CN117423030A - 一种基于视觉处理的风机雷电灾害预警方法 - Google Patents
一种基于视觉处理的风机雷电灾害预警方法 Download PDFInfo
- Publication number
- CN117423030A CN117423030A CN202311348350.2A CN202311348350A CN117423030A CN 117423030 A CN117423030 A CN 117423030A CN 202311348350 A CN202311348350 A CN 202311348350A CN 117423030 A CN117423030 A CN 117423030A
- Authority
- CN
- China
- Prior art keywords
- smoke
- analysis
- value
- lightning
- electric field
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000000007 visual effect Effects 0.000 title claims abstract description 22
- 239000000779 smoke Substances 0.000 claims abstract description 66
- 238000004458 analytical method Methods 0.000 claims abstract description 47
- 238000012544 monitoring process Methods 0.000 claims abstract description 35
- 230000005684 electric field Effects 0.000 claims abstract description 32
- 238000010191 image analysis Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 2
- 230000007774 longterm Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 206010000369 Accident Diseases 0.000 description 1
- 208000025274 Lightning injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
Classifications
-
- 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Pure & Applied Mathematics (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
本发明涉及灾害预警技术领域,具体涉及一种基于视觉处理的风机雷电灾害预警方法,其特征在于,包括以下步骤:通过对大气电场值进行实时监测,并将监测数据传送到数据综合处理系统,对雷云情况进行实时监测;设置三级雷电报警阈值;当大气电厂值大于第二级阈值和第三级阈值后,启动图像处理,判断是否有雷电火灾发生,其中,所述图像处理包括烟雾图像分析、火焰灰度值分析;基于变量Count函数,结合烟雾图像分析以及火焰灰度值分析的分析结果,判断监控现场是否有构成火灾的危险。本发明,无需长期人员值班,自动根据视觉处理结果,对区域内发生的雷电火灾进行报警,降低判断错误概率,减少经济损失。
Description
技术领域
本发明涉及灾害预警技术领域,尤其涉及一种基于视觉处理的风机雷电灾害预警方法。
背景技术
在风力发电厂自然的雷电灾害监控过程中,通常基于气象数据与环境数据采集后进行比对进行预测雷电的发生,但该类方式往往准确性不足,只针了对雷电监控与预警。而现场风机是否遭受雷击发生火灾的具体情况无法获知,常常产生判断错误或者并没有及时预判火灾发生,从而浪费现有系统资源,错过救援救灾的最佳机会,造成巨大的经济损失。
