CN117129041A - 一种基于物联网的农产品加工环境异常监测系统 - Google Patents
一种基于物联网的农产品加工环境异常监测系统 Download PDFInfo
- Publication number
- CN117129041A CN117129041A CN202311391979.5A CN202311391979A CN117129041A CN 117129041 A CN117129041 A CN 117129041A CN 202311391979 A CN202311391979 A CN 202311391979A CN 117129041 A CN117129041 A CN 117129041A
- Authority
- CN
- China
- Prior art keywords
- environment
- monitoring
- real
- time
- data
- 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 177
- 238000012545 processing Methods 0.000 title claims abstract description 119
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 230000007613 environmental effect Effects 0.000 claims description 56
- 238000000034 method Methods 0.000 claims description 28
- 230000002159 abnormal effect Effects 0.000 claims description 27
- 230000005856 abnormality Effects 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 3
- 230000006378 damage Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 244000105624 Arachis hypogaea Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 240000006394 Sorghum bicolor Species 0.000 description 1
- 235000011684 Sorghum saccharatum Nutrition 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 244000098338 Triticum aestivum Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000020232 peanut Nutrition 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Mining & Mineral Resources (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及物联网技术领域,公开了一种基于物联网的农产品加工环境异常监测系统,包括:多个网格点监测组,设置于目标监测区域内,包括多个网格监测点,用于获取所述网格监测点处的实时环境数据;采集模块;处理分析模块,用于接收所述实时环境数据和实时加工数据,并将所述实时环境数据进行预处理后与阈值条件进行比对,以及根据所述实时加工数据计算所述实时加工数据对所述目标监测区域环境的影响;预警模块。结合各个网格监测点监测的数据对整个目标监测区域的环境进行异常监测,根据加工设备的实时加工数据对目标监测区域环境可能存在的潜在风险进行及时监测,解决了现有大部分环境监测不能及时的对环境风险作出预警的问题。
Description
技术领域
本发明涉及物联网技术领域,具体涉及一种基于物联网的农产品加工环境异常监测系统。
背景技术
农产品是农业中生产的物品,如 高粱、稻子、花生、玉米、小麦以及各个地区土特产等。农产品作为最基本的生活消费品之一,农产品的加工产业也随之发展。
在农产品加工作业场所,须对加工环境进行控制,防止温度、粉尘等因素损害农产品原料或对农产品加工的工作人员造成危害。因此,良好的环境条件是农产品加工的基础。
现有大部分农产品加工环境监测往往只是获取环境相关数据,在环境已经存在异常之后才会发出警告,不便根据农产品加工设备的工作状态进行相应的调整,从而不能及时的对农产品加工设备工作时对环境产生的潜在风险作出预警,降低了预警效率,因此,提出一种基于物联网的农产品加工环境异常监测系统解决上述问题。
发明内容
