CN111428069A - 一种铣槽机施工数据获取方法 - Google Patents
一种铣槽机施工数据获取方法 Download PDFInfo
- Publication number
- CN111428069A CN111428069A CN202010165500.6A CN202010165500A CN111428069A CN 111428069 A CN111428069 A CN 111428069A CN 202010165500 A CN202010165500 A CN 202010165500A CN 111428069 A CN111428069 A CN 111428069A
- Authority
- CN
- China
- Prior art keywords
- milling machine
- slot milling
- construction data
- parameter
- text
- 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
- 238000003801 milling Methods 0.000 title claims abstract description 67
- 238000010276 construction Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 12
- 238000003909 pattern recognition Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5846—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using extracted text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种铣槽机施工数据获取方法,其包括以下步骤:S1、监控铣槽机内部,获取所述铣槽机的施工数据的显示画面;S2、将所述步骤S1中获取的所述铣槽机的施工数据的显示画面进行预处理,得到所述铣槽机的施工数据的显示画面当中参数特征的分类样本;S3、根据所述步骤S2当中的分类样本在计算机视觉库内进行目标信息提取,以及将提取后的目标信息进行远程传输并储存。本发明具有在不侵入铣槽机设备的前提下实时获取并保存铣槽机施工数据的技术效果,可广泛应用于铣槽机施工数据获取技术领域。
Description
技术领域
本发明涉及铣槽机施工数据获取技术领域。更具体地说,本发明涉及一种铣槽机施工数据获取方法。
背景技术
双轮铣槽机是目前国际上先进的地下连续墙施工专用设备,通过更换不同类型的刀具即可在不同硬度地质中开挖,在复杂地层条件下的施工效率高、精度高、适应性强,而且对环境影响和污染小。铣槽机设备驾驶室内配备有良好的人机交互***,通过人机交互界面实时显示铣槽机的关键运行参数,包括铣槽深度、进给速度、齿轮箱油压、温度等,方便设备操作手实时掌握施工信息,更好地进行操作决策,通过对大量的设备运行数据的积累和分析可以让施工人员掌握设备的运行效率以及健康状态,然而,设备厂商通常不对外提供数据接口,施工人员无法获取到铣槽机的历史施工数据,因此,有必要开发一套数据采集***,在不侵入铣槽机设备的前提下实时获取并保存铣槽机施工数据,形成施工大数据,便于决策分析。
发明内容
本发明的目的是提供一种在不侵入铣槽机设备的前提下实时获取并保存铣槽机施工数据的铣槽机施工数据获取方法。
为了实现根据本发明的这些目的和其它优点,提供了一种铣槽机施工数据获取方法,其包括以下步骤:
S1、监控铣槽机内部,获取所述铣槽机的施工数据的显示画面;
S2、将所述步骤S1中获取的所述铣槽机的施工数据的显示画面进行预处理,得到所述铣槽机的施工数据的显示画面当中参数特征的分类样本;
S3、根据所述步骤S2当中的分类样本在计算机视觉库内进行目标信息提取,以及将提取后的目标信息进行远程传输并储存。
优选地,所述步骤S2当中的对所述铣槽机的施工数据的显示画面进行预处理包括:对铣槽机中的施工数据的显示画面中的参数文本特征利用KNN分类器+监督学习的方式进行学习,获取自行定义的参数数据文本,进而得到待识别的参数特征的分类样本。
优选地,所述步骤S3中在计算机视觉库内进行目标信息提取包括,利用所述待识别的参数特征的分类样本与计算机视觉库内的参数数据文本进行文字图形的特征比对和识别,对经过比对一致的文字图形的参数数据文本进行提取,进而得到目标参数文本。
