CN114549438A - 一种反应釜卡扣检测方法及相关装置 - Google Patents
一种反应釜卡扣检测方法及相关装置 Download PDFInfo
- Publication number
- CN114549438A CN114549438A CN202210126449.7A CN202210126449A CN114549438A CN 114549438 A CN114549438 A CN 114549438A CN 202210126449 A CN202210126449 A CN 202210126449A CN 114549438 A CN114549438 A CN 114549438A
- Authority
- CN
- China
- Prior art keywords
- buckle
- image
- reaction kettle
- boundary
- distance
- 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
Images
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
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本申请涉及人工智能和图像识别技术领域,尤其涉及一种反应釜卡扣检测方法及相关装置,用以提高反应釜卡扣检测的效率以及降低安全隐患。其中,智能相机在获取待识别图像后,分别对所述反应釜和所述卡扣进行特征提取,确定所述反应釜在所述待识别图像中的第一位置,以及确定所述卡扣在所述待识别图像中的第二位置,获取所述反应釜和所述卡扣的相对位置关系,而当确定预设检测区域无卡扣时,进行告警。这样,反应釜卡扣检测的安全隐患大大降低,不再需要第三方实时检测,直接由智能相机进行检测,当卡扣未出现在检测区域中,物料外漏时,智能相机会进行告警,并且反应釜卡扣检测过程实现自动化,使检测的效率大大提高。
Description
技术领域
本申请涉及人工智能和图像识别技术领域,尤其涉及一种反应釜卡扣检测方法及相关装置。
背景技术
化工类型企业在物料运输、反应等过程中,会广泛使用反应釜作为反应容器;传统反应釜与反应釜之间、反应釜与管道之间会通过卡扣等刚性结构进行连接和固定。然而,在具体操作转运、加工、反应等过程中,需要第三方介入进行检测。
然而,相关技术下,上述方式尚且存在以下缺陷:
1、反应釜卡扣检测的安全隐患高。
在反应釜卡扣检测过程中,由于需要通过第三方进行反应釜卡扣的实时检测,那么,当第三方在操作转运、加工、反应等过程中,存在操作失误时,会导致物料外漏等情况,从而造成重大安全事故;因此,反应釜卡扣检测具有较高的安全隐患。
2、反应釜卡扣检测的效率较低,运维成本较高。
反应釜卡扣检测目前主要依赖介入的第三方进行现场检测,而介入的第三方导致反应釜卡扣检测过程无法实现自动化,并且介入的第三方存在不稳定性的问题,当介入的第三方检测出错时,会导致检测中断,需要重新介入新的第三方进行检测,在此过程中,多次检测会造成检测时间的浪费,从而导致检测的效率较低、运维成本较高。
发明内容
本申请实施例提供一种反应釜卡扣检测方法及相关装置,用以提高反应釜卡扣检测的效率以及降低安全隐患。
本申请实施例提供的具体技术方案如下:
第一方面,提供一种反应釜卡扣检测方法,包括:
获取待识别图像,所述待识别图像中包括反应釜和卡扣;
在所述待识别图像中,分别对所述反应釜和所述卡扣进行特征提取,确定所述反应釜在所述待识别图像中的第一位置,以及确定所述卡扣在所述待识别图像中的第二位置;
基于所述第一位置和所述第二位置,获取所述反应釜和所述卡扣的相对位置关系;
当确定所述相对位置关系不满足预设位置条件,预设检测区域无所述卡扣时,进行告警。
第二方面,提供一种反应釜卡扣检测装置,包括:
第一获取模块,用于获取待识别图像,所述待识别图像中包括反应釜和卡扣;
确定模块,用于在所述待识别图像中,分别对所述反应釜和所述卡扣进行特征提取,确定所述反应釜在所述待识别图像中的第一位置,以及确定所述卡扣在所述待识别图像中的第二位置;
第二获取模块,用于基于所述第一位置和所述第二位置,获取所述反应釜和所述卡扣的相对位置关系;
告警模块,用于当确定所述相对位置关系不满足预设位置条件时,进行告警,所述不满足预设位置条件表征确定预设检测区域内无所述卡扣。
可选的,获取待识别图像之前,所述第一获取模块用于:
获取参考图像,所述参考图像与所述待识别图像具有同一拍摄角度;
在所述参考图像中,对所述反应釜进行位置检测,确定所述反应釜与所述参考图像的各个边界之间的距离均超过设定阈值。
可选的,获取待识别图像之前,所述第一获取模块还用于:
对所述反应釜与所述卡扣的组装过程进行拍摄并记录。
可选的,所述参考图像中仅包括反应釜,则所述获取待识别图像时,所述第一获取模块还用于:
获取原始待识别图像,当确定所述原始待识别图像与所述参考图像相同时,进行告警;
持续获取新的待识别图像,直到确定所述待识别图像中,包含反应釜和卡扣。
可选的,分别对所述反应釜和所述卡扣进行特征提取,确定所述反应釜在所述待识别图像中的第一位置,以及确定所述卡扣在所述待识别图像中的第二位置,所述确定模块还用于:
基于所述待识别图像,建立图像坐标系;
基于边缘检测算法,在所述待识别图像中,分别提取所述反应釜和所述卡扣的特征轮廓线,获得所述反应釜的第一轮廓坐标集合和所述卡扣的第二轮廓坐标集合;
基于所述第一轮廓坐标集合,确定所述第一位置,以及基于所述第二轮廓坐标集合,确定所述第二位置。
可选的,基于所述第一位置和所述第二位置,获取所述反应釜和所述卡扣的相对位置关系,所述第二获取模块还用于:
分别确定所述待识别图像的各个边界,各自与所述第一位置之间的第一边界距离,获得第一边界距离集合;
分别确定所述待识别图像的各个边界,各自与所述第二位置之间的第二边界距离,获得第二边界距离集合;
针对所述各个边界,分别执行以下操作:
基于所述第一边界距离集合和所述第二边界距离集合,计算一个边界对应的第一边界距离与所述一个边界对应的第二边界距离之间的距离差值;
基于获得的各个距离差值,确定所述反应釜和所述卡扣的相对位置关系。
可选的,获取所述反应釜与所述卡扣的相对位置关系之后,所述第二获取模块还用于:
分别将所述各个距离差值与相应的距离阈值进行比较,获得比较结果;
若所述比较结果表征:所述各个距离差值均不大于相应的距离阈值,则确定所述相对位置关系满足所述预设位置条件,预设检测区域有所述卡扣;
若所述比较结果表征:所述各个距离差值中,至少一个距离差值大于相应的距离阈值,则确定所述相对位置关系不满足所述预设位置条件,预设检测区域无所述卡扣。
可选的,所述确定所述相对位置关系满足所述预设位置条件,预设检测区域有所述卡扣之后,所述第二获取模块还用于:
按照设定的时间间隔,对所述相对位置关系进行周期性检测,当确定至少一个距离差值大于相应的距离阈值时,确定所述相对位置关系不再满足所述预设位置条件,所述预设检测区域不再有所述卡扣,并进行告警提示。
可选的,当确定所述相对位置关系不满足预设位置条件时,所述不满足预设位置条件表征确定预设检测区域内无所述卡扣,进行告警之后,所述告警模块还用于:
记录告警信息,把告警信息呈现至中央处理***平台。
可选的,所述确定预设检测区域内无所述卡扣时,所述告警模块还用于确定:
在所述预设检测区域中,未出现所述卡扣;
或者,
在所述预设检测区域中,未呈现所述卡扣的完整图像。
第三方面,提供一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,当计算机程序被处理器执行时,使得所述处理器执行上述第一方面中任意一种反应釜卡扣检测方法。
第四方面,提供了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,所述计算机程序被处理器执行时,实现上述第一方面中任意一种反应釜卡扣检测方法。
本申请实施例中,智能相机在获取待识别图像后,分别对所述反应釜和所述卡扣进行特征提取,确定所述反应釜在所述待识别图像中的第一位置,以及确定所述卡扣在所述待识别图像中的第二位置,获取所述反应釜和所述卡扣的相对位置关系,而当确定所述相对位置关系不满足预设位置条件时,进行告警。这样,在进行反应釜卡扣检测时,反应釜卡扣检测的安全隐患大大降低,不再需要通过第三方进行实时检测,直接由智能相机进行检测,并且卡扣未出现在检测区域,物料外漏时,智能相机会进行告警,反应釜卡扣检测过程实现自动化,使检测的效率大大提高。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的反应釜卡扣检测方法的一种应用场景;
图2为本申请实施例提供的反应釜卡扣检测方法的一种流程示意图一;
图3为本申请实施例提供的反应釜卡扣检测方法的一种原理示意图一;
图4为本申请实施例提供的反应釜卡扣检测方法的一种原理示意图二;
图5为本申请实施例提供的反应釜卡扣检测方法的一种流程示意图二;
图6为本申请实施例提供的反应釜卡扣检测方法的一种原理示意图三;
图7为本申请实施例提供的反应釜卡扣检测方法的一种流程示意图三;
图8为本申请实施例提供的反应釜卡扣检测方法的一种流程示意图四;
图9为本申请实施例提供的反应釜卡扣检测方法的一种原理示意图四;
图10为本申请实施例提供的反应釜卡扣检测方法的一种原理示意图五;
图11为本申请实施例提供的反应釜卡扣检测方法的一种原理示意图六;
图12为本申请实施例提供的反应釜卡扣检测方法的一种原理示意图七;
图13为本申请实施例提供的反应釜卡扣检测方法的一种流程示意图五;
图14为本申请实施例提供的反应釜卡扣检测方法的一种流程示意图六;
图15为本申请实施例提供的反应釜卡扣检测方法的一种原理示意图八;
图16为本申请实施例提供的反应釜卡扣检测方法的一种原理示意图九;
图17为本申请实施例中的一种反应釜卡扣检测装置的组成结构示意图;
图18为本申请实施例中的一种反应釜卡扣检测的电子设备的组成结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请技术方案的一部分实施例,而不是全部的实施例。基于本申请文件中记载的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请技术方案保护的范围。
下面对本申请实施例中涉及的部分概念进行介绍。
反应釜,进行物理或化学反应的不锈钢容器,根据不同的工艺条件需求进行容器的结构设计与参数配置,设计条件、过程、检验及制造、验收需依据相关技术标准,以实现工艺要求的加热、蒸发、冷却及低高速的混配反应功能。生产必须严格按照相应的标准加工、检测并试运行。不锈钢反应釜根据不同的生产工艺、操作条件等不尽相同,反应釜的设计结构及参数不同,样式不同,属于非标的容器设备。反应釜是综合反应容器,根据反应条件对反应釜结构功能及配置附件的设计。
卡扣,是用于一个物件与另一物件的连接或整体闭锁的机械,通常用于物件之间的联接,卡扣连接最大的特点是安装拆卸方便,可以做到免工具拆卸。由定位件、紧固件组成,定位件作用是在安装时,引导卡扣顺利、正确、快速的到达安装位置;而紧固件作用是,可拆卸紧固件通常被设计成当施加一定的分离力后,卡扣会脱开,两个连接件分离。
智能相机,包含计算芯片,其中,计算芯片中加载了识别模型,识别模型是通过采集不同种类反应釜、卡扣的图像数据,针对反应釜、卡扣等图像数据搭建成的不同算法模型,可用于识别物体的不同状态。智能相机可以对获取的图像进行数据分析,支持多通道算法进行数据分析,并且可以将获得的告警信息上传至中央处理***。
反应釜卡扣检测方法,根据反应釜的不同材质,可应用于不同的场景,不锈钢反应釜,在石油、化工、医药、冶金、科研、大专院校等部门,用于高温、高压的化学反应试验,使粘稠和颗粒的物质均能达到高搅拌的效果;蒸汽加热反应釜,在石油、化工、食品、医药、农药、科研等行业,用于完成聚合、缩合、硫化、烃化、氢化等化学工艺过程,完成有机染料和中间体许多工艺过程;多功能分散反应釜,在石油、化工、食品、医药、农药、科研等行业,用于完成聚合、缩合、硫化、烃化、氢化等化学工艺过程,完成有机染料和中间体许多工艺过程;电加热反应釜,在石油、化工、食品、医药、农药、科研等行业,用于完成聚合、缩合、硫化、烃化、氢化等化学工艺过程,完成有机染料和中间体许多工艺过程;磁力搅拌反应釜,在石油、化工、食品、医药、农药、科研等行业,用于完成聚合、缩合、硫化、烃化、氢化等化学工艺过程,完成有机染料和中间体许多工艺过程。
参阅图1所示,本申请实施例中,具体的应用场景,包括1个智能相机101,2个反应釜102和1个卡扣103。
实际应用中,2个反应釜102的形状可以相同,也可以不同,在本申请实施例中,仅对2个形状相同的反应釜进行检测,2个形状不同的反应釜可以采用相同的方式进行检测,在此不再赘述。
以下结合说明书附图对本申请的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本申请,并不用于限定本申请,并且在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
本申请实施例中,在反应釜卡扣检测的预处理阶段,智能相机保持开机状态,保证会对反应釜与卡扣的完整组装过程进行拍摄并记录,并且在获取待识别图像之前,会获取参考图像并对反应釜进行位置检测,参阅图2所示,具体流程如下:
步骤21:获取参考图像。
具体的,智能相机对反应釜进行拍摄,其中,智能相机的拍摄角度,能够保证获得反应釜的完整图像,将获得的反应釜的完整图像作为参考图像,并且在后期拍摄中,保证在该角度下,能够获得反应釜和卡扣的完整图像。
例如,在本申请实施例中,参阅图3所示,智能相机,获得的参考图像,包含了反应釜102的完整图像。
步骤22:在参考图像中,对反应釜进行位置检测,确定反应釜与参考图像的各个边界之间的距离均超过设定阈值。
具体的,智能相机获取参考图像之后,对参考图像中反应釜的位置进行检测,标注反应釜的上边界线,下边界线,左边界线和右边界线四条边界线,得到四条边界线到参考图像四个边界的距离,并且得到的四个距离都超过设定阈值。
例如,在本申请实施例中,参阅图4所示,智能相机在参考图像中标注了反应釜102的四条边界线,得到上边界线到参考图像上边界的距离为1厘米大于设定的0.8厘米,下边界线到参考图像下边界的距离为1厘米大于设定的0.8厘米,左边界线到参考图像左边界的距离为8厘米大于设定的7.8厘米,右边界线到参考图像右边界的距离为8厘米大于设定的7.8厘米,如表1所示:
表1
参阅图5所示,在本申请实施例中,预处理阶段结束后,进行反应釜卡扣检测时,具体流程如下:
步骤51:获取待识别图像,待识别图像中包括反应釜和卡扣。
具体的,智能相机对反应釜和卡扣进行拍摄,获得待识别图像,并且智能相机的拍摄角度,与获得参考图像的角度相同,能够获得反应釜和卡扣的完整图像。
例如,在本申请实施例中,参阅图6所示,智能相机获得的待识别图像,包含了反应釜102和卡扣103的完整图像。
具体的,参阅图7所示,参考图像中仅包括反应釜,则获取待识别图像时,具体执行以下步骤:
步骤511:获取原始待识别图像,当确定原始待识别图像与参考图像相同时,进行告警。
具体的,智能相机会获取原始待识别图像,将原始待识别图像与参考图像进行比对,当确定原始待识别图像与参考图像相同,只包括反应釜时,智能相机进行告警,其中,告警信息为“只有反应釜,无卡扣”。
步骤512:持续获取新的待识别图像,直到确定待识别图像中,包含反应釜和卡扣。
具体的,智能相机持续获取新的待识别图像,并将新的待识别图像与参考图像进行对比,直到确定待识别图像与参考图像不同,确定待识别图像中既包含反应釜,又包含卡扣。
步骤52:在待识别图像中,分别对反应釜和卡扣进行特征提取,确定反应釜在待识别图像中的第一位置,以及确定卡扣在待识别图像中的第二位置。
具体的,智能相机,对待识别图像应用边缘检测算法,分别对反应釜和卡扣进行特征提取,提取出反应釜与卡扣的特征轮廓线,并在待识别图像中建立图像坐标系,从而确定反应釜和卡扣在待识别图像中的位置。
具体的,参阅图8所示,在执行步骤52时,具体执行以下步骤:
步骤521:基于待识别图像,建立图像坐标系。
例如,参阅图9所示,假设智能相机,在待识别图像中,以左下顶点为原点,以下边界为X轴,以左边界为Y轴,建立图像坐标系。
步骤522:基于边缘检测算法,在待识别图像中,分别提取反应釜和卡扣的特征轮廓线,获得反应釜的第一轮廓坐标集合和卡扣的第二轮廓坐标集合。
具体的,参阅图10所示,智能相机,通过Canny边缘检测算法(Canny edgedetector),对识别图像中的反应釜102和卡扣103分别进行特征轮廓线的提取,获得反应釜的特征轮廓线202卡扣的特征轮廓线203,并分别在反应釜的特征轮廓线202卡扣的特征轮廓线203中,确定设定数量的点的坐标,将反应釜的特征轮廓线202的点坐标集合作为反应釜的第一轮廓坐标集合,将卡扣的特征轮廓线203的点坐标集合作为卡扣的第二轮廓坐标集合。
例如,参阅图11所示,假设智能相机,在反应釜的特征轮廓线中,提取8个点的坐标,如表2所示,
表2
点 | 坐标 | 点 | 坐标 |
A1 | (8,20) | E1 | (16,6) |
B1 | (10,13) | F1 | (14,13) |
C1 | (8,6) | G1 | (16,20) |
D1 | (12,1) | H1 | (12,25) |
由上述表格可知,反应釜的第一轮廓坐标集合为{(8,20),(10,13),(8,6),(12,1),(16,6),(14,13),(16,20),(12,25)}。
参阅图12所示,假设智能相机,在卡扣的特征轮廓线中,提取8个点的坐标,如表3所示,
表3
点 | 坐标 | 点 | 坐标 |
A2 | (10,14) | E2 | (14,12) |
B2 | (10,13) | F2 | (14,13) |
C2 | (10,12) | G2 | (14,14) |
D2 | (12,12) | H2 | (12,14) |
由上述表格可知,卡扣的第二轮廓坐标集合为{(10,14),(10,13),(10,12),(12,12),(14,12),(14,13),(14,14),(12,14)}。
步骤523:基于第一轮廓坐标集合,确定第一位置,以及基于第二轮廓坐标集合,确定第二位置。
具体的,智能相机,可以根据第一轮廓坐标集合和第二轮廓坐标集合的中心坐标,分别确定第一位置和第二位置;也可以根据第一轮廓坐标集合和第二轮廓坐标集合中,纵坐标最大的点坐标,分别确定第一位置和第二位置,若存在多个纵坐标最大的点,则取多个纵坐标最大的点的中心点。
例如,假设智能相机,根据反应釜的第一轮廓坐标集合{(8,20),(10,13),(8,6),(12,1),(16,6),(14,13),(16,20),(12,25)},计算第一轮廓坐标集合中8个点的中心点坐标为P1(12,13),将该坐标P1(12,13)作为反应釜的第一位置;智能相机,根据卡扣的第二轮廓坐标集合为{(10,14),(10,13),(10,12),(12,12),(14,12),(14,13),(14,14),(12,14)},计算第二轮廓坐标集合中8个点的中心点坐标为P2(12,13),将该坐标P2(12,13)作为卡扣的第二位置。
在第一轮廓坐标集合的8个点中,纵坐标最大的点为H1(12,25),则H1(12,25)为反应釜的第一位置;在第二轮廓坐标集合的8个点中,纵坐标最大的点为A2(10,14),H2(12,14),G2(14,14),则取三个点中的中心点H2(12,14)为卡扣的第二位置。
步骤53:基于第一位置和第二位置,获取反应釜和卡扣的相对位置关系。
具体的,智能相机,根据第一位置和第二位置的坐标,计算与待识别图像边界的距离,通过距离差值来确定相对位置关系。
具体的,参阅图13所示,在执行步骤53时,具体执行以下步骤:
步骤531:分别确定待识别图像的各个边界,各自与第一位置之间的第一边界距离,获得第一边界距离集合。
例如,假设第一位置为中心点坐标,则智能相机计算待识别图像的上边界与第一位置之间的距离为13厘米,计算待识别图像的下边界与第一位置之间的距离为13厘米,计算待识别图像的左边界与第一位置之间的距离为12厘米,计算待识别图像的右边界与第一位置之间的距离为12厘米,则第一边界距离集合为{13,12}。
另一种情况,假设第一位置为纵坐标最大的点坐标,则智能相机计算待识别图像的上边界与第一位置之间的距离为1厘米,计算待识别图像的下边界与第一位置之间的距离为25厘米,计算待识别图像的左边界与第一位置之间的距离为12厘米,计算待识别图像的右边界与第一位置之间的距离为12厘米,则第一边界距离集合为{1,25,12}。
步骤532:分别确定待识别图像的各个边界,各自与第二位置之间的第二边界距离,获得第二边界距离集合。
例如,假设第二位置为纵坐标最大的点坐标,则智能相机计算待识别图像的上边界与第二位置之间的距离为13厘米,计算待识别图像的下边界与第二位置之间的距离为13厘米,计算待识别图像的左边界与第二位置之间的距离为12厘米,计算待识别图像的右边界与第二位置之间的距离为12厘米,则第二边界距离集合为{13,12}。
另一种情况,假设第二位置为纵坐标最大的点坐标,则智能相机计算待识别图像的上边界与第二位置之间的距离为12厘米,计算待识别图像的下边界与第二位置之间的距离为14厘米,计算待识别图像的左边界与第二位置之间的距离为12厘米,计算待识别图像的右边界与第二位置之间的距离为12厘米,则第二边界距离集合为{12,14}。
步骤533:针对各个边界,分别执行以下操作:
基于第一边界距离集合和第二边界距离集合,计算一个边界对应的第一边界距离与一个边界对应的第二边界距离之间的距离差值。
例如,假设智能相机进行计算,得到上边界对应的第一边界距离与上边界对应的第二边界距离之间的距离差值为0厘米,下边界对应的第一边界距离与下边界对应的第二边界距离之间的距离差值为0厘米,左边界对应的第一边界距离与左边界对应的第二边界距离之间的距离差值为0厘米,右边界对应的第一边界距离与右边界对应的第二边界距离之间的距离差值为0厘米。
另一种情况,假设智能相机进行计算,得到上边界对应的第一边界距离与上边界对应的第二边界距离之间的距离差值为11厘米,下边界对应的第一边界距离与下边界对应的第二边界距离之间的距离差值为11厘米,左边界对应的第一边界距离与左边界对应的第二边界距离之间的距离差值为0厘米,右边界对应的第一边界距离与右边界对应的第二边界距离之间的距离差值为0厘米。
步骤534:基于获得的各个距离差值,确定反应釜和卡扣的相对位置关系。
具体的,智能相机根据获得的各个距离差值的数值大小,确定反应釜和卡扣的相对位置关系。
参阅图14所示,智能相机,在获取反应釜与卡扣的相对位置关系之后,对相对位置关系进行判断,具体流程如下:
步骤141:分别将各个距离差值与相应的距离阈值进行比较,获得比较结果。
例如,假设智能相机将上边界的距离差值0厘米与相应的距离阈值0.2厘米,进行比较,获得上边界的距离差值0厘米小于相应的距离阈值0.2厘米;将下边界的距离差值0厘米与相应的距离阈值0.2厘米,进行比较,获得下边界的距离差值0厘米小于相应的距离阈值0.2厘米;将左边界的距离差值0厘米与相应的距离阈值0.2厘米,进行比较,获得左边界的距离差值0厘米小于相应的距离阈值0.2厘米;将右边界的距离差值0厘米与相应的距离阈值0.2厘米,进行比较,获得上边界的距离差值0厘米小于相应的距离阈值0.2厘米,具体如表4所示,
表4
另一种情况,假设智能相机将上边界的距离差11厘米与相应的距离阈值11.2厘米,进行比较,获得上边界的距离差值11厘米小于相应的距离阈值11.2厘米;将下边界的距离差值11厘米与相应的距离阈值11.2厘米,进行比较,获得下边界的距离差值11厘米小于相应的距离阈值11.2厘米;将左边界的距离差值0厘米与相应的距离阈值0.2厘米,进行比较,获得左边界的距离差值0厘米小于相应的距离阈值0.2厘米;将右边界的距离差值0厘米与相应的距离阈值0.2厘米,进行比较,获得上边界的距离差值0厘米小于相应的距离阈值0.2厘米,具体如表5所示,
表5
步骤142:若比较结果表征:各个距离差值均不大于相应的距离阈值,则确定相对位置关系满足预设位置条件。
例如,假设4个距离差值都不大于相应的距离阈值,则反应釜和卡扣的相对位置关系符合预设位置条件。
另一种情况中的4个距离差值都不大于相应的距离阈值,则反应釜和卡扣的相对位置关系符合预设位置条件。
步骤143:若比较结果表征:各个距离差值中,至少一个距离差值大于相应的距离阈值,则确定相对位置关系不满足预设位置条件。
例如,假设第一位置为中心点坐标,上边界对应的第一边界距离与上边界对应的第二边界距离之间的距离差值为3厘米,此时该距离差值大于相应的设定阈值0.2厘米,则反应釜和卡扣的相对位置关系不符合预设位置条件。
