CN117671606A - 基于神经网络模型的智慧图像识别系统及方法 - Google Patents
基于神经网络模型的智慧图像识别系统及方法 Download PDFInfo
- Publication number
- CN117671606A CN117671606A CN202410139232.9A CN202410139232A CN117671606A CN 117671606 A CN117671606 A CN 117671606A CN 202410139232 A CN202410139232 A CN 202410139232A CN 117671606 A CN117671606 A CN 117671606A
- Authority
- CN
- China
- Prior art keywords
- detection device
- image data
- preset
- real
- communication equipment
- 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
- 238000003062 neural network model Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 123
- 238000004891 communication Methods 0.000 claims abstract description 98
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 230000005856 abnormality Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及基于神经网络模型的智慧图像识别系统及方法，属于电数字数据处理技术领域，通过人员位置检测装置、失衡摔倒检测装置、设备碰撞检测装置、振动强度检测装置、接头图像检测装置、线路图像检测装置之间的有序配合动作，针对“机房内人员意外失重摔倒时碰撞到重要通信设备，导致通信设备内部因振动而线路接头松动、甚至线路断开等情况”进行实时监测，避免引起较大的经济损失；并且，各个检测装置的有序配合动作，可避免绝大部分检测装置长时间处于无效动作状态，降低系统能耗，同时避免系统出现误动作。
Description
技术领域
本发明属于电数字数据处理技术领域，具体涉及基于神经网络模型的智慧图像识别系统及方法。
背景技术
对于信息服务类企业而言，存放服务器的通信机房作为企业IT服务的后台支撑，其中，企业规模越大，则相应的服务器及其他通信设备数量就越多，所以大部分信息服务类企业的机房往往存在机房内通信设备繁杂的情况。对于上述这种情况，企业往往只是简单粗暴地布置各个通信设备，仅留出较为狭窄的过道。
但是，由于通信机房内过道狭窄，相关工作人员进入机房动作时，容易碰撞到重要的通信设备，如意外失重摔倒时（此时造成的碰撞强度偏大）碰撞到重要通信设备，导致通信设备内部因振动而线路接头松动、甚至线路断开等情况，最终引起较大的经济损失；而现阶段并未针对上述异常情况设计相关的监测方案。
因此，现阶段需设计基于神经网络模型的智慧图像识别系统，来解决以上问题。
发明内容
本发明目的在于提供基于神经网络模型的智慧图像识别系统及方法，用于解决上述现有技术中存在的技术问题，由于通信机房内过道狭窄，相关工作人员进入机房动作时，容易碰撞到重要的通信设备，如意外失重摔倒时碰撞到重要通信设备，导致通信设备内部因振动而线路接头松动、甚至线路断开等情况，最终引起较大的经济损失；而现阶段并未针对上述异常情况设计相关的监测方案。
为实现上述目的，本发明的技术方案是：
基于神经网络模型的智慧图像识别系统，包括人员位置检测装置、失衡摔倒检测装置、设备碰撞检测装置、振动强度检测装置、接头图像检测装置、线路图像检测装置、主控装置；
所述人员位置检测装置用于检测机房内人员是否进入目标通信设备的预设区域；
所述失衡摔倒检测装置用于检测所述预设区域内人员是否出现失衡摔倒的情况；
所述设备碰撞检测装置用于检测失衡摔倒的人员是否碰撞到所述目标通信设备；
所述振动强度检测装置用于检测所述目标通信设备的实时振动强度，并判断所述实时振动强度是否符合预设振动强度；
所述接头图像检测装置用于通过图像识别的方式判断所述目标通信设备中的线路接头是否脱落；
