CN117974642B - 密封胶自动灌注质量实时监测***及方法 - Google Patents
密封胶自动灌注质量实时监测***及方法 Download PDFInfo
- Publication number
- CN117974642B CN117974642B CN202410363870.9A CN202410363870A CN117974642B CN 117974642 B CN117974642 B CN 117974642B CN 202410363870 A CN202410363870 A CN 202410363870A CN 117974642 B CN117974642 B CN 117974642B
- Authority
- CN
- China
- Prior art keywords
- sealing
- area
- defect
- sealant
- areas
- 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.)
- Active
Links
- 239000000565 sealant Substances 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 238000007789 sealing Methods 0.000 claims abstract description 241
- 230000007547 defect Effects 0.000 claims abstract description 188
- 238000004512 die casting Methods 0.000 claims abstract description 96
- 238000001514 detection method Methods 0.000 claims abstract description 65
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 12
- 239000003292 glue Substances 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000002950 deficient Effects 0.000 claims description 5
- 238000012372 quality testing Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 6
- 239000002184 metal Substances 0.000 description 5
- 239000011248 coating agent Substances 0.000 description 4
- 238000000576 coating method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 239000002828 fuel tank Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明涉及汽车零件检测领域,本发明公开了密封胶自动灌注质量实时监测***及方法,包括:获取已密封壳体压铸件的X射线图像,并提取出X射线图像中的密封区域;依据预设分割方式对密封区域进行等分划分,以获取M个被序号标注的密封子区域,并获取每个密封子区域的密封缺陷系数;根据密封缺陷系数识别出疑似缺陷区域;调取预设的密封质量检测模型,并将已密封壳体压铸件上N个疑似缺陷区域的密封缺陷系数依次输入至对应的密封质量检测模型,得到N个疑似缺陷区域的泄漏量;根据N个疑似缺陷区域的泄漏量确定已密封壳体压铸件的密封缺陷区域及密封缺陷区域的位置;本发明有利于精准识别压铸件的密封缺陷以及密封缺陷的位置。
Description
技术领域
本发明涉及汽车零件检测领域,更具体地说,本发明涉及密封胶自动灌注质量实时监测***及方法。
背景技术
在汽车制造领域,金属压铸件被广泛用于制造各种汽车零部件,如发动机缸体、变速器壳体和发动机缸盖等;这些壳体金属压铸件通过自动化的密封胶设备(如点胶机、涂覆机和灌胶机等)进行密封胶灌注和密封,使得密封后的壳体压铸件具备防水防尘、绝缘和抗渗透等效果;虽然利用自动化的密封胶设备能够很大程度上提高对壳体金属压铸件的密封效果,但受制于壳体金属压铸件的不规则性、压铸件的对接精准性、设备操作的复杂性以及外界环境因素的干扰,使得密封后的壳体金属压铸件仍需要进行进一步的性能检测;然而,传统的目视检测方式对于微小密封缺陷的敏感性较低,且往往依赖于检测人员的经验,难以适用于大批量的压铸件生产检测场景中;因此,提供一种更精准和高效的密封胶自动灌注质量监测方法,就成为当下待解决的问题。
目前,缺乏针对密封胶自动灌注质量进行监测的方法或***,虽存在部分相关文献,例如授权公告号为CN110927172B的中国专利公开了一种飞机整体油箱密封胶漏涂在线检测装置及方法,但对上述方法以及现有技术进行研究和实际应用发现,上述方法以及现有技术至少存在以下部分缺陷:
(1)无法精准识别压铸件的密封缺陷以及密封缺陷的位置,难以为纠正密封胶灌注过程中出现的问题和缺陷提供重要数据支持,进而无法确保产品的密封性和质量达到设定标准;
(2)自动化和智能化程度较低,且完全依赖于气密性的检测手段,导致压铸件密封性的检测时间较长,进而难以应用于大批量的压铸件生产检测场景中,且难以尽可能地提高对密封胶自动灌注进行质量检测的效率。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供密封胶自动灌注质量实时监测***及方法。
为实现上述目的,本发明提供如下技术方案:
密封胶自动灌注质量实时监测方法,所述方法包括:
S101:获取已密封壳体压铸件的X射线图像,并提取出X射线图像中的密封区域;
S102:依据已密封壳体压铸件类型对应的预设分割方式对密封区域进行等分划分,以获取M个被序号标注的密封子区域,并获取每个密封子区域的密封缺陷系数,所述密封缺陷系数包括间隙系数和均匀度系数;M为大于零的整数;
S103:根据密封缺陷系数识别出已密封壳体压铸件的疑似缺陷区域,得到N个疑似缺陷区域,N为大于零的整数;
S104:调取预设的密封质量检测模型,并将已密封壳体压铸件上N个疑似缺陷区域的密封缺陷系数依次输入至对应的密封质量检测模型,得到N个疑似缺陷区域的泄漏量;
S105:根据N个疑似缺陷区域的泄漏量确定已密封壳体压铸件的密封缺陷区域及密封缺陷区域的位置;
所述密封子区域的间隙系数的生成逻辑如下:
分割出密封子区域内的密封胶区域,以及获取密封子区域的像素面积,并识别出密封胶区域内的Q个气泡区域和W个裂缝区域,Q和W为大于零的整数;
获取气泡区域和裂缝区域的像素面积,基于密封子区域、气泡区域和裂缝区域的像素面积计算出密封子区域的间隙系数;其计算公式为:;式中:/>表示间隙系数,/>表示第i个气泡区域的像素面积,/>表示第j个裂缝区域的像素面积,/>表示密封子区域的像素面积;
所述密封子区域的均匀度系数的生成逻辑如下:
获取密封子区域的像素面积,以及获取密封胶区域的像素面积;
计算密封胶区域的像素面积与密封胶区域的像素面积的面积比值,将所述面积比值作为对应密封子区域的间隙系数。
进一步地,识别出密封胶区域内的Q个气泡区域,包括:
提取预存的模板气泡图像;
设置滑动步长为1的气泡滑动窗口,以滑动窗口方式将模板气泡图像放置于图像形式的密封子区域上进行滑动,并利用余弦相似度算法计算每个气泡滑动窗口与密封子区域的相似度,将每个气泡滑动窗口与密封子区域的相似度作为第一相似度,得到R个第一相似度,R为大于零的整数;
将R个第一相似度分别与预设相似度阈值进行比较,若第一相似度小于预设相似度阈值,则将对应的气泡滑动窗口不作为气泡区域;若第一相似度大于等于预设相似度阈值,则将对应的气泡滑动窗口作为气泡区域,得到Q个气泡区域。
进一步地,识别出密封胶区域内的W个裂缝区域,包括:
提取预存的模板裂缝图像;
设置滑动步长为1的裂缝滑动窗口,以滑动窗口方式将模板裂缝图像放置于图像形式的密封子区域上进行滑动,并利用余弦相似度算法计算每个裂缝滑动窗口与密封子区域的相似度,将每个裂缝滑动窗口与密封子区域的相似度作为第二相似度,得到E个第二相似度,E为大于零的整数;
将E个第二相似度分别与预设相似度阈值进行比较,若第二相似度小于预设相似度阈值,则将对应的裂缝滑动窗口作为裂缝区域;若第二相似度大于等于预设相似度阈值,则将对应的气泡滑动窗口作为气泡区域,得到W个裂缝区域。
进一步地,识别出已密封壳体压铸件的疑似缺陷区域,包括:
将每个密封子区域的间隙系数与预设间隙系数阈值进行比较;
若间隙系数小于预设间隙系数阈值,则不将对应的密封子区域标记为疑似缺陷区域;
若间隙系数大于等于预设间隙系数阈值,则将对应的密封子区域标记为疑似缺陷区域,得到已密封壳体压铸件的N个疑似缺陷区域。
进一步地,识别出已密封壳体压铸件的疑似缺陷区域,还包括:
将每个密封子区域的均匀度系数与预设均匀度系数阈值进行比较;
若均匀度系数小于预设均匀度系数阈值,则不将对应的密封子区域标记为疑似缺陷区域;
若均匀度系数大于等于预设均匀度系数阈值,则将对应的密封子区域标记为疑似缺陷区域,得到已密封壳体压铸件的N个疑似缺陷区域。
进一步地,所述密封质量检测模型的生成逻辑如下:
获取密封质量历史大数据,将密封质量历史大数据划分为密封质量训练集和密封质量测试集;所述密封质量历史大数据中包括多个疑似缺陷区域的密封缺陷系数及其对应的泄漏量;
构建回归网络,将密封质量训练集中的密封缺陷系数作为回归网络的输入数据,将密封质量训练集中的泄漏量作为回归网络的输出数据,对回归网络进行训练,得到初始密封质量检测网络;
利用密封质量测试集对初始密封质量检测网络进行模型验证,输出小于等于预设误差的初始密封质量检测网络作为密封质量检测模型。
进一步地,所述密封质量历史大数据中泄漏量的获取逻辑如下:
在已密封壳体压铸件上的每个疑似缺陷区域处安装气体传感器;
在T时刻,利用预配置的气体瓶,将气体瓶中的气体从已密封壳体压铸件上的零件开口处注入,并T+S时刻关闭气体瓶,T和S为大于零的整数;
记录T到T+S时刻内每个疑似缺陷区域通过气体传感器采集到的气流量;
将每个疑似缺陷区域通过气体传感器采集到的气流量,作为每个疑似缺陷区域的泄漏量。
进一步地,确定已密封壳体压铸件的密封缺陷区域及密封缺陷区域的位置,包括:
步骤a.提取第v个疑似缺陷区域的泄漏量;
步骤b.将第v个疑似缺陷区域的泄漏量与泄漏量阈值进行比较,若第v个疑似缺陷区域的泄漏量小于等于泄漏量阈值,则将第v个疑似缺陷区域作为非密封缺陷区域;若第v个疑似缺陷区域的泄漏量大于泄漏量阈值,则将第v个疑似缺陷区域作为密封缺陷区域;
步骤c.获取密封缺陷区域的序号,根据序号与位置坐标的预设关系,确定密封缺陷区域的位置;
步骤d.重复上述步骤a~c,直至v=N时,结束循环,得到D个密封缺陷区域及密封缺陷区域的位置,D为大于零的整数。
密封胶自动灌注质量实时监测***,包括:
数据获取模块,用于获取已密封壳体压铸件的X射线图像,并提取出X射线图像中的密封区域;
系数确定模块,用于依据已密封壳体压铸件类型对应的预设分割方式对密封区域进行等分划分,以获取M个被序号标注的密封子区域,并获取每个密封子区域的密封缺陷系数,所述密封缺陷系数包括间隙系数和均匀度系数;M为大于零的整数;
信息识别模块,用于根据密封缺陷系数识别出已密封壳体压铸件的疑似缺陷区域,得到N个疑似缺陷区域,N为大于零的整数;
质量检测模块,用于调取预设的密封质量检测模型,并将已密封壳体压铸件上N个疑似缺陷区域的密封缺陷系数依次输入至对应的密封质量检测模型,得到N个疑似缺陷区域的泄漏量;
缺陷确定模块,用于根据N个疑似缺陷区域的泄漏量确定已密封壳体压铸件的密封缺陷区域及密封缺陷区域的位置。
一种电子设备,包括存储器、处理器以及存储在存储器上并在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述密封胶自动灌注质量实时监测方法。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被执行时实现上述任一项所述密封胶自动灌注质量实时监测方法。
相比于现有技术,本发明的有益效果在于:
本申请公开了密封胶自动灌注质量实时监测***及方法,包括:获取已密封壳体压铸件的X射线图像,并提取出X射线图像中的密封区域;依据预设分割方式对密封区域进行等分划分,以获取M个被序号标注的密封子区域,并获取每个密封子区域的密封缺陷系数;根据密封缺陷系数识别出疑似缺陷区域;调取预设的密封质量检测模型,并将已密封壳体压铸件上N个疑似缺陷区域的密封缺陷系数依次输入至对应的密封质量检测模型,得到N个疑似缺陷区域的泄漏量;根据N个疑似缺陷区域的泄漏量确定已密封壳体压铸件的密封缺陷区域及密封缺陷区域的位置;基于上述过程,本发明有利于精准识别压铸件的密封缺陷以及密封缺陷的位置,能够为纠正密封胶灌注过程中出现的问题和缺陷提供重要数据支持,进而有利于确保产品的密封性和质量达到设定标准;此外,较于传统的气密性检测方式,本申请通过图像方式获取密封缺陷系数,并将密封缺陷系数与气密性检测方式的检测结果进行联系,从而有利于摒弃传统耗时较长的气密性检测方法,进而有利于压铸件密封性的检测效率,适用于大批量的压铸件生产检测场景中,且大大提高了自动化和智能化程度。
附图说明
图1为本发明提供的密封胶自动灌注质量实时监测方法的流程图;
图2为本发明提供的密封胶自动灌注质量实时监测***的示意图;
图3为本发明提供的一种电子设备的结构示意图;
图4为本发明提供的一种计算机可读存储介质的结构示意图。
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。
实施例1
请参阅图1所示,本实施例公开提供了密封胶自动灌注质量实时监测方法,所述方法包括:
S101:获取已密封壳体压铸件的X射线图像,并提取出X射线图像中的密封区域;
应当事先了解的是:压铸件的密封过程大致包括以下环节:(1)准备工作:在对压铸件灌胶之前,确保密封区域整洁,零件表面干净,没有灰尘、油脂或其他污染物;(2)选择合适的密封胶:根据应用和零件的要求,选择合适类型的密封胶;(3)涂覆或灌注密封胶:将密封胶通过自动化设备涂覆或灌注到零件的密封接缝或接触表面上;(3)对齐和调整:在涂覆或灌注密封胶后,确保零件正确对齐和调整到位;(4)等待胶水固化:灌胶完成后,等待密封胶充分固化;(5)密封质量控制:进行密封效果的初步检查,确保密封胶已经正确应用,并且没有明显的缺陷或不足;
应当明白的是:上述对齐和调整环节是指将已灌胶的压铸件与另一部分压铸件进行密封接口合并,以形成一个完整的已密封壳体压铸件,如汽车发动机缸体;还应当明白的是,受制于对接组装人员的经验或对接压铸件组装设备的精准度,导致密封后形成的壳体压铸件的密封质量存在差异;
由此可以理解的是:通过上述描述可知,本申请用于压铸件的密封质量控制环节中,正是为验证通过自动灌注方式形成密封压铸件的密封性能,而提出的申请方案,用于识别由于涂覆或灌注环节过程中,因自动化设备出现偏差而造成的密封缺陷,或识别由于对齐和调整环节过程中出现操作偏差而造成的密封缺陷等检测场景,进而保证密封压铸件的密封性能和质量;
需要说明的是:所述X射线图像通过X射线检测装置获取,所述X射线检测装置包括但不限于工业X射线机、X射线透视设备或X射线探伤仪等等;
需要说明的是:所述X射线图像中的密封区域通过图像检测算法提取得到,所述图像检测算法为K-means聚类算法、边缘检测算法、基于像素颜色/强度的检测算法中的具体一种,所述边缘检测算法为Sobel或Canny检测算法中的具体一种;
S102:依据已密封壳体压铸件类型对应的预设分割方式对密封区域进行等分划分,以获取M个被序号标注的密封子区域,并获取每个密封子区域的密封缺陷系数,所述密封缺陷系数包括间隙系数和均匀度系数;M为大于零的整数;
需要说明的是:***数据库预存有若干条壳体压铸件类型与预设分割方式的映射关系,每条映射关系均揭示了一种壳体压铸件类型的密封区域的预设分割方式,即每种壳体压铸件类型均事先关联绑定有一种X射线图像密封区域的预设分割方式;所述壳体压铸件类型,如发动机缸体的壳体压铸件类型、变速器壳体的壳体压铸件类型和发动机缸盖的壳体压铸件类型等;
针对上述内容进行示例性说明就是:假设一种壳体压铸件类型是由两个半封闭的长方体组成,一个长方体的四周边缘处涂覆有密封胶,另一个长方体的四周边缘处未涂覆密封胶,将涂覆有密封胶的长方体与未涂覆有密封胶的长方体的四周边缘处进行对齐契合,则形成一个已密封壳体压铸件;而又假设该类型壳体压铸件的密封区域的边长为40×30,且厚度为5,进一步地,再假设该壳体压铸件类型对应的预设分割方式为10,则通过等分分割,得到14个厚度为5的密封子区域,因而,此时M=14;因此,可以理解的是,不同壳体压铸件类型对应的预设分割方式存在细微差异;然而,每种预设分割方式均通过人为事先设定确定,因而,对其不再做过多介绍;
还需要说明的是:在每种预设分割方式中还均限定了每个密封子区域应属于的序号;因此,在对密封区域进行等分划分过程,还会对每个密封子区域进行序号标注,使每个密封子区域被标注上属于自己的序号标识;
承接上述示例进行继续说明就是:假设一种壳体压铸件类型是由两个半封闭的长方体组成,且该类型壳体压铸件的X射线图像的密封区域被划分成14个密封子区域;第1密封子区域的坐标为(L1,L1)、 第2密封子区域的坐标为(L2,L2)、第3密封子区域的坐标为(L3,L3)、…、第14密封子区域的坐标为(L14,L14);又假设该类型壳体压铸件对应的预设分割方式是限定将(L1,L1)作为序号A1、将(L2,L2)作为序号A2、将(L3,L3)作为序号A3、…、将(L14,L14)作为序号A14;因此,当出现第二个该类型的壳体压铸件时,***会将为(L1,L1)的密封子区域标注为序号A1、将为(L2,L2)的密封子区域标注为序号A2、将为(L3,L3)的密封子区域标注为序号A3、…、将为(L14,L14)的密封子区域标注为序号A14;因此,由上述逻辑描述可知,同一种类型壳体压铸件的预设分割方式相同,且同一种类型壳体压铸件的密封子区域的序号具备唯一性和不变性;
在实施中,所述密封子区域的间隙系数的生成逻辑如下:
分割出密封子区域内的密封胶区域,以及获取密封子区域的像素面积,并识别出密封胶区域内的Q个气泡区域和W个裂缝区域,Q和W为大于零的整数;
需要说明的是:同密封区域的获取逻辑,当将密封区域中密封子区域内的密封胶区域分割时,可采取基于轮廓的分割方法、基于颜色阈值分割的方法、边缘检测算法和分水岭算法等等;
在一个具体实施方式中,识别出密封胶区域内的Q个气泡区域,包括:
提取预存的模板气泡图像;
设置滑动步长为1的气泡滑动窗口,以滑动窗口方式将模板气泡图像放置于图像形式的密封子区域上进行滑动,并利用余弦相似度算法计算每个气泡滑动窗口与密封子区域的相似度,将每个气泡滑动窗口与密封子区域的相似度作为第一相似度,得到R个第一相似度,R为大于零的整数;
将R个第一相似度分别与预设相似度阈值进行比较,若第一相似度小于预设相似度阈值,则将对应的气泡滑动窗口不作为气泡区域;若第一相似度大于等于预设相似度阈值,则将对应的气泡滑动窗口作为气泡区域,得到Q个气泡区域;
在另一个具体实施方式中,识别出密封胶区域内的W个裂缝区域,包括:
提取预存的模板裂缝图像;
设置滑动步长为1的裂缝滑动窗口,以滑动窗口方式将模板裂缝图像放置于图像形式的密封子区域上进行滑动,并利用余弦相似度算法计算每个裂缝滑动窗口与密封子区域的相似度,将每个裂缝滑动窗口与密封子区域的相似度作为第二相似度,得到E个第二相似度,E为大于零的整数;
将E个第二相似度分别与预设相似度阈值进行比较,若第二相似度小于预设相似度阈值,则将对应的裂缝滑动窗口作为裂缝区域;若第二相似度大于等于预设相似度阈值,则将对应的气泡滑动窗口作为气泡区域,得到W个裂缝区域;
应当了解的是:滑动窗口方式是一种常用于目标检测和图像分割的技术;它的基本思想是在图像上定义一个固定大小的窗口,然后通过在图像上滑动窗口,对每个窗口内的内容进行分析或者应用某种算法;
需要说明的是:模板气泡图像和模板裂缝图像均事先预存于***数据库中,模板气泡图像为包含了气泡表征(如气泡轮廓呈现近圆形等)的标准图,模板裂缝图像为包含了裂缝表征特征(如裂缝轮廓呈现细长状态等)的标准图;
获取气泡区域和裂缝区域的像素面积,基于密封子区域、气泡区域和裂缝区域的像素面积计算出密封子区域的间隙系数;其计算公式为:;式中:/>表示间隙系数,/>表示第i个气泡区域的像素面积,/>表示第j个裂缝区域的像素面积,/>表示密封子区域的像素面积;
在实施中,所述密封子区域的均匀度系数的生成逻辑如下:
获取密封子区域的像素面积,以及获取密封胶区域的像素面积;
计算密封胶区域的像素面积与密封胶区域的像素面积的面积比值,将所述面积比值作为对应密封子区域的间隙系数;其计算公式为:;式中:/>表示面积比值,表示密封胶区域的像素面积,/>表示密封子区域的像素面积;
应当明白的是:存在M个密封子区域,而每个密封子区域的间隙系数均通过上述公式计算转化得到;
还应当了解的是:气泡和裂缝是密封区域出现间隙的重要影响因素,而间隙是反映气密性的重要依据,当一个已密封壳体压铸件出现多处间隙,则表明该已密封壳体压铸件的密封质量和性能存在显著问题;
S103:根据密封缺陷系数识别出已密封壳体压铸件的疑似缺陷区域,得到N个疑似缺陷区域,N为大于零的整数;
在一个具体实施方式中,识别出已密封壳体压铸件的疑似缺陷区域,包括:
将每个密封子区域的间隙系数与预设间隙系数阈值进行比较;
若间隙系数小于预设间隙系数阈值,则不将对应的密封子区域标记为疑似缺陷区域;
若间隙系数大于等于预设间隙系数阈值,则将对应的密封子区域标记为疑似缺陷区域,得到已密封壳体压铸件的N个疑似缺陷区域;
在另一个具体实施方式中,识别出已密封壳体压铸件的疑似缺陷区域,还包括:
将每个密封子区域的均匀度系数与预设均匀度系数阈值进行比较;
若均匀度系数小于预设均匀度系数阈值,则不将对应的密封子区域标记为疑似缺陷区域;
若均匀度系数大于等于预设均匀度系数阈值,则将对应的密封子区域标记为疑似缺陷区域,得到已密封壳体压铸件的N个疑似缺陷区域;
S104:调取预设的密封质量检测模型,并将已密封壳体压铸件上N个疑似缺陷区域的密封缺陷系数依次输入至对应的密封质量检测模型,得到N个疑似缺陷区域的泄漏量;
可以理解的是:***数据库中预配置有密封质量检测模型,以用于获取疑似缺陷区域的泄漏量;
具体的,所述密封质量检测模型的生成逻辑如下:
获取密封质量历史大数据,将密封质量历史大数据划分为密封质量训练集和密封质量测试集;所述密封质量历史大数据中包括多个疑似缺陷区域的密封缺陷系数及其对应的泄漏量;
其中,所述密封质量历史大数据中泄漏量的获取逻辑如下:
在已密封壳体压铸件上的每个疑似缺陷区域处安装气体传感器;
在T时刻,利用预配置的气体瓶,将气体瓶中的气体从已密封壳体压铸件上的零件开口处注入,并T+S时刻关闭气体瓶,T和S为大于零的整数;
记录T到T+S时刻内每个疑似缺陷区域通过气体传感器采集到的气流量;
将每个疑似缺陷区域通过气体传感器采集到的气流量,作为每个疑似缺陷区域的泄漏量;
可以理解的是:已密封壳体压铸件为一种中空体,且该中空体上非密封区域存在开口,当将气体从开口处灌入时,若疑似缺陷区域存在密封漏洞,则气体并将通过疑似缺陷区域处流出,而被气体传感器采集到;
构建回归网络,将密封质量训练集中的密封缺陷系数作为回归网络的输入数据,将密封质量训练集中的泄漏量作为回归网络的输出数据,对回归网络进行训练,得到初始密封质量检测网络;
利用密封质量测试集对初始密封质量检测网络进行模型验证,输出小于等于预设误差的初始密封质量检测网络作为密封质量检测模型;
需要说明的是:所述回归网络具体为多项式回归、决策树回归、随机森林回归、支持向量机回归或神经网络回归等算法中的一种;
S105:根据N个疑似缺陷区域的泄漏量确定已密封壳体压铸件的密封缺陷区域及密封缺陷区域的位置;
在实施中,确定已密封壳体压铸件的密封缺陷区域及密封缺陷区域的位置,包括:
步骤a.提取第v个疑似缺陷区域的泄漏量;
步骤b.将第v个疑似缺陷区域的泄漏量与泄漏量阈值进行比较,若第v个疑似缺陷区域的泄漏量小于等于泄漏量阈值,则将第v个疑似缺陷区域作为非密封缺陷区域;若第v个疑似缺陷区域的泄漏量大于泄漏量阈值,则将第v个疑似缺陷区域作为密封缺陷区域;
步骤c.获取密封缺陷区域的序号,根据序号与位置坐标的预设关系,确定密封缺陷区域的位置;
步骤d.重复上述步骤a~c,直至v=N时,结束循环,得到D个密封缺陷区域及密封缺陷区域的位置,D为大于零的整数;
应当明白的是:通过获悉已密封壳体压铸件上D个密封缺陷区域及密封缺陷区域的位置,则有利于进行针对性的密封补救措施,进而有利于确保密封壳体压铸件的密封性和质量达到设定标准;而相较于传统的气密性检测方式,本申请通过图像方式获取密封缺陷系数,并将密封缺陷系数与气密性检测方式的检测结果进行联系,从而有利于摒弃传统耗时较长的气密性检测方法,进而有利于压铸件密封性的检测效率,适用于大批量的压铸件生产检测场景中。
实施例2
请参阅图2所示,参照上述实施例1,基于同一发明构思,本实施例公开提供了密封胶自动灌注质量实时监测***,本实施例未详细叙述部分参见上述实施例1的描述内容,所述***包括:
数据获取模块210,用于获取已密封壳体压铸件的X射线图像,并提取出X射线图像中的密封区域;
系数确定模块220,用于依据已密封壳体压铸件类型对应的预设分割方式对密封区域进行等分划分,以获取M个被序号标注的密封子区域,并获取每个密封子区域的密封缺陷系数,所述密封缺陷系数包括间隙系数和均匀度系数;M为大于零的整数;
信息识别模块230,用于根据密封缺陷系数识别出已密封壳体压铸件的疑似缺陷区域,得到N个疑似缺陷区域,N为大于零的整数;
质量检测模块240,用于调取预设的密封质量检测模型,并将已密封壳体压铸件上N个疑似缺陷区域的密封缺陷系数依次输入至对应的密封质量检测模型,得到N个疑似缺陷区域的泄漏量;
缺陷确定模块250,用于根据N个疑似缺陷区域的泄漏量确定已密封壳体压铸件的密封缺陷区域及密封缺陷区域的位置。
实施例3
请参阅图3所示,本实施例公开提供了一种电子设备,包括存储器、处理器以及存储在存储器上并在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述各方法所提供的任一项所述密封胶自动灌注质量实时监测方法。
由于本实施例所介绍的电子设备为实施本申请实施例中密封胶自动灌注质量实时监测方法所采用的电子设备,故而基于本申请实施例中所介绍的密封胶自动灌注质量实时监测方法,本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式,所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中密封胶自动灌注质量实时监测方法所采用的电子设备,都属于本申请所欲保护的范围。
实施例4
请参阅图4所示,本实施例公开提供了一种计算机可读存储介质,包括存储器、处理器以及存储在存储器上并在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述各方法所提供的任一项所述密封胶自动灌注质量实时监测方法。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数、权重以及阈值选取由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可意识到,结合本发明中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.密封胶自动灌注质量实时监测方法,其特征在于,所述方法包括:
S101:获取已密封壳体压铸件的X射线图像,并提取出X射线图像中的密封区域;
S102:依据已密封壳体压铸件类型对应的预设分割方式对密封区域进行等分划分,以获取M个被序号标注的密封子区域,并获取每个密封子区域的密封缺陷系数,所述密封缺陷系数包括间隙系数和均匀度系数;M为大于零的整数;
S103:根据密封缺陷系数识别出已密封壳体压铸件的疑似缺陷区域,得到N个疑似缺陷区域,N为大于零的整数;
S104:调取预设的密封质量检测模型,并将已密封壳体压铸件上N个疑似缺陷区域的密封缺陷系数依次输入至对应的密封质量检测模型,得到N个疑似缺陷区域的泄漏量;
S105:根据N个疑似缺陷区域的泄漏量确定已密封壳体压铸件的密封缺陷区域及密封缺陷区域的位置;
所述密封子区域的间隙系数的生成逻辑如下:
分割出密封子区域内的密封胶区域,以及获取密封子区域的像素面积,并识别出密封胶区域内的Q个气泡区域和W个裂缝区域,Q和W为大于零的整数;
获取气泡区域和裂缝区域的像素面积,基于密封子区域、气泡区域和裂缝区域的像素面积计算出密封子区域的间隙系数;其计算公式为:;式中:/>表示间隙系数,/>表示第i个气泡区域的像素面积,/>表示第j个裂缝区域的像素面积,/>表示密封子区域的像素面积;
所述密封子区域的均匀度系数的生成逻辑如下:
获取密封子区域的像素面积,以及获取密封胶区域的像素面积;
计算密封胶区域的像素面积与密封胶区域的像素面积的面积比值,将所述面积比值作为对应密封子区域的间隙系数。
2.根据权利要求1所述的密封胶自动灌注质量实时监测方法,其特征在于,识别出密封胶区域内的Q个气泡区域,包括:
提取预存的模板气泡图像;
设置滑动步长为1的气泡滑动窗口,以滑动窗口方式将模板气泡图像放置于图像形式的密封子区域上进行滑动,并利用余弦相似度算法计算每个气泡滑动窗口与密封子区域的相似度,将每个气泡滑动窗口与密封子区域的相似度作为第一相似度,得到R个第一相似度,R为大于零的整数;
将R个第一相似度分别与预设相似度阈值进行比较,若第一相似度小于预设相似度阈值,则将对应的气泡滑动窗口不作为气泡区域;若第一相似度大于等于预设相似度阈值,则将对应的气泡滑动窗口作为气泡区域,得到Q个气泡区域。
3.根据权利要求2所述的密封胶自动灌注质量实时监测方法,其特征在于,识别出密封胶区域内的W个裂缝区域,包括:
提取预存的模板裂缝图像;
设置滑动步长为1的裂缝滑动窗口,以滑动窗口方式将模板裂缝图像放置于图像形式的密封子区域上进行滑动,并利用余弦相似度算法计算每个裂缝滑动窗口与密封子区域的相似度,将每个裂缝滑动窗口与密封子区域的相似度作为第二相似度,得到E个第二相似度,E为大于零的整数;
将E个第二相似度分别与预设相似度阈值进行比较,若第二相似度小于预设相似度阈值,则将对应的裂缝滑动窗口作为裂缝区域;若第二相似度大于等于预设相似度阈值,则将对应的气泡滑动窗口作为气泡区域,得到W个裂缝区域。
4.根据权利要求3所述的密封胶自动灌注质量实时监测方法,其特征在于,识别出已密封壳体压铸件的疑似缺陷区域,包括:
将每个密封子区域的间隙系数与预设间隙系数阈值进行比较;
若间隙系数小于预设间隙系数阈值,则不将对应的密封子区域标记为疑似缺陷区域;
若间隙系数大于等于预设间隙系数阈值,则将对应的密封子区域标记为疑似缺陷区域,得到已密封壳体压铸件的N个疑似缺陷区域。
5.根据权利要求4所述的密封胶自动灌注质量实时监测方法,其特征在于,识别出已密封壳体压铸件的疑似缺陷区域,还包括:
将每个密封子区域的均匀度系数与预设均匀度系数阈值进行比较;
若均匀度系数小于预设均匀度系数阈值,则不将对应的密封子区域标记为疑似缺陷区域;
若均匀度系数大于等于预设均匀度系数阈值,则将对应的密封子区域标记为疑似缺陷区域,得到已密封壳体压铸件的N个疑似缺陷区域。
6.根据权利要求5所述的密封胶自动灌注质量实时监测方法,其特征在于,所述密封质量检测模型的生成逻辑如下:
获取密封质量历史大数据,将密封质量历史大数据划分为密封质量训练集和密封质量测试集;所述密封质量历史大数据中包括多个疑似缺陷区域的密封缺陷系数及其对应的泄漏量;
构建回归网络,将密封质量训练集中的密封缺陷系数作为回归网络的输入数据,将密封质量训练集中的泄漏量作为回归网络的输出数据,对回归网络进行训练,得到初始密封质量检测网络;
利用密封质量测试集对初始密封质量检测网络进行模型验证,输出小于等于预设误差的初始密封质量检测网络作为密封质量检测模型。
7.根据权利要求6所述的密封胶自动灌注质量实时监测方法,其特征在于,所述密封质量历史大数据中泄漏量的获取逻辑如下:
在已密封壳体压铸件上的每个疑似缺陷区域处安装气体传感器;
在T时刻,利用预配置的气体瓶,将气体瓶中的气体从已密封壳体压铸件上的零件开口处注入,并T+S时刻关闭气体瓶,T和S为大于零的整数;
记录T到T+S时刻内每个疑似缺陷区域通过气体传感器采集到的气流量;
将每个疑似缺陷区域通过气体传感器采集到的气流量,作为每个疑似缺陷区域的泄漏量。
8.根据权利要求7所述的密封胶自动灌注质量实时监测方法,其特征在于,确定已密封壳体压铸件的密封缺陷区域及密封缺陷区域的位置,包括:
步骤a.提取第v个疑似缺陷区域的泄漏量;
步骤b.将第v个疑似缺陷区域的泄漏量与泄漏量阈值进行比较,若第v个疑似缺陷区域的泄漏量小于等于泄漏量阈值,则将第v个疑似缺陷区域作为非密封缺陷区域;若第v个疑似缺陷区域的泄漏量大于泄漏量阈值,则将第v个疑似缺陷区域作为密封缺陷区域;
步骤c.获取密封缺陷区域的序号,根据序号与位置坐标的预设关系,确定密封缺陷区域的位置;
步骤d.重复上述步骤a~c,直至v=N时,结束循环,得到D个密封缺陷区域及密封缺陷区域的位置,D为大于零的整数。
9.密封胶自动灌注质量实时监测***,实施权利要求1-8任一项所述密封胶自动灌注质量实时监测方法,其特征在于,包括:
数据获取模块,用于获取已密封壳体压铸件的X射线图像,并提取出X射线图像中的密封区域;
系数确定模块,用于依据已密封壳体压铸件类型对应的预设分割方式对密封区域进行等分划分,以获取M个被序号标注的密封子区域,并获取每个密封子区域的密封缺陷系数,所述密封缺陷系数包括间隙系数和均匀度系数;M为大于零的整数;
信息识别模块,用于根据密封缺陷系数识别出已密封壳体压铸件的疑似缺陷区域,得到N个疑似缺陷区域,N为大于零的整数;
质量检测模块,用于调取预设的密封质量检测模型,并将已密封壳体压铸件上N个疑似缺陷区域的密封缺陷系数依次输入至对应的密封质量检测模型,得到N个疑似缺陷区域的泄漏量;
缺陷确定模块,用于根据N个疑似缺陷区域的泄漏量确定已密封壳体压铸件的密封缺陷区域及密封缺陷区域的位置。
10.一种电子设备,包括存储器、处理器以及存储在存储器上并在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8任一项所述密封胶自动灌注质量实时监测方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被执行时实现权利要求1至8任一项所述密封胶自动灌注质量实时监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410363870.9A CN117974642B (zh) | 2024-03-28 | 2024-03-28 | 密封胶自动灌注质量实时监测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410363870.9A CN117974642B (zh) | 2024-03-28 | 2024-03-28 | 密封胶自动灌注质量实时监测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117974642A CN117974642A (zh) | 2024-05-03 |
CN117974642B true CN117974642B (zh) | 2024-06-11 |
Family
ID=90846242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410363870.9A Active CN117974642B (zh) | 2024-03-28 | 2024-03-28 | 密封胶自动灌注质量实时监测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117974642B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109709115A (zh) * | 2018-12-26 | 2019-05-03 | 江苏方建质量鉴定检测有限公司 | 连接件灌浆质量的检测方法、装置、设备和存储介质 |
CN113393460A (zh) * | 2021-08-16 | 2021-09-14 | 湖南磐钴传动科技有限公司 | 基于图像处理的烟丝质量参数检测方法及*** |
CN116580026A (zh) * | 2023-07-12 | 2023-08-11 | 深圳市致尚科技股份有限公司 | 精密零部件外观缺陷自动光学检测方法、设备及存储介质 |
CN117392042A (zh) * | 2022-06-30 | 2024-01-12 | 中兴通讯股份有限公司 | 缺陷检测方法、缺陷检测设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114078109A (zh) * | 2020-08-13 | 2022-02-22 | 鸿富锦精密电子(天津)有限公司 | 图像处理方法、电子装置和存储介质 |
-
2024
- 2024-03-28 CN CN202410363870.9A patent/CN117974642B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109709115A (zh) * | 2018-12-26 | 2019-05-03 | 江苏方建质量鉴定检测有限公司 | 连接件灌浆质量的检测方法、装置、设备和存储介质 |
CN113393460A (zh) * | 2021-08-16 | 2021-09-14 | 湖南磐钴传动科技有限公司 | 基于图像处理的烟丝质量参数检测方法及*** |
CN117392042A (zh) * | 2022-06-30 | 2024-01-12 | 中兴通讯股份有限公司 | 缺陷检测方法、缺陷检测设备及存储介质 |
CN116580026A (zh) * | 2023-07-12 | 2023-08-11 | 深圳市致尚科技股份有限公司 | 精密零部件外观缺陷自动光学检测方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117974642A (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107239742A (zh) | 一种仪表指针刻度值计算方法 | |
CN112102281B (zh) | 基于改进Faster Rcnn的货车制动缸故障检测方法 | |
JP7053366B2 (ja) | 検査装置及び検査方法 | |
US20220327684A1 (en) | Method and device for detecting mechanical equipment parts | |
CN110706293A (zh) | 基于surf特征匹配的电子元器件定位和检测方法 | |
CN112036409A (zh) | 一种液位计的读数识别方法及装置 | |
CN117115169A (zh) | 一种汽车配件压铸模具表面形变异常智能识别方法 | |
CN115953383A (zh) | 一种绝缘子异常检测方法 | |
CN113240623A (zh) | 一种路面病害检测方法及装置 | |
CN117974642B (zh) | 密封胶自动灌注质量实时监测***及方法 | |
CN113658345A (zh) | 一种样本标注方法及装置 | |
CN116740062B (zh) | 基于不规则胶圈的缺陷检测方法及*** | |
CN115880305B (zh) | 轴类零件表面缺陷视觉检测方法及装置 | |
CN116879708A (zh) | 一种利用红外云图识别技术印刷电路板故障的检测方法 | |
CN114529543B (zh) | 一种航空发动机外周螺钉垫片的安装检测方法及装置 | |
CN113191022B (zh) | 原油在河流表面漂移规律的识别方法、装置及*** | |
CN115619796A (zh) | 获取光伏组件模板的方法及装置、非易失性存储介质 | |
CN115523861A (zh) | 阻尼器检测方法、装置及设备 | |
CN113252697A (zh) | 一种物料质量检测方法、设备及计算机可读存储介质 | |
CN114092382A (zh) | 产品瑕疵标记装置和方法 | |
CN114841980A (zh) | 基于巡线航拍图像的绝缘子缺陷检测方法及*** | |
CN114494122A (zh) | 目标对象的检测方法、装置、存储介质及电子设备 | |
CN113723486A (zh) | 一种离心泵多模态监测数据清洗及建模方法 | |
CN117274267B (zh) | 掩膜版图的自动检测方法、装置、处理器以及电子设备 | |
CN106326824A (zh) | 一种自动筛选图片的方法及装置 |
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 |