CN108693194A - 钢板生产线点阵喷码机器视觉自动检测系统 - Google Patents

钢板生产线点阵喷码机器视觉自动检测系统 Download PDF

Info

Publication number
CN108693194A
CN108693194A CN201810650292.1A CN201810650292A CN108693194A CN 108693194 A CN108693194 A CN 108693194A CN 201810650292 A CN201810650292 A CN 201810650292A CN 108693194 A CN108693194 A CN 108693194A
Authority
CN
China
Prior art keywords
character
ink jet
production line
machine device
automatic checkout
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
Application number
CN201810650292.1A
Other languages
English (en)
Other versions
CN108693194B (zh
Inventor
肖昌炎
覃慧
葛俊辉
葛晓军
周苹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan University
Original Assignee
Hunan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan University filed Critical Hunan University
Priority to CN201810650292.1A priority Critical patent/CN108693194B/zh
Publication of CN108693194A publication Critical patent/CN108693194A/zh
Application granted granted Critical
Publication of CN108693194B publication Critical patent/CN108693194B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
    • G01N21/898—Irregularities in textured or patterned surfaces, e.g. textiles, wood
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/158—Segmentation of character regions using character size, text spacings or pitch estimation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
    • G01N2021/8918—Metal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Textile Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Wood Science & Technology (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种钢板生产线点阵喷码机器视觉自动检测系统，包括辊道、红外传感器、控制器、图像采集单元、测速单元以及图像处理终端，所述红外传感器安装于辊道旁，用于检测钢板到来的信息，所述红外传感器和图像采集单元与所述控制器相连接；当钢板到位时，控制器发送命令给图像采集单元，开始采集图片并将将数据传输到本地的图像处理终端完成钢板上字符的识别。本发明具有自动化程度高、检测精度高、检测效率高等优点。

