CN112871703A - 一种智能管理选煤平台及其方法 - Google Patents

一种智能管理选煤平台及其方法 Download PDF

Info

Publication number
CN112871703A
CN112871703A CN202011607075.8A CN202011607075A CN112871703A CN 112871703 A CN112871703 A CN 112871703A CN 202011607075 A CN202011607075 A CN 202011607075A CN 112871703 A CN112871703 A CN 112871703A
Authority
CN
China
Prior art keywords
coal
module
image
coal body
data
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
Application number
CN202011607075.8A
Other languages
English (en)
Other versions
CN112871703B (zh
Inventor
曹鹰
张剑峰
慕广斌
高崑
李辉
郝君伟
杨颖�
王槊华
陈修奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Detong Electric Co ltd
Original Assignee
Tianjin Detong Electrical Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin Detong Electrical Co ltd filed Critical Tianjin Detong Electrical Co ltd
Priority to CN202011607075.8A priority Critical patent/CN112871703B/zh
Publication of CN112871703A publication Critical patent/CN112871703A/zh
Application granted granted Critical
Publication of CN112871703B publication Critical patent/CN112871703B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • B07C5/362—Separating or distributor mechanisms
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/0063—Using robots
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Sorting Of Articles (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及智能化选煤技术领域，尤其涉及一种智能管理选煤平台及其方法，该智能选煤***包括API模块、工业大数据模块、工业网关模块、算法引擎模块、工业视觉模块、平台推送模块、基础服务模块、边缘计算模块与数字孪生模块，本发明可以对传送带上煤体的图像进行采集并比对，如果煤体中存在不符合标准的煤体(煤矸石)，则通过分拣机器人将其从煤体中分拣出来，本发明可以将视频终端采集到的的煤体图像进行矫正，可以有效提高煤体识别的准确率，本发明通过选煤智能化和大数据的深度融合，可以实现煤炭精准分离、设备健康管理、安全保障、经营管理等过程的智能化运行，对于提升选煤安全生产水平、保障煤炭稳定供应具有重要意义。

Description

一种智能管理选煤平台及其方法
技术领域
本发明涉及智能化选煤技术领域，尤其涉及一种智能管理选煤平台及其方法。
背景技术
目前，中国煤炭资源的开采量居高不下，每年达到几十亿吨，全国有大小煤矿5000余座。近年来采煤机械化自动化程度在不断提高，但是煤矸石的分选一直是难题。矸石的存在，一方面增加了煤料中的灰分，降低了原煤的品质，另一方面，在后续生产运输的各个环节，都会对设备的运转带来过度磨损，甚至卡链停机等危害。因此，原煤升井后，第一步就需要在煤料中分离并捡出矸石，保留煤，即选煤。
如专利号为CN202010682629.4的发明专利中公开了一种基于人工智能图像识别的选煤***，包括至少一滑槽，滑槽沿滑行方向的下游的横断面为接近V字形；煤料落于滑槽的起始段，沿滑槽滑动移动至滑槽的末端；设置于每条滑槽的上方的至少一喷枪，喷枪用于喷洗煤料；至少一摄像装置，摄像装置正对并用于实时拍摄移动中的煤料，及传送拍摄图像至一控制模块，控制模块用于通过深度学***台进行数据融合；运维模块，用于对应用模块的操作进行记录和监控，并对数据和配置进行管理，应用模块包括数据库单元和大数据算法单元，数据库单元与大数据算法单元连接；数据库单元，用于根据数据研发层传输过来的所有数据建立数据库；大数据算法单元，用于利用构建的大数据算法建模平台计算出对应的决策信息，并对决策信息进行调优和部署，运维模块包括数据管理单元和配置管理单元，数据管理单元与数据库单元连接，配置管理单元与大数据算法单元连接；数据管理单元，用于对数据质量、数据资产、数据建模标准和数据脱敏进行管理，并划分数据权限；配置管理单元，用于对数据地图、血缘、标签和任务运维进行管理，数据开发层还包括意见沉淀层，意见沉淀层与配置管理单元连接；意见沉淀层，用于为大数据算法建模平台提供专业的算法组件和解决方案。
但是上述选煤方法及选煤智能***选煤的精确度较低的问题，选煤判断的准确率较低，很难满足用户的精煤灰分需求,且工作效率难以保证，往往难以实现有效的对煤体进行分选，而且现有的智能选煤***已经难以满足企业智能制造与智能化转型的需要，通过智能选煤***将人工智能、工业物联网、云计算、大数据、机器人、智能装备深度融合，形成全面感知、实时互联、分析决策、自主学***、保障煤炭稳定供应具有重要意义。
因此需要一种可以解决上述问题的一种智能管理选煤平台及其方法。
发明内容
本发明提供了一种智能管理选煤平台及其方法，本发明可以对传送带上煤体的图像进行采集并比对，如果煤体中存在不符合标准的煤体(煤矸石)，则通过分拣机器人将其从煤体中分拣出来，本发明可以将视频终端采集到的的煤体图像进行矫正，可以有效提高煤体识别的准确率，本发明通过选煤智能化和大数据的深度融合，可以实现煤炭精准分离、设备健康管理、安全保障、经营管理等过程的智能化运行，对于提升选煤安全生产水平、保障煤炭稳定供应具有重要意义。
本发明为解决上述技术问题所采用的技术方案是：一种智能管理选煤平台及其方法，该智能选煤***包括API模块、工业大数据模块、工业网关模块、算法引擎模块、工业视觉模块、平台推送模块、基础服务模块、边缘计算模块与数字孪生模块，所述API模块用于设备管理、产品管理、数据管理与命令管理，所述工业大数据模块用于数据采集、数据存储、数据处理与汇集工业数据，所述工业网关模块用于采集自动化控制***数据，并将其提供给选煤厂iCMES***，实时展示生产参数，实时反映现场生产状况和选煤厂设备运行的各项KPI指标，所述算法引擎模块支持朴素贝叶斯分类、逻辑回归、支撑向量机与图像矫正算法并提供分析结果，所述工业视觉模块包括有采集终端，采集终端用于视频识别、视频采集，并对动态场景中的目标进行定位、识别和跟踪，所述平台推送模块用于向***提供消息推送与消息回溯服务，所述基础服务模块用于为选煤厂资源管理***的用户、业务及底层数据提供授权、访问控制、及权限管理的功能，所述边缘计算模块为融合网络、计算、存储、应用核心能力的分布式开放平台，该边缘计算模块用于提供边缘智能服务，所述数字孪生模块用于实现包括工艺模型、设备模型、分析模型以及知识库模型的开发。
进一步，所述选煤方法包括如下步骤：
步骤S1：首先建立数据库，在工业大数据模块内的数据库中提前录入煤体相关的图像及与标准煤体图像绑定的灰度、体积、形状与纹理特征信息；
步骤S2：采用超声波探测装置对传送带上的煤体进行超声波检测，获得被测对象的超声回波信号，并将所获得的超声回波信号同步传送至工业大数据模块；
步骤S3：启动选煤采集终端；
步骤S4：通过采集终端采集传送皮带上煤体的图像，同时记录采集时间At；
步骤S5：判断图像是否存在畸变；
步骤S6：将采集到的煤体图像与煤体的采集时间At作为关联组存储到工业大数据模块内的存储器与云端的服务器中；
步骤S7：通过采集终端内的微处理器采集并识别图像中煤体的灰度、体积、形状与纹理特征信息；
步骤S8：将识别后的煤体图像标记为初次识别的煤体图像，采集终端内的微处理器将初次识别到煤体图像的灰度、体积、形状与纹理特征信息与工业大数据模块中提前录入的标准煤体图像绑定的灰度、体积、形状与纹理特征信息进行初次匹配对比并标记；
步骤S9：通过分拣机器人将不符合标准的煤体从煤料中分离；
步骤S10：终端内的微处理器对初次识别后的煤体进行二次识别，识别煤图像中煤体的灰度、体积、形状与纹理特征信息；
若识别到煤体图像特征信息与提前录入的标准煤体图像绑定的特征信息不匹配，则执行步骤S9；
若识别到煤体图像特征信息与提前录入的标准煤体图像绑定的特征信息匹配，则执行步骤S11；
步骤S11：标记为二次识别的煤体图像,微处理器将初次识别的煤体图像上传到搜索服务器；
步骤S12：搜索服务器将初次采集的煤体图像中煤体的灰度、体积、形状与纹理特征信息与数据库中提前录入的标准煤体图像绑定的灰度、体积、形状与纹理特征信息进行再次匹配对比并标记；
步骤S13：若初次采集的煤体图像中煤体的灰度、体积、形状与纹理特征信息与数据库中提前录入的标准煤体图像绑定的灰度、体积、形状与纹理特征信息匹配，则发送至终端进行显示或播报。
进一步，所述步骤S5中，若图像不存在畸变则执行步骤S6，若如图像存在畸变,则通过算法引擎模块执行图像矫正。
进一步，所述图像矫正包括以下步骤：
步骤S5-1：获取图像，找到与标准图像坐标对应的畸变坐标；
步骤S5-2：通过内参矩阵归一化畸变图像的坐标；
步骤S5-3：通过径向畸变模型得到归一化的畸变坐标；
步骤S5-4：坐标映射返回去归一化，得到畸变坐标；
步骤S5-5：根据图像畸变坐标建立图像计算模型，确定图像的矫正区域；
步骤S5-6：通过插值对畸变矫正计算模型进行数值求解，求径向畸变参数；
步骤S5-7：对输出图像的像素点做遍历，依次找到输出点对应原图点的像素值，再将值赋给输出图像；
