文献检索-宁波市创意产业特色资源库

限定检索结果

基于深度学习的基站设备灰尘隐患识别方法研究: 收藏
分享
引用; 《通讯世界》2023年第11期30卷 31-33页; 作者：韩龙刚马方明邱禹刘昊天程琳中国移动通信集团设计院有限公司网研中心北京100080 中国移动通信集团广东有限公司无线网优中心广东广州510000 中国移动通信集团设计院有限公司广东分公司网优所广东广州510623; 由于基站设备大多会自带静电,很容易吸附灰尘,产生基站设备通风散热不良、温度过高等问题,从而影响基站设备的正常运行。目前,移动运营商在委派基站巡检人员对基站进行巡检并除尘时,巡检人员仅通过肉眼来判断设备是否存在灰尘,无法及时...; 由于基站设备大多会自带静电,很容易吸附灰尘,产生基站设备通风散热不良、温度过高等问题,从而影响基站设备的正常运行。目前,移动运营商在委派基站巡检人员对基站进行巡检并除尘时,巡检人员仅通过肉眼来判断设备是否存在灰尘,无法及时发现与清除灰尘,并且没有智能化判断除尘是否完成的手段。因此,研究基于深度学习的基站设备灰尘隐患识别方法,以高效支撑基站巡检工作。; 来源：详细信息评论

限定检索结果