端设备可以上传安全警报信息至云端服务器，从而有利于运维人员及时得知质量隐患。
在一些可能的实现方式中，为了实现先检测较高可能性出现质量隐患的生产节点，再检测较低可能性出现质量隐患的生产节点，以便于进一步及时发现生产隐患，请参阅图12，在步骤S100之前，该方法还包括但不限于以下步骤：
在S101中，针对卷料涂布生产线中的每个生产节点：基于历史数据库，获取每个生产节点的历史总隐患次数信息。
具体来说，终端设备可以针对卷料涂布生产线中的每个生产节点进行如下操作：基于历史数据库，获取每个生产节点的历史总隐患次数信息。
在S102中，按照历史总隐患次数信息从多到少的顺序，对每个生产节点进行排序，生成节点隐患次数排序表信息。
具体来说，在终端设备获取历史总隐患次数信息之后，终端设备可以按照历史总隐患次数信息从多到少的顺序，对每个生产节点进行排序，生成节点隐患次数排序表信息。
相应地，上述步骤S100，包括：
在S110中，基于节点隐患次数排序表信息，依次获取目标工件在每个生产节点的待检测图像。
具体来说，终端设备可以按照节点隐患次数排序表信息上的各个生产节点的顺序，依次获取目标工件在每个生产节点的待检测图像，从而提高发现生产节点存在质量隐患的及时性。
本申请实施例基于卷料涂布生产线的安全生产方法的实施原理为：终端设备可以先基于节点隐患次数排序表信息，依次获取目标工件在每个生产节点的待检测图像，然后基于待检测图像，获取目标工件的轮廓线特征信息，再根据轮廓线特征信息和预设的质量隐患评估值计算公式，精准地确定目标工件在生产节点上的质量隐患评估值，从而实现为运维人员提供一个可以精准衡量目标工件在生产节点上是否存在质量隐患的参考量，同时有利于及时发现质量隐患。
需要说明的是，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本申请的实施例还提供了一种基于卷料涂布生产线的安全生产系统，适用于卷料涂布生产线，卷料涂布生产线安装有多个导向辊，卷料涂布生产线包括多个生产节点，生产节点用于描述相邻两个导向辊之间的部分，为便于说明，仅示出与本申请相关的部分，如图13所示，该系统130包括：
待检测图像获取模块131：用于获取目标工件在生产节点的待检测图像；
轮廓线特征信息获取模块132：用于基于待检测图像，获取目标工件的轮廓线特征信息；
质量隐患评估值确定模块133：用于根据轮廓线特征信息和预设的质量隐患评估值计算公式，确定目标工件在生产节点上的质量隐患评估值。
可选的，上述轮廓线特征信息获取模块132包括：
实时轮廓点信息获取子模块：用于基于待检测图像，获取目标工件的实时轮廓点信息；
实时轮廓线信息生成子模块：用于根据实时轮廓点信息，生成实时轮廓线信息；
节点位置信息获取子模块：用于基于预设的基准图像，获取目标工件的基准轮廓点信息和导向辊的节点位置信息；
基准轮廓线信息生成子模块：用于根据基准轮廓点信息，生成基准轮廓线信息；
偏差距离值信息确定子模块：用于根据实时轮廓线信息和基准轮廓线信息，确定目标工件的偏差距离值信息，其中，偏差距离值信息用于描述实时轮廓线信息与基准轮廓线信息之间的最大距离值；
偏差总面积信息确定子模块：用于根据实时轮廓线信息、基准轮廓线信息和预设的不规则图形面积公式，确定目标工件的偏差总面积信息，其中，偏差总面积信息用于描述实时轮廓线信息与基准轮廓线信息之间的面积；
最大偏差点漂移信息确定子模块：用于根据实时轮廓线信息和节点位置信息，确定目标工件的最大偏差点漂移信息，其中，最大偏差点漂移信息用于描述偏差距离值信息对应的实时轮廓点信息与节点位置信息之间的最短距离。
可选的，上述质量隐患评估值确定模块133包括：
质量隐患评估值确定子模块：用于将偏差距离值信息、偏差总面积信息和最大偏差点漂移信息输入至预设的质量隐患评估值计算公式中，确定目标工件在生产节点上的质量隐患评估值；
其中，上述质量隐患评估值计算公式为：
，
式中，为质量隐患评估值；Exp为以自然常数e为底的指数函数；为偏差总面积信息；/>为基准轮廓线信息对应的基准偏差面积信息；为偏差总面积信息与基准偏差面积信息之间的差值；/>为偏差距离值信息；/>为最大偏差点漂移信息。
可选的，该系统130还包括：
历史总隐患次数信息获取模块：用于基于预设的历史数据库，获取生产节点的历史总隐患次数信息；
风险阈值比对模块：用于比对质量隐患评估值与预设的风险阈值；
新增隐患次数信息生成模块：用于若质量隐患评估值大于或等于风险阈值，则生成安全警报信息和新增隐患次数信息；
历史总隐患次数信息更新模块：用于基于新增隐患次数信息，更新历史数据库中的历史总隐患次数信息；
安全警报信息上传模块：用于上传安全警报信息至云端服务器。
可选的，该系统130还包括：
历史总隐患次数信息获取模块：用于针对卷料涂布生产线中的每个生产节点：基于历史数据库，获取每个生产节点的历史总隐患次数信息；
节点隐患次数排序表信息生成模块：用于按照历史总隐患次数信息从多到少的顺序，对每个生产节点进行排序，生成节点隐患次数排序表信息；
相应地，上述待检测图像获取模块131，包括：