所述线路图像检测装置用于通过图像识别的方式判断所述目标通信设备中的线路是否断开；
其中，所述主控装置控制所述人员位置检测装置处于常开状态，控制所述失衡摔倒检测装置、设备碰撞检测装置、振动强度检测装置、接头图像检测装置、线路图像检测装置处于常闭状态；
当所述人员位置检测装置检测到机房内人员进入目标通信设备的预设区域时，所述主控装置控制所述失衡摔倒检测装置开启；
当所述失衡摔倒检测装置检测到所述预设区域内人员出现失衡摔倒的情况时，所述主控装置控制所述设备碰撞检测装置开启；
当所述设备碰撞检测装置检测到失衡摔倒的人员碰撞到所述目标通信设备时，所述主控装置控制所述振动强度检测装置开启；
当所述振动强度检测装置判断出所述实时振动强度符合预设振动强度时，所述主控装置控制所述接头图像检测装置、线路图像检测装置开启。
进一步的，所述人员位置检测装置包括第一处理器、第一存储器、距离传感器，所述第一处理器分别与所述第一存储器、距离传感器、主控装置连接；
所述距离传感器用于检测机房内人员与所述目标通信设备之间的实时距离；
所述第一存储器用于存储机房内人员与所述目标通信设备之间的预设距离；
所述第一处理器将所述实时距离与所述预设距离进行对比分析，当所述实时距离符合所述预设距离时，所述第一处理器向所述主控装置反馈机房内人员进入目标通信设备的预设区域。
进一步的，所述失衡摔倒检测装置包括第二处理器、第二存储器、第一摄像头，所述第二处理器分别与所述第二存储器、第一摄像头、主控装置连接；
所述第一摄像头用于采集所述预设区域内人员的实时图像数据；
所述第二存储器用于存储人员失衡摔倒时的预设图像数据；
所述第二处理器将所述实时图像数据与所述预设图像数据进行对比分析，当所述实时图像数据符合所述预设图像数据时，所述第二处理器向所述主控装置反馈所述预设区域内人员出现失衡摔倒的情况。
进一步的，所述设备碰撞检测装置包括第三处理器、碰撞传感器，所述第三处理器分别与所述碰撞传感器、主控装置连接；
所述碰撞传感器用于检测所述目标通信设备是否发生碰撞；
当所述碰撞传感器检测到所述目标通信设备发生碰撞时，所述第三处理器向所述主控装置反馈失衡摔倒的人员碰撞到所述目标通信设备。
进一步的，所述振动强度检测装置包括第四处理器、第三存储器、振动强度传感器，所述第四处理器分别与所述第三存储器、振动强度传感器、主控装置连接；
所述振动强度传感器用于检测所述目标通信设备发生的实时振动强度；
所述第三存储器用于存储所述目标通信设备发生的预设振动强度；
所述第四处理器将所述实时振动强度与所述预设振动强度进行对比分析，若所述实时振动强度符合所述预设振动强度，则所述第四处理器向所述主控装置反馈所述实时振动强度符合预设振动强度。
进一步的，所述接头图像检测装置包括第五处理器、第四存储器、第二摄像头，所述第五处理器分别与所述第四存储器、第二摄像头、主控装置连接；
所述第二摄像头用于采集所述目标通信设备内部线路接头的实时图像数据，记为实时接头图像数据；
所述第四存储器用于存储所述目标通信设备内部线路接头的预设图像数据，记为预设接头图像数据；
所述第五处理器将所述实时接头图像数据与所述预设接头图像数据进行对比分析，若实时接头图像数据符合所述预设接头图像数据，则所述第五处理器向所述主控装置反馈所述目标通信设备中的线路接头脱落。
进一步的，所述线路图像检测装置包括第六处理器、第五存储器、第三摄像头，所述第六处理器分别与所述第五存储器、第三摄像头、主控装置连接；
所述第三摄像头用于采集所述目标通信设备内部线路的实时图像数据，记为实时线路图像数据；
所述第五存储器用于存储所述目标通信设备内部线路的预设图像数据，记为预设线路图像数据；
所述第六处理器将所述实时线路图像数据与所述预设线路图像数据进行对比分析，若实时线路图像数据符合所述预设线路图像数据，则所述第六处理器向所述主控装置反馈所述目标通信设备中的线路断开。
进一步的，还包括异常报警装置，所述主控装置与所述异常报警装置连接。
进一步的，还包括无线通信装置和智能终端，所述主控装置通过所述无线通信装置与所述智能终端网络连接。
基于神经网络模型的智慧图像识别方法，采用如上述的基于神经网络模型的智慧图像识别系统进行通信设备监测的智慧图像识别。
与现有技术相比，本发明所具有的有益效果为：
