CN110688783A - 基于matlab gui的井下泵机目标检测方法 - Google Patents
基于matlab gui的井下泵机目标检测方法 Download PDFInfo
- Publication number
- CN110688783A CN110688783A CN201911080120.6A CN201911080120A CN110688783A CN 110688783 A CN110688783 A CN 110688783A CN 201911080120 A CN201911080120 A CN 201911080120A CN 110688783 A CN110688783 A CN 110688783A
- Authority
- CN
- China
- Prior art keywords
- module
- feature
- target detection
- features
- matlab
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于MATLAB GUI的井下泵机目标检测方法,本***是在64位Windows10平台下,借助MATLAB的GUI工具开发设计的。本发明由密码登录和显著区域识别两大部分组成,密码登录主要包括用户注册、用户登录、修改密码、用户管理。显著区域识别部分包括滤波除噪模块、多尺度采样模块、原始图像特征提取模块、初级特征的条件对比映射模块、子特征显著图提取模块、特征显著图融合模块,并在上位机用户界面点击相应的模块按钮、菜单就可以实现相应的图像处理效果,使井下泵机目标的检测可视化、透明化。本发明方法具有较好的人机交互性、实用性、可扩展性,且具有节约资源、灵活性高、高精度、应用性能显著等优点。
Description
技术领域
本发明属于井下泵机目标图像检测数据处理领域,具体涉及一种基于MATLAB GUI的井下泵机目标检测方法。
背景技术
由于煤矿机械现代化的不断发展,潜水泵已经成为工矿行业排水、排污、排沙***中不可或缺的设备之一,在工矿行业的实际生产过程中,大量使用着潜水泵,潜水电泵工作性能的好坏直接影响着煤矿的安全生产。潜水电泵是将潜水电机与水泵连为一体潜入水中运行的装置,潜水泵的核心部件是潜水电机,潜水电机是在井下工作,工作环境异常复杂、难以预测,加上制造工艺、生产条件等方面的原因,使其更容易出现故障。目前,随着海洋、地下水、河流、水库、水渠等供水源逐渐受到不同程度的污染,各种各样的污染物已经严重影响井下泵机的安全生产;常用于深井中的潜水泵一般是立式竖直安装式水泵,由于井下无照明设施,视野严重受限,工作人员对井下工作环境无法预测,难以实现对井下周围物体目标进行实时检测。由于工业生产领域使用泵机工作的场合逐年增加;为加强井下泵机监管,实现工矿行业的自动化具有重要的意义和应用价值,井下泵机目标检测因此成为研究热点。
近年来,国内对井下泵机目标检测的相关研究并不是很多,对故障设备常用的检测方式只要是依靠人的主观判断而自动化技术含量较低。大多工业生产中是在泵机的输水管处加上简单的过滤网,以此来阻碍杂物;也有的工业中是在停泵的状态下,将泵机抽上来或者是由工作人员潜入水底进行清理附在泵机内和泵机外的污染物;但是这些使用方法耗时、耗力,无法准确的判定什么时候该清理,也无法判断是因井下污染物还是因泵机内部原因使泵机发生故障;一旦由不可预测的污染物堵塞泵机,使泵机长时间处于堵转状态,就有可能造成严重故障,使企业处于高投入、低可靠性和操作复杂的状况中,影响生产,难以适应工业现场多变复杂的环境。
MATLAB是用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境,它将数值分析、矩阵计算、科学数据可视化以及非线性动态***的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中,为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案。GUI是用户与设备进行信息交流的界面,使用者不需要搞懂是由什么程序编写、执行什么样的命令,只需要会使用图形界面上的组建模块即可,就可以实现期望的效果。图像识别是一种重要的信息处理技术,堪称计算机的“视觉信息来源”,在工业自动控制***中应用广泛;目前,将数字图像处理技术应用到井下泵机已成为当前研究的热点,其处理精度高,处理内容丰富,可进行复杂的非线性处理,有灵活的变通能力,一般来说只要改***件就可以改变处理内容。
