CN115240175A - 一种基于大数据的冷桥识别与处理的方法及*** - Google Patents
一种基于大数据的冷桥识别与处理的方法及*** Download PDFInfo
- Publication number
- CN115240175A CN115240175A CN202210499409.7A CN202210499409A CN115240175A CN 115240175 A CN115240175 A CN 115240175A CN 202210499409 A CN202210499409 A CN 202210499409A CN 115240175 A CN115240175 A CN 115240175A
- Authority
- CN
- China
- Prior art keywords
- cold bridge
- building
- reason
- obtaining
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
-
- 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
- G06V10/54—Extraction of image or video features relating to texture
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的冷桥识别与处理的方法及***,所述方法包括:通过图像采集装置获得第一建筑图像;根据支持向量机原理构建冷桥识别模型;将第一建筑图像输入冷桥识别模型,获得第一输出结果;若所述第一输出结果满足预设状态条件,获得第一标记指令,其中,所述第一标记指令用于对所述第一建筑图像对应的第一建筑部位进行标记;获得所述第一建筑部位的第一基本信息;根据历史冷桥事件获得所述第一建筑部位冷桥现象的第一产生原因;根据所述第一产生原因,对所述第一建筑部位进行处理。解决了现有技术通过人工观察对建筑物冷桥现象进行识别判断,存在识别效率低的问题,同时存在冷桥处理速度慢,且存在处理效果差的技术问题。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种基于大数据的冷桥识别与处理的方法及***。
背景技术
建筑物围护结构在与外界环境进行热量传导过程中,由于围护结构各部位传热系数的差异使得热量传递不均匀,而是从传热系数大的围护结构部位进行集中、快速的热量传递,即冷桥现象。冷桥现象使得建筑物耗冷量增加,从而浪费热能,同时损坏围护结构、降低隔热材料的隔热性能,甚至缩短建筑使用寿命。现有技术一般通过建筑结构设计、建造材料等方法避免冷桥发生,然而在建筑物实际使用过程中,仍因各种原因出现冷桥,目前一般通过定期检修保养建筑物对冷桥进行排查,存在花费时间长、识别冷桥效率低,进一步由于无法及时识别冷桥,进而无法及时针对性处理建筑物的冷桥问题,最终导致建筑物结构受损等更加严重的后果。研究利用计算机技术对建筑物进行冷桥现象的实时智能识别,并基于对应围护结构的冷桥部位智能分析冷桥原因,并为相关技术人员及时检修冷桥提供参考,具有重要的现实意义。
然而,现有技术通过人工肉眼观察实现对建筑物冷桥现象的识别判断,存在识别效率低的问题,同时由于无法及时识别围护结构的冷桥部位,导致冷桥处理速度慢,且存在处理效果差的技术问题。
发明内容
本发明的目的是提供一种基于大数据的冷桥识别与处理的方法及***,用以解决现有技术通过人工肉眼观察实现对建筑物冷桥现象的识别判断,存在识别效率低的问题,同时由于无法及时识别围护结构的冷桥部位,导致冷桥处理速度慢,且存在处理效果差的技术问题。
鉴于上述问题,本发明提供了一种基于大数据的冷桥识别与处理的方法及***。
第一方面,本发明提供了一种基于大数据的冷桥识别与处理的方法,所述方法通过一种基于大数据的冷桥识别与处理的***实现,其中,所述方法包括:通过根据所述图像采集装置,获得第一建筑图像;根据支持向量机原理构建冷桥识别模型;将所述第一建筑图像输入所述冷桥识别模型,获得第一输出结果;若所述第一输出结果满足预设状态条件,获得第一标记指令,其中,所述第一标记指令用于对所述第一建筑图像对应的第一建筑部位进行标记;获得所述第一建筑部位的第一基本信息;根据历史冷桥事件对所述第一基本信息进行分析,获得所述第一建筑部位冷桥现象的第一产生原因;根据所述第一产生原因,对所述第一建筑部位进行处理。
另一方面,本发明还提供了一种基于大数据的冷桥识别与处理的***,用于执行如第一方面所述的一种基于大数据的冷桥识别与处理的方法,其中,所述***包括:第一获得单元:所述第一获得单元用于根据图像采集装置,获得第一建筑图像;第一构建单元:所述第一构建单元用于根据支持向量机原理构建冷桥识别模型;第二获得单元:所述第二获得单元用于将所述第一建筑图像输入所述冷桥识别模型,获得第一输出结果;第三获得单元:所述第三获得单元用于若所述第一输出结果满足预设状态条件,获得第一标记指令,其中,所述第一标记指令用于对所述第一建筑图像对应的第一建筑部位进行标记;第四获得单元:所述第四获得单元用于获得所述第一建筑部位的第一基本信息;第五获得单元:所述第五获得单元用于根据历史冷桥事件对所述第一基本信息进行分析,获得所述第一建筑部位冷桥现象的第一产生原因;第一执行单元:所述第一执行单元用于根据所述第一产生原因,对所述第一建筑部位进行处理。
第三方面,一种电子设备,其中,包括处理器和存储器;
该存储器,用于存储;
该处理器,用于通过调用,执行上述第一方面中任一项所述的方法。
第四方面,一种计算机程序产品,包括计算机程序和/或指令,该计算机程序和/或指令被处理器执行时实现上述第一方面中任一项所述方法的步骤。
本发明中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1.通过图像采集装置对待检查冷桥情况的建筑物进行实时图像采集,并利用冷桥识别模型对采集到的建筑图像进行智能识别分析,当智能分析结果判定为冷桥图像时***智能对出现冷桥现象的围护结构部位进行标记;进一步对该部位相关基本信息进行采集,并结合历史冷桥现象事件分析该部位冷桥的原因,从而针对性调整处理。通过实时智能分析实现及时识别建筑冷桥的目标,并基于出现冷桥围护结构的具体部位情况,针对性分析冷桥原因从而实现冷桥个性化处理,达到了降低冷桥影响、提高经济效益的技术效果。
2.通过基于冷桥部位图像的分析结果进行冷桥严重级别标记,达到了直观化各建筑部位冷桥严重程度,同时为后续处理冷桥问题的先后紧急排序提供准确的数据依据的技术效果。
3.通过对比判断当前冷桥事件与历史各类冷桥事件产生的原因信息,将符合历史冷桥事件的类别进行提取,最终组成第一产生原因集,达到了基于历史经验快速缩小第一建筑部位冷桥原因范围,从而提高冷桥处理效率的技术效果。
4.通过基于预设原因集的各个对比判断结果,在第一建筑部位的第一基本信息不符合任一历史冷桥产生原因类别时,对第一建筑部位进行疑难标记,达到了提醒相关人员该部位冷桥情况需人工分析判断、进而针对性处理的技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明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示例性的,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,还可以根据提供的附图获得其他的附图。
图1为本发明一种基于大数据的冷桥识别与处理的方法的流程示意图;
图2为本发明一种基于大数据的冷桥识别与处理的方法中根据支持向量机原理构建冷桥识别模型的流程示意图;
图3为本发明一种基于大数据的冷桥识别与处理的方法中对所述第一建筑图像对应的第一建筑部位进行标记的流程示意图;
图4为本发明一种基于大数据的冷桥识别与处理的方法中确定所述第一产生原因的流程示意图;
图5为本发明一种基于大数据的冷桥识别与处理的***的结构示意图;
图6为本发明示例性电子设备的结构示意图。
附图标记说明:
第一获得单元11,第一构建单元12,第二获得单元13,第三获得单元14,第四获得单元15,第五获得单元16,第一执行单元17,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本发明通过提供一种基于大数据的冷桥识别与处理的方法及***,解决了现有技术通过人工肉眼观察实现对建筑物冷桥现象的识别判断,存在识别效率低的问题,同时由于无法及时识别围护结构的冷桥部位,导致冷桥处理速度慢,且存在处理效果差的技术问题。通过实时智能分析实现及时识别建筑冷桥的目标,并基于出现冷桥围护结构的具体部位情况,针对性分析冷桥原因从而实现冷桥个性化处理,达到了降低冷桥影响、提高经济效益的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面,将参考附图对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明的实施例,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。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
本发明提供了一种基于大数据的冷桥识别与处理的方法,所述方法应用于一种基于大数据的冷桥识别与处理的***,其中,所述方法包括:通过根据所述图像采集装置,获得第一建筑图像;根据支持向量机原理构建冷桥识别模型;将所述第一建筑图像输入所述冷桥识别模型,获得第一输出结果;若所述第一输出结果满足预设状态条件,获得第一标记指令,其中,所述第一标记指令用于对所述第一建筑图像对应的第一建筑部位进行标记;获得所述第一建筑部位的第一基本信息;根据历史冷桥事件对所述第一基本信息进行分析,获得所述第一建筑部位冷桥现象的第一产生原因;根据所述第一产生原因,对所述第一建筑部位进行处理。
在介绍了本发明基本原理后,下面将结合说明书附图来具体介绍本发明的各种非限制性的实施方式。
实施例一
请参阅附图1,本发明提供了一种基于大数据的冷桥识别与处理的方法,其中,所述方法应用于冷桥识别与处理***,所述***与图像采集装置通信连接,所述方法具体包括如下步骤:
步骤S100:根据所述图像采集装置,获得第一建筑图像;
具体而言,所述一种基于大数据的冷桥识别与处理的方法应用于所述一种冷桥识别与处理***,可以通过计算机对建筑物的冷桥现象进行实时智能识别,并基于实际冷桥情况智能分析造成冷桥现象的原因,从而为相关技术人员针对性处理冷桥现象提供参考。其中,所述冷桥是指因建筑物围护结构中墙体、门窗、玻璃、空调室外机挑板等各部位传热系数不同造成的热量传递不均匀,从而在热量传递集中的围护结构部位热量损失大,并在温度较高侧出现结霜结冰、凝露、隔热层受潮失效甚至导致结构层损坏等问题的现象。所述图像采集装置是指可以多角度、多距离对待检查冷桥现象的建筑物进行实时图像信息采集的高清摄像装置。将所述图像采集装置与所述冷桥识别与处理***通信连接,实现将所述图像采集装置实时采集到的第一建筑图像传输给所述冷桥识别与处理***的目标。其中,所述第一建筑图像是指任一待使用所述冷桥识别与处理***进行建筑物冷桥现象智能监测和识别的建筑任一部位的图像。
通过得到第一建筑图像,达到了为后续判断该建筑围护结构部位是否存在冷桥现象提供图像基础信息和依据,进而提高***识别冷桥的可靠性和准确性的技术效果。