本发明的目的在于提供一种基于物联网的农产品加工环境异常监测系统,解决以下技术问题:
如何提供一种能够更加及时准确的监测农产品加工环境异常情况的监测系统。
本发明的目的可以通过以下技术方案实现:
一种基于物联网的农产品加工环境异常监测系统,包括:
多个网格点监测组,设置于目标监测区域内,包括多个网格监测点,用于获取所述网格监测点处的实时环境数据;
采集模块,用于获取目标加工设备的实时加工数据;
处理分析模块,用于接收所述实时环境数据和实时加工数据,并将所述实时环境数据进行预处理后与阈值条件进行比对,以及根据所述实时加工数据计算所述实时加工数据对所述目标监测区域环境的影响;
预警模块,用于接收比对结果,并根据所述比对结果判断目标监测区域环境是否存在异常,在判断存在异常时进行预警。
优选地,将所述实时环境数据进行预处理的过程包括:
通过公式:计算环境风险系数/>;
其中,为t时刻第r个网格监测组处的环境风险系数,/>为第i项环境参数的权重系数,/>为第i项环境参数的应用系数,n为环境参数的项数,m为第r个网格监测组的网格监测点的个数。
优选地,将所述实时环境数据进行预处理的过程还包括:
通过公式:计算整体环境风险系数/>;
其中,为t时刻的整体环境风险系数,/>为第r个网格监测组的权重系数,q为所述网格监测组的组数。
优选地,所述目标监测区域通过设置的多个网格点监测组将所述目标监测区域内的农产品加工设备进行区域划分,每个所述农产品加工设备对应一组网格点监测组。
优选地,根据所述实时加工数据计算所述实时加工数据对所述目标监测区域环境的影响的过程包括:
通过公式:计算设备工作影响系数/>;
其中,为t时刻的设备加工影响系数,/>为存在的加工设备工作时间区间个数,为第p个工作时间区间,/>,/>为第p个工作时间区间对应的设备运行状态的权重系数,/>为处于工作状态的加工设备所在区域内对应的网格监测组的组数,/>,/>为第/>组网格监测组的应用系数,/>为设备加工环境影响函数。
优选地,将所述实时环境数据进行预处理后与阈值条件进行比对的过程包括:
若整体环境风险系数则判断所述目标监测区域环境存在异常;
否则,根据所述实时加工数据对所述阈值条件进行修正,并根据修正后的阈值条件判断所述目标监测区域环境是否存在异常;
其中,为预设的阈值条件。
优选地,根据所述实时加工数据对所述阈值条件进行修正的过程包括:
通过公式:计算修正后的阈值条件/>;
其中,为设备工作对环境影响的预设状态值。
优选地,根据修正后的阈值条件判断所述目标监测区域环境是否存在异常的过程包括:
若整体环境风险系数,则判断所述目标监测区域环境存在异常;
否则,判断所述目标监测区域环境无异常。
本发明的有益效果:
该基于物联网的农产品加工环境异常监测系统,通过在目标监测区域内设置多个网格点监测组,该网格点监测组包括多个网格监测点,通过网格监测点获取网格监测点处的实时环境数据,从而通过结合各个网格监测点监测的数据对整个目标监测区域的环境进行异常监测,在存在异常时进行及时预警,提高了环境异常监测的准确性;同时在农产品加工的过程中,随着加工设备的运行,可能会对环境状态产生潜在风险,因此本实施例通过获取目标监测区域内的目标加工设备的实时加工数据,考虑加工设备的工作状态对环境的影响,结合加工设备的实时加工数据对目标监测区域内的环境进行监测,根据加工设备的实时加工数据对目标监测区域环境可能存在的潜在风险进行及时监测,进而提高环境异常监测的及时性,避免监测的滞后性造成环境安全隐患的问题,解决了现有大部分环境监测不能及时的对环境风险作出预警的问题。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明的系统模块连接示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为一种基于物联网的农产品加工环境异常监测系统,包括:
多个网格点监测组,设置于目标监测区域内,包括多个网格监测点,用于获取网格监测点处的实时环境数据;
采集模块,用于获取目标加工设备的实时加工数据;
处理分析模块,用于接收实时环境数据和实时加工数据,并将实时环境数据进行预处理后与阈值条件进行比对,以及根据实时加工数据计算实时加工数据对目标监测区域环境的影响;
预警模块,用于接收比对结果,并根据比对结果判断目标监测区域环境是否存在异常,在判断存在异常时进行预警。
通过上述技术方案,本实施例通过在目标监测区域内设置多个网格点监测组,该网格点监测组包括多个网格监测点,通过网格监测点获取网格监测点处的实时环境数据,该实时环境数据包括温度、湿度、有害气体浓度和粉尘浓度等,通过设置相应的传感器获得,从而通过结合各个网格监测点监测的数据对整个目标监测区域的环境进行异常监测,在存在异常时进行及时预警,提高了环境异常监测的准确性;同时在农产品加工的过程中,随着加工设备的运行,可能会对环境状态产生潜在风险,因此本实施例通过获取目标监测区域内的目标加工设备的实时加工数据,考虑加工设备的工作状态对环境的影响,结合加工设备的实时加工数据对目标监测区域内的环境进行监测,根据加工设备的实时加工数据对目标监测区域环境可能存在的潜在风险进行及时监测,进而提高环境异常监测的及时性,避免监测的滞后性造成环境安全隐患的问题,解决了现有大部分环境监测不能及时的对环境风险作出预警的问题。
