IT202200001325U1 - Sistema diagnostico non invasivo per il riconoscimento in real time di perdite idriche prossime alla superficie in condizioni urbane e suburbane - Google Patents
Sistema diagnostico non invasivo per il riconoscimento in real time di perdite idriche prossime alla superficie in condizioni urbane e suburbane Download PDFInfo
- Publication number
- IT202200001325U1 IT202200001325U1 IT202022000001325U IT202200001325U IT202200001325U1 IT 202200001325 U1 IT202200001325 U1 IT 202200001325U1 IT 202022000001325 U IT202022000001325 U IT 202022000001325U IT 202200001325 U IT202200001325 U IT 202200001325U IT 202200001325 U1 IT202200001325 U1 IT 202200001325U1
- Authority
- IT
- Italy
- Prior art keywords
- water
- gpr
- urban
- real
- water leaks
- Prior art date
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims description 48
- 238000012545 processing Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 4
- 230000004807 localization Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims 2
- 238000001514 detection method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000001931 thermography Methods 0.000 description 6
- 239000002689 soil Substances 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 238000012956 testing procedure Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/40—Investigating fluid-tightness of structures by using electric means, e.g. by observing electric discharges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/885—Radar or analogous systems specially adapted for specific applications for ground probing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Examining Or Testing Airtightness (AREA)
Description
Sistema diagnostico non invasivo per il riconoscimento in real time di perdite idriche prossime alla superficie in condizioni urbane e suburbane
Il sistema presentato si colloca all?interno delle metodologie avanzate di prospezione geofisica non invasiva ad alta risoluzione e di image processing, in ambito di sostenibilit? ambientale e gestione ottimale delle risorse.
Il problema di identificazione delle perdite idriche nel sottosuolo ? stato gi? affrontato in passato.
In generale, il problema delle perdite idriche ? stato affrontato utilizzando diverse tecnologie tra cui la termografia, i metodi di monitoraggio e gestione di perdite e di prospezione geofisica ad alta risoluzione, come il Ground Penetrating Radar (GPR). Per questo motivo sono stati esaminati i brevetti esistenti che presentano l?impiego delle suddette tecnologie per il riconoscimento delle perdite idriche.
Il brevetto [1] risolve il problema di identificazione di perdite idriche mediante utilizzo di metodologia GPR in contesti urbani. Sebbene vengano simulate diverse condizioni di materiali, includendo diverse configurazioni nei test di verifica, il problema dell?identificazione precoce delle perdite in contesti suburbani altamente eterogenei resta irrisolto.
Nel brevetto [2] viene realizzato un sistema di monitoraggio ed una metodologia per l?identificazione di perdite idriche mediante l?impiego di strumenti avanzati di analisi del dato. Il sistema richiede tuttavia l?installazione di diversi dispositivi lungo la rete di distribuzione idrica urbana e la relativa archiviazione di informazioni per poter identificare le perdite.
In [3] l?invenzione presentata consente la rilevazione di perdite all?interno di sistemi di drenaggio urbano. La metodologia presentata richiede la raccolta di uno storico di dati relativi al livello di liquido presente nelle tubazioni, come input per la diagnosi accurata dello stato del sistema di drenaggio.
Gli inventori del [4] hanno proposto una soluzione combinata per la diagnostica e la manutenzione di tubazioni mediante integrazione di approcci diagnostici non invasivi: il metodo elettromagnetico e quello acustico. Pur offrendo una soluzione al problema di identificazione delle perdite, il brevetto si basa su una procedura di elaborazione sequenziale che prevede dapprima l?uso del GPR e successivamente del dispositivo acustico, a discapito di una interpretazione dei risultati in tempo reale.
In [5] viene presentato un sistema di rilevamento di perdite in reti idriche mediante un?unit? hardware per l?acquisizione dei dati ed un elaboratore per il processing dei dati e la localizzazione della perdita. Si tratta di un sistema di rilevamento perdite molto accurato, applicato in contesto urbano.
L?invenzione [6] riguarda metodologie per il rilevamento di anomalie nel sottosuolo, come ad esempio vuoti e perdite idriche, mediante l?uso combinato della tecnica della termografia ad infrarosso e del GPR, attraverso una procedura multi-step di elaborazione dei dati. Si tratta di una invenzione che risulta particolarmente adatta alla rilevazione di perdite in contesti industriali, richiede, tuttavia, diverse fasi di analisi dei dati.
Sebbene siano state gi? presentate diverse invenzioni atte a identificare le perdite idriche, si riscontra la mancanza di un brevetto specifico per il riconoscimento rapido delle perdite idriche in materiali eterogenei prossimi alla superficie, in condizioni particolarmente limitanti per l?associazione univoca di attributi GPR con le perdite idriche. Mancano inoltre test di validazione dei risultati effettuati direttamente sul campo (e non in laboratorio), a garanzia di una validazione dei risultati in condizioni reali di applicazione. Dall?analisi bibliografica svolta si riscontra che ad oggi non vi sono soluzioni in grado di risolvere il problema del riconoscimento di perdite idriche in materiali eterogenei prossimi alla superficie, dove la corretta interpretazione dei dati GPR risulta ostacolata dalla presenza di eterogeneit? che generano scattering, e favoriscono l?attenuazione del segnale elettromagnetico, limitando quindi la corretta ricostruzione dei primi livelli di sottosuolo. La difficolt? principale che limita l?impiego del GPR per la rilevazione di perdite idriche nel sottosuolo ? legata alla necessit? di fasi di pre e post processing che favoriscono l?estrazione di informazioni cariche di significato dai profili acquisiti. Si tratta di operazioni tipicamente dispendiose dal punto di vista del tempo.
Per superare questa criticit?, sono stati presentati lavori in cui vengono introdotti strumenti di machine learning per velocizzare il riconoscimento di perdite su profili GPR ed automatizzare la selezione di attributi associabili a perdite idriche. Si tratta comunque di soluzioni che richiedono sia una rete di sensori relativamente complessa che dati abbastanza affidabili per individuare correttamente le perdite [7] .
In letteratura ? possibile trovare anche lavori che descrivono metodologie alternative al GPR: si tratta di contributi scientifici che descrivono l?applicazione della termografia (Infrared thermography IRT) per scopi di identificazione delle perdite nelle reti idriche, sulla base di variazioni di temperatura dei corpi analizzati [8], [9]. La principale limitazione della tecnologia IRT consiste nella sua forte dipendenza dalle condizioni meteo, dalla copertura nuvolosa, dalla radiazione solare, dalla temperatura ambientale e dalle condizioni superficiali, aspetti che limitano l?identificazione univoca di attributi connessi a perdite.
Ulteriori approcci per il riconoscimento di perdite idriche, gi? adottati in letteratura, prevedono l?impiego di misurazioni acquisite attraverso sistemi di distribuzione idrica (Water Distribution Systems) nonch? di reti di sensori wireless per la raccolta di dati e apposita infrastruttura di comunicazione per la loro trasmissione in remoto. Si tratta di soluzioni che se da un lato richiedono la disponibilit? di misurazioni particolari non di facile reperimento, dall?altro prevedono notevoli costi di manutenzione oltre agli aspetti di scarsa stabilit? di rete [10], [11], [12], [13] .
Diverse pubblicazioni scientifiche hanno gi? descritto la capacit? del metodo GPR di individuare perdite idriche in materiali relativamente omogenei, come ad esempio livelli di sabbie preparati attraverso apposite configurazioni di laboratorio [14], [15], [16].
Resta comunque irrisolto il problema tecnico di identificare in tempo reale, mediante approccio non invasivo, perdite idriche in siti urbani e suburbani, in presenza di eterogeneit? importanti che possono introdurre ambiguit? in fase di interpretazione dei dati.
La soluzione proposta ? in grado di superare le criticit? legate alla presenza di eterogeneit? di sito che possono sfavorire la rapida rilevazione di perdite idriche in queste aree. La procedura presentata consente il riconoscimento di attributi connessi a perdite d?acqua all?interno di un sottosuolo eterogeneo.
L?invenzione riguarda l?uso combinato di GPR e image processing avanzato per la localizzazione di perdite idriche prossime alla superficie. A causa delle condizioni di eterogeneit? che tipicamente caratterizzano i livelli pi? superficiali del sottosuolo, l?identificazione univoca di attributi corrispondenti a perdite idriche a partire da dati GPR risulta complessa. Con il supporto di tecniche avanzate di image processing, ? possibile superare questa limitazione e identificare le perdite idriche.
In particolare, l?invenzione prevede l?integrazione di tecnologie non distruttive, a costi contenuti, per il riconoscimento in tempo reale di attributi indicativi di perdite idriche. In questo modo, quantit? d?acqua corrispondenti a perdite idriche sotto-superficiali, non immediatamente visibili, possono essere facilmente individuate sin dalle prime fasi di formazione, limitando quindi i costi ingenti connessi a notevoli perdite d?acqua o alla sostituzione di una porzione ampia di rete idrica. Questa soluzione si distingue quindi anche per un ulteriore valore aggiunto legato alla sua capacit? di controllo delle risorse idriche, a supporto dei problemi di scarsit? d?acqua.
Il sistema ? costituito da:
- Unit? GPR con frequenza centrale compresa tra 600 e 800 MHz;
- Unit? di elaborazione dei dati GPR e image processing.
L?unit? GPR consente l?invio del segnale elettromagnetico nel sottosuolo e la conseguente ricezione in superficie, attraverso una modalit? di acquisizione illustrata in Fig. 1; l?elaboratore permette l?analisi ed il processing dei dati acquisiti. Il sistema ? inoltre dotato di modulo per la trasmissione dei dati acquisiti in modalit? wireless.
Il principio di funzionamento del GPR ? presentato in Fig.2. Il segnale elettromagnetico viene inviato nel sottosuolo attraverso un?antenna trasmittente (T) e registrato attraverso un?antenna ricevente (R). Sia la trasmissione che la registrazione del segnale avvengono in diversi punti, indicati in figura con T1, T3, T5, R1, R3 e R5. Il tempo minimo di percorso (doppio) corrisponde al dato acquisito lungo la direzione perpendicolare all?oggetto, corrispondente in figura a T3, R3; tempi maggiori risulteranno associate ad un?acquisizione precedente e successiva all?attraversamento dell?oggetto, rispettivamente T1, R1 e T5, R5 in figura. Le riflessioni delle onde elettromagnetiche corrispondenti all?oggetto si localizzeranno lungo un?iperbole.
Le operazioni principali da effettuare sono riassunte nel diagramma mostrato in Fig.3. In fase iniziale vengono raccolti dati GPR con l?ausilio di strumentazione con frequenza centrale compresa tra 600 e 800 MHz, a seconda della risoluzione di indagine. Le successive operazioni di processing comprendono azioni volte al miglioramento del rapporto segnale / rumore, alla rimozione di distorsioni ed alla corretta ricostruzione della profondit? dell?oggetto. La successiva fase di interpretazione dei risultati ? supportata da image processing con identificazione dal radargramma degli attributi relativi alle perdite d?acqua.
L?unit? GPR con frequenza centrale compresa tra 600 e 800 MHz viene fatta scorrere sul terreno. In fase di acquisizione dei dati, utilizzando il software Prism2 (RadarTeam) ? possibile inserire un marker in corrispondenza della perdita, che comparir? come linea rossa sul profilo, come riportato in Fig.4 e 5.
Le operazioni di processing sono realizzate attraverso lo stesso software di acquisizione. Per la corretta ricostruzione del sottosuolo e la localizzazione della perdita ? necessario seguire i seguenti step:
1. Raccolta dati: i profili GPR vengono acquisiti attraverso unit? GPR con frequenze centrali comprese tra 600 e 800 MHz, in modo tale da raggiungere una profondit? di analisi di 3 m. Viene utilizzato un valore di costante dielettrica pari a 15 per approssimare le condizioni del suolo, come mostrato in Fig.1.
2. Elaborazione dei dati: dopo la raccolta dei dati vengono effettuate le operazioni di seguito riportate.
a. Rimozione del background, applicazione di filtraggi passa-banda per il miglioramento segnale/rumore, rimozione artefatti come ad esempio orizzonti determinati da fenomeni di natura elettrica sul segnale;
b. Correzione topografica per la rimozione di distorsioni nel profilo GPR legate alla ?visualizzazione? in tempi, intrinseca dei risultati ottenuti da tecnologie basate su radar;
c. Migrazione in profondit? per la corretta ricostruzione della profondit? dell?oggetto (in questo caso la tubazione interessa dalla perdita) e la corretta localizzazione di riflettori laterali, a partire dai tempi doppi di percorso dell?onda elettromagnetica nel sottosuolo, ipotizzando un unico valore di costante dielettrica del materiale investigato (costante suolo = 15, costante acqua = 81);
d. Image processing e edge detection per l?identificazione dei contorni degli attributi corrispondenti alle perdite idriche.
Considerando che il suolo naturale pu? essere descritto attraverso una costante dielettrica pari a 15, la velocit? di propagazione delle onde elettromagnetiche attraverso il materiale assume un valore pari a 0,07 m/ns, essendo la velocit? della luce nel vuoto pari a 0,3 m/ns. La lunghezza d'onda misurata a 800 MHz ? quindi pari a 0,09 m; la distanza minima tra due target separati verticalmente (risoluzione verticale del segnale) dipende dalla lunghezza d'onda ed ? pari a 0,02 m.
Per quanto riguarda la fase di elaborazione del dato, dopo aver completato le operazioni corrispondenti ai punti 2.a ? 2.c, viene applicato l?algoritmo di Canny per il riconoscimento dei contorni dell?attributo della perdita (fig. 6 e 7). L?intera procedura di image processing prevede dapprima l?applicazione di una funzione di amplificazione sull?immagine corrispondente al profilo GPR e, successivamente, l?implementazione dell?algoritmo di Canny per l?identificazione dei bordi della perdita.
In particolare, l'algoritmo di Canny prevede il calcolo di gradienti nelle quattro direzioni principali dell?immagine (verticale, orizzontale e due diagonali), tramite l?operatore di Sobel, per determinare i punti che costituiscono il contorno di un oggetto. A valle del calcolo, tra tutti i punti dell?immagine vengono quindi selezionati soltanto quei punti che costituiscono un massimo locale, ossia dove la derivata ? nulla.
Considerando che l?input ? costituito da un?immagine in bianco e nero con 8 bit di gradazioni di grigi ed una scala di valori di intensit? compresi tra 0 e 255 (dove 0 corrisponde al nero e 255 al bianco), ? stata individuata una soglia minima pari a 200 e massima pari a 250. In questo modo l?algoritmo provvede a selezionare i gradienti pi? elevati corrispondenti alle rapide transizioni da livelli di bianco e nero (corrispondenti alle riflessioni sul radargramma). Inoltre, l?operatore di Sobel utilizza un kernel di dimensione 3x3.
I punti individuati vengono sottoposti ad una sogliatura con isteresi, dove la soglia minima e massima permettono la selezione dei singoli punti di contorno nel seguente modo: - Se il valore del gradiente ? inferiore alla soglia minima, il punto viene scartato;
- Se il valore del gradiente ? superiore alla soglia massima, il punto ? selezionato come parte del contorno;
- Se il valore ? all'interno dell'intervallo, il punto ? selezionato come parte del contorno solo se contiguo ad un punto gi? selezionato.
Per la validazione dei risultati ? stato realizzato un set sperimentale comprendente una condotta con diametro di 18 cm e lunghezza di 4 m. Nello specifico, sono state collocate due tubazioni nel sottosuolo ad una profondit? di 1m. Ad una delle due tubazioni ? stata aggiunta una valvola che pu? essere aperta o chiusa su richiesta, in modo tale da attivare o bloccare il flusso d?acqua per la simulazione della perdita.
Sono state in particolare eseguite le seguenti operazioni:
- Prospezione in condizioni asciutte;
- Prospezione in condizioni di flusso d?acqua, senza la simulazione della perdita; - Prospezione in condizioni di flusso d?acqua, includendo la simulazione della perdita per diversi intervalli di tempo.
I profili GPR elaborati e contenenti attributi associati a perdite idriche vengono mostrati nelle Figure 6 e 7. Come si evince dalla Figura 6, la parabola sul profilo indica chiaramente la presenza del tubo. In particolare, la presenza di acqua che scorre all'interno determina un maggiore contrasto dovuto ai valori delle costanti dielettriche (15 per il suolo naturale e 81 per l'acqua), evidenziando cos? l?intensit? dell?attributo sul profilo. Dopo aver attivato la perdita attraverso la valvola, sul radargramma compaiono nuovi orizzonti a circa 0,5 m di profondit?, confermando l?associazione esistente tra la comparsa di nuovi riflettori e la perdita idrica. Man mano che il tempo di attivazione della perdita aumenta, i nuovi riflettori diventano sempre pi? marcati sul profilo. La forte intensit? del segnale associato alla perdita ? confermata dalla presenza di riflessioni multiple sul profilo, che comunemente hanno luogo in caso di riflessioni molto significative.
In conclusione, la soluzione strumentale e metodologica presentata ? in grado di esaminare il suolo naturale e rilevare al suo interno perdite d'acqua che interessano le tubazioni fino a una profondit? di 3 metri. La procedura di test e validazione conferma la capacit? del metodo ricostruire il sottosuolo dell?area di interesse con un livello di dettaglio sufficiente a rilevare la presenza di acqua in condizioni di eterogeneit?. L'invenzione presentata permette di elaborare i dati GPR in modo rapido e accurato, identificando la posizione della perdita in tempo reale. In questo modo ? possibile intervenire immediatamente in campo, evitando la dispersione della risorsa. Infine, ? opportuno osservare che il sistema presentato si presta ad essere integrato con altre tecnologie non invasive, tra cui le termocamere, con possibili configurazioni su sistemi aerei a pilotaggio remoto.
Claims (3)
1. Sistema diagnostico non invasivo per il riconoscimento in real time di perdite idriche prossime alla superficie in condizioni urbane e suburbane e di elevata eterogeneit?, costituito da unit? GPR con antenna trasmittente e ricevente, avente frequenza centrale compresa tra 600 e 800 MHz, per l?acquisizione di dati sul campo che, a partire dal contrasto delle propriet? fisiche rilevato attraverso il dato acquisito dall?unit? GPR, mediante l?utilizzo di un algoritmo con funzione di process fusion e di image processing, consente sia la localizzazione che la ricostruzione geometrica della perdita, entro una profondit? massima di 3 metri.
2. Il sistema di cui alla rivendicazione 1, caratterizzato dall?utilizzo di un algoritmo con funzioni di process fusion che consente l?attuazione di data processing per il miglioramento del rapporto segnale ? rumore;
3. Il sistema di cui alla rivendicazione 1, caratterizzato dall?utilizzo di un algoritmo con funzioni di image processing che identifica in maniera univoca una perdita idrica sottosuperficiale sul radargramma a partire da un contrasto di propriet? elettromagnetiche, ricostruendone i bordi.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| IT202022000001325U IT202200001325U1 (it) | 2022-03-30 | 2022-03-30 | Sistema diagnostico non invasivo per il riconoscimento in real time di perdite idriche prossime alla superficie in condizioni urbane e suburbane |
| EP22193103.3A EP4253931A1 (en) | 2022-03-30 | 2022-08-31 | Non-invasive diagnostic system for real time detection of near-surface water leakage in urban and suburban contexts |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| IT202022000001325U IT202200001325U1 (it) | 2022-03-30 | 2022-03-30 | Sistema diagnostico non invasivo per il riconoscimento in real time di perdite idriche prossime alla superficie in condizioni urbane e suburbane |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| IT202200001325U1 true IT202200001325U1 (it) | 2022-06-30 |
Family
ID=83149475
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| IT202022000001325U IT202200001325U1 (it) | 2022-03-30 | 2022-03-30 | Sistema diagnostico non invasivo per il riconoscimento in real time di perdite idriche prossime alla superficie in condizioni urbane e suburbane |
Country Status (2)
| Country | Link |
|---|---|
| EP (1) | EP4253931A1 (it) |
| IT (1) | IT202200001325U1 (it) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7218267B1 (en) | 2005-05-27 | 2007-05-15 | Weil Gary J | System of subterranean anomaly detection and repair using infrared thermography and ground penetrating radar |
| CN206861268U (zh) | 2017-06-01 | 2018-01-09 | 河北国盛管道装备制造有限公司 | 输水管道泄漏检测系统 |
| CN110864225A (zh) | 2018-08-28 | 2020-03-06 | 中华电信股份有限公司 | 用于输配水网的监控系统及方法 |
| KR102002480B1 (ko) | 2019-02-11 | 2019-07-23 | (주)태을이피씨 | 관망의 유지관리탐사 시스템 |
| CN111667168B (zh) | 2020-06-04 | 2024-01-23 | 同济大学 | 一种基于液位监测诊断排水系统运行状态的方法 |
| CN111853557B (zh) | 2020-07-28 | 2021-06-08 | 中国水利水电科学研究院 | 一种基于探地雷达检测管道泄漏的自动辨识方法和系统 |
-
2022
- 2022-03-30 IT IT202022000001325U patent/IT202200001325U1/it unknown
- 2022-08-31 EP EP22193103.3A patent/EP4253931A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| EP4253931A1 (en) | 2023-10-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109343022B (zh) | 估测层间土壤含水量的方法 | |
| Jiao et al. | Identifying concrete structure defects in GPR image | |
| CN111476088B (zh) | 沥青路面水损害识别模型构建方法、识别方法及系统 | |
| Ji et al. | Deep neural network-based permittivity inversions for ground penetrating radar data | |
| Li et al. | Deep learning-based pavement subsurface distress detection via ground penetrating radar data | |
| CN103675920B (zh) | 道路基层隐含裂缝深度和水平位置的无损检测方法 | |
| CN106597568A (zh) | 用于大型排水管涵定位的方法 | |
| Ocaña-Levario et al. | GPR image analysis to locate water leaks from buried pipes by applying variance filters | |
| CN112965135B (zh) | 一种石窟崖体裂隙空间异质分布的无损探测综合方法 | |
| CN104374828A (zh) | 一种隐患探测的超声波层析成像方法 | |
| CN115390033A (zh) | 基于探地雷达路面下空洞及水损检测方法、系统及装置 | |
| Jiang et al. | Tunnel lining detection and retrofitting | |
| KR101799813B1 (ko) | 공통반사표면법을 이용한 지하투과레이더 탐사의 자료처리 결과 신호대잡음비 향상과 브이알엠에스 역산과정을 이용한 씽크홀 탐사장치 및 그 방법 | |
| Yue et al. | Road subsurface distress recognition method using multiattribute feature fusion with ground penetrating radar | |
| IT202200001325U1 (it) | Sistema diagnostico non invasivo per il riconoscimento in real time di perdite idriche prossime alla superficie in condizioni urbane e suburbane | |
| Yang et al. | Overview of the Application of Ground-Penetrating Radar, Laser, Infrared Thermal Imaging, awnd Ultrasonic in Nondestructive Testing of Road Surface | |
| CN116386302A (zh) | 一种边坡智能监测预警系统 | |
| CN113917562B (zh) | 深埋软弱夹层宏细观结构表征及三维空间构造方法及装置 | |
| Lv et al. | Rapid identification and location of defects behind tunnel lining based on ground-penetrating radar | |
| Zhou et al. | Application of ground penetrating radar in detecting deeply embedded reinforcing bars in pile foundation | |
| Guo et al. | Research on tunnel lining image target recognition method based on YOLOv3 | |
| CN108413900B (zh) | 用于大型排水箱涵结构性缺陷的检测评估方法 | |
| TWI502183B (zh) | Material interface detection method | |
| Zhang et al. | Automatic Rebar Picking for Corrosion Assessment of RC Bridge Decks with Ground-Penetrating Radar Data | |
| Zhou et al. | Diagnosis of the culvert lining based on the integration of GPR and LiDAR |