CN114358242A - 一种异质结电池生产监控***及方法 - Google Patents

一种异质结电池生产监控***及方法 Download PDF

Info

Publication number
CN114358242A
CN114358242A CN202111396000.4A CN202111396000A CN114358242A CN 114358242 A CN114358242 A CN 114358242A CN 202111396000 A CN202111396000 A CN 202111396000A CN 114358242 A CN114358242 A CN 114358242A
Authority
CN
China
Prior art keywords
production
monitoring
safety
data
image
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
Application number
CN202111396000.4A
Other languages
English (en)
Inventor
王可胜
郭万东
郭天宇
侯俊
梁发宏
袁艺琴
柏爱玉
张龙
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.)
Chinaland Solar Energy Co Ltd
Original Assignee
Chinaland Solar Energy 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 Chinaland Solar Energy Co Ltd filed Critical Chinaland Solar Energy Co Ltd
Priority to CN202111396000.4A priority Critical patent/CN114358242A/zh
Publication of CN114358242A publication Critical patent/CN114358242A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种异质结电池生产监控***及方法，涉及太阳能电池技术领域，包括生产监控模块、生产分析模块、安全分析模块、环境监测模块以及云平台；生产分析模块用于获取生产现场的监控数据并进行分析，截取现场工作人员的操作影像信息进行特征点提取，判断现场工作人员操作是否规范；同时使用行为识别算法，对现场工作人员的肢体动作进行识别，当现场工作人员操作不规范或违规时，及时告警，提醒现场工作人员及时纠正，使得生产监控自动化，提高生产效率；安全分析模块用于接收环境监测模块采集的环境数据并将环境数据输入至安全评估模型中获取安全评估标签，然后根据安全评估标签对现场工作人员进行安全提醒，提高生产安全性。

Description

一种异质结电池生产监控***及方法
技术领域
本发明涉及太阳能电池技术领域，具体是一种异质结电池生产监控***及方法。
背景技术
异质结太阳能电池是一种高效太阳能电池生产技术，它将非晶硅与晶体硅太阳能电池结合起来，进行优势互补。异质结太阳能电池使用a-Si构成PN结，能够在200℃以下的低温完成整个工序，和原来的热扩散型的结晶太阳电池的形成温度(900℃)相比较，大幅度地降低了制造工艺的温度。由于这种对称构造和低温工艺的特征，减少了因热量或者膜形成时产生的硅晶片的变形和热损伤，对实现晶片的轻薄化和高效化来说极为有利，具有业界领先的高转换效率，即使在高温下，转换效率也极少降低，而且利用双面单元可以进一步提高发电量。因此，异质结太阳能电池近年来已经成为太阳能电池领域的研究热点。
但是在异质结电池的生产过程中，缺乏有效的监控体系，当工作人员操作不规范或失误时，无法及时提醒，无法了解事故发生前后工作人员的操作情况以及其对异质结电池生产影响的准确资料，为技术人员分析事故原因提供可靠依据；为此，我们提出一种异质结电池生产监控***及方法。
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，本发明提出一种异质结电池生产监控***及方法，通过成熟的行为识别算法和图像识别技术，对生产监控模块采集的监控数据进行识别分析，当现场工作人员操作不规范或违规时，及时告警，提醒现场工作人员及时纠正；使得生产监控自动化，大大节省了成本，同时提高了生产效率。
为实现上述目的，根据本发明的第一方面的实施例提出一种异质结电池生产监控***，包括生产监控模块、生产分析模块、安全分析模块、环境监测模块以及云平台；
所述生产监控模块用于对异质结电池的生产过程进行监控并将采集的监控数据经智能网关发送至云平台存储，供技术人员事后查阅或分析；
所述生产分析模块与生产监控模块相连接，用于获取生产现场的监控数据并截取监控数据中现场工作人员的操作影像信息进行特征点提取，判断现场工作人员操作是否规范；
所述环境监测模块用于对异质结电池生产过程中的实时环境进行监测，并将采集到的环境数据经智能网关发送安全分析模块；
所述安全分析模块用于将环境数据输入至安全评估模型中获取安全评估标签，并将安全评估标签经智能网关发送至现场工作人员的手机终端上，对现场工作人员进行安全提醒。
进一步地，所述生产分析模块的具体分析步骤为：
提取监控数据中的高清图像，对高清图像进行图像预处理；所述图像预处理包括图像分割、图像去噪和图像识别；
截取高清图像中现场工作人员的操作影像信息与数据库中存储的各个工序的标准影像信息进行对比，确定当前进行的工序和对应的特征点；
根据确定的特征点，对截取的操作影像信息进行特征点提取；
若特征点匹配不一致，则表示现场工作人员操作失误，生成提醒信号，并将提醒信号和对应的特征点发送至现场工作人员的手机终端上，提醒现场工作人员及时纠正。
进一步地，所述生产分析模块还包括：将采集的操作影像信息处理成为图像帧，使用行为识别算法，对现场工作人员的肢体动作进行识别；若识别到违规动作，则生成违规信号并将违规信号和对应的违规动作发送至现场工作人员的手机终端上；其中违规行为包括玩手机、喧哗、打瞌睡以及抽烟。
进一步地，所述数据库中存储有异质结电池生产过程中各个工序的标准影像信息和对应的特征点；其中特征点表示为各个工序中的关键操作。
进一步地，其中环境数据包括温度信息、湿度信息、气压信息和烟雾信息。
进一步地，所述安全评估模型通过RBF神经网络或者深度卷积神经网络进行构建；具体构建步骤为：
获取标准训练数据；其中，标准训练数据包括历史环境数据以及对应的安全评估标签；其中，标准训练数据中的安全评估标签通过人工标注获取；
构建深度卷积神经网络模型，将标准训练数据按照设定比例划分为训练集、测试集和校验集；设定比例包括2:1:1、3:1:1和4:3:1；
将训练集、测试集和校验集经过数据归一化之后对深度卷积神经网络模型进行训练、测试和校验，将训练完成的深度卷积神经网络模型标记为安全评估模型。
进一步地，所述生产监控模块为若干个分布在生产车间内部的高清摄像头，所述高清摄像头均带有位置标识。
进一步地，一种异质结电池生产监控方法，应用于监控***，包括如下步骤：
步骤一：获取异质结电池生产过程的监控数据，提取监控数据中的高清图像，对高清图像进行图像预处理；
步骤二：截取高清图像中现场工作人员的操作影像信息，与数据库中存储的各个工序的标准影像信息进行对比，确定当前进行的工序和对应的特征点；
步骤三：根据确定的特征点，对截取的操作影像信息进行特征点提取，若特征点匹配不一致，则表示现场工作人员操作失误，生成提醒信号；
步骤四：将操作影像信息处理成为图像帧，使用行为识别算法，对现场工作人员的肢体动作进行识别，若识别到违规动作，则生成违规信号；
步骤五：获取异质结电池生产过程中的实时环境数据，并将环境数据输入至安全评估模型中获取安全评估标签；根据安全评估标签对现场工作人员进行安全提醒。
与现有技术相比，本发明的有益效果是：
1、本发明中生产分析模块用于获取生产现场的监控数据并进行分析，截取现场工作人员的操作影像信息进行特征点提取，若提取的特征点与对应工序的特征点匹配不一致，则表示现场工作人员操作不规范，生成提醒信号；同时使用行为识别算法，对现场工作人员的肢体动作进行识别，若识别到违规动作，则生成违规信号，及时告警，提醒现场工作人员及时纠正，使得生产监控自动化，提高了生产效率；
2、本发明中环境监测模块用于对异质结电池生产过程中的实时环境进行监测，安全分析模块用于接收环境监测模块采集的环境数据并将环境数据输入至安全评估模型中获取安全评估标签，然后根据安全评估标签对现场工作人员进行安全提醒，提高生产安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，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为本发明一种异质结电池生产监控***的***框图。
图2为本发明一种异质结电池生产监控方法的流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
如图1至图2所示，一种异质结电池生产监控***，包括生产监控模块、生产分析模块、安全分析模块、环境监测模块、智能网关以及云平台；
智能网关又称网间连接器、协议转换器，其在网络层以上实现网络互联，用于两个高层协议不同的网络，使得在不同的通信协议、数据格式、语言、体系结构完全不同的两种***之间实现互通；本实施例主要通过智能网关将监控数据传输至云平台；
云平台，也可以理解为云服务器，接收并存储生产监控模块采集的监控数据，供技术人员事后查阅或进行数据分析；
本申请提供的一种异质结电池生产监控***中，云平台通过智能网关和生产监控模块采集监控数据，具体来说是生产监控模块对异质结电池的生产过程进行监控，并将采集的监控数据发送至智能网关，智能网关再将监控数据发送至云平台存储；其中生产监控模块为若干个分布在生产车间内部的高清摄像头，高清摄像头均带有位置标识；
生产分析模块与生产监控模块相连接，用于获取生产现场的监控数据并进行分析，判断现场工作人员操作是否规范，具体步骤为：
提取监控数据中的高清图像，对高清图像进行图像预处理，图像预处理包括图像分割、图像去噪和图像识别；
由于一个完整的异质结电池生产线包含若干个设备和工序，每个设备负责其中一道工序，工序与工序之间通过串联的方式布局成一条生产线；数据库中存储有生产过程中各个工序的标准影像信息和对应的特征点；其中特征点表示为各个工序中的关键操作；
截取现场工作人员的操作影像信息与数据库中存储的各个工序的标准影像信息进行对比，确定当前进行的工序和对应的特征点；
根据确定的特征点，对截取的操作影像信息进行特征点提取，若特征点匹配一致，则表示现场工作人员操作规范，生成正常信号；
若特征点匹配不一致，则表示现场工作人员操作失误，生成提醒信号，并将提醒信号和对应的特征点发送至现场工作人员的手机终端上，提醒现场工作人员及时纠正；
将采集的操作影像信息处理成为图像帧，使用行为识别算法，对现场工作人员的肢体动作进行识别，若识别到违规动作，则生成违规信号并将违规信号和对应的违规动作发送至现场工作人员的手机终端上；其中违规行为包括玩手机、喧哗、打瞌睡以及抽烟；
本发明通过成熟的行为识别算法和图像识别技术，对生产监控模块采集的监控数据进行识别分析，当现场工作人员操作不规范或违规时，及时告警，提醒现场工作人员及时纠正；使得生产监控自动化，大大节省了成本，同时提高了生产效率；
本申请提供的一种异质结电池生产监控***中，安全分析模块通过智能网关和环境监测模块采集环境数据，具体来说是环境监测模块对异质结电池生产过程中的实时环境进行监测，并将采集到的环境数据发送至智能网关，智能网关再将环境数据发送至安全分析模块；
安全分析模块用于接收环境监测模块采集的环境数据并将环境数据输入至安全评估模型中获取安全评估标签，并将安全评估标签经智能网关发送至现场工作人员的手机终端上，对现场工作人员进行安全提醒；其中环境数据包括温度信息、湿度信息、气压信息和烟雾信息；
本实施例中，安全评估模型通过RBF神经网络或者深度卷积神经网络进行构建；具体构建步骤为：
获取标准训练数据；其中，标准训练数据包括历史环境数据以及对应的安全评估标签，其中，标准训练数据中的安全评估标签通过人工标注获取；
构建深度卷积神经网络模型，将标准训练数据按照设定比例划分为训练集、测试集和校验集；设定比例包括2:1:1、3:1:1和4:3:1；
将训练集、测试集和校验集经过数据归一化之后对深度卷积神经网络模型进行训练、测试和校验，将训练完成的深度卷积神经网络模型标记为安全评估模型；本实施例中，安全评估标签的取值为0或者1，在安全评估过程中，当安全评估标签为1时，表示存在安全隐患；当安全评估标签为0时，表示无安全隐患。
一种异质结电池生产监控方法，应用于监控***，包括如下步骤：
步骤一：获取异质结电池生产过程的监控数据，提取监控数据中的高清图像，对高清图像进行图像预处理；
步骤二：截取高清图像中现场工作人员的操作影像信息，与数据库中存储的各个工序的标准影像信息进行对比，确定当前进行的工序和对应的特征点；
步骤三：根据确定的特征点，对截取的操作影像信息进行特征点提取，若特征点匹配不一致，则表示现场工作人员操作失误，生成提醒信号；
步骤四：将操作影像信息处理成为图像帧，使用行为识别算法，对现场工作人员的肢体动作进行识别，若识别到违规动作，则生成违规信号；
步骤五：获取异质结电池生产过程中的实时环境数据，并将环境数据输入至安全评估模型中获取安全评估标签，并将安全评估标签经智能网关发送至现场工作人员的手机终端上，对现场工作人员进行安全提醒。
本发明的工作原理：
一种异质结电池生产监控***及方法，在工作时，生产监控模块对异质结电池的生产过程进行监控，并将采集的监控数据经智能网关发送至云平台，生产分析模块用于获取生产现场的监控数据并进行分析，截取现场工作人员的操作影像信息进行特征点提取，若提取的特征点与对应工序的特征点匹配不一致，则表示现场工作人员操作不规范，生成提醒信号；同时使用行为识别算法，对现场工作人员的肢体动作进行识别，若识别到违规动作，则生成违规信号，及时告警，提醒现场工作人员及时纠正，使得生产监控自动化，提高了生产效率；
环境监测模块用于对异质结电池生产过程中的实时环境进行监测，安全分析模块用于接收环境监测模块采集的环境数据并将环境数据输入至安全评估模型中获取安全评估标签，当安全评估标签为1时，表示存在安全隐患，对现场工作人员进行安全提醒，提高生产安全性。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例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例或示例中。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例或示例。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例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (8)

1.一种异质结电池生产监控***，其特征在于，包括生产监控模块、生产分析模块、安全分析模块、环境监测模块以及云平台；
所述生产监控模块用于对异质结电池的生产过程进行监控并将采集的监控数据经智能网关发送至云平台存储，供技术人员事后查阅或分析；
所述生产分析模块与生产监控模块相连接，用于获取生产现场的监控数据并截取监控数据中现场工作人员的操作影像信息进行特征点提取，判断现场工作人员操作是否规范；
所述环境监测模块用于对异质结电池生产过程中的实时环境进行监测，并将采集到的环境数据经智能网关发送安全分析模块；
所述安全分析模块用于将环境数据输入至安全评估模型中获取安全评估标签，并将安全评估标签经智能网关发送至现场工作人员的手机终端上，对现场工作人员进行安全提醒。
2.根据权利要求1所述的一种异质结电池生产监控***，其特征在于，所述生产分析模块的具体分析步骤为：
提取监控数据中的高清图像，对高清图像进行图像预处理；所述图像预处理包括图像分割、图像去噪和图像识别；
截取高清图像中现场工作人员的操作影像信息与数据库中存储的各个工序的标准影像信息进行对比，确定当前进行的工序和对应的特征点；
根据确定的特征点，对截取的操作影像信息进行特征点提取；
若特征点匹配不一致，则表示现场工作人员操作失误，生成提醒信号，并将提醒信号和对应的特征点发送至现场工作人员的手机终端上，提醒现场工作人员及时纠正。
3.根据权利要求2所述的一种异质结电池生产监控***，其特征在于，所述生产分析模块还包括：将采集的操作影像信息处理成为图像帧，使用行为识别算法，对现场工作人员的肢体动作进行识别；若识别到违规动作，则生成违规信号并将违规信号和对应的违规动作发送至现场工作人员的手机终端上；其中违规行为包括玩手机、喧哗、打瞌睡以及抽烟。
4.根据权利要求2所述的一种异质结电池生产监控***，其特征在于，所述数据库中存储有异质结电池生产过程中各个工序的标准影像信息和对应的特征点；其中特征点表示为各个工序中的关键操作。
5.根据权利要求1所述的一种异质结电池生产监控***，其特征在于，其中环境数据包括温度信息、湿度信息、气压信息和烟雾信息。
6.根据权利要求1所述的一种异质结电池生产监控***，其特征在于，所述安全评估模型通过RBF神经网络或者深度卷积神经网络进行构建；具体构建步骤为：
获取标准训练数据；其中，标准训练数据包括历史环境数据以及对应的安全评估标签；其中，标准训练数据中的安全评估标签通过人工标注获取；
构建深度卷积神经网络模型，将标准训练数据按照设定比例划分为训练集、测试集和校验集；设定比例包括2:1:1、3:1:1和4:3:1；
将训练集、测试集和校验集经过数据归一化之后对深度卷积神经网络模型进行训练、测试和校验，将训练完成的深度卷积神经网络模型标记为安全评估模型。
7.根据权利要求1所述的一种异质结电池生产监控***，其特征在于，所述生产监控模块为若干个分布在生产车间内部的高清摄像头，所述高清摄像头均带有位置标识。
8.一种异质结电池生产监控方法，应用于监控***，其特征在于，包括如下步骤：
步骤一：获取异质结电池生产过程的监控数据，提取监控数据中的高清图像，对高清图像进行图像预处理；
步骤二：截取高清图像中现场工作人员的操作影像信息，与数据库中存储的各个工序的标准影像信息进行对比，确定当前进行的工序和对应的特征点；
步骤三：根据确定的特征点，对截取的操作影像信息进行特征点提取，若特征点匹配不一致，则表示现场工作人员操作失误，生成提醒信号；
步骤四：将操作影像信息处理成为图像帧，使用行为识别算法，对现场工作人员的肢体动作进行识别，若识别到违规动作，则生成违规信号；
步骤五：获取异质结电池生产过程中的实时环境数据，并将环境数据输入至安全评估模型中获取安全评估标签；根据安全评估标签对现场工作人员进行安全提醒。
CN202111396000.4A 2021-11-23 2021-11-23 一种异质结电池生产监控***及方法 Pending CN114358242A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111396000.4A CN114358242A (zh) 2021-11-23 2021-11-23 一种异质结电池生产监控***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111396000.4A CN114358242A (zh) 2021-11-23 2021-11-23 一种异质结电池生产监控***及方法

