CN108510539A - 一种基于图像分析的煤炭产量监测方法 - Google Patents
一种基于图像分析的煤炭产量监测方法 Download PDFInfo
- Publication number
- CN108510539A CN108510539A CN201810434606.4A CN201810434606A CN108510539A CN 108510539 A CN108510539 A CN 108510539A CN 201810434606 A CN201810434606 A CN 201810434606A CN 108510539 A CN108510539 A CN 108510539A
- Authority
- CN
- China
- Prior art keywords
- coal
- belt feeder
- main shaft
- area
- mine main
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 105
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 19
- 238000010191 image analysis Methods 0.000 title claims abstract description 8
- 238000003708 edge detection Methods 0.000 claims abstract description 6
- 238000009434 installation Methods 0.000 claims abstract description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
Abstract
本发明公开了一种基于图像分析的煤炭产量监测方法,该方法利用预先安装在煤矿主井皮带机机头处的矩形框作为参考,首先,对采集到的监控图像中的安装的矩形框进行标记;然后,以标记的矩形的左下角作为原点(0,0)建立图像像素坐标系;然后,利用边缘检测算法标注出机头皮带处的煤炭堆积形状的边缘曲线;然后,计算边缘曲线与坐标系的横向坐标轴围成的面积与标注的矩形的面积的百分比;然后,根据监控图像的帧数、皮带运行速度等参数计算单位时间内通过机头的煤量的体积与质量;最后,即可得到时间一定时间内通过机头的煤量的质量。
Description
技术领域
本发明涉及一种基于图像分析的煤炭产量监测方法,属于煤炭产量监控装置技术领域。
背景技术
随着煤矿自动化、信息化技术的发展,目前国内的大部分矿井都已经或者正在进行煤炭产量监测系统的部署,但现有的煤炭产量监测系统都存着一些缺陷,例如:一、现有的煤炭产量监测方法无法实时、安全、有效地传输监测数据;二、部分煤炭产量监测方法的前端为传感器,产量监测的有效性易受传感器的灵敏度的影响。
发明内容
为克服现有的技术的不足,本发明提出了一种基于图像分析的煤炭产量监测方法,该方法受前端传感器影响小,能够实时、智能的识别出当前的煤炭产量,为提高煤矿企业的自动化、数字化、信息化提供了可靠的基础数据。
为实现上述目的,本发明的方案是:一种基于图像分析的煤炭产量监测方法,包括如下步骤:
A:在煤矿主井皮带机机头处安装一个宽度为w、高度为h的矩形框;
B:采集煤矿主井皮带机机头处的监控图像;
C:对所述的监控图像,利用矩形标记步骤A处安装的矩形框;
D:以标记的矩形的左下角作为原点(0,0)建立图像像素坐标系,并检测标记矩形框其它三个角的坐标,假设依次为(m,0)、(0,n)与(m,n);
E:利用边缘检测算法标注出机头皮带处的煤炭堆积形状的边缘曲线;
F:计算边缘曲线与步骤D建立的图像像素坐标系的横向坐标轴围成的面积S1;
G:计算步骤F得出的面积S1占步骤C处的标记的矩形的面积S2的百分比P;
H:根据摄像仪的监控图像的帧数IF,皮带机运行速率r m/s,计算出每秒经过煤矿主井皮带机机头处的煤量的体积V;
I:根据步骤H得出的每秒经过煤矿主井皮带机机头处的煤量的体积V,煤炭密度ρ可计算出每秒经过煤矿主井皮带机机头处的煤量的质量m=ρ·V;
J:根据步骤I得出的每秒经过煤矿主井皮带机机头处的煤量的质量m与皮带运行时间t,可计算处t时间内煤矿主井皮带机输出的煤炭的质量M。
所述步骤F,得到边缘曲线与图像像素坐标系的横向坐标轴围城的面积S1的具体过程如下:
(1)假设步骤E得到边缘曲线由一系列像素坐标点连接而成,像素坐标为{(xi,yi)|i=1,2,..,n},其中,在像素坐标点集合{(xi,yi)|i=1,2,..,k}中,随着i的增大xi依次增大;
(2)筛选出像素坐标点集合中横坐标xi最小的点{(xi,yi)|i=1}与横坐标xi最大的点{(xi,yi)|i=k};
(3)得到边缘曲线与图像像素坐标系的横向坐标轴围城的面积
所述的步骤G,得出的步骤F处的面积S1占步骤C处的标记的矩形的面积S2的百分比P的具体过程如下:
