CN110763692B - 带钢毛刺检测系统 - Google Patents

带钢毛刺检测系统 Download PDF

Info

Publication number
CN110763692B
CN110763692B CN201911048722.3A CN201911048722A CN110763692B CN 110763692 B CN110763692 B CN 110763692B CN 201911048722 A CN201911048722 A CN 201911048722A CN 110763692 B CN110763692 B CN 110763692B
Authority
CN
China
Prior art keywords
upper computer
camera
steel coil
sensor
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.)
Active
Application number
CN201911048722.3A
Other languages
English (en)
Other versions
CN110763692A (zh
Inventor
陈雄
徐晟�
郭安
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.)
Fudan University
Original Assignee
Fudan University
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 Fudan University filed Critical Fudan University
Priority to CN201911048722.3A priority Critical patent/CN110763692B/zh
Publication of CN110763692A publication Critical patent/CN110763692A/zh
Application granted granted Critical
Publication of CN110763692B publication Critical patent/CN110763692B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
    • G01N2021/8918—Metal
    • 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
    • G06T2207/10004—Still image; Photographic 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection
    • 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
    • G06T2207/30136—Metal

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Textile Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于工业自动化技术领域，具体为一种带钢毛刺检测系统。本发明系统由一对红外遮断式传感器、摄像头以及上位机组成；红外遮断式传感器的输出端与摄像头的触发输入端相连；摄像头与上位机相连；传感器放置于合适的位置，固定；钢卷由输送带传输经过规定位置，红外遮断式传感器的红外光被钢卷遮断，传感器发出触发信号，摄像头工作，经过一定时间的延迟后拍摄钢卷的截面图，并将该图像传输给上位机。通过上位机中的毛刺检测算法检测钢卷上是否存在毛刺，整个过程完全自动化。本发明可以有效降低工厂的人力成本，做到检测工段无人化。

