CN110033439A - 一种制丝过程中皮带输送机堵料的视觉检测方法 - Google Patents
一种制丝过程中皮带输送机堵料的视觉检测方法 Download PDFInfo
- Publication number
- CN110033439A CN110033439A CN201910206391.5A CN201910206391A CN110033439A CN 110033439 A CN110033439 A CN 110033439A CN 201910206391 A CN201910206391 A CN 201910206391A CN 110033439 A CN110033439 A CN 110033439A
- Authority
- CN
- China
- Prior art keywords
- image
- belt
- straight line
- shaded area
- hsv
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 239000000463 material Substances 0.000 title claims abstract description 17
- 230000000903 blocking effect Effects 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 title claims abstract description 15
- 241000208125 Nicotiana Species 0.000 claims abstract description 26
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims abstract description 26
- 230000000877 morphologic effect Effects 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims abstract description 6
- 230000009466 transformation Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 4
- 238000010606 normalization Methods 0.000 abstract description 4
- 239000000284 extract Substances 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 235000019504 cigarettes Nutrition 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种制丝过程中皮带输送机堵料的视觉检测方法，具体步骤为：利用随机抽样一致算法提取输送带边缘，确定输送带区域；对输送带区域的RGB图像进行两次HSV变换并规范至[0，255]范围内；提取变换后的色度灰度图像，利用大津法求取色度灰度图像的阈值并二值化，从而得到阴影图像；在图像坐标系下，根据“远小近大”的透视原理，对阴影面积进行归一化处理；通过形态学操作以及阴影面积的大小去除噪声；根据归一化后的阴影面积和给定的阈值，确定堵塞程度并给出预警或报警。本发明有效提高了烟叶烟丝输送带堵塞的预警能力，减少由于堵塞引起的停机时间，该方法实现简单，速度快，抗干扰能力强。
Description
技术领域
本发明涉及在线机器视觉检测技术领域，尤其涉及一种制丝过程中皮带输 送机堵料的视觉检测方法。
背景技术
目前，皮带输送机在烟草行业制丝过程中主要用于输送各种叶片、叶丝、梗、 梗丝、混合烟丝、再造烟丝等烟草物料，是衔接各工序间的主要设备之一，通过 皮带输送机把各个主机设备变成一个有机的整体。
由于烟草物料的湿度等级不一致，继续按照原来的传送速度输送，则可能导 致堵料；或者由于皮带输送机打滑，也可能造成堵料。皮带输送机在工作过程中， 经常会遇到物料突然增多的情况，在某些情况下物料流量会瞬间增大，从而使得 输送带上物料重量瞬间增大，进而导致物料堆积，发生堵料的现象。现有的皮带 输送机的堵料频繁，一旦发生堵料，主轴、后轴与皮带打滑将会加剧，从而严重 影响正常的生产工艺，制约了生产效率；而且堵料还会使得物料泄露，影响生产 环境，严重时需要停机。因此，如何实时检测堵料是烟草行业制丝过程亟待解决 的一个问题。
发明内容
本发明的目的是提供一种制丝过程中皮带输送机堵料的视觉检测方法，能 够快速准确的判断出输送带是否堵塞，且成本低。
本发明采用的技术方案为：
一种制丝过程中皮带输送机堵料的视觉检测方法，包括以下步骤：
步骤1：获取输送带及烟丝的图像，利用随机抽样一致算法提取输送带边缘，根 据输送带边缘确定输送带区域；
步骤1.1：利用梯度模版，进行输送带边缘分割，形成左右两组边缘点集；
步骤1.2：随机分别从一组边缘点集中选择两个点，得到通过该点的直线；
步骤1.3：用步骤1.2中的直线去测试其他边缘点，由点到直线的距离确定边缘 点是否为局内点或者局外点；
步骤1.4：如果局内点足够多，并且局内点多于原有“最佳”直线的局内点，那 么将这次迭代的直线设为“最佳”直线；
步骤1.5：重复步骤1.2～步骤1.4步直到找到每组中的最佳直线，两条直线间的图像记为输送带区域；
步骤2：在步骤1得到的输送带区域进行阴影检测；
步骤2.1：将输送带区域的烟丝及输送带的RGB图像，经过色彩空间变换转变为HSV图像；
步骤2.2：将变换后的图像的HSV值规范至[0，255]范围；
步骤2.3：将规范后的图像再次进行色彩空间HSV变换；
步骤2.4：将变换后的图像规范至[0，255]范围内；
步骤2.5：提取出两次变换后的色度灰度图像；
步骤2.6：利用大津法求取色度灰度图像的阈值并二值化，从而得到阴影图像；
步骤3：对步骤2中得到的阴影图像中的阴影面积归一化：在图像坐标系下，根 据“远小近大”的透视原理，对阴影面积进行归一化处理；
步骤4：对步骤3中归一化处理后的阴影图像去除噪声：上述得到的阴影图像含 有噪声，通过形态学操作以及阴影面积的大小将噪声去除；
步骤5：对步骤4得到的阴影图像做是否堵塞判断，从而完成预警和堵塞检测： 根据归一化后的阴影面积，以及给定的阈值，分别给出橙色预警和红色预警，其 中橙色预警表示即将发生堵塞，需要降低输送带的速度；红色预警表示发生堵塞， 要求迅速做出停机的指令。
所述步骤1.5迭代的结束条件为连续3次迭代得到的直线斜率变化＜0.1 或迭代次数超过50次。
所述步骤2.1的HSV图像空间变换为：
其中θ计算公式为：根据上述公式可以将 图像从RGB空间转换为HSV空间。
所述步骤2.2将变换后图像的HSV值规范至[0，255]，公式为：
以H为例：
步骤3中所述的根据“远小近大”的透视原理，对阴影面积进行归一化处 理具体提如下：
3.1根据阴影的中心，计算阴影中心处对应的输送带的宽度；
3.2利用面积和宽度的平方成正比的关系，对所有阴影进行归一化处理。
本发明采用随机抽样一致算法和阴影检测对烟叶烟丝输送带进行堵塞检测， 能够快速检测并能判断拥堵位置，其优势在于：1)本发明对光照要求不高，烟 厂的普通工业照明即可，无需特别设计的光源，既节省装置，又节省了能源；2) 本发明利用阴影检测确定是否堵塞，对图像质量要求较低；3)抗干扰能力强， 本发明采用的基于HSV空间变换的阴影检测，仅需将RGB空间进行两次HSV变换， 然后利用阈值对色度图像二值化，对各种噪声的干扰抵抗力强；4)本发明检测 速度快，一帧图像的检测时间约为50ms左右。本发明能显著提高烟叶烟丝输送 带是否堵塞的预警能力，减少由于堵塞引起的停机时间，提高烟厂的效率。本发 明公开了一种制丝过程中皮带输送机堵料的视觉检测方法，由输送带区域提取、阴影检测和后处理三大部分组成。该发明在于测量出输送带上烟叶烟丝堆积的高 度，与实际要求对比，从而判断出是否堵塞。该发明能显著提高烟叶烟丝输送带 是否堵塞的预警能力，减少由于堵塞引起的停机时间，提高卷烟烟厂的有效作业 效率。
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为本发明的流程示意图。
图2为本发明的成丝线图及中间处理结果图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、 完整地描述。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。
如图1和2所示，本发明包括以下步骤：
步骤1：获取输送带及烟丝的图像，利用随机抽样一致算法(Random sampleconsensus，RANSAC)提取输送带边缘，根据输送带边缘确定输送带区域；
步骤1.1：利用梯度模版，进行输送带边缘分割，形成左右两组边缘点集；
步骤1.2：随机分别从一组边缘点集中选择两个点，得到通过该点的直线；
步骤1.3：用步骤1.2中的直线去测试其他边缘点，由点到直线的距离确定边缘 点是否为局内点或者局外点；
步骤1.4：如果局内点足够多，并且局内点多于原有“最佳”直线的局内点，那 么将这次迭代的直线设为“最佳”直线；
步骤1.5：重复步骤1.2～步骤1.4步直到找到每组中的最佳直线，两条直线间的图像记为输送带区域；
步骤2：在步骤1得到的输送带区域进行阴影检测；
步骤2.1：将输送带区域的烟丝及输送带的RGB图像，经过色彩空间变换转变为HSV图像；
步骤2.2：将变换后的图像的HSV值规范至[0，255]范围；
步骤2.3：将规范后的图像再次进行色彩空间HSV变换；
步骤2.4：将变换后的图像规范至[0，255]范围内；
步骤2.5：提取出两次变换后的色度灰度图像；
步骤2.6：利用大津法求取色度灰度图像的阈值并二值化，从而得到阴影图像；
步骤3：对步骤2中得到的阴影图像中的阴影面积归一化：在图像坐标系下，根 据“远小近大”的透视原理，对阴影面积进行归一化处理；
步骤4：对步骤3中归一化处理后的阴影图像去除噪声：上述得到的阴影图像含 有噪声，通过形态学操作以及阴影面积的大小将噪声去除；
步骤5：对步骤4得到的阴影图像做是否堵塞判断，从而完成预警和堵塞检测： 根据归一化后的阴影面积，以及给定的阈值，分别给出橙色预警和红色预警，其 中橙色预警表示即将发生堵塞，需要降低输送带的速度；红色预警表示发生堵塞， 要求迅速做出停机的指令。
所述步骤1.5迭代的结束条件为连续3次迭代得到的直线斜率变化＜0.1或迭代次数超过50次。
所述步骤2.1的HSV图像空间变换为：
其中θ计算公式为：根据上述公式可以将 图像从RGB空间转换为HSV空间。
所述步骤2.2将变换后图像的HSV值规范至[0，255]，公式为：
以H为例：
步骤3中所述的根据“远小近大”的透视原理，对阴影面积进行归一化处理具体 提如下：
3.1根据阴影的中心，计算阴影中心处对应的输送带的宽度；
3.2利用面积和宽度的平方成正比的关系，对所有阴影进行归一化处理。
如图1所示，具体的，本发明在实际应用中，包括输送带区域提取、阴影检 测和后处理三部分，具体的实施步骤如下：
一)利用随机抽样一致算法进行输送带区域提取：
(1)边缘点集获取：
首先，利用梯度模板[-1,0,0,1]和[1,0,0,-1]T，求取图像水平和垂直方向梯度的Gx和Gy，及梯度方向角θ。然后，将满足Gx(x,y)<0,Gy(x,y)<0条件的像素点坐 标信息(x,y)，保存为图像坐标组CL；将满足Gx(x,y)>0,Gy(x,y)<0条件的像素点 坐标信息(x,y)，保存为图像坐标组CR。为了滤除烟叶边缘及其他干扰，根据输 送带边缘梯度方向相对集中的特点，对图像坐标组CL、CR内所对应的像素点梯 度方向角加以约束。
其中α为输送带边缘与垂直方向的夹角，以叶丝线为例，如图2所示。滤除 干扰后的左右边缘点集定义为CFL、CFR。
(2)直线获取：
以左边缘点集为例，在CFL中任取两点，计算得到通过该两点的直线方程 y＝kx+b；
(3)局内、局外点判断：
计算左边缘点集其他任一点到该直线的距离，并计算距离小于给定值的个数。
(4)如果局内点多于原有“最佳”直线的局内点，那么将这次迭代的直线 设为“最佳”直线；
(5)重复步骤(2)～(4)直到找到符合拟合直线数据最多的拟合直线即为 输送带左边缘。同理，可以求出输送带右边缘。两条直线间的图像即为输送带区 域。
上述第(5)迭代的结束条件为连续3次迭代得到的直线斜率变化Δk＜0.1 或迭代次数超过50次。
二)阴影检测：
以成丝线为例，对其进行如下操作。
(1)HSV色彩空间变换
S＝1-min(R,G,B)/max(R,G,B) (2)
V＝max(R,G,B) (3)
其中θ的计算公式为：
根据公式(1)—(3)可以将图像从RGB空间转换为HSV空间。
(2)将变换后的图像的HSV值规范至[0，255]范围
以H为例：
其它也通过共公式(5) 进行规范。
(3)再次进行HSV色彩空间变换和HSV图像值规范[0，255]范围后 。
(4)提取出两次变换后的色度灰度图像；
(5)利用大津法求取色度灰度图像的阈值并二值化，从而得到阴影图像 。
三)后处理
(1)阴影面积归一化
在图像坐标系下，根据“远小近大”的透视原理，对阴影面积进行归一化处 理。根据阴影的中心，计算阴影中心处对应的输送带的宽度，利用面积和宽度的 平方成正比的关系，对所有阴影进行归一化处理。
(2)去除噪声：上述得到的阴影图像含有噪声，通过形态学操作以及阴影 面积的大小将噪声去除。在非阴影区域，有许多较小 的斑块，利用形态学操作及阴影面积的大小对其进行滤除。
(3)堵塞判断：根据归一化后的阴影面积，以及给定的阈值，分别给出橙 色预警和红色预警。橙色预警表示即将发生堵塞，需要降低输送带的速度；红色 预警表示发生堵塞，要求迅速做出停机的指令。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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 (5)
1.一种制丝过程中皮带输送机堵料的视觉检测方法，其特征在于：包括以下步骤：
步骤1：获取输送带及烟丝的图像，利用随机抽样一致算法提取输送带边缘，根据输送带边缘确定输送带区域；
步骤1.1：利用梯度模版，进行输送带边缘分割，形成左右两组边缘点集；
步骤1.2：随机分别从一组边缘点集中选择两个点，得到通过该点的直线；
步骤1.3：用步骤1.2中的直线去测试其他边缘点，由点到直线的距离确定边缘点是否为局内点或者局外点；
步骤1.4：如果局内点足够多，并且局内点多于原有“最佳”直线的局内点，那么将这次迭代的直线设为“最佳”直线；
步骤1.5：重复步骤1.2～步骤1.4步直到找到每组中的最佳直线，两条直线间的图像记为输送带区域；
步骤2：在步骤1得到的输送带区域进行阴影检测；
步骤2.1：将输送带区域的烟丝及输送带的RGB图像，经过色彩空间变换转变为HSV图像；
步骤2.2：将变换后的图像的HSV值规范至[0，255]范围；
步骤2.3：将规范后的图像再次进行色彩空间HSV变换；
步骤2.4：将变换后的图像规范至[0，255]范围内；
步骤2.5：提取出两次变换后的色度灰度图像；
步骤2.6：利用大津法求取色度灰度图像的阈值并二值化，从而得到阴影图像；
步骤3：对步骤2中得到的阴影图像中的阴影面积归一化：在图像坐标系下，根据“远小近大”的透视原理，对阴影面积进行归一化处理；
步骤4：对步骤3中归一化处理后的阴影图像去除噪声：上述得到的阴影图像含有噪声，通过形态学操作以及阴影面积的大小将噪声去除；
步骤5：对步骤4得到的阴影图像做是否堵塞判断，从而完成预警和堵塞检测：根据归一化后的阴影面积，以及给定的阈值，分别给出橙色预警和红色预警，其中橙色预警表示即将发生堵塞，需要降低输送带的速度；红色预警表示发生堵塞，要求迅速做出停机的指令。
2.根据权利要求1所述的一种制丝过程中皮带输送机堵料的视觉检测方法，其特征在于，所述步骤1.5迭代的结束条件为连续3次迭代得到的直线斜率变化＜0.1或迭代次数超过50次。
3.根据权利要求1所述的一种制丝过程中皮带输送机堵料的视觉检测方法，其特征在于，所述步骤2.1的HSV图像空间变换为：
其中θ计算公式为：根据上述公式可以将图像从RGB空间转换为HSV空间。
4.根据权利要求1所述的一种制丝过程中皮带输送机堵料的视觉检测方法，其特征在于，所述步骤2.2将变换后图像的HSV值规范至[0，255]，公式为：
以H为例：
5.根据权利要求1所述的制丝过程中皮带输送机堵料的视觉检测方法，其特征在于：步骤3中所述的根据“远小近大”的透视原理，对阴影面积进行归一化处理具体提如下：
3.1根据阴影的中心，计算阴影中心处对应的输送带的宽度；
3.2利用面积和宽度的平方成正比的关系，对所有阴影进行归一化处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910206391.5A CN110033439B (zh) | 2019-03-19 | 2019-03-19 | 一种制丝过程中皮带输送机堵料的视觉检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910206391.5A CN110033439B (zh) | 2019-03-19 | 2019-03-19 | 一种制丝过程中皮带输送机堵料的视觉检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110033439A true CN110033439A (zh) | 2019-07-19 |
| CN110033439B CN110033439B (zh) | 2022-12-02 |
Family
ID=67236266
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910206391.5A Active CN110033439B (zh) | 2019-03-19 | 2019-03-19 | 一种制丝过程中皮带输送机堵料的视觉检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110033439B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110646064A (zh) * | 2019-09-24 | 2020-01-03 | 红云红河烟草(集团)有限责任公司 | 一种基于k波雷达物位成像技术的生产线阻料诊断的方法 |
| CN112396623A (zh) * | 2020-12-08 | 2021-02-23 | 鞍钢集团矿业有限公司 | 一种转运缓冲仓堵料的检测系统及方法 |
| CN112990189A (zh) * | 2019-12-17 | 2021-06-18 | 顺丰科技有限公司 | 货物拥堵识别方法、装置、电子设备及存储介质 |
| CN113194308A (zh) * | 2021-05-24 | 2021-07-30 | 浙江大华技术股份有限公司 | 传输设备堵塞区域的确定方法、装置 |
| CN116524415A (zh) * | 2023-06-29 | 2023-08-01 | 成都考拉悠然科技有限公司 | 一种基于深度学习的计量管状态的检测方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004108833A (ja) * | 2002-09-13 | 2004-04-08 | Ykk Corp | 物品の外観検査装置とその検査方法及び不良品の連続選別装置 |
| US20040066964A1 (en) * | 2002-10-02 | 2004-04-08 | Claus Neubauer | Fast two dimensional object localization based on oriented edges |
| CN105396795A (zh) * | 2015-12-01 | 2016-03-16 | 云南昆船设计研究院 | 一种基于机器视觉剔除烟梗中烟拐的方法及装置 |
| WO2017192716A1 (en) * | 2016-05-03 | 2017-11-09 | Leoni Engineering Products & Services, Inc. | Vision system with color segmentation for operator enhanced viewing |
| CN109143393A (zh) * | 2018-08-01 | 2019-01-04 | 哈尔滨工业大学 | 瓶装透明药液异物检测同步跟踪视觉补偿方法 |
-
2019
- 2019-03-19 CN CN201910206391.5A patent/CN110033439B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004108833A (ja) * | 2002-09-13 | 2004-04-08 | Ykk Corp | 物品の外観検査装置とその検査方法及び不良品の連続選別装置 |
| US20040066964A1 (en) * | 2002-10-02 | 2004-04-08 | Claus Neubauer | Fast two dimensional object localization based on oriented edges |
| CN105396795A (zh) * | 2015-12-01 | 2016-03-16 | 云南昆船设计研究院 | 一种基于机器视觉剔除烟梗中烟拐的方法及装置 |
| WO2017192716A1 (en) * | 2016-05-03 | 2017-11-09 | Leoni Engineering Products & Services, Inc. | Vision system with color segmentation for operator enhanced viewing |
| CN109143393A (zh) * | 2018-08-01 | 2019-01-04 | 哈尔滨工业大学 | 瓶装透明药液异物检测同步跟踪视觉补偿方法 |
Non-Patent Citations (1)
| Title |
|---|
| 曾曙光等: "基于阴影的夜间物体单目定位技术", 《光学与光电技术》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110646064A (zh) * | 2019-09-24 | 2020-01-03 | 红云红河烟草(集团)有限责任公司 | 一种基于k波雷达物位成像技术的生产线阻料诊断的方法 |
| CN112990189A (zh) * | 2019-12-17 | 2021-06-18 | 顺丰科技有限公司 | 货物拥堵识别方法、装置、电子设备及存储介质 |
| CN112990189B (zh) * | 2019-12-17 | 2024-07-16 | 顺丰科技有限公司 | 货物拥堵识别方法、装置、电子设备及存储介质 |
| CN112396623A (zh) * | 2020-12-08 | 2021-02-23 | 鞍钢集团矿业有限公司 | 一种转运缓冲仓堵料的检测系统及方法 |
| CN112396623B (zh) * | 2020-12-08 | 2023-09-15 | 鞍钢集团矿业有限公司 | 一种转运缓冲仓堵料的检测系统及方法 |
| CN113194308A (zh) * | 2021-05-24 | 2021-07-30 | 浙江大华技术股份有限公司 | 传输设备堵塞区域的确定方法、装置 |
| CN113194308B (zh) * | 2021-05-24 | 2023-02-24 | 浙江大华技术股份有限公司 | 传输设备堵塞区域的确定方法、装置 |
| CN116524415A (zh) * | 2023-06-29 | 2023-08-01 | 成都考拉悠然科技有限公司 | 一种基于深度学习的计量管状态的检测方法及系统 |
| CN116524415B (zh) * | 2023-06-29 | 2023-11-24 | 成都考拉悠然科技有限公司 | 一种基于深度学习的计量管状态的检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110033439B (zh) | 2022-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110033439A (zh) | 一种制丝过程中皮带输送机堵料的视觉检测方法 | |
| CN106296612B (zh) | 一种图像质量评价和天气状况引导的分级式监控视频清晰化系统及方法 | |
| CN109325935B (zh) | 一种基于无人机图像的输电线路检测方法 | |
| CN109598715B (zh) | 基于机器视觉的物料粒度在线检测方法 | |
| CN104835242B (zh) | 一种纸币图像处理方法 | |
| CN105225243B (zh) | 一种可抗噪声的图像边缘检测方法 | |
| CN103792235A (zh) | 漫透射光谱与图像信息融合的蜜瓜内部品质在线检测方法与装置 | |
| CN109060842B (zh) | 基于曲面拟合校正的柑橘表面缺陷检测方法 | |
| CN114549441B (zh) | 基于图像处理的吸管缺陷检测方法 | |
| CN105139391B (zh) | 一种雾霾天气交通图像边缘检测方法 | |
| CN106548131A (zh) | 一种基于行人检测的施工人员安全帽实时检测方法 | |
| CN108171693B (zh) | 一种自动检测劣质蘑菇的方法 | |
| Yang et al. | Crack detection in magnetic tile images using nonsubsampled shearlet transform and envelope gray level gradient | |
| CN107945155A (zh) | 一种基于Gabor滤波器的牙膏管肩缺陷检测方法 | |
| Hu et al. | A method for measuring ice thickness of wind turbine blades based on edge detection | |
| CN109146895A (zh) | 一种颜色不均匀情况下太阳能板红外图像的有效分割方法 | |
| CN115065708B (zh) | 基于机器视觉检测的工业物联网系统及其控制方法 | |
| CN110310275A (zh) | 一种基于图像处理的链式传送带缺陷检测方法 | |
| CN110261272A (zh) | 基于地理探测和pca对pm2.5浓度分布的关键影响因子筛选方法 | |
| CN107256413A (zh) | 一种物品监控方法及装置 | |
| CN111882549B (zh) | 一种灰绿色细小异纤自动检测识别方法及检测识别系统 | |
| WO2023231262A1 (zh) | 基于视觉振频识别的提升钢丝绳张力检测方法 | |
| CN109118444A (zh) | 一种基于特征分离的正则化人脸图像复杂光照去除方法 | |
| Lin et al. | Surface defect detection of machined parts based on machining texture direction | |
| CN115760696A (zh) | 一种表面划痕检测方法 |
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 |