然而,现下判断风力发电厂是否发生雷电火灾仍旧依赖人工巡检视频监控,以便尽量及时发现火灾事故,但监控中心存在工作量与人员数量不匹配、监控人员易疲劳的问题,不能有效地在产生灾情前夕有效发现画面变化,无法做出及时而有效的判定,对提升智能化监控手段的意愿强烈同时未能有效地利用环境观测数据,浪费现有现场观测数据资源,同时,目前风电场所采用的雷电监测数据管理手段相对落后,维护管理的智能化程度低,仅单一的对雷电的发生进行预警,并没有后续风机雷击火灾发生的监测和报警系统,同时现场摄像头长期同步视频信息,其中有关火灾发生的信息并没有利用起来,浪费系统资源,不能智能地将风机雷电火灾灾害自动报警反馈给值班人员,给工业现场安全生产带来重大安全隐患。
因此,亟需一种基于视觉处理的风力发电机安全性雷电火灾的预防方法及装置,能够有效地及时智能化预警,自动报警,减轻人员工作量的同时精细化预测环境自然雷电中的火灾灾害,并且有效提高环境信息的利用价值,和风力发电厂的安全性。
发明内容
基于上述目的,本发明提供了一种基于视觉处理的风机雷电灾害预警方法。
一种基于视觉处理的风机雷电灾害预警方法,该预警方法基于环境数据分析以及图像数据分析,其特征在于,包括以下步骤:
S1:通过对大气电场值进行实时监测,并将监测数据传送到数据综合处理系统,对雷云情况进行实时监测;
S2:设置三级雷电报警阈值,包括:
第一级阈值:大气电场在2kV/m到5kV/m之间;
第二级阈值:大气电场在5kV/m到8kV/m之间;
第三级阈值:大气电场不小于8kV/m;
S3:当大气电厂值大于第二级阈值和第三级阈值后,启动图像处理,判断是否有雷电火灾发生,其中,
所述图像处理包括烟雾图像分析、火焰灰度值分析;
S4:基于变量Count函数,结合烟雾图像分析以及火焰灰度值分析的分析结果,判断监控现场是否有构成火灾的危险。
进一步的,所述大气电场值包括大气电场强度的大小和方向,且大气电场值通过大气电场仪测得。
进一步的,所述第一级阈值预示大气电场正在增强;第二级阈值预示大气电场持续增强并且雷闪概率急速增加;第三级阈值预示未来5min~30min内雷电发生。
进一步的,所述烟雾图像分析具体包括:
S31:烟雾数据分析;
S32:火焰灰度值分析。
5.根据权利要求4所述的一种基于视觉处理的风机雷电灾害预警方法,其特征在于,所述S31的烟雾分析包括:
S311:烟雾面积增长分析,
随着烟雾的增多,烟雾区域的像素量表现出增长特性,计算方法为:
其中,T是统计的周期,St和St-1为第t帧、第t-1帧的疑似烟雾区域面积,g为平均增长率,当g在预定范围gt∈[0.05,0.2]内,则该特征分析输出为真,否则为假;
S312:烟雾圆形度分析,
圆形度计算方法为:
其中,c为圆形度,取值4π为直观结果,Lt为第t帧中疑似烟雾区域的周长,St为第t帧中疑似烟雾区域的面积,圆形度c在设置的范围ct∈[3,40]内,则该特征分析结果输出为真,否则为假;
S313:烟雾位移度分析,
分析烟雾出现后,烟雾主体在相邻帧间的面积重合程度,具体为:
S(t,j)和S(t-1,j)分别表示第t和t-1帧中第j个连续的疑似烟雾区域面积,Sm表示包含该两帧中第j个连续疑似烟雾区域的最小外接矩形的面积,当d大于阈值dt=0.5时,则该特征分析输出为真。
进一步的,所述S32的火焰灰度值分析包括:
S321:获取连续拍摄的两帧中含有火焰或烟雾的区域;
S322:计算连续两帧对应区域的灰度值;
S323:当灰度值平均值大于设定的阈值GF时,输出为真,否则为假。
进一步的,所述连续两帧对应区域的灰度值设为Mt和Mt-1,Mt和Mt-1分别是当前帧和前一帧中相对应区域的灰度值,该灰度值为区域内中心点处地像素的灰度值,计算连续两帧间火焰或烟雾的灰度值平均值β,计算公式为:
若灰度值平均值β大于阈值GF,则该特征分析结果输出为真,否则为假。
进一步的,所述变量Count函数初始值为0,计算公式为:
当连续五帧的3个烟雾数据分析结果均为真,且火焰灰度值大于阈值GF时,Count函数自增1,若Count函数=5时,则判定监控现场具有构成火灾的危险。
进一步的,所述Count函数=5时,判定监控现场具有构成火灾的危险,对监控现场进行公开火灾警报,所述Count函数不达标时,判定监控现场暂不构成火灾的危险,在监控后台进行火情警告提示,提醒负责人员进行及时确认和扑灭处理。
本发明的有益效果:
本发明,实时接收监测装置传输的监测数据,具有信息采集、分析、处理、判断功能,并将信息反馈给用户。
本发明,无需长期人员值班,自动根据视觉处理结果,对区域内发生的雷电火灾进行报警;降低判断错误概率或者减少并没有及时预判火灾发生的现象发生,充分利用现有系统图像资源,提供救援救灾的最佳机会,减少经济损失。
