CN116839682A - 一种基于物联网的电缆加工制造实时监控*** - Google Patents

一种基于物联网的电缆加工制造实时监控*** Download PDF

Info

Publication number
CN116839682A
CN116839682A CN202311116671.XA CN202311116671A CN116839682A CN 116839682 A CN116839682 A CN 116839682A CN 202311116671 A CN202311116671 A CN 202311116671A CN 116839682 A CN116839682 A CN 116839682A
Authority
CN
China
Prior art keywords
coefficient
cable
image
abnormal
evaluation result
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
Application number
CN202311116671.XA
Other languages
English (en)
Other versions
CN116839682B (zh
Inventor
许璞
孙庆伦
刘锋
薛士国
王敬
王扬虎
李衍光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Rihui Cable Group Co ltd
Original Assignee
Shandong Rihui Cable Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Rihui Cable Group Co ltd filed Critical Shandong Rihui Cable Group Co ltd
Priority to CN202311116671.XA priority Critical patent/CN116839682B/zh
Publication of CN116839682A publication Critical patent/CN116839682A/zh
Application granted granted Critical
Publication of CN116839682B publication Critical patent/CN116839682B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/49—Analysis of texture based on structural texture description, e.g. using primitives or placement rules
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/20—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from infrared radiation only
    • H04N23/23—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from infrared radiation only from thermal infrared radiation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/30—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from X-rays
    • 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
    • G06T2207/10048—Infrared 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
    • G06T2207/10—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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Toxicology (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种基于物联网的电缆加工制造实时监控***，涉及电缆加工监控技术领域，该***通过实时采集传感器数据和图像信息，***能够及时检测温度异常、如包括温度、湿度、张力、施加在电缆上的压力值和振动值，电缆绝缘前后的湿度差值，***能够及时检测并评估异常温度、热裂纹分布、密度间隙变化以及环境影响等问题，有效预防潜在风险，评估模块的分析结果为决策提供了依据，帮助确定优先级和采取适当的措施，从而减少生产中的缺陷品和编织不均匀的质量问题，提高产品合格率。同时，***能够自动化地处理异常情况，如停机和调整环境，促进优化生产过程，减少能源消耗，实现更加环保的生产方式。

Description

一种基于物联网的电缆加工制造实时监控***
技术领域
本发明涉及电缆加工监控技术领域，具体为一种基于物联网的电缆加工制造实时监控***。
背景技术
物联网通过将物理设备、传感器和网络连接起来，物联网创造了一个高度互联的环境，从而为各个领域带来了许多益处。电缆制造作为现代工业中重要的一环，要求产品在制造过程中能够保持高质量和稳定性。然而，电缆制造涉及多个复杂的工艺步骤，如绝缘、编织、挤出等，其中每个步骤都可能受到环境因素的影响，进而影响最终产品的性能。特别是在电缆绝缘过程中，环境参数是一个重要的调节因素，可能会对产品质量产生重大影响。基于物联网的应用可以提升用户体验。
在电缆绝缘过程中，绝缘材料的湿度会对绝缘层的性能产生显著影响。湿度可能导致绝缘材料的性能下降，影响电缆的电气性能和耐久性。高湿度环境可能导致绝缘材料的介电强度下降，增加电缆在使用过程中受击穿的风险。另一方面，低湿度环境可能导致绝缘材料变得脆弱，影响电缆的柔韧性和耐用性。且，加工的过程中，会有可能因张力和压力的不均匀，导致电缆呈现编织不均匀的情况。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了一种基于物联网的电缆加工制造实时监控***，通过实时采集传感器数据和图像信息，***能够及时检测温度异常、如包括温度、湿度、张力、施加在电缆上的压力值和振动值，电缆绝缘前后的湿度差值，***能够及时检测并评估异常温度、热裂纹分布、密度间隙变化以及环境影响等问题，有效预防潜在风险，评估模块的分析结果为决策提供了依据，帮助确定优先级和采取适当的措施，从而减少生产中的缺陷品和编织不均匀的质量问题，提高产品合格率。同时，***能够自动化地处理异常情况，如停机、调整环境等，进一步提高生产效率。通过持续监测与及时干预，***还能够优化生产过程，减少能源消耗，实现更加环保的生产方式。
（二）技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种基于物联网的电缆加工制造实时监控***，包括物联网采集单元、识别计算单元、评估单元和预警单元；
所述物联网采集单元用于实时采集部署在电缆加工过程中的传感器组的物联网数据，并通过物联网通信设备传输至云平台；所述物联网采集单元包括红外成像采集单元和传感器单元；
所述红外成像采集单元用于在电缆加工过程中，通过红外热成像视觉传感器，实时采集电缆表面的红外成像，获得多帧图像A，通过X射线视觉传感器采集电缆内部的射线成像图，获得多帧图像B；所述传感器单元用于实时监测电缆加工过程中的环境影响数据；所述环境影响数据包括温度、湿度、张力、施加在电缆上的压力值和振动值；
识别计算单元用于接收多帧图像和环境影响数据，并建立识别模型，提取多帧图像A内的局部温度异常特征和表面热裂纹分布特征，并提取多帧图像B中的间隙特征，计算获得：异常温度系数YCw、热裂纹分布系数RLw和密度间隙异常系数MDyc；并对环境影响数据进行识别和分析，计算获得：环境影响系数HJ；所述环境影响系数HJ通过以下公式进行计算获取：
式中，R表示为温湿度影响因子，表示实时温度值，表示电缆加工过程中 绝缘前的实时湿度值；表示电缆加工过程中绝缘中的实时湿度值，、和分别表示、和的权重值，且，，且；
当获得实时电缆加工绝缘步骤前和过程中的湿度差值，表示湿 度差值阈值，当获得实时电缆加工绝缘步骤前和过程中的湿度差值大于度差 值阈值时，则代表绝缘材料吸湿过大，导致影响绝缘性能，表示影响绝缘性能的权重 系数；
表示为电缆绝缘生产过程中的绝缘材料的张力值，表示为电缆绝缘生产 过程中绝缘材料编织或绞线的压力值；表示为张力值和压力值的权重值；C表示修 正常数；
所述评估单元，将异常温度系数YCw、热裂纹分布系数RLw、密度间隙异常系数MDyc和环境影响系数HJ分别和异常温度阈值Q1、热裂纹阈值Q2、密度间隙阈值Q3和环境影响阈值Q4进行对比，获得评估结果；
所述预警单元用于依据评估结果进行相对应的预警和处理。
优选的，所述物联网采集单元包括部署单元，所述部署单元用于在电缆加工缠绕区和绝缘区的节点和设备上安装各种传感器，采用无线通信技术，包括Wi-Fi、蓝牙、LoRa或NB-IoT物联网通信设备传输至云平台。
优选的，所述传感器单元用于实时监测电缆加工过程中的环境影响数据；所述环境影响数据通过温度传感器、湿度传感器、张力传感器、压力传感器和振动传感器；
所述温度传感器用于部署在电缆绝缘区域内，采集温度数据；
所述湿度传感器用于在待绝缘区和绝缘区分别安装湿度传感器，以监测获取电缆 加工过程中绝缘前的实时湿度值和电缆加工过程中绝缘中的实时湿度值；
所述张力传感器用于在电缆绝缘区安装张力传感器，基于应变原理测试张力值；
所述压力传感器用于在电缆绝缘区安装压阻式传感器计算施加在电缆上的压力值；
所述振动传感器，用于监测在电缆绝缘过程中的振动情况，获取振动值。
优选的，所述识别计算单元包括图像预处理单元、局部温度异常提取单元、表面热裂纹分布特征提取单元和异常温度系数YCw计算单元；
所述图像预处理单元用于对多帧图像A和多帧图像B进行预处理，包括去噪、增强和校正；
所述局部温度异常提取单元使用图像处理技术，提取多帧图像A中的局部温度异常特征；采用阈值分割和边缘检测方法，将图像中温度异常的区域标记出来；
所述异常温度系数YCw计算单元，设置图像A为I(x,y)，其中(x,y)表示图像中的像素坐标；为了提取局部温度异常特征，使用以下公式计算获取所述异常温度系数YCw：
式中，∑表示对图像A所有像素进行求和，μ表示图像A的平均温度，σ表示图像A的标准差；异常温度系数YCw表示图像中每个像素点的温度相对于平均温度的偏离程度。
优选的，所述识别计算单元还包括所述表面热裂纹分布特征提取单元和热裂纹分布系数RLw计算单元；
所述表面热裂纹分布特征提取单元用于使用图像处理技术，提取多帧图像A中的表面热裂纹分布特征；采用纹理分析和形态学操作方法，以识别图像中的裂纹形状和分布；
所述热裂纹分布系数RLw计算单元用于依据提取到的表面热裂纹分布特征，设置图像A为I(x,y)，即为单通道灰度图像，为了提取表面热裂纹分布特征，采用以下公式计算获取所述热裂纹分布系数RLw：
式中，∑表示对图像A所有热裂纹像素进行求和，对总和进行归一化，以获得热裂纹分布系数RLw，∇^2表示图像A的拉普拉斯算子；热裂纹分布系数RLw表示图像中每个像素点的灰度值变化率的二次平方。
优选的，所述识别计算单元还包括密度间隙特征提取单元和密度间隙异常系数MDyc计算单元；
所述密度间隙特征提取单元使用边缘检测和直线检测方法，对多帧图像B中的电缆内部和外部边界，以确定密度间隙的位置，且检测电缆内部结构的直线特征，包括导体的位置，标记密度变化间隙特征；
所述密度间隙异常系数MDyc计算单元用于依据密度变化间隙特征，设置图像B为I(x,y)，即为单通道灰度图像，为了提取电缆内部密度间隙异常特征，采用以下公式计算获取所述密度间隙异常系数MDyc：
式中，∑表示对图像B所有像素进行求和，表示图像B的平均密度或厚度，表示 图像B的标准差；密度间隙异常系数MDyc表示图像中每个像素点的密度相对于平均密度的 偏离程度。
优选的，所述评估单元包括异常温度评估模块和热裂纹评估模块；
所述异常温度评估模块用于将异常温度系数YCw与异常温度阈值Q1进行对比；
若异常温度系数YCw＜异常温度阈值Q1，说明异常温度系数YCw在安全范围内，评估结果为正常；若异常温度系数YCw≤异常温度阈值Q1，说明异常温度系数YCw>异常温度阈值Q1，评估结果为异常，并将评估结果标记和定位异常电缆温度位置上，并生成第一评估结果发送至预警单元；
所述热裂纹评估模块用于将热裂纹分布系数RLw与热裂纹阈值Q2进行对比；
如果热裂纹分布系数RLw≤热裂纹阈值Q2，评估结果是“正常”或“合格”。
如果热裂纹分布系数RLw＞热裂纹阈值Q2，评估结果是“异常”或“不合格”；且将“异常”或“不合格”的评估结果标记和定位在异常热裂纹电缆位置上，并生成第二评估结果发送至预警单元。
优选的，所述评估单元还包括密度间隙评估模块和环境影响评估模块；
所述密度间隙评估模块用于将密度间隙异常系数MDyc与密度间隙阈值Q3进行对比；
如果密度间隙异常系数MDyc＜密度间隙阈值Q3：表示密度间隙正常，评估结果是“正常”或“合格”；
如果密度间隙异常系数MDyc≥密度间隙阈值Q3：表示存在密度间隙异常，评估结果是“异常”或“不合格”；且将“异常”或“不合格”的评估结果标记和定位在密度间隙异常的电缆位置上，并生成第三评估结果发送至预警单元；
所述环境影响评估模块用于将影响系数HJ和环境影响阈值Q4进行对比；
如果影响系数HJ≤环境影响阈值Q4：表示环境影响在可接收范围内，评估结果是正常；
如果影响系数HJ＞环境影响阈值Q4：表示存在环境异常，评估结果为环境异常，且将环境异常的评估结果标记和定位在电缆环境区域中，并生成第四评估结果发送至预警单元。
优选的，所述预警单元包括优先级模块、预警模块和自动化处理模块；
所述优先级模块用于对第一评估结果、第二评估结果、第三评估结果和第四评估结果进行第二次分析，分析获取预警级别，针对严重影响生产安全、质量和环境的异常，设置为第一优先级命令、第二优先级命令、第三优先级命令和第四优先级命令；
所述预警模块用于对于根据每个优先级的异常，预警模块生成相应的通知和报告，包括异常描述、位置和时间信息；用于帮助相关人员了解情况，采取适当的行动；
所述自动化处理模块用于依据第一优先级命令、第二优先级命令、第三优先级命令和第四优先级命令的预警级别进行自动化处理措施，包括停机、调整环境和自动修复。
优选的，所述预警单元还包括自动生成报告模块，所述自动生成报告模块用于根据第一评估结果、第二评估结果、第三评估结果和第四评估结果以及第一优先级命令、第二优先级命令、第三优先级命令和第四优先级命令，自动生成报告，将监控结果、异常情况和预警记录整理成可供管理层参考的报告。
（三）有益效果
本发明提供了一种基于物联网的电缆加工制造实时监控***。具备以下有益效果：
（1）通过实时监控电缆加工制造过程中的各项数据，如包括温度、湿度、张力、施加在电缆上的压力值和振动值，电缆绝缘前后的湿度差值，***能够及时检测并评估异常温度、热裂纹分布、密度间隙以及环境影响等情况。这有助于及早发现潜在的安全隐患，采取相应的预警和处理措施，从而提高生产过程的安全性。
（2）该一种基于物联网的电缆加工制造实时监控***，通过红外成像、X射线图像，图像处理和传感器数据，***可以准确获取电缆加工过程中的各项参数和特征。通过对异常温度、热裂纹分布以及密度间隙的评估，***能够提前发现质量问题，从而减少缺陷产品的产生，提高产品的合格率和质量。
（3）该一种基于物联网的电缆加工制造实时监控***，通过实时监测环境影响数据，包括温度、湿度等因素，***能够分析环境的影响程度，进而采取相应的措施进行调整，从而降低能源消耗和环境影响，实现节能减排的目标。
（4）该一种基于物联网的电缆加工制造实时监控***，通过综合评估模块，***可以根据不同的优先级生成预警和处理命令。这些命令可以自动触发相应的行动，如停机、调整环境和自动修复，从而实现智能化决策和自动化处理，提高生产过程的效率和效益。
附图说明
图1为本发明基于物联网的电缆加工制造实时监控***框图流程示意图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
电缆制造作为现代工业中重要的一环，要求产品在制造过程中能够保持高质量和稳定性。然而，电缆制造涉及多个复杂的工艺步骤，如绝缘、编织、挤出等，其中每个步骤都可能受到环境因素的影响，进而影响最终产品的性能。特别是在电缆绝缘过程中，环境参数是一个重要的调节因素，可能会对产品质量产生重大影响。
在电缆绝缘过程中，绝缘材料的湿度会对绝缘层的性能产生显著影响。湿度可能导致绝缘材料的性能下降，影响电缆的电气性能和耐久性。高湿度环境可能导致绝缘材料的介电强度下降，增加电缆在使用过程中受击穿的风险。另一方面，低湿度环境可能导致绝缘材料变得脆弱，影响电缆的柔韧性和耐用性。且，加工的过程中，会有可能因张力和压力的不均匀，导致电缆呈现编织不均匀的情况。
实施例1
本发明提供一种基于物联网的电缆加工制造实时监控***，请参阅图1，包括物联网采集单元、识别计算单元、评估单元和预警单元；
所述物联网采集单元用于实时采集部署在电缆加工过程中的传感器组的物联网数据，并通过物联网通信设备传输至云平台；所述物联网采集单元包括红外成像采集单元和传感器单元；
所述红外成像采集单元用于在电缆加工过程中，通过红外热成像视觉传感器，实时采集电缆表面的红外成像，获得多帧图像A，通过X射线视觉传感器采集电缆内部的射线成像图，获得多帧图像B；所述传感器单元用于实时监测电缆加工过程中的环境影响数据；所述环境影响数据包括温度、湿度、张力、施加在电缆上的压力值和振动值；
识别计算单元用于接收多帧图像和环境影响数据，并建立识别模型，提取多帧图像A内的局部温度异常特征和表面热裂纹分布特征，并提取多帧图像B中的间隙特征，计算获得：异常温度系数YCw、热裂纹分布系数RLw和密度间隙异常系数MDyc；并对环境影响数据进行识别和分析，计算获得：环境影响系数HJ；所述环境影响系数HJ通过以下公式进行计算获取：
式中，R表示为温湿度影响因子，表示实时温度值，表示电缆加工过程中 绝缘前的实时湿度值；表示电缆加工过程中绝缘中的实时湿度值，、和分别表示、和的权重值，且，，且；
当获得实时电缆加工绝缘步骤前和过程中的湿度差值，表示湿 度差值阈值，当获得实时电缆加工绝缘步骤前和过程中的湿度差值大于度差 值阈值时，则代表绝缘材料吸湿过大，导致影响绝缘性能，表示影响绝缘性能的权重 系数；
公式的意义为，描述了湿度对绝缘材料性能的影响，高湿度环境可能会降低绝缘 材料的介电强度，增加电缆受击穿的风险，低湿度环境可能使绝缘材料变得脆弱，从而影响 电缆的柔韧性和耐用性。引入了一系列参数和公式，如R表示温湿度影响因子、和 表示不同阶段的湿度值、表示湿度差值阈值等，以便量化地评估湿度对绝缘性能的影 响。
表示为电缆绝缘生产过程中的绝缘材料的张力值，表示为电缆绝缘生产 过程中绝缘材料编织或绞线的压力值；表示为张力值和压力值的权重值；C表示修 正常数；提及了由于加工过程中张力和压力的不均匀分布可能导致电缆编织不均匀的情 况，进一步凸显了加工环境的重要性。
所述评估单元，将异常温度系数YCw、热裂纹分布系数RLw、密度间隙异常系数MDyc和环境影响系数HJ分别和异常温度阈值Q1、热裂纹阈值Q2、密度间隙阈值Q3和环境影响阈值Q4进行对比，获得评估结果；
所述预警单元用于依据评估结果进行相对应的预警和处理。
本实施例中，识别计算单元接收多帧图像和环境影响数据，并建立识别模型。它从多帧图像A中提取局部温度异常特征和表面热裂纹分布特征，同时从多帧图像B中提取间隙特征。通过计算，获得异常温度系数YCw、热裂纹分布系数RLw和密度间隙异常系数MDyc。此外，它还对环境影响数据进行识别和分析，计算获得环境影响系数HJ，其中HJ的计算涉及温湿度影响因子R等权重。评估单元将异常温度系数YCw、热裂纹分布系数RLw、密度间隙异常系数MDyc和环境影响系数HJ与预先设定的阈值Q1、Q2、Q3和Q4进行对比，以获得评估结果。通过对比，评估单元可以确定是否存在异常情况。
实施例2
本实施例是在实施例1中的进行的解释说明，请参阅图1，具体的，所述物联网采集单元包括部署单元，所述部署单元用于在电缆加工缠绕区和绝缘区的节点和设备上安装各种传感器，采用无线通信技术，包括Wi-Fi、蓝牙、LoRa或NB-IoT物联网通信设备传输至云平台。
本实施例中，描述了部属单元采用无线通信技术，如Wi-Fi、蓝牙、LoRa或NB-IoT等，将传感器数据传输至云平台。这种无线通信的应用能够消除布线的需求，提高了数据传输的便捷性和灵活性。部署单元的安装方式以及使用的无线通信技术，使得各种传感器能够将数据从不同位置和环节实时传输到云平台。这种综合监测实现了对电缆加工过程中多个参数的监控，进一步增强了生产质量的可控性和一致性。
实施例3
本实施例是在实施例1中的进行的解释说明，请参阅图1，具体的，所述传感器单元用于实时监测电缆加工过程中的环境影响数据；所述环境影响数据通过温度传感器、湿度传感器、张力传感器、压力传感器和振动传感器；
所述温度传感器用于部署在电缆绝缘区域内，采集温度数据；
所述湿度传感器用于在待绝缘区和绝缘区分别安装湿度传感器，以监测获取电缆 加工过程中绝缘前的实时湿度值和电缆加工过程中绝缘中的实时湿度值；
所述张力传感器用于在电缆绝缘区安装张力传感器，基于应变原理测试张力值；
所述压力传感器用于在电缆绝缘区安装压阻式传感器计算施加在电缆上的压力值；
所述振动传感器，用于监测在电缆绝缘过程中的振动情况，获取振动值。
本实施例中，传感器单元在实时监测电缆加工过程中的环境影响数据方面的重要作用，并详细说明了各种传感器的用途和配置位置，从而实现了全面监测和控制电缆制造过程中的关键参数，确保产品质量和稳定性。
实施例4
本实施例是在实施例1中的进行的解释说明，请参阅图1，具体的，所述识别计算单元包括图像预处理单元、局部温度异常提取单元、表面热裂纹分布特征提取单元和异常温度系数YCw计算单元；
所述图像预处理单元用于对多帧图像A和多帧图像B进行预处理，包括去噪、增强和校正；这有助于提高图像质量，减少噪声干扰，使后续的图像分析更加准确可靠。
所述局部温度异常提取单元使用图像处理技术，提取多帧图像A中的局部温度异常特征；采用阈值分割和边缘检测方法，将图像中温度异常的区域标记出来；
所述异常温度系数YCw计算单元，设置图像A为I(x,y)，其中(x,y)表示图像中的像素坐标；为了提取局部温度异常特征，使用以下公式计算获取所述异常温度系数YCw：
式中，∑表示对图像A所有像素进行求和，μ表示图像A的平均温度，σ表示图像A的标准差；异常温度系数YCw表示图像中每个像素点的温度相对于平均温度的偏离程度。
本实施例中，通过比较像素温度与平均温度的差异，计算出异常温度系数YCw，从而量化图像中每个像素点的温度异常情况。能够有效地识别和分析图像中的温度异常情况，从而为后续的评估和预警提供了有益的信息和数据。
实施例5
本实施例是在实施例1中的进行的解释说明，请参阅图1，具体的，所述识别计算单元还包括所述表面热裂纹分布特征提取单元和热裂纹分布系数RLw计算单元；
所述表面热裂纹分布特征提取单元用于使用图像处理技术，提取多帧图像A中的表面热裂纹分布特征；采用纹理分析和形态学操作方法，以识别图像中的裂纹形状和分布；
所述热裂纹分布系数RLw计算单元用于依据提取到的表面热裂纹分布特征，设置图像A为I(x,y)，即为单通道灰度图像，为了提取表面热裂纹分布特征，采用以下公式计算获取所述热裂纹分布系数RLw：
式中，∑表示对图像A所有热裂纹像素进行求和，对总和进行归一化，以获得热裂纹分布系数RLw，∇^2表示图像A的拉普拉斯算子；热裂纹分布系数RLw表示图像中每个像素点的灰度值变化率的二次平方。
本实施例中，表面热裂纹分布特征提取单元使用图像处理技术，采用纹理分析和形态学操作方法，能够从多帧图像A中提取出表面热裂纹的分布特征。这种能力使***能够捕捉到图像中裂纹的形状和分布，为后续的热裂纹分布系数计算提供必要的输入。热裂纹分布系数RLw计算单元基于提取到的表面热裂纹分布特征，采用公式计算热裂纹分布系数RLw。该系数通过对图像中所有热裂纹像素的灰度值变化率进行二次平方求和，并进行归一化处理，得到了表面热裂纹分布的量化结果。这有助于分析和评估图像中热裂纹分布的程度。
实施例6
本实施例是在实施例1中的进行的解释说明，请参阅图1，具体的，所述识别计算单元还包括密度间隙特征提取单元和密度间隙异常系数MDyc计算单元；
所述密度间隙特征提取单元使用边缘检测和直线检测方法，对多帧图像B中的电缆内部和外部边界，以确定密度间隙的位置，且检测电缆内部结构的直线特征，包括导体的位置，标记密度变化间隙特征；
所述密度间隙异常系数MDyc计算单元用于依据密度变化间隙特征，设置图像B为I(x,y)，即为单通道灰度图像，为了提取电缆内部密度间隙异常特征，采用以下公式计算获取所述密度间隙异常系数MDyc：
式中，∑表示对图像B所有像素进行求和，表示图像B的平均密度，表示图像B的 标准差；密度间隙异常系数MDyc表示图像中每个像素点的密度相对于平均密度的偏离程 度。
本实施例中，密度间隙异常系数MDyc计算单元能够将图像中所有像素的密度相对于平均密度的偏离程度进行量化计算，生成密度间隙异常系数MDyc。这一量化值能够为密度间隙的异常情况提供定量评估，使操作人员和***能够更准确地了解密度间隙的情况。这使得***能够快速响应变化，及时检测到密度间隙问题，从而防止潜在的质量问题和安全风险。
实施例7
本实施例是在实施例1中的进行的解释说明，请参阅图1，具体的，所述评估单元包括异常温度评估模块和热裂纹评估模块；
所述异常温度评估模块用于将异常温度系数YCw与异常温度阈值Q1进行对比；
若异常温度系数YCw＜异常温度阈值Q1，说明异常温度系数YCw在安全范围内，评估结果为正常；若异常温度系数YCw≤异常温度阈值Q1，说明异常温度系数YCw>异常温度阈值Q1，评估结果为异常，并将评估结果标记和定位异常电缆温度位置上，并生成第一评估结果发送至预警单元；
所述热裂纹评估模块用于将热裂纹分布系数RLw与热裂纹阈值Q2进行对比；
如果热裂纹分布系数RLw≤热裂纹阈值Q2，评估结果是“正常”或“合格”。
如果热裂纹分布系数RLw＞热裂纹阈值Q2，评估结果是“异常”或“不合格”；且将“异常”或“不合格”的评估结果标记和定位在异常热裂纹电缆位置上，并生成第二评估结果发送至预警单元。
所述评估单元还包括密度间隙评估模块和环境影响评估模块；
所述密度间隙评估模块用于将密度间隙异常系数MDyc与密度间隙阈值Q3进行对比；
如果密度间隙异常系数MDyc＜密度间隙阈值Q3：表示密度间隙正常，评估结果是“正常”或“合格”；
如果密度间隙异常系数MDyc≥密度间隙阈值Q3：表示存在密度间隙异常，评估结果是“异常”或“不合格”；且将“异常”或“不合格”的评估结果标记和定位在密度间隙异常的电缆位置上，并生成第三评估结果发送至预警单元；
所述环境影响评估模块用于将影响系数HJ和环境影响阈值Q4进行对比；
如果影响系数HJ≤环境影响阈值Q4：表示环境影响在可接收范围内，评估结果是正常；
如果影响系数HJ＞环境影响阈值Q4：表示存在环境异常，评估结果为环境异常，且将环境异常的评估结果标记和定位在电缆环境区域中，并生成第四评估结果发送至预警单元。
本实施例中，通过比较异常温度系数YCw与异常温度阈值Q1，能够快速判断电缆温度是否在安全范围内，从而避免因过高温度而导致的电缆性能下降。将热裂纹分布系数RLw与热裂纹阈值Q2进行比较，能够识别电缆表面是否存在热裂纹问题，以及是否超出了可接受的范围。通过将密度间隙异常系数MDyc与密度间隙阈值Q3进行比较，能够准确检测电缆内部的密度变化间隙情况，确保电缆内部结构的质量。将影响系数HJ与环境影响阈值Q4进行比较，能够判断电缆制造过程中的环境是否在可接受范围内。这可以保障电缆制造过程中环境因素的稳定性，防止因环境异常而影响电缆质量。
实施例8
本实施例是在实施例1中的进行的解释说明，请参阅图1，具体的，所述预警单元包括优先级模块、预警模块和自动化处理模块；
所述优先级模块用于对第一评估结果、第二评估结果、第三评估结果和第四评估结果进行第二次分析，分析获取预警级别，针对严重影响生产安全、质量和环境的异常，设置为第一优先级命令、第二优先级命令、第三优先级命令和第四优先级命令；
所述预警模块用于对于根据每个优先级的异常，预警模块生成相应的通知和报告，包括异常描述、位置和时间信息；用于帮助相关人员了解情况，采取适当的行动；
所述自动化处理模块用于依据第一优先级命令、第二优先级命令、第三优先级命令和第四优先级命令的预警级别进行自动化处理措施，包括停机、调整环境和自动修复。
本实施例中，通过对第一评估结果、第二评估结果、第三评估结果和第四评估结果进行第二次分析，***能够更准确地判断异常情况的严重性，并为每种异常设置相应的优先级命令。这有助于在处理异常时进行更有针对性的行动，从而提高效率。针对每个优先级的异常，预警模块能够生成相应的通知和报告，包括异常的具体描述、发生位置和时间信息。这样，相关人员能够及时了解情况，迅速采取适当的行动，以防范潜在的生产安全、质量和环境风险。基于预警级别，自动化处理模块能够自动采取相应的措施来应对异常情况。例如，对于被判定为第一优先级的异常，***可以自动触发停机措施以防止进一步的问题扩大。对于不同的优先级，可能采取不同的措施，如调整环境参数或自动修复。这有助于最小化生产中断，提高响应速度和处理效率。
实施例9
本实施例是在实施例1中的进行的解释说明，请参阅图1，具体的，所述预警单元还包括自动生成报告模块，所述自动生成报告模块用于根据第一评估结果、第二评估结果、第三评估结果和第四评估结果以及第一优先级命令、第二优先级命令、第三优先级命令和第四优先级命令，自动生成报告，将监控结果、异常情况和预警记录整理成可供管理层参考的报告。
本实施例中，自动创建报告，省去了手动整理和编写报告的繁琐过程。这有助于提高工作效率，节省时间。通过将监控结果、异常情况和预警记录整合到报告中，管理层可以一目了然地了解电缆制造过程的状态和潜在风险。报告提供了一个清晰的总览，有助于快速做出决策。报告记录了评估结果、异常情况和预警命令的历史数据，这对于后续的溯源、问题解决和改进过程非常有用。有助于实现过程的持续改进和质量管理。
假设我们有一个电缆加工制造实时监控***，其中涉及的参数如下：
异常温度阈值Q1=50°C
热裂纹阈值Q2=0.1
密度间隙阈值Q3=0.5
环境影响阈值Q4=0.8
假设在电缆加工过程中，通过红外成像采集到的电缆表面温度为55°C，X射线成像采集到的电缆内部射线成像表现为无异常。环境影响数据显示温度为25°C，湿度为60%，张力为150N，施加在电缆上的压力值为200N，振动值为0.05。
根据提供的公式进行计算：计算异常温度系数YCw：平均温度μ=(55+25)/2=40°C标准差σ=√((55-40)^2+(25-40)^2)=21.21异常温度系数YCw=(55-40)/21.21≈0.71
计算热裂纹分布系数RLw：假设分析热裂纹图像后得出，热裂纹像素总数为500，图像像素总数为5000。热裂纹分布系数RLw=500/5000=0.1
计算密度间隙异常系数MDyc：假设分析密度间隙图像后得出，密度间隙异常像素总数为200，图像像素总数为4000。密度间隙异常系数MDyc=200/4000=0.05
计算环境影响系数HJ：温湿度影响因子R=0.5实时温度值，=55°C绝缘前实时 湿度值=60%绝缘中实时湿度值=60%权重值α=β=0.33环境影响系数HJ=0.5*(55- 0.33*(60+60))≈0.5
根据计算结果和阈值进行评估：
异常温度系数YCw<异常温度阈值Q1，评估结果正常。
热裂纹分布系数RLw<热裂纹阈值Q2，评估结果正常。
密度间隙异常系数MDyc<密度间隙阈值Q3，评估结果正常。
环境影响系数HJ≤环境影响阈值Q4，评估结果正常。
由于所有评估结果均为正常，***不会触发预警或处理措施。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于物联网的电缆加工制造实时监控***，其特征在于：包括物联网采集单元、识别计算单元、评估单元和预警单元；
所述物联网采集单元用于实时采集部署在电缆加工过程中的传感器组的物联网数据，并通过物联网通信设备传输至云平台；所述物联网采集单元包括红外成像采集单元和传感器单元；
所述红外成像采集单元用于在电缆加工过程中，通过红外热成像视觉传感器，实时采集电缆表面的红外成像，获得多帧图像A，通过X射线视觉传感器采集电缆内部的射线成像图，获得多帧图像B；所述传感器单元用于实时监测电缆加工过程中的环境影响数据；所述环境影响数据包括温度、湿度、张力、施加在电缆上的压力值和振动值；
识别计算单元用于接收多帧图像和环境影响数据，并建立识别模型，提取多帧图像A内的局部温度异常特征和表面热裂纹分布特征，并提取多帧图像B中的间隙特征，计算获得：异常温度系数YCw、热裂纹分布系数RLw和密度间隙异常系数MDyc；并对环境影响数据进行识别和分析，计算获得：环境影响系数HJ；所述环境影响系数HJ通过以下公式进行计算获取：
；
式中，R表示为温湿度影响因子，表示实时温度值，/>表示电缆加工过程中绝缘前的实时湿度值；/>表示电缆加工过程中绝缘中的实时湿度值，/>、/>和/>分别表示/>、/>和/>的权重值，且/>，/>，/>且；
当获得实时电缆加工绝缘步骤前和过程中的湿度差值，/>表示湿度差值阈值，当/>获得实时电缆加工绝缘步骤前和过程中的湿度差值大于度差值阈值时/>，则代表绝缘材料吸湿过大，导致影响绝缘性能，/>表示影响绝缘性能的权重系数；
表示为电缆绝缘生产过程中的绝缘材料的张力值，/>表示为电缆绝缘生产过程中绝缘材料编织或绞线的压力值；/>表示为张力值/>和压力值/>的权重值；C表示修正常数；
所述评估单元，将异常温度系数YCw、热裂纹分布系数RLw、密度间隙异常系数MDyc和环境影响系数HJ分别和异常温度阈值Q1、热裂纹阈值Q2、密度间隙阈值Q3和环境影响阈值Q4进行对比，获得评估结果；
所述预警单元用于依据评估结果进行相对应的预警和处理。
2.根据权利要求1所述的一种基于物联网的电缆加工制造实时监控***，其特征在于：所述物联网采集单元包括部署单元，所述部署单元用于在电缆加工缠绕区和绝缘区的节点和设备上安装各种传感器，采用无线通信技术，包括Wi-Fi、蓝牙、LoRa或NB-IoT物联网通信设备传输至云平台。
3.根据权利要求1所述的一种基于物联网的电缆加工制造实时监控***，其特征在于：所述传感器单元用于实时监测电缆加工过程中的环境影响数据；所述环境影响数据通过温度传感器、湿度传感器、张力传感器、压力传感器和振动传感器；
所述温度传感器用于部署在电缆绝缘区域内，采集温度数据；
所述湿度传感器用于在待绝缘区和绝缘区分别安装湿度传感器，以监测获取电缆加工过程中绝缘前的实时湿度值和电缆加工过程中绝缘中的实时湿度值/>；
所述张力传感器用于在电缆绝缘区安装张力传感器，基于应变原理测试张力值；
所述压力传感器用于在电缆绝缘区安装压阻式传感器计算施加在电缆上的压力值；
所述振动传感器，用于监测在电缆绝缘过程中的振动情况，获取振动值。
4.根据权利要求1所述的一种基于物联网的电缆加工制造实时监控***，其特征在于：所述识别计算单元包括图像预处理单元、局部温度异常提取单元、表面热裂纹分布特征提取单元和异常温度系数YCw计算单元；
所述图像预处理单元用于对多帧图像A和多帧图像B进行预处理，包括去噪、增强和校正；
所述局部温度异常提取单元使用图像处理技术，提取多帧图像A中的局部温度异常特征；采用阈值分割和边缘检测方法，将图像中温度异常的区域标记出来；
所述异常温度系数YCw计算单元，设置图像A为I(x,y)，其中(x,y)表示图像中的像素坐标；为了提取局部温度异常特征，使用以下公式计算获取所述异常温度系数YCw：
；
式中，∑表示对图像A所有像素进行求和，μ表示图像A的平均温度，σ表示图像A的标准差；异常温度系数YCw表示图像中每个像素点的温度相对于平均温度的偏离程度。
5.根据权利要求1所述的一种基于物联网的电缆加工制造实时监控***，其特征在于：所述识别计算单元还包括所述表面热裂纹分布特征提取单元和热裂纹分布系数RLw计算单元；
所述表面热裂纹分布特征提取单元用于使用图像处理技术，提取多帧图像A中的表面热裂纹分布特征；采用纹理分析和形态学操作方法，以识别图像中的裂纹形状和分布；
所述热裂纹分布系数RLw计算单元用于依据提取到的表面热裂纹分布特征，设置图像A为I(x,y)，即为单通道灰度图像，为了提取表面热裂纹分布特征，采用以下公式计算获取所述热裂纹分布系数RLw：
；
式中，∑表示对图像A所有热裂纹像素进行求和，对总和进行归一化，以获得热裂纹分布系数RLw，∇^2表示图像A的拉普拉斯算子；热裂纹分布系数RLw表示图像中每个像素点的灰度值变化率的二次平方。
6.根据权利要求1所述的一种基于物联网的电缆加工制造实时监控***，其特征在于：所述识别计算单元还包括密度间隙特征提取单元和密度间隙异常系数MDyc计算单元；
所述密度间隙特征提取单元使用边缘检测和直线检测方法，对多帧图像B中的电缆内部和外部边界，以确定密度间隙的位置，且检测电缆内部结构的直线特征，包括导体的位置，标记密度变化间隙特征；
所述密度间隙异常系数MDyc计算单元用于依据密度变化间隙特征，设置图像B为I(x,y)，即为单通道灰度图像，为了提取电缆内部密度间隙异常特征，采用以下公式计算获取所述密度间隙异常系数MDyc：
；
式中，∑表示对图像B所有像素进行求和，表示图像B的平均密度，/>表示图像B的标准差；密度间隙异常系数MDyc表示图像中每个像素点的密度相对于平均密度的偏离程度。
7.根据权利要求1所述的一种基于物联网的电缆加工制造实时监控***，其特征在于：所述评估单元包括异常温度评估模块和热裂纹评估模块；
所述异常温度评估模块用于将异常温度系数YCw与异常温度阈值Q1进行对比；
若异常温度系数YCw＜异常温度阈值Q1，说明异常温度系数YCw在安全范围内，评估结果为正常；若异常温度系数YCw≤异常温度阈值Q1，说明异常温度系数YCw>异常温度阈值Q1，评估结果为异常，并将评估结果标记和定位异常电缆温度位置上，并生成第一评估结果发送至预警单元；
所述热裂纹评估模块用于将热裂纹分布系数RLw与热裂纹阈值Q2进行对比；
如果热裂纹分布系数RLw≤热裂纹阈值Q2，评估结果是“正常”或“合格”；
如果热裂纹分布系数RLw＞热裂纹阈值Q2，评估结果是“异常”或“不合格”；且将“异常”或“不合格”的评估结果标记和定位在异常热裂纹电缆位置上，并生成第二评估结果发送至预警单元。
8.根据权利要求1所述的一种基于物联网的电缆加工制造实时监控***，其特征在于：所述评估单元还包括密度间隙评估模块和环境影响评估模块；
所述密度间隙评估模块用于将密度间隙异常系数MDyc与密度间隙阈值Q3进行对比；
如果密度间隙异常系数MDyc＜密度间隙阈值Q3：表示密度间隙正常，评估结果是“正常”或“合格”；
如果密度间隙异常系数MDyc≥密度间隙阈值Q3：表示存在密度间隙异常，评估结果是“异常”或“不合格”；且将“异常”或“不合格”的评估结果标记和定位在密度间隙异常的电缆位置上，并生成第三评估结果发送至预警单元；
所述环境影响评估模块用于将影响系数HJ和环境影响阈值Q4进行对比；
如果影响系数HJ≤环境影响阈值Q4：表示环境影响在可接收范围内，评估结果是正常；
如果影响系数HJ＞环境影响阈值Q4：表示存在环境异常，评估结果为环境异常，且将环境异常的评估结果标记和定位在电缆环境区域中，并生成第四评估结果发送至预警单元。
9.根据权利要求8所述的一种基于物联网的电缆加工制造实时监控***，其特征在于：所述预警单元包括优先级模块、预警模块和自动化处理模块；
所述优先级模块用于对第一评估结果、第二评估结果、第三评估结果和第四评估结果进行第二次分析，分析获取预警级别，针对严重影响生产安全、质量和环境的异常，设置为第一优先级命令、第二优先级命令、第三优先级命令和第四优先级命令；
所述预警模块用于对于根据每个优先级的异常，预警模块生成相应的通知和报告，包括异常描述、位置和时间信息；用于帮助相关人员了解情况，采取适当的行动；
所述自动化处理模块用于依据第一优先级命令、第二优先级命令、第三优先级命令和第四优先级命令的预警级别进行自动化处理措施，包括停机、调整环境和自动修复。
10.根据权利要求9所述的一种基于物联网的电缆加工制造实时监控***，其特征在于：所述预警单元还包括自动生成报告模块，所述自动生成报告模块用于根据第一评估结果、第二评估结果、第三评估结果和第四评估结果以及第一优先级命令、第二优先级命令、第三优先级命令和第四优先级命令，自动生成报告，将监控结果、异常情况和预警记录整理成可供管理层参考的报告。
CN202311116671.XA 2023-09-01 2023-09-01 一种基于物联网的电缆加工制造实时监控*** Active CN116839682B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311116671.XA CN116839682B (zh) 2023-09-01 2023-09-01 一种基于物联网的电缆加工制造实时监控***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311116671.XA CN116839682B (zh) 2023-09-01 2023-09-01 一种基于物联网的电缆加工制造实时监控***

Publications (2)

Publication Number Publication Date
CN116839682A true CN116839682A (zh) 2023-10-03
CN116839682B CN116839682B (zh) 2023-11-21

Family

ID=88165541

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311116671.XA Active CN116839682B (zh) 2023-09-01 2023-09-01 一种基于物联网的电缆加工制造实时监控***

Country Status (1)

Country Link
CN (1) CN116839682B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117232584A (zh) * 2023-11-10 2023-12-15 山东特发光源光通信有限公司 一种基于图像分析的缆绞机质量检测***
CN117252348A (zh) * 2023-11-17 2023-12-19 深圳市嘉鑫精密智造有限公司 一种五金配件生产加工智能管理***
CN117269731A (zh) * 2023-11-07 2023-12-22 千思跃智能科技(苏州)股份有限公司 一种基于物联网的pcba性能自动化测试***
CN117392587A (zh) * 2023-11-02 2024-01-12 华能澜沧江水电股份有限公司景洪水电厂 基于物联网的特种设备安全监测***
CN117594473A (zh) * 2024-01-19 2024-02-23 鲁欧智造(山东)高端装备科技有限公司 一种碳化硅功率器件的产品检测方法
CN117638274A (zh) * 2024-01-26 2024-03-01 深圳市明泰源科技有限公司 一种提高钠离子电池循环寿命的方法
CN117707101A (zh) * 2024-02-06 2024-03-15 青岛超瑞纳米新材料科技有限公司 碳纳米管规模化加工的生产线监管控制***
CN117893103A (zh) * 2024-03-18 2024-04-16 山东阳谷恒昌电缆集团有限公司 一种基于电缆生产线的交联电缆产品质量管理控制***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060140663A1 (en) * 2004-12-28 2006-06-29 Canon Kabushiki Kaisha Image forming apparatus with heat control of image bearing member
CN110717883A (zh) * 2019-07-19 2020-01-21 广东电网有限责任公司 一种基于红外图像的电缆部位自动识别方法
CN112925265A (zh) * 2021-02-02 2021-06-08 安徽众成合金科技有限公司 一种合金材料加工监控***
CN116188752A (zh) * 2022-12-20 2023-05-30 广州番禺电缆集团有限公司 基于图像识别的电缆接头温度异常检测装置、方法及设备
CN116341771A (zh) * 2023-05-30 2023-06-27 江苏鹏润电缆科技有限公司 一种耐低温电缆生产工艺智能优化方法及***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060140663A1 (en) * 2004-12-28 2006-06-29 Canon Kabushiki Kaisha Image forming apparatus with heat control of image bearing member
CN110717883A (zh) * 2019-07-19 2020-01-21 广东电网有限责任公司 一种基于红外图像的电缆部位自动识别方法
CN112925265A (zh) * 2021-02-02 2021-06-08 安徽众成合金科技有限公司 一种合金材料加工监控***
CN116188752A (zh) * 2022-12-20 2023-05-30 广州番禺电缆集团有限公司 基于图像识别的电缆接头温度异常检测装置、方法及设备
CN116341771A (zh) * 2023-05-30 2023-06-27 江苏鹏润电缆科技有限公司 一种耐低温电缆生产工艺智能优化方法及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YONG LI: "Experimental study on the movement law of overlying rock non-pillar coal overhead mining", 《JOURNAL OF MOUNTAIN SCIENCE》 *
谭振: "多丝电弧增材制造研究进展", 《热加工工艺》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117392587A (zh) * 2023-11-02 2024-01-12 华能澜沧江水电股份有限公司景洪水电厂 基于物联网的特种设备安全监测***
CN117392587B (zh) * 2023-11-02 2024-04-26 华能澜沧江水电股份有限公司景洪水电厂 基于物联网的特种设备安全监测***
CN117269731A (zh) * 2023-11-07 2023-12-22 千思跃智能科技(苏州)股份有限公司 一种基于物联网的pcba性能自动化测试***
CN117269731B (zh) * 2023-11-07 2024-04-30 千思跃智能科技(苏州)股份有限公司 一种基于物联网的pcba性能自动化测试***
CN117232584B (zh) * 2023-11-10 2024-03-22 山东特发光源光通信有限公司 一种基于图像分析的缆绞机质量检测***
CN117232584A (zh) * 2023-11-10 2023-12-15 山东特发光源光通信有限公司 一种基于图像分析的缆绞机质量检测***
CN117252348A (zh) * 2023-11-17 2023-12-19 深圳市嘉鑫精密智造有限公司 一种五金配件生产加工智能管理***
CN117252348B (zh) * 2023-11-17 2024-05-03 青岛鹏锐机械有限公司 一种五金配件生产加工智能管理***
CN117594473B (zh) * 2024-01-19 2024-04-16 鲁欧智造(山东)高端装备科技有限公司 一种碳化硅功率器件的产品检测方法
CN117594473A (zh) * 2024-01-19 2024-02-23 鲁欧智造(山东)高端装备科技有限公司 一种碳化硅功率器件的产品检测方法
CN117638274B (zh) * 2024-01-26 2024-03-29 深圳市明泰源科技有限公司 一种提高钠离子电池循环寿命的方法
CN117638274A (zh) * 2024-01-26 2024-03-01 深圳市明泰源科技有限公司 一种提高钠离子电池循环寿命的方法
CN117707101B (zh) * 2024-02-06 2024-04-30 青岛超瑞纳米新材料科技有限公司 碳纳米管规模化加工的生产线监管控制***
CN117707101A (zh) * 2024-02-06 2024-03-15 青岛超瑞纳米新材料科技有限公司 碳纳米管规模化加工的生产线监管控制***
CN117893103A (zh) * 2024-03-18 2024-04-16 山东阳谷恒昌电缆集团有限公司 一种基于电缆生产线的交联电缆产品质量管理控制***
CN117893103B (zh) * 2024-03-18 2024-05-24 山东阳谷恒昌电缆集团有限公司 一种基于电缆生产线的交联电缆产品质量管理控制***

Also Published As

Publication number Publication date
CN116839682B (zh) 2023-11-21

Similar Documents

Publication Publication Date Title
CN116839682B (zh) 一种基于物联网的电缆加工制造实时监控***
CN110458157B (zh) 一种电力电缆生产过程智能监控***
CN116881745B (zh) 基于大数据的压力变送器异常监测方法
CN113485268B (zh) 一种基于工业物联网多场景分布式信息化控制***
CN107831024B (zh) 基于多点振动信号特征值的风机振动故障状态诊断方法
CN112173636B (zh) 一种巡检机器人对皮带机托辊故障的检测方法
CN112001327B (zh) 一种阀厅设备故障识别方法及***
CN117173187B (zh) 一种阀门故障智能检测***
CN116337879B (zh) 一种电缆绝缘表皮磨损缺陷快速检测方法
CN115528810A (zh) 一种基于电力设备的测温数据运检分析管理***
CN110653271B (zh) 热轧带钢卷取夹送辊的辊面质量自动评级装置和评级方法
CN116704733B (zh) 铝合金电缆的老化预警方法及***
CN109523543A (zh) 一种基于边缘距离的导线断股检测方法
CN108229371B (zh) 基于冰形建模的输电导线横截面覆冰形状识别方法
CN116152202A (zh) 基于图像识别技术和红外热成像技术的设备外观检测***
CN108508860B (zh) 一种基于耦合关系的流程工业生产***数据监测方法
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
CN116721096B (zh) 基于人工智能的新能源线束质量在线检测方法
CN116758078B (zh) 变速齿轮箱观测方法、***、终端设备以及存储介质
CN115855961B (zh) 一种用于运行中的配电箱故障检测方法
CN117548911A (zh) 一种基于人工智能的连接器焊接智能监管***
Shivani et al. Detection of broken strands on transmission lines through image processing
CN108181315B (zh) 一种基于图像处理的饼干损伤检测装置及检测方法
CN117367845B (zh) 一种陆军装备维修设备健康诊断方法
CN110929425B (zh) 一种基于Lasso算法的纸张纵向伸长率的软测量方法

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