因此,本发明是在MATLAB GUIDE工具下完成的。 提供一种设计简单、检测速度快,具有节约资源、灵活性高且稳定可靠,应用效果显著的基于MATLAB GUI的井下泵机目标检测方法,成为工业生产过程中泵机井下目标检测亟待解决的问题之一。
发明内容
本发明的目的是基于MATLAB GUI的井下泵机目标检测方法克服传统检测方式的不足之处,提供一种操作简单、实时性好、应用效果显著的基于MATLAB GUI的井下泵机目标检测方法。
为实现上述目的,本发明解决其技术问题所采取的技术方案是:基于MATLAB GUI的井下泵机目标检测方法,64位Windows7平台下,借助MATLAB的GUI工具开发设计的,包括密码登录和显著区域识别两大部分,密码登录主要包括用户注册、用户登录、修改密码、用户管理;显著区域识别部分主要包括用于除噪、滤波等准备工作的滤波除噪模块、用于综合不同尺度的图像信息的多尺度采样模块、用于提取原始图像特征的原始图像特征提取模块、用于处理初级视觉信息的初级特征的条件对比映射模块、用于获取相同类型不同尺度的图形信息的特征显著图提取模块、用于获取全局图像显著信息的特征显著图融合模块,所述各个模块组建之间协调搭配。
所述的基于MATLAB GUI的井下泵机目标检测方法,所述的密码登录主要有用户注册、用户登录、修改密码、用户管理四部分功能;在有网络的情况下,用户可以快速的在MATLAB提供的用户界面的开发环境GUIDE上进行登录使用。
进一步地,所述的显著区域识别部分是利用MATLAB提供的用户界面的软件开发环境GUIDE上进行;首次使用者先进行注册,然后用户密码登录进入显著区域识别部分,利用界面上的模块按钮和菜单工具实现该部分功能;其中显著区域识别部分包括滤波除噪模块、多尺度采样模块、原始图像特征提取模块、初级特征的条件对比映射模块、特征显著图提取模块、特征显著图融合模块。
进一步地,所述的滤波除噪模块是采用性能平滑的低通滤波器-高斯滤波器,通过在频域中做乘积完成高斯滤波的过程,以{Xij }代表原始图像信息,对图像信息上的每个点使用卷积公式。
进一步地,所述的多尺度采样模块利用GaussianPyramid(高斯金字塔)技术,将同一信号或图片多次的进行高斯模糊,并且向下二分式取样,藉以产生不同尺度下的多组信号或图片以进行后续的处理,本发明以原始图像为256*256的横纵比进行采样。
通过数学表达式提取方向特征,其中θ为角度。
进一步地,所述的初级特征的条件对比映射模块是将不同尺度下的特征图对比映射图做差,通过对原始特征进行中央-周围差,使用记号Θ作为中央-周围差运算符,用字母c、s分别表示视网膜的中心位置和视网膜的周围,利用数学表达式提取图像的对比映射特征。
进一步地,所述的特征显著图提取模块使用合并策略将多个特征合并,将RG和BY两通道的颜色特征进行合并得到颜色特征的显著图,将r、g、b三通道图像特征进行合并得到亮度特征显著图,将最优朝向的特征图合并得到朝向特征的显著图。
进一步地,所述的特征显著图融合模块是将颜色、亮度、朝向的特征显著图进行相加融合得到目标检测信息的最终显著图,整个融合过程通过getmap函数完成。
本发明的有益效果是:基于MATLAB GUI的井下泵机目标检测方法,本发明利用图像显著区域识别技术,通过MATLAB建立基于数据驱动的注意机制模型,设计井下泵机目标检测的GUI人机界面交互***,通过采集输入井下泵机周围环境图像,对图像进行滤波除噪、二维采样、提取原始特征(颜色、亮度、朝向等)、原始特征的对比映射、子特征显著图、目标检测的最终显著区域等一系列操作,利用先进的技术对显著区域图像识别分类,完成对敏感区域的识别,正确有效的分析出目标图像,上位机工作人员可以实时监测井下工作环境,使得井下水泵工作场合变的可视化、透明化,防止意外事故发生,极大地减少了水泵的故障率,提高了水泵使用年限。本发明方法具有较好的人机交互性、实用性、可扩展性,且具有灵活性高、高精度、应用性能显著等优点。
附图说明
图1为本发明***框图。
图2为本发明MATLAB GUI界面创建过程框图。
图3为MATLAB GUI界面创建函数文本。
图4为本发明GUI登录界面示意图。
图5为本发明GUI界面子模块布局图。
图6为本发明实例井下水泵采集图像。
图7为本发明线性滤波示意图。
图8为本发明多尺度采样(1-5尺度)示意图。
图9为本发明原始图像特征示意图。
图10为本发明初级特征的条件对比映射示意图。
图11为本发明子特征显著图示意图。
图12为本发明最终显著区域示意图。
具体实施方式
以下结合附图,多依据本发明提供的具体实施方式特征进行详细介绍,结合附图1所示,基于MATLAB GUI的井下泵机目标检测方法,本发明利用图像显著区域识别技术,通过MATLAB建立基于数据驱动的注意机制模型,利用开发环境GUIDE软件和各个子模块的函数软件设计来完成井下泵机目标检测的GUI人机界面交互***,通过采集输入井下泵机周围环境图像,对图像进行滤波除噪、二维采样、提取原始特征(颜色、亮度、朝向等)、原始特征的对比映射、子特征显著图、目标检测的最终显著区域等一系列操作,利用先进的技术对显著区域图像识别分类,完成对敏感区域的识别,正确有效的分析出目标图像,上位机工作人员可以实时监测井下工作环境。
结合图2和图4所示,本发明由密码登录和显著区域识别两大部分组成,密码登录主要包括用户注册、用户登录、修改密码、用户管理;显著区域识别部分包括滤波除噪模块、多尺度采样模块、原始图像特征提取模块、初级特征的条件对比映射模块、子特征显著图提取模块、特征显著图融合模块,其中原始图像特征主要有R、G、B三通道信息、亮度信息、颜色信息、朝向信息,初级特征的条件对比映射信息、子特征显著图信息、最终显著图都是在多尺度采样的基础下完成的;利用上位机用户界面上相应的模块按钮、菜单就可以实现相应的图像处理效果,使井下泵机目标的检测可视化、透明化。
结合图5所示,用户的界面有下拉菜单栏,图像显示区,多个指令按钮,通过GUI编辑器中的Menu editor 设计菜单栏;在使用GUIDE工具组建界面时,***会保存.fig文件和.m文件,且需要在同一文件夹,其分别用来存储图形控件的可视界面和代码指令文件;在此基础上对子模块的函数进行软件设计,在完成页面布局后,MATLAB会根据控件类型自动创建m编码文件,根据callback函数设计按钮,使用 close 函数退出按钮功能,uigetfile函数、uiputfile 函数完成图像输入输出设计,getframe 函数捕捉处理后的信息,再用imwrite 函数将信息写入指定文件位置等,程序和界面设计结构简单,易于实现。
结合图6所示,本次发明验证的可行性都是在图6所示的井下水泵采集的原始图像中进行实施的;井下水泵工作环境可以实时进行采集,本发明可以用于各种不同的原始图像中。
结合图7所示,采用性能平滑的低通滤波器-高斯滤波器,在频域中做乘积完成高斯滤波的过程,以{Xij }代表原始图像信息,假设图像集合用B来表示,则(i,j)∈D,σ=0,1,2,…8(尺度信息),对图像信息上的每个点使用卷积公式:
其中卷积矩阵[gpq]为:
通过 imfilter 函数实现简单滤波,将卷积矩阵[gpq]和图像一块输入imfilter函数,利用imshow 函数输出滤波后的图像信息。
结合图5和图8 所示,由上一步将初始图像滤波预处理之后,此时图像会放入最底层,图像分辨率以才样子为2对图像进行连续二分式采样,可采样九种尺度,每采样一次,图像分辨率逐步递减,数据也会减少,相应的采样速度加快。前面提到以原始图像为256*256的横纵比进行采样,第一次采样后,像素变为128*128,直到第五次采样时,图像矩阵变为原来的一半,每一次采样,图像就会有不同的尺度,每采样一次尺度加1,以原始图像像素为[256,256]作为0尺度开始采样,故本发明采样尺度达到5,使用imresize函数实现原始图像的多尺度获取。
结合图5和图9所示,图像的原始特征中往往存在着大量无用的信息,直接计算会很复杂、速都很慢,因此要在原始特征上提取少而精的特征消息;本发明运用原始特征有颜色(黑白图片不用提取颜色特征)、亮度和方向上的特征信息:
(1)颜色特征提取,MATLAB中采用三维矩阵A=(:,:,:)来表示存储信息且数据为uint8
型,首先在RGB空间中,提取R=A(:,:,1)(红色通道)、G=A(:,:,2)(绿色通道)B=A(:,:,3)(蓝
色通道)三通道的信息,在数值范围0~255之间,用0表示黑色,255表示白色,经过两种拮抗
反应的颜色进行对立计算可获取每个通道信息,其中Y代表黄色通道,其中取0,1,2,3,4,
5,6,7,8,代表尺度信息:
由于井下泵机会遇到各种颜色的污染物,因此将不同比例的 R、G、B 混合就能得出成百上千种颜色,颜色特征获得需要RG(红~绿通道)与BY(黄~蓝通道)这两个颜色拮抗,用CRG、CBY 来表示颜色特征,RG、BY的信息通过用getrg_by函数实现,其颜色提取公式为:
所述的图9中,RG、BY图像特征都接近于0呈现黑色,也有少部分图像特征呈白色,数值接近255;
(2)亮度特征用I(δ)表示,亮度是指图像的亮暗程度,亮度特征在RGB颜色空间中是由R、G、B三通道求和取平均得到,则提取公式为:I(δ)=(R(δ)+G(δ)+B(δ))/3,通过rgb2gray函数采集亮度的原始信息;
(3)朝向特征是图像的高级特征,本发明采用二维的Gabor 滤波器,Gabor 函数拥有最小的视频窗口,可以在时间-频率局化的问题上可以达到最精确,它的数学表达式为:
x,y是表示朝向特征的在直角坐标系中的位置,θ取为0度、45度、90度等,设定滤波器的矩阵为 19×19 的矩阵,用δ表示感受野作用的范围,δ取不同的数时,Gabor模板也就不同,当图像在某一个频率和方向表现明显时,那么相应的Gabor滤波器则表现出最大的响应,为了发挥出Gabor函数的作用,应该取δ为适中值,取7 / 2 ,朝向信息以核心函数为mygaborfilter来实现的,图9所示的是以45度和90度为例提取朝向特征。
结合图5和图10所示,为了达到更好的效果对比,提取初级特征对比映射图,通过调用contrast函数实现对比映射图提取界面,通过中央-周边差的运算之后对比效果更为明显,本设计中我们将其他尺度下采样的图像特征都归一在0尺度下(256*256)再对图像的点的取差运算;对比映射图自由度较高,可自由选择不同尺度的特征图,特征的映射使用记号Θ作为中央-周围差运算符,用字母c、s分别表示视网膜的中心位置和视网膜的周围,通过调用contrastmap_ligh函数实现亮度对比映射图,则提取数学表达式为:
通过 contrastmap_rg函数与 contrastmap_by函数实现颜色的对比映射,则提取数学表达式为:
通过contrastmap_direct函实现朝向信息的对比特征映射,则提取数学表达式为:
结合图5和图11所示,子特征显著图使用合并策略将多个特征合并,利用tz_color函数并调用normalizeImage函数将RG和BY两通道的对比映射特征进行合并得到颜色特征的显著图,通过tz_light函数并调用normalizeImage函数将r、g、b三通道对比映射特征进行合并得到亮度特征显著图,通过tz_direct函数并调用normalizeImage函数最优朝向的对比映射特征合并得到朝向特征的显著图;这三个子特征显著图提取的过程中由于尺度各不相同,都采取归一化操作。
结合图5和图12所示,最终显著区域图是将颜色、亮度、朝向的特征显著图进行相加融合得到目标检测信息的最终显著图,整个融合过程通过getmap函数完成,显著区域图可以高效、快速的提取图像特征,从而将图像分类,再利用先进技术精准的确定检测目标。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.基于MATLAB GUI的井下泵机目标检测方法,其特征在于:64位Windows10平台下,借助MATLAB的GUI工具开发设计的,包括密码登录和显著区域识别两大部分,密码登录主要包括用户注册、用户登录、修改密码、用户管理;显著区域识别部分主要包括用于除噪、滤波等准备工作的滤波除噪模块、用于综合不同尺度的图像信息的多尺度采样模块、用于提取原始图像特征的原始图像特征提取模块、用于处理初级视觉信息的初级特征的条件对比映射模块、用于获取相同类型不同尺度的图形信息的特征显著图提取模块、用于获取全局图像显著信息的特征显著图融合模块,所述各个模块组建之间协调搭配。
2.根据权利1所述的基于MATLAB GUI的井下泵机目标检测方法,其特征是所述的密码登录主要有用户注册、用户登录、修改密码、用户管理四部分功能;在有网络的情况下,用户可以快速的在MATLAB提供的用户界面的开发环境GUIDE上进行登录使用。
3.根据权利1所述的基于MATLAB GUI的井下泵机目标检测方法,其特征是所述显著区域识别部分是利用MATLAB提供的用户界面的软件开发环境GUIDE上进行;首次使用者先进行注册,然后用户密码登录进入显著区域识别部分,利用界面上的模块按钮和菜单工具实现该部分功能;其中显著区域识别部分包括滤波除噪模块、多尺度采样模块、原始图像特征提取模块、初级特征的条件对比映射模块、子特征显著图提取模块、特征显著图融合模块。
4.根据权利1所述的基于MATLAB GUI的井下泵机目标检测方法,其特征是所述滤波除噪模块是采用性能平滑的低通滤波器-高斯滤波器,通过在频域中做乘积完成高斯滤波的过程,以{Xij}代表原始图像信息,对图像信息上的每个点使用卷积公式。
5.根据权利1所述的基于MATLAB GUI的井下泵机目标检测方法,其特征是所述多尺度采样模块利用GaussianPyramid(高斯金字塔)技术,将同一信号或图片多次的进行高斯模糊,并且向下二分式取样,藉以产生不同尺度下的多组信号或图片以进行后续的处理,本发明以原始图像为256*256的横纵比进行采样。
7.根据权利1所述的基于MATLAB GUI的井下泵机目标检测方法,其特征是所述的初级特征的条件对比映射模块是将不同尺度下的特征图对比映射图做差,通过对原始特征进行中央-周围差,使用记号Θ作为中央-周围差运算符,用字母c、s分别表示视网膜的中心位置和视网膜的周围,利用数学表达式提取图像的对比映射特征。
8.根据权利1所述的基于MATLAB GUI的井下泵机目标检测方法,其特征是所述的特征显著图提取模块使用合并策略将多个特征合并,将RG和BY两通道的颜色特征进行合并得到颜色特征的显著图,将r、g、b三通道图像特征进行合并得到亮度特征显著图,将最优朝向的特征图合并得到朝向特征的显著图。
9.根据权利8所述的基于MATLAB GUI的井下泵机目标检测方法,其特征是所述的特征显著图融合模块是将颜色、亮度、朝向的特征显著图进行相加融合得到目标检测信息的最终显著图,整个融合过程通过getmap函数完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911080120.6A CN110688783A (zh) | 2019-11-07 | 2019-11-07 | 基于matlab gui的井下泵机目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911080120.6A CN110688783A (zh) | 2019-11-07 | 2019-11-07 | 基于matlab gui的井下泵机目标检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110688783A true CN110688783A (zh) | 2020-01-14 |
Family
ID=69115633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911080120.6A Pending CN110688783A (zh) | 2019-11-07 | 2019-11-07 | 基于matlab gui的井下泵机目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110688783A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679718A (zh) * | 2013-12-06 | 2014-03-26 | 河海大学 | 一种基于显著性的快速场景分析方法 |
CN106127749A (zh) * | 2016-06-16 | 2016-11-16 | 华南理工大学 | 基于视觉注意机制的目标零件识别方法 |
CN108154147A (zh) * | 2018-01-15 | 2018-06-12 | 中国人民解放军陆军装甲兵学院 | 基于视觉注意模型的感兴趣区域检测方法 |
-
2019
- 2019-11-07 CN CN201911080120.6A patent/CN110688783A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679718A (zh) * | 2013-12-06 | 2014-03-26 | 河海大学 | 一种基于显著性的快速场景分析方法 |
CN106127749A (zh) * | 2016-06-16 | 2016-11-16 | 华南理工大学 | 基于视觉注意机制的目标零件识别方法 |
CN108154147A (zh) * | 2018-01-15 | 2018-06-12 | 中国人民解放军陆军装甲兵学院 | 基于视觉注意模型的感兴趣区域检测方法 |
Non-Patent Citations (4)
Title |
---|
NING LI等: "Fabric Defects Detection via Visual Attention Mechanism", 《2017 CHINESE AUTOMATION CONGRESS (CAC)》 * |
丁旭东等: "基于MATLAB GUI的钻井工具姿态采集处理***", 《电子测试》 * |
安爱琴等: "基于机器视觉的孔类零件检测方法研究", 《煤矿机械》 * |
成文俊: "井下煤仓煤位图像处理与检测方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3928168B1 (en) | Automatic extraction of assets data from engineering data sources | |
Hamledari et al. | Automated computer vision-based detection of components of under-construction indoor partitions | |
WO2019085971A1 (zh) | 图像中定位文本的方法、装置、电子设备和存储介质 | |
CN106682665B (zh) | 一种基于计算机视觉的七段式数显仪表数字识别方法 | |
CN102819728A (zh) | 一种基于分类模板匹配的交通标志检测方法 | |
CN105453153A (zh) | 交通灯检测 | |
CN106599890B (zh) | 变电站巡检机器人数字式仪表识别算法 | |
CN110516531B (zh) | 一种基于模板匹配的危险品标志的识别方法 | |
CN114120141A (zh) | 一种可全天候遥感监测自动分析方法及其*** | |
CN110704880A (zh) | 一种工程图纸的关联方法 | |
CN115116083A (zh) | 监控画面电力图元自动标识及修正方法、***及存储介质 | |
CN108900895B (zh) | 一种对视频流的目标区域的屏蔽方法及其装置 | |
CN110688783A (zh) | 基于matlab gui的井下泵机目标检测方法 | |
CN112418226B (zh) | 一种鱼眼分合闸状态识别的方法及装置 | |
CN113297913A (zh) | 一种配网现场作业人员穿衣规范的识别方法 | |
CN112634259A (zh) | 一种键盘键帽自动建模定位方法 | |
CN101146216A (zh) | 基于画面分割的视频定位及参数计算方法 | |
CN109614169B (zh) | 基于像素坐标方式的Windows客户端应用程序自动运行方法 | |
CN105302553A (zh) | 一种基于vc++的凝胶图像识别和定位的方法 | |
US20130106863A1 (en) | Program creating apparatus and image control system | |
Liu et al. | A Complete Piping Identification Solution for Piping and Instrumentation Diagrams | |
Pan et al. | Research on functional test of mobile app based on robot | |
Tian et al. | Detection and Identification of Substation Safety Signs | |
CN112270357A (zh) | Vio视觉***及方法 | |
KR20210026176A (ko) | 딥 러닝을 위한 라벨링 이미지 생성 방법 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200114 |
|
WD01 | Invention patent application deemed withdrawn after publication |