CN115183529A - 基于机器视觉和阻值变化的冰箱温度传感器线束检测方法 - Google Patents
基于机器视觉和阻值变化的冰箱温度传感器线束检测方法 Download PDFInfo
- Publication number
- CN115183529A CN115183529A CN202210737379.9A CN202210737379A CN115183529A CN 115183529 A CN115183529 A CN 115183529A CN 202210737379 A CN202210737379 A CN 202210737379A CN 115183529 A CN115183529 A CN 115183529A
- Authority
- CN
- China
- Prior art keywords
- wire harness
- temperature sensor
- sensors
- sensor
- correct
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 230000008859 change Effects 0.000 title claims abstract description 29
- 230000008014 freezing Effects 0.000 claims abstract description 25
- 238000007710 freezing Methods 0.000 claims abstract description 25
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 239000003086 colorant Substances 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 5
- 238000005057 refrigeration Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 17
- 230000000694 effects Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 208000035475 disorder Diseases 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 239000010405 anode material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D29/00—Arrangement or mounting of control or safety devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D2600/00—Control issues
- F25D2600/06—Controlling according to a predetermined profile
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及冰箱温度传感器线束检测技术领域，尤其涉及基于机器视觉和阻值变化的冰箱温度传感器线束检测方法。步骤包括：采集已连接完成线束的图像；提取图像中所需的轮廓信息，并进行线束定位；提取出定位区域中的线束颜色，比对得到视觉识别检测结果；在不同温度下测量冷藏温度传感器和冷冻温度传感器的阻值，对比得到判断两个温度传感器是否插位正确。本发明可以判断多种线束颜色及其顺序是否正确，同时利用传感器阻值误差变化曲线，对传感器进行判别，实现了双重保障的效果，解决了工业上人工插线产生错位、乱序等情况后无法检测的问题，可以有效避免企业产品不达标等情况，提高工作效率。
Description
技术领域
本发明涉及冰箱温度传感器线束检测技术领域，尤其涉及基于机器视觉和阻值变化的冰箱温度传感器线束检测方法。
背景技术
随着人们生活水平的提高，冰箱已经成为每个家庭不可或缺的家用电器之一。数据表明，2021年中国冰箱销量已达8643.3万台，较2020年增加了196.3万台，但售出冰箱中冷冻冷藏功能出现问题的现象也层出不穷，此类情况发生后，会给用户带来极其不好的使用体验，同时企业可能面临产品售价三倍及以上的赔偿，这给企业带来了巨额经济损失和难以挽回的形象损失。
经技术分析，冰箱冷冻冷藏功能出现问题的原因通常是其内部线束产生了错位、乱序等情况，其中冷冻冷藏两类温度传感器连接线束出现问题的情况尤为突出。当前工业中一般的线束顺序检测方法通常是测试线路是否导通，但该方法需要线路两端均连接在测试面板上，而冰箱冷冻冷藏两类温度传感器线束一端已与传感器相连，无法实现两端连接，这就导致上述方法对于检测冰箱温度传感器线束并不适用，所以目前还没有一种有效检测冰箱温度传感器线束的方法。
