CN109211607A - 一种采样方法、装置、设备、系统及可读存储介质 - Google Patents
一种采样方法、装置、设备、系统及可读存储介质 Download PDFInfo
- Publication number
- CN109211607A CN109211607A CN201811115364.9A CN201811115364A CN109211607A CN 109211607 A CN109211607 A CN 109211607A CN 201811115364 A CN201811115364 A CN 201811115364A CN 109211607 A CN109211607 A CN 109211607A
- Authority
- CN
- China
- Prior art keywords
- sampling
- depth
- compartment
- mechanical arm
- horizontal 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/04—Devices for withdrawing samples in the solid state, e.g. by cutting
- G01N1/08—Devices for withdrawing samples in the solid state, e.g. by cutting involving an extracting tool, e.g. core bit
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/22—Measuring arrangements characterised by the use of optical techniques for measuring depth
Abstract
本发明公开了一种采样方法,该方法包括以下步骤:获取车辆图片,并利用图片识别技术对车辆图片进行处理,计算出车厢范围;在车厢范围内,随机选择水平测试点;利用机械臂的探测模式探测出车厢底部深度,并利用车厢底部深度,随机确定采样钻取深度;利用机械臂在水平测试点下的采样钻取深度处,采集货物样品。在整个采样过程中,水平测试点和采样钻取深度均随机产生,如此,便可基于该随机采取的货物样品评估整个车厢内货物质量。避免人工对采样过程进行干预,可提升评估结果的准确性。本发明还公开了一种采样装置、设备、系统及可读存储介质,具有相应的技术效果。
Description
技术领域
本发明涉及采样技术领域,特别是涉及一种采样方法、装置、设备、系统及可读存储介质。
背景技术
目前对货车车厢中货物的采样方法为:采样人员在装有货物的车厢中随机选取采样区域,然后控制机械臂在采样区域内采样,从而实现对整个车厢中货物质量的估测。
但是,这种采样方法在采样区域选择环节上受人为因素影响较大。例如,在采样人员提前知道车厢中货物质量较好区域的情况下,采样人员很可能将该区域作为采样区域,进而导致对整个车厢中货物质量的估测结果不准确。
因此,如何在对货物采样过程中避免人为因素的影响是本领域技术人员亟待解决的技术问题。
发明内容
本发明的目的是提供一种采样方法、装置、设备、系统及可读存储介质,以通过机械随机采样,避免人为因素的干扰,提高估测结果准确率。
为解决上述技术问题,本发明提供如下技术方案:
一种采样方法,包括:
获取车辆图片,并利用图片识别技术对所述车辆图片进行处理,计算出车厢范围;
在所述车厢范围内,随机选择水平测试点;
利用机械臂的探测模式探测出车厢底部深度,并利用所述车厢底部深度,随机确定采样钻取深度;
利用所述机械臂在所述水平测试点下的所述采样钻取深度处,采集货物样品。
优选地,在所述利用所述车厢底部深度,随机确定采样钻取深度,包括:
随机确定深度百分比,将所述深度百分比与所述车厢底部深度相乘,获得采样钻取深度。
优选地,获取车辆图片,包括:
利用摄像头对车辆进行俯拍,获得车辆图片。
优选地,在所述车厢范围内,随机选择水平测试点,包括:
利用随机函数,在所述车厢范围内随机确定出多个水平测试点;
对多个所述水平测试点进行距离筛选,并将间距小于预设距离阈值的两个水平测试点进行合并。
优选地,所述将间距小于预设距离阈值的两个水平测试点进行合并,包括:
将间距小于预设距离阈值的两个水平测试点连线的线段中点作为合并后的水平测试点。
优选地,所述机械臂的探测模式,包括:
令所述机械臂向所述车厢底部探测,并实时获取探测深度数据;
判断当前深度数据与上一时刻的深度数据是否存在差值;
如果否,则停止探测,并输出车厢底部深度。
一种采样装置,包括:
车厢范围确定模块,用于获取车辆图片,并利用图片识别技术对所述车辆图片进行处理,计算出车厢范围;
水平测试点确定模块,用于在所述车厢范围内,随机选择水平测试点;