Publications (1)

Publication Number Publication Date
CN114358242A true CN114358242A (zh) 2022-04-15

Family

ID=81095536

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111396000.4A Pending CN114358242A (zh) 2021-11-23 2021-11-23 一种异质结电池生产监控***及方法

Country Status (1)

Country Link
CN (1) CN114358242A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115327897A (zh) * 2022-07-18 2022-11-11 深圳市粤港科技有限公司 一种基于实验室的智能控制***
CN115660397A (zh) * 2022-11-11 2023-01-31 广东佳瑞达科技有限公司 一种智能电表壳体的生产准备流程管理***及方法
CN116380289A (zh) * 2023-05-24 2023-07-04 中央储备粮镇江直属库有限公司 一种用于粮仓的粮食温度自动监测分析***
CN117471033A (zh) * 2023-10-24 2024-01-30 济南趵突泉酿酒有限责任公司 酿酒生产监控方法、***、终端及计算机可读存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115327897A (zh) * 2022-07-18 2022-11-11 深圳市粤港科技有限公司 一种基于实验室的智能控制***
CN115660397A (zh) * 2022-11-11 2023-01-31 广东佳瑞达科技有限公司 一种智能电表壳体的生产准备流程管理***及方法
CN116380289A (zh) * 2023-05-24 2023-07-04 中央储备粮镇江直属库有限公司 一种用于粮仓的粮食温度自动监测分析***
CN116380289B (zh) * 2023-05-24 2023-11-10 中央储备粮镇江直属库有限公司 一种用于粮仓的粮食温度自动监测分析***
CN117471033A (zh) * 2023-10-24 2024-01-30 济南趵突泉酿酒有限责任公司 酿酒生产监控方法、***、终端及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN114358242A (zh) 一种异质结电池生产监控***及方法
CN111307823B (zh) 基于边云协同的变电设备典型视觉缺陷检测***及方法
CN102446390A (zh) 一种对输电线路附近监控区域进行安全检测、预警的方法和***
CN110807460B (zh) 一种基于图像识别的变电站智能巡视***及其应用方法
CN111831430A (zh) 一种基于边缘计算的电力设备缺陷识别***
CN212933544U (zh) 一种基于边缘计算的现场作业安全识别***
CN113485432A (zh) 一种基于无人机的光伏电站电致发光智能诊断***及方法
CN114827221A (zh) 一种智慧社区综合智能分析与预警***及方法
CN114648708A (zh) 光伏组件的状态检测方法及装置、存储介质及电子设备
CN115102287A (zh) 一种新能源电站集中区域智能管控***
CN114417981A (zh) 一种智能河长巡测***
WO2024119983A1 (zh) 一种轨道车辆电缆终端的异常检测方法及装置
CN116756505B (zh) 一种基于大数据的光伏设备智能管理***及方法
CN107563528A (zh) 一种加强ems***防御与快速愈合的智能运维***
CN116667783A (zh) 一种分布式光伏电站维护***
CN116634487A (zh) 一种5g通讯基站的实时检测控制***
CN115187880A (zh) 基于图像识别的通信光缆缺陷检测方法、***及存储介质
CN206977446U (zh) 一种变电站运维平台故障自动诊断与快速恢复***
CN115658772A (zh) 一种无人机光伏巡检数据类资产管理方法及***
CN115880803A (zh) 一种智能巡检***及方法
CN112668948B (zh) 基于多源信息融合的林业生态环境人机交互***及方法
CN114677472A (zh) 基于无线传感网络的化工设备监控***
CN113407520A (zh) 一种基于机器学习的电力网络安全数据清洗***及方法
CN114444380A (zh) 异质结太阳能电池的低温固化方法与***
CN117975372B (zh) 一种基于YOLOv8和Transformer编码器相结合的工地安全检测***及方法

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