Description

带钢毛刺检测系统
技术领域
本发明属于工业自动化技术领域，具体涉及一种带钢毛刺检测系统。
背景技术
随着人工智能，尤其是在计算机视觉(ComputerVision)领域的发展，机器学习的技术逐渐进入的各行各业。在互联网、安防、医疗领域，计算机视觉算法已经可以应对各种状况。例如：推荐系统、实时监控、检测病灶等。而在工业领域控制的运用，由于工业场景的复杂性在工业自动化领域，很难找到合适的应用点。所以新型的计算机视觉技术将会给传统的自动化行业注入一针强心剂。
本发明提出了一种检测系统的软硬件构架，用于检测带钢钢卷是否有毛刺。是一种软件基于计算机视觉，硬件基于嵌入式系统的检测系统。在软件方面，运用到了Harris角点检测算法，用于检测钢卷截面的毛刺。在硬件方面，运用到了遮断式传感器进行钢卷位置判断，使用触发式摄像头进行拍摄。
发明内容
本发明的目的在于提供一种能够自动化检测流水线上带钢(钢卷)毛刺的系统，以减少人力检测，降低人力成本。
本发明提供的带钢毛刺检测系统，主要包括3个部分：一对红外遮断式传感器、摄像头以及上位机；其中传感器和摄像头属于硬件部分，上位机属于软件检测部分，如图1所示。其中，
所述红外遮断式传感器的输出端与摄像头的触发输入端相连；摄像头与上位机相连；传感器放置于合适的位置，固定；钢卷由输送带传输经过规定位置，红外遮断式传感器的红外光被钢卷遮断，传感器发出触发信号，摄像头工作，经过一定时间的延迟后拍摄钢卷的截面图，并将该图像传输给上位机；传感器与摄像头的连接如图2所示。
本发明中，上位机中的检测软件主要包括两个模块：数据库操作模块与检测算法模块；摄像头将拍摄到的钢卷图像通过网络传输给上位机后，上位机中由数据库操作模块首先判断是否为误触发，若非为误触发，则上位机调取数据库，用以确认该钢卷的批次号、厚度、宽度等信息；然后，将该钢卷图像通过检测算法模块(采用Harris算法)检测其是否存在角点，若存在角点，当在一小区域内存在大量角点时，判断是有毛刺，将其显示在图像上，如没有，将该钢卷所有的信息显示在上位机的监控界面上；最后将该钢卷所有的信息显示在上位机的监控界面上，以供工作人员查看。而后回到开始状态。具体流程图见图3。
本发明中，上位机中的数据库，存放有钢卷的批次号、厚度、宽度等信息。
本发明中，可以使用多部摄像机集成，做到对各个方向的钢卷进行拍摄。
本发明可以有效降低工厂的人力成本，做到检测工段无人化。
本发明具有以下优点：
1、全程的采样和检测无需任何人为的动作，可以做到无人化操作；
2、与数据库直接相连，避免了钢卷与生产数据不一致的问题；
3、上位机具有友好的界面可以保证工作人员方便查看。
附图说明
图1为本发明系统整的结构框图。
图2为摄像头与传感器的具体连接图示。
图3为上位机的处理流程图示。
图4为经过实际现场海康MV-CE200-10GM相机拍摄到的图片局部分析结果图示。
图5为前期调研近距离拍摄的图片分析结果图示。
图6为参数设置对毛刺点检测不灵敏时的结果图示。
图7为参数设置对毛刺点检测过于敏感时的结果图示。
具体实施方式
硬件部分为了不影响现有的带钢生产线，同时也为了兼顾安全性以及设计的简洁性，检测系统设计为一个独立的网络摄像头与一对遮断式的光电传感器。当钢卷由输送带运送经过摄像头时，触发遮断式传感器。触发信号输入摄像头，摄像头采集图像。将图像信号通过网线传至上位机，由上位机中的毛刺检测软件进行检测。
现场有两套供电系统，分别为110VAC和220VAC。为了防止由于电源地不同，传感器的触发信号无法触发摄像头的问题，本发明没有采用传感器与摄像头分立设置电源的模式，而是将两者使用同一个电源进行供电，可以有效避免基准地不同导致的信号触发异常的问题。图2中，相机的电源与传感器的电源、相机的地与传感器的地相连，一起分别接到外部供电和地上。摄像头的光耦输入与传感器的输出相连，且通过一个1k的上拉电阻控制信号。同时为了解决不共的问题，本发明直接将信号地与电源地相连，提供一个全局的基准地。
上位机中的软件系统基于PyQt5开发，系统的数据库操作模块采用分类算法，判断图像是否为误触发。如果为误触发，就回到开始阶段，并且舍弃误触发的图像。如果不是误触发，就开始读取生产数据库，寻找该钢卷对应的卷号、厚度、长度等信息。系统每隔40s检查一次保存图片的文件夹中是否有新的图片，如果有的话启动更新步骤：从数据库中读取最新一条记录即为当前新的钢卷图像的信息，同时在主界面上进行图片和信息的更新，为了防止检查新图片的过程因为积压图片数量过多造成卡顿甚至崩溃，每次检测到新图片时，将原有的图片放入新的保存文件夹中。同时支持近期图片回看放大以及选择时间段回看和按卷号回看。
对于毛刺点检测，本发明软件系统中的检测算法模块采用Harris角点检测算法，利用图像中边缘缺陷点的四角的特征，由于缺陷点的四角存在角点的特征，所以采用Harris角点检测的思路，具体如下：
对于图像中的某一个点(x,y)，如果要满足它是角点，则对于任意一个小方向的位移(u,v)，其像素值的变化量为：
Figure BDA0002252552510000031
对I(x+u,y+v)进行一阶的泰勒展开，得到：
Figure BDA0002252552510000032
其中，w(u,v)是窗口函数，对于窗口内所有像素赋予不同的权重，本发明中使用以窗口中心为原点的二元正态分布，I(x,y)表示(x,y)位置的像素值，
Figure BDA0002252552510000033
A＝∑wIx(x,y)2,B＝∑wIy(x,y),C＝∑wIx(x,y)Iy(x,y)，对于角点来说，我们希望在任意方向其E(x,y)都尽可能的大，这取决于矩阵M的性质，如果M的两个特征值λ1和λ2都很大的话，表示当前像素点在水平以及垂直两个方向的变化量都很大，即符合我们对角点的定义；如果两个特征值中只有一个比较大的话，那么很有可能当前位置在某一条边上；如果两个特征值都很小的话，那么显然就是一般的点。为了快速判断λ1和λ2的大小，根据detM＝λ1λ2＝AC-B2,traceM＝λ1+λ2＝A+C，可以通过计算下式来一起计算它们：
R＝detM-α(traceM)2
其中，α是一个可变的超参，通常，取为0.01-0.2之间。本发明的实验性例子中，比较合适的参数选为α＝0.04。选择大于全图最大R值5％的位置作为候选Harris角点。
由于缺陷点是在切面上均匀分布的，只要在图像上截取一小区域(比如为5*5的区域)，根据上述获得超参α和R，即可以控制检测到角点的数量。当这个5*5的小区域内角点数量超过5个时，就认为当前小区域内存在一个毛刺点。实际采用上述参数获得的角点检测效果如图4与图5所示，对于毛刺位置的四个角点位置均能够通过Harris算法检出。当α选择过大(大于0.2)时，检测器不够灵敏，如图6所示，由于α设置过大导致R的值变小，许多角点位置无法被检出。当α选择过小(α＝0.01)(小于0.01)时，检测器会产生错误预测，由于α设置过小导致各点的R值普遍偏大，许多位置被误认为角点，如图7所示。

Claims (1)

1.一种带钢毛刺检测系统，其特征在于，主要包括3个部分：一对红外遮断式传感器、摄像头以及上位机；所述传感器和摄像头属于硬件部分，上位机属于软件检测部分；其中，所述红外遮断式传感器的输出端与摄像头的触发输入端相连；摄像头与上位机相连；传感器放置于合适的位置，固定；钢卷由输送带传输经过规定位置，红外遮断式传感器的红外光被钢卷遮断，传感器发出触发信号，摄像头工作，经过一定时间的延迟后拍摄钢卷的截面图，并将该图像传输给上位机；其中：
所述上位机中的检测软件主要包括两个模块：数据库操作模块与检测算法模块；摄像头将拍摄到的钢卷图像通过网络传输给上位机后，上位机中由数据库操作模块首先判断是否为误触发，若非为误触发，则上位机调取数据库，用以确认该钢卷的批次号、厚度、宽度等信息；然后，将该钢卷图像通过检测算法模块检测其是否存在角点，若存在角点，当在一小区域内存在大量角点时，判断是有毛刺，将其显示在图像上，如没有，将该钢卷所有的信息显示在上位机的监控界面上；最后将该钢卷所有的信息显示在上位机的监控界面上，以供工作人员查看；
所述检测算法模块中检测是否存在角点，判断是否有毛刺，采用Harris角点检测算法，具体如下：
对于图像中的某一个点(x,y)，如果满足它是角点，则对于任意一个小方向的位移(u,v)，其像素值的变化量为：
Figure FDA0003492378250000011
对I(x+u,y+v)进行一阶的泰勒展开，得到：
Figure FDA0003492378250000012
其中，w(u,v)是窗口函数，对于窗口内所有像素赋予不同的权重，使用以窗口中心为原点的二元正态分布，I(x,y)表示(x,y)位置的像素值，
Figure FDA0003492378250000013
A＝∑wIx(x,y)2,B＝∑wIy(x,y),C＝∑wIx(x,y)Iy(x,y)，对于角点来说，希望在任意方向其E(x,y)都尽可能的大，这取决于矩阵M的性质，如果M的两个特征值λ1和λ2都很大，表示当前像素点在水平以及垂直两个方向的变化量都很大，即符合对角点的定义；如果两个特征值中只有一个比较大的话，那么很有可能当前位置在某一条边上；如果两个特征值都很小的话，那么显然就是一般的点；为了快速判断λ1和λ2的大小，根据detM＝λ1λ2＝AC-B2,traceM＝λ1+λ2＝A+C，通过下式计算：
R＝detM-α(traceM)2
其中，α是一个可变的超参，取为0.01-0.2之间，选择大于全图最大R值5％的位置作为候选Harris角点；
在图像上截取一小区域：5*5像素，根据上述获得超参α和R，即可以控制检测到角点的数量；当这个5*5的小区域内角点数量超过5个时，认为当前小区域内存在一个毛刺点。
CN201911048722.3A 2019-10-29 2019-10-29 带钢毛刺检测系统 Active CN110763692B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911048722.3A CN110763692B (zh) 2019-10-29 2019-10-29 带钢毛刺检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911048722.3A CN110763692B (zh) 2019-10-29 2019-10-29 带钢毛刺检测系统

Publications (2)

Publication Number Publication Date
CN110763692A CN110763692A (zh) 2020-02-07
CN110763692B true CN110763692B (zh) 2022-04-12

Family

ID=69334644

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911048722.3A Active CN110763692B (zh) 2019-10-29 2019-10-29 带钢毛刺检测系统

Country Status (1)

Country Link
CN (1) CN110763692B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201935873U (zh) * 2010-12-30 2011-08-17 天津普达软件技术有限公司 瓶盖在线影像检测系统
CN102495073A (zh) * 2011-11-14 2012-06-13 无锡众望四维科技有限公司 机器视觉系统对留置针衬套毛刺的自动检测方法
CN102514767A (zh) * 2011-12-29 2012-06-27 天津普达软件技术有限公司 基于机器视觉的方便面酱包缺陷自动检测装置及方法
CN102680478A (zh) * 2012-04-25 2012-09-19 华南农业大学 一种基于机器视觉的机械零部件表面缺陷检测方法及装置
CN103072718A (zh) * 2012-12-27 2013-05-01 天津普达软件技术有限公司 用于食品包装生产线的机器视觉检测系统及方法
CN103207185A (zh) * 2012-01-11 2013-07-17 宝山钢铁股份有限公司 钢卷端部质量检测系统及方法
CN105136804A (zh) * 2014-05-28 2015-12-09 宝山钢铁股份有限公司 高速带钢表面图像采集及图像处理装置和方法
CN106850601A (zh) * 2017-01-20 2017-06-13 北京立思辰新技术有限公司 一种工业控制系统中工业控制协议的安全防护方法
CN107563996A (zh) * 2017-08-23 2018-01-09 东北大学 一种新型视神经盘分割方法及系统
CN109474267A (zh) * 2018-10-30 2019-03-15 深圳市科羽科技发展有限公司 一种金属触控键盘及其制作方法
CN110118784A (zh) * 2019-06-20 2019-08-13 山西大数据产业发展有限公司 基于机器视觉的钢卷表面质量缺陷检测系统
CN110245663A (zh) * 2019-06-26 2019-09-17 上海电器科学研究所（集团）有限公司 一种用于钢卷信息识别的方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201935873U (zh) * 2010-12-30 2011-08-17 天津普达软件技术有限公司 瓶盖在线影像检测系统
CN102495073A (zh) * 2011-11-14 2012-06-13 无锡众望四维科技有限公司 机器视觉系统对留置针衬套毛刺的自动检测方法
CN102514767A (zh) * 2011-12-29 2012-06-27 天津普达软件技术有限公司 基于机器视觉的方便面酱包缺陷自动检测装置及方法
CN103207185A (zh) * 2012-01-11 2013-07-17 宝山钢铁股份有限公司 钢卷端部质量检测系统及方法
CN102680478A (zh) * 2012-04-25 2012-09-19 华南农业大学 一种基于机器视觉的机械零部件表面缺陷检测方法及装置
CN103072718A (zh) * 2012-12-27 2013-05-01 天津普达软件技术有限公司 用于食品包装生产线的机器视觉检测系统及方法
CN105136804A (zh) * 2014-05-28 2015-12-09 宝山钢铁股份有限公司 高速带钢表面图像采集及图像处理装置和方法
CN106850601A (zh) * 2017-01-20 2017-06-13 北京立思辰新技术有限公司 一种工业控制系统中工业控制协议的安全防护方法
CN107563996A (zh) * 2017-08-23 2018-01-09 东北大学 一种新型视神经盘分割方法及系统
CN109474267A (zh) * 2018-10-30 2019-03-15 深圳市科羽科技发展有限公司 一种金属触控键盘及其制作方法
CN110118784A (zh) * 2019-06-20 2019-08-13 山西大数据产业发展有限公司 基于机器视觉的钢卷表面质量缺陷检测系统
CN110245663A (zh) * 2019-06-26 2019-09-17 上海电器科学研究所（集团）有限公司 一种用于钢卷信息识别的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"图像处理技术在带钢缺陷检测中的应用";陈红兵;《中国优秀硕士学位论文全文数据库（信息科技辑）》;20150315(第3期);第2章第2.3-2.4节、第4章，图2-3、图2-11 *
"基于角点检测的热轧带钢表面缺陷在线检测";刘佳敏 等;《制造业自动化》;20150930;第37卷(第9期);全文 *

Also Published As

Publication number Publication date
CN110763692A (zh) 2020-02-07

Similar Documents

Publication Publication Date Title
US8611593B2 (en) Foreground object detection system and method
US7961953B2 (en) Image monitoring system
US8548202B2 (en) Moving object detecting device, moving object detecting method, and computer program
US20030095782A1 (en) System and method for detection and analysis of video recordings
CN112837302B (zh) 模具的状态监测方法、装置、工控机、存储介质及系统
WO2001069931A1 (en) Method and apparatus for video surveillance with defined zones
JP2008046917A (ja) 煙検出装置
WO2018008702A1 (ja) 振る舞い検知システム
JP2010015469A (ja) 静止領域検出方法とその装置、プログラム及び記録媒体
JP2011123742A (ja) 侵入物体検知装置
US20190095761A1 (en) Vicinity supervising device and method for supervising vicinity of vehicle
CN115346060A (zh) 画面异常识别方法、装置、电子设备和存储介质
CN110763692B (zh) 带钢毛刺检测系统
KR101428913B1 (ko) 초소형 이미지 어레이 센서를 이용한 과열 상태 감시 시스템
CN109841028B (zh) 一种基于红外热像仪的热源探测方法、系统及存储介质
JP2003051076A (ja) 侵入監視装置
US10853685B2 (en) Method and apparatus for detecting fog from image
JPH0973541A (ja) 物体検出装置及び物体検出方法
JP4707019B2 (ja) 映像監視装置及び方法
JP2002304677A (ja) 侵入者検出方法および装置
JP2020071698A (ja) 火災検知装置、火災検知方法及び火災監視システム
JP2021179321A (ja) 状態管理方法、プログラム、及び状態管理システム
WO2020031643A1 (ja) 監視情報記録装置、監視情報記録システム、監視情報記録装置の制御方法、監視情報記録プログラムおよび記録媒体
JP5186973B2 (ja) 作業者安全検査装置
KR20060041555A (ko) 화력발전소 화재발생 감지 및 경보 시스템

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