将实时环境数据进行预处理的过程包括:
通过公式:计算环境风险系数/>;
其中,为t时刻第r个网格监测组处的环境风险系数,/>为第i项环境参数的权重系数,/>为第i项环境参数的应用系数,n为环境参数的项数,m为第r个网格监测组的网格监测点的个数。
通过上述技术方案,本实施例提出了一种对实时环境数据进行预处理的方法,具体的,通过公式计算t时刻第r个网格监测组处的环境风险系数,从而通过各个网格监测点监测的数据计算每个网格监测组处的环境风险状况,进而结合每个网格监测组处的环境风险状况对整个目标监测区域的环境进行异常监测,提高了环境异常监测的准确性;其中,/>为第i项环境参数的权重系数,/>为第i项环境参数的应用系数,n为环境参数的项数,m为第r个网格监测组的网格监测点的个数。
需要说明的是,根据实验数据拟合设定采集周期,获取每个时刻的数据;不同环境参数项对应的权重系数不相同,的具体数值的获取根据不同环境参数对环境安全的影响程度的不同,根据经验数据选择性设定,在此不作详述。
将实时环境数据进行预处理的过程还包括:
通过公式:计算整体环境风险系数/>;
其中,为t时刻的整体环境风险系数,/>为第r个网格监测组的权重系数,q为所述网格监测组的组数。
通过上述技术方案,本实施例提出了一种对实时环境数据进行预处理的方法,具体的,通过公式计算t时刻的整体环境风险系数,其中,/>为第r组网格监测组的权重系数,q为网格监测组的组数,从而结合每个网格监测组处的环境风险状况对整个目标监测区域的环境进行异常监测,提高了环境异常监测的准确性;
需要说明的是,网格监测组的权重系数根据每个网格监测组的位置对环境安全的影响程度的不同,根据实验数据拟合设定,在此不作详述。
目标监测区域通过设置的多个网格点监测组将目标监测区域内的农产品加工设备进行区域划分,每个农产品加工设备对应一组网格点监测组。
通过上述技术方案,本实施例提出了一种对农产品加工设备和网格点监测组进行分配的方法,具体的,通过设置的多个网格点监测组将目标监测区域内的农产品加工设备进行区域划分,每个农产品加工设备对应一组网格点监测组,从而根据每个农产品加工设备所在区域的每组网格点监测组对加工设备工作时的环境数据进行检测,提高了环境监测的准确性。
根据实时加工数据计算实时加工数据对目标监测区域环境的影响的过程包括:
通过公式:计算设备工作影响系数/>;
其中,为t时刻的设备加工影响系数,/>为存在的加工设备工作时间区间个数,为第p个工作时间区间,/>,/>为第p个工作时间区间对应的设备运行状态的权重系数,/>为处于工作状态的加工设备所在区域内对应的网格监测组的组数,/>,/>为第/>组网格监测组的应用系数,/>为设备加工环境影响函数。
通过上述技术方案,本实施例提出了一种根据实时加工数据计算实时加工数据对目标监测区域环境的影响的方法,具体的,通过公式:计算t时刻的设备加工影响系数,从而结合加工设备的实时加工数据对目标监测区域内的环境进行监测,根据加工设备的实时加工数据对目标监测区域环境可能存在的潜在风险进行及时监测,进而提高环境异常监测的及时性;其中,/>为存在的加工设备工作时间区间个数,/>为第p个工作时间区间,/>,/>为第p个工作时间区间对应的设备运行状态的权重系数,/>为处于工作状态的加工设备所在区域内对应的网格监测组的组数,/>,/>为第/>组网格监测组的应用系数,/>为设备加工环境影响函数;
需要说明的是,第p个工作时间区间对应的设备运行状态的权重系数根据该时间区间对应的设备运行档位或运行参数对环境安全的影响程度的不同,根据经验数据选择性设定,在此不作详述,第/>组网格监测组的应用系数/>根据该组网格监测组的位置或该组网格监测组区域放置的加工设备的类型对环境安全的影响程度的不同,根据经验数据选择性设定,在此不作详述;设备加工环境影响函数/>根据设备加工数据经BIM分析拟合后获得。
将实时环境数据进行预处理后与阈值条件进行比对的过程包括:
若整体环境风险系数,则判断目标监测区域环境存在异常;
否则,根据实时加工数据对阈值条件进行修正,并根据修正后的阈值条件判断目标监测区域环境是否存在异常;
其中,为预设的阈值条件。
通过上述技术方案,本实施例提出了一种将实时环境数据进行预处理后与阈值条件进行比对的方法,具体的,若整体环境风险系数,显然说明环境数据存在问题,则判断目标监测区域环境存在异常;否则,根据实时加工数据对阈值条件/>进行修正,并根据修正后的阈值条件判断目标监测区域环境是否存在异常,从而根据加工设备的实时加工数据对目标监测区域环境可能存在的潜在风险进行及时监测,进而提高环境异常监测的及时性。
