智慧矿山中的三维地质模型构建与Web可视化实践

基于钻孔数据的三维地质模型可视化 智慧矿山是一个汇聚了多学科、多主题、多维空间信息的复杂系统,是在矿山地表和地下开采矿产资源的工程活动中所涉及的各种静、动态信息的全部数字化管理,智能分析,可视化展示,从而达到降本增效,实现企业利益的最大化。 地质数据是三维地质建模的基础和前提,也是实际项目中矿山资源评估和采矿设计的基础,是智慧矿山的基础之一。地质数据一般主要以工程钻探形式获得,通过钻孔,来获取基本岩性信息和取样分析数据,从而获得详细的地层信息,如地层年代、地层名称、地层厚度、岩石名称、岩性描述、底界深度等。 通过钻孔数据和各种物探手段, 阅读详情

1. 从钻孔到屏幕:智慧矿山的“数字孪生”第一步

想象一下,你手里有一把长长的“地质吸管”,插进大地深处,每次抽上来都能带回不同深度的土壤和岩石样本。这些“吸管”就是钻孔,而它们带回来的信息,就是我们构建地下世界数字地图的起点。在智慧矿山的宏大蓝图里,第一步就是要让这些沉睡在数据库里的钻孔数据“活”起来,变成一个我们能在电脑上任意旋转、剖切、观察的三维地质模型。这不仅仅是画个漂亮的图,它相当于给矿山做了一个高精度的“数字孪生”体,后续所有的智能分析、安全预警、开采规划,都得以这个模型为基石。

我刚开始接触这个领域时,也觉得一堆深度、岩性代码枯燥无比。但后来发现,每一个钻孔数据点,都像是盲人摸象故事里的一只手,摸到了大象的腿、耳朵或鼻子。单个数据点意义有限,可当我们把成百上千个钻孔数据(也就是成百上千只“手”)摸到的信息综合起来,再用科学的方法“脑补”出数据点之间的部分,一头完整“大象”——也就是地下地层的真实形态——的轮廓就清晰了。这个过程,就是从离散的点数据,构建出连续三维实体的核心,专业上叫“三维地质建模”。

为什么非得是三维的,而且还要能在网页上看呢?这得从实际需求说起。以前矿山设计,多靠二维剖面图,工程师得在脑子里进行空间想象,把一张张图纸拼起来,费时费力还容易出错。一个巷道的设计是否会和未知的断层冲突?资源储量计算是否精准?这些问题在三维模型里一目了然。而Web可视化,意味着这个模型不再局限于某台安装了专业软件的昂贵工作站。从总工在办公室的电脑,到矿长在会议室的平板,甚至现场技术员在手机上的快速查询,大家打开浏览器就能访问同一个最新版本的模型,协同决策的效率天差地别。这,就是技术带来的最直接的“降本增效”。

2. 数据基石:钻孔数据的“采、存、治”

万丈高楼平地起,三维模型的质量,八成取决于基础数据的质量。钻孔数据,就是我们最核心的“建材”。

2.1 数据采集:不只是深度和岩性

一次标准的工程钻探,获取的可不仅仅是“在XX米深处是花岗岩”这么简单。一份完整的钻孔数据记录,是一个立体的信息包。首先是空间位置,即钻孔口的经纬度坐标和高程,这是模型定位的锚点。其次是测斜数据,因为钻孔未必是垂直的,在深部可能会偏斜,必须记录不同深度的方位角和倾角,才能准确还原钻孔轨迹在地下空间的真实路径。

最重要的,是岩芯编录信息。这包括:

  • 分层深度:从孔口开始,不同岩性层的顶板深度和底板深度。
  • 岩性名称与描述:比如“灰白色中粒砂岩”、“深灰色泥岩夹煤层”。
  • 岩石质量指标(RQD):反映岩石完整性的关键工程参数。
  • 采样与化验数据:在特定层位取样的矿石品位分析,如含铁量、含金量等。

在实际项目中,我踩过的一个坑就是数据格式不统一。地质队用的软件导出格式可能不同,字段命名五花八门,比如“层底深度”有人叫“BottomDepth”,有人叫“EndDepth”。直接把这些数据丢给建模程序,肯定会报错。所以,必须建立一个标准化的数据模板,所有原始数据在入库前,都要经过一道“清洗”和“转换”的工序,确保字段名、单位(米还是英尺)、岩性编码都一致。这个过程虽然繁琐,但能省去后面无数调试的麻烦。