优选地,利用所述待识别的参数特征的分类样本与计算机视觉库内的参数数据文本进行文字图形的特征比对和识别,包括以下步骤:
SS1,对计算机视觉库中需要处理的图像中进行长方形割据,得到预处理图像;
SS2,对所述步骤SS1中的预处理图像进行灰度化处理;
SS3,对所述步骤SS2中经过灰度化处理的图像进行二值化处理;
SS4,对所述步骤SS3中经过二值化处理的图像进行边框切割,形成多个目标区块;
SS5,对所述步骤SS4中的多个区块中的每个区块进行样本训练,变成标准化尺寸;
SS6,对所述步骤SS5当中的标准化尺寸的区块进行文字图形识别,获取目标文本。
优选地,对经过识别后的目标文本的数据通过无线终端设备远传至云端。
优选地,所述云端接收所述目标文本的数据并解析,存入指定数据库。
优选地,所述无线终端设备包括DTU。
优选地,监控并获取所述铣槽机的施工数据的显示画面包括,铣槽机设备内置VNCServer,可作为WIFI热点暴露该Server服务,通过WIFI的方式接入铣槽机的VNC。
本发明至少包括以下有益效果:
1.对高价值设备的无侵入数据获取,铣槽机价值高昂,信号线接入等侵入式的数据获取形式会带来不可预知风险,于是采用“非侵入式”方式,除了摄像头获取屏幕画面外,我们可利用当前铣槽机自带VNC server的优势,获取无失真的屏幕画面,作为进一步数据分析的素材。
2.元数据抽取,小数据远传,铣槽机画面数据获取后,将参数数据远传到云端并通过解析存入指定数据库。
3.自行定义ROI,对“数据图片区块”进行文字图形识别,进而获得文本数值。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明的铣槽机施工数据获取方法的流程示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
在本发明的描述中,术语“横向”、“纵向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
如图1所示,本发明的一种铣槽机施工数据获取方法,其包括以下步骤:
S1、监控铣槽机内部,获取所述铣槽机的施工数据的显示画面;
S2、将所述步骤S1中获取的所述铣槽机的施工数据的显示画面进行预处理,得到所述铣槽机的施工数据的显示画面当中参数特征的分类样本;
S3、根据所述步骤S2当中的分类样本在计算机视觉库内进行目标信息提取,以及将提取后的目标信息进行远程传输并储存。
在上述技术方案中,对铣槽机内部的显示施工数据的铣槽机屏幕画面进行监控、截屏,然后选取铣槽机屏幕画面的关键区域进行特征提取,利用OCR技术获取参数数据文本后,通过DTU远传并保存;
其中,在铣槽机的屏幕画面截取中,需要往铣槽机内部植入一个额外程序,采用RFB协议的直接植入,使用本协议可以最直接无损的截取铣槽机的显示施工数据的屏幕画面。
在另一种技术方案中,所述步骤S2当中的对所述铣槽机的施工数据的显示画面进行预处理包括:对铣槽机中的施工数据的显示画面中的参数文本特征利用KNN分类器+监督学习的方式进行学习,获取自行定义的参数数据文本,进而得到待识别的参数特征的分类样本。
在上述技术方案中,采用KNN分类器+监督学习的方式进行参数数据样本的获取,铣槽机显示的施工数据屏幕画面中的字体为印刷体,所以笔迹,形态都非常稳定,为提高监督学习的效率,每个字母/数字,提供1-2个学习样本即可获取到足够稳定的特征数据。
在另一种技术方案中,所述步骤S3中在计算机视觉库内进行目标信息提取包括,利用所述待识别的参数特征的分类样本与计算机视觉库内的参数数据文本进行文字图形的特征比对和识别,对经过比对一致的文字图形的参数数据文本进行提取,进而得到目标参数文本。
在另一种技术方案中,利用所述待识别的参数特征的分类样本与计算机视觉库内的参数数据文本进行文字图形的特征比对和识别,包括以下步骤:
SS1,对计算机视觉库中需要处理的图像中进行长方形割据,得到预处理图像;
SS2,对所述步骤SS1中的预处理图像进行灰度化处理;
SS3,对所述步骤SS2中经过灰度化处理的图像进行二值化处理;
SS4,对所述步骤SS3中经过二值化处理的图像进行边框切割,形成多个目标区块;
SS5,对所述步骤SS4中的多个区块中的每个区块进行样本训练,变成标准化尺寸;
SS6,对所述步骤SS5当中的标准化尺寸的区块进行文字图形识别,获取目标文本。
在另一种技术方案中,对经过识别后的目标文本的数据通过无线终端设备远传至云端。
在上述技术方案中,目标参数文本在传输过程中,对本地的数据做7日的回滚保留,确保恢复机会。
