CN116823564A - 一种危废品智能监测系统 - Google Patents
一种危废品智能监测系统 Download PDFInfo
- Publication number
- CN116823564A CN116823564A CN202310428370.4A CN202310428370A CN116823564A CN 116823564 A CN116823564 A CN 116823564A CN 202310428370 A CN202310428370 A CN 202310428370A CN 116823564 A CN116823564 A CN 116823564A
- Authority
- CN
- China
- Prior art keywords
- dangerous waste
- data
- dangerous
- waste
- time
- 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
- 239000002699 waste material Substances 0.000 title claims abstract description 271
- 238000012544 monitoring process Methods 0.000 title claims abstract description 40
- 238000011156 evaluation Methods 0.000 claims abstract description 80
- 230000008859 change Effects 0.000 claims abstract description 32
- 238000011282 treatment Methods 0.000 claims abstract description 23
- 230000002159 abnormal effect Effects 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 12
- 238000005516 engineering process Methods 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims abstract description 6
- 239000013598 vector Substances 0.000 claims description 74
- 239000002920 hazardous waste Substances 0.000 claims description 57
- 239000007788 liquid Substances 0.000 claims description 41
- 238000000034 method Methods 0.000 claims description 34
- 239000002351 wastewater Substances 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 208000028752 abnormal posture Diseases 0.000 claims description 3
- 230000003213 activating effect Effects 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 3
- 230000010485 coping Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000011425 standardization method Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000011221 initial treatment Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000004044 response Effects 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
- 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
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
- G06K7/10297—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves arrangements for handling protocols designed for non-contact record carriers such as RFIDs NFCs, e.g. ISO/IEC 14443 and 18092
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Computer Security & Cryptography (AREA)
- Marketing (AREA)
- Economics (AREA)
- Electromagnetism (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- Human Resources & Organizations (AREA)
- Computer Networks & Wireless Communication (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
