-
公开(公告)号:CN208765768U
公开(公告)日:2019-04-19
申请号:CN201821779153.0
申请日:2018-10-31
申请人: 国网新疆电力有限公司电力科学研究院 , 西安科技大学
IPC分类号: G01D21/02 , G05B19/042
摘要: 本实用新型公开了一种SF6断路器液压系统工作状态监测及排气装置,包括工作状态监测电路和排气单元,排气单元包括排气筒、排气管和排气电磁阀;工作状态监测电路包括微控制器模块、电源模块和无线传输模块;微控制器模块的输入端接有第一温度传感器接口电路、第二温度传感器接口电路、压力传感器接口电路、PH值传感器接口电路和液位传感器接口电路,微控制器模块的输出端接有声光报警电路、LCD显示模块和排气电磁阀控制电路。本实用新型结构简单,设计合理,实现方便,功能完备,能够有效监测断路器液压系统的工作状态,能够及时进行排气,提高了断路器液压系统使用的稳定性、安全性,使用效果好,便于推广使用。
-
公开(公告)号:CN110675443B
公开(公告)日:2022-12-20
申请号:CN201910906402.0
申请日:2019-09-24
申请人: 西安科技大学
摘要: 本发明公开了一种井下输煤图像的煤块面积检测方法,该方法包括以下步骤:一、视频图像采集模块的布设及视频图像的采集;二、运输煤流视频的分解;三、运输煤块图像的初步检测;四、运输煤块图像的增强;五、运输煤块图像的二次检测;六、运输煤块图像中煤块面积的判断及报警;七、煤矿输煤皮带上没有煤块运输提示。本发明方法步骤简单,设计合理,对井下输煤图像进行图像增强,实现井下输煤图像中煤块面积检测,且煤块面积的检测准确度高,有效地适应了煤矿井下非均匀照明环境。
-
公开(公告)号:CN110675343B
公开(公告)日:2023-02-24
申请号:CN201910905542.6
申请日:2019-09-24
申请人: 西安科技大学
摘要: 本发明公开了一种井下输煤图像的图像增强方法,该方法包括以下步骤:一、视频图像采集模块的布设及视频图像的采集;二、运输煤流视频的分解;三、运输煤块图像的增强。本发明方法步骤简单,设计合理,对井下输煤图像进行图像增强,提高井下输煤图像中煤矿面积的检测准确度,有效地适应了煤矿井下非均匀照明环境。
-
公开(公告)号:CN110675443A
公开(公告)日:2020-01-10
申请号:CN201910906402.0
申请日:2019-09-24
申请人: 西安科技大学
摘要: 本发明公开了一种井下输煤图像的煤块面积检测方法,该方法包括以下步骤:一、视频图像采集模块的布设及视频图像的采集;二、运输煤流视频的分解;三、运输煤块图像的初步检测;四、运输煤块图像的增强;五、运输煤块图像的二次检测;六、运输煤块图像中煤块面积的判断及报警;七、煤矿输煤皮带上没有煤块运输提示。本发明方法步骤简单,设计合理,对井下输煤图像进行图像增强,实现井下输煤图像中煤块面积检测,且煤块面积的检测准确度高,有效地适应了煤矿井下非均匀照明环境。
-
公开(公告)号:CN109948500B
公开(公告)日:2022-12-27
申请号:CN201910186673.3
申请日:2019-03-13
申请人: 西安科技大学
摘要: 本发明公开了一种用于煤矿的精确监测人员进出的方法,包括步骤:一、构建图像处理系统;二、工作人员脸部图像的存储;三、训练AlexNet卷积神经网络模型;四、监测人员进入矿区情况;五、监测人员离开矿区情况;六、监测矿区内实时人员情况。本发明通过人脸对比和人员头顶识别共同监测矿区人员进出,其中人员头顶通过AlexNet卷积神经网络模型识别解决,避免矿区复杂的环境对运动物体的识别干扰,识别率高、误检率低,且通过间歇式统计矿区人员进出情况,及时查出非操作人员,保证井下人员操作的规范性与安全性。
-
公开(公告)号:CN110675343A
公开(公告)日:2020-01-10
申请号:CN201910905542.6
申请日:2019-09-24
申请人: 西安科技大学
摘要: 本发明公开了一种井下输煤图像的图像增强方法,该方法包括以下步骤:一、视频图像采集模块的布设及视频图像的采集;二、运输煤流视频的分解;三、运输煤块图像的增强。本发明方法步骤简单,设计合理,对井下输煤图像进行图像增强,提高井下输煤图像中煤矿面积的检测准确度,有效地适应了煤矿井下非均匀照明环境。
-
公开(公告)号:CN109948500A
公开(公告)日:2019-06-28
申请号:CN201910186673.3
申请日:2019-03-13
申请人: 西安科技大学
摘要: 本发明公开了一种用于煤矿的精确监测人员进出的方法,包括步骤:一、构建图像处理系统;二、工作人员脸部图像的存储;三、训练AlexNet卷积神经网络模型;四、监测人员进入矿区情况;五、监测人员离开矿区情况;六、监测矿区内实时人员情况。本发明通过人脸对比和人员头顶识别共同监测矿区人员进出,其中人员头顶通过AlexNet卷积神经网络模型识别解决,避免矿区复杂的环境对运动物体的识别干扰,识别率高、误检率低,且通过间歇式统计矿区人员进出情况,及时查出非操作人员,保证井下人员操作的规范性与安全性。
-
-
-
-
-
-