在另一种技术方案中,所述云端接收所述目标文本的数据并解析,存入指定数据库。
在上述技术方案中,云端有一个TCP数据服务运行,不间断接收通过DTU传输的文本数据,对帧的完整性进行校验,并进行解析后存入数据库中。
在另一种技术方案中,所述无线终端设备包括DTU。
在另一种技术方案中,监控并获取所述铣槽机的施工数据的显示画面包括,铣槽机设备内置VNC Server,可作为WIFI热点暴露该Server服务,通过WIFI的方式接入铣槽机的VNC。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (8)
1.一种铣槽机施工数据获取方法,其特征在于,包括以下步骤:
S1、监控铣槽机内部,获取所述铣槽机的施工数据的显示画面;
S2、将所述步骤S1中获取的所述铣槽机的施工数据的显示画面进行预处理,得到所述铣槽机的施工数据的显示画面当中参数特征的分类样本;
S3、根据所述步骤S2当中的分类样本在计算机视觉库内进行目标信息提取,以及将提取后的目标信息进行远程传输并储存。
2.根据权利要求1所述的铣槽机施工数据获取方法,其特征在于,所述步骤S2当中的对所述铣槽机的施工数据的显示画面进行预处理包括:对铣槽机中的施工数据的显示画面中的参数文本特征利用KNN分类器+监督学习的方式进行学习,获取自行定义的参数数据文本,进而得到待识别的参数特征的分类样本。
3.根据权利要求1或2所述的铣槽机施工数据获取方法,其特征在于,所述步骤S3中在计算机视觉库内进行目标信息提取包括,利用所述待识别的参数特征的分类样本与计算机视觉库内的参数数据文本进行文字图形的特征比对和识别,对经过比对一致的文字图形的参数数据文本进行提取,进而得到目标参数文本。
4.根据权利要求3所述的铣槽机施工数据获取方法,其特征在于,利用所述待识别的参数特征的分类样本与计算机视觉库内的参数数据文本进行文字图形的特征比对和识别,包括以下步骤:
SS1,对计算机视觉库中需要处理的图像中进行长方形割据,得到预处理图像;
SS2,对所述步骤SS1中的预处理图像进行灰度化处理;
SS3,对所述步骤SS2中经过灰度化处理的图像进行二值化处理;
SS4,对所述步骤SS3中经过二值化处理的图像进行边框切割,形成多个目标区块;
SS5,对所述步骤SS4中的多个区块中的每个区块进行样本训练,变成标准化尺寸;
SS6,对所述步骤SS5当中的标准化尺寸的区块进行文字图形识别,获取目标文本。
5.根据权利要求3所述的铣槽机施工数据获取方法,其特征在于,对经过识别后的目标文本的数据通过无线终端设备远传至云端。
6.根据权利要求5所述的铣槽机施工数据获取方法,其特征在于,所述云端接收所述目标文本的数据并解析,存入指定数据库。
7.根据权利要5所述的铣槽机施工数据获取方法,其特征在于,所述无线终端设备包括DTU。
8.根据权利要求1所述的铣槽机施工数据获取方法,其特征在于,
监控并获取所述铣槽机的施工数据的显示画面包括,铣槽机设备内置VNC Server,可作为WIFI热点暴露该Server服务,通过WIFI的方式接入铣槽机的VNC。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010165500.6A CN111428069A (zh) | 2020-03-11 | 2020-03-11 | 一种铣槽机施工数据获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010165500.6A CN111428069A (zh) | 2020-03-11 | 2020-03-11 | 一种铣槽机施工数据获取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111428069A true CN111428069A (zh) | 2020-07-17 |
Family
ID=71553402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010165500.6A Pending CN111428069A (zh) | 2020-03-11 | 2020-03-11 | 一种铣槽机施工数据获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111428069A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112144594A (zh) * | 2020-08-10 | 2020-12-29 | 中交第二航务工程局有限公司 | 一种基于tpot的铣槽机施工地层识别方法 |
