CN109583390A - 纺丝机故障检测方法、装置和服务器 - Google Patents

纺丝机故障检测方法、装置和服务器 Download PDF

Info

Publication number
CN109583390A
CN109583390A CN201811472782.3A CN201811472782A CN109583390A CN 109583390 A CN109583390 A CN 109583390A CN 201811472782 A CN201811472782 A CN 201811472782A CN 109583390 A CN109583390 A CN 109583390A
Authority
CN
China
Prior art keywords
spinning machine
fault
flaw
spinning
image
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
Application number
CN201811472782.3A
Other languages
English (en)
Inventor
马修·罗伯特·斯科特
黄鼎隆
董登科
刘政杰
夏冰
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.)
Shenzhen Malong Technologies Co Ltd
Original Assignee
Shenzhen Malong Technologies Co Ltd
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 Shenzhen Malong Technologies Co Ltd filed Critical Shenzhen Malong Technologies Co Ltd
Priority to CN201811472782.3A priority Critical patent/CN109583390A/zh
Publication of CN109583390A publication Critical patent/CN109583390A/zh
Priority to CN201910602467.6A priority patent/CN110175659B/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • D—TEXTILES; PAPER
    • D01—NATURAL OR MAN-MADE THREADS OR FIBRES; SPINNING
    • D01D—MECHANICAL METHODS OR APPARATUS IN THE MANUFACTURE OF ARTIFICIAL FILAMENTS, THREADS, FIBRES, BRISTLES OR RIBBONS
    • D01D13/00—Complete machines for producing artificial threads
    • D01D13/02—Elements of machines in combination

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Textile Engineering (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明提供一种纺丝机故障检测方法、装置和服务器，该纺丝机故障检测方法包括：获取纺丝机的预定区域的图像，并将所述预定区域的图像输入预先建立的故障识别模型，判断所述预定区域的图像中是否存在故障图像；当判断所述预定区域的图像中存在故障图像时，获取所述纺丝机的下游纺丝检测传感器的检测数据；分析所述检测传感器的检测数据，判断所述纺丝机的下游纺丝工序是否存在瑕疵；当所述纺丝机的下游纺丝工序存在瑕疵时，生成故障提示，并将所述故障提示发送至用户终端。本发明的纺丝机故障检测方法，在采用故障识别模型进行纺丝机故障识别的同时，进一步使用检测传感器确定故障时纺丝机下游的纺丝是否产生瑕疵，从而提高故障检测的精确度。