Description

钢板生产线点阵喷码机器视觉自动检测系统
技术领域
本发明主要涉及到钢板表面字符识别领域，特指一种钢板生产线点阵喷码机器视觉自动检测系统。
背景技术
在钢板实际生产制造过程中，通常需要在其表面喷印、滚压或者冲打一些由数字、英文字母或特殊符号构成的字符(即喷码)作为钢板的唯一标识，用于质量跟踪和信息管理。其中，点阵热喷技术具有耐高温、低成本、喷枪与工件无接触以及喷印效率高等优点，比较适合于类似大型热轧钢板喷码等注重标码内容而不是喷印质量的场合。
现有钢铁厂一般通过人工检测的方法检测钢板表面点阵喷码，而钢铁厂环境复杂，存在高温、运动等危险因素，且工人工作效率低，漏检误检多，难以满足现代工业生产的要求。同时，流水线传送速度的变化、辊轴振动、钢板温度和喷头、涂料的状况都会影响最终的喷码质量。实际工况中，喷码经常存在变形、粘连、缺失、模糊等现象，这些都给钢板生产线点阵喷码的检测和识别带来很大的困难。
发明内容
本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种自动化程度高、检测精度高、检测效率高的钢板生产线点阵喷码机器视觉自动检测系统。
为解决上述技术问题，本发明采用以下技术方案：
一种钢板生产线点阵喷码机器视觉自动检测系统，包括辊道、红外传感器、控制器、图像采集单元、测速单元以及图像处理终端，所述红外传感器安装于辊道旁，用于检测钢板到来的信息，所述红外传感器和图像采集单元与所述控制器相连接；当钢板到位时，控制器发送命令给图像采集单元，开始采集图片并将将数据传输到本地的图像处理终端完成钢板上字符的识别。
作为本发明的进一步改进：所述图像采集单元采用工业相机，所述工业相机为线阵相机。
作为本发明的进一步改进：所述线阵相机通过支架架设在所测钢板1的正上方，
作为本发明的进一步改进：还包括光源用以保证光线充足。
作为本发明的进一步改进：还包括光源用以保证光线充足，所述光源分别架设于所述线阵相机的下方两侧，所述光源的光线与所述钢板的夹角为90度。
作为本发明的进一步改进：所述测速单元采用低分辨率面阵相机和结构光，通过采集到的两张相邻图像计算出钢板的运动距离s，再利用相机的采集频率f计算出钢板的运动速度。
作为本发明的进一步改进：所述图像处理终端包括字符定位模块、字符分割模块和字符识别模块；所述字符定位模块用来定位字符区域，所述字符分割模块用来分割字符，所述字符识别模块用来对分割之后的字符进行识别。
作为本发明的进一步改进：所述字符定位模块采用二级定位的方法定位字符区域，具体步骤为：
(1)初级定位：先用拉普拉斯金字塔采样降低图像分辨率，再用顶帽变换突出轮廓周围明亮区域，最后通过计算图像重心获取字符区域位置；
(2)精确定位：先通过自适应Canny边缘检测提取字符轮廓，再对字符轮廓进行投影，最后结合字符区域的几何特征准确定位字符区域位置。
作为本发明的进一步改进：所述字符分割模块采用了多方向线阵描算法和聚类机制矫正算法，具体步骤为：
(1)利用拉普拉斯算子增强字符与背景对比度，再进行多阈值分割以获取前景字符；
(2)采用多方向线阵描算法，实现单个字符的分割；
(3)通过k-means聚类机制矫正算法对分割结果进行矫正。
作为本发明的进一步改进：所述字符识别模块采用了BP神经网络识别方法。
与现有技术相比，本发明的优点在于：
1、本发明的钢板生产线点阵喷码机器视觉自动检测系统，为能在复杂光照场景中自动识别点阵喷码的钢板生产线点阵喷码机器视觉自动检测系统，以实现对钢板的科学管理，增加产品的可追溯性，防止混号等事故的发生，提高生产节奏。
2、本发明的钢板生产线点阵喷码机器视觉自动检测系统安装方便，无需改造现场设备，安装过程简单，不影响生产，且系统受光线影响小，抗干扰能力强。
3、本发明提供的钢板生产线点阵喷码机器视觉自动检测系统中的测速单元采用了低分辨率面阵相机和结构光进行测速，在钢板打滑等复杂情况下能有效、准确、快速地测出钢板的运动速度。
4、本发明提供的钢板生产线点阵喷码机器视觉自动检测系统图像采集单元采用的相机为线阵相机，可以适应高速运动钢板的拍摄，钢板不需停下就可以采集一张完整的钢板图片，且不会因速度变化而出现图像间隔丢失的现象。
5、本发明提供的钢板生产线点阵喷码机器视觉自动检测系统适用于点阵喷码的识别，且对喷码出现粘连、倾斜和缺失的情况，具有很好的鲁棒性。
附图说明
图1是本发明钢板生产线点阵喷码机器视觉自动检测系统的结构示意图。
图2是本发明在具体实施实例中线阵相机与光源的安装位置示意图。
图3是本发明在具体实施实例中具体采集的单幅图像。