本方案其中一个有益效果在于，通过人员位置检测装置、失衡摔倒检测装置、设备碰撞检测装置、振动强度检测装置、接头图像检测装置、线路图像检测装置之间的有序配合动作，针对“机房内人员意外失重摔倒时碰撞到重要通信设备，导致通信设备内部因振动而线路接头松动、甚至线路断开等情况”进行实时监测，避免引起较大的经济损失；并且，各个检测装置的有序配合动作，可避免绝大部分检测装置长时间处于无效动作状态，降低系统能耗，同时避免系统出现误动作。
附图说明
图1为本方案实施方式的系统结构示意图。
图2为本方案实施方式的系统运行原理示意图。
具体实施方式
下面结合本发明的附图1-附图2，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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
由于通信机房内过道狭窄，相关工作人员进入机房动作时，容易碰撞到重要的通信设备，如意外失重摔倒时碰撞到重要通信设备，导致通信设备内部因振动而线路接头松动、甚至线路断开等情况，最终引起较大的经济损失；而现阶段并未针对上述异常情况设计相关的监测方案。
如图1所示，提出基于神经网络模型的智慧图像识别系统，包括人员位置检测装置、失衡摔倒检测装置、设备碰撞检测装置、振动强度检测装置、接头图像检测装置、线路图像检测装置、主控装置；
所述人员位置检测装置用于检测机房内人员是否进入目标通信设备的预设区域；
所述失衡摔倒检测装置用于检测所述预设区域内人员是否出现失衡摔倒的情况；
所述设备碰撞检测装置用于检测失衡摔倒的人员是否碰撞到所述目标通信设备；
所述振动强度检测装置用于检测所述目标通信设备的实时振动强度，并判断所述实时振动强度是否符合预设振动强度；
所述接头图像检测装置用于通过图像识别的方式判断所述目标通信设备中的线路接头是否脱落；
所述线路图像检测装置用于通过图像识别的方式判断所述目标通信设备中的线路是否断开；
其中，如图2所示，所述主控装置控制所述人员位置检测装置处于常开状态，控制所述失衡摔倒检测装置、设备碰撞检测装置、振动强度检测装置、接头图像检测装置、线路图像检测装置处于常闭状态；
当所述人员位置检测装置检测到机房内人员进入目标通信设备的预设区域时，所述主控装置控制所述失衡摔倒检测装置开启；可排除不重要的非目标通信设备。
当所述失衡摔倒检测装置检测到所述预设区域内人员出现失衡摔倒的情况时，所述主控装置控制所述设备碰撞检测装置开启；可排除机房内人员对目标通信设备的正常接触。
当所述设备碰撞检测装置检测到失衡摔倒的人员碰撞到所述目标通信设备时，所述主控装置控制所述振动强度检测装置开启；可排除机房内人员失衡摔倒但没有接触目标通信设备的情况。
当所述振动强度检测装置判断出所述实时振动强度符合预设振动强度时，所述主控装置控制所述接头图像检测装置、线路图像检测装置开启。可排除振动强度偏小的碰撞情况。
上述方案中，通过人员位置检测装置、失衡摔倒检测装置、设备碰撞检测装置、振动强度检测装置、接头图像检测装置、线路图像检测装置之间的有序配合动作，针对“机房内人员意外失重摔倒时碰撞到重要通信设备，导致通信设备内部因振动而线路接头松动、甚至线路断开等情况”进行实时监测，避免引起较大的经济损失；并且，各个检测装置的有序配合动作，可避免绝大部分检测装置长时间处于无效动作状态，降低系统能耗，同时避免系统出现误动作。
进一步的，所述人员位置检测装置包括第一处理器、第一存储器、距离传感器，所述第一处理器分别与所述第一存储器、距离传感器、主控装置连接；
所述距离传感器用于检测机房内人员与所述目标通信设备之间的实时距离；
所述第一存储器用于存储机房内人员与所述目标通信设备之间的预设距离；
所述第一处理器将所述实时距离与所述预设距离进行对比分析，当所述实时距离符合所述预设距离时，所述第一处理器向所述主控装置反馈机房内人员进入目标通信设备的预设区域。
进一步的，所述失衡摔倒检测装置包括第二处理器、第二存储器、第一摄像头，所述第二处理器分别与所述第二存储器、第一摄像头、主控装置连接；
所述第一摄像头用于采集所述预设区域内人员的实时图像数据；
所述第二存储器用于存储人员失衡摔倒时的预设图像数据；并且，预设图像数据是通过神经网络模型训练大量人员失衡摔倒的历史图像而得，可提升后续第二处理器进行图像识别的可靠性。
所述第二处理器将所述实时图像数据与所述预设图像数据进行对比分析，当所述实时图像数据符合所述预设图像数据时，所述第二处理器向所述主控装置反馈所述预设区域内人员出现失衡摔倒的情况。
进一步的，所述设备碰撞检测装置包括第三处理器、碰撞传感器，所述第三处理器分别与所述碰撞传感器、主控装置连接；
所述碰撞传感器用于检测所述目标通信设备是否发生碰撞；
当所述碰撞传感器检测到所述目标通信设备发生碰撞时，所述第三处理器向所述主控装置反馈失衡摔倒的人员碰撞到所述目标通信设备。
进一步的，所述振动强度检测装置包括第四处理器、第三存储器、振动强度传感器，所述第四处理器分别与所述第三存储器、振动强度传感器、主控装置连接；
所述振动强度传感器用于检测所述目标通信设备发生的实时振动强度；
所述第三存储器用于存储所述目标通信设备发生的预设振动强度；
所述第四处理器将所述实时振动强度与所述预设振动强度进行对比分析，若所述实时振动强度符合所述预设振动强度，则所述第四处理器向所述主控装置反馈所述实时振动强度符合预设振动强度。
进一步的，所述接头图像检测装置包括第五处理器、第四存储器、第二摄像头，所述第五处理器分别与所述第四存储器、第二摄像头、主控装置连接；
所述第二摄像头用于采集所述目标通信设备内部线路接头的实时图像数据，记为实时接头图像数据；
所述第四存储器用于存储所述目标通信设备内部线路接头的预设图像数据，记为预设接头图像数据；
所述第五处理器将所述实时接头图像数据与所述预设接头图像数据进行对比分析，若实时接头图像数据符合所述预设接头图像数据，则所述第五处理器向所述主控装置反馈所述目标通信设备中的线路接头脱落。
进一步的，所述线路图像检测装置包括第六处理器、第五存储器、第三摄像头，所述第六处理器分别与所述第五存储器、第三摄像头、主控装置连接；
所述第三摄像头用于采集所述目标通信设备内部线路的实时图像数据，记为实时线路图像数据；
所述第五存储器用于存储所述目标通信设备内部线路的预设图像数据，记为预设线路图像数据；
所述第六处理器将所述实时线路图像数据与所述预设线路图像数据进行对比分析，若实时线路图像数据符合所述预设线路图像数据，则所述第六处理器向所述主控装置反馈所述目标通信设备中的线路断开。
进一步的，还包括异常报警装置，所述主控装置与所述异常报警装置连接，可快速向现场人员进行异常报警，尽可能缩短目标通信设备的故障时间。
进一步的，还包括无线通信装置和智能终端，所述主控装置通过所述无线通信装置与所述智能终端网络连接，可实现远程数据交互。
基于神经网络模型的智慧图像识别方法，采用如上述的基于神经网络模型的智慧图像识别系统进行通信设备监测的智慧图像识别。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。
Claims (10)
1.基于神经网络模型的智慧图像识别系统，其特征在于，包括人员位置检测装置、失衡摔倒检测装置、设备碰撞检测装置、振动强度检测装置、接头图像检测装置、线路图像检测装置、主控装置；
所述人员位置检测装置用于检测机房内人员是否进入目标通信设备的预设区域；
所述失衡摔倒检测装置用于检测所述预设区域内人员是否出现失衡摔倒的情况；
所述设备碰撞检测装置用于检测失衡摔倒的人员是否碰撞到所述目标通信设备；
所述振动强度检测装置用于检测所述目标通信设备的实时振动强度，并判断所述实时振动强度是否符合预设振动强度；
所述接头图像检测装置用于通过图像识别的方式判断所述目标通信设备中的线路接头是否脱落；
所述线路图像检测装置用于通过图像识别的方式判断所述目标通信设备中的线路是否断开；
其中，所述主控装置控制所述人员位置检测装置处于常开状态，控制所述失衡摔倒检测装置、设备碰撞检测装置、振动强度检测装置、接头图像检测装置、线路图像检测装置处于常闭状态；
当所述人员位置检测装置检测到机房内人员进入目标通信设备的预设区域时，所述主控装置控制所述失衡摔倒检测装置开启；
当所述失衡摔倒检测装置检测到所述预设区域内人员出现失衡摔倒的情况时，所述主控装置控制所述设备碰撞检测装置开启；
当所述设备碰撞检测装置检测到失衡摔倒的人员碰撞到所述目标通信设备时，所述主控装置控制所述振动强度检测装置开启；
当所述振动强度检测装置判断出所述实时振动强度符合预设振动强度时，所述主控装置控制所述接头图像检测装置、线路图像检测装置开启。
2.根据权利要求1所述的基于神经网络模型的智慧图像识别系统，其特征在于，所述人员位置检测装置包括第一处理器、第一存储器、距离传感器，所述第一处理器分别与所述第一存储器、距离传感器、主控装置连接；
所述距离传感器用于检测机房内人员与所述目标通信设备之间的实时距离；
所述第一存储器用于存储机房内人员与所述目标通信设备之间的预设距离；
所述第一处理器将所述实时距离与所述预设距离进行对比分析，当所述实时距离符合所述预设距离时，所述第一处理器向所述主控装置反馈机房内人员进入目标通信设备的预设区域。
3.根据权利要求2所述的基于神经网络模型的智慧图像识别系统，其特征在于，所述失衡摔倒检测装置包括第二处理器、第二存储器、第一摄像头，所述第二处理器分别与所述第二存储器、第一摄像头、主控装置连接；
所述第一摄像头用于采集所述预设区域内人员的实时图像数据；
所述第二存储器用于存储人员失衡摔倒时的预设图像数据；
所述第二处理器将所述实时图像数据与所述预设图像数据进行对比分析，当所述实时图像数据符合所述预设图像数据时，所述第二处理器向所述主控装置反馈所述预设区域内人员出现失衡摔倒的情况。
4.根据权利要求3所述的基于神经网络模型的智慧图像识别系统，其特征在于，所述设备碰撞检测装置包括第三处理器、碰撞传感器，所述第三处理器分别与所述碰撞传感器、主控装置连接；
所述碰撞传感器用于检测所述目标通信设备是否发生碰撞；
当所述碰撞传感器检测到所述目标通信设备发生碰撞时，所述第三处理器向所述主控装置反馈失衡摔倒的人员碰撞到所述目标通信设备。
5.根据权利要求4所述的基于神经网络模型的智慧图像识别系统，其特征在于，所述振动强度检测装置包括第四处理器、第三存储器、振动强度传感器，所述第四处理器分别与所述第三存储器、振动强度传感器、主控装置连接；
所述振动强度传感器用于检测所述目标通信设备发生的实时振动强度；
所述第三存储器用于存储所述目标通信设备发生的预设振动强度；
所述第四处理器将所述实时振动强度与所述预设振动强度进行对比分析，若所述实时振动强度符合所述预设振动强度，则所述第四处理器向所述主控装置反馈所述实时振动强度符合预设振动强度。
6.根据权利要求5所述的基于神经网络模型的智慧图像识别系统，其特征在于，所述接头图像检测装置包括第五处理器、第四存储器、第二摄像头，所述第五处理器分别与所述第四存储器、第二摄像头、主控装置连接；
所述第二摄像头用于采集所述目标通信设备内部线路接头的实时图像数据，记为实时接头图像数据；
所述第四存储器用于存储所述目标通信设备内部线路接头的预设图像数据，记为预设接头图像数据；
所述第五处理器将所述实时接头图像数据与所述预设接头图像数据进行对比分析，若实时接头图像数据符合所述预设接头图像数据，则所述第五处理器向所述主控装置反馈所述目标通信设备中的线路接头脱落。
7.根据权利要求6所述的基于神经网络模型的智慧图像识别系统，其特征在于，所述线路图像检测装置包括第六处理器、第五存储器、第三摄像头，所述第六处理器分别与所述第五存储器、第三摄像头、主控装置连接；
所述第三摄像头用于采集所述目标通信设备内部线路的实时图像数据，记为实时线路图像数据；
所述第五存储器用于存储所述目标通信设备内部线路的预设图像数据，记为预设线路图像数据；
所述第六处理器将所述实时线路图像数据与所述预设线路图像数据进行对比分析，若实时线路图像数据符合所述预设线路图像数据，则所述第六处理器向所述主控装置反馈所述目标通信设备中的线路断开。
8.根据权利要求7所述的基于神经网络模型的智慧图像识别系统，其特征在于，还包括异常报警装置，所述主控装置与所述异常报警装置连接。
9.根据权利要求8所述的基于神经网络模型的智慧图像识别系统，其特征在于，还包括无线通信装置和智能终端，所述主控装置通过所述无线通信装置与所述智能终端网络连接。
10.基于神经网络模型的智慧图像识别方法，其特征在于，采用如权利要求1-9任一项所述的基于神经网络模型的智慧图像识别系统进行通信设备监测的智慧图像识别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410139232.9A CN117671606B (zh) | 2024-02-01 | 2024-02-01 | 基于神经网络模型的智慧图像识别系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410139232.9A CN117671606B (zh) | 2024-02-01 | 2024-02-01 | 基于神经网络模型的智慧图像识别系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117671606A true CN117671606A (zh) | 2024-03-08 |
| CN117671606B CN117671606B (zh) | 2024-04-02 |
Family
ID=90066433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410139232.9A Active CN117671606B (zh) | 2024-02-01 | 2024-02-01 | 基于神经网络模型的智慧图像识别系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117671606B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118050054A (zh) * | 2024-04-16 | 2024-05-17 | 中国民用航空飞行学院 | 基于智慧数据分析的飞行安全实时监控系统及方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005097656A1 (ja) * | 2004-04-07 | 2005-10-20 | Toshiba Elevator Kabushiki Kaisha | エレベータの機械室機器配置構造 |
| US20160203699A1 (en) * | 2014-01-06 | 2016-07-14 | Yyesit, Llc | Method and apparatus of surveillance system |
| CN108593084A (zh) * | 2018-03-30 | 2018-09-28 | 刘文飞 | 一种通信机房设备健康状态的检测分析方法 |
| CN109531533A (zh) * | 2018-11-30 | 2019-03-29 | 北京海益同展信息科技有限公司 | 一种机房巡检系统及其工作方法 |
| CN211607065U (zh) * | 2020-04-14 | 2020-09-29 | 国网冀北电力有限公司信息通信分公司 | 一种计算机机房网络运维监控装置 |
| CN112665134A (zh) * | 2020-12-10 | 2021-04-16 | 珠海格力电器股份有限公司 | 中央空调机房管控方法、装置、设备和中央空调系统 |
| CN114979580A (zh) * | 2022-05-25 | 2022-08-30 | 河南龙翼信息技术有限公司 | 一种用于机房监控的图像识别装置及方法 |
| CN115855166A (zh) * | 2023-02-21 | 2023-03-28 | 中国市政工程西南设计研究总院有限公司 | 智慧通信机房的异常监督管理平台 |
-
2024
- 2024-02-01 CN CN202410139232.9A patent/CN117671606B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005097656A1 (ja) * | 2004-04-07 | 2005-10-20 | Toshiba Elevator Kabushiki Kaisha | エレベータの機械室機器配置構造 |
| US20160203699A1 (en) * | 2014-01-06 | 2016-07-14 | Yyesit, Llc | Method and apparatus of surveillance system |
| CN108593084A (zh) * | 2018-03-30 | 2018-09-28 | 刘文飞 | 一种通信机房设备健康状态的检测分析方法 |
| CN109531533A (zh) * | 2018-11-30 | 2019-03-29 | 北京海益同展信息科技有限公司 | 一种机房巡检系统及其工作方法 |
| CN211607065U (zh) * | 2020-04-14 | 2020-09-29 | 国网冀北电力有限公司信息通信分公司 | 一种计算机机房网络运维监控装置 |
| CN112665134A (zh) * | 2020-12-10 | 2021-04-16 | 珠海格力电器股份有限公司 | 中央空调机房管控方法、装置、设备和中央空调系统 |
| CN114979580A (zh) * | 2022-05-25 | 2022-08-30 | 河南龙翼信息技术有限公司 | 一种用于机房监控的图像识别装置及方法 |
| CN115855166A (zh) * | 2023-02-21 | 2023-03-28 | 中国市政工程西南设计研究总院有限公司 | 智慧通信机房的异常监督管理平台 |
Non-Patent Citations (2)
| Title |
|---|
| 图扑软件: "告别传统机房：3D 机房数据可视化实现智能化与VR技术的新碰撞", Retrieved from the Internet <URL:https://zhuanlan.zhihu.com/p/152547246> * |
| 石伟 等: "基于自动化交互行为的电力机房巡检机器人系统设计", 《制造业自动化》, vol. 43, no. 2, 25 February 2021 (2021-02-25), pages 152 - 156 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118050054A (zh) * | 2024-04-16 | 2024-05-17 | 中国民用航空飞行学院 | 基于智慧数据分析的飞行安全实时监控系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117671606B (zh) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117671606B (zh) | 基于神经网络模型的智慧图像识别系统及方法 | |
| CN111028452A (zh) | 一种变电站异物入侵监控系统和方法 | |
| CN103599617A (zh) | 一种消防设施监测管理物联网系统 | |
| CN115855166B (zh) | 智慧通信机房的异常监督管理平台 | |
| CN113537009B (zh) | 一种居家隔离监管系统 | |
| CN108764658B (zh) | 一种基于物联网的路政机柜智能监管系统 | |
| CN207440205U (zh) | Spd智能监测系统 | |
| CN110208625B (zh) | 一种驼峰信号设备在线监测系统及转辙机在线监测方法 | |
| KR102006201B1 (ko) | 공동주택과 건축물의 전기누전 감시장치 | |
| CN113777434A (zh) | 一种故障监测方法、装置及供配电系统 | |
| CN113270943A (zh) | 一种智能配电柜(箱)安全监测预警方法、系统及装置 | |
| CN112098700A (zh) | 一种户外防窃电方法及一种防窃电户外电能计量箱装置 | |
| CN108549294A (zh) | 一种电力设备监控方法及系统 | |
| CN108516428B (zh) | 一种电梯物联网设备 | |
| CN213715353U (zh) | 一种高压配电盘故障检测系统 | |
| CN116798205A (zh) | 一种基于大数据的电气火灾监测阈值动态处理方法及系统 | |
| CN115824290A (zh) | 交流端子的状态检测方法、装置及系统 | |
| CN215580538U (zh) | 一种基于配电室的智能运维终端装置 | |
| CN214901317U (zh) | 一种水处理用工业互联网边缘计算智能终端 | |
| CN205091588U (zh) | 线路安全智能辅助监测系统 | |
| CN115167579A (zh) | 一种变电箱监控系统及方法 | |
| CN117576857B (zh) | 基于神经网络模型的智慧安全监测系统及方法 | |
| CN108249243B (zh) | 一种电梯物联网故障识别方法 | |
| CN205722032U (zh) | 一种基于rfid的电子信息门禁监控系统 | |
| CN116009462B (zh) | 数据中心运维监控装置、系统及方法 |
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 |