采样钻取深度确定模块,用于利用机械臂的探测模式探测出车厢底部深度,并利用所述车厢底部深度,随机确定采样钻取深度;
采样模块,用于利用所述机械臂在所述水平测试点下的所述采样钻取深度处,采集货物样品。
一种采样设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上述采样方法的步骤。
一种采样系统,包括:
机械臂、摄像头和如上述的采样设备,其中,所述机械臂的输入端与所述采样设备连接,所述摄像头的输出端与所述采样设备连接。
一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述采样方法的步骤。
应用本发明实施例所提供的方法,获取车辆图片,并利用图片识别技术对车辆图片进行处理,计算出车厢范围;在车厢范围内,随机选择水平测试点;利用机械臂的探测模式探测出车厢底部深度,并利用车厢底部深度,随机确定采样钻取深度;利用机械臂在水平测试点下的采样钻取深度处,采集货物样品。
获得车辆图片之后,利用图片识别技术对车辆图片进行处理,可以计算出车厢范围。在车厢范围内,随机确定水平测试点。利用机械臂探测出车厢底部深度,并在车厢底部深度范围内随机确定出采样钻取深度。如此,便确定出随机采样的具体位置,可利用机械臂在水平测试点下的采样钻取深度出,采集货物样品。整个采样过程中,水平测试点和采样钻取深度均随机产生,如此,便可基于该随机采取的货物样品评估整个车厢内货物质量。避免人工对采样过程进行干预,可提升评估结果的准确性。
相应地,本发明实施例还提供了与上述采样方法相对应的采样装置、设备、系统和可读存储介质,具有上述技术效果,在此不再赘述。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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为本发明实施例中一种采样方法的实施流程图;
图2为本发明实施例中一种采样装置的结构示意图;
图3为本发明实施例中一种采样设备的结构示意图;
图4为本发明实施例中一种采样系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅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。
请参考图1,图1为本发明实施例中一种采样方法的流程图,该方法包括以下步骤:
S101、获取车辆图片,并利用图片识别技术对车辆图片进行处理,计算出车厢范围。
由于不同车辆车厢大小不同,地面高度也会不同、货物厚度也不同。因此,需要对不同型号、不同采样环境下,对待采样的车辆分别确定采样的具体位置。首先,获取车辆图片,该车辆图片需要拍摄到装有待抽样检测的货物的货车的车厢部位。然后,利用图片识别技术对车辆图片进行处理,计算出车厢范围。其中,所描述的图片识别技术可以为模板匹配模型、模式识别、原型匹配模型等技术。具体的,利用图片识别技术对车辆图片进行处理,以计算出车厢范围。具体的,可以为对车辆图片的车厢轮廓进行提取识别,大致包括以下四个常用步骤:
步骤一、n预处理,包括A\D转换,二值化,图像的平滑,变换,增强,恢复,滤波等,主要指图象处理。
步骤二、n特征抽取和选择,在模式识别中,需要进行特征的抽取和选择,例如,一幅64x64的图像可以得到4096个数据,这种在测量空间的原始数据通过变换获得在特征空间最能反映分类本质的特征。这就是特征提取和选择的过程。
步骤三、n分类器设计:分类器设计的主要功能是通过训练确定判决规则,使按此类判决规则分类时,错误率最低。
步骤四、n分类决策:在特征空间中对被识别对象进行分类。
上述四个步骤的具体过程,可参见现有的图片识别技术,在此不再赘述。获得车厢轮廓之后,可以基于该车厢轮廓计算出车厢范围。例如,利用处理后的车厢轮廓与预设图片与实际车厢之间的比例关系,将车厢轮廓的按照该比例关系进行放大,获得实际车厢大小。结合车辆图片中的环境标识如地标线的相对位置,便可计算出车厢范围。该车厢范围指车厢所在位置、形状以及所占面积。
优选地,为了便于计算车厢范围,可以获取车辆图片时,利用摄像头对车辆进行俯拍,获得车辆图片。也就是说,所获得的车辆图片为货车的俯视图,如此,在对车辆图片进行处理之后,还可以结合摄像头的位置信息,利用三角函数关系快速准确地确定出车厢范围。当然,除使用摄像头对车辆进行俯拍的方式获得车辆图片,还可以利用多个摄像头,从不同角度对车辆的进行拍摄,然后根据组合的照片识别车厢范围。例如,使用三个摄像头,分别拍摄车辆两侧和车尾,然后利用图像识别技术,识别出车辆具摄像头的位置,结合三个位置数据,以及车厢轮廓图,便可确定出车厢范围。
S102、在车厢范围内,随机选择水平测试点。
确定出的车厢范围即为随机采样的范围,利用随机函数,可以在车厢范围内随机选择出水平测试点。具体的,可以创建二维坐标系,然后利用随机函数在车厢范围内随机选择出水平测试点。水平测试点可以为一个,也可以为两个及两个以上。当然,为了使得最终的测试结果与整个车厢内的货物品质一致,水平测试点的数目优选为三个及三个以上。另外,水平测试点数量越多,采样检测时间越长,具体应用时,可综合考虑效率要求,对水平测试点的个数进行设置。例如,待抽样检测的货车数目较多时,可减少水平测试点数目,当货车数目较少时,可适当增加水平测试点数目。
优选地,由于水平测试点完全随机产生,这就可能会出现两个或两个以上的水平测试点相对较为集合。也就是说,在车厢的某一小区域内,进行多次取样,同一个小区域内重复多次取样意义不大,反而延长了采样时间,甚至可能会影响最终的抽样检测结果。为了使得随机产生的水平测试点更能代表整个车厢的货物质量,可以对水平测试点进行筛选。具体如下:
步骤一、利用随机函数,在车厢范围内随机确定出多个水平测试点;
步骤二、对多个水平测试点进行距离筛选,并将间距小于预设距离阈值的两个水平测试点进行合并。
为了便于描述,下面将上述两个步骤集合起来进行说明。
在本实施例中,可以预先设置距离阈值,该距离阈值的具体数据可以预先设置,也可以根据实际情况进行确定和调整。例如,当车厢范围较大时,距离阈值可相对较大。
利用随机函数,在车厢范围内随机确定出多个水平测试点。然后,对这多个水平测试点两两之间的距离进行统计筛选。具体的,即将间距小于预设阈值的两个水平测试点进行合并。其中,水平测试点个数可以与车厢范围大小进行匹配,例如为各个型号的车厢范围设置相应的采样个数。具体的,即车厢范围大的设置的水平测试点的数目大于车厢范围小的水平测试点数目。其中,将间距小于预设阈值的两个水平测试点进行合并,具体可以为将间距小于预设距离阈值的两个水平测试点连线的线段中点作为合并后的水平测试点。其中,两个测试点之间连线之后,为以测试点为端点的直线段。也就是说,将两个水平测试点合并为一个水平测试点。在实际应用中,可反复迭代进行合并,直到筛选后的水平测试点之间均满足预设距离阈值。
S103、利用机械臂的探测模式探测出车厢底部深度,并利用车厢底部深度,随机确定采样钻取深度。
由于货车的型号不同,货车车厢底部深度也会不同,为了更好的确定出采样钻取深度,可以利用机械臂的探测模式探测出车厢底部深度,并利用该车厢底部深度,随机确定出采样钻取深度。即,确定出的采样钻取深度小于或等于车厢底部深度。具体的,随机确定深度百分比,将深度百分比与车厢底部深度相乘,获得采样钻取深度。例如,当车厢底部深度为1.5米时,随机确定深度百分比为20%,那么采样钻取深度为1.5×20%=0.3(米)。优选地,为避免出现不同深度,货物品质不一的情况,在确定采样深度时,随机确定的采样钻取深度的个数可以与水平测试点个数匹配,也就是说,对于每一个水平测试点都有一个对应的采样钻取深度,即各个水平测试点向车厢底部钻取的深度不同。
其中,机械臂的探测模式具体如下:
步骤一、令机械臂向车厢底部探测,并实时获取探测深度数据;
步骤二、判断当前深度数据与上一时刻的深度数据是否存在差值;
如果否,则执行步骤三;如果是,则继续探测。
步骤三、停止探测,并输出车厢底部深度。
为便于描述,下面将上述三个步骤结合起来进行说明。
为避免机械臂击穿车厢底板,可以使用机械臂的探测模式对车厢底板深度进行探测。具体的,即向机械臂输出控制信号,令机械臂向车厢底部探测,并实时获取探测深度数据。判断当前深度数据与上一时刻的深度数据是否存在差值,如果存在差值,则表明当前机械臂还未抵达车厢底部,还可继续探测;如果不存在差值,则表明当前机械臂已抵达车厢底部,可以停止探测,并输出车厢底部深度。在进行探测时,尽可能的让机械臂缓慢向下探测,实时获取深度数据的时间间距尽可能的短,判断是否抵达车厢底部的频率可与获取深度数据的频率匹配。
S104、利用机械臂在水平测试点下的采样钻取深度处,采集货物样品。
利用机械臂在确定出的水平测试点下的采样钻取深度处,采集货物样品。在本发明实施例中,涉及到的货物可以为粉状物、颗粒物或者粉状颗粒物。例如,可以为电煤厂中使用的电煤,或者是粮食作物等。
应用本发明实施例所提供的方法,获取车辆图片,并利用图片识别技术对车辆图片进行处理,计算出车厢范围;在车厢范围内,随机选择水平测试点;利用机械臂的探测模式探测出车厢底部深度,并利用车厢底部深度,随机确定采样钻取深度;利用机械臂在水平测试点下的采样钻取深度处,采集货物样品。
获得车辆图片之后,利用图片识别技术对车辆图片进行处理,可以计算出车厢范围。在车厢范围内,随机确定水平测试点。利用机械臂探测出车厢底部深度,并在车厢底部深度范围内随机确定出采样钻取深度。如此,便确定出随机采样的具体位置,可利用机械臂在水平测试点下的采样钻取深度出,采集货物样品。整个采样过程中,水平测试点和采样钻取深度均随机产生,如此,便可基于该随机采取的货物样品评估整个车厢内货物质量。避免人工对采样过程进行干预,可提升评估结果的准确性。
为说明本发明实施例所提供的技术方案在实际应用中所带来的经济效益,下面以对装有电煤的车辆进行上述采样方法的进行抽样检测为例,对本发明实施例所提供的技术方案进行详细说明。
当电煤送达目的地(如发电厂)需要取样以便进行后续质检等环节,不同车辆车厢大小以及地面高度、煤层厚度各不一样,这无疑为抽样检测带来难题。目前,抽样检测的方式为:人工根据车厢情况控制机械臂的取样点水平位置以及取样深度,人工控制取样点容易存在作弊的可能。例如,每车抽检N个样品,但是N个取样点都取供货商提前告知的放置品质合格煤的部位,如此,便可能会出现低品质电煤充当高品质电煤的情况,毫无疑问的会给发电厂带来巨大经济损失。如某发电厂,年用煤10万吨,假如存在5%次煤的通过人工采样进行作弊,以次充好,由于次煤燃烧价值低,且价格低50%以上,该发电厂每年便损失几百万元。
而使用本发明实施例所提供的采样方法之后,因确定钻取位置、钻取深度的过程通过图片识别、自动探测、随机算法等技术手段,很好地避免了人工的参与,大大减低了作弊的可能性。可直接避免因人工干预抽样检测过程导致的经济损失。
相应于上面的方法实施例,本发明实施例还提供了一种采样装置,下文描述的采样装置与上文描述的采样方法可相互对应参照。
参见图2所示,该装置包括以下模块:
车厢范围确定模块101,用于获取车辆图片,并利用图片识别技术对车辆图片进行处理,计算出车厢范围;
水平测试点确定模块102,用于在车厢范围内,随机选择水平测试点;
采样钻取深度确定模块103,用于利用机械臂的探测模式探测出车厢底部深度,并利用车厢底部深度,随机确定采样钻取深度;
采样模块104,用于利用机械臂在水平测试点下的采样钻取深度处,采集货物样品。
应用本发明实施例所提供的装置,获取车辆图片,并利用图片识别技术对车辆图片进行处理,计算出车厢范围;在车厢范围内,随机选择水平测试点;利用机械臂的探测模式探测出车厢底部深度,并利用车厢底部深度,随机确定采样钻取深度;利用机械臂在水平测试点下的采样钻取深度处,采集货物样品。
获得车辆图片之后,利用图片识别技术对车辆图片进行处理,可以计算出车厢范围。在车厢范围内,随机确定水平测试点。利用机械臂探测出车厢底部深度,并在车厢底部深度范围内随机确定出采样钻取深度。如此,便确定出随机采样的具体位置,可利用机械臂在水平测试点下的采样钻取深度出,采集货物样品。整个采样过程中,水平测试点和采样钻取深度均随机产生,如此,便可基于该随机采取的货物样品评估整个车厢内货物质量。避免人工对采样过程进行干预,可提升评估结果的准确性。
在本发明的一种具体实施方式中,采样钻取深度确定模块103,具体用于随机确定深度百分比,将深度百分比与车厢底部深度相乘,获得采样钻取深度。
在本发明的一种具体实施方式中,车厢范围确定模块101,具体用于利用摄像头对车辆进行俯拍,获得车辆图片。
在本发明的一种具体实施方式中,水平测试点确定模块102,包括:
水平测试点确定单元,用于利用随机函数,在车厢范围内随机确定出多个水平测试点;
水平测试点合并单元,用于对多个水平测试点进行距离筛选,并将间距小于预设距离阈值的两个水平测试点进行合并。
在本发明的一种具体实施方式中,水平测试点合并单元,具体用于将间距小于预设距离阈值的两个水平测试点连线的线段中点作为合并后的水平测试点。
在本发明的一种具体实施方式中,机械臂的探测模式,包括:
令机械臂向车厢底部探测,并实时获取探测深度数据;
判断当前深度数据与上一时刻的深度数据是否存在差值;
如果否,则停止探测,并输出车厢底部深度。
相应于上面的方法实施例,本发明实施例还提供了一种采样设备,下文描述的一种采样设备与上文描述的一种采样方法可相互对应参照。
参见图3所示,该采样设备包括:
存储器D1,用于存储计算机程序;
处理器D2,用于执行计算机程序时实现上述方法实施例的采样方法的步骤。
相应于上面的方法实施例,本发明实施例还提供了一种采样系统,下文描述的一种采样系统与上文描述的一种采样方法、采样设备可相互对应参照。
参见图4所示,该采样系统包括:
机械臂100、摄像头200和如上述的采样设备300,其中,机械臂100的输入端与采样设备300连接,摄像头200的输出端与采样设备300连接。
相应于上面的方法实施例,本发明实施例还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种采样方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的采样方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
Claims (10)
1.一种采样方法,其特征在于,包括:
获取车辆图片,并利用图片识别技术对所述车辆图片进行处理,计算出车厢范围;
在所述车厢范围内,随机选择水平测试点;
