一种工作状态过程监测方法、装置及存储介质与流程

1.本发明属于员工工作状态监测领域，具体是一种工作状态过程监测方法、装置及存储介质。


背景技术：

2.随着企业发展的规模化，其对员工的考核方式有各式各样，针对能够连接外网的企业，有些员工会查看与本工作岗位无关的内容，或者在接听电话的岗位，会聊一些与本工作岗位无关的内容，以及离开本工作岗位时间太久，这些都会造成员工的工作效率低下。
3.为解决以上问题，现有技术中有通过监测员工的计算机键盘敲击、鼠标点击，以及其他方式进行对员工进行监测，但这些监测方式不够人性化或者不够准确，也不能从以上提出的问题上进行综合考虑。
4.为此，本发明提出了一种工作状态过程监测方法、装置及存储介质。


技术实现要素：

5.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种工作状态过程监测方法、装置及存储介质，该种工作状态过程监测方法、装置及存储介质解决了如何人性化且准确的对员工在工作时间内的工作状态是否认真进行监测的问题。
6.为实现上述目的，根据本发明的实施例提出一种工作状态过程监测方法，包括：
7.步骤一：获取单位工作时间内目标监测人员的工作状态数据；其中，所述工作状态数据包括目标监测人员的计算机后台运行数据、语音数据以及视频图像数据；
8.步骤二：根据获取的工作状态数据分别进行第一工作认真系数值、第二工作认真系数值以及第三工作认真系数值的计算；
9.步骤三：对第一工作认真系数值、第二工作认真系数值以及第三工作认真系数值进行加权计算，获取总工作认真系数值；
10.步骤四：预设总工作认真系数阈值，判断目标监测人员在单位工作时间内的工作状态是否认真。
11.进一步地，根据获取的计算机后台运行数据对第一工作认真系数值进行计算，过程如下：
12.步骤s01：将获取的计算机后台运行数据输入至由前期根据与本岗位工作内容相关的后台运行样本数据和与本岗位工作内容无关的后台运行样本数据进行训练所建立的第一神经网络模型；从而输出与本岗位工作内容无关的计算机后台运行数据；
13.步骤s02：将通过第一神经网络模型获取的单位工作时间内与本岗位工作内容无关的计算机后台运行数据中的进程总数标记为n，以及将对应进程的cpu利用率大于0的时间总和标记为ti，其中i表示与本岗位工作内容无关的计算机后台运行数据中进程的编号，i＝1,2
……
n；将单位工作时间标记为t；根据计算公式获取第一工作认真系
数值r1。
14.进一步地，根据获取的语音数据对第二工作认真系数值进行计算，过程如下：
15.步骤s11：通过语音识别转换技术将获取的语音数据转换为文字数据；并将文字数据输入至由前期根据与本岗位工作内容相关的通话记录样本数据和与本岗位工作内容无关的通话记录样本数据进行训练所建立的第二神经网络模型；从而输出与本岗位工作内容无关的语音文字段落；
16.步骤s12：将通过第二神经网络模型获取的单位工作时间内与本岗位工作内容无关的语音文字段落的字符总数标记为m；预设普通人说话的平均语速为v，需要说明的是，v表示普通人在设定的单位时间内说话的字符数；根据计算公式获取第二工作认真系数值r2。
17.进一步地，根据获取的视频图像数据对第三工作认真系数值进行计算，过程如下：
18.步骤s21：将获取的视频图像按照时间顺序分成若干帧，并对每一帧视频图像进行预处理；对目标监测人员的工位与人员进行平面分割，获取人员图像与背景，从而对视频图像中的人员是否在工位上进行确认；
19.步骤s22：通过步骤s21获取对应工位上的人员是否在岗；若不在岗，则记录不在岗时间以及不在岗次数；并预设不在岗时间阈值；将超过不在岗时间阈值的不在岗次数和对应不在岗时间分别标记为m和tj，其中j表示超过不在岗时间阈值的不在岗次数的编号，j＝1,2
……
m；根据计算公式获取第三工作认真系数值r3。
20.进一步地，根据计算公式r＝a1
×
r1+a2
×
r2+a3
×
r3，获取目标监测人员在单位工作时间内的总工作认真系数值r，其中a1、a2以及a3分别为第一工作认真系数值、第二工作认真系数值以及第三工作认真系数值的权重系数。
21.进一步地，预设总工作认真阈值为rs；
22.若r＞rs，则表示目标监测人员在单位工作时间内的工作状态不认真；
23.若r≤rs，则表示目标监测人员在单位工作时间内的工作状态认真。
24.一种工作状态过程监测装置，利用一种工作状态过程监测方法，包括：第一数据采集模块、第二数据采集模块、第三数据采集模块、第一数据处理模块、第二数据处理模块、第三数据处理模块以及智能决策模块，各个模块之间信息交互；
25.所述第一数据采集模块用于在单位工作时间内对目标监测人员的计算机后台运行数据进行实时采集获取，并发送至第一数据处理模块；
26.所述第二数据采集模块用于在单位工作时间内对目标监测人员的语音数据进行实时采集获取，并发送至第二数据处理模块；
27.所述第三数据采集模块用于在单位工作时间内对目标监测人员的视频图像数据进行实时采集获取，并发送至第三数据处理模块；
28.所述第一数据处理模块用于对获取的在单位时间内的目标监测人员的计算机后台运行数据进行分析处理，获取第一工作认真系数值，并发送至智能决策模块；
29.所述第二数据处理模块用于对获取的在单位工作时间内对目标监测人员的语音数据进行分析处理，获取第二工作认真系数值，并发送至智能决策模块；
30.所述第三数据处理模块用于对在单位工作时间内对目标监测人员的视频图像数据进行分析处理，获取第三工作认真系数值，并发送至智能决策模块；
31.所述智能决策模块用于对获取的第一工作认真系数值、第二工作认真系数值以及第三工作认真系数值进行加权计算，获取总工作认真系数值；并预设总工作认真系数阈值，判断目标监测人员在单位工作时间内的工作状态是否认真。
32.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，当所述计算机程序被计算机执行时，使得所述的一种工作状态过程监测方法被实现。
33.与现有技术相比，本发明的有益效果是：
34.本发明提供了一种工作状态过程监测方法、装置及存储介质，通过第一数据采集模块、第二数据采集模块以及第三数据采集模块分别获取单位工作时间内目标监测人员的计算机后台运行数据、语音数据以及视频图像数据的工作状态数据；通过第一数据处理模块、第二数据处理模块以及第三数据处理模块分别对获取的单位工作时间内目标监测人员的计算机后台运行数据、语音数据以及视频图像数据进行分析处理，获取第一工作认真系数值、第二工作认真系数值以及第三工作认真系数值；其中，第一数据处理模块将获取的单位工作时间内目标监测人员的计算机后台运行数据输入至第一神经网络模型，从而输出与本岗位工作内容无关的计算机后台运行数据，并根据与本岗位工作内容无关的计算机后台运行数据在单位工作时间内的进程总数和对应进程的cpu利用率大于0的时间总和，从而根据计算公式获取第一工作认真系数值；其中，第二数据处理模块将获取的单位工作时间内目标监测人员的语音数据通过语音识别转换技术将获取的语音数据转换为文字数据，再输入至第二第二神经网络模型，从而输出与本岗位工作内容无关的语音文字段落，并根据与本岗位工作内容无关的语音文字段落的字符总数与普通人说话的平均语速，从而根据计算公式回去第二工作认真系数值；其中，第三数据处理模块对单位工作时间内目标监测人员的视频图像数据进行数字图像处理，并对目标监测人员的工位与人员进行平面分割，从而对视频图像中的人员是否在工位上进行确认，并记录超过不在岗时间阈值的不在岗次数和对应不在岗时间，从而根据计算公式获取第三工作认真系数值；通过智能决策模块对第一工作认真系数值、第二工作认真系数值以及第三工作认真系数值进行加权计算，获取总工作认真系数值；并预设总工作认真系数阈值，判断目标监测人员在单位工作时间内的工作状态是否认真；本发明能够有效监测出目标监测人员在单位工作时间内在岗的工作状态是否认真，使得考核员工的绩效更加准确，也提高了考核工作的效率；解决了如何人性化且准确的对员工在工作时间内的工作状态是否认真进行监测的问题。
附图说明
35.图1为本发明的方法流程图；
36.图2为本发明的装置结构框图。
具体实施方式
37.下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的
范围。
38.如图1所示，一种工作状态过程监测方法，包括：
39.步骤一：获取单位工作时间内目标监测人员的工作状态数据；
40.在本技术中，所述工作状态数据包括目标监测人员的计算机后台运行数据、语音数据以及视频图像数据；
41.在单位工作时间内，所述计算机后台运行数据为目标监测人员所属计算机开机状态下的相关应用程序后台运行的数据，包括cpu利用率；
42.在单位工作时间内，所述语音数据为目标监测人员在对应工位上的电话通话语音记录数据，或者现场聊天的语音数据；
43.在单位工作时间内，所述视频图像数据为在办公区域对目标监测人员的工位进行拍摄的视频；
44.步骤二：根据获取的工作状态数据分别进行第一工作认真系数值、第二工作认真系数值以及第三工作认真系数值的计算；
45.在本技术中，根据获取的计算机后台运行数据的工作状态数据对第一工作认真系数值进行计算，过程如下：
46.步骤s01：将获取的计算机后台运行数据的工作状态数据输入至由前期根据与本岗位工作内容相关的后台运行样本数据和与本岗位工作内容无关的后台运行样本数据进行训练所建立的第一神经网络模型；从而输出与本岗位工作内容无关的计算机后台运行数据；
47.步骤s02：将通过第一神经网络模型获取的单位工作时间内与本岗位工作内容无关的计算机后台运行数据中的进程总数标记为n，以及将对应进程的cpu利用率大于0的时间总和标记为ti，其中i表示与本岗位工作内容无关的计算机后台运行数据中进程的编号，i＝1,2
……
n；
48.将单位工作时间标记为t，其中单位工作时间由管理员设定，可以为一分钟，一小时，或者一天等；
49.根据计算公式获取第一工作认真系数值r1；
50.在本技术中，根据获取的语音数据的工作状态数据对第二工作认真系数值进行计算，过程如下：
51.步骤s11：通过语音识别转换技术将获取的语音数据转换为文字数据；并将文字数据输入至由前期根据与本岗位工作内容相关的通话记录样本数据和与本岗位工作内容无关的通话记录样本数据进行训练所建立的第二神经网络模型；从而输出与本岗位工作内容无关的语音文字段落；
52.步骤s12：将通过第二神经网络模型获取的单位工作时间内与本岗位工作内容无关的语音文字段落的字符总数标记为m；预设普通人说话的平均语速为v，需要说明的是，v表示普通人在设定的单位时间内说话的字符数；
53.根据计算公式获取第二工作认真系数值r2；
54.在本技术中，根据获取的视频图像数据的工作状态数据对第三工作认真系数值进
行计算，过程如下：
55.步骤s21：将获取的视频图像按照时间顺序分成若干帧，并对每一帧视频图像进行预处理；对目标监测人员的工位与人员进行平面分割，获取人员图像与背景，从而对视频图像中的人员是否在工位上进行确认；
56.步骤s22：通过步骤s21获取对应工位上的人员是否在岗；若不在岗，则记录不在岗时间以及不在岗次数；并预设不在岗时间阈值；将超过不在岗时间阈值的不在岗次数和对应不在岗时间分别标记为m和tj，其中j表示超过不在岗时间阈值的不在岗次数的编号，j＝1,2
……
m；
57.根据计算公式获取第三工作认真系数值r3；
58.步骤三：对第一工作认真系数值、第二工作认真系数值以及第三工作认真系数值进行加权计算，获取总工作认真系数值；
59.在本技术中，获取第一工作认真系数值、第二工作认真系数值以及第三工作认真系数值进行加权计算；
60.即根据计算公式r＝a1
×
r1+a2
×
r2+a3
×
r3，获取目标监测人员在单位工作时间内的总工作认真系数值r，其中a1、a2以及a3分别为第一工作认真系数值、第二工作认真系数值以及第三工作认真系数值的权重系数，需要说明的是，不同岗位的对应权重系数不同，由管理员进行设置；
61.步骤四：预设总工作认真系数阈值，判断目标监测人员在单位工作时间内的工作状态是否认真；
62.在本技术中，预设总工作认真阈值为rs；
63.若r＞rs，则表示目标监测人员在单位工作时间内的工作状态不认真；
64.若r≤rs，则表示目标监测人员在单位工作时间内的工作状态认真；
65.如图2所示，一种工作状态过程监测装置，包括：第一数据采集模块、第二数据采集模块、第三数据采集模块、第一数据处理模块、第二数据处理模块、第三数据处理模块以及智能决策模块，各个模块之间信息交互；
66.其中，所述第一数据采集模块用于在单位工作时间内对目标监测人员的计算机后台运行数据进行实时采集获取，并发送至第一数据处理模块；其中，所述第一数据采集模块可以为设置在目标监测人员的计算机上的任务管理器，
67.其中，所述第二数据采集模块用于在单位工作时间内对目标监测人员的语音数据进行实时采集获取，并发送至第二数据处理模块；其中，所述第二数据采集模块可以电话接听岗位的电话录音获取，也可以通过设置在计算机上对在岗人员的语音进行实时获取，还可以设置在办公桌上的专门录音设备对语音数据进行采集获取；
68.其中，所述第三数据采集模块用于在单位工作时间内对目标监测人员的视频图像数据进行实时采集获取，并发送至第三数据处理模块；其中，所述第三数据采集模块可以为监控摄像头，在本发明的实施例中，为同时考核多个目标监测人员，可以通过将监控摄像头设置在办公区的上方，能够同时拍摄到同类型工作岗位的多个目标监测人员的工位；
69.其中，所述第一数据处理模块用于对获取的在单位时间内的目标监测人员的计算机后台运行数据进行分析处理，获取第一工作认真系数值，并发送至智能决策模块；具体
地，处理过程如下：
70.所述第一数据处理模块将获取的计算机后台运行数据的工作状态数据输入至由前期根据与本岗位工作内容相关的后台运行样本数据和与本岗位工作内容无关的后台运行样本数据进行训练所建立的第一神经网络模型；从而输出与本岗位工作内容无关的计算机后台运行数据；
71.所述第一数据处理模块将通过第一神经网络模型获取的单位工作时间内与本岗位工作内容无关的计算机后台运行数据中的进程总数标记为n，以及将对应进程的cpu利用率大于0的时间总和标记为ti，其中i表示与本岗位工作内容无关的计算机后台运行数据中进程的编号，i＝1,2
……
n；将单位工作时间标记为t；
72.所述第一数据处理模块根据计算公式获取第一工作认真系数值r1，并发送至智能决策模块；
73.其中，所述第二数据处理模块用于对获取的在单位工作时间内对目标监测人员的语音数据进行分析处理，获取第二工作认真系数值，并发送至智能决策模块；具体地，处理过程如下：
74.所述第二数据处理模块通过语音识别转换技术将获取的语音数据转换为文字数据；并将文字数据输入至由前期根据与本岗位工作内容相关的通话记录样本数据和与本岗位工作内容无关的通话记录样本数据进行训练所建立的第二神经网络模型；从而输出与本岗位工作内容无关的语音文字段落；
75.所述第二数据处理模块将通过第二神经网络模型获取的单位工作时间内与本岗位工作内容无关的语音文字段落的字符总数标记为m；预设普通人说话的平均语速为v，需要说明的是，v表示普通人在设定的单位时间内说话的字符数；
76.所述第二数据处理模块根据计算公式获取第二工作认真系数值r2，并发送孩子智能决策模块；
77.其中，所述第三数据处理模块用于对在单位工作时间内对目标监测人员的视频图像数据进行分析处理，获取第三工作认真系数值，并发送至智能决策模块；具体地，处理过程如下：
78.所述第三数据处理模块将获取的视频图像按照时间顺序分成若干帧，并对每一帧视频图像进行预处理；对目标监测人员的工位与人员进行平面分割，获取人员图像与背景，从而对视频图像中的人员是否在工位上进行确认；
79.所述第三数据处理模块通过步骤s21获取对应工位上的人员是否在岗；若不在岗，则记录不在岗时间以及不在岗次数；并预设不在岗时间阈值；将超过不在岗时间阈值的不在岗次数和对应不在岗时间分别标记为m和tj，其中j表示超过不在岗时间阈值的不在岗次数的编号，j＝1,2
……
m；
80.所述第三数据处理模块根据计算公式获取第三工作认真系数值r3，并发送至智能决策模块；
81.其中，所述智能决策模块用于对获取的第一工作认真系数值、第二工作认真系数
值以及第三工作认真系数值进行加权计算，获取总工作认真系数值；并预设总工作认真系数阈值，判断目标监测人员在单位工作时间内的工作状态是否认真；
82.根据计算公式r＝a1
×
r1+a2
×
r2+a3
×
r3，获取目标监测人员在单位工作时间内的总工作认真系数值r，其中a1、a2以及a3分别为第一工作认真系数值、第二工作认真系数值以及第三工作认真系数值的权重系数；预设总工作认真阈值为rs；
83.若r＞rs，则表示目标监测人员在单位工作时间内的工作状态不认真；
84.若r≤rs，则表示目标监测人员在单位工作时间内的工作状态认真；
85.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被计算机执行时，使得所述的方法被实现。
86.上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
87.在本发明所提供的实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式；所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方法的目的。
88.以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

技术特征：
1.一种工作状态过程监测方法，其特征在于，包括：步骤一：获取单位工作时间内目标监测人员的工作状态数据；其中，所述工作状态数据包括目标监测人员的计算机后台运行数据、语音数据以及视频图像数据；步骤二：根据获取的工作状态数据分别进行第一工作认真系数值、第二工作认真系数值以及第三工作认真系数值的计算；步骤三：对第一工作认真系数值、第二工作认真系数值以及第三工作认真系数值进行加权计算，获取总工作认真系数值；步骤四：预设总工作认真系数阈值，判断目标监测人员在单位工作时间内的工作状态是否认真。2.根据权利要求1所述的一种工作状态过程监测方法，其特征在于，根据获取的计算机后台运行数据对第一工作认真系数值进行计算，过程如下：步骤s01：将获取的计算机后台运行数据输入至由前期根据与本岗位工作内容相关的后台运行样本数据和与本岗位工作内容无关的后台运行样本数据进行训练所建立的第一神经网络模型；从而输出与本岗位工作内容无关的计算机后台运行数据；步骤s02：将通过第一神经网络模型获取的单位工作时间内与本岗位工作内容无关的计算机后台运行数据中的进程总数标记为n，以及将对应进程的cpu利用率大于0的时间总和标记为ti，其中i表示与本岗位工作内容无关的计算机后台运行数据中进程的编号，i＝1,2
……
n；将单位工作时间标记为t；根据计算公式获取第一工作认真系数值r1。3.根据权利要求1所述的一种工作状态过程监测方法，其特征在于，根据获取的语音数据对第二工作认真系数值进行计算，过程如下：步骤s11：通过语音识别转换技术将获取的语音数据转换为文字数据；并将文字数据输入至由前期根据与本岗位工作内容相关的通话记录样本数据和与本岗位工作内容无关的通话记录样本数据进行训练所建立的第二神经网络模型；从而输出与本岗位工作内容无关的语音文字段落；步骤s12：将通过第二神经网络模型获取的单位工作时间内与本岗位工作内容无关的语音文字段落的字符总数标记为m；预设普通人说话的平均语速为v，需要说明的是，v表示普通人在设定的单位时间内说话的字符数；根据计算公式获取第二工作认真系数值r2。4.根据权利要求1所述的一种工作状态过程监测方法，其特征在于，根据获取的视频图像数据对第三工作认真系数值进行计算，过程如下：步骤s21：将获取的视频图像按照时间顺序分成若干帧，并对每一帧视频图像进行预处理；对目标监测人员的工位与人员进行平面分割，获取人员图像与背景，从而对视频图像中的人员是否在工位上进行确认；步骤s22：通过步骤s21获取对应工位上的人员是否在岗；若不在岗，则记录不在岗时间以及不在岗次数；并预设不在岗时间阈值；将超过不在岗时间阈值的不在岗次数和对应不在岗时间分别标记为m和tj，其中j表示超过不在岗时间阈值的不在岗次数的编号，j＝1,
2
……
m；根据计算公式获取第三工作认真系数值r3。5.根据权利要求1所述的一种工作状态过程监测方法，其特征在于，根据计算公式r＝a1
×
r1+a2
×
r2+a3
×
r3，获取目标监测人员在单位工作时间内的总工作认真系数值r，其中a1、a2以及a3分别为第一工作认真系数值、第二工作认真系数值以及第三工作认真系数值的权重系数。6.根据权利要求1所述的一种工作状态过程监测方法，其特征在于，预设总工作认真阈值为rs；若r＞rs，则表示目标监测人员在单位工作时间内的工作状态不认真；若r≤rs，则表示目标监测人员在单位工作时间内的工作状态认真。7.一种工作状态过程监测装置，利用权利要求1至6中的任一项所述的一种工作状态过程监测方法，其特征在于，包括：第一数据采集模块、第二数据采集模块、第三数据采集模块、第一数据处理模块、第二数据处理模块、第三数据处理模块以及智能决策模块，各个模块之间信息交互；所述第一数据采集模块用于在单位工作时间内对目标监测人员的计算机后台运行数据进行实时采集获取，并发送至第一数据处理模块；所述第二数据采集模块用于在单位工作时间内对目标监测人员的语音数据进行实时采集获取，并发送至第二数据处理模块；所述第三数据采集模块用于在单位工作时间内对目标监测人员的视频图像数据进行实时采集获取，并发送至第三数据处理模块；所述第一数据处理模块用于对获取的在单位时间内的目标监测人员的计算机后台运行数据进行分析处理，获取第一工作认真系数值，并发送至智能决策模块；所述第二数据处理模块用于对获取的在单位工作时间内对目标监测人员的语音数据进行分析处理，获取第二工作认真系数值，并发送至智能决策模块；所述第三数据处理模块用于对在单位工作时间内对目标监测人员的视频图像数据进行分析处理，获取第三工作认真系数值，并发送至智能决策模块；所述智能决策模块用于对获取的第一工作认真系数值、第二工作认真系数值以及第三工作认真系数值进行加权计算，获取总工作认真系数值；并预设总工作认真系数阈值，判断目标监测人员在单位工作时间内的工作状态是否认真。8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，当所述计算机程序被计算机执行时，使得如权利要求1至6任一项所述的一种工作状态过程监测方法被实现。

技术总结
本发明公开了一种工作状态过程监测方法、装置及存储介质，属于员工工作状态监测领域，解决了如何人性化且准确的对员工在工作时间内的工作状态是否认真进行监测的问题；获取单位工作时间内目标监测人员的工作状态数据；根据获取的工作状态数据分别进行第一工作认真系数值、第二工作认真系数值以及第三工作认真系数值的计算；对第一工作认真系数值、第二工作认真系数值以及第三工作认真系数值进行加权计算，获取总工作认真系数值；预设总工作认真系数阈值，判断目标监测人员在单位工作时间内的工作状态是否认真；能够有效监测出目标监测人员在单位工作时间内在岗的工作状态是否认真，使得考核员工的绩效更加准确，也提高了考核工作的效率。考核工作的效率。考核工作的效率。


技术研发人员：朱长征 王勇 宋敏 余平 余永义 彭滨影 席雯颖 李婷 檀朝晖 覃翠娥 周莹珣 姚军 张智伟
受保护的技术使用者：国网安徽省电力有限公司池州市贵池区供电公司
技术研发日：2022.11.24
技术公布日：2023/8/24