步骤S5-8：将输出图像发送至工业大数据模块。
进一步，所述步骤S5-1中标准图像坐标设为a,b,所述畸变坐标设为c_distorted，m_distorted。
进一步，所述步骤S5-2中内参矩阵设为L,用于归一化坐标，所述步骤S5-2中通过内参矩阵归一化畸变图像的坐标的计算方式为：
a1＝(a-da)/fa；
b1＝(b-db)/fb。
进一步，所述步骤S5-3中径向畸变参数设为J,采用如下畸变模型：
r2＝a1^2+b1^2；
x2＝a1*(1+J(1)*r2+J(2)*r2^2)；
y2＝b1*(1+J(1)*r2+J(2)*r2^2)。
进一步，所述步骤S5-4中去归一化的计算方式为：
列:c_distorted＝fa*a2+ca；
行:m_distorted＝fb*b2+cb。
进一步，所述步骤S5-7中，通过最近邻插值法对输出图像进行赋值。
进一步，所述步骤S12中，若初次采集的煤体图像中煤体的灰度、体积、形状与纹理特征信息与数据库中提前录入的标准煤体图像绑定的灰度、体积、形状与纹理特征信息不匹配，则执行步骤S9。
本发明的优点在于：本发明提供了一种智能管理选煤平台及其方法，该智能选煤***包括API模块、工业大数据模块、工业网关模块、算法引擎模块、工业视觉模块、平台推送模块、基础服务模块、边缘计算模块与数字孪生模块，本发明可以对传送带上煤体的图像进行采集并比对，如果煤体中存在不符合标准的煤体(煤矸石)，则通过分拣机器人将其从煤体中分拣出来，本发明可以将视频终端采集到的的煤体图像进行矫正，可以有效提高煤体识别的准确率，本发明通过超声波探测装置可以对煤体内部进行探测，可以对煤体内部的密度质量等参数进行探测，并将参数信息发送至工业大数据模块中存储，本发明具有选煤准确率高的优点，而且本发明以自动化、数字化、网络化、智能化为方向，提供了一种集选煤智能化生产、设备健康管理、安全保障、经营管理等多***、多功能融合的安全、共享、高效的一体化智能选煤***，通过选煤智能化和大数据的深度融合，实现了选煤厂产运销业务协同、决策管控、一体化运营等智能化应用。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明公开的一种智能选煤***结构示意图。
图2为本发明公开的一种智能选煤***的选煤方法流程图。
图3为本发明中步骤S5-7中对输出图像进行赋值的四邻像素图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“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，而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。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1：
图1为本发明实施例公开的一种智能选煤***结构示意图，如图1所示的一种智能选煤***，该智能选煤***包括有API模块、工业大数据模块、工业网关模块与平台推送模块，所述API模块用于设备管理、产品管理、数据管理与命令管理，基于Restful规格对外提供API，用户基于API可简单、快速、低成本、低风险地实现微服务聚合、前后端分离、***集成，向合作伙伴、开发者开放功能和数据，可以为开发者提供直观地使用API进行开发的场景，同时可以为开发者提供清晰的API列表及开发流程，平台对外提供Open API，向上可提供各类工业相关应用来支撑制造业全生命周期、全产业链、全要素应用开发及管理，向下可提供接口以接入各类设备和服务，实现设备数据采集和设备运行监控；
所述工业大数据模块具备数据采集、数据存储、数据处理和工业大脑功能，提供建模工具和建模开发环境，基于设备数据、资产数据、运营数据等开展工业业务场景数据分析，可以实现工业大脑功能，助推设备、生产、车间、工厂甚至是整个供应链的降本增效、质量提升，关注制造业的核心痛点，解决制造业的核心问题，其中工业大数据采集服务支持HTTP(S)协议，可以快速实现物联网项目，具有低开销、支持多种编程语言、易开发等优势，工业大数据存储提供结构化、半结构化、分布式文件、对象、文档等的存储，支持GB/TB/PB级别数据存储，支持数据存储能力动态扩容，针对不同的数据存储需求高效存储/保护和管理数据，工业大数据处理提供分布式处理、内存分析、流式分析等服务，且支持批处理统计分析，支持SQL分析，支持实时流处理，为用户提供广泛的计算支持能力，工业大脑通过对***数据、工厂设备数据、传感器数据、人员管理数据等多方工业数据进行汇集，借助语音交互、图像/视频识别等，激活海量数据价值，为解决选煤生产的核心问题提供服务：如选煤工艺(重介、跳汰、浮选、浓缩、压滤)智能控制、智能配电、智能装车、智能配煤、设备健康管理、智能视频识别；
所述工业网关模块采用Data-suite，Data-suite用于工厂底层自动化控制***与上层智能生产管理***(MES)进行信息数据通讯，可以采集自动化控制***数据，并将其提供给选煤厂iCMES***，实时展示生产参数，实时反映现场生产状况和选煤厂设备运行的各项KPI指标，Data-suite具有良好的兼容性，Data-suite支持多种通讯协议，可与数十种PLC、智能仪表、智能传感器、工控机、电气保护***等各种类型的设备进行数据通讯，Data-suite能够实时获取底层控制***的数据并进行存储并提供点表配置功能，灵活配置设备关键点，有效提取设备关键数据；Data-suite自身包含数据库，数据库基于数据标准化进行无限点存储，数据库采用先进的TSM存储引擎进行压缩与提取，占用空间极少，一年约20亿数据，仅占用大约30G空间。最大限度扩展了硬盘的有效空间，Data-suite具有良好的可靠性，Data-suite拥有成熟的安全机制，提供用户接入点的快速配置窗口，使用者可以严格管控数据流向，且Data-suite支持负载均衡，具备高性能、高稳定性的特点，是连通底层自动化***与智能化管理***的数据桥梁；
所述平台推送模块具体通过PushService软件为***提供推送服务，包括消息推送、消息回溯等服务，使用RESTful Web服务，以HTTP协议作为客户端和服务器之间的通信媒介。客户端发送一个HTTP请求形式的消息，然后服务器按照HTTP响应形式的响应，这种技术被称为消息传递，这些消息包含消息数据和元数据，比如消息本身相关的信息，所述平台推送模块具有消息回溯功能：当业务消费消息时，有时因为某些原因(bug、异常、依赖服务故障等)导致消费全部无效，需要回溯消息进行消费，比如消费者2个小时内的处理逻辑可能出现了问题，业务发现后，可以回溯到2小时前offset位置重新消费补回相关消息，所述平台推送模块还具有消息推送功能，消息推送是针对Web应用开发领域的技术，指服务端以主动方式将信息送达客户端。主要用于提升用户体验，避免用户刷新页面从服务端拉取数据。例如APP自动出现个人任务信息，Web即时通讯自动提示新到消息等应用场景，支持浏览器客户端的推送，具有高性能、高可靠性的优点，其模块化，不与应用耦合且可支持多种移动端。
实施例2：
图1为本发明实施例公开的一种智能选煤***结构示意图，如图1所示的一种智能选煤***，该智能选煤***还包括算法引擎模块、工业视觉模块、基础服务模块、边缘计算模块与数字孪生模块，所述算法引擎模块采AlgorithmEngine，支持朴素贝叶斯分类、逻辑回归、支撑向量机与图像矫正算法并提供分析结果，并可以使算法和实际的应用场景结合起来，将算法得到的结果赋予响应的含义，实现替代或辅助管理人员和专业人员面向不确定业务的决策能力；
所述工业视觉模块包括有采集终端，采集终端用于视频识别、视频采集，并对动态场景中的目标进行定位、识别和跟踪，采用计算机视觉的方法，在图像及图像描述之间建立映射关系，几乎不需要人为干预的情况下，通过对摄像机拍录的图像序列进行自动分析并矫正，对动态场景中的目标进行定位、识别和跟踪，并在此基础上分析和判断目标的行为，从而做到既能完成日常管理又能在异常情况发生的时候及时做出反应，用户可以根据视频内容分析功能，通过在不同摄像机的场景中预设不同的报警规则，***识别不同的物体，同时识别目标行为是否符合这些规则，一旦目标在场景中出现了违反预定义规则的行为，***能够以最快和最佳的方式发出警报并提供有用信息，从而能够更加有效的协助人员处理危机，最大限度的降低误报和漏报现象，切实提高监控区域的工艺和安全防范能力，采集终端可以通过多个摄像头实时监视皮带、振动筛等上面的煤料，经过智能识别算法的分析，判断传送带上煤料的灰度、体积、形状与纹理特征信息形状或物料分布是否符合标准，如煤料不符合标准则通过分拣机器人对不符合标准的煤料进行清理，本发明中的工业视觉模块还包括有视觉分析***，视觉分析***由前端普通IPC、视频人脸抓拍服务器及中心智能识别服务器组成，视频人脸抓拍服务器从前端普通IPC中提取人脸照片并传给人脸识别服务器，人脸识别服务器通过对人脸的识别、分析、建模，实现重点区域安全布防、岗位巡查监督等功能，工业视觉模块具有周界防护功能，周界防护通过前端摄像机与基于深度学***台，当设备有报警时，相关设备的视频监控画面能够自动弹出，方便监控人员查看现场的实际情况；
所述基础服务模块包括***管理和基础业务功能，所述基础服务模块具有平台BASE服务，采用了基于RBAC97的访问控制模型,提出了角色分级管理算法及授权增量设置原则,为选煤厂资源管理***的用户、业务、底层数据提供授权、访问控制、及权限管理的功能。同时平台提供了一个图形化的角色管理工具来简化管理员的工作；由于本访问控制***构建于J2EE的MVC模式之上,并基于RMI通信技术,因此它能够作为客户UI层与其他各层的中间件,为业务功能层提供授权与访问控制接口,以此来实现不同功能的业务视图；并为底层数据层提供数据控制接口,来实现对不同数据资源的安全访问功能；
所述边缘计算模块可以将数据存储与处理从云或数据中心迁移到靠近数据源头的设备端，将原本完全由中心节点处理的大型服务加以分解，切割成更小与更容易管理的部分，并分散到边缘节点去处理。边缘节点更接近于用户终端装置，这样可以加快资料的处理与传送速度，减少延迟，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求，将云平台的能力延伸到边缘端，其中边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的分布式开放平台，就近提供边缘智能服务，满足行业数字化在敏捷联接、数据优化等方面的关键需求，保障在场景驱动下，计算可以在近场和云端分布，实现端云智能的协同，具有支持多种接入协议、适配多种通信接入方式、支持固件在线升级、协议更换等丰富功能，适用于工业互联网应用场景，助力企业设备上云、车间上云、企业上云，通过在边缘端部署分析算法，对进来的传感器数据进行处理，只发送重要数据和报警到云端，可以有效地破解带宽与成本之间的难题，边缘计算模块可以提供数据缓存，允许自主定义数据传输的规则和运行决策算法，可以加速边缘端的数据处理速度、响应时间和边缘性能，以获得超低延迟；
所述数字孪生模块采用DigitalTwin，可以提供快速的建模工具，可以实现包括工艺模型、设备模型、分析模型以及知识库模型的开发。从传感器和连接IoT的机器及设备收集生产数据，并将数据与基于云的机器学习和三维可视化***结合起来，以数字化方式为物理对象创建虚拟模型，来模拟其在现实环境中的行为，并通过搭建整合制造流程的数字孪生生产***，实现从生产计划到制造执行的全过程数字化；
所述智能选煤***的基础架构层采用Docker、Virtual Machine与Kubernetes，其中Docker是使用Go语言编写的一个程序运行、测试、交付的开放平台，在Docker中，可以将程序分为不同的基础部分，对于每一个基础部分都可以当做一个应用程序来管理。能够快速地测试、快速地编码、快速地交付，并且缩短从编码到运行应用的周期。Docker使用轻量级的容器虚拟化平台，并且结合工作流和工具，来帮助管理、部署应用程序。它实现了让几乎任何程序都可以在一个安全、隔离的容器中运行。安全和隔离可以同时在机器上运行多个容器。容器轻量级的特性，意味着可以得到更多的硬件性能，其中Kubernetes(通常简称为K8S)，是一个用于管理在容器中运行的应用的容器编排工具，不仅有用来支持复杂容器应用的所有东西，它还是市面上最方便开发和运维的框架。可以方便的进行集群应用的部署、扩容、缩容、自愈机制、服务发现、负载均衡、日志、监控等功能，大大减少日常运维的工作量，Kubernetes的工作原理是通过将容器分组来把一个应用程序拆分成多个逻辑单元，以方便管理和发现，它对由小且独立的服务组成的微服务应用特别有用，其中VirtualMachine指通过软件模拟的具有完整硬件***功能的、运行在一个完全隔离环境中的完整计算机***。通过虚拟机软件，可以在一台物理计算机上模拟出一台或多台虚拟的计算机，这些虚拟机完全就像真正的计算机那样进行工作，例如可以实现安装操作***、安装应用程序、访问网络资源等功能。
实施例3：
图2为本发明实施例公开的一种智能选煤***的选煤方法流程图，如图2所示的一种智能选煤方法，具体包括如下步骤：
步骤S1：首先建立数据库，在工业大数据模块内的数据库中提前录入煤体相关的图像及与标准煤体图像绑定的灰度、体积、形状与纹理特征信息；