待检测图像获取子模块：用于基于节点隐患次数排序表信息，依次获取目标工件在每个生产节点的待检测图像。
需要说明的是，上述模块之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
本申请实施例还提供了一种终端设备，如图14所示，该实施例的终端设备140包括：处理器141、存储器142以及存储在存储器142中并可在处理器141上运行的计算机程序143。处理器141执行计算机程序143时实现上述流量处理方法实施例中的步骤，例如图1所示的步骤S100至S300；或者，处理器141执行计算机程序143时实现上述装置中各模块的功能，例如图13所示模块131至133的功能。
该终端设备140可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备，该终端设备140包括但不仅限于处理器141、存储器142。本领域技术人员可以理解，图14仅仅是终端设备140的示例，并不构成对终端设备140的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端设备140还可以包括输入输出设备、网络接入设备、总线等。
其中，处理器141可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路（Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等；通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器142可以是终端设备140的内部存储单元，例如终端设备140的硬盘或内存，存储器142也可以是终端设备140的外部存储设备，例如终端设备140上配备的插接式硬盘，智能存储卡（Smart Media Card,SMC），安全数字（Secure Digital，SD）卡，闪存卡（FlashCard）等；进一步地，存储器142还可以既包括终端设备140的内部存储单元也包括外部存储设备，存储器142还可以存储计算机程序143以及终端设备140所需的其它程序和数据，存储器142还可以用于暂时地存储已经输出或者将要输出的数据。
本申请的一个实施例还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等；计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（Read-OnlyMemory，ROM）、随机存取存储器（Random Access Memory，RAM）、电载波信号、电信信号以及软件分发介质等。
以上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：凡依本申请的方法、原理、结构所做的等效变化，均应涵盖于本申请的保护范围之内。
Claims (9)
1.一种基于卷料涂布生产线的安全生产方法，适用于卷料涂布生产线，所述卷料涂布生产线安装有多个导向辊，所述卷料涂布生产线包括多个生产节点，所述生产节点用于描述相邻两个所述导向辊之间的部分，其特征在于，所述方法包括：
获取目标工件在所述生产节点的待检测图像；
基于所述待检测图像，获取目标工件的轮廓线特征信息；
根据所述轮廓线特征信息和预设的质量隐患评估值计算公式，确定所述目标工件在所述生产节点上的质量隐患评估值。
2.根据权利要求1所述的方法，其特征在于，所述轮廓线特征信息包括偏差距离值信息、偏差总面积信息和最大偏差点漂移信息；所述基于所述待检测图像，获取目标工件的轮廓线特征信息，包括：
基于所述待检测图像，获取所述目标工件的实时轮廓点信息；
根据所述实时轮廓点信息，生成实时轮廓线信息；
基于预设的基准图像，获取所述目标工件的基准轮廓点信息和所述导向辊的节点位置信息；
根据所述基准轮廓点信息，生成基准轮廓线信息；
根据所述实时轮廓线信息和所述基准轮廓线信息，确定所述目标工件的偏差距离值信息，其中，所述偏差距离值信息用于描述所述实时轮廓线信息与所述基准轮廓线信息之间的最大距离值；
根据所述实时轮廓线信息、所述基准轮廓线信息和预设的不规则图形面积公式，确定所述目标工件的偏差总面积信息，其中，所述偏差总面积信息用于描述所述实时轮廓线信息与所述基准轮廓线信息之间的面积；
根据所述实时轮廓线信息和所述节点位置信息，确定所述目标工件的最大偏差点漂移信息，其中，所述最大偏差点漂移信息用于描述所述偏差距离值信息对应的所述实时轮廓点信息与所述节点位置信息之间的最短距离。
3.根据权利要求2所述的方法，其特征在于，所述根据所述轮廓线特征信息和预设的质量隐患评估值计算公式，确定所述目标工件在所述生产节点上的质量隐患评估值，包括：
将所述偏差距离值信息、所述偏差总面积信息和所述最大偏差点漂移信息输入至预设的质量隐患评估值计算公式中，确定所述目标工件在所述生产节点上的质量隐患评估值；
其中，所述质量隐患评估值计算公式为：
，
式中，为所述质量隐患评估值；Exp为以自然常数e为底的指数函数；为所述偏差总面积信息；/>为所述基准轮廓线信息对应的基准偏差面积信息；/>为所述偏差总面积信息与所述基准偏差面积信息之间的差值；/>为所述偏差距离值信息；/>为所述最大偏差点漂移信息。
4.根据权利要求1所述的方法，其特征在于，在所述根据所述轮廓线特征信息和预设的质量隐患评估值计算公式，确定所述目标工件在所述生产节点上的质量隐患评估值之后，所述方法还包括：
基于预设的历史数据库，获取所述生产节点的历史总隐患次数信息；
比对所述质量隐患评估值与预设的风险阈值；
若所述质量隐患评估值大于或等于所述风险阈值，则生成安全警报信息和新增隐患次数信息；
基于所述新增隐患次数信息，更新所述历史数据库中的所述历史总隐患次数信息；
上传所述安全警报信息至云端服务器。
5.根据权利要求4所述的方法，其特征在于，在所述获取目标工件在所述生产节点的待检测图像之前，所述方法还包括：
针对所述卷料涂布生产线中的每个生产节点：
基于所述历史数据库，获取每个所述生产节点的历史总隐患次数信息；
按照历史总隐患次数信息从多到少的顺序，对每个所述生产节点进行排序，生成节点隐患次数排序表信息；
相应地，所述获取目标工件在所述生产节点的待检测图像，包括：
基于所述节点隐患次数排序表信息，依次获取目标工件在每个所述生产节点的待检测图像。
6.一种基于卷料涂布生产线的安全生产系统，适用于卷料涂布生产线，所述卷料涂布生产线安装有多个导向辊，所述卷料涂布生产线包括多个生产节点，所述生产节点用于描述相邻两个所述导向辊之间的部分，其特征在于，所述系统包括：
待检测图像获取模块：用于获取目标工件在所述生产节点的待检测图像；
轮廓线特征信息获取模块：用于基于所述待检测图像，获取目标工件的轮廓线特征信息；
质量隐患评估值确定模块：用于根据所述轮廓线特征信息和预设的质量隐患评估值计算公式，确定所述目标工件在所述生产节点上的质量隐患评估值。
7.根据权利要求6所述的系统，其特征在于，所述系统包括：
历史总隐患次数信息获取模块：用于基于预设的历史数据库，获取所述生产节点的历史总隐患次数信息；
风险阈值比对模块：用于比对所述质量隐患评估值与预设的风险阈值；
新增隐患次数信息生成模块：用于若所述质量隐患评估值大于或等于所述风险阈值，则生成安全警报信息和新增隐患次数信息；
历史总隐患次数信息更新模块：用于基于所述新增隐患次数信息，更新所述历史数据库中的所述历史总隐患次数信息；
安全警报信息上传模块：用于上传所述安全警报信息至云端服务器。
8.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310787987.5A CN116523908B (zh) | 2023-06-30 | 2023-06-30 | 基于卷料涂布生产线的安全生产方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310787987.5A CN116523908B (zh) | 2023-06-30 | 2023-06-30 | 基于卷料涂布生产线的安全生产方法、系统、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116523908A true CN116523908A (zh) | 2023-08-01 |
| CN116523908B CN116523908B (zh) | 2023-09-12 |
Family
ID=87394419
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310787987.5A Active CN116523908B (zh) | 2023-06-30 | 2023-06-30 | 基于卷料涂布生产线的安全生产方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116523908B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116909241A (zh) * | 2023-09-14 | 2023-10-20 | 中科合肥技术创新工程院 | 智能散热器数字化全自动生产线控制系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170013166A1 (en) * | 2014-03-27 | 2017-01-12 | Fujifilm Corporation | Printing system, method of generating halftone processing rule, method of acquiring characteristic parameter, image processing device, image processing method, halftone processing rule, halftone image, method of manufacturing printed material, inkjet printing system, and program |
| US20200143563A1 (en) * | 2017-11-22 | 2020-05-07 | Beijing Sensetime Technology Development Co., Ltd. | Methods and apparatuses for object detection, and devices |
| CN113450356A (zh) * | 2021-09-01 | 2021-09-28 | 蘑菇物联技术（深圳）有限公司 | 用于识别目标部件安装状态的方法、设备和存储介质 |
| CN113592845A (zh) * | 2021-08-10 | 2021-11-02 | 深圳市华汉伟业科技有限公司 | 一种电池涂布的缺陷检测方法及装置、存储介质 |
| CN113763376A (zh) * | 2021-09-17 | 2021-12-07 | 深圳市赛为智能股份有限公司 | 传送带偏移检测方法、装置、计算机设备及存储介质 |
| CN113763375A (zh) * | 2021-09-17 | 2021-12-07 | 深圳市赛为智能股份有限公司 | 传送带偏移程度检测方法、装置、计算机设备及存储介质 |
| CN114255218A (zh) * | 2021-12-20 | 2022-03-29 | 辽宁瑞华实业集团高新科技有限公司 | 偏移状态确定方法及装置、电子设备和存储介质 |
| CN114445844A (zh) * | 2021-12-27 | 2022-05-06 | 万翼科技有限公司 | 板构件识别方法、装置、设备及存储介质 |
| CN114749342A (zh) * | 2022-04-20 | 2022-07-15 | 华南理工大学 | 一种锂电池极片涂布缺陷识别方法、装置及介质 |
| CN116168041A (zh) * | 2023-04-26 | 2023-05-26 | 湖南隆深氢能科技有限公司 | 一种应用于贴合装置的实时检测方法及其系统 |
| CN116213203A (zh) * | 2023-05-08 | 2023-06-06 | 宁德时代新能源科技股份有限公司 | 一种双面涂布方法、装置、电子设备及存储介质 |
-
2023
- 2023-06-30 CN CN202310787987.5A patent/CN116523908B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170013166A1 (en) * | 2014-03-27 | 2017-01-12 | Fujifilm Corporation | Printing system, method of generating halftone processing rule, method of acquiring characteristic parameter, image processing device, image processing method, halftone processing rule, halftone image, method of manufacturing printed material, inkjet printing system, and program |
| US20200143563A1 (en) * | 2017-11-22 | 2020-05-07 | Beijing Sensetime Technology Development Co., Ltd. | Methods and apparatuses for object detection, and devices |
| CN113592845A (zh) * | 2021-08-10 | 2021-11-02 | 深圳市华汉伟业科技有限公司 | 一种电池涂布的缺陷检测方法及装置、存储介质 |
| CN113450356A (zh) * | 2021-09-01 | 2021-09-28 | 蘑菇物联技术（深圳）有限公司 | 用于识别目标部件安装状态的方法、设备和存储介质 |
| CN113763376A (zh) * | 2021-09-17 | 2021-12-07 | 深圳市赛为智能股份有限公司 | 传送带偏移检测方法、装置、计算机设备及存储介质 |
| CN113763375A (zh) * | 2021-09-17 | 2021-12-07 | 深圳市赛为智能股份有限公司 | 传送带偏移程度检测方法、装置、计算机设备及存储介质 |
| CN114255218A (zh) * | 2021-12-20 | 2022-03-29 | 辽宁瑞华实业集团高新科技有限公司 | 偏移状态确定方法及装置、电子设备和存储介质 |
| CN114445844A (zh) * | 2021-12-27 | 2022-05-06 | 万翼科技有限公司 | 板构件识别方法、装置、设备及存储介质 |
| CN114749342A (zh) * | 2022-04-20 | 2022-07-15 | 华南理工大学 | 一种锂电池极片涂布缺陷识别方法、装置及介质 |
| CN116168041A (zh) * | 2023-04-26 | 2023-05-26 | 湖南隆深氢能科技有限公司 | 一种应用于贴合装置的实时检测方法及其系统 |
| CN116213203A (zh) * | 2023-05-08 | 2023-06-06 | 宁德时代新能源科技股份有限公司 | 一种双面涂布方法、装置、电子设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116909241A (zh) * | 2023-09-14 | 2023-10-20 | 中科合肥技术创新工程院 | 智能散热器数字化全自动生产线控制系统 |
| CN116909241B (zh) * | 2023-09-14 | 2023-11-24 | 中科合肥技术创新工程院 | 智能散热器数字化全自动生产线控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116523908B (zh) | 2023-09-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110608982A (zh) | 检测方法、装置、移动设备、电子设备及存储介质 | |
| CN116523908B (zh) | 基于卷料涂布生产线的安全生产方法、系统、设备及介质 | |
| CN116168041B (zh) | 一种应用于贴合装置的实时检测方法及其系统 | |
| CN115937170A (zh) | 电路板检测方法、装置、计算机设备及存储介质 | |
| CN109241043B (zh) | 一种数据质量检测方法及装置 | |
| CN112131336A (zh) | 一种污染源定位方法、装置、计算机设备及存储介质 | |
| Jesus et al. | On the computing of area coverage by visual sensor networks: Assessing performance of approximate and precise algorithms | |
| CN116342609A (zh) | 基于裁切装置的实时检测方法、系统以及存储介质 | |
| CN116295172B (zh) | 膜电极生产线的检测方法、系统、终端设备以及存储介质 | |
| CN116379927B (zh) | 应用于贴合生产线的精准检测方法、系统以及存储介质 | |
| CN113609216A (zh) | 基于区块链的产品质量诊断方法、装置、设备及存储介质 | |
| CN116700955A (zh) | 作业处理方法、装置、计算机设备及可读存储介质 | |
| CN116028832A (zh) | 一种样本聚类处理方法、装置、存储介质及电子设备 | |
| CN111582378A (zh) | 定位识别模型的训练生成方法、位置检测方法、装置 | |
| CN113391256B (zh) | 一种现场作业终端的电能表计量故障分析方法及系统 | |
| CN116625243B (zh) | 基于边框卷料裁切机的智能检测方法、系统以及存储介质 | |
| Guohua et al. | Enhancing situation awareness of chemical release through source inversion | |
| Alipourjeddi et al. | Evaluating Generative Adversarial Networks: A Topological Approach | |
| CN116558519B (zh) | 一种适用于大负荷主变压器的智能检测方法及其系统 | |
| CN117522775A (zh) | 基于ccm片材涂布机的产品质量跟踪方法、系统及介质 | |
| CN117193088B (zh) | 一种工业设备监控方法、装置以及服务器 | |
| CN117336210B (zh) | 物联网卡流量异常检测方法、装置、设备及存储介质 | |
| CN116296141B (zh) | 一种应用于气密性检测设备的实时监测方法及其系统 | |
| CN117474292B (zh) | 一种基于5g传输的网联无人机用调度系统及调度方法 | |
| CN117437602B (zh) | 一种双图层数据标定方法、装置、设备及可读存储介质 |
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 |