图4是本发明在具体实施实例中图像处理终端的算法流程图。
图5是本发明在具体实施实例中图像处理终端对点阵喷码识别结果。
图6是本发明在具体实施实例中采集到的喷码出现倾斜、丢点、粘连等现象的图像。
图例说明：
1、钢板；2、辊道；3、图像采集单元；4、测速单元；5、图像处理终端；6、控制器；7、光源；8、红外传感器。
具体实施方式
以下将结合说明书附图和具体实施例对本发明做进一步详细说明。
如图1所示，本发明的钢板生产线点阵喷码机器视觉自动检测系统，其包括：辊道2、红外传感器8、控制器6、图像采集单元3、测速单元4、以太网、图像处理终端5。其中：所述图像采集单元3包括：工业相机、冷却箱、防尘防水罩。所述测速单元4包括：低分辨率面阵相机、结构光。所述图像处理终端5包括：字符定位模块、字符分割模块、字符识别模块。
在具体实施实例中，所述红外传感器8安装于辊道2旁，用于检测钢板1到来的信息，所述红外传感器8和图像采集单元3与所述控制器6相连接。
在具体实施实例中，所述图像采集单元3所用的工业相机为线阵相机。与面阵相机相比，线阵相机可以适应高速运动物体的拍摄，而面阵相机需要全局曝光时间；且线阵相机不会出现图像间隔的丢失，而面阵相机需要计算间隔，钢板1传送速度变化了会出现少拍和多拍的现象。最后，线阵相机可以采集一张完整的钢板1图片，而面阵相机需要计算张数并拼接。
在本具体实施实例中，为了更好地保证光线，减少光线对系统的影响，还应人工增设光源7，光源7可以采用为LED光源，以实现白天黑夜都能工作的目的。
在本具体实施实例中，所述线阵相机和光源7的安装位置如图2所示。线阵相机通过支架架设在所测钢板1的正上方，距辊道2的距离为2.5米。光源7分别架设于所述线阵相机的下方两侧，所述光源7的光线与所述钢板1的夹角为90度，所述光源7距辊道2的距离为2米。
在本具体实施实例中，为了对钢板1进行实时测速，测速单元4采用低分辨率面阵相机和结构光，通过采集到的两张相邻图像计算出钢板1的运动距离s，再利用相机的采集频率f计算出钢板1的运动速度，有效避免了钢板1打滑时电机测速法无法准确测速的情况。步骤归纳为：
(1)所述低分辨率面阵相机的图像采集频率为f。
(2)通过采集到的相邻两幅图像计算出两幅图像中钢板的移动距离为s。
(3)根据公式v＝sf计算出钢板的运动速度。
本发明的具体原理是：利用辊道2旁的红外传感器8进行钢板1到位检测，并把检测结果发送给控制器6；当钢板1到位时，控制器6发送命令给图像采集单元3，线阵相机被触发开始采集图片；采集装置配有以太网卡，通过以太网将数据传输到本地的图像处理终端5；图像处理终端5对图像进行处理，完成钢板1上字符的识别并将结果发送到下级系统。
在一个具体应用实例中，如图3所示，为本发明在具体实施实例中具体采集的单幅图像，所采集图像的分辨率是2048*10000，灰度等级为0-255。
在本具体实施实例中，图像采集单元3采集到的图像通过以太网将数据传输到本地的图像处理终端5；所述本地的图像处理终端5为CPU；所述图像处理终端5包括：字符定位模块、字符分割模块、字符识别模块。其中：所述字符定位模块采用了图像重心和轮廓投影的方法定位字符区域；所述字符分割模块采用了多方向线阵描算法和聚类机制矫正算法；所述字符识别模块采用了BP神经网络识别。图像处理终端的算法流程图如图4所示，点阵喷码识别结果如图5所示。
所述字符定位模块采用二级定位的方法定位字符区域，具体步骤为：
(1)初级定位：先用拉普拉斯金字塔采样降低图像分辨率，再用顶帽变换突出轮廓周围明亮区域，最后通过计算图像重心获取字符区域位置。
(2)精确定位：先通过自适应Canny边缘检测提取字符轮廓，再对字符轮廓进行投影，最后结合字符区域的几何特征准确定位字符区域位置。
所述字符分割模块采用了多方向线阵描算法和聚类机制矫正算法，具体步骤为：
(1)利用拉普拉斯算子增强字符与背景对比度，再进行多阈值分割以获取前景字符。
(2)采用多方向线阵描算法，实现单个字符的分割。
(3)通过k-means聚类机制矫正算法对分割结果进行矫正。
在本具体实施实例中，由于现场环境的复杂性，采集到的图片部分出现亮度不均、噪点离散的现象，如图6所示。而本发明对于现场的复杂环境有很好的鲁棒性，在字符倾斜、丢点、粘连的情况能够有很好的分割效果，保证字符的正确识别。
在本发明中，所述本地的图像处理终端5将点阵喷码识别并将结果传至下级系统，用于单件跟踪和反馈点阵喷码正确与否。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (10)