需要说明的是,预设的阈值条件根据经验数据选择性设定,在此不作详述。
根据实时加工数据对阈值条件进行修正的过程包括:
通过公式:;计算修正后的阈值条件/>;
其中,为设备工作对环境影响的预设状态值。
通过上述技术方案,本实施例提出了一种根据实时加工数据对阈值条件进行修正的方法,具体的,通过公式:/>计算修正后的阈值条件/>,从而根据修正后的阈值条件判断目标监测区域环境是否存在异常,添加考量加工设备的工作状态对环境的影响,提高了环境异常监测的准确性;需要说明的是,设备工作对环境影响的预设状态值根据经验数据选择性设定,在此不作详述。
根据修正后的阈值条件判断目标监测区域环境是否存在异常的过程包括:
若整体环境风险系数,则判断目标监测区域环境存在异常;
否则,判断目标监测区域环境无异常。
通过上述技术方案,本实施例提出了一种根据修正后的阈值条件判断目标监测区域环境是否存在异常的方法,具体的,若整体环境风险系数,则判断目标监测区域环境存在异常;否则,判断目标监测区域环境无异常,从而根据加工设备的实时加工数据对目标监测区域环境可能存在的潜在风险进行及时监测,进而提高环境异常监测的及时性,提高了预警效率,避免监测的滞后性造成环境安全隐患的问题,解决了现有大部分环境监测不能及时的对环境风险作出预警的问题。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (8)
1.一种基于物联网的农产品加工环境异常监测系统,其特征在于,包括:
多个网格点监测组,设置于目标监测区域内,包括多个网格监测点,用于获取所述网格监测点处的实时环境数据;
采集模块,用于获取目标加工设备的实时加工数据;
处理分析模块,用于接收所述实时环境数据和实时加工数据,并将所述实时环境数据进行预处理后与阈值条件进行比对,以及根据所述实时加工数据计算所述实时加工数据对所述目标监测区域环境的影响;
预警模块,用于接收比对结果,并根据所述比对结果判断目标监测区域环境是否存在异常,在判断存在异常时进行预警。
2.根据权利要求1所述的基于物联网的农产品加工环境异常监测系统,其特征在于,将所述实时环境数据进行预处理的过程包括:
通过公式:计算环境风险系数/>;
其中,为t时刻第r个网格监测组处的环境风险系数,/>为第i项环境参数的权重系数,/>为第i项环境参数的应用系数,n为环境参数的项数,m为第r个网格监测组的网格监测点的个数。
3.根据权利要求2所述的基于物联网的农产品加工环境异常监测系统,其特征在于,将所述实时环境数据进行预处理的过程还包括:
通过公式:计算整体环境风险系数/>;
其中,为t时刻的整体环境风险系数,/>为第r个网格监测组的权重系数,q为所述网格监测组的组数。
4.根据权利要求1所述的基于物联网的农产品加工环境异常监测系统,其特征在于,所述目标监测区域通过设置的多个网格点监测组将所述目标监测区域内的农产品加工设备进行区域划分,每个所述农产品加工设备对应一组网格点监测组。
5.根据权利要求1所述的基于物联网的农产品加工环境异常监测系统,其特征在于,根据所述实时加工数据计算所述实时加工数据对所述目标监测区域环境的影响的过程包括:
通过公式:计算设备工作影响系数/>;
其中,为t时刻的设备加工影响系数,/>为存在的加工设备工作时间区间个数,为第p个工作时间区间,/>,/>为第p个工作时间区间对应的设备运行状态的权重系数,/>为处于工作状态的加工设备所在区域内对应的网格监测组的组数,/>,/>为第/>组网格监测组的应用系数,/>为设备加工环境影响函数。
6.根据权利要求1所述的基于物联网的农产品加工环境异常监测系统,其特征在于,将所述实时环境数据进行预处理后与阈值条件进行比对的过程包括:
若整体环境风险系数则判断所述目标监测区域环境存在异常;
否则,根据所述实时加工数据对所述阈值条件进行修正,并根据修正后的阈值条件判断所述目标监测区域环境是否存在异常;
其中,为预设的阈值条件。
7.根据权利要求5所述的基于物联网的农产品加工环境异常监测系统,其特征在于,根据所述实时加工数据对所述阈值条件进行修正的过程包括:
通过公式:计算修正后的阈值条件/>;
其中,为设备工作对环境影响的预设状态值。
8.根据权利要求5所述的基于物联网的农产品加工环境异常监测系统,其特征在于,根据修正后的阈值条件判断所述目标监测区域环境是否存在异常的过程包括:
若整体环境风险系数,则判断所述目标监测区域环境存在异常;
否则,判断所述目标监测区域环境无异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311391979.5A CN117129041B (zh) | 2023-10-25 | 2023-10-25 | 一种基于物联网的农产品加工环境异常监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311391979.5A CN117129041B (zh) | 2023-10-25 | 2023-10-25 | 一种基于物联网的农产品加工环境异常监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117129041A true CN117129041A (zh) | 2023-11-28 |
CN117129041B CN117129041B (zh) | 2024-01-02 |
Family
ID=88858474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311391979.5A Active CN117129041B (zh) | 2023-10-25 | 2023-10-25 | 一种基于物联网的农产品加工环境异常监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117129041B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117689218A (zh) * | 2024-02-04 | 2024-03-12 | 成都工喜科技有限公司 | 一种适用于工业企业生产现场环境风险智能化管控系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101948151B1 (ko) * | 2018-03-28 | 2019-02-14 | 주식회사 라이프트리솔루션 | 작업자 안전 관리 시스템 및 방법 |
CN113503920A (zh) * | 2021-07-09 | 2021-10-15 | 浙江省交通集团检测科技有限公司 | 一种仓库物料监测系统及监测方法 |
CN113885450A (zh) * | 2021-09-22 | 2022-01-04 | 江苏欧软信息科技有限公司 | 一种基于mes的报警响应系统 |
KR20220049357A (ko) * | 2020-10-14 | 2022-04-21 | 설영일 | 복수의 화재인자 검출에 기반한 에너지저장장치용 배터리팩 화재 모니터링 방법 및 에너지저장장치용 배터리팩 화재 모니터링 시스템 |
CN116105802A (zh) * | 2023-04-12 | 2023-05-12 | 广东普蓝地理信息服务有限公司 | 一种基于物联网的地下设施安全监测预警方法 |
CN116224925A (zh) * | 2022-12-16 | 2023-06-06 | 东莞市沃高实业投资有限公司 | 一种智能加工管理系统 |
CN116311854A (zh) * | 2023-05-19 | 2023-06-23 | 苏州时代华景新能源有限公司 | 一种锂电池储能站的运行异常预警方法及系统 |
CN116433009A (zh) * | 2023-03-08 | 2023-07-14 | 广东电网有限责任公司 | 一种用于变电设备的异常监测方法、装置及存储介质 |
CN116758719A (zh) * | 2023-08-23 | 2023-09-15 | 深圳市磐锋精密技术有限公司 | 一种生产车间设备环境在线监测系统 |
-
2023
- 2023-10-25 CN CN202311391979.5A patent/CN117129041B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101948151B1 (ko) * | 2018-03-28 | 2019-02-14 | 주식회사 라이프트리솔루션 | 작업자 안전 관리 시스템 및 방법 |
KR20220049357A (ko) * | 2020-10-14 | 2022-04-21 | 설영일 | 복수의 화재인자 검출에 기반한 에너지저장장치용 배터리팩 화재 모니터링 방법 및 에너지저장장치용 배터리팩 화재 모니터링 시스템 |
CN113503920A (zh) * | 2021-07-09 | 2021-10-15 | 浙江省交通集团检测科技有限公司 | 一种仓库物料监测系统及监测方法 |
CN113885450A (zh) * | 2021-09-22 | 2022-01-04 | 江苏欧软信息科技有限公司 | 一种基于mes的报警响应系统 |
CN116224925A (zh) * | 2022-12-16 | 2023-06-06 | 东莞市沃高实业投资有限公司 | 一种智能加工管理系统 |
CN116433009A (zh) * | 2023-03-08 | 2023-07-14 | 广东电网有限责任公司 | 一种用于变电设备的异常监测方法、装置及存储介质 |
CN116105802A (zh) * | 2023-04-12 | 2023-05-12 | 广东普蓝地理信息服务有限公司 | 一种基于物联网的地下设施安全监测预警方法 |