Description

纺丝机故障检测方法、装置和服务器
技术领域
本发明涉及工业纺织技术领域，具体而言，涉及一种纺丝机故障检测方法、装置、服务器和计算机存储介质。
背景技术
目前，在纺丝车间中，对于纺丝机的故障一般都是通过人工的方式进行检测。
由于纺丝机中拥有多个出丝线口，以及多个纺丝窗口，使用人工进行纺丝机检测时，难免会出现检测的纰漏，从而降低故障检测的精确度。
发明内容
鉴于上述问题，本发明提供了一种纺丝机故障检测方法、装置、服务器和计算机存储介质，以提高纺丝机故障检测的精确度。
为了实现上述目的，本发明采用如下的技术方案：
一种纺丝机故障检测方法，包括：
获取纺丝机的预定区域的图像，并将所述预定区域的图像输入预先建立的故障识别模型，判断所述预定区域的图像中是否存在故障图像；
当判断所述预定区域的图像中存在故障图像时，获取所述纺丝机的下游纺丝检测传感器的检测数据；
分析所述检测传感器的检测数据，判断所述纺丝机的下游纺丝工序是否存在瑕疵；
当所述纺丝机的下游纺丝工序存在瑕疵时，生成故障提示，并将所述故障提示发送至用户终端。
优选地，所述故障识别模型包括卷积神经网络和深度学习模型。
优选地，所述检测传感器包括光电传感器。
优选地，所述的纺丝机故障检测方法，还包括：
将所述检测数据与预先建立的纺丝瑕疵数据库进行匹配，获取与所述检测数据相对应的纺丝瑕疵信息，其中所述纺丝瑕疵信息用于表示纺丝机出丝后的瑕疵，并将所述纺丝瑕疵信息发送至用户终端。
优选地，所述的纺丝机故障检测方法，还包括：
当判断所述纺丝机的下游纺丝工序存在瑕疵时，生成终止指令并发送所述终止指令至所述纺丝机，停止所述纺丝机的运行。
本发明还提供一种纺丝机故障检测装置，包括：
故障图像判断模块，用于获取纺丝机的预定区域的图像，并将所述预定区域的图像输入预先建立的故障识别模型，判断所述预定区域的图像中是否存在故障图像；
下游纺丝检测模块，用于当判断所述预定区域的图像中存在故障图像时，获取所述纺丝机的下游纺丝检测传感器的检测数据；
纺丝瑕疵判断模块，用于分析所述检测传感器的检测数据，判断所述纺丝机的下游纺丝工序是否存在瑕疵；
故障提示发送模块，用于当所述纺丝机的下游纺丝工序存在瑕疵时，生成故障提示，并将所述故障提示发送至用户终端。
优选地，所述的纺丝机故障检测装置，还包括：
瑕疵信息匹配模块，用于将所述检测数据与预先建立的纺丝瑕疵数据库进行匹配，获取与所述检测数据相对应的纺丝瑕疵信息，其中所述纺丝瑕疵信息用于表示纺丝机出丝后的瑕疵，并将所述纺丝瑕疵信息发送至用户终端。
优选地，所述的纺丝机故障检测装置，还包括：
纺丝机终止模块，用于当判断所述纺丝机的下游纺丝工序存在瑕疵时，生成终止指令并发送所述终止指令至所述纺丝机，停止所述纺丝机的运行。
本发明还提供一种服务器，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述服务器执行所述的纺丝机故障检测方法。
本发明还提供一种计算机存储介质，其存储有所述的服务器中所使用的计算机程序。
本发明提供一种纺丝机故障检测方法，该纺丝机故障检测方法包括：获取纺丝机的预定区域的图像，并将所述预定区域的图像输入预先建立的故障识别模型，判断所述预定区域的图像中是否存在故障图像；当判断所述预定区域的图像中存在故障图像时，获取所述纺丝机的下游纺丝检测传感器的检测数据；分析所述检测传感器的检测数据，判断所述纺丝机的下游纺丝工序是否存在瑕疵；当所述纺丝机的下游纺丝工序存在瑕疵时，生成故障提示，并将所述故障提示发送至用户终端。本发明的纺丝机故障检测方法，在采用故障识别模型进行纺丝机故障识别的同时，进一步使用检测传感器确定故障时纺丝机下游的纺丝是否产生瑕疵，从而提高故障检测的精确度。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明范围的限定。
图1是本发明实施例1提供的一种纺丝机故障检测方法的流程图；
图2是本发明实施例2提供的一种纺丝机故障检测方法的流程图；
图3是本发明实施例3提供的一种纺丝机故障检测方法的流程图；
图4是本发明实施例4提供的一种纺丝机故障检测装置的结构示意图；
图5是本发明实施例4提供的另一种纺丝机故障检测装置的结构示意图；
图6是本发明实施例4提供的第三种纺丝机故障检测装置的结构示意图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
实施例1
图1是本发明实施例1提供的一种纺丝机故障检测方法的流程图，该方法包括如下步骤：
步骤S11：获取纺丝机的预定区域的图像，并将预定区域的图像输入预先建立的故障识别模型，判断预定区域的图像中是否存在故障图像。
本发明实施例中，在纺丝机预定的区域中设置有摄像模组，该摄像模组可以由多个摄像头组成，用于实时获取纺丝机运行工作时的图像，例如，可以在纺丝机窗口前设置该摄像模组，实时获取纺丝机窗口中喷头出丝的实时图像，以用于判断喷头的工作状态。其中，该摄像模组可以按照预定的时间间隔获取纺丝机预定区域的图像，例如可以每隔3分钟获取一张预定区域的图像，或者每隔3分钟后获取一段时间的图像，如获取30秒的视频图像，这里不做限定。
本发明实施例中，该纺丝机前设置有多个摄像模组，并且均连接至服务器，利用服务器接收摄像模组采集的纺丝机预定区域的图像。其中，该服务器中还存储有预先建立的故障识别模型，将图像输入该预先建立的故障识别模型以判断预定区域的图像中是否存在故障图像。其中，该故障识别模型包括卷积神经网络和深度学习模型，并设置有输入端以及输出端，该输入端连接卷积神经网络，卷积神经网络连接该深度学习模型，该深度学习模型连接输出端，将图像输入该卷积神经网络中，利用卷积神经网络提取图像的特征信息，再将卷积后的图像以及特征信息输入至深度学习模型中，进行故障的判断。最终该深度学习模型通过输出端输出判断的结果。其中，该输出端中输出的结果还可以经过softmax回归算法处理，进一步提高检测故障图像的准确率。
步骤S12：当判断预定区域的图像中存在故障图像时，获取纺丝机的下游纺丝检测传感器的检测数据。
本发明实施例中，当服务器利用故障识别模型识别出纺丝机预定区域的图像中存在故障图像时，该服务器可以立即获取纺丝机下游纺丝检测传感器的检测数据。其中，该检测传感器包括光电传感器，其中，光电传感器包括红外传感器以及激光传感器，安装于纺丝机下游的丝路中，纺丝机利用喷头出丝后，该丝线将会经过该光电传感器进行检测，并且该光电传感器的检测数据将会传输至服务器中。
本发明实施例中，该光电传感器可以一直处于开启的状态，并将获取的检测数据传输至服务器中，用于监测纺丝机下游丝线的质量，同时也可以仅用于判断故障用，在服务器的故障模型识别出故障图像时再启动，并检测下游的丝线，获取检测数据。
步骤S13：分析检测传感器的检测数据，判断纺丝机的下游纺丝工序是否存在瑕疵。
本发明实施例中，该服务器在接收检测传感器的检测数据后，可以利用算法或应用程序对该检测数据进行分析，从而判断纺丝机下游的纺丝是否存在瑕疵。例如，利用该检测数据可以分析出下游纺丝的丝线数量，以及丝线的直径，利用算法或应用程序可以判断下游纺丝的丝线数量是否在预设的数值内，以及判断下游纺丝的丝线直径是否在预设的数值内，当有其中一个检测的纺丝的属性未达到标准时，则可确定该纺丝机下游纺丝出现瑕疵。
步骤S14：当纺丝机的下游纺丝工序存在瑕疵时，生成故障提示，并将故障提示发送至用户终端。
本发明实施例中，当服务器通过故障识别模型确定该纺丝机预设区域出现故障，并且通过检测传感器确定纺丝机下游纺丝出现瑕疵时，则可确定该纺丝机出现了故障，生成故障提示，并将该故障提示通过互联网发送至连接的用户终端中，以提示使用用户终端的工作人员及时修复纺丝机的故障。其中，在服务器仅通过检测传感器确定下游纺丝存在瑕疵时，也可以生成瑕疵提示并发送至用户终端。
实施例2
图2是本发明实施例2提供的一种纺丝机故障检测方法的流程图，该方法包括如下步骤：
步骤S21：获取纺丝机的预定区域的图像，并将预定区域的图像输入预先建立的故障识别模型，判断预定区域的图像中是否存在故障图像。
此步骤与上述步骤S11一致，在此不再赘述。
步骤S22：当判断预定区域的图像中存在故障图像时，获取纺丝机的下游纺丝检测传感器的检测数据。
此步骤与上述步骤S12一致，在此不再赘述。
步骤S23：分析检测传感器的检测数据，判断纺丝机的下游纺丝工序是否存在瑕疵。
此步骤与上述步骤S13一致，在此不再赘述。
步骤S24：当纺丝机的下游纺丝工序存在瑕疵时，生成故障提示，并将故障提示发送至用户终端。
此步骤与上述步骤S14一致，在此不再赘述。
步骤S25：将检测数据与预先建立的纺丝瑕疵数据库进行匹配，获取与检测数据相对应的纺丝瑕疵信息，其中纺丝瑕疵信息用于表示纺丝机出丝后的瑕疵，并将纺丝瑕疵信息发送至用户终端。
本发明实施例中，该服务器通过检测数据确定纺丝机下游纺丝存在故障后，还可以利用该检测数据与预先建立的纺丝瑕疵库进行匹配，匹配出相应的瑕疵信息。例如可以在服务器中设置有匹配应用程序，当服务器从检测数据中判断出纺丝机下游纺丝存在瑕疵时，可以将该检测数据通过匹配应用程序匹配预先建立的纺丝瑕疵库，找出预先建立的纺丝瑕疵库中与该检测数据相应的瑕疵信息。其中，瑕疵信息包括有纺丝数量不达标、纺丝直径不达标以及纺丝断裂等至少一种信息。
实施例3
图3是本发明实施例3提供的一种纺丝机故障检测方法的流程图，该方法包括如下步骤：
步骤S31：获取纺丝机的预定区域的图像，并将预定区域的图像输入预先建立的故障识别模型，判断预定区域的图像中是否存在故障图像。
此步骤与上述步骤S11一致，在此不再赘述。
步骤S32：当判断预定区域的图像中存在故障图像时，获取纺丝机的下游纺丝检测传感器的检测数据。
此步骤与上述步骤S12一致，在此不再赘述。
步骤S33：分析检测传感器的检测数据，判断纺丝机的下游纺丝工序是否存在瑕疵。
此步骤与上述步骤S13一致，在此不再赘述。
步骤S34：当纺丝机的下游纺丝工序存在瑕疵时，生成故障提示，并将故障提示发送至用户终端。
此步骤与上述步骤S14一致，在此不再赘述。
步骤S35：当判断纺丝机的下游纺丝工序存在瑕疵时，生成终止指令并发送终止指令至纺丝机，停止纺丝机的运行。
本发明实施例中，当服务器通过故障识别模型确定该纺丝机预设区域出现故障，并且通过检测传感器确定纺丝机下游纺丝出现瑕疵时，则可确定该纺丝机出现了故障，在生成故障提示的同时还可以生成终止指令，并将该终止指令发送至纺丝机，控制该纺丝机停止工作。
实施例4
图4是本发明实施例4提供的一种纺丝机故障检测装置的结构示意图。
该纺丝机故障检测装置400包括：
故障图像判断模块410，用于获取纺丝机的预定区域的图像，并将所述预定区域的图像输入预先建立的故障识别模型，判断所述预定区域的图像中是否存在故障图像。
下游纺丝检测模块420，用于当判断所述预定区域的图像中存在故障图像时，获取所述纺丝机的下游纺丝检测传感器的检测数据。
纺丝瑕疵判断模块430，用于分析所述检测传感器的检测数据，判断所述纺丝机的下游纺丝工序是否存在瑕疵。
故障提示发送模块440，用于当所述纺丝机的下游纺丝工序存在瑕疵时，生成故障提示，并将所述故障提示发送至用户终端。
如图5所示，该纺丝机故障检测装置400还包括：
瑕疵信息匹配模块450，用于将所述检测数据与预先建立的纺丝瑕疵数据库进行匹配，获取与所述检测数据相对应的纺丝瑕疵信息，其中所述纺丝瑕疵信息用于表示纺丝机出丝后的瑕疵，并将所述纺丝瑕疵信息发送至用户终端。
如图6所示，该纺丝机故障检测装置400还包括：
纺丝机终止模块460，用于当判断所述纺丝机的下游纺丝工序存在瑕疵时，生成终止指令并发送所述终止指令至所述纺丝机，停止所述纺丝机的运行。
本发明实施例中，上述各个模块更加详细的功能描述可以参考前述实施例中相应部分的内容，在此不再赘述。
此外，本发明还提供了一种服务器，该服务器包括存储器和处理器，存储器可用于存储计算机程序，处理器通过运行所述计算机程序，从而使服务器执行上述方法或者上述纺丝机故障检测装置中的各个模块的功能。
存储器可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据服务器的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本实施例还提供了一种计算机存储介质，用于储存上述服务器中使用的计算机程序。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种纺丝机故障检测方法，其特征在于，包括：
获取纺丝机的预定区域的图像，并将所述预定区域的图像输入预先建立的故障识别模型，判断所述预定区域的图像中是否存在故障图像；
当判断所述预定区域的图像中存在故障图像时，获取所述纺丝机的下游纺丝检测传感器的检测数据；
分析所述检测传感器的检测数据，判断所述纺丝机的下游纺丝工序是否存在瑕疵；
当所述纺丝机的下游纺丝工序存在瑕疵时，生成故障提示，并将所述故障提示发送至用户终端。
2.根据权利要求1所述的纺丝机故障检测方法，其特征在于，所述故障识别模型包括卷积神经网络和深度学习模型。
3.根据权利要求1所述的纺丝机故障检测方法，其特征在于，所述检测传感器包括光电传感器。
4.根据权利要求1所述的纺丝机故障检测方法，其特征在于，还包括：
将所述检测数据与预先建立的纺丝瑕疵数据库进行匹配，获取与所述检测数据相对应的纺丝瑕疵信息，其中所述纺丝瑕疵信息用于表示纺丝机出丝后的瑕疵，并将所述纺丝瑕疵信息发送至用户终端。
5.根据权利要求1所述的纺丝机故障检测方法，其特征在于，还包括：
当判断所述纺丝机的下游纺丝工序存在瑕疵时，生成终止指令并发送所述终止指令至所述纺丝机，停止所述纺丝机的运行。
6.一种纺丝机故障检测装置，其特征在于，包括：
故障图像判断模块，用于获取纺丝机的预定区域的图像，并将所述预定区域的图像输入预先建立的故障识别模型，判断所述预定区域的图像中是否存在故障图像；
下游纺丝检测模块，用于当判断所述预定区域的图像中存在故障图像时，获取所述纺丝机的下游纺丝检测传感器的检测数据；
纺丝瑕疵判断模块，用于分析所述检测传感器的检测数据，判断所述纺丝机的下游纺丝工序是否存在瑕疵；
故障提示发送模块，用于当所述纺丝机的下游纺丝工序存在瑕疵时，生成故障提示，并将所述故障提示发送至用户终端。
7.根据权利要求6所述的纺丝机故障检测装置，其特征在于，还包括：
瑕疵信息匹配模块，用于将所述检测数据与预先建立的纺丝瑕疵数据库进行匹配，获取与所述检测数据相对应的纺丝瑕疵信息，其中所述纺丝瑕疵信息用于表示纺丝机出丝后的瑕疵，并将所述纺丝瑕疵信息发送至用户终端。
8.根据权利要求6所述的纺丝机故障检测装置，其特征在于，还包括：
纺丝机终止模块，用于当判断所述纺丝机的下游纺丝工序存在瑕疵时，生成终止指令并发送所述终止指令至所述纺丝机，停止所述纺丝机的运行。
9.一种服务器，其特征在于，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述服务器执行根据权利要求1至5中任一项所述的纺丝机故障检测方法。
10.一种计算机存储介质，其特征在于，其存储有权利要求9所述的服务器中所使用的计算机程序。
CN201811472782.3A 2018-12-04 2018-12-04 纺丝机故障检测方法、装置和服务器 Pending CN109583390A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811472782.3A CN109583390A (zh) 2018-12-04 2018-12-04 纺丝机故障检测方法、装置和服务器
CN201910602467.6A CN110175659B (zh) 2018-12-04 2019-07-05 纺丝机故障监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811472782.3A CN109583390A (zh) 2018-12-04 2018-12-04 纺丝机故障检测方法、装置和服务器

Publications (1)

Publication Number Publication Date
CN109583390A true CN109583390A (zh) 2019-04-05

Family

ID=65926897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811472782.3A Pending CN109583390A (zh) 2018-12-04 2018-12-04 纺丝机故障检测方法、装置和服务器

Country Status (1)

Country Link
CN (1) CN109583390A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021175803A1 (de) * 2020-03-06 2021-09-10 Oerlikon Textile Gmbh & Co. Kg Verfahren und vorrichtung zur überwachung einer maschinenanlage zur herstellung oder behandlung von synthetischen fasern

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021175803A1 (de) * 2020-03-06 2021-09-10 Oerlikon Textile Gmbh & Co. Kg Verfahren und vorrichtung zur überwachung einer maschinenanlage zur herstellung oder behandlung von synthetischen fasern

Similar Documents

Publication Publication Date Title
CN110619620B (zh) 导致表面缺陷的异常定位方法、装置、系统及电子设备
CN109949286A (zh) 用于输出信息的方法和装置
CN109544549A (zh) 纺丝机故障监测方法、装置和服务器
CN108780048A (zh) 一种确定检测设备的方法、检测装置及可读存储介质
KR20190021560A (ko) 빅데이터를 활용한 고장예지보전시스템 및 고장예지보전방법
CN111272670A (zh) 染色质量的检测方法、装置、存储介质以及处理器
CN112102263A (zh) 缺陷检测模型生成系统、方法、装置和计算机设备
CN109783384A (zh) 日志用例测试方法、日志用例测试装置和电子设备
CN110163084A (zh) 操作员动作监督方法、装置及电子设备
CN113838480B (zh) 一种洗衣机异音检测方法、装置及电子设备
CN109615000A (zh) 故障识别方法、装置和服务器
CN107784649A (zh) 基于图像识别的芯棒测试远程报警系统及方法
US11755007B2 (en) System and method for determining a health condition and an anomaly of an equipment using one or more sensors
CN109583390A (zh) 纺丝机故障检测方法、装置和服务器
CN115512688A (zh) 异音检测方法及装置
CN116489336A (zh) 基于虚拟制片的设备监测方法、装置、设备、介质及产品
CN107607205A (zh) 线束颜色顺序检测系统和方法
CN113850773A (zh) 一种检测方法、装置、设备及计算机可读存储介质
CN110490079A (zh) 巡检数据处理方法、装置、计算机设备和存储介质
CN109165558A (zh) 一种基于深度学习的电梯内异常行为检测系统
CN114236268A (zh) 一种基于机器学习的变压器故障诊断方法和系统
CN111636123B (zh) 一种智能纺纱生产线故障检测系统
Li et al. Formation of digital yarn black board using sequence images
CN109063854A (zh) 智能运维云平台系统及其控制方法
CN112347889B (zh) 一种变电站作业行为辨识方法及装置

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190405

WD01 Invention patent application deemed withdrawn after publication