1.一种钢板生产线点阵喷码机器视觉自动检测系统，其特征在于，包括辊道(2)、红外传感器(8)、控制器(6)、图像采集单元(3)、测速单元(4)以及图像处理终端(5)，所述红外传感器(8)安装于辊道(2)旁，用于检测钢板(1)到来的信息，所述红外传感器(8)和图像采集单元(3)与所述控制器(6)相连接；当钢板(1)到位时，控制器(6)发送命令给图像采集单元(3)，开始采集图片并将将数据传输到本地的图像处理终端(5)完成钢板(1)上字符的识别。
2.根据权利要求1所述的钢板生产线点阵喷码机器视觉自动检测系统，其特征在于，所述图像采集单元(3)采用工业相机，所述工业相机为线阵相机。
3.根据权利要求2所述的钢板生产线点阵喷码机器视觉自动检测系统，其特征在于，所述线阵相机通过支架架设在所测钢板(1)的正上方。
4.根据权利要求1或2或3所述的钢板生产线点阵喷码机器视觉自动检测系统，其特征在于，还包括光源(7)用以保证光线充足。
5.根据权利要求2或3所述的钢板生产线点阵喷码机器视觉自动检测系统，其特征在于，还包括光源(7)用以保证光线充足，所述光源(7)分别架设于所述线阵相机的下方两侧，所述光源(7)的光线与所述钢板(1)的夹角为90度。
6.根据权利要求1-3中任意一项所述的钢板生产线点阵喷码机器视觉自动检测系统，其特征在于，所述测速单元(4)采用低分辨率面阵相机和结构光，通过采集到的两张相邻图像计算出钢板(1)的运动距离s，再利用相机的采集频率f计算出钢板(1)的运动速度。
7.根据权利要求1-3中任意一项所述的钢板生产线点阵喷码机器视觉自动检测系统，其特征在于，所述图像处理终端(5)包括字符定位模块、字符分割模块和字符识别模块；所述字符定位模块用来定位字符区域，所述字符分割模块用来分割字符，所述字符识别模块用来对分割之后的字符进行识别。
8.根据权利要求7所述的钢板生产线点阵喷码机器视觉自动检测系统，其特征在于，所述字符定位模块采用二级定位的方法定位字符区域，具体步骤为：
(1)初级定位：先用拉普拉斯金字塔采样降低图像分辨率，再用顶帽变换突出轮廓周围明亮区域，最后通过计算图像重心获取字符区域位置；
(2)精确定位：先通过自适应Canny边缘检测提取字符轮廓，再对字符轮廓进行投影，最后结合字符区域的几何特征准确定位字符区域位置。
9.根据权利要求7所述的钢板生产线点阵喷码机器视觉自动检测系统，其特征在于，所述字符分割模块采用了多方向线阵描算法和聚类机制矫正算法，具体步骤为：
(1)利用拉普拉斯算子增强字符与背景对比度，再进行多阈值分割以获取前景字符；
(2)采用多方向线阵描算法，实现单个字符的分割；
(3)通过k-means聚类机制矫正算法对分割结果进行矫正。
10.根据权利要求7所述的钢板生产线点阵喷码机器视觉自动检测系统，其特征在于，所述字符识别模块采用了BP神经网络识别方法。
CN201810650292.1A 2018-06-22 2018-06-22 钢板生产线点阵喷码机器视觉自动检测系统 Active CN108693194B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810650292.1A CN108693194B (zh) 2018-06-22 2018-06-22 钢板生产线点阵喷码机器视觉自动检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810650292.1A CN108693194B (zh) 2018-06-22 2018-06-22 钢板生产线点阵喷码机器视觉自动检测系统

Publications (2)

Publication Number Publication Date
CN108693194A true CN108693194A (zh) 2018-10-23
CN108693194B CN108693194B (zh) 2021-07-16

Family

ID=63848926

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810650292.1A Active CN108693194B (zh) 2018-06-22 2018-06-22 钢板生产线点阵喷码机器视觉自动检测系统

Country Status (1)

Country Link
CN (1) CN108693194B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110097042A (zh) * 2019-04-22 2019-08-06 浙江科技学院 一种具有弧度的剃须刀外壳的字符检测系统及检测方法
CN110187140A (zh) * 2019-05-10 2019-08-30 北京理工大学 一种图像获取装置及图像获取方法
CN110530895A (zh) * 2019-07-19 2019-12-03 北京慧眼智行科技有限公司 一种检测印刷质量的方法及装置
CN110873718A (zh) * 2019-11-15 2020-03-10 南京理工大学 基于机器视觉的钢板表面缺陷检测系统及方法
CN111069279A (zh) * 2019-11-29 2020-04-28 攀钢集团攀枝花钢钒有限公司 一种钢轨热打印商标精确定位的自适应算法
CN111652879A (zh) * 2020-07-01 2020-09-11 济南中正金码科技有限公司 一种打标字符质量检测系统及方法
CN111665256A (zh) * 2019-03-08 2020-09-15 苏州元承科技有限公司 一种基于机器视觉的表面缺陷检测设备
CN113188639A (zh) * 2021-04-02 2021-07-30 首钢京唐钢铁联合有限责任公司 一种计量系统
CN114581911A (zh) * 2022-03-07 2022-06-03 柳州钢铁股份有限公司 一种钢卷标号识别方法及系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101482518A (zh) * 2009-01-09 2009-07-15 东华大学 一种运动带状材料在线质量检测系统
CN101739556A (zh) * 2010-01-21 2010-06-16 上海交通大学 钢坯号自动识别方法
CN101750422A (zh) * 2010-01-07 2010-06-23 秦皇岛凯维科技有限公司 一种玻璃缺陷的在线自动检测装置
CN101885391A (zh) * 2010-06-04 2010-11-17 北京赛腾工业标识系统有限公司 一种产品赋码标识信息采集装置及方法
CN102184386A (zh) * 2011-04-22 2011-09-14 马鞍山马钢华阳设备诊断工程有限公司 车轮标识字符在线识别方法及其检测系统
CN102305793A (zh) * 2011-05-11 2012-01-04 苏州天准精密技术有限公司 一种产品外观质量检测方法和设备
CN202351896U (zh) * 2011-09-09 2012-07-25 杭州品目科技有限公司 基于机器视觉的表面喷码识别设备
CN103150564A (zh) * 2013-03-28 2013-06-12 冶金自动化研究设计院 板材表面喷码字符识别装置及其方法
CN104408700A (zh) * 2014-11-21 2015-03-11 南京理工大学 基于形态学和pca的轮廓波红外与可见光图像融合方法
CN104751187A (zh) * 2015-04-14 2015-07-01 山西科达自控股份有限公司 抄表图像自动识别方法
CN105023018A (zh) * 2015-08-13 2015-11-04 武汉楚锐自动化控制设备有限公司 一种喷码检测方法及系统
CN105314440A (zh) * 2015-10-28 2016-02-10 重庆广际实业有限公司 一种用于板材生产的纠偏、调速、辊间距调节系统
CN105528609A (zh) * 2014-09-28 2016-04-27 江苏省兴泽实业发展有限公司 一种基于字符位置的车牌定位方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101482518A (zh) * 2009-01-09 2009-07-15 东华大学 一种运动带状材料在线质量检测系统
CN101750422A (zh) * 2010-01-07 2010-06-23 秦皇岛凯维科技有限公司 一种玻璃缺陷的在线自动检测装置
CN101739556A (zh) * 2010-01-21 2010-06-16 上海交通大学 钢坯号自动识别方法
CN101885391A (zh) * 2010-06-04 2010-11-17 北京赛腾工业标识系统有限公司 一种产品赋码标识信息采集装置及方法
CN102184386A (zh) * 2011-04-22 2011-09-14 马鞍山马钢华阳设备诊断工程有限公司 车轮标识字符在线识别方法及其检测系统
CN102305793A (zh) * 2011-05-11 2012-01-04 苏州天准精密技术有限公司 一种产品外观质量检测方法和设备
CN202351896U (zh) * 2011-09-09 2012-07-25 杭州品目科技有限公司 基于机器视觉的表面喷码识别设备
CN103150564A (zh) * 2013-03-28 2013-06-12 冶金自动化研究设计院 板材表面喷码字符识别装置及其方法
CN105528609A (zh) * 2014-09-28 2016-04-27 江苏省兴泽实业发展有限公司 一种基于字符位置的车牌定位方法
CN104408700A (zh) * 2014-11-21 2015-03-11 南京理工大学 基于形态学和pca的轮廓波红外与可见光图像融合方法
CN104751187A (zh) * 2015-04-14 2015-07-01 山西科达自控股份有限公司 抄表图像自动识别方法
CN105023018A (zh) * 2015-08-13 2015-11-04 武汉楚锐自动化控制设备有限公司 一种喷码检测方法及系统
CN105314440A (zh) * 2015-10-28 2016-02-10 重庆广际实业有限公司 一种用于板材生产的纠偏、调速、辊间距调节系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘燕德，周超: "《无损智能检测技术及应用》", 31 May 2007 *
漆鹏杰等: "显微细胞图像有形成分自动识别", 《计算机系统应用》 *
王舒憬: "基于图像处理的智能电表显示缺陷自动检测系统设计", 《电测与仪表》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111665256A (zh) * 2019-03-08 2020-09-15 苏州元承科技有限公司 一种基于机器视觉的表面缺陷检测设备
CN110097042A (zh) * 2019-04-22 2019-08-06 浙江科技学院 一种具有弧度的剃须刀外壳的字符检测系统及检测方法
CN110187140A (zh) * 2019-05-10 2019-08-30 北京理工大学 一种图像获取装置及图像获取方法
CN110187140B (zh) * 2019-05-10 2021-06-25 北京理工大学 一种图像获取装置及图像获取方法
CN110530895A (zh) * 2019-07-19 2019-12-03 北京慧眼智行科技有限公司 一种检测印刷质量的方法及装置
CN110873718A (zh) * 2019-11-15 2020-03-10 南京理工大学 基于机器视觉的钢板表面缺陷检测系统及方法
CN111069279A (zh) * 2019-11-29 2020-04-28 攀钢集团攀枝花钢钒有限公司 一种钢轨热打印商标精确定位的自适应算法
CN111069279B (zh) * 2019-11-29 2021-06-25 攀钢集团攀枝花钢钒有限公司 一种钢轨热打印商标精确定位的自适应算法
CN111652879A (zh) * 2020-07-01 2020-09-11 济南中正金码科技有限公司 一种打标字符质量检测系统及方法
CN113188639A (zh) * 2021-04-02 2021-07-30 首钢京唐钢铁联合有限责任公司 一种计量系统
CN113188639B (zh) * 2021-04-02 2022-10-04 首钢京唐钢铁联合有限责任公司 一种计量系统
CN114581911A (zh) * 2022-03-07 2022-06-03 柳州钢铁股份有限公司 一种钢卷标号识别方法及系统