(1)根据步骤C处描述的像素坐标系中的标注矩阵的面积s2=m×n;
(2)得出面积S1占面积S2的百分比
所述的步骤H中,得出每秒经过煤矿主井皮带机机头处的煤量的体积V的具体过程如下:
(1)根据步骤G中得出的百分比P与步骤A安装的宽度为w、高度为h的矩形框,可以得到皮带实际运输中的煤炭堆积形状的横截面积CSA=P×w×h;
(2)根据步骤H处的摄像仪的监控图像的帧数为IF,皮带机运行速率为r,可以得到每秒经过煤矿主井皮带机机头处的煤量的体积
所述的步骤J中,得出t时间内煤矿主井皮带机输出的煤炭的质量M的具体过程如下:
(1)根据步骤A-I,分别计算第i-1秒至i秒时间段内经过煤矿主井皮带机机头处的煤量的质量mti|ti=1,2,...,t;
(2)得出t时间内煤矿主井皮带机输出的煤炭的质量
本发明所达到的有益效果:
现有的煤炭产量监测系统与方法大部分主要都是通过前段传感器间接的获得煤炭产量,该类方法易受前端传感器精度的影响,且该类方法无法完整、实时、有效的获取矿井的煤炭产量。本发明提出的一种基于图像分析的煤炭产量监测方法,该方法受前端传感器影响小,且在煤炭由井下运输到井口时,即可实时、智能的识别出当前的煤炭产量,为提高煤矿企业的自动化、数字化、信息化提供了可靠的基础数据。
附图说明
通过以下说明,附图实施案例变得显而易见,其仅结合附图描述的至少一种优选但非限制性实施例的示例方式给出。
图1本发明所述的煤炭产量监测方法的基本流程图;
图2皮带机机头处安装矩形框的示意图;
图3监控图像中矩形框标记示意图;
图4在监控图像中建立图像像素坐标系的示意图;
图5计算边缘曲线与图像像素坐标系的横向坐标轴围成的面积S1的示意图;
图6计算每秒经过煤矿主井皮带机机头处的煤量的体积V的示意图;
具体实施方式
1.一种基于图像分析的煤炭产量监测方法,其特征在于,如图1所示,包括以下步骤:
A:在煤矿主井皮带机机头处安装一个宽度为w、高度为h的矩形框;
B:采集煤矿主井皮带机机头处的监控图像;
C:对所述的监控图像,利用矩形标记步骤A处安装的矩形框;
D:以标记的矩形的左下角作为原点(0,0)建立图像像素坐标系,并检测标记矩形框其它三个角的坐标,假设依次为(m,0)、(0,n)与(m,n);
E:利用边缘检测算法标注出机头皮带处的煤炭堆积形状的边缘曲线;
F:计算边缘曲线与步骤D建立的图像像素坐标系的横向坐标轴围成的面积S1;
G:计算步骤F得出的面积S1占步骤C处的标记的矩形的面积S2的百分比P;
H:根据摄像仪的监控图像的帧数为IF,皮带机运行速率为r m/s,计算出每秒经过煤矿主井皮带机机头处的煤量的体积V;
I:根据步骤H得出的每秒经过煤矿主井皮带机机头处的煤量的体积V,煤炭密度ρ可计算出每秒经过煤矿主井皮带机机头处的煤量的质量m=ρ·V;
J:根据步骤I得出的每秒经过煤矿主井皮带机机头处的煤量的质量m与皮带运行时间t,可计算处t时间内煤矿主井皮带机输出的煤炭的质量M。
2.所述的步骤A,如图2所示,在煤矿主井皮带机机头处安装一个宽度为w、高度为h的矩形框;
3.所述的步骤C,如图3所示,对所述的步骤B采集到的监控图像,利用矩形标记步骤A处安装的矩形框;
4.所述的步骤D,如图4所示,建立以标记的矩形的左下角作为原点(0,0)建立图像像素坐标系,并检测标记矩形框其它三个角的坐标,假设依次为(m,0)、(0,n)与(m,n);
5.所述的步骤E中,边缘检测算法使用canny边缘检测算法;
6.所述步骤F,得到边缘曲线与图像像素坐标系的横向坐标轴围城的面积S1的具体过程如图5所示:
(1)假设步骤E得到边缘曲线由一系列像素坐标点连接而成,像素坐标为{(xi,yi)|i=1,2,..,n},其中,在像素坐标点集合{(xi,yi)|i=1,2,..,k}中,随着i的增大xi依次增大;
(2)筛选出像素坐标点集合中横坐标xi最小的点{(xi,yi)|i=1}与横坐标xi最大的点{(xi,yi)|i=k};
(3)得到边缘曲线与图像像素坐标系的横向坐标轴围城的面积
7.所述的步骤G,得出的步骤F处的面积S1占步骤C处的标记的矩形的面积S2的百分比P的具体过程如下:
(1)根据步骤C处描述的像素坐标系中的标注矩阵的面积s2=m×n;
(2)得出面积S1占面积S2的百分比
8.所述的步骤H中,得出每秒经过煤矿主井皮带机机头处的煤量的体积V的具体过程如图6所示:
(1)根据步骤G中得出的百分比P与步骤A安装的宽度为w、高度为h的矩形框,可以得到皮带实际运输中的煤炭堆积形状的横截面积CSA=P×w×h;
(2)根据步骤H处的摄像仪的监控图像的帧数为IF,皮带机运行速率为r,可以得到每秒经过煤矿主井皮带机机头处的煤量的体积
9.所述的步骤J中,得出t时间内煤矿主井皮带机输出的煤炭的质量M的具体过程如下:
(1)根据步骤A-I,分别计算第i-1秒至i秒时间段内经过煤矿主井皮带机机头处的煤量的质量mti|ti=1,2,...,t;
(2)得出t时间内煤矿主井皮带机输出的煤炭的质量
Claims (5)
1.一种基于图像分析的煤炭产量监测方法,其特征在于,包括以下步骤:
A:在煤矿主井皮带机机头处安装一个宽度为w、高度为h的矩形框;
B:采集煤矿主井皮带机机头处的监控图像;
C:对所述的监控图像,利用矩形标记步骤A处安装的矩形框;
D:以标记的矩形的左下角作为原点(0,0)建立图像像素坐标系,并检测标记矩形框其它三个角的坐标,假设依次为(m,0)、(0,n)与(m,n);
E:利用边缘检测算法标注出机头皮带处的煤炭堆积形状的边缘曲线;
F:计算边缘曲线与步骤D建立的图像像素坐标系的横向坐标轴围成的面积S1;
G:计算步骤F得出的面积S1占步骤C处的标记的矩形的面积S2的百分比P;
H:根据摄像仪的监控图像的帧数IF,皮带机运行速率rm/s,计算出每秒经过煤矿主井皮带机机头处的煤量的体积V;
I:根据步骤H得出的每秒经过煤矿主井皮带机机头处的煤量的体积V,煤炭密度ρ可计算出每秒经过煤矿主井皮带机机头处的煤量的质量m=ρ·V;
J:根据步骤I得出的每秒经过煤矿主井皮带机机头处的煤量的质量m与皮带运行时间t,可计算处t时间内煤矿主井皮带机输出的煤炭的质量M。
2.所述步骤F,得到边缘曲线与图像像素坐标系的横向坐标轴围城的面积S1的具体过程如下:
(1)假设步骤E得到边缘曲线由一系列像素坐标点连接而成,像素坐标为{(xi,yi)|i=1,2,..,n},其中,在像素坐标点集合{(xi,yi)|i=1,2,..,k}中,随着i的增大xi依次增大;
(2)筛选出像素坐标点集合中横坐标xi最小的点{(xi,yi)|i=1}与横坐标xi最大的点{(xi,yi)|i=k};
(3)得到边缘曲线与图像像素坐标系的横向坐标轴围城的面积
3.所述的步骤G,得出的步骤F处的面积S1占步骤C处的标记的矩形的面积S2的百分比P的具体过程如下:
(1)根据步骤C处描述的像素坐标系中的标注矩阵的面积s2=m×n;
(2)得出面积S1占面积S2的百分比
4.所述的步骤H中,得出每秒经过煤矿主井皮带机机头处的煤量的体积V的具体过程如下:
(1)根据步骤G中得出的百分比P与步骤A安装的宽度为w、高度为h的矩形框,可以得到皮带实际运输中的煤炭堆积形状的横截面积CSA=P×w×h;
(2)根据步骤H处的摄像仪的监控图像的帧数为IF,皮带机运行速率为r,可以得到每秒经过煤矿主井皮带机机头处的煤量的体积
5.所述的步骤J中,得出t时间内煤矿主井皮带机输出的煤炭的质量M的具体过程如下:
(1)根据步骤A-I,分别计算第i-1秒至i秒时间段内经过煤矿主井皮带机机头处的煤量的质量mti|ti=1,2,...,t;
(2)得出t时间内煤矿主井皮带机输出的煤炭的质量
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810434606.4A CN108510539A (zh) | 2018-05-09 | 2018-05-09 | 一种基于图像分析的煤炭产量监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810434606.4A CN108510539A (zh) | 2018-05-09 | 2018-05-09 | 一种基于图像分析的煤炭产量监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108510539A true CN108510539A (zh) | 2018-09-07 |
Family
ID=63399970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810434606.4A Pending CN108510539A (zh) | 2018-05-09 | 2018-05-09 | 一种基于图像分析的煤炭产量监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108510539A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111240234A (zh) * | 2019-04-13 | 2020-06-05 | 泰州三凯工程技术有限公司 | 基于数据检测的动作执行方法 |
CN111252497A (zh) * | 2020-01-21 | 2020-06-09 | 上海肇观电子科技有限公司 | 传送带的出料检测方法及设备、电路和介质 |
CN112700419A (zh) * | 2020-12-31 | 2021-04-23 | 精英数智科技股份有限公司 | 基于图像分割的产量计量方法、装置及系统 |
CN113177922A (zh) * | 2021-05-06 | 2021-07-27 | 中冶赛迪重庆信息技术有限公司 | 一种原料异物识别方法、系统、介质及电子终端 |
CN113959502A (zh) * | 2021-11-09 | 2022-01-21 | 北京华能新锐控制技术有限公司 | 非接触式皮带流量估算方法及系统 |
CN115508500A (zh) * | 2022-10-27 | 2022-12-23 | 江苏未来智慧信息科技有限公司 | 一种用于碳排放计量的可视化分层检测方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4414434A1 (de) * | 1994-04-26 | 1995-11-02 | Ruhrkohle Ag | Personenerkennung bei der Bandfahrung |
CN103557917A (zh) * | 2013-10-28 | 2014-02-05 | 天津华宁电子有限公司 | 基于运输设备上的煤量计算方法 |
CN103752534A (zh) * | 2014-01-14 | 2014-04-30 | 温州中波电气有限公司 | 智觉图像智能识别分拣装置及识别分拣方法 |
CN103886290A (zh) * | 2014-03-13 | 2014-06-25 | 西安交通大学 | 一种复杂背景下的煤流视频检测方法 |
CN105783712A (zh) * | 2014-12-26 | 2016-07-20 | 北京中电科电子装备有限公司 | 一种检测刀痕的方法及装置 |
CN105841614A (zh) * | 2016-04-13 | 2016-08-10 | 太原理工大学 | 一种带式输送机输送煤量视觉扫描测距检测方法 |
CN105976396A (zh) * | 2016-04-27 | 2016-09-28 | 梧州市自动化技术研究开发院 | 用于视频图像识别在传送带上运动物体的方法 |
CN107128661A (zh) * | 2017-05-17 | 2017-09-05 | 安徽理工大学 | 非接触式皮带输送计重及偏离警示装置 |
CN107424143A (zh) * | 2017-04-13 | 2017-12-01 | 中国矿业大学 | 一种基于双目立体视觉深度感知的矿用带式输送机煤量检测方法 |
-
2018
- 2018-05-09 CN CN201810434606.4A patent/CN108510539A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4414434A1 (de) * | 1994-04-26 | 1995-11-02 | Ruhrkohle Ag | Personenerkennung bei der Bandfahrung |
CN103557917A (zh) * | 2013-10-28 | 2014-02-05 | 天津华宁电子有限公司 | 基于运输设备上的煤量计算方法 |
CN103752534A (zh) * | 2014-01-14 | 2014-04-30 | 温州中波电气有限公司 | 智觉图像智能识别分拣装置及识别分拣方法 |
CN103886290A (zh) * | 2014-03-13 | 2014-06-25 | 西安交通大学 | 一种复杂背景下的煤流视频检测方法 |
CN105783712A (zh) * | 2014-12-26 | 2016-07-20 | 北京中电科电子装备有限公司 | 一种检测刀痕的方法及装置 |
CN105841614A (zh) * | 2016-04-13 | 2016-08-10 | 太原理工大学 | 一种带式输送机输送煤量视觉扫描测距检测方法 |
CN105976396A (zh) * | 2016-04-27 | 2016-09-28 | 梧州市自动化技术研究开发院 | 用于视频图像识别在传送带上运动物体的方法 |
CN107424143A (zh) * | 2017-04-13 | 2017-12-01 | 中国矿业大学 | 一种基于双目立体视觉深度感知的矿用带式输送机煤量检测方法 |
CN107128661A (zh) * | 2017-05-17 | 2017-09-05 | 安徽理工大学 | 非接触式皮带输送计重及偏离警示装置 |
Non-Patent Citations (4)
Title |
---|
J. LI等: "A dynamic volume measurement system with structured light vision", 《2016 31ST YOUTH ACADEMIC ANNUAL CONFERENCE OF CHINESE ASSOCIATION OF AUTOMATION (YAC)》, pages 251 - 255 * |
同济大学数学系: "《高等数学 第七版上册》", vol. 7, 高等教育出版社, pages: 224 - 225 * |
康树强: "基于图像处理的皮带煤量动态计量技术及在皮带调速系统中的应用研究", 《中国优秀硕士学位论文全文数据库:工程科技Ⅰ辑》, no. 3, pages 021 - 391 * |
聂秀珍: "数字图像处理技术在传输带上散装物料计重的研究", 《中国优秀硕士学位论文全文数据库:信息科技辑》, no. 8, pages 138 - 293 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111240234A (zh) * | 2019-04-13 | 2020-06-05 | 泰州三凯工程技术有限公司 | 基于数据检测的动作执行方法 |
CN111240234B (zh) * | 2019-04-13 | 2020-11-17 | 万金芬 | 基于数据检测的动作执行方法 |
CN111252497A (zh) * | 2020-01-21 | 2020-06-09 | 上海肇观电子科技有限公司 | 传送带的出料检测方法及设备、电路和介质 |
CN111252497B (zh) * | 2020-01-21 | 2022-07-05 | 上海肇观电子科技有限公司 | 传送带的出料检测方法及设备、电路和介质 |
CN112700419A (zh) * | 2020-12-31 | 2021-04-23 | 精英数智科技股份有限公司 | 基于图像分割的产量计量方法、装置及系统 |
CN113177922A (zh) * | 2021-05-06 | 2021-07-27 | 中冶赛迪重庆信息技术有限公司 | 一种原料异物识别方法、系统、介质及电子终端 |
CN113959502A (zh) * | 2021-11-09 | 2022-01-21 | 北京华能新锐控制技术有限公司 | 非接触式皮带流量估算方法及系统 |
CN115508500A (zh) * | 2022-10-27 | 2022-12-23 | 江苏未来智慧信息科技有限公司 | 一种用于碳排放计量的可视化分层检测方法及系统 |
CN115508500B (zh) * | 2022-10-27 | 2024-01-05 | 江苏未来智慧信息科技有限公司 | 一种用于碳排放计量的可视化分层检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108510539A (zh) | 一种基于图像分析的煤炭产量监测方法 | |
CN109969736B (zh) | 一种大型运载皮带跑偏故障智能检测方法 | |
CN112434695B (zh) | 一种基于深度学习的上拉杆故障检测方法 | |
Yang et al. | On-line conveyor belts inspection based on machine vision | |
CN102881106B (zh) | 一种热成像视频双鉴林火识别系统及其识别方法 | |
CN103398753B (zh) | 基于机器视觉的浮选液位在线检测装置及方法 | |
CN104268860B (zh) | 一种车道线检测方法 | |
US20090167864A1 (en) | Vehicle and Lane Mark Detection Device | |
CN100435160C (zh) | 一种用于交通信息实时采集的视频图像处理方法及系统 | |
CN109300125B (zh) | 一种复杂环境下城轨列车受电弓滑板图像提取方法 | |
CN103051872A (zh) | 基于图像边缘提取的输送带跑偏检测方法 | |
CN105718964B (zh) | 一种输电线防振锤的视觉检测方法 | |
CN108333488A (zh) | 基于紫外、红外和光学图像相融合的燃弧检测方法 | |
CN104828517A (zh) | 基于视觉的皮带跑偏检测方法 | |
CN109447011A (zh) | 红外对蒸汽管道泄露的实时监控方法 | |
CN101916372A (zh) | 基于视频的多特征融合的烟检测装置和方法 | |
CN110751669A (zh) | 一种新型cbocp在线红外转炉出钢钢流自动检测与跟踪方法及系统 | |
CN116423005A (zh) | 一种提高焊接精度的锡焊工艺优化方法及系统 | |
CN108876771B (zh) | 一种咬边焊接缺陷的检测方法 | |
CN114511519A (zh) | 一种基于图像处理的列车车底螺栓丢失检测方法 | |
CN110519566B (zh) | 一种基于视频处理的皮带运动状态监测方法 | |
CN110378866B (zh) | 一种基于无人机巡检的渠道衬砌破损图像识别方法 | |
CN112040174A (zh) | 一种用于井下的煤流量视觉检测方法 | |
CN108803651B (zh) | 一种基于图像特征的无人机公路巡检方法 | |
CN117250200B (zh) | 一种基于机器视觉的方管生产质量检测系统 |
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 |