步骤S200:根据支持向量机原理构建冷桥识别模型;
具体而言,所述支持向量机是指基于待检查识别是否有冷桥现象的建筑物,预先人工判断各部位是否有冷桥现象,进而对有冷桥现象和无冷桥现象的建筑物部位进行采集,得到一组训练数据后利用计算机进行监督学习,最终构建所述冷桥识别模型。其中,所述冷桥识别模型可以根据训练数据训练结果,智能化对任一建筑物图像进行分析,基于特征分析结果判断对应图像是否存在冷桥现象。通过构建冷桥识别模型,基于图像采集装置自动采集的建筑物图像,智能化分析判断对应图像中是否存在冷桥现象,达到了提高冷桥识别效率和识别实时性,从而节约人力成本的技术效果。
步骤S300:将所述第一建筑图像输入所述冷桥识别模型,获得第一输出结果;
步骤S400:若所述第一输出结果满足预设状态条件,获得第一标记指令,其中,所述第一标记指令用于对所述第一建筑图像对应的第一建筑部位进行标记;
具体而言,将图像采集装置实时采集到的第一建筑图像输入所述冷桥识别模型中,通过模型智能化分析得到对应第一输出结果。其中,所述第一输出结果是指所述第一建筑图像中是否存在冷桥现象的模型智能判断结果,包括第一建筑图像存在冷桥现象和第一建筑图像不存在冷桥现象两种情况。当所述第一输出结果显示所述第一建筑图像中存在冷桥现象,即满足预设状态条件时,所述冷桥识别与处理***自动发出第一标记指令。其中,所述第一标记指令用于对所述第一建筑图像对应的建筑物部位,即建筑围护结构位置进行对应标记。
通过模型智能判断得到有冷桥现象的图像,进而确定图像对应的建筑物部位,达到了智能化标记冷桥部位,从而直观、明确建筑物中有冷桥的具***置,为后续针对性处理冷桥现象提供基础的技术效果。
步骤S500:获得所述第一建筑部位的第一基本信息;
具体而言,在对建筑中有冷桥现象的具体部位进行标记后,即得到所述第一建筑部位。进一步的,利用各类数据采集设备或智能监测装置,对所述第一建筑部位的详细情况进行采集记录,即得到所述第一基本信息。举例如利用温度传感器、湿度传感器监测第一建筑部位内、外两侧的环境温度、空气湿度情况;基于建筑物设计图纸、资料等确定第一建筑部位的材料类型、各类材料组合、占比情况;确定第一建筑部位在完整建筑物中的位置类型等。通过得到第一基本信息,达到了为后续针对第一建筑部位实际情况针对性分析冷桥原因提供基本参考依据的技术效果。
步骤S600:根据历史冷桥事件对所述第一基本信息进行分析,获得所述第一建筑部位冷桥现象的第一产生原因;
步骤S700:根据所述第一产生原因,对所述第一建筑部位进行处理。
具体而言,根据历史冷桥事件中,每次冷桥现象出现时的实际记录数据,包括冷桥发生位置、季节、建筑物类型、围护结构组成等数据,以及每次冷桥处理方法和处理效果等记录数据,对所述第一建筑部位的第一基本信息进行对比分析,基于历史冷桥事件中冷桥现象出现的原因及有效处理方式等,对当前所述第一建筑部位的冷桥现象进行相似度分析,进而确定所述第一建筑部位冷桥现象的第一产生原因,最终针对性处理所述第一建筑部位的冷桥现象。通过基于历史冷桥事件对比分析当前第一建筑部位冷桥情况,并基于相似度情况确定冷桥原因,从而基于历史冷桥处理经验对第一建筑部位冷桥进行处理,达到了为当前冷桥处理提供历史经验,提高冷桥处理效率,有效降低冷桥危害的技术效果。
进一步的,如附图2所示,本发明步骤S200还包括:
步骤S210:基于大数据获得第一建筑图像集,其中,所述第一建筑图像集包括多张正常建筑图像、多张冷桥建筑图像;
步骤S220:依次对所述多张正常建筑图像进行正常标记、对所述多张冷桥建筑图像进行冷桥标记,组成第一标记结果;
步骤S230:将所述第一建筑图像集和所述第一标记结果作为训练数据,利用支持向量机原理训练所述冷桥识别模型。
具体而言,通过大数据采集第一建筑图像集。其中,所述第一建筑图像集由多张各类建筑不同部位、不同围护结构的建筑图像组成,且所述第一建筑图像集中包括出现冷桥现象的建筑图像和正常状态下、未出现冷桥现象的建筑图像。进一步的,对所述第一建筑图像集中的每张图像依次进行是否出现冷桥的标记,也就是说,对出现冷桥现象的建筑图像进行冷桥标记,对没有出现冷桥现象的建筑图像进行正常标记。所述第一建筑图像集中所有建筑图像的标记结果组成所述第一标记结果。将所述第一建筑图像集和所述第一标记结果作为训练数据,利用支持向量机原理训练得到所述冷桥识别模型。其中,在基于支持向量机原理训练过程中,模型自动快速提取正常建筑图像和冷桥建筑图像的显著区别特征点,基于该特征点即可快速辨别和区分各建筑图像。
通过支持向量机训练得到冷桥识别模型,达到了基于建筑图像自动判断对应建筑位置是否出现冷桥,即实现自动化对建筑图像进行正常、冷桥分类的技术效果。
进一步的,如附图3所示,本发明步骤S400还包括:
步骤S410:获得所述第一建筑图像对应的第一建筑部位;
步骤S420:对所述第一建筑图像进行特征分析,获得第一分析结果,其中,所述第一分析结果包括纹理特征分析、颜色特征分析;
步骤S430:根据所述纹理特征分析、颜色特征分析,获得所述第一建筑部位冷桥现象的第一严重级别;
步骤S440:根据所述第一严重级别,对所述第一建筑部位进行严重级别标记。
具体而言,根据所述第一建筑图像,确定图像对应的建筑的具体部位,即所述第一建筑部位。此外,同时对所述第一建筑图像进行图像特征分析,包括图像的纹理特征、颜色特征、形状特征等分析,举例如当某建筑图像中存在斑点状色块,同时伴有墙面纹理突出、表面有凝结水等问题,则说明对应建筑部位存在严重冷桥现象。进一步的,人为提前设置不同冷桥情况对应的冷桥严重程度级别,即预设冷桥严重级别划分标准,如将冷桥严重程度划分为第一严重等级、第二严重等级、第三严重等级,其中各个严重等级对应不同色块面积、不同凝结水量、不同结冰面积和厚度等。根据预设的划分标准确定所述第一建筑部位冷桥现象的第一严重级别,并对应进行不同的标记。举例如第三严重等级为冷桥现象特别严重的情况,标记三颗星的严重标记;第二严重等级为冷桥现象比较严重的情况,标记二颗星的严重标记;第一严重等级为冷桥现象不严重的情况,标记一颗星的严重标记。
通过对冷桥部位进行严重级别标记,达到了直观化各建筑部位冷桥严重程度,同时为后续处理冷桥问题的先后紧急排序提供准确的数据依据的技术效果。
进一步的,本发明步骤S600还包括:
步骤S610:基于大数据组建历史冷桥事件集,其中,所述历史冷桥事件集包括多个建筑冷桥事件;
步骤S620:依次对所述多个建筑冷桥事件进行分析,获得第二分析结果,其中,所述第二分析结果包括所述多个建筑冷桥事件的多个冷桥原因和多个冷桥现象,且所述多个冷桥原因与所述多个冷桥现象一一对应;
步骤S630:根据所述多个冷桥原因、所述多个冷桥现象,构建冷桥因果列表。
具体而言,基于大数据查找历史各类建筑发生冷桥现象的事件,组成所述历史冷桥事件集。然后依次对所述历史冷桥事件集中的各个冷桥事件中冷桥出现的建筑部位、建筑周围环境、冷桥季节和时间、冷桥严重程度、冷桥发生原因、采取的处理方案、取得的处理效果等记录数据进行分析,举例如北方冷桥事件多发生于冬季,因为冬季室外温度低,室内温度高,因此室内墙面易出现凝结水,室外对应位置墙面易结霜或结冰;在建筑围护结构的玻璃、门窗洞口侧等容易发生冷桥等。从而得到各个历史冷桥事件的冷桥原因和对应冷桥现象,最终所有建筑冷桥事件的原因、现象构成所述冷桥因果列表。
通过获得冷桥因果列表,达到了为后续分析第一建筑部位冷桥原因提供参考的技术效果。
进一步的,如附图4所示,本发明还包括步骤S640:
步骤S641:根据所述冷桥因果列表,对所述多个冷桥原因进行类别划分,获得第一划分结果,其中,所述第一划分结果包括第一类别原因、第二类别原因;
步骤S642:根据所述第一类别原因、所述第二类别原因,组成第一历史冷桥原因集,并将所述第一历史冷桥原因集作为预设原因集;
步骤S643:判断所述第一基本信息是否满足所述预设原因集,获得第一判断结果;
步骤S644:根据所述第一判断结果,确定所述第一产生原因。
具体而言,根据基于历史冷桥事件分析后构建的所述冷桥因果列表,对所有历史冷桥事件的原因进行分类,从而得到第一划分结果。其中,第一划分结果中包括多个原因类别,各个原因类别对应不同数量的冷桥事件。进一步的,将第一划分结果中各个类别的冷桥原因进行并集运算,从而得到历史上引发冷桥现象的所有冷桥原因,并将其作为所述预设原因集。最后,将所述第一建筑部位的第一基本信息与所述预设原因集进行逐一对比分析,从而判断所述第一基本信息中各个信息是否满足各个预设原因,最终组成第一判断结果。举例如第一基本信息显示第一建筑部位为玻璃围护结构,则对应历史某玻璃冷桥事件。
通过获得第一判断结果,基于第一判断结果中满足预设原因集,即和某次历史冷桥事件的产生原因相似或重合度高,则考虑此次冷桥事件也有类似的原因,达到了为后续确定第一建筑部位的冷桥原因提供数据支持的技术效果。
进一步的,本发明步骤S644还包括:
步骤S6441:判断所述第一基本信息是否满足所述第一类别原因;
步骤S6442:若所述第一基本信息满足所述第一类别原因,将所述第一类别原因作为所述第一建筑位置的第一冷桥原因;
步骤S6443:判断所述第一基本信息是否满足所述第二类别原因;
步骤S6444:若所述第一基本信息满足所述第二类别原因,将所述第二类别原因作为所述第一建筑位置的第二冷桥原因;
步骤S6445:根据所述第一冷桥原因、所述第二冷桥原因,组成所述第一产生原因。
具体而言,在判断所述第一基本信息是否满足所述预设原因集的过程中,逐一对所述预设原因集中的各个原因进行对比分析。也就是说,首先判断所述第一基本信息满足所述第一类别原因,当判断结果为满足时证明所述第一建筑部位产生冷桥可能收到第一类别原因的影响,从而将所述第一类别原因作为所述第一建筑位置的第一冷桥原因;进一步的,再次将所述第一基本信息与所述第二类别原因进行对比判断,同样的,当判断结果为满足时证明所述第一建筑部位产生冷桥可能收到第二类别原因的影响,从而将所述第二类别原因作为所述第一建筑位置的第二冷桥原因。其中,所述第一类别原因是指历史冷桥事件中,任一引起冷桥现象的原因类别,举例如建筑墙体的材料类型和组成比例等。所述第二类别原因是指历史冷桥事件中,任一与所述第一类别原因不同的引起冷桥现象的原因类别,举例如建筑周围温度、湿度等环境条件等。依次类推,最终得到的所有冷桥原因,即所述第一冷桥原因、所述第二冷桥原因,共同组成所述第一建筑部位发生冷桥现象的第一产生原因。
通过对比判断当前冷桥事件与历史各类冷桥原因,达到了基于历史经验快速缩小第一建筑部位此次冷桥原因的范围,从而提高冷桥处理效率的技术效果。
进一步的,本发明步骤S643还包括:
步骤S6431:若所述第一基本信息不满足所述第一类别原因,获得第一判断指令;
步骤S6432:根据所述第一判断指令,进行所述第一基本信息对所述第二类别原因满足情况的判断;
步骤S6433:若所述第一基本信息不满足所述第二类别原因,获得第二标记指令;
步骤S6434:根据所述第二标记指令,对所述第一建筑部位进行疑难标记。
具体而言,在对所述第一基本信息与所述预设原因集中各类别冷桥原因进行对比判断的过程中,当所述第一基本信息不满足所述第一类别原因时,证明所述第一类别原因不是引起所述第一建筑部位此次冷桥现象的原因,此时***自动发出第一判断指令,用于再次对比所述第一基本信息与所述第二类别原因的满足关系,当判断结果显示所述第一基本信息也不满足所述第二类别原因时,***再次发出指令进行下一类别原因的对比判断,直至最后一个类别原因。其中,当所述第一基本信息满足对应类别原因时,将对应类别原因添加到所述第一建筑部位的第一产生原因中;当所述第一基本信息与所述预设原因集中所有原因都不符合,则***发出第二标记指令,用于对所述第一建筑部位进行疑难标记,提示相关人员该位置冷桥现象原因复杂,由相关人员人工分析确定最终原因,进而针对性处理。
通过基于预设原因集的各个对比判断结果,在第一建筑部位的第一基本信息不符合任一历史冷桥产生原因类别时,对第一建筑部位进行疑难标记,达到了提醒相关人员需人工分析判断的技术效果。
综上所述,本发明所提供的一种基于大数据的冷桥识别与处理的方法具有如下技术效果:
1.通过图像采集装置对待检查冷桥情况的建筑物进行实时图像采集,并利用冷桥识别模型对采集到的建筑图像进行智能识别分析,当智能分析结果判定为冷桥图像时***智能对出现冷桥现象的围护结构部位进行标记;进一步对该部位相关基本信息进行采集,并结合历史冷桥现象事件分析该部位冷桥的原因,从而针对性调整处理。通过实时智能分析实现及时识别建筑冷桥的目标,并基于出现冷桥围护结构的具体部位情况,针对性分析冷桥原因从而实现冷桥个性化处理,达到了降低冷桥影响、提高经济效益的技术效果。
2.通过基于冷桥部位图像的分析结果进行冷桥严重级别标记,达到了直观化各建筑部位冷桥严重程度,同时为后续处理冷桥问题的先后紧急排序提供准确的数据依据的技术效果。
3.通过对比判断当前冷桥事件与历史各类冷桥事件产生的原因信息,将符合历史冷桥事件的类别进行提取,最终组成第一产生原因集,达到了基于历史经验快速缩小第一建筑部位冷桥原因范围,从而提高冷桥处理效率的技术效果。
4.通过基于预设原因集的各个对比判断结果,在第一建筑部位的第一基本信息不符合任一历史冷桥产生原因类别时,对第一建筑部位进行疑难标记,达到了提醒相关人员该部位冷桥情况需人工分析判断、进而针对性处理的技术效果。
实施例二
基于与前述实施例中一种基于大数据的冷桥识别与处理的方法,同样发明构思,本发明还提供了一种基于大数据的冷桥识别与处理的***,请参阅附图5,所述***包括:
第一获得单元11,所述第一获得单元11用于根据图像采集装置,获得第一建筑图像;
第一构建单元12,所述第一构建单元12用于根据支持向量机原理构建冷桥识别模型;
第二获得单元13,所述第二获得单元13用于将所述第一建筑图像输入所述冷桥识别模型,获得第一输出结果;
第三获得单元14,所述第三获得单元14用于若所述第一输出结果满足预设状态条件,获得第一标记指令,其中,所述第一标记指令用于对所述第一建筑图像对应的第一建筑部位进行标记;
第四获得单元15,所述第四获得单元15用于获得所述第一建筑部位的第一基本信息;
第五获得单元16,所述第五获得单元16用于根据历史冷桥事件对所述第一基本信息进行分析,获得所述第一建筑部位冷桥现象的第一产生原因;
第一执行单元17,所述第一执行单元17用于根据所述第一产生原因,对所述第一建筑部位进行处理。
进一步的,所述***还包括:
第六获得单元,所述第六获得单元用于基于大数据获得第一建筑图像集,其中,所述第一建筑图像集包括多张正常建筑图像、多张冷桥建筑图像;
第一组成单元,所述第一组成单元用于依次对所述多张正常建筑图像进行正常标记、对所述多张冷桥建筑图像进行冷桥标记,组成第一标记结果;
第二执行单元,所述第二执行单元用于将所述第一建筑图像集和所述第一标记结果作为训练数据,利用支持向量机原理训练所述冷桥识别模型。
进一步的,所述***还包括:
第七获得单元,所述第七获得单元用于获得所述第一建筑图像对应的第一建筑部位;
第八获得单元,所述第八获得单元用于对所述第一建筑图像进行特征分析,获得第一分析结果,其中,所述第一分析结果包括纹理特征分析、颜色特征分析;
第九获得单元,所述第九获得单元用于根据所述纹理特征分析、颜色特征分析,获得所述第一建筑部位冷桥现象的第一严重级别;
第三执行单元,所述第三执行单元用于根据所述第一严重级别,对所述第一建筑部位进行严重级别标记。
进一步的,所述***还包括:
第一组建单元,所述第一组建单元用于基于大数据组建历史冷桥事件集,其中,所述历史冷桥事件集包括多个建筑冷桥事件;
第十获得单元,所述第十获得单元用于依次对所述多个建筑冷桥事件进行分析,获得第二分析结果,其中,所述第二分析结果包括所述多个建筑冷桥事件的多个冷桥原因和多个冷桥现象,且所述多个冷桥原因与所述多个冷桥现象一一对应;
第二构建单元,所述第二构建单元用于根据所述多个冷桥原因、所述多个冷桥现象,构建冷桥因果列表。
进一步的,所述***还包括:
第十一获得单元,所述第十一获得单元用于根据所述冷桥因果列表,对所述多个冷桥原因进行类别划分,获得第一划分结果,其中,所述第一划分结果包括第一类别原因、第二类别原因;
第一设置单元,所述第一设置单元用于根据所述第一类别原因、所述第二类别原因,组成第一历史冷桥原因集,并将所述第一历史冷桥原因集作为预设原因集;
第十二获得单元,所述第十二获得单元用于判断所述第一基本信息是否满足所述预设原因集,获得第一判断结果;
第一确定单元,所述第一确定单元用于根据所述第一判断结果,确定所述第一产生原因。
进一步的,所述***还包括:
第一判断单元,所述第一判断单元用于判断所述第一基本信息是否满足所述第一类别原因;
第二设置单元,所述第二设置单元用于若所述第一基本信息满足所述第一类别原因,将所述第一类别原因作为所述第一建筑位置的第一冷桥原因;
第二判断单元,所述第二判断单元用于判断所述第一基本信息是否满足所述第二类别原因;
第三设置单元,所述第三设置单元用于若所述第一基本信息满足所述第二类别原因,将所述第二类别原因作为所述第一建筑位置的第二冷桥原因;
第二组成单元,所述第二组成单元用于根据所述第一冷桥原因、所述第二冷桥原因,组成所述第一产生原因。
进一步的,所述***还包括:
第十三获得单元,所述第十三获得单元用于若所述第一基本信息不满足所述第一类别原因,获得第一判断指令;
第四执行单元,所述第四执行单元用于根据所述第一判断指令,进行所述第一基本信息对所述第二类别原因满足情况的判断;
第十四获得单元,所述第十四获得单元用于若所述第一基本信息不满足所述第二类别原因,获得第二标记指令;
第五执行单元,所述第五执行单元用于根据所述第二标记指令,对所述第一建筑部位进行疑难标记。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,前述图1实施例一中的一种基于大数据的冷桥识别与处理的方法和具体实例同样适用于本实施例的一种基于大数据的冷桥识别与处理的***,通过前述对一种基于大数据的冷桥识别与处理的方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于大数据的冷桥识别与处理的***,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
示例性电子设备
下面参考图6来描述本发明的电子设备。
图6图示了根据本发明的电子设备的结构示意图。
基于与前述实施例中一种基于大数据的冷桥识别与处理的方法的发明构思,本发明还提供一种基于大数据的冷桥识别与处理的***,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种基于大数据的冷桥识别与处理的方法的任一方法的步骤。
其中,在图6中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明提供了一种基于大数据的冷桥识别与处理的方法,所述方法应用于一种基于大数据的冷桥识别与处理的***,其中,所述方法包括:通过根据所述图像采集装置,获得第一建筑图像;根据支持向量机原理构建冷桥识别模型;将所述第一建筑图像输入所述冷桥识别模型,获得第一输出结果;若所述第一输出结果满足预设状态条件,获得第一标记指令,其中,所述第一标记指令用于对所述第一建筑图像对应的第一建筑部位进行标记;获得所述第一建筑部位的第一基本信息;根据历史冷桥事件对所述第一基本信息进行分析,获得所述第一建筑部位冷桥现象的第一产生原因;根据所述第一产生原因,对所述第一建筑部位进行处理。解决了现有技术通过人工肉眼观察实现对建筑物冷桥现象的识别判断,存在识别效率低的问题,同时由于无法及时识别围护结构的冷桥部位,导致冷桥处理速度慢,且存在处理效果差的技术问题。通过实时智能分析实现及时识别建筑冷桥的目标,并基于出现冷桥围护结构的具体部位情况,针对性分析冷桥原因从而实现冷桥个性化处理,达到了降低冷桥影响、提高经济效益的技术效果。
本发明还提供一种电子设备,其中,包括处理器和存储器;
该存储器,用于存储;
该处理器,用于通过调用,执行上述实施例一中任一项所述的方法。
本发明还提供一种计算机程序产品,包括计算机程序和/或指令,该计算机程序和/或指令被处理器执行时实现上述实施例一中任一项所述方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外,本发明为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称RAM)、磁盘存储器、只读光盘(Compact Disc Read-Only Memory,简称CD-ROM)、光学存储器等各种可以存储程序代码的介质。
本发明是参照本发明的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的***。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令***的制造品,该指令***实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于大数据的冷桥识别与处理的方法,其特征在于,所述方法应用于一种冷桥识别与处理***,所述***与图像采集装置通信连接,所述方法包括:
根据所述图像采集装置,获得第一建筑图像;
根据支持向量机原理构建冷桥识别模型;
将所述第一建筑图像输入所述冷桥识别模型,获得第一输出结果;
若所述第一输出结果满足预设状态条件,获得第一标记指令,其中,所述第一标记指令用于对所述第一建筑图像对应的第一建筑部位进行标记;
获得所述第一建筑部位的第一基本信息;
根据历史冷桥事件对所述第一基本信息进行分析,获得所述第一建筑部位冷桥现象的第一产生原因;
根据所述第一产生原因,对所述第一建筑部位进行处理。
2.如权利要求1所述的方法,其特征在于,所述根据支持向量机原理构建冷桥识别模型,包括:
基于大数据获得第一建筑图像集,其中,所述第一建筑图像集包括多张正常建筑图像、多张冷桥建筑图像;
依次对所述多张正常建筑图像进行正常标记、对所述多张冷桥建筑图像进行冷桥标记,组成第一标记结果;
将所述第一建筑图像集和所述第一标记结果作为训练数据,利用支持向量机原理训练所述冷桥识别模型。
3.如权利要求1所述的方法,其特征在于,所述对所述第一建筑图像对应的第一建筑部位进行标记,包括:
获得所述第一建筑图像对应的第一建筑部位;
对所述第一建筑图像进行特征分析,获得第一分析结果,其中,所述第一分析结果包括纹理特征分析、颜色特征分析;
根据所述纹理特征分析、颜色特征分析,获得所述第一建筑部位冷桥现象的第一严重级别;
根据所述第一严重级别,对所述第一建筑部位进行严重级别标记。
4.如权利要求1所述的方法,其特征在于,所述根据历史冷桥事件对所述第一基本信息进行分析,获得所述第一建筑部位冷桥现象的第一产生原因,之前包括:
基于大数据组建历史冷桥事件集,其中,所述历史冷桥事件集包括多个建筑冷桥事件;
依次对所述多个建筑冷桥事件进行分析,获得第二分析结果,其中,所述第二分析结果包括所述多个建筑冷桥事件的多个冷桥原因和多个冷桥现象,且所述多个冷桥原因与所述多个冷桥现象一一对应;
根据所述多个冷桥原因、所述多个冷桥现象,构建冷桥因果列表。
5.如权利要求4所述的方法,其特征在于,所述构建冷桥因果列表,之后包括:
根据所述冷桥因果列表,对所述多个冷桥原因进行类别划分,获得第一划分结果,其中,所述第一划分结果包括第一类别原因、第二类别原因;
根据所述第一类别原因、所述第二类别原因,组成第一历史冷桥原因集,并将所述第一历史冷桥原因集作为预设原因集;
判断所述第一基本信息是否满足所述预设原因集,获得第一判断结果;
根据所述第一判断结果,确定所述第一产生原因。
6.如权利要求5所述的方法,其特征在于,所述根据所述第一判断结果,确定所述第一产生原因,包括:
判断所述第一基本信息是否满足所述第一类别原因;
若所述第一基本信息满足所述第一类别原因,将所述第一类别原因作为所述第一建筑位置的第一冷桥原因;
判断所述第一基本信息是否满足所述第二类别原因;
若所述第一基本信息满足所述第二类别原因,将所述第二类别原因作为所述第一建筑位置的第二冷桥原因;
根据所述第一冷桥原因、所述第二冷桥原因,组成所述第一产生原因。
7.如权利要求5所述的方法,其特征在于,所述获得第一判断结果,还包括:
若所述第一基本信息不满足所述第一类别原因,获得第一判断指令;
根据所述第一判断指令,进行所述第一基本信息对所述第二类别原因满足情况的判断;
若所述第一基本信息不满足所述第二类别原因,获得第二标记指令;
根据所述第二标记指令,对所述第一建筑部位进行疑难标记。
8.一种基于大数据的冷桥识别与处理的***,其特征在于,所述***应用于权利要求1~7任一所述方法,所述***包括:
第一获得单元:所述第一获得单元用于根据图像采集装置,获得第一建筑图像;
第一构建单元:所述第一构建单元用于根据支持向量机原理构建冷桥识别模型;
第二获得单元:所述第二获得单元用于将所述第一建筑图像输入所述冷桥识别模型,获得第一输出结果;
第三获得单元:所述第三获得单元用于若所述第一输出结果满足预设状态条件,获得第一标记指令,其中,所述第一标记指令用于对所述第一建筑图像对应的第一建筑部位进行标记;
第四获得单元:所述第四获得单元用于获得所述第一建筑部位的第一基本信息;
第五获得单元:所述第五获得单元用于根据历史冷桥事件对所述第一基本信息进行分析,获得所述第一建筑部位冷桥现象的第一产生原因;
第一执行单元:所述第一执行单元用于根据所述第一产生原因,对所述第一建筑部位进行处理。
9.一种电子设备,其特征在于,包括处理器和存储器;
所述存储器,用于存储;
所述处理器,用于通过调用,执行权利要求1~7中任一项所述的方法。
10.一种计算机程序产品,包括计算机程序和/或指令,其特征在于,该计算机程序和/或指令被处理器执行时实现权利要求1~7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210499409.7A CN115240175B (zh) | 2022-05-09 | 2022-05-09 | 一种基于大数据的冷桥识别与处理的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210499409.7A CN115240175B (zh) | 2022-05-09 | 2022-05-09 | 一种基于大数据的冷桥识别与处理的方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115240175A true CN115240175A (zh) | 2022-10-25 |
CN115240175B CN115240175B (zh) | 2023-04-14 |
Family
ID=83668237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210499409.7A Active CN115240175B (zh) | 2022-05-09 | 2022-05-09 | 一种基于大数据的冷桥识别与处理的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115240175B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108961714A (zh) * | 2018-07-13 | 2018-12-07 | 珠海安维特工程检测有限公司 | 一种无线智能建筑监测综合管理*** |
CN109214643A (zh) * | 2018-07-18 | 2019-01-15 | 重庆大学 | 一种基于大数据的山地建筑韧性评价方法 |
CN109917706A (zh) * | 2019-03-06 | 2019-06-21 | 重庆房地产职业学院 | 一种基于大数据的居住建筑节能效果监测***及方法 |
CN112668479A (zh) * | 2020-12-29 | 2021-04-16 | 广州耐奇电气科技有限公司 | 用于智能配电房的安全监测方法、***、电子设备及介质 |
CN112985505A (zh) * | 2021-03-02 | 2021-06-18 | 清华大学 | 移动与固定感知结合的室内环境时空分布场生成方法 |
WO2021203118A1 (en) * | 2020-04-01 | 2021-10-07 | Snap Inc. | Identification of physical products for augmented reality experiences in a messaging system |
CN114037182A (zh) * | 2021-11-26 | 2022-02-11 | 国网北京市电力公司 | 建筑物负荷预测模型训练方法、装置及非易失性存储介质 |
-
2022
- 2022-05-09 CN CN202210499409.7A patent/CN115240175B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108961714A (zh) * | 2018-07-13 | 2018-12-07 | 珠海安维特工程检测有限公司 | 一种无线智能建筑监测综合管理*** |
CN109214643A (zh) * | 2018-07-18 | 2019-01-15 | 重庆大学 | 一种基于大数据的山地建筑韧性评价方法 |
CN109917706A (zh) * | 2019-03-06 | 2019-06-21 | 重庆房地产职业学院 | 一种基于大数据的居住建筑节能效果监测***及方法 |
WO2021203118A1 (en) * | 2020-04-01 | 2021-10-07 | Snap Inc. | Identification of physical products for augmented reality experiences in a messaging system |
CN112668479A (zh) * | 2020-12-29 | 2021-04-16 | 广州耐奇电气科技有限公司 | 用于智能配电房的安全监测方法、***、电子设备及介质 |
CN112985505A (zh) * | 2021-03-02 | 2021-06-18 | 清华大学 | 移动与固定感知结合的室内环境时空分布场生成方法 |
CN114037182A (zh) * | 2021-11-26 | 2022-02-11 | 国网北京市电力公司 | 建筑物负荷预测模型训练方法、装置及非易失性存储介质 |
Non-Patent Citations (1)
Title |
---|
梁轶循: "基于红外热像的外墙外保温***缺陷识别判定与评价方法研究", 《工程科技Ⅱ辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115240175B (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110706509B (zh) | 车位及其方向角度检测方法、装置、设备及介质 | |
US20240210330A1 (en) | Systems and methods for artificial intelligence powered inspections and predictive analyses | |
WO2019052241A1 (zh) | 用于空调的冷媒泄漏检测方法和装置 | |
CN112581430A (zh) | 一种基于深度学习的航空发动机无损检测方法、装置、设备及存储介质 | |
CN113592828B (zh) | 基于工业内窥镜的无损检测方法及*** | |
CN112836720B (zh) | 建筑运维设备异常诊断方法、***及计算机可读存储介质 | |
WO2015199457A1 (ko) | 건물 정보 검출 방법 및 장치 | |
CN112097365A (zh) | 基于预测和分类模型的空调故障检测与辩识方法及装置 | |
CN114821852B (zh) | 基于特征金字塔的电网缺陷深度识别巡查机器人控制*** | |
CN112964370B (zh) | 通过红外热成像从室外快速批量获取室内空气温度的方法 | |
CN111723085B (zh) | 公共建筑空调用电能耗数据清洗方法及*** | |
CN117121025A (zh) | 暖通空调***的管理方法、***及存储介质 | |
CN109443812A (zh) | 基于图像数据的暖通空调设备故障诊断方法及*** | |
CN116229299A (zh) | 基于无人机的建筑或构筑物损伤评估方法、终端及介质 | |
CN116054417A (zh) | 一种变电站用的监控***及方法 | |
Sun et al. | Real-time detection method of window opening behavior using deep learning-based image recognition in severe cold regions | |
CN115171045A (zh) | 一种基于yolo的电网作业现场违章识别方法及终端 | |
CN115240175B (zh) | 一种基于大数据的冷桥识别与处理的方法及*** | |
CN113888737A (zh) | 基于智能设备拍摄测温图像的热用户室温测量方法及*** | |
CN113776670A (zh) | 一种基于红外图像的电力设备监测***及方法 | |
CN112686442A (zh) | 基于运行多样性空调末端能耗预测方法和*** | |
CN110765486A (zh) | 一种资产故障识别方法 | |
CN115187880A (zh) | 基于图像识别的通信光缆缺陷检测方法、***及存储介质 | |
CN114547868A (zh) | 一种基于bim的斜拉桥性能在线评估预测方法 | |
CN111062298A (zh) | 配电网电力设备目标识别方法和*** |
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 |