Also Published As

Publication number Publication date
CN108693194B (zh) 2021-07-16

Similar Documents

Publication Publication Date Title
CN108693194A (zh) 钢板生产线点阵喷码机器视觉自动检测系统
CA3100569C (en) Ship identity recognition method base on fusion of ais data and video data
CN113744270A (zh) 起重机复杂钢结构表面缺陷的无人机视觉检测与识别方法
Boltes et al. Automatic extraction of pedestrian trajectories from video recordings
CN110570454B (zh) 一种检测异物入侵的方法及装置
JP5437276B2 (ja) 物体検知及び認識システム
CN108364466B (zh) 一种基于无人机交通视频的车流量统计方法
Luvizon et al. Vehicle speed estimation by license plate detection and tracking
CN110529186A (zh) 基于红外热成像的隧道结构渗漏水精确识别装置和方法
CN111967498A (zh) 基于毫米波雷达和视觉融合的夜间目标检测和跟踪方法
CN102867417B (zh) 一种出租车防伪系统及方法
CN110766979A (zh) 一种用于自动驾驶车辆的泊车车位检测方法
CN105373135A (zh) 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统
CN101807257A (zh) 图像标签信息识别方法
CN105611244A (zh) 一种基于球机监控视频的机场外来异物检测方法
CN103065519A (zh) 坡道定点停车和起步检测系统及其检测方法
CN106918312B (zh) 基于机械视觉的路面标线剥落面积检测装置及方法
CN107992837A (zh) 基于单个ptz监控摄像机的道路全景建模与车辆检测跟踪方法
CN109000578A (zh) 一种全场非接触式的建筑幕墙风压变形监测方法
CN112613509A (zh) 一种铁路货车车厢号识别抓拍方法及系统
CN111368797A (zh) 一种基于路端单目摄像头的目标实时测距方法
CN105222752A (zh) 一种使用结构光的移动式道面检测装置及方法
CN113763484A (zh) 基于视频图像分析技术的船舶目标定位及速度估算方法
CN110674698B (zh) 一种密集子区域切割的遥感图像旋转舰船目标检测方法
CN114898319A (zh) 基于多传感器决策级信息融合的车型识别方法及系统

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
GR01 Patent grant
GR01 Patent grant