CN108844594B - 空调压缩机液位识别的报警方法与*** - Google Patents
空调压缩机液位识别的报警方法与*** Download PDFInfo
- Publication number
- CN108844594B CN108844594B CN201810353032.8A CN201810353032A CN108844594B CN 108844594 B CN108844594 B CN 108844594B CN 201810353032 A CN201810353032 A CN 201810353032A CN 108844594 B CN108844594 B CN 108844594B
- Authority
- CN
- China
- Prior art keywords
- liquid level
- image
- alarm
- module
- identifying
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/80—Arrangements for signal processing
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及空调压缩机领域,涉及一种空调压缩机液位识别的报警方法,包括:接收摄像头采集的压缩机中液位管的图像;识别图像中的液位管;对识别出来的液位管进行图像预处理;对图像预处理后的图像进行区域查找,确定液位管的液位高度;根据液位高度,计算获得当前液位比例;确定当前液位比例达到预设报警阈值则进行报警。本发明还同时提出一种空调压缩机液位识别的报警***。本发明利用了图像识别技术来识别液位管中的液位,并通过图像预处理和区域查找准确识别液位保证了数据精准度,测量方式简单快捷无需人工长期值守,提高了液位识别与报警工作的便利性。
Description
技术领域
本发明涉及空调压缩机领域,特别涉及一种空调压缩机液位识别的报警方法与***。
背景技术
压缩机在空调制冷剂回路的作用是压缩驱动制冷剂,压缩机把制冷剂从低压区抽取来经压缩后送到高压区冷却凝结,通过散热片散发出热量到空气中,制冷剂也从气态变成液态,压力升高。制冷剂再从高压区流向低压区,经过毛细管喷射到蒸发器中,压力骤降,液态制冷剂立即变成气态,通过散热片吸收空气中大量的热量。这样机器不断工作,就不断把低压区一端的热能吸收到制冷剂中再送到高压区散发到空气中,最终达到调节气温的作用。
液位识别***是对压缩机液位管里液态的液位值进行识别来收集数据进行统计、分析,进而判断液位是否达到预测值从而引发报警。现阶段已知的方法都是人工进行查看、标注液位值和手动记录液位数值。每当液位管液位上升到一定程度都需要人员在液位管中做出标记,同时记录当前液位值的数值。
这样传统操作缺点:(1)直接在液位管上做标签对观察液位的数值偏差大,数值不够精准。(2)当重新定位液位数值后,之前在液位管上的标签失去作用,又要重新标注新的标记,花费时间过多。(3)需要人员长时间驻守。
发明内容
本发明的实施方式旨在至少解决现有技术中存在的技术问题之一。为此,本发明的实施方式需要提供一种空调压缩机液位识别的报警方法与***。
本发明实施方式的空调压缩机液位识别的报警方法,包括:
步骤1,接收摄像头采集的压缩机中液位管的图像;
步骤2,识别图像中的液位管;
步骤3,对识别出来的液位管进行图像预处理;
步骤4,对图像预处理后的图像进行区域查找,确定液位管的液位高度;
步骤5,根据液位高度,计算获得当前液位比例;
步骤6,确定当前液位比例达到预设报警阈值则进行报警。
一种实施方式中,步骤2包括:预先采用深度学习进行图像识别的训练,根据训练后的结果识别接收的图像中的液位管。
一种实施方式中,图像预处理包括图像裁剪、滤波和边缘提取处理,则步骤3包括:对识别出来的液位管进行图像裁剪、滤波和边缘提取处理。
一种实施方式中,步骤4包括:
在图像预处理后的图像中将大于预设像素平均值的像素改为黑色,使图像中只保留液位管的内管;
在只保留内管的图像中将亮度最大的点作为内管空管的基准像素;
将图像转变为HSV颜色空间,遍历图像内管像素,计算每个像素与基准像素的欧式距离;
根据计算结果确定液位管的液位高度。
一种实施方式中,步骤6中包括:确定当前液位比例达到预设报警阈值则通过向用户发送电话、短信、邮件中的一种或者多种方式进行报警。
本发明实施方式还同时提出一种空调压缩机液位识别的报警***,其特征在于,该***包括摄像头、无线网络发射器和服务器,摄像头与无线网络发射器电连接,无线网络发射器和服务器通信连接,其中,服务器包括:
接收模块,用于接收摄像头采集的压缩机中液位管的图像;
识别模块,用于识别图像中的液位管;
预处理模块,用于对识别出来的液位管进行图像预处理;
查找模块,用于对图像预处理后的图像进行区域查找,确定液位管的液位高度;
计算模块,用于根据液位高度,计算获得当前液位比例;
报警模块,用于确定当前液位比例达到预设报警阈值则进行报警。
一种实施方式中,识别模块具体用于预先采用深度学习进行图像识别的训练,根据训练后的结果识别接收的图像中的液位管。
一种实施方式中,图像预处理包括图像裁剪、滤波和边缘提取处理,则预处理模块具体用于对识别出来的液位管进行图像裁剪、滤波和边缘提取处理。
一种实施方式中,查找模块具体用于在图像预处理后的图像中将大于预设像素平均值的像素改为黑色,使图像中只保留液位管的内管;在只保留内管的图像中将亮度最大的点作为内管空管的基准像素;将图像转变为HSV颜色空间,遍历图像内管像素,计算每个像素与基准像素的欧式距离;根据计算结果确定液位管的液位高度。
一种实施方式中,报警模块具体用于判断当前液位比例是否达到预设报警阈值,若是,则通过向用户发送电话、短信、邮件中的一种或者多种方式进行报警。
本发明实施方式的空调压缩机液位识别的报警方法与***,利用了图像识别技术来识别液位管中的液位,并通过图像预处理和区域查找准确识别液位保证了数据精准度,测量方式简单快捷无需人工长期值守,提高了液位识别与报警工作的便利性。
本发明的附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的实施方式的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解,其中:
图1是本发明实施方式的空调压缩机液位识别的报警方法的流程示意图;
图2是本发明实施方式的空调压缩机液位识别的报警***的组成示意图。
具体实施方式
下面详细描述本发明的实施方式,实施方式的示例在附图中示出,其中相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅可用于解释本发明的实施方式,而不能理解为对本发明的实施方式的限制。
请参阅图1,图1是本发明实施方式的空调压缩机液位识别的报警方法的流程示意图。本发明实施方式的空调压缩机液位识别的报警方法,以服务器作为步骤的执行对象,该方法包括:
步骤1,接收摄像头采集的压缩机中液位管的图像。
步骤2,识别图像中的液位管。
步骤3,对识别出来的液位管进行图像预处理。
步骤4,对图像预处理后的图像进行区域查找,确定液位管的液位高度。
步骤5,根据液位高度,计算获得当前液位比例。
步骤6,确定当前液位比例达到预设报警阈值则进行报警。
如图2所示,本发明还同时提出一种空调压缩机液位识别的报警***,该***包括摄像头、无线网络发射器和服务器,摄像头与无线网络发射器电连接,无线网络发射器和服务器通信连接。服务器包括接收模块、识别模块、预处理模块、查找模块、计算模块和报警模块。其中,各模块具体如下:
接收模块,用于接收摄像头采集的压缩机中液位管的图像。
识别模块,用于识别图像中的液位管。
预处理模块,用于对识别出来的液位管进行图像预处理。
查找模块,用于对图像预处理后的图像进行区域查找,确定液位管的液位高度。
计算模块,用于根据液位高度,计算获得当前液位比例。
报警模块,用于确定当前液位比例达到预设报警阈值则进行报警。
本发明空调压缩机液位识别的报警方法,可以由空调压缩机液位识别的报警***中的服务器作为步骤的执行对象来执行,也可以由服务器的各个组成部分作为步骤的执行对象来执行,即步骤1可以由接收模块来执行,步骤2可以由识别模块来执行,步骤3可以由预处理模块来执行,步骤4可以由查找模块来执行,步骤5可以由计算模块来执行,步骤6可以由报警模块来执行。
在步骤1中,服务器的接收模块接收摄像头采集的压缩机中液位管的图像。摄像头对压缩机中液位管进行拍摄完成图像采集,然后通过无线网络发射器发送至服务器。其中,无线网络发射器的一种实现方式是路由器。
在步骤2中,服务器的识别模块对接收的图像进行图像识别,识别出图像中的液位管。该步骤中图像识别的技术可以是基于形状特征的识别技术、基于色彩特征的识别技术以及基于纹理特征的识别技术中的任意一种。
进一步地,为了保证图像识别的准确率,可以使用其他识别技术来进行液位管的识别,即步骤2包括:预先采用深度学习进行图像识别的训练,根据训练后的结果识别接收的图像中的液位管。
服务器的识别模块预先采集液位管的图像数据,标注液位管位置时采用深度学习对液位管进行训练,同时在检测数据集和分类数据集上训练出物体检测器,用检测数据集的数据学习物体(即液位管)的准确位置,用分类数据集的数据来增加分类的类别量、提升分类的健壮性。由于深度学习已有较多相关技术的介绍,在此不再赘述。
步骤3中,服务器的预处理模块对识别出来的液位管进行图像预处理。其中,图像预处理包括图像裁剪、滤波和边缘提取处理,则步骤3包括:对识别出来的液位管进行图像裁剪、滤波和边缘提取处理。
由于图像中存在很多噪点和干扰,需要对图像进行滤波处理,首先把图像分成若干个边长为3-5cm的正方形,计算出正方形内的平均像素,再对正方形内的像素点循环,如果大于平均像素或小于平均像素都可以看成是噪点,把它们的像素值修改为平均像素值。
图像的边缘提取是在保留原有图像属性的情况下,显著减少图像的数据规模。首先是找寻一副图像中灰度强度变化最强的位置。所谓变化最强,即指梯度方向,然后将其梯度方向近似为上、下、左、右和45度方向中的一个。比较该像素点和其梯度方向正负方向的像素点的梯度强度,如果该像素点梯度强度最大则保留,否则抑制(删除,即设置为0),然后设定一个阈值上界和阈值下界,图像中的像素点如果大于阈值上界则认为必然是边界,小于阈值下界则认为必然不是边界,两者之间的则认为是候选项,和强边界相连的弱边界认为是边界,其他的弱边界则被抑制。
步骤4中,服务器的查找模块对图像预处理后的图像进行区域查找,确定液位管的液位高度。区域查找是要在图像中查找液位管的内管所在区域,进而确定液位管的液位高度。
具体地,步骤4包括:
在图像预处理后的图像中将大于预设像素平均值的像素改为黑色,使图像中只保留液位管的内管。在识别到液位管在图像中的位置后,已知外管亮度比内管亮度大的情况下,通过将大于像素平均值的像素修改为黑色(rgb数值为0,0,0),使图像中只保留内管。
在确保内管空管的颜色比液体颜色亮度大的基础下,在只保留内管的图像中将亮度最大的点作为内管空管的基准像素。
将图像转变为HSV颜色空间,遍历图像内管像素,计算每个像素与基准像素的欧式距离。欧氏距离,也称欧几里得度量(euclidean metric)是一个通常采用的距离定义,指在m维空间中两个点之间的真实距离,或者向量的自然长度(即该点到原点的距离)。在二维和三维空间中的欧氏距离就是两点之间的实际距离。若两个像素间的欧式距离小于一个基准像素,则认为该像素点也是空管的像素点,若图中一行像素中包含与基准像素相同的像素点超过一个基准像素,则认为该行像素也是空管,直到遍历完图片所有像素,确定最后一行空管所在的位置则可以知道空管的高度。
根据计算结果确定液位管的液位高度。即使用整条液位管的内管高度减去空管的高度则可以知道液位的高度。
步骤5中,服务器的计算模块根据液位高度,计算获得当前液位比例。液位的范围从0%-100%,液位的高度除以整条液位管的内管高度则可以获得当前液位比例。
步骤6中,服务器的报警模块确定当前液位比例达到预设报警阈值则进行报警。通常可以接收用户的输入进行报警阈值的设置,例如设置比例系数为50%,若当前液位比例达到50%时候,则可以进行报警。
具体地,步骤6中包括:确定当前液位比例达到预设报警阈值则通过向用户发送电话、短信、邮件等即时通讯消息中的一种或者多种方式进行报警。通过设置多种多样的报警方式,避免人工长期值守,便于实现液位识别和报警的自动化处理,提高了液位识别与报警工作的便利性。
在本说明书的描述中,参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理模块的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的实施方式的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明的各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种空调压缩机液位识别的报警方法,其特征在于,包括:
步骤1,接收摄像头采集的压缩机中液位管的图像;
步骤2,识别图像中的液位管;
步骤3,对识别出来的液位管进行图像预处理;
步骤4,对图像预处理后的图像进行区域查找,确定液位管的液位高度;
步骤5,根据液位高度,计算获得当前液位比例;
步骤6,确定当前液位比例达到预设报警阈值则进行报警;
具体的,步骤4包括以下子步骤:
在图像预处理后的图像中将大于预设像素平均值的像素改为黑色,使图像中只保留液位管的内管;
在只保留内管的图像中将亮度最大的点作为内管空管的基准像素;
将图像转变为HSV颜色空间,遍历图像内管像素,计算每个像素与基准像素的欧式距离;
根据计算结果确定液位管的液位高度。
2.根据权利要求1所述空调压缩机液位识别的报警方法,其特征在于,步骤2包括:预先采用深度学习进行图像识别的训练,根据训练后的结果识别接收的图像中的液位管。
3.根据权利要求2所述空调压缩机液位识别的报警方法,其特征在于,图像预处理包括图像裁剪、滤波和边缘提取处理,则步骤3包括:对识别出来的液位管进行图像裁剪、滤波和边缘提取处理。
4.根据权利要求1所述空调压缩机液位识别的报警方法,其特征在于,步骤6中包括:确定当前液位比例达到预设报警阈值则通过向用户发送电话、短信、邮件中的一种或者多种方式进行报警。
5.一种空调压缩机液位识别的报警***,其特征在于,该***包括摄像头、无线网络发射器和服务器,摄像头与无线网络发射器电连接,无线网络发射器和服务器通信连接,其中,服务器包括:
接收模块,用于接收摄像头采集的压缩机中液位管的图像;
识别模块,用于识别图像中的液位管;
预处理模块,用于对识别出来的液位管进行图像预处理;
查找模块,用于在图像预处理后的图像中将大于预设像素平均值的像素改为黑色,使图像中只保留液位管的内管;在只保留内管的图像中将亮度最大的点作为内管空管的基准像素;将图像转变为HSV颜色空间,遍历图像内管像素,计算每个像素与基准像素的欧式距离;根据计算结果确定液位管的液位高度;
计算模块,用于根据液位高度,计算获得当前液位比例;
报警模块,用于确定当前液位比例达到预设报警阈值则进行报警。
6.如权利要求5所述空调压缩机液位识别的报警***,其特征在于,识别模块具体用于预先采用深度学习进行图像识别的训练,根据训练后的结果识别接收的图像中的液位管。
7.如权利要求6所述空调压缩机液位识别的报警***,其特征在于,图像预处理包括图像裁剪、滤波和边缘提取处理,则预处理模块具体用于对识别出来的液位管进行图像裁剪、滤波和边缘提取处理。
8.如权利要求5所述空调压缩机液位识别的报警***,其特征在于,报警模块具体用于判断当前液位比例是否达到预设报警阈值,若是,则通过向用户发送电话、短信、邮件中的一种或者多种方式进行报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810353032.8A CN108844594B (zh) | 2018-04-17 | 2018-04-17 | 空调压缩机液位识别的报警方法与*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810353032.8A CN108844594B (zh) | 2018-04-17 | 2018-04-17 | 空调压缩机液位识别的报警方法与*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108844594A CN108844594A (zh) | 2018-11-20 |
CN108844594B true CN108844594B (zh) | 2021-03-12 |
Family
ID=64212137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810353032.8A Active CN108844594B (zh) | 2018-04-17 | 2018-04-17 | 空调压缩机液位识别的报警方法与*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108844594B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109660709B (zh) * | 2019-01-15 | 2021-04-06 | 江苏东方赛光电有限公司 | 一种内嵌液位实时检测功能的智能摄像机使用方法 |
CN111814784B (zh) * | 2020-06-11 | 2023-07-07 | 浙江大华技术股份有限公司 | 基于图像处理的液位识别方法及相关装置 |
CN113536989B (zh) * | 2021-06-29 | 2024-06-18 | 广州博通信息技术有限公司 | 基于摄像视频逐帧分析的制冷机结霜监控方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105865570A (zh) * | 2016-06-15 | 2016-08-17 | 天津大学 | 一种基于机器视觉的玻璃瓶液位检测方法 |
CN107506798A (zh) * | 2017-08-31 | 2017-12-22 | 福建四创软件有限公司 | 一种基于图像识别的水位监测方法 |
CN107610128A (zh) * | 2017-09-26 | 2018-01-19 | 山东鲁能智能技术有限公司 | 一种油位计的巡检方法和装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09229745A (ja) * | 1996-02-23 | 1997-09-05 | Fuji Electric Co Ltd | 液面レベル測定装置 |
JP2000283824A (ja) * | 1999-03-31 | 2000-10-13 | Suzuki Motor Corp | 容器情報計測装置 |
CN205192571U (zh) * | 2015-12-18 | 2016-04-27 | 东莞理工学院 | 一种基于ccd的液位测量装置 |
TWI608221B (zh) * | 2016-09-06 | 2017-12-11 | 台灣智能機器人科技股份有限公司 | 液面高度檢測系統及其方法 |
CN107833203A (zh) * | 2017-10-19 | 2018-03-23 | 南京邮电大学 | 一种基于图像处理的水平面识别及水位实时测量方法 |
-
2018
- 2018-04-17 CN CN201810353032.8A patent/CN108844594B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105865570A (zh) * | 2016-06-15 | 2016-08-17 | 天津大学 | 一种基于机器视觉的玻璃瓶液位检测方法 |
CN107506798A (zh) * | 2017-08-31 | 2017-12-22 | 福建四创软件有限公司 | 一种基于图像识别的水位监测方法 |
CN107610128A (zh) * | 2017-09-26 | 2018-01-19 | 山东鲁能智能技术有限公司 | 一种油位计的巡检方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108844594A (zh) | 2018-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108844594B (zh) | 空调压缩机液位识别的报警方法与*** | |
JP4528309B2 (ja) | オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム | |
JP2014533349A (ja) | ラスタ画像のエッジ検出によるベルト摩耗の測定 | |
CN106937114A (zh) | 用于对视频场景切换进行检测的方法和装置 | |
CN111753794B (zh) | 水果品质分类方法、装置、电子设备及可读存储介质 | |
CN104061749A (zh) | 一种冰箱内食品存储位置记录方法、装置、终端及冰箱 | |
CN113723157B (zh) | 一种农作物病害识别方法、装置、电子设备及存储介质 | |
CN112885108B (zh) | 一种基于深度学习算法的停车位上车辆换车检测方法及*** | |
CN116824516B (zh) | 一种涉路施工安全监测及管理*** | |
CN112581446A (zh) | 一种图像的显著性物体检测方法、装置、设备及存储介质 | |
CN111652089A (zh) | 一种基于图像处理的水位自动识别方法及*** | |
CN113029349A (zh) | 一种温度监测方法、装置、存储介质及设备 | |
CN116386120A (zh) | 一种无感监控管理*** | |
CN110807416A (zh) | 适用于移动检测装置的数字式仪表智能识别装置及方法 | |
CN112802027A (zh) | 一种目标对象的分析方法、存储介质及电子装置 | |
WO2022045877A1 (en) | A system and method for identifying occupancy of parking lots | |
CN117351472A (zh) | 烟叶信息检测方法、装置及电子设备 | |
CN112085724A (zh) | 一种基于bim及热图像的机柜温度测量方法及其装置 | |
CN113326749B (zh) | 目标检测方法、装置以及存储介质、电子设备 | |
CN116189220A (zh) | 建筑构件检测识别方法、装置、计算机设备及存储介质 | |
CN112749753B (zh) | 电器设备控制方法、装置、电器设备和存储介质 | |
CN114758124A (zh) | 目标对象的遮挡检测方法、装置、设备及计算机可读介质 | |
CN113128249B (zh) | 大蒜的疤识别方法、***及分选设备 | |
CN110378953B (zh) | 一种智能识别猪群圈内空间分布行为的方法 | |
CN112784830A (zh) | 一种字符识别方法及装置 |
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 |