摘要
本发明公开了一种井盖智能识别方法,包括:将综合嵌入式设备置于井盖上方,综合嵌入式设备实时对井盖拍照并将图像数据实时传输至服务器;服务器对接收到的图像数据进行处理,生成包含唯一标识符、综合嵌入式设备ID、原始图像信息的检测项目,将其加入Redis队列;服务器中的井盖检测模块取出检测项目,放入深度学习模型识别,根据得到的井盖状态反馈,更新井盖状态数据,缓存数据,呈现在网页端。本发明将深度学习技术与井盖应用场景的紧密结合,利用深度学习技术进行井盖检测,提高了检测的效率和准确率,并且还结合了时序预测模型对井盖的未来状态预测,而且通过与硬件设备的紧密结合,实现了自动化的数据采集和处理。
技术关键词
井盖智能
嵌入式设备
识别方法
服务器
项目
深度学习技术
图像采集设备
深度学习模型
时序预测模型
键值
LSTM模型
队列
数据接收模块
通信模块
标识符
硬件设备
照片
系统为您推荐了相关专利信息
多模态信息融合
模态特征
文档识别方法
钻井工程
融合特征
解析加速方法
预取机制
服务器
网络拓扑信息
分层
注意力
图像特征提取模型
文本
多模态信息融合
语义理解模型
知识图谱推理
光电
识别方法
文本
图像特征向量提取
通风管道组件
管道温度传感器
废气温度传感器
室内温度传感器
进气组件