CN110472722A - 基于机器视觉技术的钢坯计数装置和方法 - Google Patents
基于机器视觉技术的钢坯计数装置和方法 Download PDFInfo
- Publication number
- CN110472722A CN110472722A CN201910756559.XA CN201910756559A CN110472722A CN 110472722 A CN110472722 A CN 110472722A CN 201910756559 A CN201910756559 A CN 201910756559A CN 110472722 A CN110472722 A CN 110472722A
- Authority
- CN
- China
- Prior art keywords
- laser
- steel billet
- video camera
- machine vision
- vision technique
- 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.)
- Withdrawn
Links
Classifications
-
- 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/04—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness specially adapted for measuring length or width of objects while moving
- G01B11/046—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness specially adapted for measuring length or width of objects while moving for measuring width
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M1/00—Design features of general application
- G06M1/27—Design features of general application for representing the result of count in the form of electric signals, e.g. by sensing markings on the counter drum
- G06M1/272—Design features of general application for representing the result of count in the form of electric signals, e.g. by sensing markings on the counter drum using photoelectric means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种基于机器视觉技术的钢坯计数的装置,包括激光标识器、激光发射接收器、摄像机和激光反射器;在输送辊道一侧安装激光标识器及激光发射接收器,在输送辊道另一侧,与激光标识器相对的位置安装摄像机,激光发射接收器相对的位置安装激光反射器;激光标识器斜向下照射输送辊道,且照射方向与输送辊道运动方向垂直;摄像机加装滤光片,滤光片与激光标识器的波长匹配。本发明还公开一种基于机器视觉技术的钢坯计数的方法,基于机器视觉技术,获取钢坯的宽度值,对钢坯支数精确计数,能够满足准确计量钢坯支数和炼钢厂对炼钢成本核算的要求。
Description
技术领域
本发明属于钢铁制造领域,尤其涉及一种基于机器视觉技术的钢坯计数的装置和方法。
背景技术
基于机器视觉(Machine Vision,MV)的测量技术,是一种利用计算机对机器视觉产品采集的图像或者视频进行处理,从而实现对客观世界的场景的感知、识别和理解的技术,最终实现非接触获取目标对象的数据。机器视觉的各种研究理论与研究方法已广泛应用于工业自动化生产线、各类检验和监视、视觉导航、图像自动解释、人机交互与虚拟现实等各个领域,在钢铁制造中发挥了巨大的作用。
目前,绝大多数钢铁生产制造企业生产过程中,对成品或半成品关键位置尺寸的测量要求一定的准确度和速度。传统的检测方法都是利用尺规进行人工测量,连铸机钢坯管理也是采用人工计量钢坯支数的方法,虽然在很大程度上满足检测精度要求,但需人为操作,在大批量生产中工作效率不高,存在一定的缺陷和计量误差,导致钢坯支数计量不准确的情况时有发生,难以满足炼钢厂对成本核算的要求。
一般的机器视觉采集图像的装置与方法对环境要求较高,而钢坯生产环境几乎接近露天生产,环境恶劣,钢温有高有低,规格多,数量也不固定,外界各种干扰非常复杂,当相机采集钢坯的图像时,来自外界的各种干扰会混淆机器的视觉,最终采集到的钢坯的轮廓图像会变得模糊不清。
发明内容
针对上述技术问题,本发明的目的是克服现有技术中存在的不足,提供一种基于机器视觉技术的钢坯计数的装置和方法,利用机器视觉测量技术非接触获取经过辊道的钢坯的宽度尺寸来对钢坯实现自动精确计数。
为达到上述目的,本发明采用的技术方案为:本发明的钢坯计数的装置对采集过程和采集得到的图像进行处理,以获取清晰的钢坯轮廓图像,再进行数据处理、计算,实现钢坯精确计数。具体包括以下步骤:
一种基于机器视觉技术的钢坯计数的装置,包括激光标识器、激光发射接收器、摄像机和激光反射器;在输送辊道一侧安装激光标识器及激光发射接收器,在输送辊道另一侧,与激光标识器相对的位置安装摄像机,激光发射接收器相对的位置安装激光反射器。激光标识器斜向下照射输送辊道,且照射方向与输送辊道运动方向垂直。摄像机加装滤光片,滤光片与激光标识器的波长匹配。
进一步的,摄像机和激光标识器加装散热风扇,接通冷却气体,如氮气。
进一步的,为了精确触发,防止误触发,激光发射接收器设置为靠在一起的两台。
进一步的,激光标识器为绿色激光标识器,激光标识器在输送辊道上投射绿色激光线标。
本发明还公开一种基于机器视觉技术的钢坯计数的方法,摄像机可视区域为梯形ABCD,激光标识器投射到输送辊道上的激光线标,成像在梯形ABCD的中心线段EF处;
测量前先进行标定:摄像机可视区域梯形ABCD到摄像机的水平距离h,梯形ABCD到梯形两腰延长线的交点的距离h’;在水平方向,像素对应的被测区域从E到G的顺序,第i行像素对应的垂直方向的位置到摄像机投影点O点的距离为Di;
当钢坯通过检测区域时,设置在激光标识器前方的激光发射接收器所发射激光被钢坯阻挡,激光接收器接收不到反射信号,判断有钢坯经过,激光发射接收器发送触发信号触发摄像机采样;
对采样到的图像进行处理,将激光线标从图像背景中提取,计算偏离图像中心的像素的尺寸,即偏离图像中心的激光线标的长度,除以钢坯的宽度,得出钢坯的支数。
进一步的,摄像机成像平面与梯形ABCD所在平面的夹角为α,视角为2β,视角内水平方向像素总数为2n。摄像机与梯形ABCD所在的平面的距离为H0;
测量前先进行标定:摄像机可视区域梯形ABCD的上下底L1和L2,高H,据此计算出h和h’,或实地测量h和h’的值,h为梯形ABCD到摄像机的水平距离,h’为梯形ABCD到梯形两腰延长线的交点的距离;Di的计算公式为:
第i行像素对应的垂直方向的尺寸为:
Li=Di-Di-1 (2)。
进一步的,图像处理具体过程如下:
(1)图像预处理
图像预处理包括去除噪声、边界增强、阈值的自动选择和图像分割。作为优选的,本发明采用OpenCV API函数,采用高斯滤波算法去除噪声,先用较低的阈值滤除高温钢坯通过滤光片的少量光,再采用大律法进行阈值的自动选择,把激光线标图像从背景中分离出来;再进行形态学闭运算,填充氧化皮等细小空洞,再用Sobel算子增强边界。
(2)细化处理
对预处理过的二值图像进行骨架化(Image Skeletonization)操作运算,提取出图像的骨架像素。
由于没有钢坯的绿色激光线标经过辊道时,投射到轧辊上的绿色激光线标,与投射到钢坯上的绿色激光线标,在水平方向上存在一段距离,且投射到轧辊上的绿色激光线标成像在图像最中央,钢坯上的绿色激光线标成像在图像偏左的位置,因此,只要提取细化处理后的图像中心左边的所有骨架像素,再根据式(2)就可计算出激光线标的长度,除以钢坯的宽度,就得出钢坯的支数,实现钢坯的自动计数。
进一步的,还包括保存数据到数据库步骤:运用ADO连接Sql Server2005数据库,保存结果到数据库,供远程数据查询、核对、浏览图片和生成报表。
进一步的,远程数据查询,生成报表具体包括如下步骤:运用ADO连接远程SqlServer2005数据库,选择输入日期、时间和班次,查询历史记录数据,选择查询出来的条目,显示所选条目中相对应的图片,便于判断该条数据是否准确,并进行纠正。
本发明的钢坯计数的装置和方法,基于机器视觉技术,获取钢坯的宽度值,对钢坯支数精确计数,配以功能强大的数据采集和处理软件,减少工作人员的劳动强度和人工计算产生的误差,准确快速地获得实时生产绩效数据,满足准确计量钢坯支数和炼钢厂对炼钢成本核算的要求。
本发明具有以下有益效果:本发明基于机器视觉技术采集钢坯的轮廓图像,进行智能图像处理,转换成系统所需的信号,再进行数据处理、计算、数据修正及画面显示,从而实现钢坯精确计数;系统现场设备采用智能图像色差标志线识别技术,对于高温或常温钢坯均可以采样,避免由于钢坯的温度变化而造成识别误差。
附图说明
图1为本发明实施例的钢坯计数方法流程图。
图2为本发明实施例的钢坯计数装置结构图。
图3为本发明实施例的钢坯计数装置水平布置示意图。
图4为本发明实施例的钢坯计数装置立面布置示意图。
图5为本发明实施例的钢坯计数装置激光标识示意图。
图6为本发明实施例的钢坯计数装置摄像机光学成像水平尺寸示意图。
图7为本发明实施例的钢坯计数装置标定区域摄像机成像示意图。
具体实施方式
为了便于本领域技术人员的理解,下面结合实施例与附图对本发明作进一步的说明。
机器视觉检测技术利用图像处理来完成工业测量检测,具有结构简单、非接触、柔性好、精度高、速度快、自动化和智能化水平高等优点,可以很好地满足检测要求,保证产品质量。通过基于机器视觉技术的钢坯计数装置和方法的应用,配以功能强大的数据采集和处理软件,满足准确计量钢坯支数和炼钢厂对炼钢成本核算的要求,同时减少工作人员的劳动强度和人工计算产生的误差,做到钢坯准确计数。通过对连铸机钢坯自动在线计数,准确快速地获得连铸机实时生产绩效数据。
本实施例基于机器视觉技术采集钢坯的轮廓图像,进行智能图像处理,转换成系统所需的信号,再进行数据处理、计算、数据修正及画面显示,从而实现钢坯精确计数;系统现场设备采用智能图像色差标志线识别技术,对于高温或常温钢坯均可以采样,避免由于钢坯的温度变化而造成识别误差。
如图1所示,本发明所述的基于机器视觉技术的钢坯计数的装置,其包括以下步骤:
步骤1、根据现场设备的具体结构状态,在输送辊道一侧安装一台绿色激光标识器及两台红色激光发射接收器,绿色激光标识器与激光发射接收器之间的距离显然要小于钢坯长度。在绿色激光标识器及红色激光发射接收器对面(辊道的另一侧)分别安装一台工业级专用摄像机和激光反射器。钢坯运动方向是从左向右,绿色标识器在左,激光发射接收器在右,在钢坯通过检测区域时,两台红色激光发射器所发射红色激光线被钢坯阻挡,两台激光接收器都接收不到反射信号,此时判断有钢坯经过,触发摄像机开始工作采样辊道上钢坯表面的绿色激光线标,摄像机通过六类双绞线与工控机相连,如图2所示;
步骤2、将绿色激光标识器固定在2米高的立柱上,绿色激光标识器发出的激光线标透过柱镜成直线以一定的角度斜着投射到离立柱1米的轧辊上,并与轧辊平行,如图3~图5所示;
步骤3、将相机固定在正对着轧辊上的绿色激光线标旁的立柱上,立柱高2米,相机和绿色激光标识器加装散热风扇,接通冷却氮气;
步骤4、摄像机加装滤光片,滤光片采用中心波长520nm~570nm,峰值透射率50%~60%,与绿色激光标识器的波长匹配;
步骤5、将绿色激光线标调焦到相机的成像的中央位置,并成像到成像区域的上下边缘,如图5所示;
步骤6、标定,以输送辊道的轧辊上方的切平面为基准面,测量摄像机的高度,以及摄像机可视区域等腰梯形的上下底和高,据此求出空间距离与图像像素之间的非线性关系表达式,如图6、图7所示;
步骤7、采集图像,并进行处理和计数,保存结果到数据库,供远程数据查询、核对、浏览图片和生成报表。
在没有钢坯经过辊道时,绿色激光线标投射到轧辊上,如图5中线段P1P10所示,线段P1P10长度比辊道宽度略大一些;当有钢坯经过辊道时,绿色激光线标投射到钢坯上,由于钢坯有一定的高度,钢坯之间有缝隙,此时绿色激光线标的投射到钢坯和轧辊上,如图5中的折线段P1P2P3P4P5P6P7P8P9P10所示,其中线段P3P4、P7P8为绿色激光线标投射到轧辊上的线段,且与线段P1P10在水平方向上存在一段距离。因此,求得线段P3P4、P7P8的长度,就获取了钢坯的宽度尺寸,除以钢坯的宽度就得到了钢坯的支数,实现对钢坯的自动计数。
在实际应用中,由于摄像机安装位置有限制,摄像机CCD成像平面与被测物体不平行,空间距离与图像像素之间成非线性关系。摄像机安装在P1P10的反向延长线Q点处,其可视区域为等腰梯形ABCD,投射到轧辊上的激光线标P1P10,成像在等腰梯形ABCD的中心线段EF处。不失一般性,图6中CCD成像平面与等腰梯形ABCD所在平面的夹角为α,视角为2β,视角内水平方向像素总数为2n。摄像机与等腰梯形ABCD所在的平面的距离为H0,如图7所示。在测量前先进行标定:摄像机可视区域等腰梯形ABCD的上下底L1和L2,高H,据此可计算出h和h’,也可以实地测量h和h’的值。在水平方向,像素对应的被测区域从E到G的顺序,第i行像素对应的垂直方向的位置到O点的距离为Di。
第i行像素对应的垂直方向的尺寸为:
Li=Di-Di-1 (2)
类似地,可以计算像素对应的水平方向的尺寸。
当钢坯通过检测区域时,激光线标前方2米处的两台红色激光发射接收器所发射红色激光线被钢坯阻挡,两台激光接收器都接收不到反射信号,此时判断有钢坯经过,由于摄像机工作在触发模式,激光发射接收器发送触发信号触发摄像机采样辊道上钢坯表面的绿色激光线标,并传输到工控机进行处理、计算、保存数据及画面显示,从而实现钢坯计数。
由于摄像机加装了滤光片,工控机采集到的钢坯表面的绿色激光线标图像比较清晰,外界光的干扰很少,图像处理具体过程如下:
(1)图像预处理
图像预处理包括去除噪声、边界增强、阈值的自动选择和图像分割。本装置采用OpenCV API函数,采用高斯滤波算法去除噪声,先用较低的阈值滤除高温钢坯通过滤光片的少量光,再采用大律法进行阈值的自动选择,把绿色激光线标图像从背景中分离出来;再进行形态学闭运算,填充氧化皮等细小空洞,再用Sobel算子增强边界。
(2)细化处理
对预处理过的二值图像进行骨架化(Image Skeletonization)操作运算,提取出图像的骨架信息。
(3)特征提取
钢坯计数装置图像处理的主要特征就是求出绿色激光线标的长度。
由于没有钢坯的绿色激光线经过辊道时,投射到轧辊上的绿色激光线,与投射到钢坯上的绿色激光线,在水平方向上存在一段距离,且投射到轧辊上的绿色激光线成像在图像最中央,钢坯上的绿色激光线成像在图像偏左的位置,因此,只要提取细化处理后的图像中心左边的所有骨架像素,再根据式(2)就可计算出激光线标的长度,除以钢坯的宽度,就得出钢坯的支数,实现钢坯的自动计数。
(4)保存数据到数据库
运用ADO连接Sql Server2005数据库,保存结果到数据库,供远程数据查询、核对、浏览图片和生成报表取。
(5)远程查询,打印报表
运用ADO连接远程Sql Server2005数据库,选择输入日期、时间和班次,查询历史记录数据,选择查询出来的条目,显示所选条目中相对应的图片,便于判断该条数据是否准确,并进行纠正。
本发明提供了基于机器视觉技术的钢坯计数的装置和方法,计数精度高。具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (10)
1.基于机器视觉技术的钢坯计数的装置,其特征在于:包括激光标识器、激光发射接收器、摄像机和激光反射器;
在输送辊道一侧安装激光标识器及激光发射接收器,在输送辊道另一侧,与激光标识器相对的位置安装摄像机,激光发射接收器相对的位置安装激光反射器;激光标识器斜向下照射输送辊道,且照射方向与输送辊道运动方向垂直;摄像机加装滤光片,滤光片与激光标识器的波长匹配。
2.根据权利要求1所述的基于机器视觉技术的钢坯计数的装置,其特征在于:
摄像机和激光标识器加装散热风扇,接通冷却气体。
3.根据权利要求1所述的基于机器视觉技术的钢坯计数的装置,其特征在于:
激光发射接收器设置为靠在一起的两台。
4.根据权利要求1所述的基于机器视觉技术的钢坯计数的装置,其特征在于:
激光标识器为绿色激光标识器,激光标识器在输送辊道上投射绿色激光线标。
5.基于机器视觉技术的钢坯计数的方法,其特征在于:摄像机可视区域为梯形ABCD,激光标识器投射到输送辊道上的激光线标,成像在梯形ABCD的中心线段EF处;
测量前先进行标定:摄像机可视区域梯形ABCD到摄像机的水平距离h,梯形ABCD到梯形两腰延长线的交点的距离h’;在水平方向,像素对应的被测区域从E到G的顺序,第i行像素对应的垂直方向的位置到摄像机投影点O点的距离为Di;
当钢坯通过检测区域时,设置在激光标识器前方的激光发射接收器所发射激光被钢坯阻挡,激光接收器接收不到反射信号,判断有钢坯经过,激光发射接收器发送触发信号触发摄像机采样;
对采样到的图像进行处理,将激光线标从图像背景中提取,计算偏离图像中心的像素的尺寸,即偏离图像中心的激光线标的长度,除以钢坯的宽度,得出钢坯的支数。
6.根据权利要求5所述的基于机器视觉技术的钢坯计数的方法,其特征在于:
摄像机成像平面与梯形ABCD所在平面的夹角为α,视角为2β,视角内水平方向像素总数为2n;摄像机与梯形ABCD所在的平面的距离为H0;
Di的计算公式为:
第i行像素对应的垂直方向的尺寸为:
Li=Di-Di-1 (2)。
7.根据权利要求5或6所述的基于机器视觉技术的钢坯计数的方法,其特征在于,图像处理具体过程如下:
步骤1,图像预处理,包括去除噪声、边界增强、阈值的自动选择和图像分割;
步骤2,细化处理:对预处理过的二值图像进行骨架化操作运算,提取出图像的骨架像素。
8.根据权利要求7所述的基于机器视觉技术的钢坯计数的方法,其特征在于,图像预处理方法具体包括如下步骤:采用OpenCV API函数,采用高斯滤波算法去除噪声,先用较低的阈值滤除高温钢坯通过滤光片的少量光,再采用大律法进行阈值的自动选择,把激光线标图像从背景中分离出来;再进行形态学闭运算,填充氧化皮等细小空洞,再用Sobel算子增强边界。
9.根据权利要求5所述的基于机器视觉技术的钢坯计数的方法,其特征在于,得出钢坯支数后,运用ADO连接Sql Server2005数据库,保存结果到数据库,供远程数据查询、核对、浏览图片和生成报表。
10.根据权利要求5所述的基于机器视觉技术的钢坯计数的方法,其特征在于,远程数据查询,生成报表具体包括如下步骤:
运用ADO连接远程Sql Server2005数据库,选择输入日期、时间和班次,查询历史记录数据,选择查询出来的条目,显示所选条目中相对应的图片,便于判断该条数据是否准确,并进行纠正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910756559.XA CN110472722A (zh) | 2019-08-16 | 2019-08-16 | 基于机器视觉技术的钢坯计数装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910756559.XA CN110472722A (zh) | 2019-08-16 | 2019-08-16 | 基于机器视觉技术的钢坯计数装置和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110472722A true CN110472722A (zh) | 2019-11-19 |
Family
ID=68510867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910756559.XA Withdrawn CN110472722A (zh) | 2019-08-16 | 2019-08-16 | 基于机器视觉技术的钢坯计数装置和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110472722A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709325A (zh) * | 2020-05-29 | 2020-09-25 | 首钢京唐钢铁联合有限责任公司 | 一种热轧加热炉板坯的自动照合方法 |
CN112224582A (zh) * | 2020-12-10 | 2021-01-15 | 江苏金恒信息科技股份有限公司 | 一种应用于连铸的方坯贴标方法及装置 |
CN112517868A (zh) * | 2020-11-18 | 2021-03-19 | 河北凯昌科技有限公司 | 连铸铸坯长度测量装置及方法 |
CN112734751A (zh) * | 2021-01-25 | 2021-04-30 | 天津市中重科技工程有限公司 | 一种利用机器视觉技术进行钢坯计数的系统及方法 |
CN112941299A (zh) * | 2021-01-18 | 2021-06-11 | 上海呈彧智能科技有限公司 | 一种基于机器视觉的板坯加热炉自动进出钢控制系统 |
CN113776440A (zh) * | 2021-08-26 | 2021-12-10 | 河钢股份有限公司 | 一种基于机器视觉的钢坯宽度在线检测方法及系统 |
CN113819841A (zh) * | 2021-08-27 | 2021-12-21 | 西安理工大学 | 一种基于机器视觉的板形检测装置及其检测方法 |
-
2019
- 2019-08-16 CN CN201910756559.XA patent/CN110472722A/zh not_active Withdrawn
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709325A (zh) * | 2020-05-29 | 2020-09-25 | 首钢京唐钢铁联合有限责任公司 | 一种热轧加热炉板坯的自动照合方法 |
CN111709325B (zh) * | 2020-05-29 | 2023-11-17 | 首钢京唐钢铁联合有限责任公司 | 一种热轧加热炉板坯的自动照合方法 |
CN112517868A (zh) * | 2020-11-18 | 2021-03-19 | 河北凯昌科技有限公司 | 连铸铸坯长度测量装置及方法 |
CN112517868B (zh) * | 2020-11-18 | 2022-05-31 | 河北凯昌科技有限公司 | 连铸铸坯长度测量装置及方法 |
CN112224582A (zh) * | 2020-12-10 | 2021-01-15 | 江苏金恒信息科技股份有限公司 | 一种应用于连铸的方坯贴标方法及装置 |
CN112941299A (zh) * | 2021-01-18 | 2021-06-11 | 上海呈彧智能科技有限公司 | 一种基于机器视觉的板坯加热炉自动进出钢控制系统 |
CN112734751A (zh) * | 2021-01-25 | 2021-04-30 | 天津市中重科技工程有限公司 | 一种利用机器视觉技术进行钢坯计数的系统及方法 |
CN113776440A (zh) * | 2021-08-26 | 2021-12-10 | 河钢股份有限公司 | 一种基于机器视觉的钢坯宽度在线检测方法及系统 |
CN113819841A (zh) * | 2021-08-27 | 2021-12-21 | 西安理工大学 | 一种基于机器视觉的板形检测装置及其检测方法 |
CN113819841B (zh) * | 2021-08-27 | 2023-10-27 | 西安理工大学 | 一种基于机器视觉的板形检测装置及其检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110472722A (zh) | 基于机器视觉技术的钢坯计数装置和方法 | |
CN111855664B (zh) | 一种可调节隧道病害三维检测系统 | |
CN105784710B (zh) | 一种基于数字图像处理的混凝土桥梁裂缝检测装置 | |
CN102297660B (zh) | 一种盾构隧道衬砌管片接缝张开宽度的测量方法及装置 | |
CN102538672B (zh) | 一种基于cmos机器视觉零件尺寸测量系统及测量检验方法 | |
CN103234475B (zh) | 一种基于激光三角测量法的亚像素表面形态检测方法 | |
CN109297428A (zh) | 一种基于无人机的高精度变形巡测技术方法 | |
CN102608126A (zh) | 一种高温连铸坯表面缺陷在线检测方法和装置 | |
CN104777174B (zh) | 轴类零件截面突变部位表面疲劳裂纹检测系统及方法 | |
CN102679914A (zh) | 一种盾构隧道衬砌管片渗漏水面积的测量方法及装置 | |
CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
CN107102004A (zh) | 一种隧道检测装置 | |
CN101881000A (zh) | 一种公路路面平整度的摄像测量系统及方法 | |
CN202548069U (zh) | 一种高温连铸坯表面缺陷在线检测装置 | |
CN111179335A (zh) | 一种基于双目视觉的立木测定方法 | |
RU2492477C1 (ru) | Способ и устройство определения объема штабеля круглых лесоматериалов, расположенных на автомобиле | |
CN115717867A (zh) | 一种基于机载双相机和目标追踪的桥梁变形测量方法 | |
CN103337067B (zh) | 单针扫描式螺纹测量仪探针x轴旋转偏差的视觉检测方法 | |
CN111189401A (zh) | 用于盾尾间隙测量的标定方法、盾尾间隙实时自动测量方法及系统 | |
Motayyeb et al. | Fusion of UAV-based infrared and visible images for thermal leakage map generation of building facades | |
Jia et al. | A spectrum selection method based on SNR for the machine vision measurement of large hot forgings | |
CN111369533B (zh) | 基于偏振图像融合的钢轨廓形检测方法及装置 | |
CN103091332B (zh) | 一种基于机器视觉的u型粉管的检测方法及其检测系统 | |
CN106442539A (zh) | 利用图像信息测量工件表面缺陷的方法 | |
CN205981622U (zh) | 公路隧道照明评估装置 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20191119 |