CN116311854A (zh) * | 2023-05-19 | 2023-06-23 | 苏州时代华景新能源有限公司 | 一种锂电池储能站的运行异常预警方法及系统 |
CN116758719A (zh) * | 2023-08-23 | 2023-09-15 | 深圳市磐锋精密技术有限公司 | 一种生产车间设备环境在线监测系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117689218A (zh) * | 2024-02-04 | 2024-03-12 | 成都工喜科技有限公司 | 一种适用于工业企业生产现场环境风险智能化管控系统 |
CN117689218B (zh) * | 2024-02-04 | 2024-04-12 | 成都工喜科技有限公司 | 一种适用于工业企业生产现场环境风险智能化管控系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117129041B (zh) | 2024-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117129041B (zh) | 一种基于物联网的农产品加工环境异常监测系统 | |
Shen et al. | On-line detection of toxigenic fungal infection in wheat by visible/near infrared spectroscopy | |
US20180150066A1 (en) | Scheduling system and method | |
CN116758719B (zh) | 一种生产车间设备环境在线监测系统 | |
JP5991042B2 (ja) | 異常監視システムおよび異常監視方法 | |
WO2016086360A1 (en) | Wind farm condition monitoring method and system | |
EP3012460A1 (en) | Systems and methods for monitoring surge conditions | |
CN105264448A (zh) | 实时化学过程监测、评估和决策辅助方法 | |
CN109655200B (zh) | 一种风力发电机组风轮不平衡的诊断方法及系统 | |
EP3126243A1 (en) | System and method for improved drive system diagnostics | |
CN107851294B (zh) | 大型运行系统的基于状态的预防维护装置及方法 | |
CN104237056A (zh) | 一种基于温湿监测的粮仓内部点粮食水分检测方法 | |
EP3239866A1 (en) | Closed loop control and built-in test utilizing reduced order model | |
CN113574358A (zh) | 异常检测装置及异常检测方法 | |
CN108555907B (zh) | 机器人运行状况评价方法 | |
JP6674033B2 (ja) | プラント異常診断装置及びプラント異常診断システム | |
CN116517862A (zh) | 一种基于stft-cnn的矿井通风机异常诊断系统 | |
CN116222141A (zh) | 一种制冷设备的制冷均衡度检测系统及方法 | |
US20170176313A1 (en) | Inspection method for early warning system of industrial security | |
US20050288901A1 (en) | Clustering system and method for blade erosion detection | |
Bitra et al. | Knife mill operating factors effect on switchgrass particle size distributions | |
WO2021140911A1 (ja) | 振動処理装置、振動処理方法、及びプログラム | |
CN116975768B (zh) | 一种肥料安全生产的数据异常检测方法 | |
Mawonik et al. | Univariate statistical process control of super saver beans: a case of RMV supermarket, zimbabwe. | |
JPWO2021079472A5 (zh) |
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 |