CN108550135A - 一种基于x光图像的钢丝绳芯输送带接头伸长自动检测方法 - Google Patents
一种基于x光图像的钢丝绳芯输送带接头伸长自动检测方法 Download PDFInfo
- Publication number
- CN108550135A CN108550135A CN201810192443.3A CN201810192443A CN108550135A CN 108550135 A CN108550135 A CN 108550135A CN 201810192443 A CN201810192443 A CN 201810192443A CN 108550135 A CN108550135 A CN 108550135A
- Authority
- CN
- China
- Prior art keywords
- image
- conveying belt
- cable core
- steel cable
- lower contact
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 47
- 239000010959 steel Substances 0.000 title claims abstract description 47
- 238000012360 testing method Methods 0.000 title claims abstract description 10
- 230000010339 dilation Effects 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000011946 reduction process Methods 0.000 claims description 2
- 238000000205 computational method Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 12
- 230000015572 biosynthetic process Effects 0.000 abstract description 3
- 210000001503 joint Anatomy 0.000 abstract description 3
- 238000003786 synthesis reaction Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000009659 non-destructive testing Methods 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 11
- 238000000605 extraction Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 206010028347 Muscle twitching Diseases 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Electromagnetism (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Image Analysis (AREA)
Abstract
一种基于X光图像的钢丝绳芯输送带接头伸长自动检测方法,属于无损检测领域。本发明旨在准确高效计算出钢丝绳芯输送带接头伸长量,提高钢丝绳芯输送带接头伸长检测的可操作性和准确性,以实现对接头状况的判断。本发明基于钢丝绳芯输送带上下接头提取的图像结果,通过计算X光钢丝绳芯输送带上下接头拟合直线斜率、左右端最外侧长度以及接头平均长度,实现接头伸长的自动综合检测。本发明所提出的算法高效且准确率高,能够应用于基于X光的钢丝绳芯输送带无损检测***,实现X光钢丝绳芯输送带接头伸长的自动综合检测,有益于预防重大断带安全事故,具有较大的应用价值。
Description
技术领域
本发明涉及一种基于X光图像的钢丝绳芯输送带接头伸长自动检测方法,具体涉及一种通过钢丝绳芯输送带接头X光图像准确计算接头伸长量的方法,属于无损检测领域。
背景技术
带式输送机运输是煤矿等生产领域中的主要运输方式,其使用的输送带以钢丝绳芯输送带为主。钢丝绳芯输送带是以钢丝绳作为骨架材料的橡胶输送带,广泛应用于煤炭、矿山、港口等领域。在实际应用中,一条完整的钢丝绳芯输送带都是由若干段钢丝绳芯输送带搭接而成。接头区域是整条钢丝绳芯输送带中抗拉强度最低、最为薄弱的部位,经常发生钢丝绳抽动故障,导致断带等重大安全事故时有发生,严重影响安全生产。因此,及时准确地检测钢丝绳芯输送带接头状态十分必要。
随着X光检测技术的发展,能够通过X光无损检测***获取包含钢丝绳芯输送带接头信息的X光图像,但现有的接头伸长量检测方法存在着检测效率低、准确性较差等问题,依靠人工监控不容易判断微小变化且造成人力资源的浪费。综上所述,需要一种能够高效可靠判断接头伸长的自动检测方法。
发明内容