本发明,摄像头等装置成熟,系统人工以及安装成本不高,二大类判决过程,存在不同类阈值数据;因此,上述多个判决过程构成本发明的基于视觉处理的安全性灾害预防方法,判决过程缺一不可,各个判决过程构成了本发明中对灾害的精细化预测进程,能够精细化管理进程并提高数据利用率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,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,显而易见地,下面描述中的附图仅仅是本发明,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为本发明实施例的系统流程示意图;
图2为本发明实施例的烟雾数据和火焰灰度值与阈值判断流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,对本发明进一步详细说明。
需要说明的是,除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
如图1-图2所示,一种基于视觉处理的风机雷电灾害预警方法,其处理风力发电厂监控摄像头发送至中心服务器的图像数据,通过数据的处理结果,预警是否有雷电火灾的情况发生,预警主要针对环境数据与图像数据的两大方面分析,步骤如下:
一、通过大气电场值,判断是否有雷电天气发生;
使用大气电场仪对大气电场强度的大小和方向进行实时监测,并将监测数据即时传送到数据综合处理系统,有效对工业现场周边的雷云情况进行实时监测,并设置三级雷电报警阈值,提供接下来火灾图像处理的实施:
第一级阈值:大气电场不小于2kV/m且不大于5kV/m,预示着大气电场正在增强;
第二级阈值:大气电场不小于5kV/m且不大于8kV/m,预示大气电场正在快速增强,雷闪概率急速增加;
第三级阈值:大气电场不小于8kV/m,预警未来5min~30min内雷电发生。
二、大于电场阈值后,启动图像处理,判断是否有雷电火灾发生(从烟雾、灰度值两个方面分析);
2.1烟雾分析,
(1)烟雾面积增长分析,
随着烟雾出现后不断增多,因此烟雾区域的像素量会表现出增长的特性,计算方法为:
其中,T是统计的周期,St和St-1为第t帧、第t-1帧的疑似烟雾区域面积,g为平均增长率,当g在规定范围gt∈[0.05,0.2]内,则该特征分析输出为真,否则为假;
(2)烟雾圆形度分析,
圆形度描述了物体形状的复杂程度,当物体为圆形时,其圆形度最低,其值为1,当物体形状越复杂,其圆形度越大。而烟雾边缘和形状远远比白云等干扰物复杂,但也不及火焰那般,所以可以作为一个区分特征,圆形度计算方法为:
其中,c为圆形度,取值4π为直观结果,结果接近1,则接近圆形,物体边缘不规则,圆形度值越大,烟雾的边缘大于白云小于火焰,Lt为第t帧中疑似烟雾区域的周长,St为第t帧中疑似烟雾区域的面积,圆形度c在设置的范围ct∈[3,40]内,则该特征分析结果输出为真,否则为假。
(3)烟雾位移度分析
烟雾出现后,其主体同样会在一定的空间范围内,两帧间面积重合度较高,即对同一疑似目标区域在相邻帧间的面积重合程度,具体为:
S(t,j)和S(t-1,j)分别表示第t和t-1帧中第j个连续的疑似烟雾区域面积,Sm表示包含该两帧中第j个连续疑似烟雾区域的最小外接矩形的面积,当d大于阈值dt=0.5时,则该特征分析输出为真。
2.2火焰灰度值分析
(1)灰度值分析
先获取相机连续拍摄两帧中含有火焰或烟雾的区域并计算各自对应区域的灰度值Mt和Mt-1,Mt和Mt-1分别是当前帧和前一帧中相对应区域的灰度值,这里用区域内中心点处地像素的灰度值表示;然后求出连续两帧间火焰或烟雾的灰度值平均值β,计算公式如式为:
如果灰度值平均值大于阈值GF(火焰灰度值GF设置为40000)该特征分析结果才输出为真,否则为假;
(2)初始值为0的变量Count自增1,计算公式为:
当连续五帧的3个烟雾数据分析结果均为真,且灰度值大于阈值GF时Count自增1,若Count=5时则判定监控现场有构成火灾的危险,对监控现场进行公开火灾警报,否则只在监控后台进行火情警告提示,提醒负责人员进行及时确认和扑灭处理。注意这里与阈值比较的不是增长率达标的累计次数,因为在不符合阈值条件时,计数将自动清零,防止长时间次数堆叠,只有两个阈值同时达标且接连10帧都满足的情况下,系统才会自动报警。
通过设置阈值,在分析画面的烟雾数据和火焰灰度值后,与阈值比较来判断是否发生火灾,判别流程如图2所示:(此流程是在电场大于第二级阈值和第三级阈值后才会进行)。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本发明的范围被限于这些例子;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明它们没有在细节中提供。
本发明旨在涵盖落入权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本发明的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于视觉处理的风机雷电灾害预警方法,该预警方法基于环境数据分析以及图像数据分析,其特征在于,包括以下步骤:
S1:通过对大气电场值进行实时监测,并将监测数据传送到数据综合处理系统,对雷云情况进行实时监测;
S2:设置三级雷电报警阈值,包括:
第一级阈值:大气电场在2kV/m到5kV/m之间;
第二级阈值:大气电场在5kV/m到8kV/m之间;
第三级阈值:大气电场不小于8kV/m;
S3:当大气电厂值大于第二级阈值和第三级阈值后,启动图像处理,判断是否有雷电火灾发生,其中,
所述图像处理包括烟雾图像分析、火焰灰度值分析;
S4:基于变量Count函数,结合烟雾图像分析以及火焰灰度值分析的分析结果,判断监控现场是否有构成火灾的危险。
2.根据权利要求1所述的一种基于视觉处理的风机雷电灾害预警方法,其特征在于,所述大气电场值包括大气电场强度的大小和方向,且大气电场值通过大气电场仪测得。
3.根据权利要求2所述的一种基于视觉处理的风机雷电灾害预警方法,其特征在于,所述第一级阈值预示大气电场正在增强;第二级阈值预示大气电场持续增强并且雷闪概率急速增加;第三级阈值预示未来5min~30min内雷电发生。
4.根据权利要求3所述的一种基于视觉处理的风机雷电灾害预警方法,其特征在于,所述烟雾图像分析具体包括:
S31:烟雾数据分析;
S32:火焰灰度值分析。
5.根据权利要求4所述的一种基于视觉处理的风机雷电灾害预警方法,其特征在于,所述S31的烟雾分析包括:
S311:烟雾面积增长分析,
随着烟雾的增多,烟雾区域的像素量表现出增长特性,计算方法为:
其中,T是统计的周期,St和St-1为第t帧、第t-1帧的疑似烟雾区域面积,g为平均增长率,当g在预定范围gt∈[0.05,0.2]内,则该特征分析输出为真,否则为假;
S312:烟雾圆形度分析,
圆形度计算方法为:
其中,c为圆形度,取值4π为直观结果,Lt为第t帧中疑似烟雾区域的周长,St为第t帧中疑似烟雾区域的面积,圆形度c在设置的范围ct∈[3,40]内,则该特征分析结果输出为真,否则为假;
S313:烟雾位移度分析,
分析烟雾出现后,烟雾主体在相邻帧间的面积重合程度,具体为:
S(t,j)和S(t-1,j)分别表示第t和t-1帧中第j个连续的疑似烟雾区域面积,Sm表示包含该两帧中第j个连续疑似烟雾区域的最小外接矩形的面积,当d大于阈值dt=0.5时,则该特征分析输出为真。
6.根据权利要求5所述的一种基于视觉处理的风机雷电灾害预警方法,其特征在于,所述S32的火焰灰度值分析包括:
S321:获取连续拍摄的两帧中含有火焰或烟雾的区域;
S322:计算连续两帧对应区域的灰度值;
S323:当灰度值平均值大于设定的阈值GF时,输出为真,否则为假。
7.根据权利要求6所述的一种基于视觉处理的风机雷电灾害预警方法,其特征在于,所述连续两帧对应区域的灰度值设为Mt和Mt-1,Mt和Mt-1分别是当前帧和前一帧中相对应区域的灰度值,该灰度值为区域内中心点处地像素的灰度值,计算连续两帧间火焰或烟雾的灰度值平均值β,计算公式为:
若灰度值平均值β大于阈值GF,则该特征分析结果输出为真,否则为假。
8.根据权利要求7所述的一种基于视觉处理的风机雷电灾害预警方法,其特征在于,所述变量Count函数初始值为0,计算公式为:
当连续五帧的3个烟雾数据分析结果均为真,且火焰灰度值大于阈值GF时,Count函数自增1,若Count函数=5时,则判定监控现场具有构成火灾的危险。
9.根据权利要求8所述的一种基于视觉处理的风机雷电灾害预警方法,其特征在于,所述Count函数=5时,判定监控现场具有构成火灾的危险,对监控现场进行公开火灾警报,所述Count函数不达标时,判定监控现场暂不构成火灾的危险,在监控后台进行火情警告提示,提醒负责人员进行及时确认和扑灭处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311348350.2A CN117423030A (zh) | 2023-10-17 | 2023-10-17 | 一种基于视觉处理的风机雷电灾害预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311348350.2A CN117423030A (zh) | 2023-10-17 | 2023-10-17 | 一种基于视觉处理的风机雷电灾害预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117423030A true CN117423030A (zh) | 2024-01-19 |
Family
ID=89525793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311348350.2A Pending CN117423030A (zh) | 2023-10-17 | 2023-10-17 | 一种基于视觉处理的风机雷电灾害预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117423030A (zh) |
-
2023
- 2023-10-17 CN CN202311348350.2A patent/CN117423030A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107911653B (zh) | 驻所智能视频监控模组、系统、方法以及存储介质 | |
CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
CN106412501B (zh) | 一种视频的施工安全行为智能监控系统及其监控方法 | |
CN111047818A (zh) | 一种基于视频图像的森林火灾预警系统 | |
CN107437318B (zh) | 一种可见光智能识别算法 | |
CN111523397B (zh) | 一种智慧灯杆视觉识别装置、方法及其系统和电子设备 | |
CN111461078B (zh) | 一种基于计算机视觉技术的防钓监控方法 | |
CN109460744B (zh) | 一种基于深度学习的视频监控系统 | |
CN110021133B (zh) | 全天候消防火灾巡逻预警监控系统及火灾图像检测方法 | |
CN117037406B (zh) | 一种森林火灾智能化监控和预警系统 | |
CN113903081A (zh) | 一种水电厂图像视觉识别人工智能报警方法及装置 | |
CN111488799A (zh) | 一种基于图像识别的坠落物识别方法及系统 | |
CN111257507A (zh) | 一种基于无人机的气体浓度检测及事故预警系统 | |
CN112800901A (zh) | 一种基于视觉感知的矿山人员安全检测方法 | |
CN115100813B (zh) | 基于数字孪生的智慧社区系统 | |
CN108764166B (zh) | 一种基于支撑杆的人防门位置状态检测系统及方法 | |
CN112188164A (zh) | 一种基于ai视觉的违规行为实时监测系统及方法 | |
CN117373196B (zh) | 一种电气火灾报警方法及系统 | |
CN114677640A (zh) | 基于机器视觉的智慧工地安全监测系统及方法 | |
CN104574729A (zh) | 一种报警方法、装置及系统 | |
CN117152896A (zh) | 一种电气火灾监控方法及系统 | |
CN113222548A (zh) | 一种社区物业鹰眼监控系统及使用方法 | |
CN117612060A (zh) | 基于人工智能检测的视频预警系统、方法、设备及介质 | |
CN117423030A (zh) | 一种基于视觉处理的风机雷电灾害预警方法 | |
CN116976832A (zh) | 基于ai、大数据和物联网的智慧消防集中统一监管平台 |
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 |