CN107358343B - 基于图像数据特征差异性的电力工程安全预警方法 - Google Patents
基于图像数据特征差异性的电力工程安全预警方法 Download PDFInfo
- Publication number
- CN107358343B CN107358343B CN201710508544.2A CN201710508544A CN107358343B CN 107358343 B CN107358343 B CN 107358343B CN 201710508544 A CN201710508544 A CN 201710508544A CN 107358343 B CN107358343 B CN 107358343B
- Authority
- CN
- China
- Prior art keywords
- image data
- vector
- facility
- image
- monitored
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000013598 vector Substances 0.000 claims abstract description 128
- 238000010276 construction Methods 0.000 claims abstract description 49
- 230000005484 gravity Effects 0.000 claims abstract description 46
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000000605 extraction Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011496 digital image analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
Images
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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Multimedia (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于图像数据特征差异性的电力工程安全预警方法,包括:利用电力建设公司工程项目施工现场配备的应急无线通信网络环境,采集待监控设施图像数据;根据电力建设项目基础特性,对待监控设施图像数据进行模型化处理,生成典型特征向量;根据每张图像数据的特征向量,构建该图像的对象关系向量模型,并计算该图像对象关系向量模型的重心;用初始图像对象关系向量模型与采样图像数据对象关系向量模型进行差异性比较;根据电力工程项目实施预先设置的权值,判断当前监控设施所处的状态。本发明建立了完整的电力工程项目建设安全预警评估体系,为电力工程项目技术管理人员提供智能化的项目实施安全预警参考,以减少工程事故发生。
Description
技术领域
本发明属于电力通信领域,涉及电力工程建设过程中视频监控网络环境下的安全预警,具体涉及一种基于图像数据特征差异性的电力工程安全预警方法,用于工程管理技术人员对电力工程项目建设现场安全进行管理,减少工程事故的发生。
背景技术
长期以来,电力建设公司工程项目地点远离市区,条件艰苦,通信手段落后,既没有公司专用局域网覆盖,电信、移动公网信号又差,站内联系靠对讲机,站外与总公司联系靠手机,数字化管理和办公条件很差。特别是我国西部地区,具有沙尘暴、低温、冰雪、雷暴、高海拔等气候特点,恶劣的气候环境已对电力建设公司工程项目造成了很大的影响,包括设备维护工作量的增加,人力成本的上升。
近年来伴随着工程管理工作的提升要求,电力建设公司工程项目施工现场逐步配备了一套可临时部署的应急无线通信网络,该网络环境解决了施工现场智能化管理问题。例如,总公司办公局域网的施工现场延伸,实现数字化、智能化网络管理,总公司领导通过电脑和网络可以轻松掌握现场的施工情况;施工现场工作人员可以在公司网络环境下办公,提高工作效率;施工现场视频监控,通过临时部署在施工现场的摄像头,总公司领导以及现场经理可以实时监视管理工作现场,提高管理工作的效率。
随着电力***运营管理数字化、智能化的高速发展及日趋成熟,对电力***在建项目也提出了更高的要求。应用最先进的网络通信技术实现施工工地高智能化管理,极大地提高了施工质量和管理水平。
但是到目前为止,还没有针对电力工程项目建设过程中的安全预警方案,电力工程技术人员很难通过视频图像发现潜在的安全隐患。
发明内容
本发明的目的在于填补电力工程项目建设实施过程中的安全预警环节的空白,提出一种在电力工程项目施工现场基于图像数据特征对象差异性的自动化安全预警方法,该方法可有效帮助电力工程技术管理人员对施工现场进行安全评估,在环境恶劣的条件下实现安全施工、危险预警、智能管控,减少工程事故,提升工程建设效率。
为实现上述目的,本发明采用如下技术方案:一种基于图像数据特征差异性的电力工程安全预警方法,按下述步骤进行:(1)待监控设施图像数据采集,(2)图像数据特征提取,(3)构建图像数据特征向量的对象关系模型,(4)计算图像对象关系向量重心与初始图像对象关系向量重心的偏移量,(5)判断当前监控设施所处的状态;具体方法是:
(1)待监控设施图像数据采集
利用电力建设公司工程项目施工现场配备的应急无线通信网络环境,采集待监控设施图像数据,在此步骤中,待监控设施完工后,即刻选取安全状态图像数据设置为初始图像数据。
(2)图像数据特征提取
根据电力建设项目基础特性,对步骤(1)采集的待监控设施图像数据进行模型化处理,获取待监控设施图像的数据特征,生成典型特征向量;
(3)构建图像数据特征向量的对象关系模型
根据每张图像的典型特征向量,构建该图像数据特征向量的对象关系向量模型,并计算该图像数据特征向量对象关系向量模型的重心;
(4)计算图像对象关系向量重心与初始图像对象关系向量重心的偏移量
用初始图像数据的特征向量对象关系向量模型与采样图像数据特征向量对象关系模型进行差异性比较,来计算图像对象关系向量重心与初始图像对象关系向量重心的偏移量;
(5)判断当前监控设施所处的状态
根据电力工程项目实施过程中人工设置的安全威胁临界值,判断当前监控设施所处的状态。
进一步地,步骤(1)所述的采集待监控设施图像数据的应急无线通信网络环境包括:现场视频监控、WIFI信号、因特网接入、***内部局域网接入覆盖等无线通信基础设施;通过施工现场监控视频,对待监控设施进行图像数据采集。
进一步地,步骤(1)所述的待监控设施图像数据包括:初始图像数据和采样图像数据;其中初始图像数据也称为预设安全图像数据,即初始图像数据表示待监控设施属于安全状态;采样图像数据为待评估图像数据。
进一步地,步骤(2)所述的图像数据特征为待监控设施图像数据的基本信息,其生成的典型特征向量包括:形状特征向量、空间关系特征向量等。
进一步地,步骤(3)所述的图像数据特征向量对象关系模型抽象为:特征向量名称、特征向量属性、特征向量参数、特征向量值等概念。
进一步地,步骤(4)所述的图像对象关系向量重心是借鉴空间向量重心理论,对图像数据特征向量对象关系模型进行空间抽象,特征向量对应于坐标轴,特征参数对应于坐标轴变量,特征向量值对应于具体数值。图像对象关系模型重心即为其对应空间向量的重心。
进一步地,步骤(5)所述安全威胁临界值,即为人工设置的监控图像和初始图像对象关系向量模型重心在安全临界范围内的数值。在初始图像对象关系向量模型与采样图像对象关系向量模型差异性比较过程中,如果其重心偏移量超出电力工程项目预先设置的权重范围,则认为被监控设施当前处于具有安全隐患状态。
本发明基于电力建设公司工程项目施工现场配备的无线通信技术,提出一种基于图像数据特征差异性的电力工程安全预警方法。主要涉及电力工程建视频监控数据的采集,图像数据模型化处理,生成对应特征向量集合,利用特征向量重心偏移量来判断监控设施是否处于安全状态。在特征向量生成过程中,典型特征向量包括:形状特征向量、空间关系特征向量等;通过对特征向量进行关系模型构建,利用空间向量重心理论,计算特征向量关系模型的重心;在此基础上,计算待监控设施图像数据特征向量重心与初始图像数据特征向量重心的偏移量;通过电力工程建设项目待监控设施预先设置的重心偏移量权值来判断待监控设施所处的安全状态。
本发明为电力建设公司工程项目实施了完整的设施安全监控评估体系,并在不增加施工现场无线通讯设备成本的前提下,为电力工程建设项目技术管理人员提供项目实施过程中的设施安全预警方法,该方法充分利用了电力工程建设项目现场无线通信设施中图像数据采集功能,满足了电力建设公司工程项目实施过程中的安全监控、提前预警、智能管控的需求。本发明能够提高电力工程项目管理的工作效率,建立了完整的电力工程项目建设安全预警评估体系,为电力工程项目技术管理人员提供智能化的项目实施安全预警参考,以提前知悉电力工程项目实施过程中的安全隐患,进而减少工程事故发生。
本发明可有效帮助电力工程技术管理人员对施工现场进行安全评估,在环境恶劣的条件下具有安全施工、危险预警、智能管控等特点,减少工程事故,提升工程建设效率。
附图说明
图1是本发明的流程图;
图2是实施例中图像数据特征向量生成的流程图;
图3是实施例中图像数据特征向量关系模型构建流程图;
图4是实施例中特征向量偏移量计算流程图。
具体实施方式
下面结合附图,通过实施例对本发明作进一步的说明。一种基于图像数据特征差异性的电力工程安全预警方法,总体流程如图1所示,按下述步骤进行:
1、待监控设施图像数据采集
待监控设施完工后,即刻选取安全状态图像数据设置为初始图像数据;待监控设施的图像数据采集是基于电力建设公司工程项目施工现场配备的无线通信网络设施,通过现场监控视频,对待监控设施进行图像数据采集;然后把采集到的图像数据利用无线通信网络传输到计算节点进行进一步分析。
在该步骤中,采集图像数据目标为电力建设公司工程项目建设过程中待监控的设施,如设备、机械、光缆、电缆等电力建设设施。待监控设施图像数据是按照时间线的、采样图像数据,即为保障实时监控,需对每一时刻的待监控图像进行采集。
待监控设施图像数据包括:初始图像数据和采样图像数据;其中初始图像数据也称为预设安全图像数据,即初始图像数据表示待监控设施属于安全状态;采样图像数据为待评估图像数据。
2、图像数据特征提取
特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区域。特征是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”:同一场景的不同图像所提取的特征应该是相同的。
特征提取是图象处理中的一个初级运算,也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。作为特征提取的一个前提运算,输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。具体地,图像数据特征向量生成步骤如图2所示:
2.a、使用采集的监控设施的图像数据作为计算基础数据集,转到2.b;
2.b、根据图像数据类型,采用相应的算法进行计算,提取图像数据特征,转到2.c;
2.c、判断当前图像数据特征类型是否属于形状特征,如果当前图像数据特征类型属于形状特征,则转到2.e;否则转到2.d;
2.d、判断当前图像数据特征类型是否属于空间关系特征,如果当前图像数据特征类型属于空间关系特征,则转到2.e;否则转到结束;
2.e、根据图像数据特征类型,定义图像数据特征向量集合,而后结束。
3、构建图像数据特征向量的对象关系模型
构建图像数据特征向量对象关系模型,采用对象关系模型来抽象描述图像特征数据集,从而对待监控图像数据进行有效科学的比较和分析。具体地,图像数据特征向量关系模型构建流程如图3所示:
3a、基于图像数据特征向量集合作为输入数据源,转到3b;
3b、采用图像数据特征向量解析器对图像数据特征向量集合进行解析,转到3c;
3c、提取图像数据特征向量的基础标识,包括图像数据特征向量名称和图像数据特征向量属性,转到3d;
3d、判断该图像数据特征向量是否具有初始图像数据特征向量相关参数,如果存在特征向量参数,则转到3e;
3e、提取图像数据特征向量参数,转到3f;
3f、提取图像数据特征向量的值,转到3g;
3g、根据步骤3f提供的数据,输入特征向量关系对象模型生成器,输出待监控设施图像数据特征向量的对象关系模型。
4、计算图像对象关系向量重心与初始图像对象关系向量重心的偏移量
利用空间向量重心理论,计算待监控设施图像数据对象关系向量的重心。具体地,特征向量偏移量计算流程如图4所示,具体说明如下:
4a、待监控设施图像数据特征向量的对象关系模型的数据作为输入数据源,转到4b;
4b、对图像数据特征向量建立空间向量坐标,在多维空间中对图像数据特征向量进行抽象和标注,转到4c;
4c、根据空间向量重心理论计算待监控设施初始图像数据向量的重心,转到4d;
4d、根据空间向量重心理论计算待监控设施采样图像数据向量的重心,转到4e;
4e、计算待监控设施图像数据特征向量重心与初始图像数据特征向量重心的偏移量,转到4f;
4f、判断4e提供的重心偏移量是否超出电力建设公司工程项目实施过程中预设的权值,如果超出预设权值,则转到4g;否则转到4h。
4g、根据4f的结果,判断待监控设施当前处于预警状态,提示电力建设项目技术管理人员进行检查,排除故障,一个判断流程结束。
4h、根据4f的结果,判断待监控设施当前处于安全状态,一个判断流程结束。
初始图像数据和采样图像数据;其中初始图像数据也称为预设安全图像数据,即初始图像数据表示待监控设施属于安全状态;采样图像数据为待评估图像数据。
图像数据特征向量对象关系模型中心思想是借鉴空间向量重心理论,对图像数据特征向量对象关系模型进行空间抽象,特征向量对应于坐标轴,特征参数对应于坐标轴变量,特征向量值对应于具体数值。图像对象关系模型重心即为其对应空间向量的重心。
电力工程项目实施预先设置的权值需依据待监控设施安全状态相关参数进行评估,该权值只是先验经验的一个临界值,当待监控设施图像数据特征向量重心偏移量超出预设权值,该方法任务待监控设施处于预警状态,提示电力工程建设项目技术人员进行安全巡检。
下面提供一个典型的图像特征提取与向量对象模型的空间映射实例,其实施步骤包括:
1)图像数据特征的提取。由于许多计算机图像算法使用特征提取作为其初级计算步骤,因此有大量特征提取算法被发展,其提取的特征各种各样,它们的计算复杂性和可重复性也非常不同。特征被检测后它可以从图像中被抽取出来,其结果被称为特征描述或者特征向量。
2)特征向量对象模型空间映射。表1为图像数据特征向量对象模型结构设计。对不同特征及其属性、参数等进行坐标轴、值、边的空间映射,形成对应的空间向量描述模型,从而计算出该特征向量对应空间向量的重心。
3)根据电力建设公司工程项目实施过程中预设的权值,判断当前待监控设施所处在何种状态。
Claims (8)
1.一种基于图像数据特征差异性的电力工程安全预警方法,其特征在于按下述步骤进行:
(1)待监控设施图像数据采集
利用电力建设公司工程项目施工现场配备的应急无线通信网络环境,采集待监控设施图像数据,在此步骤中,首先通过人工判断被监控设施的安全状态图像设置为初始图像数据;
(2)图像数据特征提取
根据电力建设项目基础特性,对步骤(1)采集的待监控设施图像数据进行模型化处理,获取待监控设施图像的数据特征,生成典型特征向量;
(3)构建图像数据特征向量的对象关系模型
根据每张图像的典型特征向量,构建该图像数据特征向量的对象关系向量模型,并计算该图像数据特征向量对象关系向量模型的重心;
(4)计算图像对象关系向量重心与初始图像对象关系向量重心的偏移量
用初始图像数据的特征向量对象关系向量模型与采样图像数据特征向量对象关系模型进行差异性比较,来计算图像对象关系向量重心与初始图像对象关系向量重心的偏移量;
其中图像对象关系向量重心是借鉴空间向量重心理论,对图像数据特征向量对象关系模型进行空间抽象,特征向量对应于坐标轴,特征参数对应于坐标轴变量,特征向量值对应于具体数值;图像对象关系模型重心即为其对应空间向量的重心;
(5)判断当前监控设施所处的状态
根据电力工程项目实施过程中人工设置的安全威胁临界值,判断当前监控设施所处的状态。
2.如权利要求1所述的一种基于图像数据特征差异性的电力工程安全预警方法,其特征在于:待监控设施为电力建设公司工程项目技术管理人员预先设定的监控目标,包括设备、机械、光缆、电缆电力建设设施。
3.如权利要求2所述的一种基于图像数据特征差异性的电力工程安全预警方法,其特征在于:待监控设施图像数据包括:初始图像数据和采样图像数据;其中初始图像数据也称为预设安全图像数据,即初始图像数据表示待监控设施属于安全状态;采样图像数据为待评估图像数据。
4.如权利要求3所述的一种基于图像数据特征差异性的电力工程安全预警方法,其特征在于:待监控设施图像数据是按照时间线的、采样图像数据。
5.如权利要求4所述的一种基于图像数据特征差异性的电力工程安全预警方法,其特征在于:步骤(2)中所述的对步骤(1)采集的待监控设施图像数据进行模型化处理,获取待监控设施图像的数据特征,生成典型特征向量,指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。
6.如权利要求1至5任意一项所述的一种基于图像数据特征差异性的电力工程安全预警方法,其特征在于:图像数据特征提取的结果是把图像上的点分为不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区域。
7.如权利要求6所述的一种基于图像数据特征差异性的电力工程安全预警方法,其特征在于:图像数据特征包括形状特征、空间特征。
8.如权利要求7所述的一种基于图像数据特征差异性的电力工程安全预警方法,其特征在于:图像数据特征向量对象关系向量模型抽象为特征向量名称、特征向量属性、特征向量参数、特征向量值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710508544.2A CN107358343B (zh) | 2017-06-28 | 2017-06-28 | 基于图像数据特征差异性的电力工程安全预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710508544.2A CN107358343B (zh) | 2017-06-28 | 2017-06-28 | 基于图像数据特征差异性的电力工程安全预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107358343A CN107358343A (zh) | 2017-11-17 |
CN107358343B true CN107358343B (zh) | 2020-12-15 |
Family
ID=60273271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710508544.2A Active CN107358343B (zh) | 2017-06-28 | 2017-06-28 | 基于图像数据特征差异性的电力工程安全预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107358343B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108268832A (zh) * | 2017-12-20 | 2018-07-10 | 广州供电局有限公司 | 电力作业监测方法、装置、存储介质和计算机设备 |
CN111524336A (zh) * | 2020-04-01 | 2020-08-11 | 广州盛康动力设备有限公司 | 一种发电机组预警方法及*** |
CN116630974B (zh) * | 2023-05-17 | 2024-02-02 | 广东智云城建科技有限公司 | 一种建筑图像数据的快速标记处理方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617469A (zh) * | 2013-12-18 | 2014-03-05 | 重庆大学 | 电力***设备故障预测方法及*** |
CN103630244A (zh) * | 2013-12-18 | 2014-03-12 | 重庆大学 | 电力***设备故障诊断方法及*** |
CN104902218A (zh) * | 2014-03-05 | 2015-09-09 | 王慈 | 广域安防***中视频监控子网性能监测***及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10740802B2 (en) * | 2014-08-18 | 2020-08-11 | Fuji Xerox Co., Ltd. | Systems and methods for gaining knowledge about aspects of social life of a person using visual content associated with that person |
-
2017
- 2017-06-28 CN CN201710508544.2A patent/CN107358343B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617469A (zh) * | 2013-12-18 | 2014-03-05 | 重庆大学 | 电力***设备故障预测方法及*** |
CN103630244A (zh) * | 2013-12-18 | 2014-03-12 | 重庆大学 | 电力***设备故障诊断方法及*** |
CN104902218A (zh) * | 2014-03-05 | 2015-09-09 | 王慈 | 广域安防***中视频监控子网性能监测***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107358343A (zh) | 2017-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111307823B (zh) | 基于边云协同的变电设备典型视觉缺陷检测***及方法 | |
CN108830837B (zh) | 一种用于检测钢包溶蚀缺陷的方法和装置 | |
CN107392247B (zh) | 一种电力线下方地物安全距离实时检测方法 | |
CN107358343B (zh) | 基于图像数据特征差异性的电力工程安全预警方法 | |
CN112347916B (zh) | 基于视频图像分析的电力现场作业安全监控方法及装置 | |
US9208555B1 (en) | Method for inspection of electrical equipment | |
CN106897653B (zh) | 基于红外和可见光视频融合的林区烟火检测方法及其检测*** | |
CN112927464A (zh) | 基于边缘智能的作业现场宏链安全管控*** | |
CN110610542A (zh) | 变电站设备状态监测全景分析*** | |
CN113284144B (zh) | 一种基于无人机的隧道检测方法及装置 | |
CN115100813B (zh) | 基于数字孪生的智慧社区*** | |
CN114665608A (zh) | 用于变电站的智能感知巡检***及方法 | |
CN111860256A (zh) | 安全检测方法、装置、计算机设备和存储介质 | |
CN116202427A (zh) | 基于无人机影像的输电线路测距方法、***、设备及介质 | |
CN111860187A (zh) | 一种高精度的佩戴口罩识别方法及*** | |
CN116169778A (zh) | 一种基于配电网异常分析的处理方法及*** | |
CN109492569A (zh) | 一种电缆线绝缘层缺损检测方法和装置 | |
CN113688713A (zh) | 基于危险行为识别的线缆保护方法、装置、***和介质 | |
CN113223155A (zh) | 一种距离预测方法、装置、设备及介质 | |
KR20050065199A (ko) | 재난관리 공간영상정보 제공시스템 및 방법 | |
CN112528825A (zh) | 一种基于图像识别的车站乘客招援服务方法 | |
CN116961231A (zh) | 一种基于电力物联网安全管理*** | |
CN115311560A (zh) | 一种输电通道外破隐患辨识方法及装置 | |
CN115442739B (zh) | 一种地铁施工临时通信处理方法、装置、电子设备及介质 | |
CN115037632A (zh) | 一种网络安全态势感知分析*** |
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 |