CN110231402A - 一种集装箱检测方法及装置 - Google Patents
一种集装箱检测方法及装置 Download PDFInfo
- Publication number
- CN110231402A CN110231402A CN201910430391.3A CN201910430391A CN110231402A CN 110231402 A CN110231402 A CN 110231402A CN 201910430391 A CN201910430391 A CN 201910430391A CN 110231402 A CN110231402 A CN 110231402A
- Authority
- CN
- China
- Prior art keywords
- container
- module
- signal
- inspection system
- system method
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/045—Analysing solids by imparting shocks to the workpiece and detecting the vibrations or the acoustic waves caused by the shocks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/22—Details, e.g. general constructional or apparatus details
- G01N29/24—Probes
- G01N29/2431—Probes using other means for acoustic excitation, e.g. heat, microwaves, electron beams
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/36—Detecting the response signal, e.g. electronic circuits specially adapted therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
- G01N2291/0289—Internal structure, e.g. defects, grain size, texture
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/26—Scanned objects
- G01N2291/269—Various geometry objects
- G01N2291/2695—Bottles, containers
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30236—Traffic on road, railway or crossing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明提供了一种集装箱检测方法及装置,所述方法包括:视频分析步骤:对拍摄到的集装箱视频画面进行分析,获取集装箱的轮廓及方位信息;激励步骤:根据集装箱的轮廓及方位信息对集装箱上的指定位置采用气介激励信号进行激励;采集步骤:采集所述集装箱上被所述气介激励信号激励位置的复合振动响应信号;识别步骤:根据所述复合振动响应信号智能识别集装箱的状态。本发明的集装箱检测方法及装置可提高集装箱的检测效率。
Description
技术领域
本发明涉及集装箱检测领域,尤其涉及一种集装箱检测方法及装置。
背景技术
当车辆进出港口时,需要对集装箱进行相关检查(集装箱内部是否有物体)。现有技术中的集装箱空箱的检测方法通常采用锤击法,即通过激励仪在箱外激励集装箱箱体的底梁,使集装箱箱体振动,振动后的集装箱内部会产生声波;通过声波采集传感器接触集装箱箱体的外表面,采集集装箱内部产生的声波;根据采集到的声波搭建集装箱内部声场模态,与预设的空箱声场模态进行对比,若相同则识别为空箱,反之则识别为集装箱内部有物体。
上述方法中,使用的激励装置和采集装置都需要接触集装箱侧面,而且需要找到集装箱侧面底部的横梁,只有将激励源对准横梁才能产生有效的振动信号,还是需要人工的参与,很难找,耗时长,遇到集装箱老化变形的更难找,导致了检测效率不高。另外,上述方法中,检测时应在停车状态,如果司机移动一下检测设备就损坏了,不利于保护检测设备。
发明内容
针对现有技术中的集装箱检测效率不高的技术问题,本发明提供了一种检测效率高的集装箱检测方法及装置。
在本发明实施例中,提供了一种集装箱检测方法,其包括:
视频分析步骤:对拍摄到的集装箱视频画面进行分析,获取集装箱的轮廓及方位信息;
激励步骤:根据集装箱的轮廓及方位信息对集装箱上的指定位置采用气介激励信号进行激励;
采集步骤:采集所述集装箱上被所述气介激励信号激励位置的复合振动响应信号;
识别步骤:根据所述复合振动响应信号智能识别集装箱的状态。
本发明实施例中,所述视频分析步骤之前,还包括:
视频拍摄步骤:拍摄集装箱的视频画面。
本发明实施例中,所述视频拍摄步骤之前,还包括:
车辆位置识别步骤:识别装载有集装箱的车辆是否指定到达位置。
本发明实施例中,所述激励步骤中,所述气介声学激励信号激励在集装箱的侧面箱体上,
本发明实施例中,所述气介激励信号的频率范围在40Hz~25KHz之间。