本发明提出了一种基于X光图像的钢丝绳芯输送带接头伸长自动检测方法,目的是通过钢丝绳芯输送带接头X光图像,准确计算接头伸长量以及判断接头状况,提高接头伸长检测的可操作性和准确性。本发明提出的方法包含以下步骤:
步骤1,对包含钢丝绳芯输送带完整接头的X光图像I进行预处理,通过直方图均衡化进行图像增强后,使用均值滤波进行降噪处理,得到图像A;
步骤2,对图像A采用Sobel算子进行边缘检测,再进行图像反相操作,使接头黑色端点变成白色端点、白色端点变成黑色端点,得到图像B;
步骤3,对图像B进行动态阈值处理,筛选出接头白色端点,得到图像C;
步骤4,对图像C进行形态学膨胀,得到图像D;
步骤5,对图像D进行区域连通操作,得到图像E;
步骤6,根据宽度特征去掉干扰区域,然后根据剩下区域的中心横坐标提取出上边缘端点图像E和下边缘端点图像G,图像E与图像C求交集得到上接头图像F、图像G与图像C求交集得到下接头图像H;
步骤7,对图像F中的上接头离散点和图像H中的下接头离散点,分别进行最小二乘直线拟合,得到上接头拟合直线和下接头拟合直线;
步骤8,计算钢丝绳芯输送带接头左右端最外侧长度的伸长量;
步骤9,求出上接头为起点到下接头拟合直线的平均长度Mean1、下接头为起点到上接头拟合直线的平均长度Mean2、接头平均长度Mean,以及接头伸长量;
步骤10,接头伸长判断。
本发明所述步骤8的计算钢丝绳芯输送带接头左右端最外侧长度的伸长量,计算方法如下:
钢丝绳芯输送带上接头离散点的集合记为U(xi,yi)(i=0,1,2,…,n-1),n为上接头离散点总数,下接头离散点的集合记为D(sj,tj)(j=0,1,2,…,m-1),m为下接头离散点总数,左端最外侧长度和右端最外侧长度分别记为L左端、L右端:
L左端=|x0-s0|,L右端=|xn-1-sm-1|
本发明所述步骤9求出上接头为起点到下接头拟合直线的平均长度Mean1、下接头为起点到上接头拟合直线的平均长度Mean2、接头平均长度Mean,以及接头伸长量,具体计算方法步骤如下:
步骤1,上接头离散点的集合U(xi,yi)中的各点作为起点向正方向作垂直线与下接头拟合直线的交点为M(sk,yi),则上接头离散点的集合U(xi,yi)中的各点到下接头拟合直线的长度为LMU=|sk-xi|;
步骤2,求LMU的平均值,得到上接头为起点到下接头拟合直线的平均长度Mean1;
步骤3,下接头离散点的集合D(sj,tj)中的各点作为起点向正方向作垂直线与上接头拟合直线的交点为N(qr,tj),则下接头离散点的集合D(sj,tj)中的各点到上接头拟合直线的长度为LDN=|sj-qr|;
步骤4,求LDN的平均值,得到下接头为起点到上接头拟合直线的平均长度Mean2;
步骤5,求Mean1和Mean2的平均值作为接头平均长度Mean
步骤6,计算同一条钢丝绳芯输送带X光图像的待检图像和参考图像接头平均长度Mean值的差值,得到接头伸长量。
本发明具有积极的效果:(1)本发明设计的接头伸长量计算方法高效且准确率高,能够有效应用于基于X光的钢丝绳芯输送带无损检测***中;(2)本发明实现了X光钢丝绳芯输送带接头伸长的自动综合检测,有益于预防重大断带安全事故,能够有效提高生产效率,具有较大的应用价值。
附图说明
图1是本发明的整体方案流程图。
图2是X光钢丝绳芯输送带上下接头提取结果图。
图3是本发明提取上接头的实施过程图。
图4是某矿初始状态下的钢丝绳芯输送带接头X光图像,其中(a)、(b)、(c)、(d)、(e)、(f)分别是原始图、上下接头拟合直线斜率图、左右端最外侧长度图、到下接头的平均长度图、到上接头的平均长度图、接头平均长度图。
图5是图4所示接头在使用一段时间后采集的X光图像,其中(a)、(b)、(c)、(d)、(e)、(f)分别是原始图、上下接头拟合直线斜率图、左右端最外侧长度图、到下接头的平均长度图、到上接头的平均长度图、接头平均长度图。
具体实施方式
下面结合附图阐述发明内容的具体实施方式。
本发明的整体方案流程如图1所示,对钢丝绳芯输送带接头依次进行图像预处理、上下接头提取和接头伸长计算。
图2展示了X光钢丝绳芯输送带上下接头的提取结果。
图3展示了通过本发明所述方法提取某一钢丝绳芯输送带接头X光图像的上接头的实施过程,主要流程包括:
步骤1,对包含钢丝绳芯输送带完整接头的X光图像进行预处理后,采用Sobel算子进行边缘检测,之后再进行图像反相操作,使接头黑色端点变成白色端点,白色端点变成黑色端点,并将图像的梯度映射到0-255,如图3(a)所示;
步骤2,进行动态阈值处理,筛选出接头白色端点,如图3(b)所示;
步骤3,通过5×20矩形作为结构元素对进行形态学膨胀,再将相邻的接头白色端点连接在一起,如图3(c)所示;
步骤4,进行区域连通操作,把邻域内的8连通区域归为一个区域,使整块区域划分为多个独立的小区域,如图3(d)所示;
步骤5,根据宽度特征先去掉干扰区域(图3(d)中宽度较短的区域),根据剩下区域中心横坐标依次为各连通区域编号1,2,3,再筛选出编号为1的区域,得到上边缘端点图像如图3(e)所示;
步骤6,将上边缘端点图像(图3(e))与阈值分割后的图像(图3(b))求交集得到上接头离散点,所有上接头离散点组成上接头整体轮廓,得到上接头图像如图3(f)所示;
同理,利用此方法可以实现对下接头的提取,筛选连通区域为编号3的区域,求交集得到下接头边缘端点,即下接头离散点,所有下接头离散点组成下接头的整体轮廓。
