CN113989357A - 一种基于监控视频的盾构出渣级配快速估算方法 - Google Patents
一种基于监控视频的盾构出渣级配快速估算方法 Download PDFInfo
- Publication number
- CN113989357A CN113989357A CN202111326781.XA CN202111326781A CN113989357A CN 113989357 A CN113989357 A CN 113989357A CN 202111326781 A CN202111326781 A CN 202111326781A CN 113989357 A CN113989357 A CN 113989357A
- Authority
- CN
- China
- Prior art keywords
- slag
- video
- tapping
- images
- grading
- 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
- 238000010079 rubber tapping Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 239000002893 slag Substances 0.000 claims abstract description 63
- 239000004575 stone Substances 0.000 claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 239000002245 particle Substances 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 3
- 239000011435 rock Substances 0.000 claims description 2
- 238000007599 discharging Methods 0.000 claims 1
- 238000009412 basement excavation Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000009434 installation Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 3
- 239000002002 slurry Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于监控视频的盾构出渣级配快速估算方法,其特征在于,包括以下步骤:在盾构出渣口安装视频传感器实现出渣录像视频的实时采集,在对该出渣录像视频均分后再采用帧差法获得每份视频中的白色像素区域即出渣的块石,解决了传统帧差法无法捕获大量出渣块石的问题,同时,基于棋盘标定板图像尺寸与棋盘标定板尺寸的比值获得标定系数,基于该标定系数来计算视频帧图像中白色像素区域即块石的尺寸,使得计算得到的块石尺寸与其实际尺寸更加接近,最后,由于通过计算每个级配区段的出渣级配再基于图像序列的平均计算得到最终出渣级配结果,因此使得最终出渣级配的估算更为精准。
Description
技术领域
本发明涉及一种基于监控视频的盾构出渣级配快速估算方法。
背景技术
随着城市化进程的加快,盾构法修建隧道在我国的需求越来越大,其中泥水盾构是其中一种重要的施工工法。在泥水盾构工程施工过程中,随着开挖面的掘进将产生大量的渣土渣石废料,经过筛分处理后,出渣有机会回收再次成为建材资源。由于盾构隧道的工法特点,可以直接接触地质开挖面的机会不多,未筛分的出渣级配参数取决于泥浆配料和围岩特性,从一定程度上可以间接反映地质参数。
目前对于盾构出渣参数的计算和控制,目前主要依靠盾构主司机经验估计,主观因素比较大。而针对盾构出渣的级配,目前暂无在出渣阶段的实时计算方式,目前主要在出渣后通过筛分进行估算。由于这种方法具有滞后性,经过矿渣的二次筛分才能确定块石粒径的分布,出渣失去了动态实时反映地质参数的效果。而且通常盾构开挖每一环的渣土量比较大,所以渣土的粒度判定级别也比较粗,不利于通过出渣了解掘进过程的地质条件。因此盾构隧道工程中亟需一种盾构出渣参数快速计算方法。
现有的视频运动目标检测方法主要包括帧差法,光流法和背景减除法等。其中,传统帧差法仅适合捕获少量运动物体,而在盾构出渣的捕获中,运动目标多,而且关注点并不仅仅在于运动目标的捕获,而是在一段视频范围内的块石颗粒级配分布,传统帧差法难以应对。因此如何充分利用帧差法运动捕获的结果,并构建适当的盾构出渣级配计算方法值得研究。