步骤S2：采用超声波探测装置对传送带上的煤体进行超声波检测，具体探测方式为：首把超声波检测装置发射极和接收极固定在煤体传送带的两侧，超声波检测装置发射极发出超声波信号通过煤体，超声波检测装置的接收极接收到通过煤体的超声波信号，并将该超声波信号输入到超声波检测仪信号处理单元述信号处理单元根据超声波信号显示出相应的超声波参数，获得被测对象的超声回波信号，并将所获得的超声回波信号同步传送至工业大数据模块；
步骤S3：启动选煤采集终端(其中采集终端为多个广角摄像头)；
步骤S4：通过采集终端采集传送皮带上煤体的图像，同时记录采集时间At；
步骤S5：判断图像是否存在畸变；
步骤S6：将采集到的煤体图像与煤体的采集时间At作为关联组存储到工业大数据模块内的存储器与云端的服务器中；
步骤S7：通过采集终端内的微处理器采集并识别图像中煤体的灰度、体积、形状与纹理特征信息；
步骤S8：将识别后的煤体图像标记为初次识别的煤体图像，采集终端内的微处理器将初次识别到煤体图像的灰度、体积、形状与纹理特征信息与工业大数据模块中提前录入的标准煤体图像绑定的灰度、体积、形状与纹理特征信息进行初次匹配对比并标记；
步骤S9：通过分拣机器人将不符合标准的煤体从煤料中分离；
步骤S10：终端内的微处理器对初次识别后的煤体进行二次识别，识别煤图像中煤体的灰度、体积、形状与纹理特征信息；
若识别到煤体图像特征信息与提前录入的标准煤体图像绑定的特征信息不匹配，则执行步骤S9；
若识别到煤体图像特征信息与提前录入的标准煤体图像绑定的特征信息匹配，则执行步骤S11；
步骤S11：标记为二次识别的煤体图像,微处理器将初次识别的煤体图像上传到搜索服务器；
步骤S12：搜索服务器将初次采集的煤体图像中煤体的灰度、体积、形状与纹理特征信息与数据库中提前录入的标准煤体图像绑定的灰度、体积、形状与纹理特征信息进行再次匹配对比并标记；
步骤S13：若初次采集的煤体图像中煤体的灰度、体积、形状与纹理特征信息与数据库中提前录入的标准煤体图像绑定的灰度、体积、形状与纹理特征信息匹配，则发送至终端进行显示或播报；
在步骤S5中，若图像不存在畸变则执行步骤S6，若如图像存在畸变,则通过算法引擎模块执行图像矫正。
在步骤S7、步骤S8与步骤S11中的微处理器采用所述微处理器1采用CC2530芯片或CC2540芯片或单片机。
实施例4：
图1为本发明实施例公开的一种智能选煤***结构示意图，如图1所示的一种智能选煤***，所述图像矫正具体包括以下步骤：
步骤S5-1：获取图像，找到与标准图像坐标对应的畸变坐标；
步骤S5-2：通过内参矩阵归一化畸变图像的坐标；
步骤S5-3：通过径向畸变模型得到归一化的畸变坐标；
步骤S5-4：坐标映射返回去归一化，得到畸变坐标；
步骤S5-5：根据图像畸变坐标建立图像计算模型，确定图像的矫正区域；
步骤S5-6：通过插值对畸变矫正计算模型进行数值求解，求径向畸变参数；
步骤S5-7：对输出图像的像素点做遍历，依次找到输出点对应原图点的像素值，再将值赋给输出图像；
步骤S5-8：将输出图像发送至工业大数据模块。
在步骤S5-1中，标准图像坐标设为a,b,所述畸变坐标设为c_distorted，m_distorted。
在步骤S5-2中，内参矩阵设为L,用于归一化坐标，所述步骤S5-2中通过内参矩阵归一化畸变图像的坐标的计算方式为：
a1＝(a-da)/fa
b1＝(b-db)/fb
在步骤S5-3中，径向畸变参数设为J,采用如下畸变模型：
r2＝a1^2+b1^2
x2＝a1*(1+J(1)*r2+J(2)*r2^2)
y2＝b1*(1+J(1)*r2+J(2)*r2^2)
在步骤S5-4中去归一化的计算方式为：
列:c_distorted＝fa*a2+ca
行:m_distorted＝fb*b2+cb
在步骤S5-5中，根据畸变煤体图像的畸变特征，建立畸变煤体图像的计算模型，畸变煤图设图像有c行，m列像素，建立以畸变煤体图像中心点为原点，设置畸变煤体图像像素的行方向为x轴方向，像素的列方向为y方向，其中第g行第o列的像素坐标Pi,j(xg,o,yg,o)为:
xg,o＝o–(w-1)/2o＝0…m-1
yg,o＝g–(h-1)/2g＝0…c-1
在步骤S5-5中，针对于煤体图像的径向畸变和切向畸变采用如下计算模型：
H’＝k1(1+k2rp2)H
上述矫正计算模型指模拟视频终端摄像头畸变的图像生成数值计算方法，首先建立以畸变中心点为原点，设畸变图像上的一点坐标为H，其矫正后的坐标为H’，H相对于原点的距离为rh；
在步骤S5-7中，通过最近邻插值法对输出图像进行赋值，需要对输出图像赋予线性插值，即可得到矫正之后的图像，不需要进行计算，具体来说，在待求像素的四邻像素中，将距离待求像素最近的邻接像素灰度值赋予待求像素；
设s+u,z+v(其中s,z为正整数，u,v为大于零小于1的小数)为待求象素坐标，则待求象素灰度的值f(s+u,z+v)如说明书附图3所示，若(s+u,z+v)落在A区，即u<0.5,v<0.5，则将左上角象素的灰度值赋给待求象素，同理可知，落在B区则赋予右上角的象素灰度值，落在C区则赋予左下角象素的灰度值，落在D区则赋予右下角象素的灰度值。
在步骤S12中，若初次采集的煤体图像中煤体的灰度、体积、形状与纹理特征信息与数据库中提前录入的标准煤体图像绑定的灰度、体积、形状与纹理特征信息不匹配，则执行步骤S9。
本发明具有良好的安全性，本发明本发明具有API模块，具有数据管理的功能，数据加密传输机制确保数据在传输通道上不会被非法截获，通过平台上下行的数据都以密文的形式传输，全方位的签名机制确保数据不被非授权访问，具有多层次、多维度的鉴权体系，从鉴权机制上把人为泄露的可能性和危害减到最小；本发明中的API模块还可以实现命令状态追踪，支持通过restful api给设备下发控制指令和数据；支持设备离线时命令保存功能，可以全方位跟踪记录命令的执行状态；
本发明设置有平台推送服务模块，具有数据推送功能，可以支持以mqtt协议实时向saas侧推送设备实时数据、设备实时上下线事件、实时命令响应等；支持tcp、websocket推送，支持把数据加密后再进行推送；
本发明设置有工业大数据模块，可以支持大数据分析建模，支持结合设备档案建立资产模型，可以实现大数据计算结果支持实时推送与大数据计算结果支持自动保存；本发明可以实现多种云部署方式，可支持公有云或私有云或混合云多种方式部署。
本发明可以促进企业内、企业间信息互联互通，实现信息、服务、技术资源共享，消除信息孤岛；可以推动数字化、智能化生产，本发明还公开了智能选煤的方法，可以实现智能化选煤的功能，大大减少了人工成本，提高了选煤的精度与效率，本发明还可以实现煤体图像采集的矫正，可以通过已知非畸变图像的坐标，求击畸变图像中的坐标，这样就可以从畸变图像中的坐标信息得到想要的像素值(因为畸变图像是已知的)，找到非畸变图像中的所有像素点后将值赋给输出图像，就得到了非畸变图像，即矫正后的图像，提高了选煤的精度，经过矫正后的煤体图像再通过两次与标准煤体图像对比，进一步提高了选煤的精确度，本发明提高了生产效率，提升产品服务质量；本发明可以协助选煤厂数字化、智能化转型，带动大中小型企业经济发展，实现行业协同智能制造。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种智能管理选煤平台及其方法，其特征在于：该智能选煤***包括API模块、工业大数据模块、工业网关模块、算法引擎模块、工业视觉模块、平台推送模块、基础服务模块、边缘计算模块与数字孪生模块，所述API模块用于设备管理、产品管理、数据管理与命令管理，所述工业大数据模块用于数据采集、数据存储、数据处理与汇集工业数据，所述工业网关模块用于采集自动化控制***数据，并将其提供给选煤厂iCMES***，实时展示生产参数，实时反映现场生产状况和选煤厂设备运行的各项KPI指标，所述算法引擎模块支持朴素贝叶斯分类、逻辑回归、支撑向量机与图像矫正算法并提供分析结果，所述工业视觉模块包括有采集终端，采集终端用于视频识别、视频采集，并对动态场景中的目标进行定位、识别和跟踪，所述平台推送模块用于向***提供消息推送与消息回溯服务，所述基础服务模块用于为选煤厂资源管理***的用户、业务及底层数据提供授权、访问控制、及权限管理的功能，所述边缘计算模块为融合网络、计算、存储、应用核心能力的分布式开放平台，该边缘计算模块用于提供边缘智能服务，所述数字孪生模块用于实现包括工艺模型、设备模型、分析模型以及知识库模型的开发。
2.根据权利要求1所述的一种智能管理选煤平台及其方法，其特征在于：所述选煤方法包括如下步骤：
步骤S1：首先建立数据库，在工业大数据模块内的数据库中提前录入煤体相关的图像及与标准煤体图像绑定的灰度、体积、形状与纹理特征信息；
步骤S2：采用超声波探测装置对传送带上的煤体进行超声波检测，获得被测对象的超声回波信号，并将所获得的超声回波信号同步传送至工业大数据模块；
步骤S3：启动选煤采集终端；
步骤S4：通过采集终端采集传送皮带上煤体的图像，同时记录采集时间At；
步骤S5：判断图像是否存在畸变；
步骤S6：将采集到的煤体图像与煤体的采集时间At作为关联组存储到工业大数据模块内的存储器与云端的服务器中；
步骤S7：通过采集终端内的微处理器采集并识别图像中煤体的灰度、体积、形状与纹理特征信息；
步骤S8：将识别后的煤体图像标记为初次识别的煤体图像，采集终端内的微处理器将初次识别到煤体图像的灰度、体积、形状与纹理特征信息与工业大数据模块中提前录入的标准煤体图像绑定的灰度、体积、形状与纹理特征信息进行初次匹配对比并标记；
步骤S9：通过分拣机器人将不符合标准的煤体从煤料中分离；
步骤S10：终端内的微处理器对初次识别后的煤体进行二次识别，识别煤图像中煤体的灰度、体积、形状与纹理特征信息；
若识别到煤体图像特征信息与提前录入的标准煤体图像绑定的特征信息不匹配，则执行步骤S9；
若识别到煤体图像特征信息与提前录入的标准煤体图像绑定的特征信息匹配，则执行步骤S11；
步骤S11：标记为二次识别的煤体图像,微处理器将初次识别的煤体图像上传到搜索服务器；
步骤S12：搜索服务器将初次采集的煤体图像中煤体的灰度、体积、形状与纹理特征信息与数据库中提前录入的标准煤体图像绑定的灰度、体积、形状与纹理特征信息进行再次匹配对比并标记；
步骤S13：若初次采集的煤体图像中煤体的灰度、体积、形状与纹理特征信息与数据库中提前录入的标准煤体图像绑定的灰度、体积、形状与纹理特征信息匹配，则发送至终端进行显示或播报。
3.根据权利要求2所述的一种智能管理选煤平台及其方法，其特征在于：所述步骤S5中，若图像不存在畸变则执行步骤S6，若如图像存在畸变,则通过算法引擎模块执行图像矫正。
4.根据权利要求3所述的一种智能管理选煤平台及其方法，其特征在于：所述图像矫正包括以下步骤：
步骤S5-1：获取图像，找到与标准图像坐标对应的畸变坐标；
步骤S5-2：通过内参矩阵归一化畸变图像的坐标；
步骤S5-3：通过径向畸变模型得到归一化的畸变坐标；
步骤S5-4：坐标映射返回去归一化，得到畸变坐标；
步骤S5-5：根据图像畸变坐标建立图像计算模型，确定图像的矫正区域；
步骤S5-6：通过插值对畸变矫正计算模型进行数值求解，求径向畸变参数；
步骤S5-7：对输出图像的像素点做遍历，依次找到输出点对应原图点的像素值，再将值赋给输出图像；
步骤S5-8：将输出图像发送至工业大数据模块。
5.根据权利要求4所述的一种智能管理选煤平台及其方法，其特征在于：所述步骤S5-1中标准图像坐标设为a,b,所述畸变坐标设为c_distorted，m_distorted。
6.根据权利要求5所述的一种智能管理选煤平台及其方法，其特征在于：所述步骤S5-2中内参矩阵设为L,用于归一化坐标，所述步骤S5-2中通过内参矩阵归一化畸变图像的坐标的计算方式为：
a1＝(a-da)/fa；
b1＝(b-db)/fb。
7.根据权利要求4所述的一种智能管理选煤平台及其方法，其特征在于：所述步骤S5-3中径向畸变参数设为J,采用如下畸变模型：
r2＝a1^2+b1^2；
x2＝a1*(1+J(1)*r2+J(2)*r2^2)；
y2＝b1*(1+J(1)*r2+J(2)*r2^2)。
8.根据权利要求7所述的一种智能管理选煤平台及其方法，其特征在于：所述步骤S5-4中去归一化的计算方式为：
列:c_distorted＝fa*a2+ca；
行:m_distorted＝fb*b2+cb。
9.根据权利要求4所述的一种智能管理选煤平台及其方法，其特征在于：所述步骤S5-7中，通过最近邻插值法对输出图像进行赋值。
10.根据权利要求2所述的一种智能管理选煤平台及其方法，其特征在于：所述步骤S12中，若初次采集的煤体图像中煤体的灰度、体积、形状与纹理特征信息与数据库中提前录入的标准煤体图像绑定的灰度、体积、形状与纹理特征信息不匹配，则执行步骤S9。
CN202011607075.8A 2020-12-30 2020-12-30 一种智能管理选煤平台及其方法 Active CN112871703B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011607075.8A CN112871703B (zh) 2020-12-30 2020-12-30 一种智能管理选煤平台及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011607075.8A CN112871703B (zh) 2020-12-30 2020-12-30 一种智能管理选煤平台及其方法

Publications (2)

Publication Number Publication Date
CN112871703A true CN112871703A (zh) 2021-06-01
CN112871703B CN112871703B (zh) 2022-09-06

Family

ID=76046359

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011607075.8A Active CN112871703B (zh) 2020-12-30 2020-12-30 一种智能管理选煤平台及其方法

Country Status (1)

Country Link
CN (1) CN112871703B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113359635A (zh) * 2021-06-17 2021-09-07 中国水利水电第九工程局有限公司 矿石量化均质搭配智能控制方法
CN114950261A (zh) * 2022-05-31 2022-08-30 陕西陕煤曹家滩矿业有限公司 配煤控制***
CN115100440A (zh) * 2022-08-22 2022-09-23 深圳市今朝时代股份有限公司 基于超级电容储能的电源监管反馈***
CN115646848A (zh) * 2022-10-21 2023-01-31 微山金源煤矿 一种煤矿智能分类方法及***
CN116152344A (zh) * 2023-04-18 2023-05-23 天津德通电气有限公司 一种基于形状数据库识别的选煤方法及***
JP2023090608A (ja) * 2021-12-17 2023-06-29 中国鉱業大学 デジタルツインに基づく工業用ふるい分け効果の動的評価方法
CN117032972A (zh) * 2023-08-15 2023-11-10 中交路桥科技有限公司 一种基于云网边端的边坡监测***
CN117172967A (zh) * 2023-08-11 2023-12-05 广州市抖品品牌管理有限公司 一种企业品牌宣传服务管理***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473568A (zh) * 2013-09-13 2013-12-25 山东科技大学 煤与矸石分选装置及其分选方法
CN104363986A (zh) * 2014-10-31 2015-02-18 华为技术有限公司 一种图像处理方法和设备
US20160065912A1 (en) * 2012-05-22 2016-03-03 Cognex Corporation Machine vision systems and methods with predictive motion control
CN108711146A (zh) * 2018-04-19 2018-10-26 中国矿业大学 一种基于可见光和红外图像融合的煤岩识别装置及方法
CN111266304A (zh) * 2019-12-02 2020-06-12 唐山因泰智能科技发展有限公司 一种煤块识别检测分选***
CN111291728A (zh) * 2020-03-18 2020-06-16 北京华能新锐控制技术有限公司 违规翻越传输带行为的检测***及检测设备、检测方法
CN112147947A (zh) * 2020-08-20 2020-12-29 南京业恒达智能***股份有限公司 数字孪生选煤智能控制***

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160065912A1 (en) * 2012-05-22 2016-03-03 Cognex Corporation Machine vision systems and methods with predictive motion control
CN103473568A (zh) * 2013-09-13 2013-12-25 山东科技大学 煤与矸石分选装置及其分选方法
CN104363986A (zh) * 2014-10-31 2015-02-18 华为技术有限公司 一种图像处理方法和设备
CN108711146A (zh) * 2018-04-19 2018-10-26 中国矿业大学 一种基于可见光和红外图像融合的煤岩识别装置及方法
CN111266304A (zh) * 2019-12-02 2020-06-12 唐山因泰智能科技发展有限公司 一种煤块识别检测分选***
CN111291728A (zh) * 2020-03-18 2020-06-16 北京华能新锐控制技术有限公司 违规翻越传输带行为的检测***及检测设备、检测方法
CN112147947A (zh) * 2020-08-20 2020-12-29 南京业恒达智能***股份有限公司 数字孪生选煤智能控制***

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113359635B (zh) * 2021-06-17 2023-03-14 中国水利水电第九工程局有限公司 矿石量化均质搭配智能控制方法
CN113359635A (zh) * 2021-06-17 2021-09-07 中国水利水电第九工程局有限公司 矿石量化均质搭配智能控制方法
JP7401934B2 (ja) 2021-12-17 2023-12-20 中国鉱業大学 デジタルツインに基づく工業用ふるい分け効果の動的評価方法
JP2023090608A (ja) * 2021-12-17 2023-06-29 中国鉱業大学 デジタルツインに基づく工業用ふるい分け効果の動的評価方法
CN114950261A (zh) * 2022-05-31 2022-08-30 陕西陕煤曹家滩矿业有限公司 配煤控制***
CN115100440A (zh) * 2022-08-22 2022-09-23 深圳市今朝时代股份有限公司 基于超级电容储能的电源监管反馈***
CN115100440B (zh) * 2022-08-22 2023-01-10 深圳市今朝时代股份有限公司 基于超级电容储能的电源监管反馈***
CN115646848A (zh) * 2022-10-21 2023-01-31 微山金源煤矿 一种煤矿智能分类方法及***
CN116152344A (zh) * 2023-04-18 2023-05-23 天津德通电气有限公司 一种基于形状数据库识别的选煤方法及***
CN116152344B (zh) * 2023-04-18 2023-07-11 天津德通电气有限公司 一种基于形状数据库识别的选煤方法及***
CN117172967A (zh) * 2023-08-11 2023-12-05 广州市抖品品牌管理有限公司 一种企业品牌宣传服务管理***
CN117032972A (zh) * 2023-08-15 2023-11-10 中交路桥科技有限公司 一种基于云网边端的边坡监测***
CN117032972B (zh) * 2023-08-15 2024-05-14 中交路桥科技有限公司 一种基于云网边端的边坡监测***

Also Published As

Publication number Publication date
CN112871703B (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
CN112871703B (zh) 一种智能管理选煤平台及其方法
CN110719210B (zh) 一种基于云边协同的工业设备预测性维护方法
CN109639481B (zh) 一种基于深度学习的网络流量分类方法、***及电子设备
CN113283344B (zh) 一种基于语义分割网络的矿用输送带跑偏检测方法
CN115097788A (zh) 一种基于数字孪生工厂的智能管控平台
CN110807460B (zh) 一种基于图像识别的变电站智能巡视***及其应用方法
CN110996259B (zh) 一种基于边缘计算的智慧垃圾监控清运方法及装置
CN108009497A (zh) 图像识别监控方法、***、计算设备以及可读存储介质
CN112950400A (zh) 数据处理平台
CN115269438A (zh) 针对图像处理算法的自动化测试方法及装置
CN112508911A (zh) 基于巡检机器人的轨交接触网悬挂支撑部件裂纹检测***及其检测方法
Bhargava et al. A study on potential of big visual data analytics in construction Arena
CN117114420B (zh) 一种基于图像识别的工贸安全事故风险管控***和方法
CN116760884B (zh) 一种海洋大数据云服务***与应用方法
CN113807599A (zh) 一种智慧建造信息化综合管理云平台
CN110661999A (zh) 一种基于大数据的视频监控***
CN117391454A (zh) 一种基于云边协同的工业管理***和方法
CN116934674A (zh) 一种基于YOLOv8网络的大粒度硅料检测与清除***
CN115190277B (zh) 施工区域的安全监控方法、装置、设备及存储介质
CN111062827A (zh) 一种基于人工智能模式的工程监理方法
CN116485367A (zh) 基于物联网的建筑安全用巡检***及其方法
CN115435684A (zh) 一种尺寸缺陷检测方法、装置、设备及存储介质
CN115696169A (zh) 一种mes生产管理***的数据获取方法
CN112149562B (zh) 基于多功能杆的道路智慧养护***及方法
KR102407361B1 (ko) 인공 지능 기반 공정 인식 시스템

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 300000 No.7 Xinxing 1st branch road, Xiqing District, Tianjin

Patentee after: TIANJIN DETONG ELECTRIC Co.,Ltd.

Address before: 300000 No.7 Xinxing 1st branch road, Xiqing District, Tianjin

Patentee before: TIANJIN DETONG ELECTRICAL CO.,LTD.