通过X光无损检测***采集X光接头图像,利用本发明所述方法对某矿的一个钢丝绳芯输送带接头长度计算,图4和图5分别展现了同一接头在使用一段时间前后的状态对比。主要包括上下接头拟合直线斜率、左右端最外侧长度、到下接头的平均长度、到上接头的平均长度、接头平均长度的计算和对比,判断钢丝绳芯输送带接头是否发生变化。对图4和图5进行对比可以发现,该接头在使用的这段时间发生了细微的变化,而对接头外表面观察或人工对X光图像观测均难以发现这一细微变化,说明了本发明对接头伸长检测有效性和可靠性。
测试表明,本发明可以快速、准确的自动检测钢丝绳芯输送带接头伸长状态,在基于X光的钢丝绳芯输送带无损检测***中具有良好的使用价值。
最后需要指出的是以上实施例仅用以说明本发明的技术方案,而非对其限制。尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (3)
1.一种基于X光图像的钢丝绳芯输送带接头伸长自动检测方法,其特征在于,包含如下步骤:
步骤1,对包含钢丝绳芯输送带完整接头的X光图像I进行预处理,通过直方图均衡化进行图像增强后,使用均值滤波进行降噪处理,得到图像A;
步骤2,对图像A采用Sobel算子进行边缘检测,再进行图像反相操作,使接头黑色端点变成白色端点、白色端点变成黑色端点,得到图像B;
步骤3,对图像B进行动态阈值处理,筛选出接头白色端点,得到图像C;
步骤4,对图像C进行形态学膨胀,得到图像D;
步骤5,对图像D进行区域连通操作,得到图像E;
步骤6,根据宽度特征去掉干扰区域,然后根据剩下区域的中心横坐标提取出上边缘端点图像E和下边缘端点图像G,图像E与图像C求交集得到上接头图像F、图像G与图像C求交集得到下接头图像H;
步骤7,对图像F中的上接头离散点和图像H中的下接头离散点,分别进行最小二乘直线拟合,得到上接头拟合直线和下接头拟合直线;
步骤8,计算钢丝绳芯输送带接头左右端最外侧长度的伸长量;
步骤9,求出上接头为起点到下接头拟合直线的平均长度Mean1、下接头为起点到上接头拟合直线的平均长度Mean2、接头平均长度Mean,以及接头伸长量;
步骤10,接头伸长判断。
2.如权利要求1所述的一种基于X光图像的钢丝绳芯输送带接头伸长自动检测方法,其特征在于所述步骤8的计算钢丝绳芯输送带接头左右端最外侧长度的伸长量,计算方法如下:
钢丝绳芯输送带上接头离散点的集合记为U(xi,yi)(i=0,1,2,…,n-1),n为上接头离散点总数,下接头离散点的集合记为D(sj,tj)(j=0,1,2,…,m-1),m为下接头离散点总数,左端最外侧长度和右端最外侧长度分别记为L左端、L右端:
L左端=|x0-s0|,L右端=|xn-1-sm-1| 。
3.如权利要求1所述的一种基于X光图像的钢丝绳芯输送带接头伸长自动检测方法,其特征在于所述步骤9求出上接头为起点到下接头拟合直线的平均长度Mean1、下接头为起点到上接头拟合直线的平均长度Mean2、接头平均长度Mean,以及接头伸长量,具体计算方法步骤如下:
步骤1,上接头离散点的集合U(xi,yi)中的各点作为起点向正方向作垂直线与下接头拟合直线的交点为M(sk,yi),则上接头离散点的集合U(xi,yi)中的各点到下接头拟合直线的长度为LMU=|sk-xi|;
步骤2,求LMU的平均值,得到上接头为起点到下接头拟合直线的平均长度Mean1;
步骤3,下接头离散点的集合D(sj,tj)中的各点作为起点向正方向作垂直线与上接头拟合直线的交点为N(qr,tj),则下接头离散点的集合D(sj,tj)中的各点到上接头拟合直线的长度为LDN=|sj-qr|;
步骤4,求LDN的平均值,得到下接头为起点到上接头拟合直线的平均长度Mean2;
步骤5,求Mean1和Mean2的平均值作为接头平均长度Mean
步骤6,计算同一条钢丝绳芯输送带X光图像的待检图像和参考图像接头平均长度Mean值的差值,得到接头伸长量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810192443.3A CN108550135B (zh) | 2018-03-07 | 2018-03-07 | 一种基于x光图像的钢丝绳芯输送带接头伸长自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810192443.3A CN108550135B (zh) | 2018-03-07 | 2018-03-07 | 一种基于x光图像的钢丝绳芯输送带接头伸长自动检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108550135A true CN108550135A (zh) | 2018-09-18 |
CN108550135B CN108550135B (zh) | 2021-07-30 |
Family
ID=63516007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810192443.3A Active CN108550135B (zh) | 2018-03-07 | 2018-03-07 | 一种基于x光图像的钢丝绳芯输送带接头伸长自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108550135B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109525194A (zh) * | 2018-10-15 | 2019-03-26 | 上海交通大学 | 光伏板故障光斑检测识别方法和*** |
CN110288562A (zh) * | 2019-05-16 | 2019-09-27 | 枣庄学院 | 一种基于x光图像的钢丝绳芯输送带接头抽动检测方法 |
CN112415015A (zh) * | 2020-11-10 | 2021-02-26 | 霍尔果斯奇妙软件科技有限公司 | 一种轮胎带束层接头缺陷检测方法、装置、设备及介质 |
CN113553926A (zh) * | 2021-07-08 | 2021-10-26 | 天津工业大学 | 一种基于图像匹配的钢丝绳芯输送带接头抽动自动检测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102253063A (zh) * | 2011-03-21 | 2011-11-23 | 天津工业大学 | 钢丝绳芯输送带x光在线检测探测器及信号采集处理方法 |
CN203587528U (zh) * | 2013-12-04 | 2014-05-07 | 北京中矿晟通科技有限公司 | 一种钢绳芯输送带x射线在线检测装置 |
CN104698944A (zh) * | 2015-03-19 | 2015-06-10 | 天津工业大学 | 一种基于fpga的钢丝绳芯输送带x光探测器采集控制与信号处理装置 |
CN104730083A (zh) * | 2015-04-09 | 2015-06-24 | 中煤科工集团重庆研究院有限公司 | 钢丝绳芯输送带接头抽动自动检测方法 |
CN104915991A (zh) * | 2015-06-04 | 2015-09-16 | 南京师范大学 | 一种针对相交线状地理要素的空间剖分方法 |
CN106087677A (zh) * | 2016-06-02 | 2016-11-09 | 上海华城工程建设管理有限公司 | 沥青路面裂缝类型自动识别方法 |
CN106296700A (zh) * | 2016-08-15 | 2017-01-04 | 南京工程学院 | 一种钢丝绳输送带接头抽动检测方法 |
CN106371094A (zh) * | 2016-10-24 | 2017-02-01 | 天津工业大学 | 一种基于雷达测距技术的输送带撕裂故障检测方法及装置 |
WO2017219727A1 (zh) * | 2016-06-24 | 2017-12-28 | 窦柏林 | 一种钢丝绳全息检测*** |
-
2018
- 2018-03-07 CN CN201810192443.3A patent/CN108550135B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102253063A (zh) * | 2011-03-21 | 2011-11-23 | 天津工业大学 | 钢丝绳芯输送带x光在线检测探测器及信号采集处理方法 |
CN203587528U (zh) * | 2013-12-04 | 2014-05-07 | 北京中矿晟通科技有限公司 | 一种钢绳芯输送带x射线在线检测装置 |
CN104698944A (zh) * | 2015-03-19 | 2015-06-10 | 天津工业大学 | 一种基于fpga的钢丝绳芯输送带x光探测器采集控制与信号处理装置 |
CN104730083A (zh) * | 2015-04-09 | 2015-06-24 | 中煤科工集团重庆研究院有限公司 | 钢丝绳芯输送带接头抽动自动检测方法 |
CN104915991A (zh) * | 2015-06-04 | 2015-09-16 | 南京师范大学 | 一种针对相交线状地理要素的空间剖分方法 |
CN106087677A (zh) * | 2016-06-02 | 2016-11-09 | 上海华城工程建设管理有限公司 | 沥青路面裂缝类型自动识别方法 |
WO2017219727A1 (zh) * | 2016-06-24 | 2017-12-28 | 窦柏林 | 一种钢丝绳全息检测*** |
CN106296700A (zh) * | 2016-08-15 | 2017-01-04 | 南京工程学院 | 一种钢丝绳输送带接头抽动检测方法 |
CN106371094A (zh) * | 2016-10-24 | 2017-02-01 | 天津工业大学 | 一种基于雷达测距技术的输送带撕裂故障检测方法及装置 |
Non-Patent Citations (4)
Title |
---|
NENAD MITROVIC: "Strain measurement of pressure equipment components using 3D Digital Image Correlation method", 《PROCEDIA STRUCTURAL INTEGRITY》 * |
喻颖: "电梯***振动故障原因的分类", 《中国特种设备安全》 * |
安彩花: "基于X光的钢丝绳芯输送带检测***传输控制器的研究", 《天津理工大学学报》 * |
马宏伟: "矿用强力带式输送机智能监控技术研究进展", 《振动.测试与诊断》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109525194A (zh) * | 2018-10-15 | 2019-03-26 | 上海交通大学 | 光伏板故障光斑检测识别方法和*** |
CN110288562A (zh) * | 2019-05-16 | 2019-09-27 | 枣庄学院 | 一种基于x光图像的钢丝绳芯输送带接头抽动检测方法 |
CN110288562B (zh) * | 2019-05-16 | 2023-01-17 | 枣庄学院 | 一种基于x光图像的钢丝绳芯输送带接头抽动检测方法 |
CN112415015A (zh) * | 2020-11-10 | 2021-02-26 | 霍尔果斯奇妙软件科技有限公司 | 一种轮胎带束层接头缺陷检测方法、装置、设备及介质 |
CN112415015B (zh) * | 2020-11-10 | 2023-12-05 | 霍尔果斯奇妙软件科技有限公司 | 一种轮胎带束层接头缺陷检测方法、装置、设备及介质 |
CN113553926A (zh) * | 2021-07-08 | 2021-10-26 | 天津工业大学 | 一种基于图像匹配的钢丝绳芯输送带接头抽动自动检测方法 |
CN113553926B (zh) * | 2021-07-08 | 2023-08-11 | 天津工业大学 | 一种基于图像匹配的钢丝绳芯输送带接头抽动自动检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108550135B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108550135A (zh) | 一种基于x光图像的钢丝绳芯输送带接头伸长自动检测方法 | |
CN110288562B (zh) | 一种基于x光图像的钢丝绳芯输送带接头抽动检测方法 | |
WO2017063355A1 (zh) | 超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法 | |
CN105692122A (zh) | 一种基于激光线的输送带纵向撕裂检测方法 | |
CN113658136B (zh) | 一种基于深度学习的传送带缺陷检测方法 | |
US9996766B2 (en) | Imaging-based methods for detecting and measuring defects in extruded cellular ceramic articles | |
CN107967681B (zh) | 一种基于机器视觉的电梯补偿链冲伤缺陷检测方法 | |
CN109359594A (zh) | 一种基于视频处理的矿井皮带异常检测方法及装置 | |
CN102565077B (zh) | 基于机器视觉的输送带纵向撕裂自动检测方法 | |
CN107516308B (zh) | 一种电池盖帽正面视觉检测方法 | |
CN110163852B (zh) | 基于轻量化卷积神经网络的输送带实时跑偏检测方法 | |
CN105139386A (zh) | 一种快速自动检测电气接插件焊点不合格品的图像处理方法 | |
Rathod et al. | A comparative study of different segmentation techniques for detection of flaws in NDE weld images | |
CN113942805A (zh) | 煤块运输监控方法及装置 | |
CN110378866B (zh) | 一种基于无人机巡检的渠道衬砌破损图像识别方法 | |
JP3572750B2 (ja) | コンクリート欠陥の自動評価方法 | |
KR100615047B1 (ko) | 용접부의 결함 자동 검측 방법 | |
CN109767426B (zh) | 一种基于图像特征识别的盾构隧道渗漏水检测方法 | |
CN115861294B (zh) | 一种基于计算机视觉的混凝土生产异常检测方法及装置 | |
CN113553926B (zh) | 一种基于图像匹配的钢丝绳芯输送带接头抽动自动检测方法 | |
CN112418253A (zh) | 基于深度学习的撒砂管松脱故障图像识别方法及*** | |
CN105021630B (zh) | 输送带表面破损自动检测方法 | |
CN107025653A (zh) | 一种基于机器视觉的磁环检测方法 | |
CN108470333B (zh) | 一种x光钢丝绳芯输送带接头图像筛选与拼接的方法 | |
CN112907524A (zh) | 基于图像处理的铁路货车防火板故障检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |