CN107607205A - 线束颜色顺序检测系统和方法 - Google Patents
线束颜色顺序检测系统和方法 Download PDFInfo
- Publication number
- CN107607205A CN107607205A CN201710914481.0A CN201710914481A CN107607205A CN 107607205 A CN107607205 A CN 107607205A CN 201710914481 A CN201710914481 A CN 201710914481A CN 107607205 A CN107607205 A CN 107607205A
- Authority
- CN
- China
- Prior art keywords
- msup
- mrow
- wire harness
- exemplar
- prime
- 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.)
- Pending
Links
Abstract
本申请公开了一种线束颜色顺序检测系统，包括：摄像头，采集检测样件和参考样件的图像信息；图像采集单元，将获取的检测样件的图像信息与参考样件颜色进行匹配；显示单元，用以显示匹配结果、和/或不良品数、和/或不良品率、和/或检测总数。本申请还公开了一种线束颜色顺序检测方法，其特征在于，包括：s1、通过摄像头采集参考样件的图像信息，作为图像比对参考；s2、通过摄像头采集检测样件的图像信息，并与参考样件的颜色信息进行匹配。本发明融合了颜色识别技术的图像匹配技术可以对参考样件和检测样件的图片进行比对，该算法通过不同的图像有效特征来确认线束的颜色顺序，可以大大提高识别率。
Description
技术领域
本申请涉及一种线束颜色顺序检测系统和方法，特别涉及一种基于机器视觉和图像识别技术的线束颜色顺序实时检测技术。
背景技术
线束颜色顺序检测仪采用以计算视觉技术或者图像识别技术为基础的软件，控制摄像头获取线束的图片，并对参考图片和样品图片中的线束颜色进行比对，实现产品颜色或颜色排列正确或者错误的识别并可用声音或屏幕文字提示。
一般线束颜色顺序检测仪的整套系统由摄像头、图像采集系统、线束端子图片测量分析系统及声音提示装置等单元组成。目前已有的线束检测设备带标定、基准设定功能。产品正反放置均可自动检测判断，并进行自动报警，线束画面实时监视。在技术实现上通常要求仪器不受外界环境影响，不受操作员自身的影响，统一性好，稳定性高，样件识别正确率高。
现有的线束颜色检测装置，其存在的问题主要包括：
(1)、不具有统计功能，不能对产品的的不良品率进行监测统计，也不能对操作工号、班次、批次、时间进行记录。
(2)、也不具有联网功能，不能将产品的任何检测信息通过网络上传到服务器。
(3)、对操作人员的要求也比较高，需要对参考样件的颜色进行标定以及基准设定，操作复杂，而且非常依赖于操作人员的经验和水平。
发明内容
本发明的目的在于提供一种用户友好，操作简单，并带有实时检测信息记录并统计分析上传的线束颜色顺序检测系统和方法，以克服现有线束颜色顺序检测装置操作复杂并无检测信息记录存储分析功能的缺陷，使得用户在更易于检测产品是否正确的基础上能够获得更多的产品在生产过程管理和质量管理方面的价值信息。
为实现上述目的，本发明提供如下技术方案：
本申请实施例公开一种线束颜色顺序检测系统，包括：
摄像头，采集检测样件和参考样件的图像信息；
图像采集单元，将获取的检测样件的图像信息与参考样件颜色进行匹配；
显示单元，用以显示匹配结果、和/或不良品数、和/或不良品率、和/或检测总数。
优选的，在上述的线束颜色顺序检测系统中，还包括：
语音提示单元，在图像采集单元产生匹配结果后，提示结果是否正确；
和/或输入单元，至少用以录入操作工号、操作班次和样件批次信息。
优选的，在上述的线束颜色顺序检测系统中，还包括：
远端服务器，至少用以获取匹配结果。
相应的，本申请还公开了一种线束颜色顺序检测方法，包括：
s1、通过摄像头采集参考样件的图像信息，作为图像比对参考；
s2、通过摄像头采集检测样件的图像信息，并与参考样件的颜色信息进行匹配。
优选的，在上述的线束颜色顺序检测方法中，还包括：
采用特征点检测算法自动识别出摄像头拍摄区域中是否样件输入。
优选的，在上述的线束颜色顺序检测方法中，所述特征点检测算法是指将图像锐化算法融合进加速鲁棒特征算法中，将图像中突出的特征点有效提取出来。
优选的，在上述的线束颜色顺序检测方法中，通过模板匹配技术并融合颜色识别技术对参考样件图像信息和检测样件图像信息进行匹配。
优选的，在上述的线束颜色顺序检测方法中，所述步骤s2中，匹配方法包括：
先采用轮廓检测法定位找到线束头的区域；然后采用基本的归一化相关系数匹配法CV_TM_CCOEFF_NORMED对样件图像和目标图像的归一化相关系数进行匹配，当匹配度达到设定水平则认为两者匹配，否则不匹配；
先采用轮廓检测法定位找到线束的区域，并截取其中一部分区域作为样本图片的主图片；然后对于被识别图片通过轮廓检测法定位每个线束的区域，截取每个线束的中间一小部分区域，并找到其位置，并记录所有线束区域的位置顺序；截取每个线束的区域和样本图片进行匹配；对于样本图片也找到其线束的颜色顺序，通过归一化相关系数匹配法进行分别匹配，如果都能匹配上，则认为两者匹配；只要有一种颜色匹配不上，则认为两者不匹配。
优选的，在上述的线束颜色顺序检测方法中，归一化相关系数匹配法的算法为：
其中，T代表样本图片，I代表被识别图片，R表示归一化相关系数；x和x’为标准样品上的像素点位，y和y’为被测样品上的像素点位。
优选的，在上述的线束颜色顺序检测方法中，通过轮廓检测判断摄像头下的样件位置是否到位。
与现有技术相比，本发明的优点在于：
本发明集成了线束颜色顺序检测技术和实时数据管理和分析技术，通过对检测产品的不良品率的实时监测和分析，使用户直观地掌握产品的生产过程和质量管理的信息。在线束颜色顺序检测技术上用改进的特征点检测算法可以快速有效地自动识别出摄像头拍摄区域中是否样件输入，不需要人工确认样件是否输入，大大提高了检测效率。
本发明融合了颜色识别技术的图像匹配技术可以对参考样件和检测样件的图片进行比对，该算法通过不同的图像有效特征来确认线束的颜色顺序，可以大大提高识别率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，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所示为本发明具体实施例中线束颜色顺序检测方法的流程示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
在一实施例中，本申请提供一种线束颜色顺序检测系统，包括摄像头、图像采集单元和显示单元。
摄像头用于对样件进行实时监测和检测，样件图片拍摄，可以采集检测样件和参考样件的图像信息。
图像采集单元用以将获取的检测样件的图像信息与参考样件颜色进行匹配。样件检测的结果在样件检测结束按钮被按下时自动录入数据库。
显示单元用以显示匹配结果、不良品数、不良品率、检测总数等信息。
在一实施例中，显示单元还可以按时间段展示不良品率的时序图，可供按班次，批次，人员的差异性分析。
在一实施例中，还包括视觉光源，为拍摄提供人工照明，使得图像质量不受环境的变化而影响。
在一实施例中，还包括语音提示单元，在图像采集单元产生匹配结果后，提示结果是否正确。
在一实施例中，还包括输入单元，至少用以录入操作工号、操作班次和样件批次等信息。
输入单元可以为键盘和鼠标；显示单元优选为电脑。
在一实施例中，还包括远端服务器，至少用以获取匹配结果。后台程序提供数据库接口，可以将数据库数据通过联网实时上传至服务器。
结合图1所示，本实施例还提供一种基于机器学习和机器视觉和图像识别技术的线束颜色顺序实时检测方法，包括：
(1)、通过改进的特征点检测算法检测摄像头下的是否有样件输入；
(2)、通过轮廓检测进行摄像头下的样件位置定位；
(3)、通过改进的模板匹配技术并融合颜色识别技术对参考样件图片和检测样件图片进行匹配；
(4)、通过数据库技术对样件的不良率状况进行实时监测并定时向服务器上传数据。
该方法属于特定目标检测识别技术邻域、数据库管理技术邻域和互联网技术领域的交叉应用。
改进的特征点算法(advanced-SURF)是基于加速鲁棒特征(SURF)算法进行的，SURF算法是Bay和Ess等人基于SIFT算法的思路于2006年提出的，主要是为了解决SIFT算法速度太慢，计算量大的缺点，使用了近似Harr小波方法来提取特征点，这种方法就是基于Hessian行列式(DoH)的斑点特征检测方法。通过在不同的尺度上利用积分图像可以有效地计算出近似Harr小波值，简化了二阶微分模板的构建，提高了尺度空间的特征检测的效率。SURF算法在积分图像上使用了盒子滤波器对二阶微分模板进行了简化，从而构建了Hessian矩阵元素值，进而缩短了特征提取的时间，提高了效率。
在本案优选的实施例中，将图像锐化算法融合进SURF算法中，能够将图像中比较突出的特征点有效提取出来，而将不重要的特征点忽略掉，从而有效地将代表图像重要特性的特征点提取出来，减少不必要的特征点个数。
模板匹配技术(Template Matching)是在源图像中按一定的算法规则找寻与目标图像相匹配区域的一种图像识别技术。这种方法的原理非常简单，遍历图像中的每一个可能的位置，比较各处与模板是否“相似”，当相似度足够高时，就认为找到了我们的目标。它在计算机视觉中经常被用来做目标识别和跟踪，在线束颜色顺序检测中即可以用来识别线束头的匹配度，也可以用来识别线束颜色的匹配度。
在本案优选的实施例中，改进的模板匹配技术(Advanced Template Matching)技术是根据线束识别来定制的。对于线束头，我们更关心它的形状是否和参考样件的线束头匹配；对于线束的线，我们关心的是其颜色，而不关心它的形状，甚至需要避免形状的一些变化和线束上的字符标识所带来的干扰。因此基本的模板匹配技术无法同时满足这两种完全不一样的需求，需要对其进行改进。
改进的模板匹配技术分为两个部分。第一个部分是为线束头匹配设计的。基本方法是先采用轮廓检测法定位找到线束头的区域，接着采用基本的归一化相关系数匹配法CV_TM_CCOEFF_NORMED对样件图像和目标图像的归一化相关系数进行匹配，当匹配度达到所需水平则认为两者匹配，否则不匹配。归一化相关系数匹配法的算法如下
其中，T代表样本图片，I代表被识别图片，R表示归一化相关系数；x和x’为标准样品上的像素点位，y和y’为被测样品上的像素点位。
第二部分是为线束颜色检测设计的。基本方法是先采用轮廓检测法定位找到线束的区域，并截取其中一小部分区域作为样本图片的主图片。然后对于被识别图片通过轮廓检测法定位每个线束的区域，截取每个线束的中间一小部分区域，并找到其位置，并记录所有线束区域的位置顺序。截取每个线束的区域和样本图片进行匹配。对于样本图片也找到其线束的颜色顺序，通过归一化相关系数匹配法进行分别匹配，如果都能匹配上，则认为两者匹配；只要有一种颜色匹配不上，则认为两者不匹配。
综上所述，本发明提出的技术方案中实时数据录入、管理和分析功能为客户提供了整个产品的生产过程和质量管理的信息，有利于客户在全局上把控当前生产系统以及产品质量的状况，为客户寻求提高产品质量降低生产成本等解决方案提供以数据为基础的辅助决策。
另外，和目前常规的检测设备相比，大大降低了操作人员的操作复杂度，操作人员不需要再做颜色标定和基础标定等复杂操作，使得软件的使用对操作人员技术和经验的依赖性大大降低。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种线束颜色顺序检测系统，其特征在于，包括：
摄像头，采集检测样件和参考样件的图像信息；
图像采集单元，将获取的检测样件的图像信息与参考样件颜色进行匹配；
显示单元，用以显示匹配结果、和/或不良品数、和/或不良品率、和/或检测总数。
2.根据权利要求1所述的线束颜色顺序检测系统，其特征在于，还包括：
语音提示单元，在图像采集单元产生匹配结果后，提示结果是否正确；
和/或输入单元，至少用以录入操作工号、操作班次和样件批次信息。
3.根据权利要求1或2所述的线束颜色顺序检测系统，其特征在于，还包括：
远端服务器，至少用以获取匹配结果。
4.一种线束颜色顺序检测方法，其特征在于，包括：
s1、通过摄像头采集参考样件的图像信息，作为图像比对参考；
s2、通过摄像头采集检测样件的图像信息，并与参考样件的颜色信息进行匹配。
5.根据权利要求4所述的线束颜色顺序检测方法，其特征在于，还包括：
采用特征点检测算法自动识别出摄像头拍摄区域中是否样件输入。
6.根据权利要求5所述的线束颜色顺序检测方法，其特征在于：所述特征点检测算法是指将图像锐化算法融合进加速鲁棒特征算法中，将图像中突出的特征点有效提取出来。
7.根据权利要求4所述的线束颜色顺序检测方法，其特征在于：通过模板匹配技术并融合颜色识别技术对参考样件图像信息和检测样件图像信息进行匹配。
8.根据权利要求7所述的线束颜色顺序检测方法，其特征在于：所述步骤s2中，匹配方法包括：
先采用轮廓检测法定位找到线束头的区域；然后采用基本的归一化相关系数匹配法CV_TM_CCOEFF_NORMED对样件图像和目标图像的归一化相关系数进行匹配，当匹配度达到设定水平则认为两者匹配，否则不匹配；
先采用轮廓检测法定位找到线束的区域，并截取其中一部分区域作为样本图片的主图片；然后对于被识别图片通过轮廓检测法定位每个线束的区域，截取每个线束的中间一小部分区域，并找到其位置，并记录所有线束区域的位置顺序；截取每个线束的区域和样本图片进行匹配；对于样本图片也找到其线束的颜色顺序，通过归一化相关系数匹配法进行分别匹配，如果都能匹配上，则认为两者匹配；只要有一种颜色匹配不上，则认为两者不匹配。
9.根据权利要求8所述的线束颜色顺序检测方法，其特征在于：归一化相关系数匹配法的算法为：
<mrow>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<msup>
<mi>x</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<msup>
<mi>y</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msup>
<mi>T</mi>
<mo>&prime;</mo>
</msup>
<mo>(</mo>
<mrow>
<msup>
<mi>x</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<msup>
<mi>y</mi>
<mo>&prime;</mo>
</msup>
</mrow>
<mo>)</mo>
<mo>&CenterDot;</mo>
<msup>
<mi>I</mi>
<mo>&prime;</mo>
</msup>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>+</mo>
<msup>
<mi>x</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<mi>y</mi>
<mo>+</mo>
<msup>
<mi>y</mi>
<mo>&prime;</mo>
</msup>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
<msqrt>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<msup>
<mi>x</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<msup>
<mi>y</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</msub>
<msup>
<mi>T</mi>
<mo>&prime;</mo>
</msup>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msup>
<mi>x</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<msup>
<mi>y</mi>
<mo>&prime;</mo>
</msup>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&CenterDot;</mo>
<msub>
<mi>&Sigma;</mi>
<mrow>
<msup>
<mi>x</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<msup>
<mi>y</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</msub>
<msup>
<mi>I</mi>
<mo>&prime;</mo>
</msup>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>+</mo>
<msup>
<mi>x</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<mi>y</mi>
<mo>+</mo>
<msup>
<mi>y</mi>
<mo>&prime;</mo>
</msup>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mfrac>
</mrow>
其中，T代表样本图片，I代表被识别图片，R表示归一化相关系数；x和x’为标准样品上的像素点位，y和y’为被测样品上的像素点位。
10.根据权利要求4所述的线束颜色顺序检测方法，其特征在于：通过轮廓检测判断摄像头下的样件位置是否到位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710914481.0A CN107607205A (zh) | 2017-09-30 | 2017-09-30 | 线束颜色顺序检测系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710914481.0A CN107607205A (zh) | 2017-09-30 | 2017-09-30 | 线束颜色顺序检测系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107607205A true CN107607205A (zh) | 2018-01-19 |
Family
ID=61067978
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710914481.0A Pending CN107607205A (zh) | 2017-09-30 | 2017-09-30 | 线束颜色顺序检测系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107607205A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108801462A (zh) * | 2018-04-02 | 2018-11-13 | 武汉理工大学 | 一种非接触式车用线束线序识别装置 |
| CN113012141A (zh) * | 2021-04-01 | 2021-06-22 | 常德富博智能科技有限公司 | 一种线材颜色识别与自动排序系统及方法 |
| CN113627758A (zh) * | 2021-07-30 | 2021-11-09 | 苏州美声电子有限公司 | 基于外观的功放开关筛选方法及系统 |
| CN114441452A (zh) * | 2021-12-17 | 2022-05-06 | 马鞍山新地优特威光纤光缆有限公司 | 一种光纤尾纤检测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102297867A (zh) * | 2011-07-20 | 2011-12-28 | 上海元一电子有限公司 | 线束装配质量检测系统 |
| CN102663491A (zh) * | 2012-03-13 | 2012-09-12 | 浙江工业大学 | 一种基于surf特征的高密度人群计数方法 |
| CN104135598A (zh) * | 2014-07-09 | 2014-11-05 | 清华大学深圳研究生院 | 一种视频图像稳定方法及装置 |
| CN204256083U (zh) * | 2014-07-10 | 2015-04-08 | 深圳市科视创科技有限公司 | 排线颜色顺序视觉检测机 |
| CN104778679A (zh) * | 2014-12-22 | 2015-07-15 | 中国科学院遥感与数字地球研究所 | 一种基于高分一号卫星数据的控制点图元快速匹配方法 |
| CN205719261U (zh) * | 2016-04-29 | 2016-11-23 | 深圳市霍克视觉科技有限公司 | 线束颜色顺序视觉检测设备 |
| CN106447730A (zh) * | 2016-09-14 | 2017-02-22 | 深圳地平线机器人科技有限公司 | 参数估计方法、装置和电子设备 |
-
2017
- 2017-09-30 CN CN201710914481.0A patent/CN107607205A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102297867A (zh) * | 2011-07-20 | 2011-12-28 | 上海元一电子有限公司 | 线束装配质量检测系统 |
| CN102663491A (zh) * | 2012-03-13 | 2012-09-12 | 浙江工业大学 | 一种基于surf特征的高密度人群计数方法 |
| CN104135598A (zh) * | 2014-07-09 | 2014-11-05 | 清华大学深圳研究生院 | 一种视频图像稳定方法及装置 |
| CN204256083U (zh) * | 2014-07-10 | 2015-04-08 | 深圳市科视创科技有限公司 | 排线颜色顺序视觉检测机 |
| CN104778679A (zh) * | 2014-12-22 | 2015-07-15 | 中国科学院遥感与数字地球研究所 | 一种基于高分一号卫星数据的控制点图元快速匹配方法 |
| CN205719261U (zh) * | 2016-04-29 | 2016-11-23 | 深圳市霍克视觉科技有限公司 | 线束颜色顺序视觉检测设备 |
| CN106447730A (zh) * | 2016-09-14 | 2017-02-22 | 深圳地平线机器人科技有限公司 | 参数估计方法、装置和电子设备 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108801462A (zh) * | 2018-04-02 | 2018-11-13 | 武汉理工大学 | 一种非接触式车用线束线序识别装置 |
| CN113012141A (zh) * | 2021-04-01 | 2021-06-22 | 常德富博智能科技有限公司 | 一种线材颜色识别与自动排序系统及方法 |
| CN113012141B (zh) * | 2021-04-01 | 2023-10-31 | 常德富博智能科技有限公司 | 一种线材颜色识别与自动排序系统及方法 |
| CN113627758A (zh) * | 2021-07-30 | 2021-11-09 | 苏州美声电子有限公司 | 基于外观的功放开关筛选方法及系统 |
| CN114441452A (zh) * | 2021-12-17 | 2022-05-06 | 马鞍山新地优特威光纤光缆有限公司 | 一种光纤尾纤检测方法 |
| CN114441452B (zh) * | 2021-12-17 | 2023-09-08 | 马鞍山新地优特威光纤光缆有限公司 | 一种光纤尾纤检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107607205A (zh) | 线束颜色顺序检测系统和方法 | |
| WO2020155939A1 (zh) | 图像识别方法、装置、存储介质和处理器 | |
| CN112036755B (zh) | 一种建筑工程质量检测的监管方法及系统 | |
| CN110390229B (zh) | 一种人脸图片筛选方法、装置、电子设备及存储介质 | |
| CN108664840A (zh) | 图像识别方法及装置 | |
| CN111539923A (zh) | 一种焊缝缺陷的数字射线检测方法、系统及服务器 | |
| US20200292471A1 (en) | Solder paste printing quality inspection system and method | |
| CN105335726B (zh) | 人脸识别置信度获取方法和系统 | |
| CN108304816B (zh) | 身份识别方法、装置、存储介质及电子设备 | |
| WO2020038138A1 (zh) | 样本标注方法及装置、损伤类别的识别方法及装置 | |
| CN104573680B (zh) | 图像检测方法、图像检测装置以及交通违法检测系统 | |
| WO2017181723A1 (zh) | 细纱断裂的检测方法和系统 | |
| CN106022313A (zh) | 一种能自动适应场景的人脸识别方法 | |
| US20210390674A1 (en) | Synthetic image generation for surface anomaly detection | |
| WO2023236371A1 (zh) | 用于电缆元件识别的视觉分析方法 | |
| CN111241873A (zh) | 图像翻拍检测方法及其模型的训练方法、支付方法及装置 | |
| CN109685756A (zh) | 影像特征自动辨识装置、系统及方法 | |
| CN102724394A (zh) | 考场监控摄像头 | |
| CN114460519A (zh) | 基于电力互感器检验的现场与终端融合管理系统和方法 | |
| CN117237925A (zh) | 一种基于计算机视觉的智慧道路病害巡检方法及系统 | |
| CN115861895A (zh) | 一种磷酸铁锂生产现场的物料追踪方法及系统 | |
| TWI747686B (zh) | 缺陷檢測方法及檢測裝置 | |
| CN114630110A (zh) | 一种视频图像在线率检测方法 | |
| CN114549414A (zh) | 一种针对轨道数据的异常变化检测方法及系统 | |
| CN113298182A (zh) | 基于凭证影像的预警方法、装置及设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180119 |