因此，探索一种全新的自动化方法去解决家用冰箱温度传感器线束生产过程中线束产生错位、乱序等情况后无法检测的问题非常必要。
机器视觉是人工智能中正在快速发展的一个重要分支，其应用范围涵盖了工业、农业、军事、航天等诸多领域。其中在工业生产领域的发展形势尤为显著，如自动装配线中检测零件的质量、对零件进行分类以及在一些有毒或放射性环境内判别工件的排列状态和自身形状等等，并且随着全球制造中心逐渐向我国转移，机器视觉厂商正在将中国视为继北美、欧洲和日本之后的主要目标市场。
如今，物联网浪潮在全球蓬勃发展，物联网技术与各个行业深度融合，作为大数据的根本来源，其核心正是传感器，因此，传感器的正确使用，是推动人类智能认知时代蓬勃发展的必要前提。其中的温度传感器是目前国内外部分电子器件的核心元件，其使用是否恰当直接影响该器件的性能。
解决家用冰箱温度传感器线束生产过程中人工插线产生了错位、乱序等情况后无法检测的问题涉及到大量机器视觉、模式识别、图像处理方面的理论和方法。
为此，本发明提出一种基于机器视觉和传感器阻值误差变化曲线的冰箱温度传感器线束检测方法，相较于现有的传统方法具有高效、准确的特点。
发明内容
本发明的目的是提供基于机器视觉和阻值变化的冰箱温度传感器线束检测方法，用于解决家用冰箱温度传感器线束生产过程中人工插线产生了错位、乱序等情况后无法检测的问题，本发明具有很高的判断准确性和很强的工程实用性。
为了实现上述目的，本发明采用了如下技术方案：
本发明提供基于机器视觉和阻值变化的冰箱温度传感器线束检测方法，包括以下步骤：
采集已连接完成线束的图像；
提取图像中所需的轮廓信息，并进行线束定位；
提取出定位区域中的线束颜色，将线束的颜色序列与正确的颜色序列模板进行比对，得到视觉识别检测结果；
在不同温度下测量冷藏温度传感器和冷冻温度传感器的阻值，得到两个温度传感器的阻值误差变化曲线，根据阻值误差斜率对比图判断两个温度传感器是否插位正确；
如果两个温度传感器插位均正确，且视觉识别检测结果中所有线束比对结果均正确，则检测结果通过；否则，检测结果不通过。
进一步地，其中，提取图像中图像轮廓，并进行线束定位，主要包括：
将摄像头采集到的图像颜色模式转化成HSV；
设置颜色阈值范围，过滤除白色外的其他颜色；
进行灰度图处理，改为单通道；
将灰度图进行腐蚀后膨胀，去除噪声；
进行边缘检测，并进行二值化处理，提取出所需的图像轮廓信息；
根据轮廓得到线头定位点坐标对其孔位进行准确定位，并用矩形框框出各孔位所插线头的区域。
进一步地，其中，提取出定位区域中的线束颜色，将线束的颜色序列与正确的颜色序列模板进行比对，得到视觉识别检测结果，包括：
在定位区域中再分割出一小块该线头颜色区域作为其子区域；
采集所述子区域中的RGB值；
将子区域中的RGB值与正确的颜色序列模板中的该区域的正确线头的RGB值进行比对；
将正确连接的线头用绿色字体分别写出对应的线头序号、颜色和正误情况；将错误连接的线头用红色字体写出以示区分，并在图片左上角处显示整个线束是否连接有误的最终结果。
进一步地，其中，在不同温度下测量冷藏温度传感器和冷冻温度传感器的阻值，得到两个温度传感器的阻值误差变化曲线，根据阻值误差斜率对比图判断两个温度传感器是否插位正确，包括：
设置-20～10℃的温度环境；
用SourceMeter源测量单元检测冷藏传感器和冷冻传感器两类传感器在不同温度变化的阻值误差变化情况；
根据测量所得的结果，判断冷藏传感器和冷冻传感器两类传感器能否正常工作，若测量阻值为正无穷，则该传感器功能异常，反之功能正常；
读取所测得的数据，绘制两类传感器阻值误差变化曲线，如果阻值误差曲线呈线性变化，且斜率较大的，则认定传感器为冷冻传感器，反之，则为冷藏传感器，随后可判断两类传感器的插线是否正确。
本发明至少具备以下有益效果：
本发明可以更加智能、高效、精准地识别不同类别家用冰箱传感器线束，判断多种线束颜色及其顺序，同时利用传感器阻值误差变化曲线，对极易出错的冷藏冷冻温度传感器进行判别，实现了双重保障的效果，解决了工业上人工插线产生错位、乱序等情况后无法检测的问题，可以有效避免企业产品不达标等情况，提高了生产率，工作效率以及产品质量。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的整体架构流程图；
图2为具体一实施例机器视觉识别过程图；
图3为传感器线束判定结果图；其中(a)为正确线束的判定结果图；(b)为错误线束的判定结果图；
图4为不同温度下冷藏、冷冻温度传感器阻值误差变化对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参阅图1，为本发明的整体架构，本发明的整体架构为：
首先采集已连接完成线束的图像并将其导入进处理***中，图像经过预处理滤除图片中多余的杂质信息，并对其进行灰度图转换、边缘检测、二值化处理，从而获取所需的轮廓值坐标；其次对需要检测的线头孔位进行定位采样提取其RGB值，并将获取的RGB值与此孔位对应的正确颜色RGB进行比对，判断出正误。针对工业中出现的灰白两线极易插错的痛点问题，通过不同温度下测得的对应传感器阻值误差变化率，根据阻值误差斜率对比图再次判断插位正误。
