CN113034021A - 基于机巡数据的输电线路缺陷分析方法及*** - Google Patents
基于机巡数据的输电线路缺陷分析方法及*** Download PDFInfo
- Publication number
- CN113034021A CN113034021A CN202110364652.3A CN202110364652A CN113034021A CN 113034021 A CN113034021 A CN 113034021A CN 202110364652 A CN202110364652 A CN 202110364652A CN 113034021 A CN113034021 A CN 113034021A
- Authority
- CN
- China
- Prior art keywords
- transmission line
- power transmission
- defect analysis
- image data
- defect
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 74
- 238000004458 analytical method Methods 0.000 title claims abstract description 63
- 230000005540 biological transmission Effects 0.000 title claims abstract description 63
- 238000000605 extraction Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims description 17
- 238000007689 inspection Methods 0.000 claims description 15
- 239000000284 extract Substances 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 abstract description 6
- 238000010276 construction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000012212 insulator Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000012552 review Methods 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种基于机巡数据的输电线路缺陷分析方法及***，通过无人机进行巡线，在巡线过程中拍摄图像数据，无需人工巡线，省心省力。无人机将获取的图像数据发送给主控中心，主控中心对图像数据进行预处理后，通过特征提取单元识别并提取图像数据中的输电线路部件特征，然后将部件特征放入缺陷分析单元通过缺陷分析数据库结合预警分析算法对该部件特征进行分析，可以迅速识别出存在缺陷的输电线路，无需人工识别并且极大的提升了识别效率。此外图像数据中还附带有定位信息和当前线路的标识信息，当主控中心发现缺陷时可以第一时间定位缺陷所在地点，第一时间前往现场消除隐患，提高了运维效率。
Description
技术领域
本发明涉及输电线路运维领域，具体的涉及一种基于机巡数据的输电线路缺陷分析方法及***。
背景技术
电力***运行的一个基本目标是在合理的规划下向人们提供稳定而高质量的电能。现阶段，电力建设发展迅速，但许多弊端也接踵而来：电力建设现场安全管理制度不完善；绝大多数的输电设备长期暴露在恶劣条件的环境里，施工路段复杂给安全生产带来了极大的隐患。在输电线路的传统巡检中，常出现受地形、天气等自然因素影响较大、巡检效率低下、工作安全问题严峻等问题。尽管现阶段采用无人机代替巡检，但数据的分析依然采用人工识别。人力成本高，并且识别效率低。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于机巡数据的输电线路缺陷分析方法及***，能够自动完成输电线路的缺陷分析，减少人力成本，提高识别效率。
根据本发明第一方面实施例的基于机巡数据的输电线路缺陷分析方法，包括：
用户通过控制中心输入巡线计划，控制中心给无人机发送导航数据；
无人机根据导航数据进行巡线并且在巡线过程中对输电线路进行拍照，获取输电线路的照片，在记录照片的同时附加拍摄时的定位信息和当前线路的标识信息，得到指定输电线路的图像数据；
无人机将获取的图像数据发送给控制中心；
控制中心通过预处理单元首先对图像数据进行预处理；
预处理后的图像数据发送给特征提取单元，特征提取单元识别并提取图像数据中的输电线路部件特征；
特征提取单元将部件特征发送给缺陷分析单元，所述缺陷分析单元通过缺陷分析数据库结合预警分析算法对该部件特征进行分析，判断是否存在缺陷，如果出现缺陷，则发出缺陷警告并显示该部件的所在位置和标识信息。