发明内容
为解决上述问题,提供一种精细且实时估算出渣级配的方法,本发明采用了如下技术方案:
本发明提供了一种基于监控视频的盾构出渣级配快速估算方法,其特征在于,包括以下步骤:步骤S1,在盾构出渣口安装视频传感器获取监控视频,基于监控视频对出渣位置进行标记;步骤S2,选取盾构不出渣的时段,将不同尺寸的棋盘标定板放置在出渣位置,基于视频传感器获取与不同尺寸的棋盘标定板对应的不同尺寸的棋盘标定板图像,根据棋盘标定板图像的尺寸与棋盘标定板的实际尺寸的比值获取标定系数;步骤S3,对视频传感器设定每次出渣的录像时间间隔t,实时获取出渣录像视频,并将出渣录像视频均分为n份,每份视频分别记作fi(x),其中,i=1,2…n,x表示第i份视频中图像的第x帧;步骤S4,在每份视频fi(x)中获取连续的m帧彩色图像;步骤S5,对m帧彩色图像进行处理得到预定数量的黑白图像,基于标定系数对预定数量的黑白图像中的白色像素区域的实际尺寸进行计算并统计其分布情况,获取每个级配区段内的白色像素区域的个数s;步骤S6,基于每个级配区段内的白色像素区域的个数s,统计n份视频的最终出渣级配值,其中,白色像素区域为出渣的块石,每个级配区段通过对块石粒径大小的预设区间进行平均划分得到。
本发明提供的一种基于监控视频的盾构出渣级配快速估算方法,还可以具有这样的技术特征,其中,步骤S5包括以下子步骤:步骤S5-1,将m帧彩色图像进行灰度化处理得到m帧灰度图像;步骤S5-2,消除m帧灰度图像的部分噪声;步骤S5-3,基于帧差法对除噪后的m帧灰度图像进行处理得到m-1个黑白图像;步骤S5-4,将m-1个黑白图像中的白色像素区域记为出渣的块石,并根据标定系数获取每一个白色像素区域的最大尺寸h(x),并统计该m-1个黑白图像中的h(x)分布,获取每个级配区段内的白色像素区域的个数s。
本发明提供的一种基于监控视频的盾构出渣级配快速估算方法,还可以具有这样的技术特征,其中,在步骤S5-2中,采用高斯滤波器进行平滑处理以消除部分噪声。
本发明提供的一种基于监控视频的盾构出渣级配快速估算方法,还可以具有这样的技术特征,其中,步骤S5-3包括以下步骤:
将m帧灰度图像按顺序作差,即将第m帧灰度图像减去第m-1帧灰度图像,得到m-1个灰度图像,满足表达式:
Ki(j)=fi(m)-fi(m-1)
式中,Ki(j)为第i份视频的灰度图像序列,其中,j=1,2...m-1;对第i份视频的灰度图像序列Ki(j)进行二值化处理得到对应的黑白图像序列Gi(j),该序列Gi(j)包含m-1个黑白图像,其中,二值化处理公式为:
式中,L为预先设定的阈值,该阈值设定为:L=(Imax-(Imax-Imin))/2,其中,Imax和Imin分别表示图像灰度值的最大值和最小值。
本发明提供的一种基于监控视频的盾构出渣级配快速估算方法,还可以具有这样的技术特征,其中,最终出渣级配值的计算公式为:
式中,Wz为n份视频的最终出渣级配值,sij(z)为第i份视频的第j个黑白图像的第z个级配区段的白色像素区域个数。
发明作用与效果
根据本发明的一种基于监控视频的盾构出渣级配快速估算方法,通过在盾构出渣口安装视频传感器实现了出渣录像视频的实时采集,由于在对该出渣录像视频均分后再采用帧差法获得每份视频中的白色像素区域即出渣的块石,因此解决了传统帧差法无法捕获大量出渣块石的问题。同时,采用了棋盘标定方法中的标定系数来计算视频帧图像中块石的尺寸,使得计算得到的块石尺寸与其实际尺寸更加接近。最后,由于最终出渣级配结果是通过计算每个级配区段的出渣级配再基于图像序列的平均计算得到,因此使得最终出渣级配的估算更为精准。
本发明的基于监控视频的盾构出渣级配快速估算方法,通过视频分段与帧差法相结合,实现了对出渣块石的像素区域的动态捕获,并基于对分段视频中块石的像素区域的统计得到整个视频的出渣级配结果,建立起了基于监控视频(或图像)的盾构出渣级配的一种快速估算方法。
附图说明
图1是本发明实施例中的基于监控视频的盾构出渣级配快速估算方法的流程图;
图2是本发明实施例中的视频传感器的安装实例图;
图3是本发明实施例中的棋盘标定板图像示意图;
图4是本发明实施例中获取每个级配区段内的白色像素区域个数的流程图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,以下结合实施例及附图对本发明的基于监控视频的盾构出渣级配快速估算方法作具体阐述。
<实施例>
图1是本发明实施例中的基于监控视频的盾构出渣级配快速估算方法的流程图。