Abstract
本发明提供了一种危废品智能监测系统,涉及智能监测技术领域,包括数据采集模块,用于利用RFID技术以及传感器、视频装置实时采集数据;状态获取模块,用于对当前危废品状态进行评估;预测状态模块,用于将第一数据输入训练得到的状态预测模型中预估危废品的未来状态变化趋势,并利用数据传输模块传输至云服务平台;报警模块,用于对当前危废品的评估结果是否存在安全风险进行判断并发出报警信号;并分析所述危废品的未来状态变化趋势,以实现危废品智能化的安全管理。通过对实时采集到的危废品数据进行状态评估,若存在异常则立即报警并紧急处理,否则对危废品未来变化趋势进行预估与分析来提前预防事故发生,实现危废品智能化、安全化的监测管理。
Description
技术领域
本发明涉及智能监测技术领域,特别涉及一种危废品智能监测系统。
背景技术
现如今,国家经济发展迅速的同时也产生大量的危废品,而由于长期缺乏科学的监测管理体系以及配套的处理技术,造成危废品泄露从而导致环境污染的问题日益严重,像危废品处置不当、危废水擅自排放等现象屡禁不止。
针对上述问题,本发明提供一种危废品智能监测系统,全面实时监测危废品状态的同时也可精准预测危废品的未来状态变化趋势,并落实针对性管理措施,从而提前避免事故发生,提高危废品智能化、科学化、安全化管理水平。
发明内容
本发明提供一种危废品智能监测系统,用以通过对实时采集到的危废品数据进行状态评估,若存在异常则立即报警并紧急处理,否则对危废品未来变化趋势进行预估与分析来提前预防事故发生,实现危废品智能化、安全化的监测管理。
本发明提供一种危废品智能监测系统,包括:
数据采集模块:用于利用RFID技术扫描承载危废品的容器上所贴的电子标签得到第一信息,再集合利用液位传感器、压力传感器和视频装置分别实时采集的当前危废品的液位、压力以及姿态数据,得到第一数据;
状态获取模块:用于基于第一数据对当前危废品状态进行评估,得到第一评估结果;
预测状态模块:用于利用危废品的关键信息和对应的历史状态数据训练得到状态预测模型,再结合第一数据来预估危废品的未来状态变化趋势;
数据传输模块:用于将所述第一评估结果以及对应危废品的未来状态变化趋势传输至云服务平台;
报警模块:用于当云服务平台对当前危废品的第一评估结果判断出存在安全风险时,则立即发出第一报警信号;
进而基于所述云服务平台对所述危废品的未来状态变化趋势的分析,获取应对方案,以实现危废品智能化的安全管理。
优选的,所述数据采集模块包括:
信息识别单元:用于利用地面盘点机器人盘点危废品容器下层标签的同时,激活其所属范围内的吊顶电子标签读取设备以读取对应危废品容器顶部和内部的所贴电子标签,再将两类设备扫描到的数据汇聚,得到第一信息;
数据采集单元:用于利用装置在危废品中的危废渣储存位置处的压力传感器实时采集第一压力数据;
利用在危废品中的危废水处储存位置处的液位传感器来实时采集第一液位数据;
利用在危废品储存库的预设位置处的摄像头实时监控危废品,再采用包含目标检测算法的检测器识别摄像头实时采集到的图像中的危废品容器并框选定位后,对每个目标框进行姿态关键点预估,最终得到危废品的姿态数据;
最后再将第一压力数据、第一液位数据以及姿态数据与第一信息进行汇聚,得到第一数据,并传输至状态获取模块。
优选的,所述电子标签中包含有危废品名称、危废品编码、危废品体积、危废品最佳储存条件以及危废品产生单位信息。
优选的,所述状态获取模块包括:
状态评估单元:用于分析所述第一数据,若存在所述第一压力数据小于对应危废渣的预设压力阈值,则评估当前所述危废渣发生泄露,否则判断当前状态正常,并作为第一评估结果中的一项内容进行输出;
若存在所述第一液位数据小于对应危废水的预设液位阈值,则评估当前所述危废水发生泄露,否则判断当前状态正常,并作为第一评估结果中的一项内容进行输出;
将所述姿态数据与预设危废品姿态数据进行匹配,再根据匹配结果,评估当前所述危废品姿态是否存在异常,并作为第一评估结果中的一项内容进行输出。
优选的,所述状态评估单元,包括:
对比块:基于所述危废品的姿态数据,且利用每个危废品容器不同的姿态关键点,构建6个不同的特征平面并从中提取出若干第一特征边向量;
以危废品容器底部中心为空间坐标原点,x轴和y轴均在水平方向上,将第一特征向量与基于预设危废品姿态数据得到的对应标准边向量进行相似度对比,得到差异值,其中差异值的求取公式如下:
其中,Yxj表示为第x个危废品容器的第j个特征平面对应的第一特征边向量与标准边向量的差异值,取值范围是[0,1];Bx(θj)表示为第x个危废品容器的第j个特征平面对应的第一特征边向量与标准边向量的内积夹角的余弦值,取值范围是[0,1];θj表示为第x个危废品容器的第j个特征平面对应的第一特征边向量与标准边向量的内积夹角;Txj表示为第x个危废品容器的第j个特征平面对应的第一特征边向量;Dxj表示为第x个危废品容器的第j个特征平面对应的标准边向量,其中j=1,2,3,…,m;α表示为余弦值对求取差异值的影响权重因子;β表示为危废品容器转动幅度对求取差异值的影响权重因子;
将每个危废品对应获取的所有差异值进行集合,得到若干差异组;
若差异值中的所有差异值均小于预设高阈值,且小于预设低阈值的差异值占比不小于0.7,则评估当前所述危废品姿态正常;
否则,评估当前所述危废品姿态存在异常;
将当前危废品的姿态评估结果作为第一评估结果输出。
优选的,所述预测状态模块包括:
模型建立单元:用于利用危废品的关键信息和对应的历史状态数据训练得到状态预测模型;
预估单元:用于将预设时间段内的第一数据输入状态预测模型中,得到危废水的液位数值变化趋势、危废渣的压力数值变化趋势以及危废品的姿态数据变化趋势。
优选的,所述模型建立单元包括:
数据处理块:用于采用极值标准化方法对提取的预设量的历史状态数据进行无量纲处理得到目标历史数据;
指标赋权块:用于将液位、压力以及姿态视为评估指标,确定两两评估指标之间的权重的重要性之比,再利用主观权重公式得到主观权重系数,从而得到对应评估指标的主观权重;
估计各主观权重的信息熵值,得到对应的客观权重系数,再结合熵权法求得对应评估指标的客观权重;
将获取的主观权重与客观权重对应结合,得到评估指标的综合权重值,其中综合权重值的求取公式如下:
其中,Qi表示为第i个评估指标的综合权重值,其中i={1,2,3,…,n};Xi表示为第i个评估指标的主观权重;Yi表示为第i个评估指标的客观权重;
模型建立块:用于基于危废品的关键信息,将目标历史数据作为训练样本,再将评估指标以及对应的综合权重值作为输入,完成对状态预测模型的建立。
优选的,所述报警模块包括:
报警单元:用于利用云服务平台分析所述第一评价结果,若确定存在有泄露或姿态异常的安全风险,则立即发出第一报警信号,并调用对应危废品的第一信息发送给事故处理人员进行处理;
若云服务平台分析第一评价结果后,发现不存在安全风险,获取对应危废品的未来状态变化趋势并进行分析,得到所述所有危废品未来出现安全风险的初始时刻以及与当前时刻的初始时间差;
确定每个危废品的当下所处环境,且当所述当下所处环境与动态干扰存在联系时,从历史环境数据库中调取与所述当下所处环境一致的若干匹配环境,并分别确定每个匹配环境的动态干扰向量;
计算当下所处环境所对应每个匹配环境的动态干扰向量的第一干扰概率;
其中,ni01表示第i01个动态干扰向量中涉及到的动态干扰因子的因子个数;di01表示第i01个动态干扰向量中存在实际干扰到对应危废品的因子个数;G0i01表示第i01个动态干扰向量的第一干扰概率;
基于所有第一干扰概率,计算对相应危废品的动态干扰概率;
其中,U1表示当下所处环境对应的匹配环境下的动态干扰向量的总个数;p0i01表示当下所处环境对应的第i01个匹配环境下所生产得到的危废品的生产来源的参考价值系数;G1表示动态干扰概率;
当所述动态干扰概率小于预设干扰概率时,将相应危废品的未来出现安全风险的初始时刻以及与当前时刻的初始时间差作为相应的第一时刻以及第一时间差进行保留;
当所述动态干扰概率大于或等于预设干扰概率时,确定所对应的所有动态干扰向量中的每个动态干扰因子的出现概率以及集中出现时间;
基于环境-向量-概率-出现时间-差映射表,匹配得到每个动态干扰因子的可能出现干扰时间,进而获取最先出现干扰时间;
若所述最先出现干扰时间在未来的初始时刻之前,则将所述最先出现干扰时间作为第一时刻以及获取与当前时刻的第一时间差;
否则,继续将对应的未来的初始时刻作为第一时刻;
方案确定单元:用于将获取的第一时间差与预设时间阈值进行对比,若小于预设时间阈值,则将对应的危废品作为一级处理目标,并按照对应获取的第一时间差从小到大排序得到的危废品-时间差序列依次进行紧急事故处理;
否则,将对应的危废品作为二级处理目标,并调用对应的第一信息,确定对应的化学特征,从而设定不同的危险指数,再与对应第一时间差相结合得到优先处理列表后,采取相应事故处理措施依次进行处理。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种危废品智能监测系统的结构图;
图2为本发明实施例中动态干扰因子位于时间轴的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供一种危废品智能监测系统,如图1所示,包括:
数据采集模块:用于利用RFID技术扫描承载危废品的容器上所贴的电子标签得到第一信息,再集合利用液位传感器、压力传感器和视频装置分别实时采集的当前危废品的液位、压力以及姿态数据,得到第一数据;
状态获取模块:用于基于第一数据对当前危废品状态进行评估,得到第一评估结果;
预测状态模块:用于利用危废品的关键信息和对应的历史状态数据训练得到状态预测模型,再结合第一数据来预估危废品的未来状态变化趋势;
数据传输模块:用于将所述第一评估结果以及对应危废品的未来状态变化趋势传输至云服务平台;
报警模块:用于当云服务平台对当前危废品的第一评估结果判断出存在安全风险时,则立即发出第一报警信号;
进而基于所述云服务平台对所述危废品的未来状态变化趋势的分析,获取应对方案,以实现危废品智能化的安全管理。
该实施例中,危废品指的是危废水和危废渣;RFID技术指的是自动识别技术中的一种,利用无线射频方式对电子标签进行读写,从而达到识别目标和数据交换的目的,其中电子标签是数据载体;第一信息包括有危废品名称、危废品编码、危废品体积、危废品最佳储存条件以及危废品产生单位信息,由RFID技术扫描承载危废品的容器所贴的电子标签得到。
该实施例中,液位传感器用于实时采集危废水的液位数据;压力传感器用于实时采集危废渣的压力数据;视频装置用于实时获取危废品储存库中的所有危废品的姿态数据,其中姿态数据是指危废品容器的姿态信息,比如壳体膨胀、端盖凹陷,以及姿态关键点个数、相对位置和角度;第一数据主要由危废水的液位数据、危废渣的压力数据以及危废品姿态数据构成。
该实施例中,第一评估结果是指评估液位传感器、压力传感器以及视频装置实时采集的数据得到的对当前危废品状态是否存在安全风险的判断结果;关键信息主要是指危废品名称、危废品编码;历史状态数据是曾产生状态异常的预设量的危废品历史数据,比如确认状态异常时刻的前一时刻的历史姿态数据;状态预测模型是利用历史状态数据训练得到的用来预估危废品未来状态变化趋势的模型,其中,危废品的未来状态变化趋势主要指的是当前危废品未来的液位数据变化或压力变化数据以及姿态数据。
该实施例中,云服务平台是指用于接收并分析数据传输模块输送的危废品的当前评估结果以及对应未来状态变化趋势以实现远程操控的平台;第一报警信号是当云服务平台判定当前危废品状态的评估结果存在安全风险时,结合报警模块发出的信号,有利于事故处理人员快速反应;应对方案指的是根据对危废品未来状态变化趋势的分析所制定的处理规划,以实现危废品智能化、安全化的监测管理。
上述技术方案的有益效果是:通过对实时采集到的危废品数据进行状态评估,若存在异常则立即报警并紧急处理,否则对危废品未来变化趋势进行预估与分析来提前预防事故发生,实现危废品智能化、安全化的监测管理。
本发明实施例提供一种危废品智能监测系统,所述数据采集模块包括:
信息识别单元:用于利用地面盘点机器人盘点危废品容器下层标签的同时,激活其所属范围内的吊顶电子标签读取设备以读取对应危废品容器顶部和内部的所贴电子标签,再将两类设备扫描到的数据汇聚,得到第一信息;
数据采集单元:用于利用装置在危废品中的危废渣储存位置处的压力传感器实时采集第一压力数据;
利用在危废品中的危废水处储存位置处的液位传感器来实时采集第一液位数据;
利用在危废品储存库的预设位置处的摄像头实时监控危废品,再采用包含目标检测算法的检测器识别摄像头实时采集到的图像中的危废品容器并框选定位后,对每个目标框进行姿态关键点预估,最终得到危废品的姿态数据;
最后再将第一压力数据、第一液位数据以及姿态数据与第一信息进行汇聚,得到第一数据,并传输至状态获取模块。
该实施例中,地面盘点机器人是指能够自主定位,快速识别电子标签的地面装置,用于识别危废品容器下层标签,其中危废品容器下层标签包含有危废品名称、危废品编码信息;危废品容器顶部和内部的所贴电子标签包含有危废品体积、危废品最佳储存条件以及危废品产生单位信息;吊顶电子标签读取设备是指吊装在储存库天花板上的读取设备,通过与地面盘点机器人一同识别电子标签,可提升盘点准确率和效率;第一信息包括有危废品名称、危废品编码、危废品体积、危废品最佳储存条件以及危废品产生单位信息。
该实施例中,第一压力数据是指实时采集的危废渣压力数值;第一液位数据是指实时采集的危废水液位数值;预设位置处指的是预先设定好的可全面高清监测所有危废品的位置;目标检测算法用于从摄像头实时采集的图像中找出危废品容器;目标框是基于目标监测算法输出的框,有助于实现危废品容器定位。
该实施例中,姿态关键点用于描述危废品容器的姿态信息,利用姿态关键点的相对位置和角度可推断危废品容器姿态;姿态数据主要指的是危废品容器的姿势信息以及姿态关键点个数、相对位置和角度;第一数据指的是第一液位数据或第一压力数据与对应危废品姿态数据、危废品第一信息相集合输出的数据,用于对危废品状态的评估。
上述技术方案的有益效果是:通过利用地面盘点机器人和吊顶电子标签读取设备识别危废品容器所贴的电子标签,得到对应第一信息;通过对利用传感器以及视频装置实时采集危废品的液位、压力以及姿态数据汇聚得到第一数据;将第一信息与第一数据传输至状态获取模块,为对当前危废品状态的评估提供数据支撑。
本发明实施例提供一种危废品智能监测系统,所述状态获取模块包括:
状态评估单元:用于分析所述第一数据,若存在所述第一压力数据小于对应危废渣的预设压力阈值,则评估当前所述危废渣发生泄露,否则判断当前状态正常,并作为第一评估结果中的一项内容进行输出;
若存在所述第一液位数据小于对应危废水的预设液位阈值,则评估当前所述危废水发生泄露,否则判断当前状态正常,并作为第一评估结果中的一项内容进行输出;
将所述姿态数据与预设危废品姿态数据进行匹配,再根据匹配结果,评估当前所述危废品姿态是否存在异常,并作为第一评估结果中的一项内容进行输出。
该实施例中,预设压力阈值和预设液位阈值是分别基于不同危废渣的最佳聚集储存体积以及不同危废水的最佳聚集储存体积提前设定好的。
该实施例中,存在第一压力数据a1和a2,其中a1小于预设压力阈值,a2大于预设压力阈值,此时确定第一压力数据a1对应的危废渣发生泄露,第一压力数据a2对应的危废渣状态正常,并作为第一评估结果输出。
该实施例中,预设危废品姿态数据是基于危废品容器间距以及危废品容器大小提前设定好的,比如预设姿态关键点角度;姿态数据指的是危废品容器的姿势信息以及姿态关键点个数、相对位置和角度。
上述技术方案的有益效果是:通过基于第一数据对危废品当前状态进行评估,得到是否存在泄露以及姿态正常与否的判断结果并作为第一评估结果输出,为后续是否进行报警提供依据,有利于实现危废品智能化、安全化的监测管理。
本发明实施例提供一种危废品智能监测系统,所述状态评估单元包括:
对比块:基于所述危废品的姿态数据,且利用每个危废品容器不同的姿态关键点,构建6个不同的特征平面并从中提取出若干第一特征边向量;
以危废品容器底部中心为空间坐标原点,x轴和y轴均在水平方向上,将第一特征向量与基于预设危废品姿态数据得到的对应标准边向量进行相似度对比,得到差异值,其中差异值的求取公式如下:
其中,Yxj表示为第x个危废品容器的第j个特征平面对应的第一特征边向量与标准边向量的差异值,取值范围是[0,1];Bx(θj)表示为第x个危废品容器的第j个特征平面对应的第一特征边向量与标准边向量的内积夹角的余弦值,取值范围是[0,1];θj表示为第x个危废品容器的第j个特征平面对应的第一特征边向量与标准边向量的内积夹角;Txj表示为第x个危废品容器的第j个特征平面对应的第一特征边向量;Dxj表示为第x个危废品容器的第j个特征平面对应的标准边向量,其中j=1,2,3,…,m;α表示为余弦值对求取差异值的影响权重因子;β表示为危废品容器转动幅度对求取差异值的影响权重因子;
将每个危废品对应获取的所有差异值进行集合,得到若干差异组;
若差异值中的所有差异值均小于预设高阈值,且小于预设低阈值的差异值占比不小于0.7,则评估当前所述危废品姿态正常;
否则,评估当前所述危废品姿态存在异常;
将当前危废品的姿态评估结果作为第一评估结果输出。
该实施例中,特征平面是按照三点成面的方式基于姿态关键点构建得到的平面;第一特征边向量对应特征平面的向量;标准边向量是基于预设危废品姿态数据中的姿态关键点根据三点成面得到的特征平面的向量;余弦值指的是求取第一特征边向量与标准边向量内积夹角余弦的值,可用于危废品容器的位移量相似度判断;差异组是指包含着危废品所有特征平面所对应的第一特征边向量与对应标准向量的差异值的集合。
该实施例中,比如,存在危废品1和2,对应的差异组分别是C1和C2,已知差异组C1中存在一个差异值大于预设高阈值,其余均小于预设高阈值;差异组C2中不存在大于预设高阈值的差异值,且小于预设低阈值的差异值占比为0.6,此时评估危废品1和2姿态均存在异常,并作为第一评估结果输出。
上述技术方案的有益效果是:通过采用特征平面相似度匹配的方法对危废品姿态数据与预设危废品姿态数据进行对比来对当前危废品状态进行评估,有效实现了对当前危废品容器姿态是否存在异常的精准判断,从而实现对危废品的智能化管理。
本发明实施例提供一种危废品智能监测系统,所述预测状态模块包括:
模型建立单元:用于利用危废品的关键信息和对应的历史状态数据训练得到状态预测模型;
预估单元:用于将预设时间段内的第一数据输入状态预测模型中,得到危废水的液位数值变化趋势、危废渣的压力数值变化趋势以及危废品的姿态数据变化趋势。
该实施例中,关键信息指的是危废品名称、危废品编码;历史状态数据是曾产生状态异常的预设量的危废品历史数据,比如确认状态异常时刻的前一时刻的历史姿态数据;预设时间段是基于历史状态数据以及第一数据量大小提前设定好的;状态预测模型用于对当前危废品的未来状态变化趋势进行预估。
上述技术方案的有益效果是:通过将第一数据输入到利用历史状态数据训练得到的状态预测模型中,再结合危废品关键信息,预估得到危废品的未来状态变化趋势,从而提前避免事故发生,实现对危废品的智能化管理。
本发明实施例提供一种危废品智能监测系统,所述模型建立单元包括:
数据处理块:用于采用极值标准化方法对提取的预设量的历史状态数据进行无量纲处理得到目标历史数据;
指标赋权块:用于将液位、压力以及姿态视为评估指标,确定两两评估指标之间的权重的重要性之比,再利用主观权重公式得到主观权重系数,从而得到对应评估指标的主观权重;
估计各主观权重的信息熵值,得到对应的客观权重系数,再结合熵权法求得对应评估指标的客观权重;
将获取的主观权重与客观权重对应结合,得到评估指标的综合权重值,其中综合权重值的求取公式如下:
其中,Qi表示为第i个评估指标的综合权重值,其中i={1,2,3,…,n};Xi表示为第i个评估指标的主观权重;Yi表示为第i个评估指标的客观权重;
模型建立块:用于基于危废品的关键信息,将目标历史数据作为训练样本,再将评估指标以及对应的综合权重值作为输入,完成对状态预测模型的建立。
该实施例中,采用极值标准化方式处理历史状态数据的目的是为了进行无量纲处理,避免因数据类型、量纲不同导致计算失误;目标历史数据是基于对预设量的历史状态数据极值标准化处理得到的;预设量是提前设定好的。
该实施例中,将液位、压力以及姿态视为评估指标是由于危废品状态预估是由液位、压力以及姿态三种因素共同作用的结果;信息熵用于解决信息的量化问题,将原本模糊的信息概念进行计算即可得到信息熵值;熵权法是根据各评估指标的变异程度,利用信息熵计算出各评估指标的熵权,再通过熵权对各评估指标的权重修正得到客观权重;综合权重值是将主观权重与客观权重结合得到的,可弥补单一赋权带来的不足,使结果更具有科学性,从而有益于状态预测模型预测精准。
上述技术方案的有益效果是:通过基于危废品的关键信息,并将极值标准化处理后的历史状态数据作为训练样本,将结合主客观权重对评估指标赋权得到的综合权重值、对应的评估指标作为输入,建立得到状态预测模型,为后续精准预估当前危废品的未来状态变化趋势提供支撑。
本发明实施例提供一种危废品智能监测系统,所述报警模块包括:
报警单元:用于利用云服务平台分析所述第一评价结果,若确定存在有泄露或姿态异常的安全风险,则立即发出第一报警信号,并调用对应危废品的第一信息发送给事故处理人员进行处理;
若云服务平台分析第一评价结果后,发现不存在安全风险,获取对应危废品的未来状态变化趋势并进行分析,得到所述所有危废品未来出现安全风险的初始时刻以及与当前时刻的初始时间差;
确定每个危废品的当下所处环境,且当所述当下所处环境与动态干扰存在联系时,从历史环境数据库中调取与所述当下所处环境一致的若干匹配环境,并分别确定每个匹配环境的动态干扰向量;
计算当下所处环境所对应每个匹配环境的动态干扰向量的第一干扰概率;
其中,ni01表示第i01个动态干扰向量中涉及到的动态干扰因子的因子个数;di01表示第i01个动态干扰向量中存在实际干扰到对应危废品的因子个数;G0i01表示第i01个动态干扰向量的第一干扰概率;
基于所有第一干扰概率,计算对相应危废品的动态干扰概率;
其中,U1表示当下所处环境对应的匹配环境下的动态干扰向量的总个数;p0i01表示当下所处环境对应的第i01个匹配环境下所生产得到的危废品的生产来源的参考价值系数;G1表示动态干扰概率;
当所述动态干扰概率小于预设干扰概率时,将相应危废品的未来出现安全风险的初始时刻以及与当前时刻的初始时间差作为相应的第一时刻以及第一时间差进行保留;
当所述动态干扰概率大于或等于预设干扰概率时,确定所对应的所有动态干扰向量中的每个动态干扰因子的出现概率以及集中出现时间,其中,动态干扰因子位于时间轴的示意图如图2所示,每个圆圈为对应动态干扰因子,且基于时间轴的位置为对应的出现时间;
基于环境-向量-概率-出现时间-差映射表,匹配得到每个动态干扰因子的可能出现干扰时间,进而获取最先出现干扰时间;
若所述最先出现干扰时间在未来的初始时刻之前,则将所述最先出现干扰时间作为第一时刻以及获取与当前时刻的第一时间差;
否则,继续将对应的未来的初始时刻作为第一时刻;
方案确定单元:用于将获取的第一时间差与预设时间阈值进行对比,若小于预设时间阈值,则将对应的危废品作为一级处理目标,并按照对应获取的第一时间差从小到大排序得到的危废品-时间差序列依次进行紧急事故处理;
否则,将对应的危废品作为二级处理目标,并调用对应的第一信息,确定对应的化学特征,从而设定不同的危险指数,再与对应第一时间差相结合得到优先处理列表后,采取相应事故处理措施依次进行处理。
该实施例中,云服务平台是指用于接收并分析数据传输模块输送的危废品的当前评估结果以及对应未来状态变化趋势以实现远程操控的平台;第一评价结果是指评估液位传感器、压力传感器以及视频装置实时采集的数据得到的对当前危废品状态是否存在安全风险的判断结果;第一时间差是获取当前危废品获取第一评估结果的时刻与未来该危废品状态发生异常的时刻的差;危废品-时间差序列由危废品名称与对应获取的第一时间差构建得到。
该实施例中,当下所处环境指的是危废品的当下所处位置,比如,可以是废弃的工厂,亦或者是河道旁边,亦或是废品回收站等,由于危废品所处的环境不同,所以会存在不可避免的动态干扰,比如,人为无意触碰到危废品,导致危废品倒地,此时就会存在安全风险,又比如,在河道旁,可能会因为下雨等天气,导致液体危废品的容器填满,导致液体外泄等,因此,来获取与该场景一样的历史情况下所存在的动态干扰因子,不论是无意还是有意,最后可能会导致危废品的当下情况进行改变的,都视为动态干扰因子,也就是视为与动态干扰存在联系。
该实施例中,历史环境数据库是包含不同环境下对危废品的干扰向量在内,且干扰向量也就是由若干个不同的动态干扰因子构成。
该实施例中,预设干扰概率的取值为0.5。
该实施例中,出现概率指的是同个动态干扰因子在若干匹配环境所对应的动态干扰向量中的出现次数与动态干扰向量的向量个数的比值,且每个动态干扰向量中最多出现一次同个动态干扰因子。
比如,动态干扰向量1、2、3、4、5,其中,动态干扰向量1、2中出现了动态干扰因子1,其余向量中并未出现,此时,出现概率为:2/5。
该实施例中,集中出现时间指的是每个动态干扰因子在相应动态干扰向量中的出现时间,且集中到一块出现的时间即为集中出现时间。
比如,绘制同个动态干扰因子在不同动态干扰向量中的出现时间的时间点图,取时间集中部分的时间的平均值作为集中出现时间,如图2所示,其中,q1部分表示集中出现的时间范围,对该范围内的所有时间进行平均值计算,得到集中出现时间。
该实施例中,环境-向量-概率-出现时间-差映射表包括:当下所处环境、当下所处环境所对应匹配环境的实际干扰向量、每个动态干扰因子的出现概率、集中出现时间以及相匹配的动态干扰因子的可能出现干扰时间。
比如,所获取的动态干扰因子1的可能出现干扰时间是u01时刻,此时,u01时刻在预测的未来出现安全风险的初始时刻之前,将u01时刻作为第一时刻。
该实施例中,预设时间阈值是基于危废品最佳预处理时间段提前设定好的。
该实施例中,比如,存在危废品1、2和3,对应的第一时间差分别是t1、t2以及t3,此时将第一时间差t1、t2以及t3与预设时间阈值依次进行对比,得到第一时间差t1、t2小于预设时间阈值,且第一时间差t1小于t2,第一时间差t3大于预设时间阈值,故此时将危废品1和2作为一级处理目标,且危废品1优先危废品2处理,将危废品3作为二级处理目标。
该实施例中,危险指数是基于不同危废品的化学特征设定的,其中化学特征指的是作为二级处理目标的危废品有其他物质生成,比如颜色改变、放出有害气体,有时还伴随着能量变化,比如放热、发光;优先处理列表是将第一时间差与对应危废品的危险指数相结合得到的值按照从小到大排列得到的。
上述技术方案的有益效果是:通过利用云服务平台分析第一评价结果,若存在异常则发出报警信号进行报警,事故处理人员立即紧急处理,若不存在异常,则对危废品的未来状态变化趋势进行分析,且按照危废品所处环境下可能存在的动态干扰因子对其可能存在的危险时刻进行动态分析,有效确保对危废品的及时处理,并根据获取的优先处理危废品事故列表采用针对性措施依次处理,有效实现了对危废品的智能化以及安全化监测管理。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种危废品智能监测系统,其特征在于,包括:
数据采集模块:用于利用RFID技术扫描承载危废品的容器上所贴的电子标签得到第一信息,再集合利用液位传感器、压力传感器和视频装置分别实时采集的当前危废品的液位、压力以及姿态数据,得到第一数据;
状态获取模块:用于基于第一数据对当前危废品状态进行评估,得到第一评估结果;
预测状态模块:用于利用危废品的关键信息和对应的历史状态数据训练得到状态预测模型,再结合第一数据来预估危废品的未来状态变化趋势;
数据传输模块:用于将所述第一评估结果以及对应危废品的未来状态变化趋势传输至云服务平台;
报警模块:用于当云服务平台对当前危废品的第一评估结果判断出存在安全风险时,则立即发出第一报警信号;
进而基于所述云服务平台对所述危废品的未来状态变化趋势的分析,获取应对方案,以实现危废品智能化的安全管理。
2.如权利1所述的一种危废品智能监测系统,其特征在于,所述数据采集模块包括:
信息识别单元:用于利用地面盘点机器人盘点危废品容器下层标签的同时,激活其所属范围内的吊顶电子标签读取设备以读取对应危废品容器顶部和内部的所贴电子标签,再将两类设备扫描到的数据汇聚,得到第一信息;
数据采集单元:用于利用装置在危废品中的危废渣储存位置处的压力传感器实时采集第一压力数据;
利用在危废品中的危废水处储存位置处的液位传感器来实时采集第一液位数据;
利用在危废品储存库的预设位置处的摄像头实时监控危废品,再采用包含目标检测算法的检测器识别摄像头实时采集到的图像中的危废品容器并框选定位后,对每个目标框进行姿态关键点预估,最终得到危废品的姿态数据;
最后再将第一压力数据、第一液位数据以及姿态数据与第一信息进行汇聚,得到第一数据,并传输至状态获取模块。
3.如权利1所述的一种危废品智能监测系统,其特征在于,所述电子标签中包含有危废品名称、危废品编码、危废品体积、危废品最佳储存条件以及危废品产生单位信息。
4.如权利1所述的一种危废品智能监测系统,其特征在于,所述状态获取模块包括:
状态评估单元:用于分析所述第一数据,若存在所述第一压力数据小于对应危废渣的预设压力阈值,则评估当前所述危废渣发生泄露,否则判断当前状态正常,并作为第一评估结果中的一项内容进行输出;
若存在所述第一液位数据小于对应危废水的预设液位阈值,则评估当前所述危废水发生泄露,否则判断当前状态正常,并作为第一评估结果中的一项内容进行输出;
将所述姿态数据与预设危废品姿态数据进行匹配,再根据匹配结果,评估当前所述危废品姿态是否存在异常,并作为第一评估结果中的一项内容进行输出。
5.如权利4所述的一种危废品智能监测系统,其特征在于,所述状态评估单元,包括:
对比块:基于所述危废品的姿态数据,且利用每个危废品容器不同的姿态关键点,构建6个不同的特征平面并从中提取出若干第一特征边向量;
以危废品容器底部中心为空间坐标原点,x轴和y轴均在水平方向上,将第一特征向量与基于预设危废品姿态数据得到的对应标准边向量进行相似度对比,得到差异值,其中差异值的求取公式如下:
其中,Yxj表示为第x个危废品容器的第j个特征平面对应的第一特征边向量与标准边向量的差异值,取值范围是[0,1];Bx(θj)表示为第x个危废品容器的第j个特征平面对应的第一特征边向量与标准边向量的内积夹角的余弦值,取值范围是[0,1];θj表示为第x个危废品容器的第j个特征平面对应的第一特征边向量与标准边向量的内积夹角;Txj表示为第x个危废品容器的第j个特征平面对应的第一特征边向量;Dxj表示为第x个危废品容器的第j个特征平面对应的标准边向量,其中j=1,2,3,…,m;α表示为余弦值对求取差异值的影响权重因子;β表示为危废品容器转动幅度对求取差异值的影响权重因子;
将每个危废品对应获取的所有差异值进行集合,得到若干差异组;
若差异值中的所有差异值均小于预设高阈值,且小于预设低阈值的差异值占比不小于0.7,则评估当前所述危废品姿态正常;
否则,评估当前所述危废品姿态存在异常;
将当前危废品的姿态评估结果作为第一评估结果输出。
6.如权利1所述的一种危废品智能监测系统,其特征在于,所述预测状态模块包括:
模型建立单元:用于利用危废品的关键信息和对应的历史状态数据训练得到状态预测模型;
预估单元:用于将预设时间段内的第一数据输入状态预测模型中,得到危废水的液位数值变化趋势、危废渣的压力数值变化趋势以及危废品的姿态数据变化趋势。
7.如权利4所述的一种危废品智能监测系统,其特征在于,所述模型建立单元包括:
数据处理块:用于采用极值标准化方法对提取的预设量的历史状态数据进行无量纲处理得到目标历史数据;
指标赋权块:用于将液位、压力以及姿态视为评估指标,确定两两评估指标之间的权重的重要性之比,再利用主观权重公式得到主观权重系数,从而得到对应评估指标的主观权重;
估计各主观权重的信息熵值,得到对应的客观权重系数,再结合熵权法求得对应评估指标的客观权重;
将获取的主观权重与客观权重对应结合,得到评估指标的综合权重值,其中综合权重值的求取公式如下:
其中,Qi表示为第i个评估指标的综合权重值,其中i={1,2,3,…,n};Xi表示为第i个评估指标的主观权重;Yi表示为第i个评估指标的客观权重;
模型建立块:用于基于危废品的关键信息,将目标历史数据作为训练样本,再将评估指标以及对应的综合权重值作为输入,完成对状态预测模型的建立。
8.如权利1所述的一种危废品智能监测系统,其特征在于,所述报警模块包括:
报警单元:用于利用云服务平台分析所述第一评价结果,若确定存在有泄露或姿态异常的安全风险,则立即发出第一报警信号,并调用对应危废品的第一信息发送给事故处理人员进行处理;
若云服务平台分析第一评价结果后,发现不存在安全风险,获取对应危废品的未来状态变化趋势并进行分析,得到所述所有危废品未来出现安全风险的初始时刻以及与当前时刻的初始时间差;
确定每个危废品的当下所处环境,且当所述当下所处环境与动态干扰存在联系时,从历史环境数据库中调取与所述当下所处环境一致的若干匹配环境,并分别确定每个匹配环境的动态干扰向量;
计算当下所处环境所对应每个匹配环境的动态干扰向量的第一干扰概率;
其中,ni01表示第i01个动态干扰向量中涉及到的动态干扰因子的因子个数;di01表示第i01个动态干扰向量中存在实际干扰到对应危废品的因子个数;G0i01表示第i01个动态干扰向量的第一干扰概率;
基于所有第一干扰概率,计算对相应危废品的动态干扰概率;
其中,U1表示当下所处环境对应的匹配环境下的动态干扰向量的总个数;p0i01表示当下所处环境对应的第i01个匹配环境下所生产得到的危废品的生产来源的参考价值系数;G1表示动态干扰概率;
当所述动态干扰概率小于预设干扰概率时,将相应危废品的未来出现安全风险的初始时刻以及与当前时刻的初始时间差作为相应的第一时刻以及第一时间差进行保留;
当所述动态干扰概率大于或等于预设干扰概率时,确定所对应的所有动态干扰向量中的每个动态干扰因子的出现概率以及集中出现时间;
基于环境-向量-概率-出现时间-差映射表,匹配得到每个动态干扰因子的可能出现干扰时间,进而获取最先出现干扰时间;
若所述最先出现干扰时间在未来的初始时刻之前,则将所述最先出现干扰时间作为第一时刻以及获取与当前时刻的第一时间差;
否则,继续将对应的未来的初始时刻作为第一时刻;
方案确定单元:用于将获取的第一时间差与预设时间阈值进行对比,若小于预设时间阈值,则将对应的危废品作为一级处理目标,并按照对应获取的第一时间差从小到大排序得到的危废品-时间差序列依次进行紧急事故处理;
否则,将对应的危废品作为二级处理目标,并调用对应的第一信息,确定对应的化学特征,从而设定不同的危险指数,再与对应第一时间差相结合得到优先处理列表后,采取相应事故处理措施依次进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310428370.4A CN116823564A (zh) | 2023-04-20 | 2023-04-20 | 一种危废品智能监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310428370.4A CN116823564A (zh) | 2023-04-20 | 2023-04-20 | 一种危废品智能监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116823564A true CN116823564A (zh) | 2023-09-29 |