2.2 数据库构建:让数据“安家”

清洗好的数据,需要存入一个结构合理的数据库中。不建议直接用文件(如Excel)来管理,一旦数据量变大、多人协作,版本管理和查询效率都会成问题。通常我们会采用关系型数据库(如PostgreSQL)甚至时空数据库(如PostGIS)。

数据库表的设计很关键。至少应该有这几张核心表:

  1. 钻孔基本信息表:存放钻孔编号、坐标、孔口高程、总深度等。
  2. 钻孔测斜表:与钻孔编号关联,存放不同深度点的偏斜测量数据。
  3. 地层分层表:这是核心中的核心,每条记录对应一个钻孔中的一个地层单元,包含所属钻孔、顶深、底深、岩性代码、地层年代等信息。
  4. 样品化验表:与具体的地层分层记录关联,存放品位数据。

有了这个结构,我们不仅能存储数据,还能高效地查询,比如“找出所有穿过煤层A的钻孔,并列出其煤层厚度和灰分”。这些查询能力,是后续模型构建和资源量计算的基础。

3. 模型构建:用算法“连接”数据点

当所有钻孔数据都整齐地躺在数据库里,下一个挑战就是:如何把这些分散的点,变成连续的地层曲面和实体?这就是地质建模算法的用武之地。

3.1 从剖面到体元:两步走策略

最直观的建模思路是“先线后面,再面成体”。首先,工程师会根据钻孔数据,人工解释并绘制一系列地质剖面图。比如,沿着矿体走向每隔50米画一个垂直剖面,在剖面图上连接不同钻孔中同一地层的点,形成地层界线。这个过程依赖地质师的经验,特别是在构造复杂(如存在断层、褶皱)的区域,人工解释无可替代。

获得了一系列剖面后,就可以进行第二步:三维插值。我们可以把每个剖面看作一个“栅栏”,上面画好了地层线。现在需要用一张“橡皮膜”,把这些并排的“栅栏”上的对应地层线连接起来,形成一个光滑的曲面。常用的算法包括:

  • 反距离加权法(IDW):原理很简单,距离已知点越近,受其影响越大。计算速度快,适合数据均匀分布的情况。但有个缺点,它容易在数据点周围形成“牛眼”状的等值线。
  • 克里金法(Kriging):这是地质统计学的“明星算法”。它不光考虑距离,还通过变差函数分析数据在空间上的自相关性(即一个点的值对其周围点的影响规律)。克里金能给出插值结果的不确定性估计(即误差方差),告诉你哪些区域模型可靠,哪些区域是推测的、不确定性大。在资源储量估算中,这一点至关重要。

在代码层面,我们可以利用强大的开源库如scipy和pykrige来实现。下面是一个使用普通克里金进行插值的简化示例:

import numpy as np
from pykrige.ok import OrdinaryKriging

# 假设我们有三个钻孔的数据点(X, Y, Z坐标,以及地层界面高程值)
data_points = np.array([
    [100, 200, 50],   # 钻孔1坐标 (x, y, z_elevation)
    [300, 150, 45],   # 钻孔2
    [250, 400, 60]    # 钻孔3
])
values = np.array([100, 95, 110])  # 对应点的高程值(例如,煤层顶板海拔)

# 创建克里金插值对象
OK = OrdinaryKriging(
    data_points[:, 0],  # X坐标
    data_points[:, 1],  # Y坐标
    values,             # 观测值
    variogram_model='spherical',  # 变差函数模型,可选 'linear', 'spherical', 'gaussian'等
    nlags=6,            # 计算变差函数时使用的滞后分组数
    weight=True
)

# 定义需要插值的网格范围
gridx = np.arange(0, 500, 10)  # X方向从0到500,步长10米
gridy = np.arange(0, 500, 10)  # Y方向

# 执行插值,得到网格上每个点的预测值(z)和估计方差(ss)
z, ss = OK.execute('grid', gridx, gridy)

# z就是一个二维数组,代表了整个区域煤层顶板的高程模型

3.2 体元模型与多分辨率金字塔

上面插值得到的是一个个地层曲面。要形成真正的三维实体模型,通常会用体元(Voxel) 来表达。想象把整个矿区空间划分成无数个微小的立方体格子(体元),每个格子赋予一个属性值,比如“岩性编码:1代表砂岩,2代表泥岩”。通过插值算法,我们可以确定每个体元属于哪一层岩性。

这里就遇到一个性能和精度的平衡难题:体元格子划分得越细(分辨率高),模型就越精细,能反映更薄的地层和更复杂的变化,但数据量会呈立方级增长,导致加载和渲染极其缓慢。格子划得太粗,数据量小了,速度快了,但模型就会“马赛克”化,丢失细节。

我在项目中采用的解决方案是构建多分辨率金字塔模型。这就像在线地图(如谷歌地图)一样,有从全球概览到街道细节的不同缩放级别。在服务器端,我们预先用同一套数据,生成多个不同精度的体元模型:

  • Level 0(最粗):体元尺寸可能是50米,用于整个矿区的快速全景浏览。
  • Level 1(中等):体元尺寸10米,用于区域分析。
  • Level 2(最细):体元尺寸1米,用于查看局部精细构造。

前端在展示时,根据当前摄像机的视点位置、距离和缩放级别,动态请求合适分辨率的数据。离得远、看得全的时候,加载粗粒度数据;当用户拉近视角,聚焦某个局部时,再自动加载该区域的细粒度数据。同时,结合视锥体裁剪技术,只加载和渲染当前屏幕内可见的部分。这套机制能确保在普通网络和电脑配置下,也能流畅地与大规模地质模型进行交互。

4. Web可视化实战:让三维模型在浏览器中“奔跑”

模型建好了,怎么让它在网页里既好看又好用?这是前端可视化技术的舞台。

4.1 引擎选择与场景搭建

现在主流的Web三维技术是WebGL,它允许浏览器直接调用GPU进行高性能图形渲染。但直接写WebGL代码如同用汇编语言编程,极其复杂。因此,我们需要借助高级的图形引擎。市面上有Three.js、Cesium.js、Babylon.js等优秀的开源引擎,也有像图扑HT这样的商业引擎。

以Three.js为例,它封装了WebGL的复杂细节,提供了场景(Scene)、相机(Camera)、渲染器(Renderer)、网格(Mesh)等易于理解的概念。将我们的体元模型在网页中展示出来的核心流程如下:

// 1. 初始化场景、相机和渲染器
const scene = new THREE.Scene();
const camera = new THREE.PerspectiveCamera(75, window.innerWidth / window.innerHeight, 0.1, 1000);
const renderer = new THREE.WebGLRenderer();
renderer.setSize(window.innerWidth, window.innerHeight);
document.body.appendChild(renderer.domElement);

// 2. 加载地质体元模型数据(假设我们从服务器获取了简化后的网格顶点数据)
fetch('/api/geological-model/level1')
  .then(response => response.json())
  .then(data => {
    const geometry = new THREE.BufferGeometry();
    // 设置顶点位置、颜色等属性
    geometry.setAttribute('position', new THREE.Float32BufferAttribute(data.vertices, 3));
    geometry.setAttribute('color', new THREE.Float32BufferAttribute(data.colors, 3)); // 颜色代表不同岩性

    const material = new THREE.MeshLambertMaterial({ vertexColors: true });
    const mesh = new THREE.Mesh(geometry, material);
    scene.add(mesh); // 将地质模型网格添加到场景中
  });

// 3. 添加光源
const light = new THREE.DirectionalLight(0xffffff, 1);
light.position.set(5, 10, 7).normalize();
scene.add(light);

// 4. 设置相机位置并开始动画循环
camera.position.z = 50;
function animate() {
  requestAnimationFrame(animate);
  // 可以在这里添加模型的旋转动画
  // mesh.rotation.x += 0.01;
  // mesh.rotation.y += 0.01;
  renderer.render(scene, camera);
}
animate();

4.2 核心交互功能实现

一个“死”的模型价值有限,必须能让用户与之互动。以下是几个关键功能的实现思路:

模型剖切:这是地质分析中最常用的功能。原理是利用裁剪平面(Clipping Plane)。在Three.js中,可以为材质设置全局裁剪平面。当用户想沿着某个方向剖开模型时,我们动态计算一个平面方程,然后应用到材质上。

// 创建一个沿X轴方向的垂直剖切面
const clipPlane = new THREE.Plane(new THREE.Vector3(-1, 0, 0), 0); // 平面法向量指向X负方向,常数项为0(穿过原点)
material.clippingPlanes = [clipPlane];
material.clipIntersection = false; // 裁掉平面外侧
material.clipShadows = true;

// 在交互中,可以通过UI滑块动态改变平面的常数项,实现“滑动”剖切的效果
slider.oninput = function(e) {
  clipPlane.constant = parseFloat(e.target.value);
  material.needsUpdate = true; // 通知材质更新
};

属性查询与联动:当用户点击三维模型上的某个位置时,我们需要反查出该位置对应的体元属性(如岩性、品位)。这通常通过射线投射(Raycasting) 实现:从鼠标点击的屏幕位置发出一条射线,与场景中的模型求交,得到交点坐标。然后,根据这个坐标反算它在体元网格中的索引,进而从属性数组中取出数据展示。

更高级的联动是三维与二维视图的同步。例如,左侧是一个基于钻孔数据的柱状图列表(二维树形结构),点击某个钻孔柱状图,三维场景中的相机立刻平滑移动并高亮显示该钻孔的位置。反之,点击三维模型中的钻孔,左侧列表自动滚动到对应项。这种联动极大地提升了数据探索的效率。

模型轻量化与LOD:对于庞大的体元模型,直接渲染所有三角面片是不现实的。我们需要在服务器端或前端进行模型简化(Decimation) 和层次细节(LOD) 处理。对于远离视点的部分,使用顶点数更少的简化模型进行渲染;只有靠近视点的部分才使用高精度模型。Three.js本身支持LOD对象,可以方便地管理同一模型的不同细节层次。

5. 系统集成与实战经验分享

把建模引擎和可视化前端拼起来,只是一个开始。要让它成为一个在生产环境中稳定运行、真正为矿山管理服务的系统,还需要考虑很多工程问题。

5.1 前后端数据流设计

系统的架构通常是“前后端分离”的。后端(服务器)负责核心的地质建模算法、数据管理和业务逻辑,提供RESTful API或WebSocket接口。前端(浏览器)负责渲染和交互,通过接口请求数据。

一个典型的数据流是这样的:

  1. 前端请求某个区域、某个分辨率级别的模型数据。
  2. 后端接收到请求,从数据库或缓存中读取相应的钻孔和剖面数据。
  3. 调用建模算法(如克里金插值),实时生成或读取预生成的体元网格数据。这里有个优化点:对于不常变的基础地质模型,可以预生成好各层级的网格数据文件(如二进制格式或3D Tiles格式),直接返回,避免每次请求都进行耗时的插值计算。
  4. 将网格数据(顶点坐标、颜色、索引等)序列化为JSON或二进制格式,通过API返回给前端。
  5. 前端解析数据,用Three.js等引擎构建几何体并渲染。

对于模型编辑(人工校正)功能,流程则相反。用户在前端拖拽控制点修改模型后,前端需要计算出修改的增量信息(比如哪些体元的属性发生了变化),然后将这个增量包发送到后端。后端将其存入专门的“人工修正数据库”,并在下次任何用户请求该区域模型时,自动将基础网格数据与修正数据融合后返回。这样既保证了原始数据的完整性,又容纳了人工经验的干预。

5.2 性能优化“踩坑”记

在实际部署中,性能是最大的挑战之一。我总结了几条血泪教训:

网络传输优化:原始的顶点数据非常庞大。必须进行压缩。除了使用gzip等通用压缩,在几何数据本身也可以做文章。比如,使用Draco这样的几何压缩库,它能将网格数据压缩到原来的10%甚至更小,而且Three.js有对Draco的直接支持。传输格式上,二进制格式(如ArrayBuffer)比JSON文本格式体积小、解析快。

渲染优化:

  • 合并绘制调用:如果场景由成千上万个独立的小体元(每个都是一个Mesh)组成,浏览器的绘制调用会爆棚,导致卡顿。解决方案是尽可能将材质相同的几何体合并成一个大的BufferGeometry,通过一个Mesh进行绘制,能极大提升性能。
  • 使用实例化渲染:对于大量重复的物体(比如表示相同岩性的标准体元),可以使用InstancedMesh,它只存储一份几何体和材质,但可以高效渲染出成千上万个实例,每个实例可以有不同的位置、旋转和缩放。这比创建多个独立的Mesh对象要快得多。
  • 谨慎使用阴影和后期处理:实时阴影(尤其是软阴影)和屏幕空间环境光遮蔽(SSAO)、抗锯齿(MSAA)等后期效果非常消耗性能。在配置普通的机器上,可能需要关闭或降低这些效果的品质。

内存管理:Web应用的内存是有限的。当用户在三维场景中导航,从一个区域切换到另一个区域时,旧区域的模型数据如果没有及时从GPU和内存中清理,就会导致内存泄漏,标签页会越来越卡,最终崩溃。一定要在Three.js中及时调用geometry.dispose()和material.dispose()来释放资源,并在切换场景时清理不再需要的对象。

5.3 从可视化到“可决策”

模型建得再漂亮,看得再流畅,如果不能辅助决策,价值就大打折扣。我们在项目中,逐步在三维可视化平台上叠加了多种分析工具:

  • 储量计算:在三维模型中圈定矿体范围,系统自动根据体元属性(品位、体重)计算矿石量和金属量,比传统断面法更精准。
  • 开采模拟:根据设计好的开采台阶或巷道,在三维模型中动态“剥离”或“挖掘”岩层,实时计算采出量和剥采比,并检查是否与地质构造(如断层)发生冲突。
  • 安全监测集成:将微震监测、边坡位移监测等实时传感器的数据,以点云、等值面或动画的形式融合到三维地质模型中。一旦某个区域监测数据异常,模型对应位置立刻高亮报警,帮助安全人员直观定位风险源。

这些功能的加入,使得三维地质模型从一个“展示品”变成了一个真正的“生产力工具”。地质工程师用它来验证解释成果,采矿工程师用它来优化设计,安全管理员用它来监控风险。不同角色的人,在同一个“数字孪生”矿山里协同工作,数据不再孤立,这才是智慧矿山可视化建设的深层意义。

基于 HT 可视化搭建智慧矿山数字孪生综合管控平台 7.1 核心技术成果• 自主技术整合:以数据治理为核心,整合 HT 二维 / 三维组态、BIM、GIS、视频融合、空间计算技术,打造矿山元宇宙数字底板;• 无插件依赖:全程采用自主技术,建立多源异构海量数据一体化监控模式,具备实时互联、全面感知、动态预测等能力。7.2 行业价值与应用场景• 矿山赋能:推动 “黑灯工厂” 向生态化、绿色化、集约化发展,提升新质生产力;• 跨行业应用:已覆盖工业组态、电力能源、孪生工厂、电信机房、智慧交通、智慧城市、园区楼宇、智慧水务、航天军工等领域。7.3 未来规划。 阅读详情

相关推荐

智慧矿山合集:数字孪生综合管控平台

以数据治理和数据共享为核心,通过整合 HT 二维组态、三维组态、BIM、GIS、视频融合、空间计算等技术,合力打造矿山元宇宙数字底板。建立实时互联、全面感知、动态预测、分析决策、协同控制和自主学习的多源异构海量数据一体化监控模式。通过智能化建设赋能矿山行业新质生产力,助力“黑灯工厂”迈向生态化、绿色化、集约化的发展道路。

Hightopo的博客 1822

利用 HT 可视化搭建的智慧矿山数字孪生综合管控平台

7.1 核心技术成果• 自主技术整合:以数据治理为核心,整合 HT 二维 / 三维组态、BIM、GIS、视频融合、空间计算技术,打造矿山元宇宙数字底板;• 无插件依赖:全程采用自主技术,建立多源异构海量数据一体化监控模式,具备实时互联、全面感知、动态预测等能力。7.2 行业价值与应用场景• 矿山赋能:推动 “黑灯工厂” 向生态化、绿色化、集约化发展,提升新质生产力;• 跨行业应用:已覆盖工业组态、电力能源、孪生工厂、电信机房、智慧交通、智慧城市、园区楼宇、智慧水务、航天军工等领域。7.3 未来规划。

Hightopo的博客 1239

智慧矿山实战:如何用倾斜摄影+钻孔数据构建高精度三维地质模型?

本文深入探讨了智慧矿山建设中,如何将无人机倾斜摄影获取的高精度地表实景模型与钻孔勘探数据深度融合,构建高精度、全空间三维地质模型的实战路径。文章详细解析了数据采集、预处理、空间插值算法选择以及地表与地下模型精准融合的核心技术与挑战,并阐述了模型在Web可视化、空间分析及动态更新中的应用价值,为矿山数字化提供了一份操作性强的指南。

weixin_29189377的博客 311

基于 HT 技术下的智慧矿山数字孪生综合管控平台

在矿山智能化建设的浪潮中,图扑 HT 打造了功能全面、技术先进的智慧矿山数字孪生综合管控平台,为矿山行业的转型升级注入了强大动力。HT 涵盖了二三可视化引擎、2D/3D 协同设计工具、组态、低代码开发等多种可视化工具,这些技术是智慧矿山解决方案的核心支撑。1.:地质数据是矿山开采的基础,通过地表勘测、钻探取样、物探和遥感等技术获取。HT监控平台以三维地质模型为核心,整合地形地貌、地质矿产和探矿工程等静态要素,结合勘探数据构建动态地质模型管理系统。

Hightopo的博客 1191

图扑软件基于钻孔数据的三维地质模型可视化

近年来,国家发改委、国家能源局、自然资源部等相继出台了《能源技术革命创新行动计划》(2016-2030年)、《全国矿产资源规划(2016—2020年)》等众多纲领性文件,分别对矿山自动化、信息化、数字化、智能化提出了指导要求,为矿山企业今后的绿色发展指明了方向。智慧矿山是一个汇聚了多学科、多主题、多维空间信息的复杂系统,是在矿山地表和地下开采矿产资源的工程活动中所涉及的各种静、动态信息的全部数字化管理,智能分析,可视化展示,从而达到降本增效,实现企业利益的最大化。地质数据是三维地质建模的基础和前提,也是实际

weixin_46336189的博客 832

智慧矿山中的三维地质建模与Web可视化技术实践

本文深入探讨了智慧矿山建设中三维地质建模与Web可视化技术的核心实践。通过整合钻孔数据,构建高精度三维地质模型,并利用WebGL技术实现浏览器端的流畅交互与可视化。该技术将复杂的地质信息转化为直观、协同的数字孪生体,从根本上改变了资源评估、采矿设计、安全生产等核心业务的决策模式,推动了矿山从经验驱动到数据驱动的深刻变革。

weixin_29171087的博客 389

视频监控管理平台如何重塑采矿行业安全与效率

智联视频超融合平台通过GB/T28181-2011/2016/2022、国网B接口、RTSP、RTMP、ONVIF、GB/T35114、GA1400、海康大华SDK/API等方式,接入海康、大华、宇视等各个厂家的摄像机、录像机,接入直播手机,接入下级平台,提供web客户端进行视频预览、录像回放、配置管理和智慧运维。提供标准RESTful格式的HTTP API,提供web播放器demo,满足二次开发需求。同时支持将音视频数据等转发成各种通用标准的流媒体协议,方便第三方客户端调用展示。

tysos的专栏 1216

图扑 Web 可视化引擎在仿真分析领域的应用

在数字孪生和仿真研究过程中,会产生大量和三维空间相关的数值信息,比如设备外观的扫描数据、地形扫描数据、生产设备温度场/压力场、流体的速度场、流体扩散,以及各种仿真数据:速度,压力,应力,温度等。这些数据的特点是数量大,使用二维图表呈现不直观,无法直观呈现数据的三维分布和数据随时间的变化。 图扑软件是基于 WebGL 的三维可视化引擎,在 WebGL 基础上封装了基本的三维模型创建、呈现的 API。同时还封装了丰富的数学运算库,涵盖多维变换,几何计算等。图扑 SDK 开放灵活的架构也使得用户开发扩展功能非常

weixin_46336189的博客 312

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

印尼稻米收成与粮食安全数据集2026年

本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

MCU启动流程详解

在MCU启动后,系统从flash主存储区开始执行,先将0x08000000地址存放的堆栈栈顶指针赋给SP寄存器,将0x08000004地址存放的Reset_Handler复位向量地址赋给PC寄存器跳转执行系统复位,期间执行System_Initializes函数配置系统时钟,重定位向量表,执行MDK自带库函数__main将RW、ZI数据段从Flash加载到RAM,并跳转至_rt_entry进行Stack和Heap的初始化,最后跳转到熟悉的main函数。

weixin_50827397的博客 1507
上一篇: 避坑指南:Win7/Win10安装Anaconda3(Python3.7)时最容易忽略的5个细节
下一篇: HFSS仿真同轴线:从建模到动态电磁场分析
github5actions
博客等级 码龄1天 0粉丝 1824原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值