一种边云结合的漂浮物检测识别方法

漂浮物识别是智能视频监控领域亟待解决的难点问题,针对实际河道环境复杂、漂浮物多种多样等问题,文中通过对神经网络的研究分析,结合边端和云端设备的不同特点,设计了一种边云结合的漂浮物检测识别方法:边端设备,针对其算力有限但点位众多的特点,部署小型神经网络对视频进行初筛,得到疑似漂浮物信息及画面回传给云端;云端设备,利用其算力高的特点,对疑似漂浮物信息及画面进行精确识别,过滤无效信息,并将有效信息以报警形式进行存储上报。实验表明:该方法能综合利用边云设备的性能,减少传输数据量、提高识别率、降低误检率,满足河道监控场景的应用。

基于Azure边云结合在煤矿安全方向应用研究

随着煤炭工业的发展和全球对能源安全与环境保护需求的增加,煤矿安全问题日益受到关注。传统的煤矿监测方法存在实时性、准确性和可靠性方面的挑战。本文引入云边结合计算技术,利用树莓派设备和Azure IoT Edge进行数据处理和实时分析,并将数据传输至Azure云平台进行监控和管理。通过温湿度传感器监测矿井内的温湿度信息,提出了一种适用于煤矿安全的云边结合计算架构。在边缘端采用卡尔曼滤波算法以减少环境干扰对数据的影响。实验结果表明:经过边缘端处理的信息能够成功上传至云端,实现数据可视化展示。

设备状态监测技术在半潜式钻井平台的应用

应用于半潜式钻井平台关键设备的在线监控系统,采用边云结合分布式监测体系,可对关键设备关键部位的运行状态进行在线监测,实现多源状态参数集成管理与传输;应用基于频谱、包络谱、小波变换等信号处理技术的工况自适应智能诊断方法,辅助发现关键部位发生故障的预警征兆,为及时进行设备维修提供参考,保障关键设备正常运行,促进现场设备管理由巡回检测、定期检测向长期连续监测、状态和预测性维修过渡。