另一种情况,假设第二位置为纵坐标最大的点坐标,上边界对应的第一边界距离与上边界对应的第二边界距离之间的距离差值为13厘米,此时该距离差值大于相应的设定阈值11.2厘米,则反应釜和卡扣的相对位置关系不符合预设位置条件。
步骤54:当确定相对位置关系不满足预设位置条件时,进行告警,不满足预设位置条件表征确定预设检测区域内无卡扣。
例如,假设智能相机确定反应釜和卡扣的相对位置关系不满足预设位置条件,表征预设检测区域A无卡扣,其中,参阅图15所示,预设检测区域A无卡扣,可以是在预设检测区域A中,没有出现卡扣的特征轮廓线203;参阅图16所示,预设检测区域A无卡扣,也可以是在预设检测区域A中,卡扣的特征轮廓线203不完整,无法呈现卡扣的完整图像。
智能相机确定反应釜和卡扣的相对位置关系不满足预设位置条件时,将“反应釜和卡扣的相对位置关系不满足预设位置条件”告警信息进行呈现,并且把告警信息呈现至中央处理***平台。
基于相同的技术构思,本申请实施例还提供了一种反应釜卡扣检测装置,该反应釜卡扣检测装置可以实现本申请实施例的上述方法流程。
图17示例性示出了本申请实施例提供的一种反应釜卡扣检测装置的结构示意图。如图17所示,该装置包括:第一获取模块1701、确定模块1702、第二获取模块1703,告警模块1704,其中,
第一获取模块1701,用于获取待识别图像,待识别图像中包括反应釜和卡扣;
确定模块1702,用于在待识别图像中,分别对反应釜和卡扣进行特征提取,确定反应釜在待识别图像中的第一位置,以及确定卡扣在待识别图像中的第二位置;
第二获取模块1703,用于基于第一位置和第二位置,获取反应釜和卡扣的相对位置关系;
告警模块1704,用于当确定相对位置关系不满足预设位置条件时,进行告警,不满足预设位置条件表征确定预设检测区域内无卡扣。
可选的,获取待识别图像之前,第一获取模块1701用于:
获取参考图像,参考图像与待识别图像具有同一拍摄角度;
在参考图像中,对反应釜进行位置检测,确定反应釜与参考图像的各个边界之间的距离均超过设定阈值。
可选的,获取待识别图像之前,第一获取模块1701还用于:
对反应釜与卡扣的组装过程进行拍摄并记录。
可选的,参考图像中仅包括反应釜,则获取待识别图像时,第一获取模块1701还用于:
获取原始待识别图像,当确定原始待识别图像与参考图像相同时,进行告警;
持续获取新的待识别图像,直到确定待识别图像中,包含反应釜和卡扣。
可选的,分别对反应釜和卡扣进行特征提取,确定反应釜在待识别图像中的第一位置,以及确定卡扣在待识别图像中的第二位置,确定模块1702还用于:
基于待识别图像,建立图像坐标系;
基于边缘检测算法,在待识别图像中,分别提取反应釜和卡扣的特征轮廓线,获得反应釜的第一轮廓坐标集合和卡扣的第二轮廓坐标集合;
基于第一轮廓坐标集合,确定第一位置,以及基于第二轮廓坐标集合,确定第二位置。
可选的,基于第一位置和第二位置,获取反应釜和卡扣的相对位置关系,第二获取模块1703还用于:
分别确定待识别图像的各个边界,各自与第一位置之间的第一边界距离,获得第一边界距离集合;
分别确定待识别图像的各个边界,各自与第二位置之间的第二边界距离,获得第二边界距离集合;
针对各个边界,分别执行以下操作:
基于第一边界距离集合和第二边界距离集合,计算一个边界对应的第一边界距离与一个边界对应的第二边界距离之间的距离差值;
基于获得的各个距离差值,确定反应釜和卡扣的相对位置关系。
可选的,获取反应釜与卡扣的相对位置关系之后,第二获取模块1703还用于:
分别将各个距离差值与相应的距离阈值进行比较,获得比较结果;
若比较结果表征:各个距离差值均不大于相应的距离阈值,则确定相对位置关系满足预设位置条件,预设检测区域有卡扣;
若比较结果表征:各个距离差值中,至少一个距离差值大于相应的距离阈值,则确定相对位置关系不满足预设位置条件,预设检测区域无卡扣。
可选的,确定相对位置关系满足预设位置条件,预设检测区域有卡扣之后,第二获取模块1703还用于:
按照设定的时间间隔,对相对位置关系进行周期性检测,当确定至少一个距离差值大于相应的距离阈值时,确定相对位置关系不再满足预设位置条件,预设检测区域不再有卡扣,并进行告警提示。
可选的,当确定相对位置关系不满足预设位置条件,不满足预设位置条件表征确定预设检测区域内无卡扣,进行告警之后,告警模块1704还用于:
记录告警信息,把告警信息呈现至中央处理***平台。
可选的,确定预设检测区域内无卡扣时,告警模块1704还用于确定:
在预设检测区域中,未出现卡扣;
或者,
在预设检测区域中,未呈现卡扣的完整图像。
与上述方法实施例基于同一发明构思,本申请实施例中还提供了一种电子设备,参阅图18所示,其为应用本申请实施例的一种电子设备的一个硬件组成结构示意图,包括:
至少一个处理器1801,以及与至少一个处理器1801连接的存储器1802,本申请实施例中不限定处理器1801与存储器1802之间的具体连接介质,图18中是以处理器1801和存储器1802之间通过总线1800连接为例。总线1800在图18中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。总线1800可以分为地址总线、数据总线、控制总线等,为便于表示,图18中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。或者,处理器1801也可以称为控制器,对于名称不做限制。
在本申请实施例中,存储器1802存储有可被至少一个处理器1801执行的指令,至少一个处理器1801通过执行存储器1802存储的指令,可以执行前文论述的一种存储自动化部署方法。处理器1801可以实现图17所示的装置中各个模块的功能。
其中,处理器1801是该装置的控制中心,可以利用各种接口和线路连接整个该控制设备的各个部分,通过运行或执行存储在存储器1802内的指令以及调用存储在存储器1802内的数据,该装置的各种功能和处理数据,从而对该装置进行整体监控。
在一种可能的设计中,处理器1801可包括一个或多个处理单元,处理器1801可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器1801中。在一些实施例中,处理器1801和存储器1802可以在同一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
处理器1801可以是通用处理器,例如CPU(CPU)、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的一反应釜卡扣检测方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器1802作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器1802可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器1802是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。本申请实施例中的存储器1802还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
通过对处理器1801进行设计编程,可以将前述实施例中介绍的一种反应釜卡扣检测方法所对应的代码固化到芯片内,从而使芯片在运行时能够执行图5所示的实施例的一种反应釜卡扣检测方法的步骤。如何对处理器1801进行设计编程为本领域技术人员所公知的技术,这里不再赘述。
基于同一发明构思,本申请实施例还提供一种存储介质,该存储介质存储有计算机指令,当该计算机指令在计算机上运行时,使得计算机执行前文论述的一种反应釜卡扣检测方法。
在一些可能的实施方式中,本申请提供一种反应釜卡扣检测方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在装置上运行时,程序代码用于使该控制设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种反应釜卡扣检测方法中的步骤。
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服务器,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,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (13)
1.一种反应釜卡扣检测方法,其特征在于,该方法包括:
获取待识别图像,所述待识别图像中包括反应釜和卡扣;
在所述待识别图像中,分别对所述反应釜和所述卡扣进行特征提取,确定所述反应釜在所述待识别图像中的第一位置,以及确定所述卡扣在所述待识别图像中的第二位置;
基于所述第一位置和所述第二位置,获取所述反应釜和所述卡扣的相对位置关系;
当确定所述相对位置关系不满足预设位置条件时,进行告警,所述不满足预设位置条件表征确定预设检测区域内无所述卡扣。
2.如权利要求1所述的方法,其特征在于,所述获取待识别图像之前,包括:
获取参考图像,所述参考图像与所述待识别图像具有同一拍摄角度;
在所述参考图像中,对所述反应釜进行位置检测,确定所述反应釜与所述参考图像的各个边界之间的距离均超过设定阈值。
3.如权利要求1所述的方法,其特征在于,所述获取待识别图像之前,还包括:
对所述反应釜与所述卡扣的组装过程进行拍摄并记录。
4.如权利要求1或2所述的方法,其特征在于,所述参考图像中仅包括反应釜,则所述获取待识别图像时,还包括:
获取原始待识别图像,当确定所述原始待识别图像与所述参考图像相同时,进行告警;
持续获取新的待识别图像,直到确定所述待识别图像中,包含反应釜和卡扣。
5.如权利要求1、2或3所述的方法,其特征在于,所述分别对所述反应釜和所述卡扣进行特征提取,确定所述反应釜在所述待识别图像中的第一位置,以及确定所述卡扣在所述待识别图像中的第二位置,包括:
基于所述待识别图像,建立图像坐标系;
基于边缘检测算法,在所述待识别图像中,分别提取所述反应釜和所述卡扣的特征轮廓线,获得所述反应釜的第一轮廓坐标集合和所述卡扣的第二轮廓坐标集合;
基于所述第一轮廓坐标集合,确定所述第一位置,以及基于所述第二轮廓坐标集合,确定所述第二位置。
6.如权利要求1、2或3所述的方法,其特征在于,所述基于所述第一位置和所述第二位置,获取所述反应釜和所述卡扣的相对位置关系,包括:
分别确定所述待识别图像的各个边界,各自与所述第一位置之间的第一边界距离,获得第一边界距离集合;
分别确定所述待识别图像的各个边界,各自与所述第二位置之间的第二边界距离,获得第二边界距离集合;
针对所述各个边界,分别执行以下操作:
基于所述第一边界距离集合和所述第二边界距离集合,计算一个边界对应的第一边界距离与所述一个边界对应的第二边界距离之间的距离差值;
基于获得的各个距离差值,确定所述反应釜和所述卡扣的相对位置关系。
7.如权利要求6所述的方法,其特征在于,所述获取所述反应釜与所述卡扣的相对位置关系之后,还包括:
分别将所述各个距离差值与相应的距离阈值进行比较,获得比较结果;
若所述比较结果表征:所述各个距离差值均不大于相应的距离阈值,则确定所述相对位置关系满足所述预设位置条件,预设检测区域有所述卡扣;
若所述比较结果表征:所述各个距离差值中,至少一个距离差值大于相应的距离阈值,则确定所述相对位置关系不满足所述预设位置条件,所述预设检测区域无所述卡扣。
8.如权利要求7所述的方法,其特征在于,所述确定所述相对位置关系满足所述预设位置条件,预设检测区域有所述卡扣之后,还包括:
按照设定的时间间隔,对所述相对位置关系进行周期性检测,当确定至少一个距离差值大于相应的距离阈值时,确定所述相对位置关系不再满足所述预设位置条件,所述预设检测区域不再有所述卡扣,并进行告警提示。
9.如权利要求1、2或3所述的方法,其特征在于,所述进行告警,之后,还包括:
记录告警信息,把告警信息呈现至中央处理***平台。
10.如权利要求1、2或3所述的方法,其特征在于,所述确定预设检测区域内无所述卡扣时,包括:
在所述预设检测区域中,未出现所述卡扣;
或者,
在所述预设检测区域中,未呈现所述卡扣的完整图像。
11.一种反应釜卡扣检测装置,其特征在于,包括:
第一获取模块,用于获取待识别图像,所述待识别图像中包括反应釜和卡扣;
确定模块,用于在所述待识别图像中,分别对所述反应釜和所述卡扣进行特征提取,确定所述反应釜在所述待识别图像中的第一位置,以及确定所述卡扣在所述待识别图像中的第二位置;
第二获取模块,用于基于所述第一位置和所述第二位置,获取所述反应釜和所述卡扣的相对位置关系;
告警模块,用于当确定所述相对位置关系不满足预设位置条件时,进行告警,所述不满足预设位置条件表征确定预设检测区域内无所述卡扣。
12.一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-10中任一项所述的反应釜卡扣检测方法。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-10中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210126449.7A CN114549438B (zh) | 2022-02-10 | 2022-02-10 | 一种反应釜卡扣检测方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210126449.7A CN114549438B (zh) | 2022-02-10 | 2022-02-10 | 一种反应釜卡扣检测方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114549438A true CN114549438A (zh) | 2022-05-27 |
CN114549438B CN114549438B (zh) | 2023-03-17 |
Family
ID=81673483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210126449.7A Active CN114549438B (zh) | 2022-02-10 | 2022-02-10 | 一种反应釜卡扣检测方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549438B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104316525A (zh) * | 2014-09-04 | 2015-01-28 | 湖北开特汽车电子电器***股份有限公司 | 汽车伺服电机生产过程防错检测***及方法 |
CN104359921A (zh) * | 2014-11-20 | 2015-02-18 | 中南大学 | 一种基于结构光的扣件缺失检测方法及其装置 |
CN106192634A (zh) * | 2016-08-31 | 2016-12-07 | 武汉汉宁轨道交通技术有限公司 | 一种铁路轨道弹条扣件状态自动检测装置以及方法 |
CN109784238A (zh) * | 2018-12-29 | 2019-05-21 | 上海依图网络科技有限公司 | 一种确定待识别对象的方法及装置 |
CN109815822A (zh) * | 2018-12-27 | 2019-05-28 | 北京航天福道高技术股份有限公司 | 基于广义Hough变换的巡检图零部件目标识别方法 |
US20200156676A1 (en) * | 2018-11-15 | 2020-05-21 | Avante International Technology, Inc. | Image-based monitoring and detection of track/rail faults |
CN111311560A (zh) * | 2020-02-10 | 2020-06-19 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 钢轨扣件状态的检测方法及装置 |
CN111539927A (zh) * | 2020-04-20 | 2020-08-14 | 南通大学 | 汽车塑料组合件紧固卡扣缺装检测装置的检测过程及算法 |
CN111921468A (zh) * | 2020-08-05 | 2020-11-13 | 重庆大学 | 一种新材料合成智能均相反应釜***及控制方法 |
CN112116658A (zh) * | 2020-09-21 | 2020-12-22 | 北京世纪东方通讯设备有限公司 | 扣件定位方法、装置及可读存储介质 |
WO2021139180A1 (zh) * | 2020-07-29 | 2021-07-15 | 平安科技(深圳)有限公司 | 卡片缺角检测方法、装置、计算机设备及存储介质 |
CN113689392A (zh) * | 2021-08-18 | 2021-11-23 | 北京理工大学 | 一种铁路扣件缺陷检测方法和装置 |
CN114004790A (zh) * | 2021-09-30 | 2022-02-01 | 珠海格力电器股份有限公司 | 一种电池盖质量检测方法、装置、计算机设备及存储介质 |
-
2022
- 2022-02-10 CN CN202210126449.7A patent/CN114549438B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104316525A (zh) * | 2014-09-04 | 2015-01-28 | 湖北开特汽车电子电器***股份有限公司 | 汽车伺服电机生产过程防错检测***及方法 |
CN104359921A (zh) * | 2014-11-20 | 2015-02-18 | 中南大学 | 一种基于结构光的扣件缺失检测方法及其装置 |
CN106192634A (zh) * | 2016-08-31 | 2016-12-07 | 武汉汉宁轨道交通技术有限公司 | 一种铁路轨道弹条扣件状态自动检测装置以及方法 |
US20200156676A1 (en) * | 2018-11-15 | 2020-05-21 | Avante International Technology, Inc. | Image-based monitoring and detection of track/rail faults |
CN109815822A (zh) * | 2018-12-27 | 2019-05-28 | 北京航天福道高技术股份有限公司 | 基于广义Hough变换的巡检图零部件目标识别方法 |
CN109784238A (zh) * | 2018-12-29 | 2019-05-21 | 上海依图网络科技有限公司 | 一种确定待识别对象的方法及装置 |
CN111311560A (zh) * | 2020-02-10 | 2020-06-19 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 钢轨扣件状态的检测方法及装置 |
CN111539927A (zh) * | 2020-04-20 | 2020-08-14 | 南通大学 | 汽车塑料组合件紧固卡扣缺装检测装置的检测过程及算法 |
WO2021139180A1 (zh) * | 2020-07-29 | 2021-07-15 | 平安科技(深圳)有限公司 | 卡片缺角检测方法、装置、计算机设备及存储介质 |
CN111921468A (zh) * | 2020-08-05 | 2020-11-13 | 重庆大学 | 一种新材料合成智能均相反应釜***及控制方法 |
CN112116658A (zh) * | 2020-09-21 | 2020-12-22 | 北京世纪东方通讯设备有限公司 | 扣件定位方法、装置及可读存储介质 |
CN113689392A (zh) * | 2021-08-18 | 2021-11-23 | 北京理工大学 | 一种铁路扣件缺陷检测方法和装置 |
CN114004790A (zh) * | 2021-09-30 | 2022-02-01 | 珠海格力电器股份有限公司 | 一种电池盖质量检测方法、装置、计算机设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
LING XIAO等: "Missing Small Fastener Detection Using Deep Learning", 《IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT》 * |
MIN YONGZHI等: "Machine Vision Rapid Detection Method of the Track Fasteners Missing", 《JOURNAL OF SHANGHAI JIAOTONG UNIVERSITY》 * |
刘馨等: "基于计算机视觉的钢轨扣件检测算法研究", 《华东交通大学学报》 * |
陈宇昊等: "基于机器视觉的汽车紧固组件检测***设计", 《制造业自动化》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114549438B (zh) | 2023-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107153848A (zh) | 基于OpenCV的仪表图像自动识别方法 | |
Mills et al. | A machine learning approach for determining the validity of traceability links | |
CN110928889A (zh) | 训练模型更新方法、设备以及计算机存储介质 | |
Peng et al. | Automated product boundary defect detection based on image moment feature anomaly | |
CN112966618A (zh) | 着装识别方法、装置、设备及计算机可读介质 | |
CN114579791A (zh) | 一种基于作业票的施工安全违章识别方法及*** | |
CN114549438B (zh) | 一种反应釜卡扣检测方法及相关装置 | |
CN106960196A (zh) | 基于模板匹配和svm的工业视频小数字识别方法 | |
CN107194402A (zh) | 一种并行细化骨架提取方法 | |
CN114186933A (zh) | 一种冷链食品智能监管平台 | |
CN110458188A (zh) | 工业视觉检测数据处理方法、装置、存储介质及终端设备 | |
CN117193088B (zh) | 一种工业设备监控方法、装置以及服务器 | |
CN110110795B (zh) | 图像分类方法及装置 | |
Khule et al. | Automated object counting for visual inspection applications | |
CN115937593A (zh) | 一种模型法建立方法、物体检测方法及相关设备 | |
CN113020428B (zh) | 级进模的加工监控方法、装置、设备及存储介质 | |
CN108037503B (zh) | 一种面向家居板材上下料的基于激光雷达的平面多板材定位方法 | |
Li et al. | AdaHC: Adaptive hedge horizontal cross-section center detection algorithm | |
CN115829337A (zh) | 一种存储区风险预警方法及*** | |
CN116935010A (zh) | 一种标注内外墙的方法、装置、设备及可读存储介质 | |
CN111813442A (zh) | 一种基于机器学习的软件味道检测方法 | |
CN209946948U (zh) | 一种pc构件的智能复检设备 | |
CN112203053A (zh) | 地铁施工人员行为智能监管方法及其*** | |
CN111460767A (zh) | 一种hmi流程图的生成方法及装置 | |
CN115795335B (zh) | 物流网点异常识别方法、装置及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |