CN113657367A - 一种基于边缘ai的机械仪表智能读数装置及读数方法 - Google Patents
一种基于边缘ai的机械仪表智能读数装置及读数方法 Download PDFInfo
- Publication number
- CN113657367A CN113657367A CN202110950904.0A CN202110950904A CN113657367A CN 113657367 A CN113657367 A CN 113657367A CN 202110950904 A CN202110950904 A CN 202110950904A CN 113657367 A CN113657367 A CN 113657367A
- Authority
- CN
- China
- Prior art keywords
- image
- dial
- esp32
- mechanical
- edge
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 15
- 238000013527 convolutional neural network Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 3
- 238000013473 artificial intelligence Methods 0.000 abstract 2
- 238000009434 installation Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 208000032370 Secondary transmission Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
- Character Discrimination (AREA)
Abstract
本发明涉及一种基于边缘AI的机械仪表智能读数装置及读数方法,包括外壳,其罩设在机械仪表的上方;所述外壳内设置有ESP32‑CAM模块,在所述ESP32‑CAM模块上集成有图像采集单元、照明单元及WIFI单元;所述图像采集单元的采集端正对所述机械仪表的表盘,以捕捉所述机械仪表的表盘图像;所述图像采集单元将捕捉到的所述表盘图像输入至所述ESP32‑CAM模块中解析;所述WIFI单元与所述ESP32‑CAM模块连接以将解析后的所述表盘读数上传。其能够采用机器视觉对机械仪表数据进行自动采集,能够实时或者分时地对机械表进行读数和监测,提高识别速度和数据可靠性,降低自动***的构造成本,安装容易。
Description
技术领域
本发明涉及边缘AI技术,属于机器学习术领域,尤其是指一种基于边缘AI的机械仪表智能读数装置及读数方法。
背景技术
机械仪表具有结构简单、使用方便、抗干扰性强、价格便宜等优点,在工业检测中得到大量的应用,甚至在一些场合,由于其独有优势,具有不可替代性。但是,现有的机械仪表需要通过人工读数,在读取大量数据时,容易产生视觉疲劳,读取速度慢,难以在自动化生产中得到推广应用。并且在恶劣天气下或者环境下难以经常由人员进行抄录数据。而且,大量的手抄记录数据难以进行二次传输和后续的数据分析和利用。
边缘AI是指在硬件设备上本地处理的AI算法,其能够在没有网络连接的情况下处理数据。
因此,基于边缘AI技术,研究采用机器视觉对机械仪表数据进行自动采集具有重要意义。
发明内容
本发明要解决的技术问题是提供一种基于边缘AI的机械仪表智能读数装置及读数方法,其采用机器视觉对机械仪表数据进行自动采集,能够实时或者分时地对机械表进行读数和监测,提高识别速度和数据可靠性,降低自动***的构造成本,安装容易。
为解决上述技术问题,本发明提供了一种基于边缘AI的机械仪表智能读数装置及读数方法。包括一种基于边缘AI的机械仪表智能读数装置,其特征在于,包括:外壳,其罩设在机械仪表的上方;所述外壳内设置有ESP32-CAM模块,在所述ESP32-CAM模块上集成有图像采集单元、照明单元及WIFI单元;所述照明单元和所述图像采集单元的采集端正对所述机械仪表的表盘,以捕捉所述机械仪表的表盘图像;所述图像采集单元的输出端与所述ESP32-CAM模块的输入端连接以将捕捉到的所述表盘图像输入至所述ESP32-CAM模块中解析;所述WIFI单元与所述ESP32-CAM模块连接以将解析后的所述表盘读数上传。
作为优选的,所述的基于边缘AI的机械仪表智能读数装置还包括存储单元;所述存储单元与所述ESP32-CAM模块上通信连接,以对表盘读数进行存储。
作为优选的,所述存储单元包括RAM存储器和SD-Card。
作为优选的,所述的基于边缘AI的机械仪表智能读数装置还包括供电单元;所述供电单元与所述ESP32-CAM模块连接,以对所述ESP32-CAM模块供电。
作为优选的,所述图像采集单元包括摄像头,所述摄像头选用的型号为OV2640。
作为优选的,所述照明单元包括多个LED灯,所述LED灯正对所述机械仪表的表盘;所述LED灯与所述ESP32-CAM模块连接。
一种基于边缘AI的机械仪表智能读数方法,其特征在于,包括以下步骤:S1、图像采集单元对所述机械仪表的表盘图像进行捕捉;S2、利用OpenCV库对步骤S1中得到的所述表盘图像进行预处理,提取所述表盘图像中待识别的图像部分;S3、利用OCR技术对所述待识别的图像部分进行处理,获取所述待识别的图像部分中的数字内容;S4、利用卷积神经网络技术对所述待识别的图像部分进行处理,获取所述待识别的图像部分中的模拟表盘内容;S5、对步骤S3中获取的所述数字内容和步骤S4中获取的所述模拟表盘内容进行组合,输出所述机械仪表的表盘读数;S6、将所述表盘读数经过WIFI单元上传至互联网。
作为优选的,步骤S1中“图像采集单元对所述机械仪表的表盘图像进行捕捉”的同时,ESP32-CAM模块控制照明单元导通,以照亮所述机械仪表的表盘。
作为优选的,对所述表盘图像进行预处理时包括图像自动对齐处理和ROI处理。
作为优选的,还包括:步骤S7、在互联网上查看所述机械仪表的表盘读数,以实时或者分时地对所述机械仪表的表盘进行读数和监测。
本发明的上述技术方案相比现有技术具有以下优点:
1、本发明利用图像采集单元对机械仪表进行图像采集,将图像在ESP32CAM上进行解析,随后上传到互联网上。减少了人工读表、抄录数据的工作。本智能读数装置可以适应各种恶劣的天气或者环境下难以经常由人员来抄录数据的情况下,可实时或者分时地对机械仪表进行读数和监测,而且读数方便安装容易。
2、本发明读数方法中图像识别、数字化和传输完全在ESP32模块上以卷积神经网络技术的形式完成。从图像捕获、图像预处理一直到图像识别和数据上传,所有内容都可在性价比极高的设备上完成。采用了边缘AI算法,使得装置性价比极高,且机械仪表的读数处理速度快,读数及时,易于上传,便于工作人员进行记录、分析和读表数据的二次传输和转发,从而减少了工作人员工作量,避免了数据失真和读数延迟大的问题。
附图说明
为了使本发明的内容更容易被清楚的理解,下面根据本发明的具体实施例并结合附图,对本发明作进一步详细的说明,其中:
图1为本发明的读数方法流程示意图;
图2为本发明机械仪表的结构示意图;
图3为机械仪表的表盘图像进行预处理后的示意图;
图4为机械仪表的表盘图像中数字部分识别示意图;
图5为机械仪表的表盘图像中表盘部分识别示意图;
说明书附图标记说明:10-外壳,20-机械仪表。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
参照图1所示,本发明公开了一种基于边缘AI的机械仪表智能读数装置,包括:
外壳10,上述外壳10罩设在机械仪表20的上方。
上述外壳10分为两部分,其中一部分为直径略大于机械仪表20直径的圆柱形外壳,且在圆柱形外壳顶部开有小孔,高度根据现场选择适合高度。上述外壳的另一部分包括两个半空心长方体,上述两个半空心长方体经由卡扣合为一个空心长方体外壳。
优选的,其中一个半空心长方体尺寸为4.4cm*2.9cm*2cm(长*宽*高),另外一个半空心长方体尺寸为4.4cm*2.9cm*0.5cm(长*宽*高)。
上述圆柱形外壳和上述空心长方体外壳经由卡扣进行连接,上述空心长方体外壳位于空心长方体外壳的顶部。卡扣采用咬合原理固定,使得圆柱形外壳和上述空心长方体外壳固定在一起并且具有良好的稳定性。
在机械仪表20上方利用固定铁丝将基于边缘AI的机械仪表的智能读数装置圆柱形外壳罩在机械仪表20的上方,使得仪表和智能读数装置的圆柱形外壳相配合形成为一个完成的封闭***。
进一步的,在上述长方体外壳中装载ESP32-CAM模块,在上述ESP32-CAM模块中集成了图像采集单元、照明单元及WIFI单元。
其中,优选的,上述ESP32-CAM模块能够选用安信可最新发布的小尺寸摄像头模组。该模组可以作为最小***进行独立工作,且该模组的尺寸仅为27*40.5*4.5mm,深度睡眠电流最低达到6mA。上述ESP32-CAM模块能够广泛应用于各种物联网场合,是物联网应用的理想解决方案。上述ESP32-CAM模块采用DIP封装,使用便捷,连接方式可靠,方便应用于各种物联网硬件终端场合。
在上述ESP32-CAM模块中集成的图像采集单元优选为摄像头,上述摄像头的型号为OV2640。上述摄像头通过电路板和一些硬件支持模块集成在ESP32-CAM模块上。且摄像头的图像采集端透过小孔正对机械仪表20的表盘,以捕捉机械仪表20的表盘读数图像。上述LED照明单元也经由小孔正对机械仪表20表盘,照明单元包括多个LED灯,当LED单元照明时,图像采集单元可以将整个机械仪表20表盘的图像全部捕捉。上述图像采集单元的输出端与ESP32-CAM模块的输入端连接以将捕捉到的表盘图像输入至ESP32-CAM模块中进行解析,实现识别表盘读数。
上述WIFI单元与ESP32-CAM模块连接以将解析后的上述表盘读数上传到互联网上。减少了人工读表、抄录数据的工作,实时或者分时地对机械仪表20进行读数和监测,读数方便安装容易。
优选的,上述WIFI单元选用一款基于TG7100CWiFi+BLE芯片开发的模组,模组内置2MB Flash,采用2.4G WiFi 802.11b/g/n和BLE5.0基带/MAC设计,具有高性能、低成本、敏捷开发的特性。上述WIFI单元的微控制器子***包含低功耗的32位RISC CPU、高速缓存和存储器,其能够通过电源管理单元控制低功耗模式,同时,最高可支持AES 256位加密引擎,具备多种安全特性。
上述基于边缘AI的机械仪表智能读数装置还包括存储单元和供电单元,上述存储单元与上述ESP32-CAM模块上通信连接,实现对表盘读数进行存储。上述存储单元包括8MB的RAM和SD-Card。上述供电单元外接电源,实现对ESP32-CAM模块进行供电。
本装置采用机器视觉像***作为输入手段,采用机器视觉对机械仪表20数据进行自动采集,能够实时或者分时地对机械表进行读数和监测,提高识别速度和数据可靠性,降低自动***的构造成本,安装容易。
本发明还公开了一种基于边缘AI的机械仪表智能读数方法,包括:
步骤一、建立模型。在卷积神经网络的基础上,对卷积神经网络进行改进。基于改进后的上述模型,ESP32-CAM模块控制照明单元导通,以照亮所述机械仪表20的表盘,同时,图像采集单元对机械仪表20的表盘图像进行捕获。
其中,上述模型改进方法为:在卷积神经网络的最后一层中使用一个能够输出连续值的神经元。然后利用改进之后的卷积神经网络进行训练,建立两种类型的卷积神经网。一种是用于读取数字的分类网络,另一种是用于数字化子数字读数的模拟指点的单输出网络。
步骤二、利用OpenCV库对步骤一中得到的表盘图像进行预处理,提取表盘图像中待识别的图像部分,如图3所示,为机械仪表20的表盘图像进行预处理后的示意图。
对上述表盘图像进行预处理时包括图像自动对齐处理和ROI处理。
步骤三、利用OCR技术对待识别的图像部分进行处理,获取待识别的图像部分中的数字内容,图4所示,为机械仪表20的表盘图像中数字部分识别示意图。
步骤四、利用卷积神经网络技术(CNN)对上述待识别的图像部分进行处理,获取待识别的图像部分中的模拟表盘内容。如图5所示,为机械仪表20的表盘图像中表盘部分识别示意图;
步骤五、对步骤三中获取的数字内容和步骤四中获取的所述模拟表盘内容进行组合,输出机械仪表20的表盘读数。
步骤六、将表盘读数经过WIFI单元上传至互联网。
步骤七、在互联网的用户界面上查看机械仪表20的表盘读数,以实时或者分时地对机械仪表20的表盘进行读数和监测。
上述用户界面优选为一个集成的Web服务器,能够轻松调整,在不同的选项中将数据作为API进行调整。
本发明读数方法中图像识别、数字化和传输完全在ESP32模块上以卷积神经网络技术的形式完成。从图像捕获、图像预处理一直到图像识别和数据上传,所有内容都可在性价比极高的设备上完成。采用了边缘AI算法,使得装置性价比极高,且机械仪表20的读数处理速度快,读数及时,易于上传,便于工作人员进行记录、分析和读表数据的二次传输和转发,从而减少了工作人员工作量,避免了数据失真和读数延迟大的问题。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,上述实施例仅仅是为清楚地说明所作的举例,并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种基于边缘AI的机械仪表智能读数装置,其特征在于,包括:
外壳,其罩设在机械仪表的上方;
所述外壳内设置有ESP32-CAM模块,在所述ESP32-CAM模块上集成有图像采集单元、照明单元及WIFI单元;所述图像采集单元的采集端正对所述机械仪表的表盘,以捕捉所述机械仪表的表盘图像;
所述图像采集单元的输出端与所述ESP32-CAM模块的输入端连接以将捕捉到的所述表盘图像输入至所述ESP32-CAM模块中解析,实现对表盘读数的识别;
所述WIFI单元与所述ESP32-CAM模块连接以将解析后的所述表盘读数上传。
2.根据权利要求1所述的基于边缘AI的机械仪表智能读数装置,其特征在于,还包括存储单元;所述存储单元与所述ESP32-CAM模块通信连接,以对表盘读数进行存储。
3.根据权利要求2所述的基于边缘AI的机械仪表智能读数装置,其特征在于,所述存储单元包括RAM存储器和SD-Card。
4.根据权利要求1所述的基于边缘AI的机械仪表智能读数装置,其特征在于,还包括供电单元;所述供电单元与所述ESP32-CAM模块连接,以对所述ESP32-CAM模块供电。
5.根据权利要求1所述的基于边缘AI的机械仪表智能读数装置,其特征在于,所述图像采集单元包括摄像头,所述摄像头选用的型号为OV2640。
6.根据权利要求1所述的基于边缘AI的机械仪表智能读数装置,其特征在于,所述照明单元包括多个LED灯,所述LED灯正对所述机械仪表的表盘;所述LED灯与所述ESP32-CAM模块连接。
7.一种基于边缘AI的机械仪表智能读数方法,其特征在于,包括以下步骤:
S1、图像采集单元对所述机械仪表的表盘图像进行捕获;
S2、利用OpenCV库对步骤S1中得到的所述表盘图像进行预处理,提取所述表盘图像中待识别的图像部分;
S3、利用OCR技术对所述待识别的图像部分进行处理,获取所述待识别的图像部分中的数字内容;
S4、利用卷积神经网络技术对所述待识别的图像部分进行处理,获取所述待识别的图像部分中的模拟表盘内容;
S5、对步骤S3中获取的所述数字内容和步骤S4中获取的所述模拟表盘内容进行组合,输出所述机械仪表的表盘读数;
S6、将所述表盘读数经过WIFI单元上传至互联网。
8.根据权利要求7所述的基于边缘AI的机械仪表智能读数方法,其特征在于,步骤S1中“图像采集单元对所述机械仪表的表盘图像进行捕捉”的同时,ESP32-CAM模块控制照明单元导通,以照亮所述机械仪表的表盘。
9.根据权利要求7所述的基于边缘AI的机械仪表智能读数方法,其特征在于,对所述表盘图像进行预处理时包括图像自动对齐处理和ROI处理。
10.根据权利要求7所述的基于边缘AI的机械仪表智能读数方法,其特征在于,还包括:步骤S7、在互联网上查看所述机械仪表的表盘读数,以实时或者分时地对所述机械仪表的表盘进行读数和监测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110950904.0A CN113657367A (zh) | 2021-08-18 | 2021-08-18 | 一种基于边缘ai的机械仪表智能读数装置及读数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110950904.0A CN113657367A (zh) | 2021-08-18 | 2021-08-18 | 一种基于边缘ai的机械仪表智能读数装置及读数方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113657367A true CN113657367A (zh) | 2021-11-16 |
Family
ID=78481115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110950904.0A Pending CN113657367A (zh) | 2021-08-18 | 2021-08-18 | 一种基于边缘ai的机械仪表智能读数装置及读数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113657367A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN209086964U (zh) * | 2018-11-07 | 2019-07-09 | 广西诚新慧创科技有限公司 | 一种基于图像识别的机械仪表读数装置 |
CN111368824A (zh) * | 2020-02-24 | 2020-07-03 | 河海大学常州校区 | 一种仪表识别方法、移动设备及存储介质 |
CN111950396A (zh) * | 2020-07-27 | 2020-11-17 | 江苏大学 | 一种仪表读数神经网络识别方法 |
CN112766253A (zh) * | 2021-01-19 | 2021-05-07 | 厦门大学 | 一种基于图像的复杂环境下全自动仪表分析的智能*** |
-
2021
- 2021-08-18 CN CN202110950904.0A patent/CN113657367A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN209086964U (zh) * | 2018-11-07 | 2019-07-09 | 广西诚新慧创科技有限公司 | 一种基于图像识别的机械仪表读数装置 |
CN111368824A (zh) * | 2020-02-24 | 2020-07-03 | 河海大学常州校区 | 一种仪表识别方法、移动设备及存储介质 |
CN111950396A (zh) * | 2020-07-27 | 2020-11-17 | 江苏大学 | 一种仪表读数神经网络识别方法 |
CN112766253A (zh) * | 2021-01-19 | 2021-05-07 | 厦门大学 | 一种基于图像的复杂环境下全自动仪表分析的智能*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108365557B (zh) | 一种无人机精细化巡检输电线路的方法及*** | |
CN111507325B (zh) | 基于深度学习的工业视觉ocr识别***及方法 | |
CN112040198A (zh) | 一种基于图像处理的智能水表读数识别***与方法 | |
CN109300314A (zh) | 黑烟车实时监测抓拍装置及方法 | |
CN105306878A (zh) | 一种物联网协同处理监控摄像机*** | |
CN111681215A (zh) | 卷积神经网络模型训练方法、加工件缺陷检测方法及装置 | |
Jin et al. | A Smart Water Metering System Based on Image Recognition and Narrowband Internet of Things. | |
CN105933658A (zh) | 一种基于图像识别的人防阀门密闭状态监测装置 | |
CN113657367A (zh) | 一种基于边缘ai的机械仪表智能读数装置及读数方法 | |
CN114494916A (zh) | 一种基于YOLO和DeepSORT的黑颈鹤监测追踪方法 | |
CN117581777A (zh) | 一种基于物联网技术的智能灌溉***和计算机设备 | |
CN101639963B (zh) | 光纤振动处理器***的实现方法 | |
CN109361900B (zh) | 一种基于电子设备的进门监视*** | |
CN206388198U (zh) | 一种基于gpu图像处理器的人脸识别比对装置 | |
CN211786014U (zh) | 一种oled尾灯动态流水效果的检测装置 | |
CN113743342A (zh) | 一种装配流程检测的方法、***、终端及存储介质 | |
CN215068617U (zh) | 一种基于移动视频识别和tts技术的违章智能监控装置 | |
CN113804679A (zh) | 浮选装备气-液-固三相气体弥散性能检测装置与方法 | |
CN202662028U (zh) | 一种一体化空间人群分布监测装置 | |
CN106206357A (zh) | 一种微型芯片脚位方向嵌入式视觉自动检测***及其检测方法 | |
CN112487850A (zh) | 一种基于人工智能人脸识别的司法场所快速点名方法 | |
CN212379866U (zh) | 一种基于isp序列号的智能快速识别装置 | |
CN202903688U (zh) | 五金件表面缺陷检测装置 | |
CN110580748A (zh) | 基于图像处理的承重支架日常巡查和评估***及其方法 | |
CN210666809U (zh) | 一种客流统计装置、智能摄像机及智能分析设备 |
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 |