如果两个温度传感器插位均正确，且视觉识别检测结果中所有线束比对结果均正确，则检测结果通过；否则，检测结果不通过。
以下结合具体的实施例本发明基于机器视觉的温度传感器线束检测***及其应用方法进行更进一步的详细说明：
(1)线束图像采集
图2展示了一具体实施例，具体为接线正确和错误的两组图片。该实施例来源于工业相机实时拍摄，模拟了真实的工艺检测环境。每组图片控制变量使用相同背景，最大程度上提取最有利的信息进行判别。
(2)转化为HSV格式
应用OpenCV中的cvtColor函数进行颜色通道转换，设置白色对应的色调、饱和度和明度高低范围值，通过inRange函数筛选色彩信息(即光谱颜色位置)、比例值、明亮程度，将图片中不是白色的信息滤除，利用bitwise_and函数在原图上展示筛选后的部分，以便后续处理。
(3)灰度化处理和边缘检测
通过颜色通道转换函数cvtColor将(2)中处理后的图片进行灰度图转换，使每个像素只需一个字节存放灰度值，改为单通道。为了检测更加精确，同时用erode进行腐蚀化处理去除多余噪声。并且为了剔除不相关信息，保留图像重要结构属性，用Canny算子进行边缘检测处理。
(4)轮廓提取
通过threshold函数对图像进行二值化处理，使图像中的数据量减少，从而凸显出目标轮廓，其中阈值类型参数选用THRESH_BINARY，本发明在该过程还应用了OpenCV中的findContours和boundingRect函数，分别设置寻找轮廓的图像、轮廓的检索模式和轮廓的近似办法的参数，其中采用建立一个等级树结构轮廓为本发明的轮廓检索模式。
(5)图像取样
计算并得到其x,y坐标，在x和y方向上分别扩展30和370个像素点做为第一个线头所在区，此后依次沿着x方向扩展43个像素点，从而确定每一个线头所在区，在原图上应用rectangle在线头所在区绘制矩形框。通过对实际线束特点的分析发现，根据线头矩形框坐标，依次沿着x和y方向上分别扩展一定的像素点，将得到一个新的线头子区域，此区域完全包含于线头内，不含背景色。若某孔位不插线头(即为空孔)，则获取的子区域完全为背景色，因此背景底板的颜色应不同于线束中任何线头本身的颜色。
(6)结果判断
预先设置该孔位正确***线头颜色的RGB值范围，通过np.mean分别提取子区域中每一个像素点的R，G，B值，并求和取平均，判断其是否在预先设置的正确线头颜色RGB值的范围内，若处于该范围内，利用putText函数用绿色字体写出对应空位的序号、颜色简写(本发明颜色判断结果简写对照表见表1)和判断结果，若不在该范围内，则用红色字体写出对应孔位的序号、els和判断结果，判断结果分别用T和F表示。按照上述方法对所有孔位的子区域依次从左到右进行判断，将最终的判断结果在图片的左上角显示，若正确，显示为right，反之显示为error(参阅图3)。
表1本发明颜色判断结果简写对照表
| 简写 | 全称 | 中文 |
| yel | yellow | 黄色 |
| gra | gray | 灰色 |
| whi | white | 白色 |
| gre | green | 绿色 |
| bla | black | 黑色 |
| red | red | 红色 |
| blu | blue | 蓝色 |
| bro | brown | 棕色 |
| pur | purple | 紫色 |
| emp | empty | 空孔 |
| T | true | 正确 |
| F | false | 错误 |
家用冰箱传感器线束误插的痛点为冷藏和冷冻温度传感器极易插错，会导致冰箱功能异常，所以需要对两类传感器(具体为冷藏337型传感器和冷冻338型传感器两类传感器)进行重点检测以确保其准确无误。根据两类传感器在-20℃到10℃之间多组阻值变化情况分析(参阅图4)，得出两传感器阻值误差斜率变化差异较大，故能判断出冷冻冷藏传感器功能是否良好且插位是否正确(如果阻值误差曲线呈线性变化，且斜率较大的，则认定传感器为冷冻传感器，反之，则为冷藏传感器)。
本发明将从机器视觉和传感器阻值误差变化分析进行传感器线束检测。利用机器视觉技术对传感器线束进行线序检测，利用冷藏、冷冻传感器在不同温度下的阻值误差变化率判定两类传感器是否正常工作及其线序是否正确。两种方法具有极强的互补性，冷冻冷藏传感器所连接线头分别对应灰白两色，在机器视觉方法下二者颜色的阈值范围极为相近，且在真实工业环境中极易受到灯光、阴影的影响而判断失误，对比分析传感器在不同温度下测得的阻值误差变化率可以改进机器视觉方法，大大提高了检测结果的准确率，实现了双重保障。本发明实现了对线束生产过程中人工插线产生了错位、乱序等情况后无法检测这类问题的突破，在工程上有很强的应用价值和推广价值。
同时，本发明方法具有很强的可推广性，可以广泛用于类似工程项目，如其他电子设备内部线束连接正误检测等，在不付出创造性劳动的前提下，应属于本申请的保护范围。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (4)
1.基于机器视觉和阻值变化的冰箱温度传感器线束检测方法，其特征在于，包括以下步骤：
采集已连接完成线束的图像；
提取图像中所需的轮廓信息，并进行线束定位；
提取出定位区域中的线束颜色，将线束的颜色序列与正确的颜色序列模板进行比对，得到视觉识别检测结果；
在不同温度下测量冷藏温度传感器和冷冻温度传感器的阻值，得到两个温度传感器的阻值误差变化曲线，根据阻值误差斜率对比图判断两个温度传感器是否插位正确；
如果两个温度传感器插位均正确，且视觉识别检测结果中所有线束比对结果均正确，则检测结果通过；否则，检测结果不通过。
2.根据权利要求1所述的基于机器视觉和阻值变化的冰箱温度传感器线束检测方法，其特征在于，其中，提取图像中所需的轮廓信息，并进行线束定位，主要包括：
将摄像头采集到的图像颜色模式转化成HSV；
设置颜色阈值范围，过滤除白色外的其他颜色；
进行灰度图处理，改为单通道；
将灰度图进行腐蚀后膨胀，去除噪声；
进行边缘检测，并进行二值化处理，提取出所需的图像轮廓信息；
根据轮廓得到线头定位点坐标对其孔位进行准确定位，并用矩形框框出各孔位所插线头的区域。
3.根据权利要求1所述的基于机器视觉和阻值变化的冰箱温度传感器线束检测方法，其特征在于，其中，提取出定位区域中的线束颜色，将线束的颜色序列与正确的颜色序列模板进行比对，得到视觉识别检测结果，包括：
在定位区域中再分割出一小块该线头颜色区域作为其子区域；
采集所述子区域中的RGB值；
将子区域中的RGB值与正确的颜色序列模板中的该区域的正确线头的RGB值进行比对；
将正确连接的线头用绿色字体分别写出对应的线头序号、颜色和正误情况；将错误连接的线头用红色字体写出以示区分，并在图片左上角处显示整个线束是否连接有误的最终结果。
4.根据权利要求1所述的基于机器视觉和阻值变化的冰箱温度传感器线束检测方法，其特征在于，其中，在不同温度下测量冷藏温度传感器和冷冻温度传感器的阻值，得到两个温度传感器的阻值误差变化曲线，根据阻值误差斜率对比图判断两个温度传感器是否插位正确，包括：
设置-20～10℃的温度环境；
用Keithley SourceMeter数字源表检测冷藏传感器和冷冻传感器两类传感器在不同温度变化的阻值误差变化情况；
根据测量所得的结果，判断冷藏传感器和冷冻传感器两类传感器能否正常工作，若测量阻值为正无穷，则该传感器功能异常，反之功能正常；
读取所测得的数据，绘制两类传感器阻值误差变化曲线，如果阻值误差曲线呈线性变化，且斜率较大的，则认定传感器为冷冻传感器，反之，则为冷藏传感器，随后可判断两类传感器的插线是否正确。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210737379.9A CN115183529B (zh) | 2022-06-27 | 2022-06-27 | 基于机器视觉和阻值变化的冰箱温度传感器线束检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210737379.9A CN115183529B (zh) | 2022-06-27 | 2022-06-27 | 基于机器视觉和阻值变化的冰箱温度传感器线束检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115183529A true CN115183529A (zh) | 2022-10-14 |
| CN115183529B CN115183529B (zh) | 2024-02-23 |
Family
ID=83514483
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210737379.9A Active CN115183529B (zh) | 2022-06-27 | 2022-06-27 | 基于机器视觉和阻值变化的冰箱温度传感器线束检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115183529B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102854432A (zh) * | 2012-06-06 | 2013-01-02 | 浙江吉利汽车研究院有限公司杭州分公司 | 一种汽车线束检测装置 |
| CN104729746A (zh) * | 2015-04-03 | 2015-06-24 | 上海申腾信息技术有限公司 | 一种温度采集故障自我修复*** |
| JP2020005335A (ja) * | 2018-06-25 | 2020-01-09 | 中国電力株式会社 | 誤結線防止システム及び誤結線防止プログラム |
| CN111476789A (zh) * | 2020-05-09 | 2020-07-31 | 重庆金龙科技有限公司 | 一种带有学习功能的线束检测装置 |
| CN213302485U (zh) * | 2020-08-26 | 2021-05-28 | 青岛智动精工电子有限公司 | 线序检测设备 |
| CN112986863A (zh) * | 2021-02-04 | 2021-06-18 | 三一重能股份有限公司 | 温度检测***的线路检测方法、装置和电子设备 |
-
2022
- 2022-06-27 CN CN202210737379.9A patent/CN115183529B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102854432A (zh) * | 2012-06-06 | 2013-01-02 | 浙江吉利汽车研究院有限公司杭州分公司 | 一种汽车线束检测装置 |
| CN104729746A (zh) * | 2015-04-03 | 2015-06-24 | 上海申腾信息技术有限公司 | 一种温度采集故障自我修复*** |
| JP2020005335A (ja) * | 2018-06-25 | 2020-01-09 | 中国電力株式会社 | 誤結線防止システム及び誤結線防止プログラム |
| CN111476789A (zh) * | 2020-05-09 | 2020-07-31 | 重庆金龙科技有限公司 | 一种带有学习功能的线束检测装置 |
| CN213302485U (zh) * | 2020-08-26 | 2021-05-28 | 青岛智动精工电子有限公司 | 线序检测设备 |
| CN112986863A (zh) * | 2021-02-04 | 2021-06-18 | 三一重能股份有限公司 | 温度检测***的线路检测方法、装置和电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115183529B (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110580480B (zh) | 基于图像处理的表计读数识别方法 | |
| CN110119680B (zh) | 一种基于图像识别的电气柜接线自动查错*** | |
| CN106251333B (zh) | 元件反件检测方法和*** | |
| CN109636784A (zh) | 基于最大邻域和超像素分割的图像显著性目标检测方法 | |
| CN104777176A (zh) | 一种pcb板检测方法及装置 | |
| CN112686264B (zh) | 数字式仪表读数方法、装置、计算机设备和存储介质 | |
| CN111325164B (zh) | 指针表示数识别方法、装置和电子设备 | |
| CN110781913B (zh) | 一种拉链布带缺陷检测方法 | |
| CN116109635B (zh) | 复合悬式绝缘子表面质量检测方法、装置、设备及介质 | |
| CN109284718A (zh) | 面向巡检机器人的变视角多仪表同时识别方法 | |
| CN111950654B (zh) | 基于svm分类的魔方色块颜色还原方法 | |
| CN116704516B (zh) | 一种用于水溶肥料包装的视觉检测方法 | |
| CN115439411A (zh) | 电路板元器件极性的检测方法、装置、介质和电子设备 | |
| CN116168218A (zh) | 一种基于图像识别技术的电路板故障诊断方法 | |
| CN113393447B (zh) | 基于深度学习的针尖正位度检测方法及*** | |
| CN109086643B (zh) | 一种基于机器视觉的彩盒标签检测方法及*** | |
| CN116993725B (zh) | 一种柔性电路板智能贴片信息处理*** | |
| CN113657339A (zh) | 一种基于机器视觉的仪表指针计数读取方法及介质 | |
| CN115183529B (zh) | 基于机器视觉和阻值变化的冰箱温度传感器线束检测方法 | |
| CN116363567B (zh) | 一种基于aoi视觉检测的晶圆缺陷识别方法及*** | |
| CN112036391A (zh) | 一种基于页岩气田生产站场的电子巡检方法及*** | |
| CN108898584B (zh) | 一种基于图像分析的全自动贴面电容装焊极性判别方法 | |
| CN116091818A (zh) | 基于多神经网络级联模型的指针式仪表读数识别方法 | |
| CN115619725A (zh) | 电子元器件检测方法、装置、电子设备及自动质检设备 | |
| CN113780263A (zh) | 一种压力报警器仪表定位和识别读数方法及装置 |
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 |