CN108491841A - 一种汽车轮毂类型识别监控管理系统及方法 - Google Patents
一种汽车轮毂类型识别监控管理系统及方法 Download PDFInfo
- Publication number
- CN108491841A CN108491841A CN201810237680.7A CN201810237680A CN108491841A CN 108491841 A CN108491841 A CN 108491841A CN 201810237680 A CN201810237680 A CN 201810237680A CN 108491841 A CN108491841 A CN 108491841A
- Authority
- CN
- China
- Prior art keywords
- wheel hub
- type
- point
- hub
- wheel
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
Abstract
本发明公开了一种汽车轮毂类型识别监控管理系统,该系统包括红外传感器、光源、工业CCD相机、遮光箱体、网线、交换机、服务器以及客户端,其中通过工业CCD相机拍摄生产线上的轮毂图像,利用网线和交换机将各生产点位的图像传输到服务器上,再通过机器视觉检测技术对轮毂类型进行识别,将识别结果和轮毂的生产点位信息、时间信息和调度信息写入数据库中,在同一个局域网下的客户端再通过浏览器监测各个点位间的流动统计信息和实时库存信息,进行库存管理和生产计划监控,以提高轮毂识别准确率和生产效率。
Description
技术领域
本发明属于轮毂制造领域,尤其涉及一种汽车轮毂生产线上的识别管理系统。
背景技术
随着汽车零部件工业的成长,汽车轮毂行业不断发展壮大,将自动化生产技术引入生产线的需求也不断提升。汽车轮毂是用于支撑轮胎的圆桶形的、中心装在轴上的金属部件,目前汽车轮毂的种类日益繁多,高达数百种,并且经常设计生产新轮型。传统的通过人工分类识别汽车轮毂类型的方法准确率不高,且长期观测容易引起疲劳,对人眼有损伤,无法满足工厂的生产需求。人工轮毂类型管理系统,由于分类错误,产品报废以及经常在各条生产线之间调动等原因,造成对库存的掌握不准确,影响生产计划的制定。因此一种准确的轮毂类型分类识别以及信息管理系统对于了解实时库存信息,进行生产计划监控,提高汽车轮毂行业的生产效率显得非常重要。
此外,现有的轮毂视觉识别系统往往在生产线上安装有轮毂夹持装置或者是抱紧机构,每次有轮毂经过检测点位时,都需要将轮毂固定一段时间拍摄图像后才将轮毂继续放在生产线上流动,这种轮毂类型检测方式会影响生产线的流动节拍,从而影响生产效率。所以,如何在不影响现有生产线流动节拍的基础上,实现对轮毂进行图像拍摄,并在此基础上实现对每个轮毂的类型信息、点位信息和时间信息以及轮毂调度信息进行监控,以得到各条生产线上各个点位间的实时库存信息,并在此基础上及时制定生产计划,对生产进行实时监控,提高生产效率,这是目前的一个难点。
发明内容
发明目的:针对上述现有方法存在的问题和不足,本发明旨在提供一种汽车轮毂类型识别监控管理系统以及方法,通过该系统以及方法提高轮毂类型识别的准确率和稳定性,避免轮毂类型识别过程中的人为误差,并对轮毂生产的实时信息进行监控管理,提高生产企业的效率。
技术方案:为实现上述发明目的,本发明技术方案如下:
一种汽车轮毂类型识别监控管理系统,该识别监控管理系统由如下部分组成:
获取装置,用于在轮毂经过该装置时,触发拍摄设备拍摄各点位的轮毂图像;
处理装置,用于对拍摄的各点位轮毂图像进行轮毂类型识别;
存储装置,用于存储识别出的轮毂信息;
访问装置,用于访问轮毂信息管理系统,对轮毂实时生产进行监控管理。
其中,所述点位包括:热处理点位、气密性前点位、气密性后点位、包装前点位;
所述存储识别出的轮毂信息包括:时间信息、点位信息、调度信息、类别信息,并且所述获取装置由遮光设备、检测设备、拍摄设备、光源组成。
所述处理装置具有以下子单元:
预处理单元,用于对生产线上拍摄到的轮毂图像进行预处理,然后对图像进行圆检测,定位轮毂所在区域,将轮毂图像部分从整张图像中裁剪出来;
模板匹配单元,用于将裁剪得到的图像进行二值化,并且分别旋转一定角度后与各种轮毂类型样本的二值图进行差值统计,得到最佳匹配图和最佳旋转角,最佳匹配图的轮毂类型就是模板匹配的识别结果;
特征匹配单元,用于将裁剪得到的图片和最佳匹配图做特征匹配,若匹配点数大于设定值,则两次识别结果相同,即确定轮毂类型的种类;若匹配点数小于设定值,再和各种轮毂类型样本进行特征匹配,匹配点数最多的轮型即为识别结果;
比较单元,用于在进行模板匹配和特征提取时,每次先与经过生产点位的最近预设种类轮毂进行比较,如果待检测轮毂类型不在最近预设种类轮型中,则对所有样本轮毂类型进行比较;
确定单元,用于基于特征的分析结果和模板匹配的结果,确定得到轮毂的类型。
本发明还提供了一种由汽车轮毂类型识别监控管理系统实现的对汽车轮毂类型识别监控管理的方法,其步骤如下:
(1)当轮毂经过获取装置时,触发拍摄设备拍摄各点位轮毂图像;
(2)对拍摄的各点位的轮毂图像进行轮毂类型识别;
(3)将识别出的轮毂的信息进行存储;
(4)通过访问装置访问轮毂信息管理系统,对轮毂实时生产情况进行监控管理。
其中,在步骤(2)中,所述轮毂类型识别方法如下:
(2.1)对生产线上拍摄到的轮毂图像进行预处理,然后对图像进行圆检测,定位轮毂所在区域,将轮毂图像部分从整张图像中裁剪出来;
(2.2)对步骤(2.1)中裁剪得到的图像进行二值化,并且分别旋转一定角度后与各种轮毂类型样本的二值图进行差值统计,得到最佳匹配图和最佳旋转角,最佳匹配图的轮毂类型就是模板匹配的识别结果;
(2.3)再用步骤(2.1)中裁剪得到的图片和步骤(2.2)中的最佳匹配图做特征匹配,若匹配点数大于设定值,则两次识别结果相同,即确定轮毂类型的种类;若匹配点数小于设定值,再和各种轮毂类型样本进行特征匹配,匹配点数最多的轮型即为识别结果;
(2.4)在进行步骤(2.2)和(2.3)的模板匹配和特征提取时,每次先与经过生产点位的最近预设种类轮毂进行比较,如果待检测轮毂类型不在最近预设种类轮型中,则对所有样本轮毂类型进行比较;
(2.5)基于特征类的分析结果和模板匹配的结果,得到轮毂类型的识别结果。
其中,最近预设种类轮型:开始时,建立一个存放预设种类轮型信息的一维数组,每次得到待检测轮型的识别结果后,对存放轮型信息的数组进行更新,若本次识别出的轮型已经在数组中,则将这种轮型信息移至数组首元素位置,其余轮型信息依次后移;若本次识别出的轮型不在数组中,则将数组尾部的轮型信息移除,前面的轮型信息依次后移,并将本次识别的轮型信息插入数组首元素处。
有益效果:本发明与现有的检测系统相比,有以下几点有益效果:
(1)本发明采用红外传感器拍摄生产线上的轮毂图像,不影响生产线现有的流动节拍;
(2)本发明通过安装在生产点位上方的遮光箱体和光源,保证了环境的稳定性,提高了轮毂类型识别的准确率和稳定性,避免了类型识别过程中的人为误差,完全可以满足轮毂工业生产线上的各种要求;
(3)本发明结合了每个轮毂的类型信息、点位信息和时间信息以及轮毂调度信息,可以得到各条生产线各点位间的实时库存信息,以便及时制定生产计划,对生产进行实时监控,提高生产效率。
(4)本发明的轮毂识别算法使用模板匹配和surf特征点匹配两种算法进行双重验证,提高了识别结果的准确性与可靠性,同时考虑了轮毂类型的连续性,比较生产线上流动最近的多种轮型,提高了算法的实时性。
附图说明
图1是本发明的识别装置结构示意图;
图2是本发明的生产点位分布示意图;
图3是本发明的系统结构框图;
图4是本发明的热处理前点位轮毂图;
图5是本发明的气密性前点位轮毂图;
图6是本发明的气密性后点位轮毂图;
图7是本发明的包装前点位轮毂图。
具体实施方式
下面结合附图和实施例对本发明做进一步的说明:
如图1所示的识别装置结构图,1-红外传感器,2-光源,3-工业CCD相机,4-遮光箱体,每一个轮毂类型识别装置都由1-红外传感器、2-光源、3-工业CCD相机以及4-遮光箱体组成,并且1-红外传感器放置在生产线导轨上方,2-光源放置在4-遮光箱体内部,并且位于3-工业CCD相机的左右两端,3-工业CCD相机放置在4-遮光箱体内部,4-遮光箱体放置在生产线各个生产点位正上方。
如图2所示的生产点位分布图,本发明的汽车轮毂类型识别监控管理系统具有四个轮毂识别点位:热处理点位、气密性前点位、气密性后点位、包装前点位。
如图3所示的轮毂类型识别监控管理系统结构图,本发明公开的一种汽车轮毂类型识别监控管理系统,包括图1所示的分别安装在热处理前点位,气密性前点位,气密性后点位和包装前点位的轮毂类型识别装置、网线、千兆以太网交换机、服务器以及客户端,并且四个生产点位的工业CCD相机由网线接口与交换机连接,各个生产点位通过网线和千兆以太网交换机同服务器以及客户端连接在一起,共同构成一个局域网。
本发明的轮毂类型识别监控管理系统的工作原理为:在生产线上加工的轮毂经过安装在热处理点位、气密性前点位、气密性后点位、包装前点位的轮毂类型识别装置内的红外传感器时,触发工业CCD相机拍摄轮毂图像;各个检测点位的工业CCD相机通过网线连接到路由器,和服务器连接在同一个局域网下;各个检测的相机将拍摄到的轮毂图像传输到服务器,由服务器通过视觉检测技术后,将得到的轮毂类型识别结果、时间信息和点位信息一起写入数据库;连接在同一个局域网下的客户端可以通过浏览器对整条生产线的实时库存信息、各点位的实时库存信息以及实时生产情况进行监控,并且可以查看各个检测点位之间的实时流动信息,以便及时制定生产计划,提高生产效率。
作为优选,所述遮光箱体长1.0m,宽1.0m,高1.2m,放置在热处理前点位、气密性前点位、气密性后点位、包装前点位四个点位的生产线上。
作为优选,所述工业CCD相机选择GIGE接口以及600万象素,放置在遮光箱体内部高1.0m处。
作为优选,所述红外传感器选择对射式红外传感器,放置在生产线导轨上方0.1m处。
作为优选,所述光源放置在遮光箱体内部高1.2m处,放置在工业CCD相机的左右两端,该光源在遮光箱体内部起到提供光线的作用。
作为优选,所述交换机选择16口千兆以太网交换机。
作为优选,所述服务器安装Windows Server 2016操作系统。
作为优选,将获取到的轮毂图像传输到服务器,再由服务器进行图像处理,得到轮毂类型,其中轮毂识别方法的步骤为:
(1)轮毂区域定位
首先对从生产线上采集得到轮毂图片进行预处理,然后采用基于弧支持线段的圆检测方法,得到的最大圆即为轮毂区域,将轮毂从原图像中裁剪出来;
(2)模板匹配
由于从生产线上采集得到的轮毂之间存在一定的旋转角度,所以在进行模板匹配之前首先要进行轮毂图像的旋转进行图像对齐。而轮毂的轮辐大多在5个或以上,因此将72°等分成9°、18°、27°、36°、45°、54°、63°和72°这8个角度,分别对待识别轮毂图像进行8次旋转,根据旋转后的二值图和各样本轮型的二值图进行差值统计,得到差值最小的样本图为最佳匹配图,差值最小下的旋转角为最佳旋转角,最佳匹配图的轮型就是模板匹配的识别结果;
(3)surf特征点匹配
用待识别轮毂图片首先和(2)中的最佳匹配图做surf特征点匹配,若surf匹配点数大于设定值,则两次识别结果相同,确定待检测轮毂就是最佳匹配图的轮型,若匹配点数小于设定值,再和各种轮毂类型样本进行surf匹配,匹配点数最多的轮型即为识待检测轮型所属轮型;
(4)确定识别结果
结合步骤(2)中的模板匹配结果和步骤(3)中的特征点匹配结果确定待检测轮型的类别。在进行模板匹配和surf特征点匹配时,考虑到实际生产线上流动的轮毂类型具有一定的连续性,为提高算法的实时性,每次先与经过生产点位的最近5种轮型进行比较,如果待检测轮型不在最近5种轮型中,则对所有样本轮型进行比较。
其中,最近5种轮型:开始时,建立一个存放5种轮型信息的一维数组,每次得到待检测轮型的识别结果后,对存放轮型信息的数组进行更新:若本次识别出的轮型已经在数组中,则将这种轮型信息移至数组首元素位置,其余轮型信息依次后移;若本次识别出的轮型不在数组中,则将数组尾部的轮型信息移除,前面的轮型信息依次后移,并将本次识别的轮型信息插入数组首元素处。
Claims (9)
1.一种汽车轮毂类型识别监控管理系统,其特征在于:该管理系统由如下部分组成:
获取装置,用于在轮毂经过该装置时,触发拍摄设备拍摄获取各点位的轮毂图像;
处理装置,用于对拍摄的各点位轮毂图像进行轮毂类型识别;
存储装置,用于存储识别出的轮毂信息;
访问装置,用于访问轮毂信息管理系统,对轮毂实时生产进行监控管理。
2.根据权利要求1所述的一种汽车轮毂类型识别监控管理系统,其特征在于:所述获取装置由遮光设备、检测设备、拍摄设备、光源组成。
3.根据权利要求1所述的一种汽车轮毂类型识别监控管理系统,其特征在于:所述点位包括:热处理点位、气密性前点位、气密性后点位、包装前点位。
4.根据权利要求1所述的一种汽车轮毂类型识别监控管理系统,其特征在于:所述存储识别出的轮毂信息包括:时间信息、点位信息、调度信息、类别信息。
5.根据权利要求1所述的一种汽车轮毂类型识别监控管理系统,其特征在于:所述处理装置具有以下子单元:
预处理单元,用于对生产线上拍摄到的轮毂图像进行预处理,然后对图像进行圆检测,定位轮毂所在区域,将轮毂图像部分从整张图像中裁剪出来;
模板匹配单元,用于将裁剪得到的图像进行二值化,并且分别旋转一定角度后与各种轮毂类型样本的二值图进行差值统计,得到最佳匹配图和最佳旋转角,最佳匹配图的轮毂类型就是模板匹配的识别结果;
特征匹配单元,用于将裁剪得到的图片和最佳匹配图做特征匹配,若匹配点数大于设定值,则两次识别结果相同,即确定轮毂类型的种类;若匹配点数小于设定值,再和各种轮毂类型样本进行特征匹配,匹配点数最多的轮型即为识别结果;
比较单元,用于在进行模板匹配和特征提取时,每次先与经过生产点位的最近预设种类轮毂进行比较,如果待检测轮毂类型不在最近预设种类轮型中,则对所有样本轮毂类型进行比较;
确定单元,用于基于特征的分析结果和模板匹配的结果,确定得到轮毂的类型。
6.采用如权利要求1所述的一种汽车轮毂类型识别监控管理系统实现的汽车轮毂类型识别管监控理方法,其特征在于:
(1)当轮毂经过获取装置时,触发拍摄设备拍摄获取各点位轮毂图像;
(2)对拍摄获取的各点位的轮毂图像进行轮毂类型识别;
(3)将识别出的轮毂的信息进行存储;
(4)通过访问装置访问轮毂信息管理系统,对轮毂实时生产进行监控管理。
7.根据权利要求6所述的一种汽车轮毂类型识别监控管理方法,其特征在于:所述点位包括:热处理点位、气密性前点位、气密性后点位、包装前点位。
8.根据权利要求6所述的一种汽车轮毂类型识别监控管理方法,其特征在于:所述轮毂信息包括:时间信息、点位信息、调度信息、类别信息。
9.根据权利要求6所述的一种汽车轮毂类型识别监控管理方法,其特征在于:在步骤(2)中,所述轮毂类型识别包括如下步骤:
(2.1)对生产线上拍摄到的轮毂图像进行预处理,然后对图像进行圆检测,定位轮毂所在区域,将轮毂图像部分从整张图像中裁剪出来;
(2.2)对步骤(2.1)中裁剪得到的图像进行二值化,并且分别旋转一定角度后与各种轮毂类型样本的二值图进行差值统计,得到最佳匹配图和最佳旋转角,最佳匹配图的轮毂类型就是模板匹配的识别结果;
(2.3)再用步骤(2.1)中裁剪得到的图片和步骤(2.2)中的最佳匹配图做特征匹配,若匹配点数大于设定值,则两次识别结果相同,即确定轮毂类型的种类;若匹配点数小于设定值,再和各种轮毂类型样本进行特征匹配,匹配点数最多的轮型即为识别结果;
(2.4)在进行步骤(2.2)和(2.3)的模板匹配和特征提取时,每次先与经过生产点位的最近预设种类轮毂进行比较,如果待检测轮毂类型不在最近预设种类轮型中,则对所有样本轮毂类型进行比较;
(2.5)基于特征的分析结果和模板匹配的结果,得到轮毂类型的识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810237680.7A CN108491841A (zh) | 2018-03-21 | 2018-03-21 | 一种汽车轮毂类型识别监控管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810237680.7A CN108491841A (zh) | 2018-03-21 | 2018-03-21 | 一种汽车轮毂类型识别监控管理系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108491841A true CN108491841A (zh) | 2018-09-04 |
Family
ID=63319264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810237680.7A Pending CN108491841A (zh) | 2018-03-21 | 2018-03-21 | 一种汽车轮毂类型识别监控管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108491841A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110530863A (zh) * | 2019-08-27 | 2019-12-03 | 南京末梢信息技术有限公司 | 一种汽车轮毂混包检测装置及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079107A (zh) * | 2007-06-29 | 2007-11-28 | 丹东华日理学电气有限公司 | 轮毂型号自动识别方法 |
CN103279763A (zh) * | 2013-05-25 | 2013-09-04 | 中北大学 | 一种基于结构特征的轮毂类型自动识别方法 |
CN203287913U (zh) * | 2013-06-17 | 2013-11-13 | 江苏天宏自动化科技有限公司 | 铝合金轮毂视觉识别系统 |
CN103425969A (zh) * | 2013-08-07 | 2013-12-04 | 华南理工大学 | 一种识别轮毂型号的检测系统及其检测方法 |
CN104123542A (zh) * | 2014-07-18 | 2014-10-29 | 大连理工大学 | 一种轮毂工件定位的装置及其方法 |
CN204009938U (zh) * | 2014-04-09 | 2014-12-10 | 南京傲翼伟滕自动化科技有限公司 | 轮毂类型的识别系统 |
CN105118044A (zh) * | 2015-06-16 | 2015-12-02 | 华南理工大学 | 一种轮形铸造产品缺陷自动检测方法 |
-
2018
- 2018-03-21 CN CN201810237680.7A patent/CN108491841A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079107A (zh) * | 2007-06-29 | 2007-11-28 | 丹东华日理学电气有限公司 | 轮毂型号自动识别方法 |
CN103279763A (zh) * | 2013-05-25 | 2013-09-04 | 中北大学 | 一种基于结构特征的轮毂类型自动识别方法 |
CN203287913U (zh) * | 2013-06-17 | 2013-11-13 | 江苏天宏自动化科技有限公司 | 铝合金轮毂视觉识别系统 |
CN103425969A (zh) * | 2013-08-07 | 2013-12-04 | 华南理工大学 | 一种识别轮毂型号的检测系统及其检测方法 |
CN204009938U (zh) * | 2014-04-09 | 2014-12-10 | 南京傲翼伟滕自动化科技有限公司 | 轮毂类型的识别系统 |
CN104123542A (zh) * | 2014-07-18 | 2014-10-29 | 大连理工大学 | 一种轮毂工件定位的装置及其方法 |
CN105118044A (zh) * | 2015-06-16 | 2015-12-02 | 华南理工大学 | 一种轮形铸造产品缺陷自动检测方法 |
Non-Patent Citations (2)
Title |
---|
CHEN LIUKUI 等: "A method of hub auto-recognition on line", 《2011 INTERNATIONAL CONFERENCE ON BUSINESS MANAGEMENT AND ELECTRONIC INFORMATION》 * |
陈建可: "基于机器视觉的实时轮毂智能识别系统的研究", 《中国优秀硕士学位论文全文数据库信息科技II辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110530863A (zh) * | 2019-08-27 | 2019-12-03 | 南京末梢信息技术有限公司 | 一种汽车轮毂混包检测装置及方法 |
CN110530863B (zh) * | 2019-08-27 | 2022-04-05 | 南京末梢信息技术有限公司 | 一种汽车轮毂混包检测装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108037770B (zh) | 基于人工智能的无人机输电线路巡检系统和方法 | |
CN108365557A (zh) | 一种无人机精细化巡检输电线路的方法及系统 | |
CN107389689A (zh) | 一种用于缺陷检测的aoi管理系统及管理方法 | |
CN113870260A (zh) | 一种基于高频时序数据的焊接缺陷实时检测方法及系统 | |
CN110648319B (zh) | 基于双相机的设备图像采集诊断系统及方法 | |
CN111832398B (zh) | 一种无人机影像的配电线路杆塔导地线断股图像检测方法 | |
CN113723325B (zh) | 一种装配式预制构件的工装缺陷检测系统 | |
CN117076934B (zh) | 一种基于物联网的监控数据采集及分析方法 | |
TW201825883A (zh) | 最佳化使用於設定檢查相關演算法之訓練組 | |
CN115496750B (zh) | 一种基于神经网络的接触网缺陷验损方法及系统 | |
CN108491841A (zh) | 一种汽车轮毂类型识别监控管理系统及方法 | |
CN110956285A (zh) | 一种基于深度学习的装维施工规范性检测方法及系统 | |
CN115169602A (zh) | 电力设备的维护方法、装置、存储介质及计算机设备 | |
CN111208146B (zh) | 一种隧道线缆检测系统及检测方法 | |
CN113239838B (zh) | 一种用于输电铁塔的无人机智能巡检识别方法 | |
CN113780830A (zh) | 一种基于投影的钢丝零件质检系统、方法及设备 | |
CN102378909B (zh) | 检查方法和检查装置 | |
CN211292638U (zh) | 一种笔管印刷快速自动检测装置 | |
CN217561313U (zh) | 一种烟支滤嘴内部塑料件缺陷检测装置 | |
CN113723841B (zh) | 一种装配式预制构件中工装缺失的在线检测方法 | |
WO2022247597A1 (zh) | 一种基于无人机的papi飞行校验方法和系统 | |
CN115797859A (zh) | 一种天车吊挂铁钢包图像识别方法及系统 | |
CN116452961A (zh) | 一种工业设备状态判断方法及装置 | |
CN115937773A (zh) | 一种基于ai识别的智能影像识别系统 | |
CN113778091A (zh) | 一种风电场升压站设备巡检方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180904 |
|
RJ01 | Rejection of invention patent application after publication |