本发明实施例中,还提供了一种集装箱检测装置,其包括可移动底座、设置于所述可移动底座上的视频拍摄模块、视频分析模块、激励模块、信号采集模块和识别模块,
所述视频拍摄模块,用于拍摄集装箱视频画面;
所述视频分析模块,用于对拍摄到的集装箱视频画面进行分析,获取集装箱的轮廓及方位信息;
所述可移动底座,用于根据集装箱的轮廓及方位信息将所述激励模块移动至对准集装箱的指定位置;
所述激励模块,用于产生气介激励信号并向集装箱上的指定位置进行激励;
所述采集模块,用于采集所述集装箱上被所述气介激励信号激励位置的复合振动响应信号;
所述识别模块,用于根据所述复合振动响应信号智能识别集装箱的状态。
本发明实施例中,所述气介激励信号激励在集装箱的侧面箱体上,
本发明实施例中,所述气介激励信号的频率范围在40Hz~25KHz之间。
本发明实施例中,所述激励模块包括依次连接的数字激励波发生器、数字程控驱动器以及电声换能器。
本发明实施例中,所述采集模块采用激光传感器。
与现有技术相比较,本发明的集装箱检测方法及装置,采用激励模块产生的气介激励信号对集装箱的指定位置进行激励,并采用信号采集模块采集集装箱上被所述气介激励信号轰击位置的复合振动响应信号,无需将激励模块和信号采集模块与集装箱进行接触即可完成检测,无需人工参与,可防止检测装置由于在检测的过程中集装箱车辆移动而损毁;采用视频图像智能识别技术,实现识别出集装箱的方位信息和轮廓及方位信息,从而可以自动控制激励模块对准集装箱上的指定位置发射气介激励信号,指定的位置为集装箱的箱体侧面即可,便于检测,从而实现了集装箱的自动化检测,提高了集装箱的检测效率。
附图说明
图1是本发明实施例提供的集装箱检测方法的流程图。
图2是本发明实施例提供的集装箱检测装置的结构示意图。
图3是本发明实施例提供的集装箱检测装置对集装箱进行检测的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的实现进行详细描述:
请参考图1,在本发明实施例中,提供了一种集装箱检测方法,其包括步骤S1-S6。下面分别进行说明。
步骤S1、车辆位置识别步骤:识别装载有集装箱的车辆是否指定到达位置。
需要说明的是,在装载有集装箱的车辆进出港口时,设置有专门的集装箱检测关口来对集装箱进行检测。当车辆进入到集装箱检测关口时,即开启对集装箱的状态进行检测,通常是采用地磁感应线圈来识别车辆是否进入到检测位置。
步骤S2、视频拍摄步骤:拍摄集装箱的视频画面。
需要说明的是,当装载有集装箱的车辆,启动摄像头对集装箱进行拍摄,为后续的分析和控制提供集装箱视频画面。
步骤S3:视频分析步骤:对拍摄到的集装箱视频画面进行分析,获取集装箱的轮廓及方位信息。
需要说明的是,本步骤中,对拍摄到的集装箱视频画面进行分析,获取集装箱的轮廓及方位信息,比如集装箱侧面的高度、轮廓尺寸及倾斜角度。
步骤S4、激励步骤:根据集装箱的轮廓及方位信息对集装箱上的指定位置采用气介激励信号进行轰击。
需要说明的是,本步骤中,在对集装箱进行激励时,采用非接触式的气介激励信号对集装箱进行激励。因为不同的激励位置会产生不同的响应信号,因此,在指定的位置上进行激励,以便于后续对响应信号进行分析。本实施例中,采用气介激励信号对集装箱侧面箱体进行激励。
本发明实施例中,所述气介声学激励信号的频率范围在40Hz~25KHz之间。
步骤S5、采集步骤:采集所述集装箱上被所述气介激励信号激励位置的复合振动响应信号。
需要说明的是,集装箱侧面箱体在受到一个外界足够强度的振荡波时会相应地产生振动,采集装置采集的复合振动响应信号基本能够反映箱体侧面振动的特性。箱体震动时会产生轻微的位移本实施例中,采用激光传感器来来箱体震动产生的位移进行检测,从而采集集装箱侧面复合振动响应信号。
步骤S6、识别步骤:根据所述复合振动响应信号智能识别集装箱的状态。
对采集的复合振动响应信号,首先使用特征工程的方法提取信号的多种特征,包括短时傅里叶特征、MFCC特征和GFCC特征。得到以上特征后,将这些特征中的部分组合成代表响应信号幅频特性的空气声学响应特征,然后使用基于多层感知机、卷积神经网络、递归神经网络的深度学习模型,对空气声学响应特征进行从浅到深的特征提取,其中包括了两个阶段。第一个阶段是采集信号特征由低层次向高层次传播的阶段,即前向传播阶段。另一个阶段是,当前向传播得到的结果与预期不符合时,将误差从高层次向低层次进行传播训练阶段,即反向传播阶段。其过程为:
对网络进行权值的初始化;
输入采集信号的特征经过各个网络层的前向传播得到输出值;
求出网络的输出值与目标之间的误差;
当误差大于我们的期望值时,将误差传回网络中,依次求得全连接层,下采样层,卷积层的误差。当误差等于或小于我们的期望值时,结束训练。
根据求得误差进行权值更新。然后在进入到第二步。
最后,使用softmax分类器对深度学习模型提取的特征向量进行空箱与非空箱的识别,其公式为:
其中aj为深度学习模型输出的第j个输出,得到识别为空箱和非空箱的概率值Sj,对两个概率值进行比较,当空箱的概率值大于非空箱时则识别为空箱,反之则识别为非空箱。
如图2和图3所示,本发明实施例中,还提供了一种集装箱检测装置,其包括可移动底座1、设置于所述可移动底座1上的视频拍摄模块2、视频分析模块3、激励模块4、信号采集模块5和识别模块6。
所述视频拍摄模块2,用于拍摄集装箱视频画面。
所述视频分析模块3,用于对拍摄到的集装箱视频画面进行分析,获取集装箱的轮廓及方位信息。
所述可移动底座1,用于根据集装箱的轮廓及方位信息将所述激励模块4移动至对准集装箱的指定位置。
所述激励模块4,用于产生气介激励信号并向集装箱上的指定位置进行激励。所述激励模块4包括依次连接的数字激励波发生器41、数字程控驱动器42以及电声换能器43。所述数字激励波发生器41用于产生数字激励信号。所述程控驱动器42用于将所述数字激励信号进行放大。所述电声换能器43用于将放大后的数字激励信号转换为气介声学激励信号。
所述采集模块5,用于采集所述集装箱上被所述气介激励信号激励位置的复合振动响应信号。本发明实施例中,所述采集模块5采用激光传感器。
所述识别模块6,用于根据所述钢板位移振动信号智能识别集装箱的状态。
综上所述,本发明的集装箱检测方法及装置,采用激励模块产生的气介激励信号对集装箱的指定位置进行激励,并采用信号采集模块采集集装箱上被所述气介激励信号轰击位置的复合振动响应信号,无需将激励模块和信号采集模块与集装箱进行接触即可完成检测,无需人工参与;采用视频图像智能识别技术,实现识别出集装箱的方位信息和轮廓及方位信息,从而可以自动控制激励模块对准集装箱上的指定位置发射气介激励信号,指定的位置为集装箱的箱体侧面即可,便于检测,从而实现了集装箱的自动化检测,提高了集装箱的检测效率。
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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种集装箱检测方法,其特征在于,包括:
视频分析步骤:对拍摄到的集装箱视频画面进行分析,获取集装箱的轮廓及方位信息;
激励步骤:根据集装箱的轮廓及方位信息对集装箱上的指定位置采用气介激励信号进行激励;
采集步骤:采集所述集装箱上被所述气介激励信号激励位置的箱体复合振动响应信号;
识别步骤:根据所述复合振动响应信号智能识别集装箱的状态。
2.如权利要求1所述的集装箱检测方法,其特征在于,所述视频分析步骤之前,还包括:
视频拍摄步骤:拍摄集装箱的视频画面。
3.如权利要求2所述的集装箱检测方法,其特征在于,所述视频拍摄步骤之前,还包括:
车辆位置识别步骤:识别装载有集装箱的车辆是否指定到达位置。
4.如权利要求1所述的集装箱检测方法,其特征在于,所述激励步骤中,所述气介激励信号激励在集装箱的侧面箱体上。
5.如权利要求1所述的集装箱检测方法,其特征在于,所述气介激励信号的频率范围在40Hz~25KHz之间。
6.一种集装箱检测装置,其特征在于,包括:可移动底座、设置于所述可移动底座上的视频拍摄模块、视频分析模块、激励模块、信号采集模块和识别模块,
所述视频拍摄模块,用于拍摄集装箱视频画面;
所述视频分析模块,用于对拍摄到的集装箱视频画面进行分析,获取集装箱的轮廓及方位信息;
所述可移动底座,用于根据集装箱的轮廓及方位信息将所述激励模块移动至对准集装箱的指定位置;
所述激励模块,用于产生气介激励信号并向集装箱上的指定位置进行激励;
所述采集模块,用于采集所述集装箱上被所述气介激励信号激励位置的箱体复合振动响应信号;
所述识别模块,用于根据所述复合振动响应信号智能识别集装箱的状态。
7.如权利要求6所述的集装箱检测装置,其特征在于,所述气介激励信号激励在集装箱的侧面箱体上。
8.如权利要求6所述的集装箱检测装置,其特征在于,所述气介声学激励信号的频率范围在40Hz~25KHz之间。
9.如权利要求6所述的集装箱检测装置,其特征在于,所述激励模块包括依次连接的数字激励波发生器、数字程控驱动器以及电声换能器。
10.如权利要求6所述的集装箱检测装置,其特征在于,所述采集模块采用激光传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910430391.3A CN110231402B (zh) | 2019-05-22 | 2019-05-22 | 一种集装箱检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910430391.3A CN110231402B (zh) | 2019-05-22 | 2019-05-22 | 一种集装箱检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110231402A true CN110231402A (zh) | 2019-09-13 |
CN110231402B CN110231402B (zh) | 2020-09-11 |
Family
ID=67861538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910430391.3A Active CN110231402B (zh) | 2019-05-22 | 2019-05-22 | 一种集装箱检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110231402B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0646383A1 (fr) * | 1993-09-30 | 1995-04-05 | Becton, Dickinson and Company | Procédé et dispositif de détection de bulles dans une ligne de perfusion |
JP2007202262A (ja) * | 2006-01-25 | 2007-08-09 | Seiko Epson Corp | 圧電アクチュエータの駆動制御装置、駆動制御方法、および電子機器 |
WO2010139744A1 (fr) * | 2009-06-03 | 2010-12-09 | Gautier Collet | Caisson pour plantes |
CN103218914A (zh) * | 2012-11-08 | 2013-07-24 | 上海海事大学 | 一种集装箱港口车辆智能检测装置及检测方法 |
CN104515812A (zh) * | 2014-11-19 | 2015-04-15 | 上海工程技术大学 | 一种针对变截面构件体内微裂纹的非经典非线性检测方法 |
CN105004791A (zh) * | 2015-06-01 | 2015-10-28 | 南昌航空大学 | 一种适用复合材料层板缺陷的空气耦合兰姆波超声检测d成像方法及其装置 |
CN105334268A (zh) * | 2015-12-15 | 2016-02-17 | 武汉钢铁(集团)公司 | 超声疲劳试验振动位移监测装置 |
CN106053608A (zh) * | 2016-05-20 | 2016-10-26 | 武汉钢铁股份有限公司 | 等截面圆柱形试样超声疲劳试验方法 |
CN206571114U (zh) * | 2017-03-15 | 2017-10-20 | 青岛理工大学 | 一种基于超声波振动的瓷砖破碎拆除系统 |
CN107356671A (zh) * | 2017-07-14 | 2017-11-17 | 北京欧宁航宇检测技术有限公司 | 全自动无人化地铁或城铁轨道检测方法 |
CN107391818A (zh) * | 2017-07-07 | 2017-11-24 | 大连理工大学 | 一种基于状态观测器的振动模态参数识别方法 |
CN207586188U (zh) * | 2017-11-06 | 2018-07-06 | 成都治通弘瑞信息科技有限公司 | 一种铁轨探伤气介式超声波传感器 |
CN108313088A (zh) * | 2018-02-22 | 2018-07-24 | 中车长春轨道客车股份有限公司 | 一种非接触式轨道车辆障碍物检测系统 |
CN207675954U (zh) * | 2017-11-21 | 2018-07-31 | 上海多克实业有限公司 | 一种集装箱空箱检测用机械臂系统 |
CN207751939U (zh) * | 2018-01-31 | 2018-08-21 | 盛视科技股份有限公司 | 一种集装箱检测仪 |
-
2019
- 2019-05-22 CN CN201910430391.3A patent/CN110231402B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0646383A1 (fr) * | 1993-09-30 | 1995-04-05 | Becton, Dickinson and Company | Procédé et dispositif de détection de bulles dans une ligne de perfusion |
JP2007202262A (ja) * | 2006-01-25 | 2007-08-09 | Seiko Epson Corp | 圧電アクチュエータの駆動制御装置、駆動制御方法、および電子機器 |
WO2010139744A1 (fr) * | 2009-06-03 | 2010-12-09 | Gautier Collet | Caisson pour plantes |
CN103218914A (zh) * | 2012-11-08 | 2013-07-24 | 上海海事大学 | 一种集装箱港口车辆智能检测装置及检测方法 |
CN104515812A (zh) * | 2014-11-19 | 2015-04-15 | 上海工程技术大学 | 一种针对变截面构件体内微裂纹的非经典非线性检测方法 |
CN105004791A (zh) * | 2015-06-01 | 2015-10-28 | 南昌航空大学 | 一种适用复合材料层板缺陷的空气耦合兰姆波超声检测d成像方法及其装置 |
CN105334268A (zh) * | 2015-12-15 | 2016-02-17 | 武汉钢铁(集团)公司 | 超声疲劳试验振动位移监测装置 |
CN106053608A (zh) * | 2016-05-20 | 2016-10-26 | 武汉钢铁股份有限公司 | 等截面圆柱形试样超声疲劳试验方法 |
CN206571114U (zh) * | 2017-03-15 | 2017-10-20 | 青岛理工大学 | 一种基于超声波振动的瓷砖破碎拆除系统 |
CN107391818A (zh) * | 2017-07-07 | 2017-11-24 | 大连理工大学 | 一种基于状态观测器的振动模态参数识别方法 |
CN107356671A (zh) * | 2017-07-14 | 2017-11-17 | 北京欧宁航宇检测技术有限公司 | 全自动无人化地铁或城铁轨道检测方法 |
CN207586188U (zh) * | 2017-11-06 | 2018-07-06 | 成都治通弘瑞信息科技有限公司 | 一种铁轨探伤气介式超声波传感器 |
CN207675954U (zh) * | 2017-11-21 | 2018-07-31 | 上海多克实业有限公司 | 一种集装箱空箱检测用机械臂系统 |
CN207751939U (zh) * | 2018-01-31 | 2018-08-21 | 盛视科技股份有限公司 | 一种集装箱检测仪 |
CN108313088A (zh) * | 2018-02-22 | 2018-07-24 | 中车长春轨道客车股份有限公司 | 一种非接触式轨道车辆障碍物检测系统 |
Non-Patent Citations (3)
Title |
---|
林书玉: "气介超声换能器的研究及应用", 《陕西省第九届无损检测年会》 * |
袁易全: "《近代超声原理及应用》", 30 April 1996 * |
讯极科技: "集装箱空箱检测仪", 《讯极科技HTTP://WWW.XUNJITEC.COM/PRODUCTS/EMPTY/2018-11-27/86.HTML》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110231402B (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10528147B2 (en) | Ultrasonic based gesture recognition | |
US10607597B2 (en) | Speech signal recognition system and method | |
CN113281706B (zh) | 一种目标定位方法、装置及计算机可读存储介质 | |
CN101396277A (zh) | 一种超声波人脸识别方法和识别装置 | |
CN111368671A (zh) | 基于深度学习的sar图像舰船目标检测识别一体化方法 | |
CN104025188B (zh) | 声学信号修改 | |
CN112513983A (zh) | 可穿戴系统语音处理 | |
Marchi et al. | Generalised discriminative transform via curriculum learning for speaker recognition | |
CN110533166A (zh) | 一种基于时空间融合特征的室内定位方法 | |
Opochinsky et al. | Deep ranking-based sound source localization | |
CN106954136A (zh) | 一种集成麦克风接收阵列的超声定向发射参量阵 | |
Zhang et al. | Ambiear: mmwave based voice recognition in nlos scenarios | |
CN110231402A (zh) | 一种集装箱检测方法及装置 | |
CN103890843B (zh) | 信号噪声衰减 | |
CN101479597A (zh) | 检测和表征介质的声学方法和装置 | |
CN206894872U (zh) | 一种集成麦克风接收阵列的超声定向发射参量阵 | |
US11724397B2 (en) | Robot and method for controlling the same | |
CN112180318B (zh) | 声源波达方向估计模型训练和声源波达方向估计方法 | |
Hu et al. | Intelligent detection for artificial lateral line of bio-inspired robotic fish using EMD and SVMs | |
CN114995493A (zh) | 一种基于声波的无人机回收的方法及装置 | |
RU2697719C1 (ru) | Система морского мониторинга с программируемым нейросетевым комплексом управления | |
US11978441B2 (en) | Speech recognition apparatus, method and non-transitory computer-readable storage medium | |
Ciccia et al. | QuadCOINS-Network: A Deep Learning Approach to Sound Source Localization | |
Sillitoe et al. | Learning decision trees for mapping the local environment in mobile robot navigation | |
Huang et al. | Radar Target Recognition with Self-Supplementary Neural Network |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210108 Address after: 518000 East Block 1601, 1605, Tian'an Innovation Science and Technology Plaza Phase II, Tairan 10 Road, Tian'an Community, Shatou Street, Futian District, Shenzhen City, Guangdong Province Patentee after: MAXVISION TECHNOLOGY Co.,Ltd. Address before: 518000 702, building 15, Pengcheng garden, Donghu Road, Luohu District, Shenzhen City, Guangdong Province Patentee before: Zhang Botian |