CN102980892A - 钢管在线检测系统及方法 - Google Patents
钢管在线检测系统及方法 Download PDFInfo
- Publication number
- CN102980892A CN102980892A CN201210454875XA CN201210454875A CN102980892A CN 102980892 A CN102980892 A CN 102980892A CN 201210454875X A CN201210454875X A CN 201210454875XA CN 201210454875 A CN201210454875 A CN 201210454875A CN 102980892 A CN102980892 A CN 102980892A
- Authority
- CN
- China
- Prior art keywords
- pipe
- mouth
- tube wall
- collecting device
- image
- 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
Landscapes
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种钢管在线检测系统及方法，该系统包括：管口图像采集装置、管壁图像采集装置、上位机模块和电源，管口图像采集装置和管壁图像采集装置均与上位机模块连接，用以实时采集钢管管口图像及管壁图像并发送至上位机模块；上位机模块用以对采集到的图像进行分析，剔除不合格钢管，统计钢管管口及管壁参数合格率；电源分别与管口图像采集装置、管壁图像采集装置和上位机模块连接，用以为管口图像采集装置、管壁图像采集装置和上位机模块提供电力。本发明具有无需人工干扰、准确性高，精度高、生产效率高，降低劳动强度、实时性高、实用性强且成本低廉的优点。
Description
技术领域
本发明涉及钢管检测领域，具体涉及一种钢管在线检测系统及方法。
背景技术
钢管是钢铁企业轧钢厂生产的一类主要产品，广泛用作建筑钢筋、机械制造、金属原材料等。在钢管的生产过程中，钢管质量检测是最重要的一个环节。有效的钢锭的质量检测能保证其生产效率和产品质量，同时也是企业获得经济效益的有力保障。
传统的钢管检测方法采用人工检测，通过工人在流水线上观察，剔除有缺陷的不合格钢管。然而，这种检测方法完全依靠工人的经验判断钢管缺陷程度，判定钢管是否达到合格品标准，存在准确性低、劳动强度大、检测效率低的缺点。
发明内容
本发明的目的在于提供一种钢管在线检测系统，以解决现有人工检测钢管缺陷方法存在生产效率低，劳动强度大，准确性低的技术问题。
本发明的另一目的在于提供一种钢管在线检测方法，以解决现有人工检测钢管缺陷方法存在生产效率低，劳动强度大，准确性低的技术问题。
为达到上述目的，本发明提供一种钢管在线检测系统，包括：管口图像采集装置、管壁图像采集装置、上位机模块和电源，管口图像采集装置和管壁图像采集装置均与上位机模块连接，用以实时采集钢管管口图像及管壁图像并发送至上位机模块；上位机模块用以对采集到的图像进行分析，剔除不合格钢管，统计钢管管口及管壁参数合格率；电源分别与管口图像采集装置、管壁图像采集装置和上位机模块连接，用以为管口图像采集装置、管壁图像采集装置和上位机模块提供电力；其中，上位机模块进一步包括：
人机交互处理单元：用以接受用户的操作，实现初始化工作及参数设置，并实时显示检测信息及检测结果。
开关单元：分别与人机交互处理单元和管口图像采集装置以及管壁图像采集装置连接，用以根据接受到的用户操作控制管口图像采集装置或管壁图像采集装置运行。
管口图像处理单元：与管口图像采集装置连接，用以对采集到的图像进行分析处理，判断管口图像的分割以及连通区域，获取管口的区域位置，对该连通区域进行椭圆拟合，并与预先存储的标准管口椭圆模板比对，得到管口的尺寸以及缺陷。
管壁图像处理单元：与管壁图像采集装置连接，用以对采集到的图像进行分析处理，判断管壁图像的分割以及连通区域，获取管壁的区域位置，对该连通区域进行区域连接和拟合，得到管壁的整个连通区域，通过这个连通区域拟合成管壁的圆柱形区域，通过这个拟合的圆柱形区域与预先存储的标准管壁的圆柱形模板进行比对，获取管壁缺陷值；
剔除控制单元：分别与管口图像处理单元和管壁图像处理单元连接，根据管口图像处理单元和管壁图像处理单元得到的管口和管壁缺陷的检测结果，剔除存在缺陷的不合格钢管。
统计处理单元：与剔除控制单元连接，用以根据管口图像处理单元和管壁图像处理单元的比较结果，统计一个批次的钢管合格率并将统计结果发送至数据库和人机交互处理单元。
数据库：用以存储标准管口椭圆模板和标准管壁的圆柱形模板，以及，存储统计处理单元得到的一个批次的钢管合格率。
依照本发明较佳实施例所述的钢管在线检测系统，该管口图像采集装置和管壁图像采集装置采用CCD彩色相机或CMOS彩色相机。
依照本发明较佳实施例所述的钢管在线检测系统，该统计处理单元以excel图表的形式将统计的一个批次的钢管合格生成报表发送至数据库和人机交互处理单元。
为达到上述目的，本发明还提供一种钢管在线检测方法，包括以下步骤：
（1）接受用户的操作，实现初始化工作及参数设置；
（2）根据用户的操作，驱动管口图像采集装置或管壁图像采集装置实时采集钢管管口图像或管壁图像；
（3）对采集到的管口图像进行分析处理，判断管口图像的分割以及连通区域，获取管口的区域位置，对该连通区域进行椭圆拟合，并与预先存储的标准管口椭圆模板比对，得到管口的尺寸以及缺陷；
（4）对采集到的管壁图像进行分析处理，判断管壁图像的分割以及连通区域，获取管壁的区域位置，对该连通区域进行区域连接和拟合，得到管壁的整个连通区域，通过图像的边缘阶跃值获取管壁缺陷值；
（5）根据步骤（3）与步骤（4）得到的管口和管壁缺陷的检测结果，剔除存在缺陷的不合格钢管；
（6）根据剔除处理单元的比较结果，统计一个批次的钢管合格率并将统计结果发送至数据库和人机交互处理单元。
依照本发明较佳实施例所述的钢管在线检测方法，步骤（1）中的参数设置包括：管口半径、管壁系数、HSV阈值、分割阈值、边界算子、增强算子和拟合系数。
本发明的钢管在线检测系统及方法采用图像方法对钢管进行检测，运行速度快、计数准确，实现了智能判别钢管缺陷并统计合格率情况。本发明通过图像采集及分析获取钢管的缺陷情况，实时显示检测信息及检测结果并将统计结果存储于数据库中。本发明将采用图像方法实现钢管的在线实时检测，并生成报表输入到数据库中存储，系统操作方便，且大大提高了测量的准确度及测量效率，降低了劳动强度。并且，本发明还通过数据库的交互处理提供方便的查询处理，方便后续查询，进一步提高了准确性。另外，本发明只需要两台CMOS相机或CCD相机采集图像，装置的造价低廉，并节省了大量的人力物力成本，有效降低了生产成本。因此，与现有技术相比，本发明极大地提高了检测的速度和准确率，降低了劳动强度，减少了检测的成本。具有无需人工干扰、准确性高，精度高、生产效率高，降低劳动强度、实时性高、实用性强且成本低廉的优点。
附图说明
图1为本发明钢管在线检测系统的结构示意图；
图2为本发明实施例统计得到的钢管检测各批次合格率列表示意图。
具体实施方式
以下结合附图，具体说明本发明。
一种钢管在线检测系统，包括：管口图像采集装置1、管壁图像采集装置2、上位机模块3和电源4，管口图像采集装置1和管壁图像采集装置2采用CCD彩色相机或CMOS彩色相机，两者均与上位机模块3连接，用以实时采集钢管管口图像及管壁图像并发送至上位机模块3；上位机模块3用以对采集到的图像进行分析，剔除不合格钢管，统计钢管管口及管壁参数合格率；电源4分别与管口图像采集装置1、管壁图像采集装置2和上位机模块3连接，用以为管口图像采集装置1、管壁图像采集装置2和上位机模块3提供电力。其中，上位机模块3进一步包括：
人机交互处理单元31：用以接受用户的操作，实现初始化工作及参数设置，并实时显示检测信息及检测结果。
参数设置包括：管口半径、管壁系数、HSV阈值、分割阈值、边界算子、增强算子和拟合系数。管口半径值给出的是所测管口尺寸与标准尺寸的比例系数，用以实现从标准尺寸转换为所测尺寸，该值取值范围为0.2~1，为1时表示和标准尺寸相同，用于管口缺陷检测。管壁系数给出的是所测管壁尺寸与标准尺寸的比例系数，用以实现从标准尺寸转换为所测尺寸，该值取值范围为0.2~1，为1时表示和标准尺寸相同，用于管壁缺陷检测。HSV阈值是色彩空间的分割阈值，表示从RGB图像转换为HSV色彩空间图像，通过设置HSV阈值来实现所需要的连通区域的分割。取值为0~1，在管口和管壁的图像色彩分割中都有使用。分割强度阈值，阈值设置的越大则越小的区域被分割到连通区域中。取值为0~1，在管口和管壁的连通区域分割中都有使用。边界算子为边界拟合算子，是拟合区域边界时使用的，边界算子值越大则拟合的边界越光滑。取值为2~8，主要是用于管口的边界拟合。增强算子为图像增强操作的算子，当图像的整体色彩失衡以及各区域的对比度差异较大时，该参数需要设置较大。取值为0~1，主要用于调整采集图像的显示效果。拟合系数为最终拟合为椭圆的相关系数，该值越大拟合出来的边界越光滑。取值为0~1，主要是用于管口的椭圆口径拟合。
开关单元32：至少包括两个光电开关，分别与人机交互处理单元31和管口图像采集装置1以及管壁图像采集装置2连接，用以根据接受到的用户操作控制管口图像采集装置1或管壁图像采集装置2运行。
管口图像处理单元33：与管口图像采集装置1连接，用以对采集到的图像进行分析处理，判断管口图像的分割以及连通区域，获取管口的区域位置，对该连通区域进行椭圆拟合，并与预先存储的标准管口椭圆模板比对，得到管口的尺寸以及缺陷。
管壁图像处理单元34：与管壁图像采集装置2连接，用以对采集到的图像进行分析处理，判断管壁图像的分割以及连通区域，获取管壁的区域位置，对该连通区域进行区域连接和拟合，得到管壁的整个连通区域，通过这个连通区域拟合成管壁的圆柱形区域，通过这个拟合的圆柱形区域与预先存储的标准管壁的圆柱形模板进行比对，获取管壁缺陷值。
剔除控制单元35：分别与管口图像处理单元33和管壁图像处理单元34连接，根据管口图像处理单元33和管壁图像处理单元34得到的管口和管壁缺陷的检测结果，剔除存在缺陷的不合格钢管。
统计处理单元36：与剔除控制单元35连接，用以根据管口图像处理单元33和管壁图像处理单元34的比较结果，统计一个批次的钢管合格率并将统计结果发送至数据库和人机交互处理单元。
统计处理单元36以excel图表的形式将统计的一个批次的钢管合格生成报表发送至数据库和人机交互处理单元。
数据库37：用以存储标准管口椭圆模板和标准管壁的圆柱形模板，以及，存储统计处理单元36得到的一个批次的钢管合格率。
基于上述的系统，本发明还提供一种钢管在线检测方法，包括以下步骤：
（1）接受用户的操作，实现初始化工作及参数设置。
参数设置包括：管口半径、管壁系数、HSV阈值、分割阈值、边界算子、增强算子和拟合系数。
（2）根据用户的操作，驱动管口图像采集装置或管壁图像采集装置实时采集钢管管口图像或管壁图像。
开关单元32接受用户的操作，触发相关光电开关，驱动管口图像采集装置1或管壁图像采集装置2实时采集钢管管口图像或管壁图像。
（3）对采集到的管口图像进行分析处理，判断管口图像的分割以及连通区域，获取管口的区域位置，对该连通区域进行椭圆拟合，并与预先存储的标准管口椭圆模板比对，得到管口的尺寸以及缺陷。
管口图像处理单元33对采集到的图像进行分析处理，判断管口图像的分割以及连通区域，获取管口的区域位置，对该连通区域进行椭圆拟合，并与预先存储的标准管口椭圆模板比对，得到管口的尺寸以及缺陷。
（4）对采集到的管壁图像进行分析处理，判断管壁图像的分割以及连通区域，获取管壁的区域位置，对该连通区域进行区域连接和拟合，得到管壁的整个连通区域，通过图像的边缘阶跃值获取管壁缺陷值。
管壁图像处理单元34对采集到的图像进行分析处理，判断管壁图像的分割以及连通区域，获取管壁的区域位置，对该连通区域进行区域连接和拟合，得到管壁的整个连通区域，通过这个连通区域拟合成管壁的圆柱形区域，通过这个拟合的圆柱形区域与预先存储的标准管壁的圆柱形模板进行比对，获取管壁缺陷值。
（5）根据步骤（3）与步骤（4）得到的管口和管壁缺陷的检测结果，剔除存在缺陷的不合格钢管。
（6）根据剔除处理单元的比较结果，统计一个批次的钢管合格率并将统计结果发送至数据库和人机交互处理单元。
统计处理单元36以excel图表的形式将统计的一个批次的钢管合格生成报表发送至数据库37和人机交互处理单元32进行存储和显示。如图2所示，其为本发明实施例统计得到的钢管检测各批次合格率列表示意图，该表给出了各批次钢管检测合格率统计。
本发明将采用图像方法实现钢管的在线实时检测，并生成报表输入到数据库中存储，系统操作方便，且大大提高了测量的准确度及测量效率，降低了劳动强度。并且，本发明还通过数据库的交互处理提供方便的查询处理，方便后续查询，进一步提高了准确性。另外，本发明只需要两台CMOS相机或CCD相机采集图像，装置的造价低廉，并节省了大量的人力物力成本，有效降低了生产成本。因此，与现有技术相比，本发明极大地提高了检测的速度和准确率，降低了劳动强度，减少了检测的成本。具有无需人工干扰、准确性高，精度高、生产效率高，降低劳动强度、实时性高、实用性强且成本低廉的优点。
以上所述，仅是本发明的较佳实施实例而已，并非对本发明做任何形式上的限制，任何未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施实例所作的任何简单修改、等同变化与修饰，均属于本发明技术方案的范围。
Claims (5)
1.一种钢管在线检测系统，其特征在于，包括：管口图像采集装置、管壁图像采集装置、上位机模块和电源，所述管口图像采集装置和管壁图像采集装置均与所述上位机模块连接，用以实时采集钢管管口图像及管壁图像并发送至所述上位机模块；所述上位机模块用以对采集到的图像进行分析，剔除不合格钢管，统计钢管管口及管壁参数合格率；所述电源分别与所述管口图像采集装置、管壁图像采集装置和上位机模块连接，用以为所述管口图像采集装置、管壁图像采集装置和上位机模块提供电力；其中，所述上位机模块进一步包括：
人机交互处理单元：用以接受用户的操作，实现初始化工作及参数设置，并实时显示检测信息及检测结果；
开关单元：分别与所述人机交互处理单元和管口图像采集装置以及管壁图像采集装置连接，用以根据接受到的用户操作控制所述管口图像采集装置或管壁图像采集装置运行；
管口图像处理单元：与所述管口图像采集装置连接，用以对采集到的图像进行分析处理，判断管口图像的分割以及连通区域，获取管口的区域位置，对该连通区域进行椭圆拟合，并与预先存储的标准管口椭圆模板比对，得到管口的尺寸以及缺陷；
管壁图像处理单元：与所述管壁图像采集装置连接，用以对采集到的图像进行分析处理，判断管壁图像的分割以及连通区域，获取管壁的区域位置，对该连通区域进行区域连接和拟合，得到管壁的整个连通区域，通过这个连通区域拟合成管壁的圆柱形区域，再通过这个拟合的圆柱形区域与预先存储的标准管壁的圆柱形模板进行比对，获取管壁缺陷值；
剔除控制单元：分别与所述管口图像处理单元和管壁图像处理单元连接，根据所述管口图像处理单元和管壁图像处理单元得到的管口和管壁缺陷的检测结果，剔除存在缺陷的不合格钢管；
统计处理单元：与所述剔除控制单元连接，用以根据管口图像处理单元和管壁图像处理单元的比较结果，统计一个批次的钢管合格率并将统计结果发送至数据库和人机交互处理单元；
数据库：用以存储标准管口椭圆模板和标准管壁的圆柱形模板，以及，存储所述统计处理单元得到的一个批次的钢管合格率。
2.如权利要求1所述的钢管在线检测系统，其特征在于，所述管口图像采集装置和管壁图像采集装置采用CCD彩色相机或CMOS彩色相机。
3.如权利要求1所述的钢管在线检测系统，其特征在于，所述统计处理单元以excel图表的形式将统计的一个批次的钢管合格生成报表发送至所述数据库和人机交互处理单元。
4.一种钢管在线检测方法，其特征在于，包括以下步骤：
（1）接受用户的操作，实现初始化工作及参数设置；
（2）根据用户的操作，驱动管口图像采集装置或管壁图像采集装置实时采集钢管管口图像或管壁图像；
（3）对采集到的管口图像进行分析处理，判断管口图像的分割以及连通区域，获取管口的区域位置，对该连通区域进行椭圆拟合，并与预先存储的标准管口椭圆模板比对，得到管口的尺寸以及缺陷；
（4）对采集到的管壁图像进行分析处理，判断管壁图像的分割以及连通区域，获取管壁的区域位置，对该连通区域进行区域连接和拟合，得到管壁的整个连通区域，通过图像的边缘阶跃值获取管壁缺陷值；
（5）根据步骤（3）与步骤（4）得到的管口和管壁缺陷的检测结果，剔除存在缺陷的不合格钢管；
（6）根据剔除处理单元的比较结果，统计一个批次的钢管合格率并将统计结果发送至数据库和人机交互处理单元。
5.如权利要求4所述的钢管在线检测方法，其特征在于，步骤（1）中的参数设置包括：管口半径、管壁系数、HSV阈值、分割阈值、边界算子、增强算子和拟合系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210454875.XA CN102980892B (zh) | 2012-11-13 | 2012-11-13 | 钢管在线检测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210454875.XA CN102980892B (zh) | 2012-11-13 | 2012-11-13 | 钢管在线检测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102980892A true CN102980892A (zh) | 2013-03-20 |
| CN102980892B CN102980892B (zh) | 2014-12-24 |
Family
ID=47855112
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210454875.XA Active CN102980892B (zh) | 2012-11-13 | 2012-11-13 | 钢管在线检测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102980892B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103398821A (zh) * | 2013-07-31 | 2013-11-20 | 国家电网公司 | 一种电站锅炉爆管泄漏诊断方法 |
| CN103954628A (zh) * | 2014-04-28 | 2014-07-30 | 重庆大学 | 联合eemd和近似熵的钢管损伤监控方法 |
| CN106104262A (zh) * | 2014-03-12 | 2016-11-09 | 杰富意钢铁株式会社 | 钢管的表面检查方法、表面检查装置、制造系统、缺陷产生部位确定方法及制造方法 |
| CN109870193A (zh) * | 2018-12-19 | 2019-06-11 | 华中科技大学 | 一种用于空调冷凝管管口故障识别的视觉检测系统及方法 |
| CN110307801A (zh) * | 2019-06-10 | 2019-10-08 | 洛阳理工学院 | 一种大口径弯管管口的不圆度检测方法 |
| CN111141225A (zh) * | 2019-12-20 | 2020-05-12 | 山东大学 | 一种基于激光阵列的钢筋尺寸测量方法及系统 |
| CN113378478A (zh) * | 2021-06-30 | 2021-09-10 | 安庆机床有限公司 | 一种制球机自动控制系统 |
| CN115351559A (zh) * | 2022-10-24 | 2022-11-18 | 潍坊潍尔达石油机械有限公司 | 基于圆形钢管加工的智能系统 |
| CN115638742A (zh) * | 2022-10-12 | 2023-01-24 | 北京迈思发展科技有限责任公司 | 一种基于影像识别的钢筋形状质检系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08285780A (ja) * | 1995-04-19 | 1996-11-01 | Nkk Corp | 鋼管の外面疵検査方法 |
| CN202256177U (zh) * | 2011-09-09 | 2012-05-30 | 杭州品目科技有限公司 | 基于机器视觉的管材表面缺陷检测设备 |
-
2012
- 2012-11-13 CN CN201210454875.XA patent/CN102980892B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08285780A (ja) * | 1995-04-19 | 1996-11-01 | Nkk Corp | 鋼管の外面疵検査方法 |
| CN202256177U (zh) * | 2011-09-09 | 2012-05-30 | 杭州品目科技有限公司 | 基于机器视觉的管材表面缺陷检测设备 |
Non-Patent Citations (1)
| Title |
|---|
| 朱铮涛等: "《基于视觉的薄壁金属管端部质量检测技术研究》", 《组合机床与自动化加工技术》 * |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103398821B (zh) * | 2013-07-31 | 2016-01-06 | 国家电网公司 | 一种电站锅炉爆管泄漏诊断方法 |
| CN103398821A (zh) * | 2013-07-31 | 2013-11-20 | 国家电网公司 | 一种电站锅炉爆管泄漏诊断方法 |
| CN106104262A (zh) * | 2014-03-12 | 2016-11-09 | 杰富意钢铁株式会社 | 钢管的表面检查方法、表面检查装置、制造系统、缺陷产生部位确定方法及制造方法 |
| US10209199B2 (en) | 2014-03-12 | 2019-02-19 | Jfe Steel Corporation | Surface inspection method, surface inspection device, manufacturing system, method of identifying defect formed area, and manufacturing method of steel pipe |
| CN103954628A (zh) * | 2014-04-28 | 2014-07-30 | 重庆大学 | 联合eemd和近似熵的钢管损伤监控方法 |
| CN103954628B (zh) * | 2014-04-28 | 2017-01-18 | 重庆大学 | 联合eemd和近似熵的钢管损伤监控方法 |
| CN109870193A (zh) * | 2018-12-19 | 2019-06-11 | 华中科技大学 | 一种用于空调冷凝管管口故障识别的视觉检测系统及方法 |
| CN109870193B (zh) * | 2018-12-19 | 2020-10-30 | 华中科技大学 | 一种用于空调冷凝管管口故障识别的视觉检测系统及方法 |
| CN110307801B (zh) * | 2019-06-10 | 2020-12-01 | 洛阳理工学院 | 一种大口径弯管管口的不圆度检测方法 |
| CN110307801A (zh) * | 2019-06-10 | 2019-10-08 | 洛阳理工学院 | 一种大口径弯管管口的不圆度检测方法 |
| CN111141225A (zh) * | 2019-12-20 | 2020-05-12 | 山东大学 | 一种基于激光阵列的钢筋尺寸测量方法及系统 |
| CN111141225B (zh) * | 2019-12-20 | 2021-04-02 | 山东大学 | 一种基于激光阵列的钢筋尺寸测量方法及系统 |
| CN113378478A (zh) * | 2021-06-30 | 2021-09-10 | 安庆机床有限公司 | 一种制球机自动控制系统 |
| CN113378478B (zh) * | 2021-06-30 | 2022-11-22 | 安庆机床有限公司 | 一种制球机自动控制系统 |
| CN115638742A (zh) * | 2022-10-12 | 2023-01-24 | 北京迈思发展科技有限责任公司 | 一种基于影像识别的钢筋形状质检系统 |
| CN115638742B (zh) * | 2022-10-12 | 2023-08-15 | 北京迈思发展科技有限责任公司 | 一种基于影像识别的钢筋形状质检系统 |
| CN115351559A (zh) * | 2022-10-24 | 2022-11-18 | 潍坊潍尔达石油机械有限公司 | 基于圆形钢管加工的智能系统 |
| CN115351559B (zh) * | 2022-10-24 | 2023-01-13 | 潍坊潍尔达石油机械有限公司 | 基于圆形钢管加工的智能系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102980892B (zh) | 2014-12-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102980892B (zh) | 钢管在线检测系统及方法 | |
| CN110648364B (zh) | 一种多维度空间固废视觉检测定位及识别方法与系统 | |
| CN204479490U (zh) | 一种激光打标产品在线检测分析系统 | |
| CN204035057U (zh) | 一种用于检测轴承外径尺寸合格的装置 | |
| CN102999451B (zh) | 钢材计数系统及方法 | |
| CN115283296B (zh) | 基于igbt生产的视觉检测系统及方法 | |
| CN103163141A (zh) | 基于嵌入式图像处理系统的带钢表面在线检测系统及方法 | |
| CN104256882B (zh) | 基于计算机视觉的烟丝中再造烟叶比例测定方法 | |
| CN204234368U (zh) | 一种双面视觉检测设备 | |
| CN103868935A (zh) | 基于计算机视觉的烟支外观质量检测方法 | |
| CN105388162A (zh) | 基于机器视觉的原料硅片表面划痕检测方法 | |
| CN102866160B (zh) | 硬币模具表面质量检测的系统及方法 | |
| CN103499303A (zh) | 一种羊毛细度自动测量方法 | |
| CN107589124A (zh) | 基于机器视觉的在线人造板表面缺陷检测分等系统及方法 | |
| CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
| CN104614379A (zh) | 一种版材表面缺陷的检测系统和方法 | |
| CN104483320A (zh) | 工业脱硝催化剂的数字化缺陷检测装置与检测方法 | |
| CN102601131A (zh) | 一种钢坯表面质量在线检测装置 | |
| CN110921146A (zh) | 基于互联网大数据和图像处理技术的生活垃圾分类方法及其系统 | |
| CN110174404A (zh) | 一种药粒在线缺陷检测装置及系统 | |
| CN104048966B (zh) | 一种基于大律法的布面疵点检测及分类方法 | |
| CN103544524A (zh) | 棒材复核计数方法和装置 | |
| CN103091330A (zh) | 模拟人类视觉感知机理的铜带表面缺陷辨识装置及方法 | |
| CN113655002A (zh) | 基于高光谱技术的表面含砂浆的再生骨料质量检测系统 | |
| CN107421955A (zh) | 一种陶瓷缺陷视觉检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |