CN109409272B - 基于机器视觉的电缆验收系统和方法 - Google Patents

基于机器视觉的电缆验收系统和方法 Download PDF

Info

Publication number
CN109409272B
CN109409272B CN201811206820.0A CN201811206820A CN109409272B CN 109409272 B CN109409272 B CN 109409272B CN 201811206820 A CN201811206820 A CN 201811206820A CN 109409272 B CN109409272 B CN 109409272B
Authority
CN
China
Prior art keywords
cable
image
character
module
information
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.)
Active
Application number
CN201811206820.0A
Other languages
English (en)
Other versions
CN109409272A (zh
Inventor
龙江
陈丹
张璐
杜占超
李慧军
周垚
仪德英
王宏佳
武逸然
吴京松
程天然
陈恒智
沈朝阳
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.)
Beijing Space Technology Research and Test Center
Original Assignee
Beijing Space Technology Research and Test Center
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 Beijing Space Technology Research and Test Center filed Critical Beijing Space Technology Research and Test Center
Priority to CN201811206820.0A priority Critical patent/CN109409272B/zh
Publication of CN109409272A publication Critical patent/CN109409272A/zh
Application granted granted Critical
Publication of CN109409272B publication Critical patent/CN109409272B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • 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
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • 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
    • G06V20/63—Scene text, e.g. street names
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • 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)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Character Discrimination (AREA)
  • Image Analysis (AREA)
  • Electric Cable Installation (AREA)

Abstract

本发明涉及一种基于机器视觉的电缆验收系统和方法，系统包括：图像摄取模块，通过外控摄像设备对电缆及连接器的各种外观图像进行采集；图像处理模块，从采集到的图像中过滤杂质信息，并经过字符定位、字符分割和字符识别提取识别特征信息；数据比对模块，将图像提取的特征信息与预制的知识信息进行比对；自学习模块，通过图像录入接口，对各标准导线、绑扎线图像进行学习，对电连接器代号、电连接器型号、电缆代号字符刻字方式以及绑扎线颜色信息进行学习，并从中提取特征信息，固化成知识；人机界面模块，提供系统与操作者的界面操控显示和声响提醒；信息数据交互模块，进行验收数据的存储，支持待验信息的导入和验收数据的导出。

Description

基于机器视觉的电缆验收系统和方法
技术领域
本发明涉及航天器电缆网研制领域，尤其涉及一种基于机器视觉的电缆验收系统和方法。
背景技术
电缆是一个带有绝缘导体和屏蔽体的，并端头接有电连接器的组件，用于传输航天器设备之间的电气信号。航天器电缆基本研制流程包括选型、设计、生产、验收、装器。
机器视觉是是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
电缆验收时需要进行的电缆代号检查、电连接器检查等检查项目均依靠人工进行目视检查，电缆验收检查质量与检查人员的细心程度、工作状态直接相关，电缆验收效率低且容易出现漏检、错检的隐患。
随着航天的高速发展，大型航天器配套电缆网数量将达到近万根，对应的电连接器数量超过10万只。一旦电缆验收发生漏错检的事故，轻则引起航天器研制风险，重则上天直接影响航天器飞行任务。
发明内容
本发明的目的在于解决人工验收电缆的错漏检风险和效率低的问题，提供一种基于机器视觉的电缆验收系统和方法。
为实现上述发明目的，本发明提供一种基于机器视觉的电缆验收系统，包括：
图像摄取模块，通过外控摄像设备对电缆及连接器的各种外观图像进行采集；
图像处理模块，从采集到的图像中过滤杂质信息，并经过字符定位、字符分割和字符识别提取识别特征信息；
数据比对模块，将图像提取的特征信息与预制的知识信息进行比对；
自学习模块，通过图像录入接口，对各标准导线、绑扎线图像进行学习，对电连接器代号、电连接器型号、电缆代号字符刻字方式以及绑扎线颜色信息进行学习，并从中提取特征信息，固化成知识；
人机界面模块，提供系统与操作者的界面操控显示和声响提醒；
信息数据交互模块，进行验收数据的存储，支持待验信息的导入和验收数据的导出。
为实现上述发明目的，本发明提供一种基于机器视觉的电缆验收方法，包括电缆字符检查和线缆颜色检查；
所述电缆验收方法包括步骤：
a.采集电缆图像；
b.识别电缆图像；
c.将电缆图像信息与数据库信息进行比对；
d.记录比对结果。
其中，所述电缆字符检查是根据图像摄取模块对准待检查的电缆标识或电连接器标识进行图像采集，图像采集后，利用图像处理模块以及识别算法提取图像中的特征数据，然后通过数据对比模块将特征数据与型号数据库的内容进行比对以检查一致性，检查完毕后，通过自学习模块和信息数据交互模块将图像及匹配结果按照型号和电缆进行分类记录和存储，而检查匹配正确或者错误均通过人机界面模块采用不同声响进行提示；
所述线缆颜色检查是根据图像摄取模块对准需要检查的整根电缆或局部电缆进行图像采集，利用图像处理模块对图像中绑扎线颜色进行识别提取特征信息，然后通过数据对比模块将特征数据与型号数据库的要求颜色进行比对，再通过自学习模块和信息数据交互模块将比对结果进行分类和存储，而检查匹配正确或者错误均通过人机界面模块采用不同声响进行提示。
根据本发明的一个方面，所述图像处理模块对采集到的静态图像进行预处理，通过灰度识别图像中的线缆及绑扎线的位置，然后将绑扎线的颜色分别通过预设的颜色分类器进行分类，通过分类器的结果识别绑扎线的颜色，与要求进行匹配。
根据本发明的一个方面，所述图像处理模块对采集到的静态图像进行预处理，然后字符定位，再将图像中的字符进行字符分割，分割出来进行字符识别，然后通过字符组合后转化为信息输出。
根据本发明的一个方面，所述预处理采用二值法算法对图像进行处理，按图像的灰度特性，将图像分成背景和目标，提取字符目标区域图像。
根据本发明的一个方面，所述字符定位为对采集到的目标区域图像进行范围相关搜索，找到符合字符特征的若干区域作为候选区，然后对这些候选区域做进一步分析评判，最后选定一个最佳的区域作为字符区域，并将其从图像中分割出来。
根据本发明的一个方面，所述字符分割采用垂直投影法将字符区域分割成单个字符，然后进行字符特征识别。
根据本发明的一个方面，所述字符识别采用基于模板匹配算法，基于模板匹配算法首先将分割后的字符二值化，并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。
根据本发明的一个方面，所述字符组合在单字符识别完成后，图像中的字符已转换成可格式化输出的字符，设计按照分割的顺序进行字符组合，与已存储的标准字符组合进行对比，输出字符串。
根据本发明的一个方面，在所述c步骤中，识别电缆图像的字符串得到具体的特征数据，与待验电缆的数据库设计信息进行一致性比对检查，检查内容包括：
1)电缆代号的正确性和唯一性；
2)电连接器代号、型号的正确性和唯一性；
3)电缆绑扎线颜色的正确性和唯一性；
4)电连接器代号与电缆代号的匹配性；
5)电连接器代号与型号的匹配性；
6)电缆绑扎线颜色与电连接器代号的匹配性。
根据本发明的基于机器视觉的电缆验收方法，电缆网验收时使用机器替代人工检查的方式，有效地提升电缆网验收的效率、降低出错概率。此外，该方法支持与航天器研制的数字化系统进行交互，提升了航天器研制的数字化程度。
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示意性表示根据本发明的一种实施方式的基于机器视觉的电缆验收系统的结构布置图；
图2示意性表示根据本发明的基于机器视觉的电缆验收方法的流程图；
图3示意性表示根据本发明的一种实施方式的识别绑扎线颜色的流程示意图；
图4示意性表示根据本发明的一种实施方式的识别电缆字符图像的流程示意图。
具体实施方式
为了更清楚地说明本发明实施方式或现有技术中的技术方案，下面将对实施方式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方式，对于本领域普通技术人员而言，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。
在针对本发明的实施方式进行描述时，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”所表达的方位或位置关系是基于相关附图所示的方位或位置关系，其仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此上述术语不能理解为对本发明的限制。
下面结合附图和具体实施方式对本发明作详细地描述，实施方式不能在此一一赘述，但本发明的实施方式并不因此限定于以下实施方式。
图1示意性表示根据本发明的一种实施方式的基于机器视觉的电缆验收系统的结构布置简图。如图1所示，根据本发明的基于机器视觉的电缆验收系统包括：图像摄取模块1、图像处理模块2、数据比对模块3和自学习模块4，除此之外还包括人机界面模块5和信息数据交互模块6。
在本实施方式中，图像摄取模块1通过外控摄像设备对电缆及连接器的各种外观图像进行采集；图像处理模块2从采集到的图像中过滤杂质信息，并经过字符定位、字符分割和字符识别提取识别特征信息；数据比对模块3将图像提取的特征信息与预制的知识信息进行比对；自学习模块4通过图像录入接口，对各标准导线、绑扎线图像进行学习，对电连接器代号、电连接器型号、电缆代号字符刻字方式以及绑扎线颜色信息进行学习，并从中提取特征信息，固化成知识；人机界面模块5提供系统与操作者的界面操控显示和声响提醒；信息数据交互模块6进行验收数据的存储，支持待验信息的导入和验收数据的导出。
图2示意性表示根据本发明的基于机器视觉的电缆验收方法的流程图。如图2所示，根据本发明的基于机器视觉的电缆验收方法包括步骤：
a.采集电缆图像；
b.识别电缆图像；
c.将电缆图像信息与数据库信息进行比对；
d.记录比对结果。
在本发明中，基于机器视觉的电缆验收方法包括电缆字符检查和线缆颜色检查。
根据本发明的一种实施方式，电缆字符检查是根据图像摄取模块1对准待检查的电缆标识或电连接器标识进行图像采集。图像采集后，利用图像处理模块2以及识别算法提取图像中的特征数据。然后通过数据对比模块3将特征数据与型号数据库的内容进行比对以检查一致性。检查完毕后，通过自学习模块4和信息数据交互模块6将图像及匹配结果按照型号和电缆进行分类记录和存储。而检查匹配正确或者错误均通过人机界面模块5采用不同声响进行提示。
根据本发明的一种实施方式，线缆颜色检查是根据图像摄取模块1对准需要检查的整根电缆或局部电缆进行图像采集。利用图像处理模块2对图像中绑扎线颜色进行识别提取特征信息。然后通过数据对比模块2将特征数据与型号数据库的要求颜色进行比对。再通过自学习模块4和信息数据交互模块6将比对结果进行分类和存储。而检查匹配正确或者错误均通过人机界面模块5采用不同声响进行提示。
在本实施方式中，图像处理模块2对采集到的静态图像进行预处理，通过灰度识别图像中的线缆及绑扎线的位置，然后将绑扎线的颜色分别通过预设的颜色分类器(橙、蓝、紫、绿)进行分类，通过分类器的结果识别绑扎线的颜色，与要求进行匹配。
图3示意性表示根据本发明的一种实施方式的识别绑扎线颜色的流程示意图。在本实施方式中，绑扎线颜色识别首先在拍摄的电缆区域通过联通区域法识别出绑扎线的区域，然后将特征区域的颜色分别通过预设的颜色分类器(橙、蓝、紫、绿)进行分类，通过分类器的结果识别绑扎线的颜色。
在本实施方式中，图像采集使用检测设备，检测设备按照轻量化设计，以方便检测人员在待检电缆有些部位无法移动时，将设备对准电缆待检部位完成采集，然后在设备配套的软件上经过简单的功能点选操作，设备即可自动完成相应指标的检测，并将检测结果和图像存入系统。
图4示意性表示根据本发明的一种实施方式的识别电缆图像的流程示意图。如图4所示，识别电缆图像包括图像预处理、字符定位、字符分割、字符识别和字符组合。
在本实施方式中，识别电缆图像是通过图像处理模块2对准待验电缆，采集当前静态图像，对图像进行预处理，然后字符定位，再将图像中的字符进行字符分割，分割出来进行字符识别，然后通过字符组合后转化为信息输出。
在本实施方式中，预处理采用二值法算法对图像进行处理，按图像的灰度特性，将图像分成背景和目标，提取字符目标区域图像。
字符定位为对采集到的目标区域图像进行范围相关搜索，找到符合字符特征的若干区域作为候选区，然后对这些候选区域做进一步分析评判，最后选定一个最佳的区域作为字符区域，并将其从图像中分割出来。
字符分割采用垂直投影法将字符区域分割成单个字符，然后进行字符特征识别。
字符识别采用基于模板匹配算法，基于模板匹配算法首先将分割后的字符二值化，并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。
字符组合在单字符识别完成后，图像中的字符已转换成可格式化输出的字符，设计按照分割的顺序进行字符组合，与已存储的标准字符组合进行对比，输出字符串。
根据本发明的一种实施方式，在上述c步骤中，识别电缆图像的字符串得到具体的特征数据，与待验电缆的数据库设计信息进行一致性比对检查，检查内容包括：
1)电缆代号的正确性和唯一性；
2)电连接器代号、型号的正确性和唯一性；
3)电缆绑扎线颜色的正确性和唯一性；
4)电连接器代号与电缆代号的匹配性；
5)电连接器代号与型号的匹配性；
6)电缆绑扎线颜色与电连接器代号的匹配性。
根据本发明的基于机器视觉的电缆验收方法，电缆网验收时使用机器替代人工检查的方式，有效地提升电缆网验收的效率、降低出错概率。此外，该方法支持与航天器研制的数字化系统进行交互，提升了航天器研制的数字化程度。
以上所述仅为本发明的一个实施方式而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于机器视觉的电缆验收系统，其特征在于，包括：
图像摄取模块（1），通过外控摄像设备对电缆及连接器的各种外观图像进行采集；其中，所述图像摄取模块（1）对准待检查的电缆标识或电连接器标识进行图像采集并用于进行电缆字符检查，所述图像摄取模块（1）对准需要检查的整根电缆或局部电缆进行图像采集并用于进行线缆颜色检查；
图像处理模块（2），从采集到的图像中过滤杂质信息，并经过字符定位、字符分割和字符识别提取识别特征信息；
数据比对模块（3），将图像提取的特征信息与预制的知识信息进行比对；
自学习模块（4），通过图像录入接口，对各标准导线、绑扎线图像进行学习，对电连接器代号、电连接器型号、电缆代号字符刻字方式以及绑扎线颜色信息进行学习，并从中提取特征信息，固化成知识；
人机界面模块（5），提供系统与操作者的界面操控显示和声响提醒；
信息数据交互模块（6），进行验收数据的存储，支持待验信息的导入和验收数据的导出；
所述字符定位为对采集到的目标区域图像进行范围相关搜索，找到符合字符特征的若干区域作为候选区，然后对这些候选区域做进一步分析评判，最后选定一个最佳的区域作为字符区域，并将其从图像中分割出来；
所述线缆颜色检查是根据图像摄取模块（1）对准需要检查的整根电缆或局部电缆进行图像采集，利用图像处理模块（2）对图像中绑扎线颜色进行识别提取特征信息，然后通过数据对比模块（2）将特征数据与型号数据库的要求颜色进行比对，再通过自学习模块（4）和信息数据交互模块（6）将比对结果进行分类和存储，而检查匹配正确或者错误均通过人机界面模块（5）采用不同声响进行提示；
所述图像处理模块（2）对采集到的静态图像进行预处理，通过灰度识别图像中的线缆及绑扎线的位置，然后将绑扎线的颜色分别通过预设的颜色分类器进行分类，通过分类器的结果识别绑扎线的颜色，与要求进行匹配。
2.一种基于机器视觉的电缆验收方法，其特征在于，包括电缆字符检查和线缆颜色检查；
所述电缆验收方法包括步骤：
a.采集电缆图像；
b. 识别电缆图像；
c. 将电缆图像信息与数据库信息进行比对；
d. 记录比对结果；
其中，所述电缆字符检查是根据图像摄取模块（1）对准待检查的电缆标识或电连接器标识进行图像采集，图像采集后，利用图像处理模块（2）以及识别算法提取图像中的特征数据，然后通过数据对比模块（3）将特征数据与型号数据库的内容进行比对以检查一致性，检查完毕后，通过自学习模块（4）和信息数据交互模块（6）将图像及匹配结果按照型号和电缆进行分类记录和存储，而检查匹配正确或者错误均通过人机界面模块（5）采用不同声响进行提示；
所述线缆颜色检查是根据图像摄取模块（1）对准需要检查的整根电缆或局部电缆进行图像采集，利用图像处理模块（2）对图像中绑扎线颜色进行识别提取特征信息，然后通过数据对比模块（2）将特征数据与型号数据库的要求颜色进行比对，再通过自学习模块（4）和信息数据交互模块（6）将比对结果进行分类和存储，而检查匹配正确或者错误均通过人机界面模块（5）采用不同声响进行提示；
所述图像处理模块（2）对采集到的静态图像进行预处理，通过灰度识别图像中的线缆及绑扎线的位置，然后将绑扎线的颜色分别通过预设的颜色分类器进行分类，通过分类器的结果识别绑扎线的颜色，与要求进行匹配。
3.根据权利要求2所述的基于机器视觉的电缆验收方法，其特征在于，所述图像处理模块（2）对采集到的静态图像进行预处理，然后字符定位，再将图像中的字符进行字符分割，分割出来进行字符识别，然后通过字符组合后转化为信息输出。
4.根据权利要求2所述的基于机器视觉的电缆验收方法，其特征在于，所述预处理采用二值法算法对图像进行处理，按图像的灰度特性，将图像分成背景和目标，提取字符目标区域图像。
5.根据权利要求3所述的基于机器视觉的电缆验收方法，其特征在于，所述字符分割采用垂直投影法将字符区域分割成单个字符，然后进行字符特征识别。
6.根据权利要求3所述的基于机器视觉的电缆验收方法，其特征在于，所述字符识别采用基于模板匹配算法，基于模板匹配算法首先将分割后的字符二值化，并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。
7.根据权利要求3所述的基于机器视觉的电缆验收方法，其特征在于，所述字符组合在单字符识别完成后，图像中的字符已转换成可格式化输出的字符，设计按照分割的顺序进行字符组合，与已存储的标准字符组合进行对比，输出字符串。
8.根据权利要求2所述的基于机器视觉的电缆验收方法，其特征在于，在所述c步骤中，识别电缆图像的字符串得到具体的特征数据，与待验电缆的数据库设计信息进行一致性比对检查，检查内容包括：
1）电缆代号的正确性和唯一性；
2）电连接器代号、型号的正确性和唯一性；
3）电缆绑扎线颜色的正确性和唯一性；
4）电连接器代号与电缆代号的匹配性；
5）电连接器代号与型号的匹配性；
6）电缆绑扎线颜色与电连接器代号的匹配性。
CN201811206820.0A 2018-10-17 2018-10-17 基于机器视觉的电缆验收系统和方法 Active CN109409272B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811206820.0A CN109409272B (zh) 2018-10-17 2018-10-17 基于机器视觉的电缆验收系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811206820.0A CN109409272B (zh) 2018-10-17 2018-10-17 基于机器视觉的电缆验收系统和方法

Publications (2)

Publication Number Publication Date
CN109409272A CN109409272A (zh) 2019-03-01
CN109409272B true CN109409272B (zh) 2021-06-18

Family

ID=65468310

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811206820.0A Active CN109409272B (zh) 2018-10-17 2018-10-17 基于机器视觉的电缆验收系统和方法

Country Status (1)

Country Link
CN (1) CN109409272B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111665199A (zh) * 2019-03-06 2020-09-15 东莞中科蓝海智能视觉科技有限公司 一种基于机器视觉的电线电缆颜色检测识别方法
CN109976310A (zh) * 2019-03-29 2019-07-05 上海船舶运输科学研究所 船舶高压岸电控制系统自动化测试系统及方法
CN110136098B (zh) * 2019-04-15 2023-07-18 江苏大学 一种基于深度学习的线缆顺序检测方法
CN110197181B (zh) * 2019-05-31 2021-04-30 烽火通信科技股份有限公司 一种基于ocr的线缆字符检测方法及系统
CN110363112B (zh) * 2019-06-28 2022-06-17 北京京能高安屯燃气热电有限责任公司 一种配线电缆接线位置核对方法及系统
CN110991522A (zh) * 2019-11-29 2020-04-10 山东万腾电子科技有限公司 一种字符识别方法、系统及工业智能网关
CN110940372B (zh) * 2019-12-19 2020-07-21 江西太平洋电缆集团有限公司 一种基于机器视觉的电缆排列检测系统
CN111259791B (zh) * 2020-01-15 2023-09-08 大亚湾核电运营管理有限责任公司 核电站物资验收方法、装置、计算机设备及存储介质
CN111351801B (zh) * 2020-03-11 2021-02-02 春光线缆有限公司 一种电线电缆缺陷检测系统
CN111460239A (zh) * 2020-04-10 2020-07-28 国网河北省电力有限公司 一种电力通信光缆标识装置及方法
CN111784011A (zh) * 2020-07-31 2020-10-16 国网山东省电力公司鄄城县供电公司 设备线夹监测方法、装置和电子设备
CN112818153B (zh) * 2020-12-21 2024-05-07 珠海格力电器股份有限公司 一种接线控制装置、方法和三维可视化接线系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103870844A (zh) * 2014-03-24 2014-06-18 陕西科技大学 一种基于vbai模板匹配的工件号码识别方法
CN104112132A (zh) * 2014-07-03 2014-10-22 中国人民解放军第二炮兵工程大学 一种枪械编号自动识别方法
CN105303189A (zh) * 2014-07-29 2016-02-03 阿里巴巴集团控股有限公司 一种用于检测预定区域中特定标识图像的方法及装置
CN107607540A (zh) * 2017-07-26 2018-01-19 广东工业大学 一种基于机器视觉的t恤在线检测及分选方法
CN108121996A (zh) * 2017-11-21 2018-06-05 武汉中元华电软件有限公司 一种基于机器视觉的电力屏柜硬压板状态识别方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI518312B (zh) * 2014-01-27 2016-01-21 林紫綺 光學偵測杯底之檢驗方法
CN104298976B (zh) * 2014-10-16 2017-09-26 电子科技大学 基于卷积神经网络的车牌检测方法
CN106778736B (zh) * 2016-11-25 2020-06-26 四川九洲电器集团有限责任公司 一种鲁棒的车牌识别方法及其系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103870844A (zh) * 2014-03-24 2014-06-18 陕西科技大学 一种基于vbai模板匹配的工件号码识别方法
CN104112132A (zh) * 2014-07-03 2014-10-22 中国人民解放军第二炮兵工程大学 一种枪械编号自动识别方法
CN105303189A (zh) * 2014-07-29 2016-02-03 阿里巴巴集团控股有限公司 一种用于检测预定区域中特定标识图像的方法及装置
CN107607540A (zh) * 2017-07-26 2018-01-19 广东工业大学 一种基于机器视觉的t恤在线检测及分选方法
CN108121996A (zh) * 2017-11-21 2018-06-05 武汉中元华电软件有限公司 一种基于机器视觉的电力屏柜硬压板状态识别方法

Also Published As

Publication number Publication date
CN109409272A (zh) 2019-03-01

Similar Documents

Publication Publication Date Title
CN109409272B (zh) 基于机器视觉的电缆验收系统和方法
CN109242439B (zh) 基于变电站设备相关联数据的特征提取识别方法
CN110646425B (zh) 一种烟叶在线辅助定级方法及系统
CN109064454A (zh) 产品缺陷检测方法及系统
CN107907775B (zh) 接线检测方法及接线检测装置
CN109544548A (zh) 餐盒的缺陷检测方法、装置、服务器、设备和存储介质
CN112633343B (zh) 一种电力设备端子排接线校核方法及装置
CN113688817A (zh) 一种自动巡检的仪表识别方法及识别系统
CN112052730B (zh) 一种3d动态人像识别监控设备及方法
CN106604193A (zh) 应用于受话器的缺陷检测方法及系统
CN115019294A (zh) 一种指针式仪表读数识别方法及系统
CN114943875A (zh) 用于电缆元件识别的视觉分析方法
CN114862821A (zh) 继电保护硬压板的自动化监测方法、系统、设备
CN114441452A (zh) 一种光纤尾纤检测方法
CN109740486A (zh) 一种对图像包含的人类数量进行识别的方法及系统
CN112381840A (zh) 一种用于定损视频中车辆外观部件标注的方法及系统
CN109359637B (zh) 基于机器视觉的指针式仪表读值方法
CN114662594B (zh) 一种目标特征识别分析系统
CN115797280A (zh) 一种基于图像ai识别算法的变压器表面缺陷检测系统
CN114330477B (zh) 一种基于混合现实设备的电力设备缺陷检测系统及方法
CN115205747A (zh) 一种基于图像识别的道路自动化检测系统
CN115147591A (zh) 一种变电设备红外图像电压致热型缺陷诊断方法及系统
CN114898473A (zh) 手写签名比对方法、装置及电子设备
CN113869124A (zh) 基于深度学习的血细胞形态学分类方法及系统
CN113538411A (zh) 一种绝缘子缺陷检测方法及装置

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