Family
ID=88141933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310428370.4A Pending CN116823564A (zh) | 2023-04-20 | 2023-04-20 | 一种危废品智能监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116823564A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078024A (zh) * | 2023-10-17 | 2023-11-17 | 南京进唯智能科技有限公司 | 一种基于视频分析的危废数量变化检测系统及方法 |
CN117236799A (zh) * | 2023-11-14 | 2023-12-15 | 山东焱鑫矿用材料加工有限公司 | 一种中空注浆锚索的生产质量控制系统 |
CN117253199A (zh) * | 2023-11-20 | 2023-12-19 | 南京进唯智能科技有限公司 | 一种基于视频分析的危废仓库监测识别系统及方法 |
-
2023
- 2023-04-20 CN CN202310428370.4A patent/CN116823564A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078024A (zh) * | 2023-10-17 | 2023-11-17 | 南京进唯智能科技有限公司 | 一种基于视频分析的危废数量变化检测系统及方法 |
CN117078024B (zh) * | 2023-10-17 | 2024-02-09 | 南京进唯智能科技有限公司 | 一种基于视频分析的危废数量变化检测系统及方法 |
CN117236799A (zh) * | 2023-11-14 | 2023-12-15 | 山东焱鑫矿用材料加工有限公司 | 一种中空注浆锚索的生产质量控制系统 |
CN117236799B (zh) * | 2023-11-14 | 2024-02-09 | 山东焱鑫矿用材料加工有限公司 | 一种中空注浆锚索的生产质量控制系统 |
CN117253199A (zh) * | 2023-11-20 | 2023-12-19 | 南京进唯智能科技有限公司 | 一种基于视频分析的危废仓库监测识别系统及方法 |
CN117253199B (zh) * | 2023-11-20 | 2024-02-06 | 南京进唯智能科技有限公司 | 一种基于视频分析的危废仓库监测识别系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116823564A (zh) | 一种危废品智能监测系统 | |
CN111310947A (zh) | 基于5g的建筑设施运维方法、设备、存储介质及系统 | |
CN107330579A (zh) | 一种hse风险分级管控系统 | |
CN116010826B (zh) | 一种建筑工程的施工安全预警方法及系统 | |
CN108010025B (zh) | 基于rcnn的屏柜的开关与指示灯定位和状态识别方法 | |
CN114973140A (zh) | 基于机器视觉的危险区域人员闯入监测方法及系统 | |
CN116862244B (zh) | 一种工业现场视觉ai分析与安全预警系统和方法 | |
CN116952654B (zh) | 一种行政监督用环境监测预警系统 | |
CN115689281A (zh) | 一种厂区危险源风险管控方法和装置 | |
KR102615767B1 (ko) | Ai 비전 및 사물 인터넷을 이용한 안전관리 서비스를 지원하는 시스템 및 방법 | |
CN114266483B (zh) | 一种基于物联网的危险废物监管系统 | |
CN114442512A (zh) | 一种化学品安全监控系统 | |
CN117236826A (zh) | 物流托盘的码放识别方法、装置、设备及存储介质 | |
CN114973558B (zh) | 一种基于人工智能的酸碱废气在线监测系统及方法 | |
CN116228097A (zh) | 一种危险品仓储应急管理系统 | |
CN115641694A (zh) | 一种基于智能图像处理的前中后端协同安全管理方法 | |
CN115880629A (zh) | 一种装卸车鹤管状态识别方法和系统 | |
CN118333465B (zh) | 一种建设工程质量检测监管方法、系统及平台 | |
CN113619950B (zh) | 基于深度学习的垃圾分类投放智能监管系统及方法 | |
CN117688960B (zh) | 基于rfid的化工厂危化品运输监控方法及系统 | |
CN111814787B (zh) | 一种面向可见光图像的锁孔检测方法 | |
CN117253199B (zh) | 一种基于视频分析的危废仓库监测识别系统及方法 | |
CN117253176B (zh) | 基于视频分析与计算机视觉的安全生产Al智能检测方法 | |
CN117848417A (zh) | 一种馆藏文物保存环境监测系统 | |
CN112307090B (zh) | 基于隧道安全数据的检测方法及系统 |
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 |