利用机械臂的探测模式探测出车厢底部深度,并利用所述车厢底部深度,随机确定采样钻取深度;
利用所述机械臂在所述水平测试点下的所述采样钻取深度处,采集货物样品。
2.根据权利要求1所述的采样方法,其特征在于,在所述利用所述车厢底部深度,随机确定采样钻取深度,包括:
随机确定深度百分比,将所述深度百分比与所述车厢底部深度相乘,获得采样钻取深度。
3.根据权利要求1所述的采样方法,其特征在于,获取车辆图片,包括:
利用摄像头对车辆进行俯拍,获得车辆图片。
4.根据权利要求1所述的采样方法,其特征在于,在所述车厢范围内,随机选择水平测试点,包括:
利用随机函数,在所述车厢范围内随机确定出多个水平测试点;
对多个所述水平测试点进行距离筛选,并将间距小于预设距离阈值的两个水平测试点进行合并。
5.根据权利要求4所述的采样方法,其特征在于,所述将间距小于预设距离阈值的两个水平测试点进行合并,包括:
将间距小于预设距离阈值的两个水平测试点连线的线段中点作为合并后的水平测试点。
6.根据权利要求1至5任一项所述的采样方法,其特征在于,所述机械臂的探测模式,包括:
令所述机械臂向所述车厢底部探测,并实时获取探测深度数据;
判断当前深度数据与上一时刻的深度数据是否存在差值;
如果否,则停止探测,并输出车厢底部深度。
7.一种采样装置,其特征在于,包括:
车厢范围确定模块,用于获取车辆图片,并利用图片识别技术对所述车辆图片进行处理,计算出车厢范围;
水平测试点确定模块,用于在所述车厢范围内,随机选择水平测试点;
采样钻取深度确定模块,用于利用机械臂的探测模式探测出车厢底部深度,并利用所述车厢底部深度,随机确定采样钻取深度;
采样模块,用于利用所述机械臂在所述水平测试点下的所述采样钻取深度处,采集货物样品。
8.一种采样设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至6任一项所述采样方法的步骤。
9.一种采样系统,其特征在于,包括:
机械臂、摄像头和如权利要求7所述的采样设备,其中,所述机械臂的输入端与所述采样设备连接,所述摄像头的输出端与所述采样设备连接。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述采样方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811115364.9A CN109211607A (zh) | 2018-09-25 | 2018-09-25 | 一种采样方法、装置、设备、系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811115364.9A CN109211607A (zh) | 2018-09-25 | 2018-09-25 | 一种采样方法、装置、设备、系统及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109211607A true CN109211607A (zh) | 2019-01-15 |
Family
ID=64984788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811115364.9A Pending CN109211607A (zh) | 2018-09-25 | 2018-09-25 | 一种采样方法、装置、设备、系统及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109211607A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112348824A (zh) * | 2020-10-12 | 2021-02-09 | 湖南大唐先一科技有限公司 | 基于排除性随机的运煤车辆采样点选取方法及系统 |
CN112633165A (zh) * | 2020-12-23 | 2021-04-09 | 远光软件股份有限公司 | 基于车辆车厢的采样监督方法、系统、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101354323A (zh) * | 2008-08-18 | 2009-01-28 | 莱芜钢铁股份有限公司 | 超声波检测自动采样装置及其工作方法 |
CN103792108A (zh) * | 2014-03-10 | 2014-05-14 | 湖南万通科技有限公司 | 一种采样方法及采样机 |
CN204287888U (zh) * | 2014-12-21 | 2015-04-22 | 昆明钢铁控股有限公司 | 一种能够准确定位深度的编码生成器 |
CN108036963A (zh) * | 2017-11-17 | 2018-05-15 | 湖南三德科技股份有限公司 | 一种规避车厢拉筋的采样方法及采样装置 |
-
2018
- 2018-09-25 CN CN201811115364.9A patent/CN109211607A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101354323A (zh) * | 2008-08-18 | 2009-01-28 | 莱芜钢铁股份有限公司 | 超声波检测自动采样装置及其工作方法 |
CN103792108A (zh) * | 2014-03-10 | 2014-05-14 | 湖南万通科技有限公司 | 一种采样方法及采样机 |
CN204287888U (zh) * | 2014-12-21 | 2015-04-22 | 昆明钢铁控股有限公司 | 一种能够准确定位深度的编码生成器 |
CN108036963A (zh) * | 2017-11-17 | 2018-05-15 | 湖南三德科技股份有限公司 | 一种规避车厢拉筋的采样方法及采样装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112348824A (zh) * | 2020-10-12 | 2021-02-09 | 湖南大唐先一科技有限公司 | 基于排除性随机的运煤车辆采样点选取方法及系统 |
CN112348824B (zh) * | 2020-10-12 | 2022-10-11 | 湖南大唐先一科技有限公司 | 基于排除性随机的运煤车辆采样点选取方法及系统 |
CN112633165A (zh) * | 2020-12-23 | 2021-04-09 | 远光软件股份有限公司 | 基于车辆车厢的采样监督方法、系统、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106780612B (zh) | 一种图像中的物体检测方法及装置 | |
CN105403143B (zh) | 一种获取模拟地震振动台的位移变化的测量方法及其系统 | |
CN106530271B (zh) | 一种红外图像显著性检测方法 | |
CN109165585A (zh) | 一种改进的基于yolo v2的船舶目标检测方法 | |
CN103235830A (zh) | 一种基于无人机电力巡线方法、装置及无人机 | |
CN104166841A (zh) | 一种视频监控网络中指定行人或车辆的快速检测识别方法 | |
CN104268505A (zh) | 基于机器视觉的布匹疵点自动检测识别装置及方法 | |
CN104766320A (zh) | 阈值化量测下的多伯努利滤波弱目标检测与跟踪方法 | |
CN110414341A (zh) | 一种基于无人机技术的露天矿爆堆测量统计方法 | |
CN112528979B (zh) | 变电站巡检机器人障碍物判别方法及系统 | |
CN108597204A (zh) | 一种智能抄表系统及其实现方法 | |
CN109086763A (zh) | 一种指针式仪表读取方法及装置 | |
CN103778436A (zh) | 一种基于图像处理的行人姿态检测方法 | |
CN110619328A (zh) | 基于图像处理和深度学习的船舶水尺读数智能识别方法 | |
CN110502962A (zh) | 视频流中目标的检测方法、装置、设备和介质 | |
CN109211607A (zh) | 一种采样方法、装置、设备、系统及可读存储介质 | |
CN103984964A (zh) | 一种试纸条图像识别方法及系统 | |
Yap et al. | Quantitative analysis of dust and soiling on solar pv panels in the tropics utilizing image-processing methods | |
CN107767366B (zh) | 一种输电线路拟合方法及装置 | |
CN107687994A (zh) | 空气检测系统及方法 | |
CN110428398A (zh) | 一种基于深度学习的高铁接触网拉线缺陷检测方法 | |
CN114549440A (zh) | 接触网动态几何参数检测方法、装置及电子设备 | |
CN104007273B (zh) | 一种河流泥沙含量的监测设备及其测算方法 | |
JP2021154935A (ja) | 車両シミュレーションシステム、車両シミュレーション方法およびコンピュータプログラム | |
CN110687548A (zh) | 一种基于无人船的雷达数据处理系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190115 |