CN112160364A (zh) * | 2020-08-10 | 2021-01-01 | 中交第二航务工程局有限公司 | 一种基于tpot的铣槽机施工设定参数推荐方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102664939A (zh) * | 2012-04-13 | 2012-09-12 | 江苏诚迈科技有限公司 | 一种屏幕镜像移动终端的方法及设备 |
CN103533296A (zh) * | 2012-07-03 | 2014-01-22 | 鸿富锦精密工业(深圳)有限公司 | 远程视讯监控***及方法 |
CN103797720A (zh) * | 2011-09-12 | 2014-05-14 | 爱尔比奎特公司 | 集成了手机应用代理(hap)的移动集成平台(mip) |
CN104281132A (zh) * | 2014-09-24 | 2015-01-14 | 镇江市高等专科学校 | 基于机器视觉的机械制造车间生产过程信息采集***及采集方法 |
CN106127198A (zh) * | 2016-06-20 | 2016-11-16 | 华南师范大学 | 一种基于多分类器集成的图像文字识别方法 |
CN107368269A (zh) * | 2016-05-11 | 2017-11-21 | 北京京东尚科信息技术有限公司 | 传输屏幕图像的方法、装置和*** |
CN107545240A (zh) * | 2017-07-07 | 2018-01-05 | 杰为软件***(深圳)有限公司 | 一种工控设备显示屏输出画面采集***及方法 |
CN108805128A (zh) * | 2017-05-05 | 2018-11-13 | 北京京东金融科技控股有限公司 | 一种字符分割方法和装置 |
WO2019024755A1 (zh) * | 2017-08-01 | 2019-02-07 | 阿里巴巴集团控股有限公司 | 网页信息提取方法、装置、***及电子设备 |
CN110781901A (zh) * | 2019-10-29 | 2020-02-11 | 湖北工业大学 | 基于bp神经网络预测阈值的仪表重影字符识别方法 |
-
2020
- 2020-03-11 CN CN202010165500.6A patent/CN111428069A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103797720A (zh) * | 2011-09-12 | 2014-05-14 | 爱尔比奎特公司 | 集成了手机应用代理(hap)的移动集成平台(mip) |
CN102664939A (zh) * | 2012-04-13 | 2012-09-12 | 江苏诚迈科技有限公司 | 一种屏幕镜像移动终端的方法及设备 |
CN103533296A (zh) * | 2012-07-03 | 2014-01-22 | 鸿富锦精密工业(深圳)有限公司 | 远程视讯监控***及方法 |
CN104281132A (zh) * | 2014-09-24 | 2015-01-14 | 镇江市高等专科学校 | 基于机器视觉的机械制造车间生产过程信息采集***及采集方法 |
CN107368269A (zh) * | 2016-05-11 | 2017-11-21 | 北京京东尚科信息技术有限公司 | 传输屏幕图像的方法、装置和*** |
CN106127198A (zh) * | 2016-06-20 | 2016-11-16 | 华南师范大学 | 一种基于多分类器集成的图像文字识别方法 |
CN108805128A (zh) * | 2017-05-05 | 2018-11-13 | 北京京东金融科技控股有限公司 | 一种字符分割方法和装置 |
CN107545240A (zh) * | 2017-07-07 | 2018-01-05 | 杰为软件***(深圳)有限公司 | 一种工控设备显示屏输出画面采集***及方法 |
WO2019024755A1 (zh) * | 2017-08-01 | 2019-02-07 | 阿里巴巴集团控股有限公司 | 网页信息提取方法、装置、***及电子设备 |
CN110781901A (zh) * | 2019-10-29 | 2020-02-11 | 湖北工业大学 | 基于bp神经网络预测阈值的仪表重影字符识别方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112144594A (zh) * | 2020-08-10 | 2020-12-29 | 中交第二航务工程局有限公司 | 一种基于tpot的铣槽机施工地层识别方法 |
CN112160364A (zh) * | 2020-08-10 | 2021-01-01 | 中交第二航务工程局有限公司 | 一种基于tpot的铣槽机施工设定参数推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107607562B (zh) | 一种违禁物品识别设备及方法、x光行李安检*** | |
CN108710865B (zh) | 一种基于神经网络的司机异常行为检测方法 | |
CN111742329A (zh) | 一种基于多源遥感数据融合和深度神经网络的矿山开采典型地物动态监测方法及平台 | |
CN110414320B (zh) | 一种安全生产监管的方法及*** | |
CN111428069A (zh) | 一种铣槽机施工数据获取方法 | |
CN112149512A (zh) | 一种基于两阶段深度学习的安全帽佩戴识别方法 | |
CN105488806A (zh) | 一种工件位置追踪定位方法及定位*** | |
CN112967255A (zh) | 一种基于深度学习的盾构管片缺陷类型识别及定位***及其方法 | |
CN110096945B (zh) | 基于机器学习的室内监控视频关键帧实时提取方法 | |
CN108229483A (zh) | 基于caffe与软触发下的门牌压印字符识别装置 | |
CN103295009A (zh) | 基于笔画分解的车牌字符识别方法 | |
CN111368682A (zh) | 一种基于faster RCNN台标检测与识别的方法及*** | |
CN111027456A (zh) | 基于图像识别的机械水表读数识别方法 | |
CN112801965A (zh) | 一种基于卷积神经网络的烧结皮带异物监测方法及*** | |
CN114092938B (zh) | 图像的识别处理方法、装置、电子设备及存储介质 | |
CN117058446A (zh) | 一种钻探岩芯特征的智能识别描述方法、***及存储介质 | |
CN114972880A (zh) | 一种标签识别方法、装置、电子设备及存储介质 | |
CN112561885B (zh) | 基于YOLOv4-tiny的插板阀开度检测方法 | |
CN116665305A (zh) | 基于计算机视觉和知识图谱的工人行为检测方法和*** | |
CN113506242A (zh) | 基于yolo的玉米黄曲霉素检测方法 | |
CN112907734A (zh) | 基于虚拟crh380a模型和深度学习的teds故障检测方法 | |
CN113034420B (zh) | 一种频率空间域特征的工业产品表面缺陷分割方法及*** | |
CN112633287A (zh) | 一种面向矿井多源异构图文信息的文本识别方法及装置 | |
CN113192108A (zh) | 一种针对视觉跟踪模型的人在回路训练方法及相关装置 | |
CN113361539B (zh) | 一种井下巡检机器人的仪表读取方法、装置及电子设备 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210906 Address after: 430048 No. 11 Jinyinhu Road, Dongxihu District, Wuhan City, Hubei Province Applicant after: CCCC SECOND HARBOR ENGINEERING Co.,Ltd. Applicant after: CCCC HIGHWAY BRIDGES NATIONAL ENGINEERING RESEARCH CENTER Co.,Ltd. Address before: 430048 No. 11 Jinyinhu Road, Dongxihu District, Wuhan City, Hubei Province Applicant before: CCCC SECOND HARBOR ENGINEERING Co.,Ltd. |
|
TA01 | Transfer of patent application right |