根据本发明第一方面实施例的基于机巡数据的输电线路缺陷分析方法，至少具有如下技术效果：本发明实施方式通过无人机进行巡线，在巡线过程中拍摄图像数据，无需人工巡线，省心省力。无人机将获取的图像数据发送给主控中心，主控中心对图像数据进行预处理后，通过特征提取单元识别并提取图像数据中的输电线路部件特征，然后将部件特征放入缺陷分析单元通过缺陷分析数据库结合预警分析算法对该部件特征进行分析，可以迅速识别出存在缺陷的输电线路，无需人工识别并且极大的提升了识别效率。
此外图像数据中还附带有定位信息和当前线路的标识信息，当主控中心发现缺陷时可以第一时间定位缺陷所在地点，第一时间前往现场消除隐患，提高了运维效率。
根据本发明的一些实施例，所述当前线路的标识信息包括输电线路的名称、输电线路所在台区和塔杆的信息。
根据本发明的一些实施例，所述预处理的详细步骤为
首先确定编码、巡检图像的命名格式是否正确，然后根据巡检图像后缀名确定编码格式，并检查巡检图像是否损坏；
最后通过空间域滤波法和频率域滤波法对图像进行去噪声处理。
根据本发明的一些实施例，所述特征提取单元采用YOLO模型提取算法提取图像数据中的部件特征。
根据本发明的一些实施例，所述特征提取单元采用RCNN模型提取算法提取图像数据中的部件特征。
根据本发明的一些实施例，所述特征提取单元采用SSD模型提取算法提取图像数据中的部件特征。
根据本发明的一些实施例，所述预警分析算法为PCA－KMeans的多维度预警分析方法。
根据本发明的一些实施例，还包括人工复核步骤：如果缺陷分析单元判断当前输电线路存在缺陷，则将该图像数据发送给人工识别单元进行人工二次判断。
根据本发明第二方面实施例的基于机巡数据的输电线路缺陷分析***，包括无人机和控制中心，所述控制中心通过上述的基于机巡数据的输电线路缺陷分析方法进行输电线路的缺陷分析。
根据本发明第二方面实施例的基于机巡数据的输电线路缺陷分析***，至少具有如下技术效果：
本发明实施方式通过无人机进行巡线，在巡线过程中拍摄图像数据，无需人工巡线，省心省力。无人机将获取的图像数据发送给主控中心，主控中心对图像数据进行预处理后，通过特征提取单元识别并提取图像数据中的输电线路部件特征，然后将部件特征放入缺陷分析单元通过缺陷分析数据库结合预警分析算法对该部件特征进行分析，可以迅速识别出存在缺陷的输电线路，无需人工识别并且极大的提升了识别效率。
此外图像数据中还附带有定位信息和当前线路的标识信息，当主控中心发现缺陷时可以第一时间定位缺陷所在地点，第一时间前往现场消除隐患，提高了运维效率。
本发明的附加方面和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
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例中基于机巡数据的输电线路缺陷分析方法的流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号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例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
参考图1，一种基于机巡数据的输电线路缺陷分析方法，包括：
S1、用户通过控制中心输入巡线计划，控制中心给无人机发送导航数据；
S2、无人机根据导航数据进行巡线并且在巡线过程中对输电线路进行拍照，通过摄像头拍摄输电线路的照片，在记录照片的同时附加拍摄时的定位信息和当前线路的标识信息，例如输电线路的名称、输电线路所在台区和塔杆的信息等等，得到当前输电线路的图像数据；
S3、无人机将获取的图像数据发送给控制中心，本实施例中选用搭载5G通信模块的无人机进行巡检，传输速率更快；
S4、控制中心的服务器接收图像数据后，服务器内搭载的预处理单元首先对图像数据进行预处理，预处理的详细步骤为
首先确定编码、巡检图像的命名格式是否正确，然后根据巡检图像后缀名确定编码格式，并检查巡检图像是否损坏，这一步骤是为方面后续的单元对图像数据进行读取、存储和分析；
因为无人机巡检在采集图像的过程中常常会受到光照、噪声的影响，从而造成图像有大量噪声、图像明暗不均衡及图像质量下降等问题，因此还需要对图像进行去噪声处理，本实施例中预处理单元通过空间域滤波法和频率域滤波法进行噪声步骤。
S5、预处理后的图像数据发送给特征提取单元，特征提取单元识别并提取图像数据中的输电线路部件特征，特征提取单元可以采用YOLO模型提取算法、RCNN模型提取算法或SSD模型提取算法中的一种或多种提取图像数据中的部件特征，例如可以采用YOLO模型提取算法对防震锤的圆形部分进行提取，通过RCNN模型提取算法提取图像中的纹理特征来识别绝缘子，通过SSD模型提取算法提取输电线的边缘线。
S6、特征提取单元将部件特征发送给缺陷分析单元，缺陷分析单元通过缺陷分析数据库结合预警分析算法对该部件特征进行分析，本实施例中预警分析算法为PCA－KMeans的多维度预警分析方法，判断是否存在缺陷，如果出现缺陷，例如绝缘子破碎、输电线断股、杆塔异物、防振锤断头等，则发出缺陷警告。
为了提高识别的准确率，还包括人工复核步骤：如果缺陷分析单元判断当前输电线路存在缺陷，则将该图像数据发送给人工识别单元进行人工二次判断。当人工也判断存在缺陷后发出警告并将缺陷发生地的并位置和标识信息发送给控制中心的预警平台，使运维人员可以第一时间前往现场进行查看，及时消除故障隐患。
本发明还涉及一种基于机巡数据的输电线路缺陷分析***，包括无人机和控制中心，控制中心通过上述的基于机巡数据的输电线路缺陷分析方法进行输电线路的缺陷分析。
综上所述，本发明实施例通过无人机进行巡线，在巡线过程中拍摄图像数据，无需人工巡线，省心省力。无人机将获取的图像数据发送给主控中心，主控中心对图像数据进行预处理后，通过特征提取单元识别并提取图像数据中的输电线路部件特征，然后将部件特征放入缺陷分析单元通过缺陷分析数据库结合预警分析算法对该部件特征进行分析，可以迅速识别出存在缺陷的输电线路，无需人工识别并且极大的提升了识别效率。
此外图像数据中还附带有定位信息和当前线路的标识信息，当主控中心发现缺陷时可以第一时间定位缺陷所在地点，第一时间前往现场消除隐患，提高了运维效率。
上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所述技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (9)
1.一种基于机巡数据的输电线路缺陷分析方法，其特征在于，包括：
用户通过控制中心输入巡线计划，控制中心给无人机发送导航数据；
无人机根据导航数据进行巡线并且在巡线过程中对输电线路进行拍照，获取输电线路的照片，在记录照片的同时附加拍摄时的定位信息和当前线路的标识信息，得到指定输电线路的图像数据；
无人机将获取的图像数据发送给控制中心；
控制中心通过预处理单元首先对图像数据进行预处理；
预处理后的图像数据发送给特征提取单元，特征提取单元识别并提取图像数据中的输电线路部件特征；
特征提取单元将部件特征发送给缺陷分析单元，所述缺陷分析单元通过缺陷分析数据库结合预警分析算法对该部件特征进行分析，判断是否存在缺陷，如果出现缺陷，则发出缺陷警告并显示该部件的所在位置和标识信息。
2.根据权利要求1所述的基于机巡数据的输电线路缺陷分析方法，其特征在于：所述当前线路的标识信息包括输电线路的名称、输电线路所在台区和塔杆的信息。
3.根据权利要求1所述的基于机巡数据的输电线路缺陷分析方法，其特征在于：所述预处理的详细步骤为
首先确定编码、巡检图像的命名格式是否正确，然后根据巡检图像后缀名确定编码格式，并检查巡检图像是否损坏；
最后通过空间域滤波法和频率域滤波法对图像进行去噪声处理。
4.根据权利要求1所述的基于机巡数据的输电线路缺陷分析方法，其特征在于：所述特征提取单元采用YOLO模型提取算法提取图像数据中的部件特征。
5.根据权利要求1所述的基于机巡数据的输电线路缺陷分析方法，其特征在于：所述特征提取单元采用RCNN模型提取算法提取图像数据中的部件特征。
6.根据权利要求1所述的基于机巡数据的输电线路缺陷分析方法，其特征在于：所述特征提取单元采用SSD模型提取算法提取图像数据中的部件特征。
7.根据权利要求1所述的基于机巡数据的输电线路缺陷分析方法，其特征在于：所述预警分析算法为PCA－KMeans的多维度预警分析方法。
8.根据权利要求1所述的基于机巡数据的输电线路缺陷分析方法，其特征在于：还包括人工复核步骤：如果缺陷分析单元判断当前输电线路存在缺陷，则将该图像数据发送给人工识别单元进行人工二次判断。
9.一种基于机巡数据的输电线路缺陷分析***，包括无人机和控制中心，所述控制中心通过权利要求1至8任意一项所述的基于机巡数据的输电线路缺陷分析方法进行输电线路的缺陷分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110364652.3A CN113034021A (zh) | 2021-04-02 | 2021-04-02 | 基于机巡数据的输电线路缺陷分析方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110364652.3A CN113034021A (zh) | 2021-04-02 | 2021-04-02 | 基于机巡数据的输电线路缺陷分析方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113034021A true CN113034021A (zh) | 2021-06-25 |
Family
ID=76453841
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110364652.3A Pending CN113034021A (zh) | 2021-04-02 | 2021-04-02 | 基于机巡数据的输电线路缺陷分析方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113034021A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114442658A (zh) * | 2021-12-23 | 2022-05-06 | 河南福多电力工程有限公司 | 输配电线路无人机自动巡检***及其运行方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106570947A (zh) * | 2016-11-07 | 2017-04-19 | 宁波精丰测控技术有限公司 | 电力设施智能巡检***及方法 |
| CN106771856A (zh) * | 2016-11-30 | 2017-05-31 | 国网河南省电力公司滑县供电公司 | 基于无人机技术的电力输电线路雷击点确定方法 |
| CN107014827A (zh) * | 2017-04-24 | 2017-08-04 | 国家电网公司 | 基于影像处理的输电线路缺陷分析方法、装置和*** |
| CN110443908A (zh) * | 2019-07-04 | 2019-11-12 | 广州科易光电技术有限公司 | 一种基于无人机的电力巡检方法及*** |
| CN110794873A (zh) * | 2019-11-28 | 2020-02-14 | 云南电网有限责任公司电力科学研究院 | 一种电力输电线路自动巡检***及方法 |
-
2021
- 2021-04-02 CN CN202110364652.3A patent/CN113034021A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106570947A (zh) * | 2016-11-07 | 2017-04-19 | 宁波精丰测控技术有限公司 | 电力设施智能巡检***及方法 |
| CN106771856A (zh) * | 2016-11-30 | 2017-05-31 | 国网河南省电力公司滑县供电公司 | 基于无人机技术的电力输电线路雷击点确定方法 |
| CN107014827A (zh) * | 2017-04-24 | 2017-08-04 | 国家电网公司 | 基于影像处理的输电线路缺陷分析方法、装置和*** |
| CN110443908A (zh) * | 2019-07-04 | 2019-11-12 | 广州科易光电技术有限公司 | 一种基于无人机的电力巡检方法及*** |
| CN110794873A (zh) * | 2019-11-28 | 2020-02-14 | 云南电网有限责任公司电力科学研究院 | 一种电力输电线路自动巡检***及方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114442658A (zh) * | 2021-12-23 | 2022-05-06 | 河南福多电力工程有限公司 | 输配电线路无人机自动巡检***及其运行方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111709361B (zh) | 一种输电线路无人机巡检数据处理方法 | |
| CN108416294B (zh) | 一种基于深度学习的风机叶片故障智能识别方法 | |
| CN108872781B (zh) | 基于电力设施智能巡检的分析方法及装置 | |
| CN109255288A (zh) | 一种路面破损检测方法、装置及终端设备 | |
| CN106547814A (zh) | 一种输电线路无人机巡检图像的结构化自动归档方法 | |
| CN111914813A (zh) | 基于图像分类的输电线路巡检图像命名方法及*** | |
| CN108846331A (zh) | 一种动车组底盘螺丝紧固件是否脱落的视频识别方法 | |
| CN115393347B (zh) | 一种基于城市大脑的电网智能巡检方法及*** | |
| CN111899219A (zh) | 一种输电线路机巡的图像识别方法及*** | |
| CN111145159A (zh) | 提取巡检关键部件点的方法及装置 | |
| CN114187511A (zh) | 一种输电全景大数据智能监控方法 | |
| 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 | |
| CN113034021A (zh) | 基于机巡数据的输电线路缺陷分析方法及*** | |
| CN115936672A (zh) | 一种智慧电网在线安全运维管理方法和*** | |
| CN116309303A (zh) | 基于红外图像的电气设备缺陷检测方法、装置及相关设备 | |
| CN113743725B (zh) | 基于边缘计算的登高作业人员的登高资质检测方法及*** | |
| CN113065462A (zh) | 用于电网架空线路的监测方法、装置、设备及存储介质 | |
| CN112967224A (zh) | 一种基于人工智能的电子电路板检测***、方法及介质 | |
| CN117114420A (zh) | 一种基于图像识别的工贸安全事故风险管控***和方法 | |
| CN110826473A (zh) | 一种基于神经网络的绝缘子图像自动识别方法 | |
| CN113538434B (zh) | 一种电力设备缺陷识别方法、***和可读存储介质 | |
| CN115880803A (zh) | 一种智能巡检***及方法 | |
| CN114898181A (zh) | 用于涉爆视频的隐患违章识别方法及装置 | |
| CN110196152A (zh) | 基于机器视觉的大型景观灯组的故障诊断方法与*** | |
| CN113298893A (zh) | 一种基于电力调度的人工智能图像处理方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210625 |