如图1所示,基于监控视频的盾构出渣级配快速估算方法包括以下步骤:
步骤S1,在盾构出渣口安装视频传感器获取监控视频,基于监控视频对出渣位置进行标记。
图2是本发明实施例中的视频传感器的安装实例图。
本实施例中,视频传感器安装在泥水盾构出渣脚手架上,安装位置和距离以拍摄画面最理想和不干扰施工为原则。
其中,该视频传感器为带有无线网卡传输功能的太阳能摄像机(如图2所示),该太阳能摄像机的电池容量满足25天以上连续阴雨天续航。为保证视频质量,选用的太阳能摄像机配置应至少高于200万像素。
步骤S2,选取盾构不出渣的时段,将不同尺寸的棋盘标定板放置在出渣位置,基于视频传感器获取与不同尺寸的棋盘标定板对应的不同尺寸的棋盘标定板图像(如图3所示),根据棋盘标定板图像的尺寸与棋盘标定板的实际尺寸的比值获取标定系数。
本实施例中,设定棋盘标定板图像所显示的尺寸为m,而棋盘标定板的实际尺寸是n,则标定系数k=n/m。
步骤S3,对视频传感器设定每次出渣的录像时间间隔t,实时获取出渣录像视频,并将出渣录像视频均分为n份,每份视频分别记作fi(x),其中,i=1,2…n,x表示第i份视频中图像的第x帧。
步骤S4,在每份视频fi(x)中获取连续的m帧彩色图像。
步骤S5,对m帧彩色图像进行处理得到预定数量的黑白图像,基于标定系数对预定数量的黑白图像中的白色像素区域的实际尺寸进行计算并统计其分布情况,获取每个级配区段内的白色像素区域的个数s。
本实施例中,白色像素区域记为出渣的块石,而级配为该块石的粒径大小的区间范围,该区间范围可以根据实际需求提前预设,本实施中,设定块石的最小粒径为Q,最大粒径为Q1,则该块石的粒径区间为[Q,Q1],对该粒径区间进行平均划分得到每个级配区段,并分别统计每个级配区段所占比重。
图4是本发明实施例中获取每个级配区段内的白色像素区域个数的流程图。
如图4所示,步骤S5包括以下子步骤:
步骤S5-1,将m帧彩色图像进行灰度化处理得到m帧灰度图像。
步骤S5-2,采用高斯滤波器进行平滑处理以消除m帧灰度图像的部分噪声。
步骤S5-3,采用帧差法对除噪后的m帧灰度图像进行处理得到m-1个黑白图像。
上述步骤S5-3具体为:
首先,将m帧灰度图像按顺序作差,即将第m帧灰度图像减去第m-1帧灰度图像,得到m-1个灰度图像,满足表达式:
Ki(j)=fi(m)-fi(m-1)
式中,Ki(j)为第i份视频的灰度图像序列,其中,j=1,2...m-1。
然后,对上述第i份视频的灰度图像序列Ki(j)进行二值化处理得到对应的黑白图像序列Gi(j),该黑白图像序列Gi(j)包含m-1个黑白图像。
其中,二值化处理公式为:
式中,L为预先设定的阈值,该阈值设定为:L=(Imax-(Imax-Imin))/2,其中,Imax和Imin分别表示图像灰度值的最大值和最小值。
步骤S5-4,将m-1个黑白图像中的白色像素区域记为出渣的块石,根据标定系数获取每一个白色像素区域的最大尺寸h(x),并统计该m-1个黑白图像中的h(x)分布,获取每个级配区段内的白色像素区域的个数s。
步骤S6,基于每个级配区段内的白色像素区域的个数s,统计n份视频的最终出渣级配值。
本实施例中,该出渣级配的计算公式为:
式中,Wz为n份视频的最终出渣级配值,sij(z)为第i份视频的第j个黑白图像的第z个级配区段的白色像素区域个数。
实施例作用与效果
根据本实施例提供的一种基于监控视频的盾构出渣级配快速估算方法,通过在盾构出渣口安装视频传感器实现出渣录像视频的实时采集,对该出渣录像视频均分后采用高斯滤波器进行平滑处理,消除了该视频中的部分噪声,然后采用帧差法获得每份视频中的白色像素区域即出渣的块石,采用了棋盘标定方法中的标定系数来块石的尺寸,使得计算得到的块石尺寸与其实际尺寸更加接近。最后通过统计每个级配区段内的块石个数,再基于图像序列的平均计算得最终的出渣级配结果,使得最终出渣级配的估算不仅快速且更为精准。
实施例中,首先对出渣录像视频均分为n份,然后再采用帧差法捕获每份视频中的白色像素区域即块石,从而解决了传统帧差法无法应对盾构出渣中块石的捕获问题,同时由于最终出渣级配结果是通过计算每个级配区段的出渣级配再基于图像序列的平均计算得到,因此使得出渣级配的估算更为精准。
上述实施例仅用于举例说明本发明的具体实施方式,而本发明不限于上述实施例的描述范围。
Claims (5)
1.一种基于监控视频的盾构出渣级配快速估算方法,其特征在于,包括以下步骤:
步骤S1,在盾构出渣口安装视频传感器获取监控视频,基于所述监控视频对出渣位置进行标记;
步骤S2,选取盾构不出渣的时段,将不同尺寸的棋盘标定板放置在所述出渣位置,基于所述视频传感器获取与所述不同尺寸的棋盘标定板对应的不同尺寸的棋盘标定板图像,根据所述棋盘标定板图像的尺寸与所述棋盘标定板的实际尺寸的比值获取标定系数;
步骤S3,对所述视频传感器设定每次出渣的录像时间间隔t,实时获取出渣录像视频,并将所述出渣录像视频均分为n份,每份视频分别记作fi(x),其中,i=1,2…n,x表示第i份视频中图像的第x帧;
步骤S4,在每份视频fi(x)中获取连续的m帧彩色图像;
步骤S5,对所述m帧彩色图像采用帧差法处理得到预定数量的黑白图像,基于所述标定系数对所述预定数量的黑白图像中的白色像素区域的实际尺寸进行计算并统计其分布情况,获取每个级配区段内的所述白色像素区域的个数s;
步骤S6,基于每个级配区段内的所述白色像素区域的个数s,统计n份视频的最终出渣级配值,
其中,所述白色像素区域为出渣的块石,
所述每个级配区段通过对块石粒径大小的预设区间进行平均划分得到。
2.根据权利要求1所述的基于监控视频的盾构出渣级配快速估算方法,其特征在于:
其中,所述步骤S5包括以下子步骤:
步骤S5-1,将所述m帧彩色图像进行灰度化处理得到m帧灰度图像;
步骤S5-2,消除所述m帧灰度图像的部分噪声;
步骤S5-3,基于帧差法对除噪后的m帧灰度图像进行处理得到m-1个黑白图像;
步骤S5-4,将所述m-1个黑白图像中的白色像素区域记为出渣的块石,并根据所述标定系数获取每一个所述白色像素区域的最大尺寸h(x),并统计该m-1个黑白图像中的h(x)分布,获取每个级配区段内的所述白色像素区域的个数s。
3.根据权利要求2所述的基于监控视频的盾构出渣级配快速估算方法,其特征在于:
其中,在所述步骤S5-2中,采用高斯滤波器进行平滑处理以消除部分噪声。
4.根据权利要求2所述的基于监控视频的盾构出渣级配快速估算方法,其特征在于:
其中,所述步骤S5-3包括以下步骤:
将所述m帧灰度图像按顺序作差,即将所述第m帧灰度图像减去第m-1帧灰度图像,得到m-1个灰度图像,满足表达式:
Ki(j)=fi(m)-fi(m-1)
式中,Ki(j)为第i份视频的灰度图像序列,其中,j=1,2...m-1;
对第i份视频的灰度图像序列Ki(j)进行二值化处理得到对应的黑白图像序列Gi(j),该序列Gi(j)包含m-1个黑白图像,
其中,所述二值化处理公式为:
式中,L为预先设定的阈值,该阈值设定为:L=(Imax-(Imax-Imin))/2,其中,Imax和Imin分别表示图像灰度值的最大值和最小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111326781.XA CN113989357A (zh) | 2021-11-10 | 2021-11-10 | 一种基于监控视频的盾构出渣级配快速估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111326781.XA CN113989357A (zh) | 2021-11-10 | 2021-11-10 | 一种基于监控视频的盾构出渣级配快速估算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113989357A true CN113989357A (zh) | 2022-01-28 |
Family
ID=79747694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111326781.XA Pending CN113989357A (zh) | 2021-11-10 | 2021-11-10 | 一种基于监控视频的盾构出渣级配快速估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113989357A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104867332A (zh) * | 2015-05-26 | 2015-08-26 | 南京通用电器有限公司 | 基于隔帧差法的前方车道线内行驶车辆的检测方法 |
CN205352389U (zh) * | 2016-02-24 | 2016-06-29 | 广西大学 | 通过高清视频实现地铁盾构隧道地表位移实时监测的*** |
WO2018095082A1 (zh) * | 2016-11-28 | 2018-05-31 | 江苏东大金智信息***有限公司 | 一种视频监测中运动目标的快速检测方法 |
CN109184709A (zh) * | 2018-10-29 | 2019-01-11 | 幸智军 | 一种盾构设备施工出渣监控管理***及方法 |
CN110513114A (zh) * | 2019-08-08 | 2019-11-29 | 中国建筑第四工程局有限公司 | 一种盾构施工穿越高强孤石群的施工工法 |
-
2021
- 2021-11-10 CN CN202111326781.XA patent/CN113989357A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104867332A (zh) * | 2015-05-26 | 2015-08-26 | 南京通用电器有限公司 | 基于隔帧差法的前方车道线内行驶车辆的检测方法 |
CN205352389U (zh) * | 2016-02-24 | 2016-06-29 | 广西大学 | 通过高清视频实现地铁盾构隧道地表位移实时监测的*** |
WO2018095082A1 (zh) * | 2016-11-28 | 2018-05-31 | 江苏东大金智信息***有限公司 | 一种视频监测中运动目标的快速检测方法 |
CN109184709A (zh) * | 2018-10-29 | 2019-01-11 | 幸智军 | 一种盾构设备施工出渣监控管理***及方法 |
CN110513114A (zh) * | 2019-08-08 | 2019-11-29 | 中国建筑第四工程局有限公司 | 一种盾构施工穿越高强孤石群的施工工法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8279345B2 (en) | System and method for random noise estimation in a sequence of images | |
CN109167928B (zh) | 基于显示面板缺陷检测的快速自动曝光方法及*** | |
CN101127835B (zh) | 一种提高数字摄像设备视频图像质量的前处理方法和装置 | |
JP4767240B2 (ja) | 映像の境界を検出する方法及びその装置とこれを具現するコンピューターで読み取れる記録媒体 | |
CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别***与方法 | |
WO2020073686A1 (zh) | 基于图像识别的基坑自动监测数据筛选方法及*** | |
CN104867159A (zh) | 一种数字相机传感器污点检测及分级方法与装置 | |
CN106521066A (zh) | 高炉炉料粒度监控***及分布数据在线分析方法 | |
CN114324078B (zh) | 一种颗粒粒径识别方法、装置、设备和介质 | |
CN107341794A (zh) | 沥青混合料摊铺均匀性实时检测方法 | |
CN114004834B (zh) | 一种图像处理中的雾天情况分析方法、设备及装置 | |
CN115100207B (zh) | 一种基于机器视觉的检测***及检测方法 | |
CN115797473B (zh) | 一种土建工程用混凝土成型评估方法 | |
CN109975301A (zh) | 一种用于炼铁高炉的筛网破损检测方法及检测装置 | |
CN104700405A (zh) | 一种前景检测方法和*** | |
CN107610147A (zh) | 一种废弃薄膜加筋风积沙地基处理方法 | |
JP5307695B2 (ja) | 粒状材料の粒度特定方法および粒度特定システム | |
CN116030054A (zh) | 一种饲料加工筛分质量评估方法 | |
CN110533626B (zh) | 一种全天候水质识别方法 | |
CN116630321A (zh) | 基于人工智能的桥梁健康智能监测*** | |
CN107784258A (zh) | 地铁人流密度实时监测方法 | |
CN109711313B (zh) | 一种识别向河道内倾倒污水的实时视频监控方法 | |
CN112348804A (zh) | 由基坑位移导致的裂缝监测方法、***、装置和存储介质 | |
CN113989357A (zh) | 一种基于监控视频的盾构出渣级配快速估算方法 | |
JP2928714B2 (ja) | 細胞活性度判定方法及び装置 |
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 |