CN106952280B - 一种基于计算机视觉的喷枪喷漆量均匀度检测方法 - Google Patents
一种基于计算机视觉的喷枪喷漆量均匀度检测方法 Download PDFInfo
- Publication number
- CN106952280B CN106952280B CN201710148762.XA CN201710148762A CN106952280B CN 106952280 B CN106952280 B CN 106952280B CN 201710148762 A CN201710148762 A CN 201710148762A CN 106952280 B CN106952280 B CN 106952280B
- Authority
- CN
- China
- Prior art keywords
- image
- spray
- pixel
- uniformity
- spray gun
- 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
Classifications
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Spray Control Apparatus (AREA)
Abstract
一种基于计算机视觉的喷枪喷漆量均匀度检测方法，本发明涉及喷枪喷漆量均匀度检测方法。本发明是为了解决现有技术成本高昂和具有不确定性的问题。本发明步骤为：步骤一：喷枪喷雾扇面检测；采集一幅图像,调节摄像机、喷枪与背景之间的距离；对图像进行预处理；对图像进行二值化处理；提取出扇面边缘直线所在像素位置，计算两条直线夹角；以两条直线的终点的连线将区域封闭作为喷漆区域，标记喷雾区域内的像素点；步骤二：喷枪喷雾均匀性分析；对预处理后的灰度图像进行分析；通过标记的喷雾区域内每一行的像素值的大小描述均匀度；通过特征样本数据画出直方图与均匀分布概率模型作比较判断均匀性。本发明应用于喷漆领域。
Description
技术领域
本发明涉及喷枪喷漆量均匀度检测方法。
背景技术
计算机视觉技术经过四十多年的发展已经深入到了社会中的各个领域，在机器人，医疗，冶金，采矿，交通监控等领域都已经有了广泛的应用。喷枪喷雾的形状如图1所示，为一关于喷嘴中轴线对称的扇形。喷漆喷雾特性的好坏在很大程度上决定了喷漆质量的好坏。
喷枪喷雾的效果如图1所示。目前在喷枪喷漆量均匀度检测的问题上，主要有两种方法。第一种方法是人工目测法，具体的实施方法是喷漆工人在被喷工件上做喷漆实验，然后通过人眼目测的方法来目测均匀度的好坏。这种方法的缺点在于：(1)对于喷漆工人的要求高。只有经过长时间的喷漆工作的训练具备了丰富的喷漆经验才能在喷漆准确的判断出喷漆量均匀度的好坏。(2)该方法为一种定性的测量方法，具有很高的不确定性，没有具体的判断标准。不同的喷漆工人对于喷漆量均匀度好坏的判断标准可能有所不同，没有办法定量化，造成了一定的随机性。第二种方法是激光粒度仪测量法。该方法使用了一种叫做激光粒度仪的仪器。该方法可以检测到喷漆喷雾中每一个雾滴的信息，然后在进行均匀度的判断。这种方法的缺点在于(1)激光粒度仪价格昂贵。对于喷漆量均匀度的测量这种小的工艺环节来说成本高昂。
发明内容
本发明是为了解决现有技术成本高昂和具有不确定性的问题，而提出的一种基于计算机视觉的喷枪喷漆量均匀度检测方法。
一种基于计算机视觉的喷枪喷漆量均匀度检测方法按以下步骤实现：
步骤一：喷枪喷雾扇面检测；
步骤一一：摄像机采集一幅图像,调节摄像机、喷枪与背景之间的距离；
步骤一二：对图像进行预处理；
步骤一三：对预处理后的图像进行二值化处理；
步骤一四：运用累积概率霍夫变换提取出扇面边缘直线所在像素位置，计算两条直线夹角；
步骤一五：以检测出来的两条直线的终点的连线将区域封闭作为喷漆区域，标记喷雾区域内的像素点；
步骤一六：标记出图像中包含喷雾区域像素点的每一行，记为ya,ya+1......yb-1,yb；对于yi,i＝a,a+1…b-1,b，标记yi行内的喷雾区域内的像素点记为(xk,yi),(xk+1,yi)…(xl-1,yi),(xl,yi)并记录每一行中像素点的个数l-k；第yi行的标记点(xk,yi),(xk+1,yi)…(xl-1,yi),(xl,yi)的像素值分别为p(k,i),p(k+1,i)…p(l-1,i),p(l,i)。
步骤二：喷枪喷雾均匀性分析；
步骤二一：对进行过预处理后的灰度图像进行分析；
步骤二二：通过标记的喷雾区域内每一行的像素值的大小来描述均匀度；
步骤二三：通过特征样本数据画出直方图与均匀分布概率模型作比较判断均匀性。
发明效果：
激光粒度仪的检测精确到了每一个雾滴大小，在提高精度的同时带来了大量的数据计算量，增加了数据处理的难度，对于实时在线测量难以保证。本发明采用计算机视觉技术来进行喷漆量均匀度的检测。通过对于摄像机采回的喷漆喷雾的图像信息来分析喷漆量均匀度的好坏。本发明给出了定量描述喷漆量均匀度的方法。同时所需成本较低，只需要一个摄像机即可实现，成本低廉。
1、将计算机视觉技术运用到喷枪喷漆量检测的问题上，充分利用了图像中的信息，开辟了计算机视觉应用的新领域。
2、本发明解决了人工目测方法的不确定性过高的问题，降低了对于喷漆工人的要求，提高了自动化的程度。
3、本发明具有快速性、实时性的特点，检测时间在20ms以内。
4、本发明具有成本较低，适合在此小的工艺环节使用的特点。
附图说明
图1为喷枪喷雾视觉效果图；
图2为检测装置示意图；
图3为扇面检测程序流程图。
具体实施方式
具体实施方式一：如图3所示，一种基于计算机视觉的喷枪喷漆量均匀度检测方法包括以下步骤：
本发明为了解决现有技术的不足，提出了一种基于计算机视觉的检测方法。在摄像机采集到图像以后，对图像进行处理，先检测出图像中喷枪喷出的喷雾所在的区域，然后对于该区域的像素信息进行分析进行均匀度信息的判断。
本发明的检测装置图如图2所示。其特征为：
1、使用红色LED与凹透镜作为辅助光源，辅助光源应该保证能在1米的范围内完全照亮喷枪的扇面。
2、喷枪后放置白色背景布，背景布大小应该保证在距离喷枪扇面2米的范围外可以全部占据工业相机视野。
3、工业相机1与背景布3位于喷枪的两侧，相机1与光源位于同一水平面。
4、采用两组辅助光源2，且两组光源关于相机1对称。
5、扇面采集图像应满足背景布占满整个图像，且在辅助光源2的照射下，扇面肉眼可见明显特征。
6、图像检测装置镜头的中轴线垂直于白色背景并且镜头与喷枪喷嘴位于同一条直线上。喷漆喷雾产生的扇面4与背景基本平行。
步骤一：喷枪喷雾扇面检测；
步骤一一：摄像机采集一幅图像,调节摄像机、喷枪与背景之间的距离；
步骤一二：对图像进行预处理；
步骤一三：对预处理后的图像进行二值化处理；
步骤一四：运用累积概率霍夫变换提取出扇面边缘直线所在像素位置，计算两条直线夹角；
步骤一五：以检测出来的两条直线的终点的连线将区域封闭作为喷漆区域，标记喷雾区域内的像素点；
步骤一六：标记出图像中包含喷雾区域像素点的每一行，记为ya,ya+1......yb-1,yb；对于yi,i＝a,a+1…b-1,b，标记yi行内的喷雾区域内的像素点记为(xk,yi),(xk+1,yi)…(xl-1,yi),(xl,yi)并记录每一行中像素点的个数l-k；对第yi行的标记点(xk,yi),(xk+1,yi)…(xl-1,yi),(xl,yi)，记这些像素点的像素值分别为p(k,i),p(k+1,i)…p(l-1,i),p(l,i)；其中分别为喷雾区域第i行中最左边和最右边像素的横坐标；
步骤二：喷枪喷雾均匀性分析；
步骤二一：对进行过预处理后的灰度图像进行分析；
步骤二二：通过标记的喷雾区域内每一行的像素值的大小来描述均匀度；
步骤二三：通过特征样本数据画出直方图与均匀分布概率模型作比较判断均匀性。
具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤一一中调节摄像机、喷枪与背景之间的距离具体为：
使整个喷漆喷雾区域都处在图像内且喷漆喷雾区域占整幅图像的比例大于等于50％并小于等于80％。
其它步骤及参数与具体实施方式一相同。
具体实施方式三：本实施方式与具体实施方式一或二不同的是：所述步骤一二中对于图像进行预处理具体过程为：
对采集的图像进行灰度变换和中值滤波的操作，灰度变换将原RGB彩色图像通过RGB空间到YUV空间转换的方法得到灰度图，中值滤波抑制图像中的噪声；其中R为红色子像素，G为绿色子像素，B为蓝色子像素。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：所述步骤一三中对于预处理后的图像进行二值化处理具体为：
采用最大类间差法进行二值化阈值的选取。
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：所述步骤二一中对进行过预处理后的灰度图像进行分析具体为：
采用灰度信息描述像素点的喷漆量。
其它步骤及参数与具体实施方式一至四之一相同。
具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：所述步骤二二中通过标记的喷雾区域内每一行的像素值的大小来描述均匀度具体为：
通过对目标区域像素点灰度信息的分析得到样本数据描述落在工件在喷枪不移动的静态情况下的喷漆量；
采用以下公式计算图像中每一行像素所代表的喷漆量：
其中所述p(n,i)代表图像喷雾区域中第i行第n个像素点像素值，其中mi代表图像喷雾区域中每一行像素所代表的喷漆量。
其它步骤及参数与具体实施方式一至五之一相同。
实施例一：
本实施例使用的工业摄像机型号为MV-VDM小型高速工业摄像机，其分辨率为640*480，足以满足本实施例的需求。使用的喷漆喷枪型号为德国SATA4000b喷漆枪。实施例使用红色LED与凹透镜作为辅助光源2，辅助光源应该保证能在1米的范围内完全照亮喷枪的扇面4。喷枪后放置白色背景布3，背景布大小应该保证在距离喷枪扇面2米的范围外可以全部占据工业相机1视野。工业相机1与背景布3位于喷枪的两侧，相机1与光源2位于同一水平面。采用两组辅助光源，且两组光源关于相机对称。扇面采集图像应满足背景布占满整个图像，且在辅助光源的照射下，扇面肉眼可见明显特征。采集回的图像通过USB口传输给PC机处理。
本实施例采用的具体技术方案是：在测量时采用白色背景。在进行第一步喷漆喷雾扇面形状检测时，利用图像采集装置来获得数字图像，利用图像算法对采集到的数字图像进行灰度化，中值滤波，二值化的预处理得到整个喷漆喷雾区域并记录区域内所有点的坐标信息。然后利用Hough变换检测出喷漆喷雾扇面的两条边界线来确定出喷漆喷雾区域的两条边界线同时得到两条直线的交点也就是喷枪喷嘴在图像中的位置信息。在进行第二步喷漆量均匀度分析时，对经过预处理后的原图像进行灰度转换，将原来的彩色图像转换成灰度图。再对灰度图翻转处理。过标记的喷雾区域内每一行的像素值的大小来描述均匀度。通过对目标区域像素点灰度信息的分析得到样本数据来描述落在工件在此喷枪不移动的静态情况下一段时间内的喷漆量的多少。
预处理操作的具体操作方法如下：
中值滤波法是一种非线性平滑技术,它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。常用于用来保护边缘信息,是经典的平滑噪声的方法。采集来的图像样本首先要进行中值滤波,去除噪声。
在进行图像的灰度变换时，采用的方法是将摄像机采集到得RGB图像转换为YUV空间的图像，将图像的亮度信息和色度信息分开，以便于下一步的处理。RGB空间的图像与YUV空间图像的转换关系为：
取YUV三通道信息中得Y通道信息作为图像的灰度信息将原来的三通道彩色图转换为单通道的灰度图。
在进行图像二值化处理的时候采用了最大类间方差法。基本思想是使用一个阈值将整个图像分为黑色和白色两部分，假如两个类之间的方差最大，则这个阈值为最佳的阈值。
假设T为图像前景与背景的分割阈值，将灰度级[1,L]分割成[1,T-1]和[T,L]。前景点数占图像比例为ω0，平均灰度为u0，背景点数占图像比例为ω1，
平均灰度为u1，则图像的总平均灰度为u＝ω0·u0+ω1·u1。前景与背景图像的方差为：Var＝ω0(u0-u)2+ω1(u1-u)2＝ω0ω1(u0-u1)2。取在方差最大时的值为阈值得到的二值图像即是最大类间方差法所描述的二值方法。用累积概率霍夫变换提取出扇面边缘直线所在像素位置，计算两条直线夹角。
均匀度分析阶段：
由于采用的白色背景，本方案实质上是采取了喷雾区域像素信息与背景图像的差值来描述像素点内漆量的多少。在实际的灰度图像中，黑色代表亮度最低，其像素值为0，白色代表亮度最高，其值为像素值的最大值，如8位灰度图像的最大值为255。在本方法中，采用实际像素值与白色的差值用来计算，为了计算方便，将图像中的像素值进行翻转。具体做法为：
设图像中的任意一个像素点为(xi,yi)的像素值为pi，则翻转后的像素值p′i＝2N-1-pi，其中N表示灰度图像的位数，对于常用的8位灰度图像来说，p′i＝28-1-pi＝255-pi。一幅图像中的像素值能更好的代表喷漆量的信息。
由于喷枪喷嘴与在摄像机镜头中轴线上，摄像机水平放置，所以喷漆扇面的顶角角平分线在图像中显示为一条水平直线。在上一步检测中得到喷漆位置以后，很容易在图像中确定角平分线的位置。
在进行喷漆量样本的统计时，标记出图像中包含喷雾区域像素点的每一行，记为ya,ya+1......yb-1,yb。对于
yi,i＝a,a+1…b-1,b，标记yi行内的喷雾区域内的像素点记为(xk,yi),(xk+1,yi)…(xl-1,yi),(xl,yi)并记录每一行中像素点的个数l-k。对第yi行的标记的点(xk,yi),(xk+1,yi)…(xl-1,yi),(xl,yi)，记这些像素点的像素值分别为p(k,i),p(k+1,i)…p(l-1,i),p(l,i),则第yi行的喷漆量可用像素值信息表示为：
再对得到的mi按照得到平均化后的m′i作为第yi行喷漆量的最终描述数据。
最后，以图像的y轴作为横坐标轴，画出关于y的直方图。若符合m′i均匀分布的模型，则认为均匀。
Claims (5)
1.一种基于计算机视觉的喷枪喷漆量均匀度检测方法，其特征在于，所述喷枪喷漆量均匀度检测方法包括以下步骤：
步骤一：喷枪喷雾扇面检测；
步骤一一：摄像机采集图像,调节摄像机、喷枪与背景之间的距离；
所述背景为白色背景，调节摄像机、喷枪与背景之间的距离具体为：
使整个喷漆喷雾区域都处在图像内且喷漆喷雾区域占整幅图像的比例大于等于50％并小于等于80％；
步骤一二：对图像进行预处理；
步骤一三：对预处理后的图像进行二值化处理；
步骤一四：运用累积概率霍夫变换提取出扇面边缘直线所在像素位置，计算两条直线夹角；
步骤一五：以检测出来的两条直线的终点的连线将区域封闭作为喷漆区域，标记喷雾区域内的像素点；
步骤一六：标记出图像中包含喷雾区域像素点的每一行，记为ya,ya+1......yb-1,yb；对于yi,i＝a,a+1···b-1,b，标记yi行内的喷雾区域内的像素点记为(xk,yi),(xk+1,yi)···(xl-1,yi),(xl,yi)并记录每一行中像素点的个数l-k；第yi行的标记点(xk,yi),(xk+1,yi)···(xl-1,yi),(xl,yi)的像素值分别为p(k,i),p(k+1,i)···p(l-1,i),p(l,i)；
步骤二：喷枪喷雾均匀性分析；
步骤二一：对进行过预处理后的灰度图像进行分析；
将灰度图像中的像素值进行翻转，采用实际像素值与白色背景的差值来描述像素点内漆量；
步骤二二：通过标记的喷雾区域内每一行的像素值的大小来描述均匀度；
步骤二三：通过特征样本数据画出直方图与均匀分布概率模型作比较判断均匀性。
2.根据权利要求1所述的一种基于计算机视觉的喷枪喷漆量均匀度检测方法，其特征在于，所述步骤一二中对于图像进行预处理具体过程为：
对采集的图像进行灰度变换和中值滤波的操作，灰度变换将原RGB彩色图像通过RGB空间到YUV空间转换的方法得到灰度图，中值滤波抑制图像中的噪声；其中R为红色子像素，G为绿色子像素，B为蓝色子像素。
3.根据权利要求2所述的一种基于计算机视觉的喷枪喷漆量均匀度检测方法，其特征在于，所述步骤一三中对于预处理后的图像进行二值化处理具体为：
采用最大类间差法进行二值化阈值的选取。
4.根据权利要求3所述的一种基于计算机视觉的喷枪喷漆量均匀度检测方法，其特征在于，所述步骤二一中对进行过预处理后的灰度图像进行分析具体为：
采用灰度信息描述像素点的喷漆量。
5.根据权利要求4所述的一种基于计算机视觉的喷枪喷漆量均匀度检测方法，其特征在于，所述步骤二二中通过标记的喷雾区域内每一行的像素值的大小来描述均匀度具体为：
通过对目标区域像素点灰度信息的分析得到样本数据描述落在工件在喷枪不移动的静态情况下的喷漆量；
采用以下公式计算图像中每一行像素所代表的喷漆量：
其中所述p(n,i)代表图像喷雾区域中第i行第n个像素点像素值，其中mi代表图像喷雾区域中每一行像素所代表的喷漆量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710148762.XA CN106952280B (zh) | 2017-03-13 | 2017-03-13 | 一种基于计算机视觉的喷枪喷漆量均匀度检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710148762.XA CN106952280B (zh) | 2017-03-13 | 2017-03-13 | 一种基于计算机视觉的喷枪喷漆量均匀度检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106952280A CN106952280A (zh) | 2017-07-14 |
| CN106952280B true CN106952280B (zh) | 2019-10-08 |
Family
ID=59468017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710148762.XA Active CN106952280B (zh) | 2017-03-13 | 2017-03-13 | 一种基于计算机视觉的喷枪喷漆量均匀度检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106952280B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2019425686A1 (en) * | 2019-01-31 | 2021-08-19 | Dow Global Technologies Llc | Paint roller cover for multicolor paint, method of uniformly applying multicolor paint and method of quantifying uniformity of paint application |
| CN110006906B (zh) * | 2019-02-20 | 2021-12-17 | 上海鋆雪自动化有限公司 | 一种精细雾化喷头检测装置及其控制方法 |
| CN111735744B (zh) * | 2020-04-24 | 2023-02-28 | 昆明理工大学 | 一种喷嘴雾化空间分布评价方法 |
| CN111899236B (zh) * | 2020-07-24 | 2022-07-29 | 东华大学 | 一种雾化流场稳定性评定方法 |
| CN112053345B (zh) * | 2020-09-02 | 2023-12-05 | 长春大学 | 基于机器视觉的gdi汽油机喷雾撞壁参数自动提取方法及系统 |
| CN114918061B (zh) * | 2022-07-20 | 2023-03-24 | 江苏奇成装配式建材科技有限公司 | 金属面保温装饰一体板生产计算机控制方法 |
| CN115546241B (zh) * | 2022-12-06 | 2023-04-28 | 成都数之联科技股份有限公司 | 边缘检测方法、装置、电子设备及计算机可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102103090A (zh) * | 2010-12-07 | 2011-06-22 | 东华大学 | 基于计算机视觉的梳棉机棉网质量在线检测装置与方法 |
| CN102829735A (zh) * | 2012-08-31 | 2012-12-19 | 哈尔滨工业大学 | 基于机器视觉的e型磁材背面几何形状缺陷检测方法 |
| CN103029438A (zh) * | 2011-09-30 | 2013-04-10 | 富士胶片株式会社 | 喷墨记录设备和方法，以及异常喷嘴确定方法 |
| CN103750551A (zh) * | 2014-01-21 | 2014-04-30 | 江苏中烟工业有限责任公司 | 一种基于电镜图像分析卷烟滤嘴激光打孔均匀性的方法 |
| CN105303558A (zh) * | 2015-09-21 | 2016-02-03 | 重庆交通大学 | 沥青路面混合料摊铺均匀性的实时检测方法 |
-
2017
- 2017-03-13 CN CN201710148762.XA patent/CN106952280B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102103090A (zh) * | 2010-12-07 | 2011-06-22 | 东华大学 | 基于计算机视觉的梳棉机棉网质量在线检测装置与方法 |
| CN103029438A (zh) * | 2011-09-30 | 2013-04-10 | 富士胶片株式会社 | 喷墨记录设备和方法，以及异常喷嘴确定方法 |
| CN102829735A (zh) * | 2012-08-31 | 2012-12-19 | 哈尔滨工业大学 | 基于机器视觉的e型磁材背面几何形状缺陷检测方法 |
| CN103750551A (zh) * | 2014-01-21 | 2014-04-30 | 江苏中烟工业有限责任公司 | 一种基于电镜图像分析卷烟滤嘴激光打孔均匀性的方法 |
| CN105303558A (zh) * | 2015-09-21 | 2016-02-03 | 重庆交通大学 | 沥青路面混合料摊铺均匀性的实时检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于Hough变换的直线提取与匹配;刘春阁;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120215(第02期);论文第3章和第4章 * |
| 梳棉机棉网质量计算机视觉检测系统研究;陈俊琰;《中国博士学位论文全文数据库 工程科技Ⅰ辑》;20140515(第05期);论文第1.2.2节、第3章、第4.2.3节、第5章 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106952280A (zh) | 2017-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106952280B (zh) | 一种基于计算机视觉的喷枪喷漆量均匀度检测方法 | |
| CN108827316B (zh) | 基于改进的Apriltag标签的移动机器人视觉定位方法 | |
| CN107705288B (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
| CN105469113B (zh) | 一种二维视频流中的人体骨骼点追踪方法及系统 | |
| CN103761519B (zh) | 一种基于自适应校准的非接触式视线追踪方法 | |
| CN103632158B (zh) | 森林防火监控方法及森林防火监控系统 | |
| CN108596880A (zh) | 基于图像处理的焊接缺陷特征提取与焊接质量分析方法 | |
| CN108491788A (zh) | 一种用于财务报表单元格的智能提取方法及装置 | |
| CN108319973A (zh) | 一种树上柑橘果实检测方法 | |
| CN103955949B (zh) | 基于Mean-shift算法的运动目标检测方法 | |
| CN108921813A (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
| CN103218605A (zh) | 一种基于积分投影与边缘检测的快速人眼定位方法 | |
| CN106529432A (zh) | 一种深度融合显著性检测与先验知识的手部区域分割方法 | |
| CN106327525A (zh) | 一种机房重地越界行为实时监测方法 | |
| CN108416814A (zh) | 一种菠萝头部的快速定位与识别方法及系统 | |
| CN110032932A (zh) | 一种基于视频处理和决策树设定阈值的人体姿态识别方法 | |
| CN108537787A (zh) | 一种人脸图像的质量判定方法 | |
| CN110490826A (zh) | 一种照相机中雾滴样本图像处理方法 | |
| CN108805924A (zh) | 一种百合花采摘点定位方法及系统 | |
| CN106570885A (zh) | 基于亮度和纹理融合阈值的背景建模方法 | |
| CN111311695B (zh) | 一种基于卷积神经网络的清水混凝土表面色差分析方法 | |
| CN113409254A (zh) | 一种针对模糊成像环境的印刷品缺陷检测方法 | |
| CN116229564A (zh) | 一种基于动态聚合网络的步态识别方法及系统 | |
| CN103578121B (zh) | 干扰运动环境下基于共享高斯模型的运动检测方法 | |
| CN115760893A (zh) | 一种基于核相关滤波算法的单雾滴粒径和速度测量方法 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210408 Address after: Room 206-10, building 16, 1616 Chuangxin Road, Songbei District, Harbin City, Heilongjiang Province Patentee after: Harbin jizuo technology partnership (L.P.) Patentee after: Harbin Institute of Technology Asset Management Co.,Ltd. Address before: 150001 No. 92 West straight street, Nangang District, Heilongjiang, Harbin Patentee before: HARBIN INSTITUTE OF TECHNOLOGY |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210611 Address after: Room 206-12, building 16, 1616 Chuangxin Road, Songbei District, Harbin City, Heilongjiang Province Patentee after: Harbin Institute of Technology Institute of artificial intelligence Co.,Ltd. Address before: Room 206-10, building 16, 1616 Chuangxin Road, Songbei District, Harbin City, Heilongjiang Province Patentee before: Harbin jizuo technology partnership (L.P.) Patentee before: Harbin Institute of Technology Asset Management Co.,Ltd. |
|
| TR01 | Transfer of patent right |