CN111127442A - 台车轮轴缺陷检测方法和装置 - Google Patents
台车轮轴缺陷检测方法和装置 Download PDFInfo
- Publication number
- CN111127442A CN111127442A CN201911362117.3A CN201911362117A CN111127442A CN 111127442 A CN111127442 A CN 111127442A CN 201911362117 A CN201911362117 A CN 201911362117A CN 111127442 A CN111127442 A CN 111127442A
- Authority
- CN
- China
- Prior art keywords
- wheel
- nut
- determining
- missing
- detection result
- 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
Images
Classifications
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种台车轮轴缺陷检测方法和装置,其中方法包括:获取待检测台车的车轮运行视频;将车轮运行视频中的任一帧图像输入至车轮部件识别定位模型,得到车轮部件识别定位模型输出的部件识别定位结果;基于多帧连续图像对应的部件识别定位结果,确定多帧连续图像中任一车轮中螺母的运动轨迹;基于螺母的运动轨迹,确定该车轮的卡顿检测结果;和/或,基于任一帧图像对应的部件识别定位结果,确定该帧图像中任一车轮的缺失锁紧螺母数量和位置;基于卡顿检测结果和/或缺失锁紧螺母数量和位置,确定该车轮的轮轴缺陷检测结果。本发明实施例提供的方法和装置,能够保证安全、高效的工业生产需求。
Description
技术领域
本发明涉及钢铁冶金技术领域,尤其涉及一种台车轮轴缺陷检测方法和装置。
背景技术
钢铁生产工序中,烧结生产通常应用链篦机-回转窑球团工艺实现。链蓖机系统是链篦机-回转窑球团工艺的中枢环节。
在实际生产应用中,链篦机设备部件在链篦床支撑轮方面容易出现台车轮轴缺陷问题,例如:锁紧螺母脱落导致车轮脱落,小轴受热膨胀后伸长,在温度变化幅度较大的环境下,小轴由于附加力和弯矩作用受力不均导致轮轴容易弯曲、损毁、断裂等,小轴断裂会造成篦板卡死以及篦板断裂,还会使得整个传动系统出现故障,严重导致全面停产。
目前在烧结生产工艺中,链篦机台车缺陷部件检测中仍旧依靠原始的人工观察检查,存在工作劳动强度大、对工作人员要求高、费时费力、工作效率低下、检测缺陷部件在时间上滞后、易产生漏检失误、生产管理效率低、智能化程度低等问题。
发明内容
本发明实施例提供一种台车轮轴缺陷检测方法和装置,用以解决现有的台车轮轴缺陷检测方法需要耗费大量人力,效率低下的问题。
第一方面,本发明实施例提供一种台车轮轴缺陷检测方法,包括:
获取待检测台车的车轮运行视频;
将所述车轮运行视频中的任一帧图像输入至车轮部件识别定位模型,得到所述车轮部件识别定位模型输出的部件识别定位结果;其中,所述车轮部件识别定位模型是基于样本图像及其样本部件识别定位结果训练得到的;
基于多帧连续图像对应的部件识别定位结果,确定所述多帧连续图像中任一车轮中螺母的运动轨迹;所述螺母包括锁紧螺母和/或缺失锁紧螺母;
基于所述螺母的运动轨迹,确定所述任一车轮的卡顿检测结果;
和/或,基于任一帧图像对应的部件识别定位结果,确定所述任一帧图像中任一车轮的缺失锁紧螺母数量和位置;基于所述卡顿检测结果和/或所述缺失锁紧螺母数量和位置,确定所述任一车轮的轮轴缺陷检测结果。
优选地,任一帧图像对应的部件识别定位结果包括所述任一帧图像中每一车轮中每一车轮部件的位置信息;所述车轮部件包括轮毂、轮轴、锁紧螺母、缺失锁紧螺母、车轮外廓中的至少一种。
优选地,所述基于所述螺母的运动轨迹,确定所述任一车轮的卡顿检测结果,具体包括:
基于每一螺母的运动轨迹,以及所述轮轴的运动轨迹,确定水平方向上所述轮轴的位移分别与每一螺母的位移差的均值作为第一均值;
基于每一螺母的运动轨迹,确定竖直方向上每一螺母的位移的均值作为第二均值;
基于所述第一均值和所述第二均值,确定所述任一车轮的卡顿检测结果。
优选地,所述第一均值L1是通过如下公式确定的:
所述第二均值L2是通过如下公式确定的:
优选地,所述基于所述卡顿检测结果,确定所述任一车轮的轮轴缺陷检测结果,具体包括:
若预设检测周期内,所述任一车轮的卡顿检测结果为卡顿的次数大于预设卡顿阈值,则确定所述任一车轮的轮轴缺陷检测结果为异常;否则,确定所述任一车轮的车轮缺陷检测结果为正常。
优选地,所述基于所述缺失锁紧螺母数量和位置,确定所述任一车轮的轮轴缺陷检测结果,具体包括:
基于所述缺失锁紧螺母数量,以及每一缺失锁紧螺母的相对位置,确定所述任一车轮的轮轴缺陷检测结果。
优选地,所述基于所述缺失锁紧螺母数量,以及每一缺失锁紧螺母的相对位置,确定所述任一车轮的轮轴缺陷检测结果,之前还包括:
基于所述任一车轮中任意两个缺失锁紧螺母的位置信息,确定所述任意两个缺失锁紧螺母之间的距离;
基于所述任一车轮中任一缺失锁紧螺母的位置信息,以及所述任一车轮中所述轮轴的位置信息,确定所述任一缺失锁紧螺母与所述轮轴之间的距离;
基于所述任意两个缺失锁紧螺母之间的距离,以及所述任一缺失锁紧螺母与所述轮轴之间的距离,确定所述任意两个缺失锁紧螺母的相对位置。
优选地,所述任意两个缺失锁紧螺母之间的距离L3是通过如下公式确定的:
所述任一缺失锁紧螺母与所述轮轴之间的距离L4是通过如下公式确定的:
式中,(x1,y1)与(x2,y2)分别为所述任意两个缺失锁紧螺母的坐标,(x0,y0)为所述轮轴的中心坐标。
第二方面,本发明实施例提供一种台车轮轴缺陷检测装置,包括:
视频采集单元,用于获取待检测台车的车轮运行视频;
部件识别定位单元,用于将所述车轮运行视频中的任一帧图像输入至车轮部件识别定位模型,得到所述车轮部件识别定位模型输出的部件识别定位结果;其中,所述车轮部件识别定位模型是基于样本图像及其样本检测结果训练得到的;
轨迹确定单元,用于基于多帧连续图像对应的部件识别定位结果,确定所述多帧连续图像中任一车轮中螺母的运动轨迹;所述螺母包括锁紧螺母和/或缺失锁紧螺母;
卡顿检测单元,用于基于所述螺母的运动轨迹,确定所述任一车轮的卡顿检测结果;
和/或,缺失锁紧螺母确定单元,用于基于任一帧图像对应的部件识别定位结果,确定所述任一帧图像中任一车轮的缺失锁紧螺母数量和位置;
缺陷确定单元,用于基于所述卡顿检测结果和/或所述缺失锁紧螺母数量和位置,确定所述任一车轮的轮轴缺陷检测结果。
第三方面,本发明实施例提供一种电子设备,包括处理器、通信接口、存储器和总线,其中,处理器,通信接口,存储器通过总线完成相互间的通信,处理器可以调用存储器中的逻辑命令,以执行如第一方面所提供的方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的一种台车轮轴缺陷检测方法和装置,通过对车轮运行视频中的图像进行车轮部件识别定位,通过确定螺母的运动轨迹判断车轮的卡顿情况和/或缺失锁紧螺母数量,进而进行轮轴缺陷检测,实现了自动化的在线台车轮轴缺陷检测,有效节约了人力成本,能够实时反馈预警,以保证安全、高效的工业生产需求。
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一简单地介绍,显而易见地,下面描述中的附图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为本发明实施例提供的台车轮轴缺陷检测方法的流程示意图;
图2为本发明实施例提供的部位识别定位结果示意图;
图3为本发明实施例提供的卡顿检测示意图;
图4为本发明另一实施例提供的卡顿检测示意图;
图5为本发明实施例提供的台车轮轴缺陷检测系统的结构示意图;
图6为本发明实施例提供的台车轮轴缺陷检测装置的结构示意图;
图7为本发明实施例提供的电子设备的结构示意图;
附图标记:
1-轮轴; 2-锁紧螺母; 3-轮毂;
4-缺失锁紧螺母; 5-车轮外廓; 6-车轮编号识别摄像设备;
7-补光设备; 8-轮轴监测摄像设备; 9-车轮识别号码牌;
10-台车; 11-导轨; 12-图像处理设备;
13-显示终端; 14-通信连接设备; 15-电源。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
图1为本发明实施例提供的台车轮轴缺陷检测方法的流程示意图,如图1所示,该方法包括:
步骤110,获取待检测台车的车轮运行视频。
此处,待检测台车即需要进行轮轴缺陷检测的台车,车轮运行视频是在通过摄像设备拍摄得到的待检测台车运行过程中的车轮的视频。车轮运行视频中可以包括待检测台车的一个或多个车轮,本发明实施例对此不作具体限定。
步骤120,将车轮运行视频中的任一帧图像输入至车轮部件识别定位模型,得到车轮部件识别定位模型输出的部件识别定位结果;其中,车轮部件识别定位模型是基于样本图像及其样本部件识别定位结果训练得到的。
具体地,车轮运行视频包括多帧连续图像,针对其中的任一帧图像,将该帧图像输入至车轮部件识别定位模型,即可由车轮部件识别定位模型对该帧图像中包含的每一车轮以及每一车轮的车轮部件进行目标识别和定位,进而输出部件识别定位结果。此处,部件识别定位结果即对任一帧图像进行车轮部件识别定位得到的,部件识别定位结果包括该帧图像中的各个车轮的位置信息,以及各个车轮中各个车轮部件的位置信息。
在执行步骤120之前,还可以预先训练得到车轮部件识别定位模型,具体可以通过如下方式训练得到车轮部件识别定位模型:首先,收集大量样本图像。此处,样本图像均为台车运行过程中拍摄的图像,或者从台车运行过程中拍摄的视频中抽取的图像。对样本图像中包含的车轮以及车轮的车轮部件进行标注,得到样本图像所对应的样本部件识别定位结果。随即,基于样本图像和样本部件识别定位结果训练初始模型,从而得到车轮部件识别定位模型。
步骤131,基于多帧连续图像对应的部件识别定位结果,确定多帧连续图像中任一车轮中螺母的运动轨迹;螺母包括锁紧螺母和/或缺失锁紧螺母。
具体地,多帧连续图像可以是两帧或者两帧以上的连续图像,每一图像均对应有部件识别定位结果,针对多帧连续图像中包含的同一车轮,可以通过多帧连续图像分别对应的部件识别定位结果,得到多帧连续图像中该车轮的各个螺母的位置信息,进而确定该车轮中各个螺母的运动轨迹。此处的螺母可以包括锁紧螺母,也可以包括缺失锁紧螺母。
步骤132,基于螺母的运动轨迹,确定该车轮的卡顿检测结果。
具体地,各个螺母的运动轨迹,可以反映车轮的转动情况,进而判断车轮在运行过程中是否发生了卡顿。具体可以通过螺母的运动轨迹,得到螺母运动的方向,若多帧连续图像中螺母只在水平方向运动,则说明车轮存在卡顿。
和/或,步骤140,基于任一帧图像对应的部件识别定位结果,确定该帧图像中任一车轮的缺失锁紧螺母数量和位置。
具体地,通过部件识别定位结果,可以区分中任一帧图像中的各个车轮中的锁紧螺母和缺失锁紧螺母,并得到每一车轮中缺失锁紧螺母的数量和位置。需要说明的是,针对任一车轮,锁紧螺母的数量与缺失锁紧螺母的数量之和为定值,等于车轮上可安装锁紧螺母的位置总数。假设总数n=6,任一车轮中锁紧螺母的数量为n1,缺失锁紧螺母的数量为n2,则n1+n2=6。
需要说明的是,本发明实施例可以执行步骤131和步骤132,不执行步骤140,也可以执行步骤140,不执行步骤131和步骤132,还可以既执行步骤131和步骤132,也执行步骤140。
步骤150,基于卡顿检测结果和/或缺失锁紧螺母数量和位置,确定该车轮的轮轴缺陷检测结果。
例如,轮轴缺陷检测结果用于表征车轮是否存在缺陷,以及具体缺陷。当检测获知车轮存在卡顿,可以直接通知工作人员进行现场检修。也可以统计一段时间内的卡顿次数,并根据一段时间内的卡顿次数,确定轮轴缺陷检测结果。在确定缺失锁紧螺母数量后,可以通过缺失锁紧螺母数量的大小,判断该车轮是否存在缺陷,是否需要工作人员进行现场检修。例如,若缺失锁紧螺母数量大于等于3,则确定轮轴缺陷检测结果为存在缺陷;若两个缺失锁紧螺母相邻,则确定轮轴缺陷检测结果为存在缺陷。本发明实施例提供的方法,通过对车轮运行视频中的图像进行车轮部件识别定位,通过确定螺母的运动轨迹判断车轮的卡顿情况和/或缺失锁紧螺母数量,进而进行轮轴缺陷检测,实现了自动化的在线台车轮轴缺陷检测,有效节约了人力成本,能够实时反馈预警,以保证安全、高效的工业生产需求。
基于上述实施例,图2为本发明实施例提供的部位识别定位结果示意图,如图2所示,任一帧图像对应的部件识别定位结果包括该帧图像中每一车轮中每一车轮部件的位置信息;车轮部件包括轮毂3、轮轴1、锁紧螺母2、缺失锁紧螺母4、车轮外廓5中的至少一种。
具体地,任一帧图像中可以包含一个或多个车轮,针对于任一车轮进行部件识别定位,均可以得到该车轮中每一车轮部件的位置信息,即车轮部件在图像中坐标。其中,缺失锁紧螺母是指车轮上锁紧螺母脱落后的位置,通过部件识别定位,可以确定车轮上是否存在缺失锁紧螺母,并进一步确定缺失锁紧螺母的数量,以提示工作人员及时增加锁紧螺母。
基于上述任一实施例,步骤131具体包括:基于任一帧图像对应的部件识别定位结果,确定该帧图像对应的任一车轮中各螺母的位置信息;基于多帧连续图像对应的该车轮中各螺母的位置信息,确定各螺母的运动轨迹。
具体地,针对任一帧图像的部件识别定位结果中得到任一车轮的车轮位置参数为(xL,yL,wL,hL),轮轴中心的位置为(x0,y0),螺母中心的位置为(xi,yi),其中xL,yL为车轮左下角坐标,wL,hL为车轮宽和高,i为小于等于n的正整数,n为车轮中的螺母总数,例如n=6。
判断螺母与轮轴中心处于同一车轮的条件如下,若螺母满足如下公式,则螺母与轮轴中心处于同一车轮:
基于上述任一实施例,步骤132具体包括:基于每一螺母的运动轨迹,以及轮轴的运动轨迹,确定水平方向上轮轴的位移分别与每一螺母的位移差的均值作为第一均值;基于每一螺母的运动轨迹,确定竖直方向上每一螺母的位移的均值作为第二均值;基于第一均值和第二均值,确定该车轮的卡顿检测结果。
具体地,第一均值L1可表示为如下形式:
第二均值L2可表示为如下形式:
链篦机台车车轮轮轴弯曲、断裂、轴承磨损、车轮滚动体损坏等缺陷存在,台车车轮存在卡顿或不旋转,踏面与导轨会直接摩擦。如果车轮卡顿或不旋转,则L1与L2分别近似为0,以此来判断车轮是否卡顿不旋转,进而判断链篦机台车车轮轮轴弯曲、断裂、轴承磨损、车轮滚动体损坏等缺陷问题。
图3为本发明实施例提供的卡顿检测示意图,图4为本发明另一实施例提供的卡顿检测示意图,其中图3表示存在卡顿时两帧连续图像中同一车轮的各个螺母的运动轨迹,图4表示车轮正常旋转时两帧连续图像中同一车轮的各个螺母的运动轨迹。为便于分辨,前一帧图像表示为虚线,后一帧图像表示为实线。
基于上述任一实施例,步骤150具体包括:若预设检测周期内,任一车轮的卡顿检测结果为卡顿的次数大于预设卡顿阈值,则确定该车轮的轮轴缺陷检测结果为异常;否则,确定该车轮的车轮缺陷检测结果为正常。
此处,预设卡顿阈值是预先设置的卡顿次数阈值。
例如,假设预设检测周期为3周期,预设卡顿阈值为2次,链篦机台车循环运行,当在3周期的链篦机台车循环过程中,检测到链篦机台车同一车轮轮轴存在卡顿2次及以上,则确定此台车车轮存在缺陷问题,需要工程师到现场查看检修。
基于上述任一实施例,步骤150具体包括:基于缺失锁紧螺母数量,以及每一缺失锁紧螺母的相对位置,确定该车轮的轮轴缺陷检测结果。
具体地,缺失锁紧螺母的相对位置可以基于部件识别定位结果中各个缺失锁紧螺母的位置信息确定。在轮轴缺陷检测时,不仅要考虑缺失锁紧螺母数量,还要考虑缺失锁紧螺母之间的相对位置。
基于上述任一实施例,缺失锁紧螺母之间的相对位置的确定方法包括:基于任一车轮中任意两个缺失锁紧螺母的位置信息,确定上述两个缺失锁紧螺母之间的距离;基于该车轮中任一缺失锁紧螺母的位置信息,以及该车轮中轮轴的位置信息,确定该缺失锁紧螺母与轮轴之间的距离;基于上述两个缺失锁紧螺母之间的距离,以及该缺失锁紧螺母与轮轴之间的距离,确定上述两个缺失锁紧螺母的相对位置。
此处,任意两个缺失锁紧螺母之间的距离L3是通过如下公式确定的:
任一缺失锁紧螺母与轮轴之间的距离L4是通过如下公式确定的:
式中,(x1,y1)与(x2,y2)分别为任意两个缺失锁紧螺母的坐标,(x0,y0)为轮轴的中心坐标。
由几何形状可知,当L3与L4近似相等时,则两个缺失锁紧螺母是相邻的,否则,两个缺失锁紧螺母不相邻。
例如,当缺失锁紧螺母数量n2≥3时,说明同一车轮上存在3个以上的锁紧螺母脱落,记录该存在缺陷问题的车轮状况,确定此台车车轮需要增加锁紧螺母,需要工作人员到现场查看检修;
当n2=1时,记录该存在缺陷问题的车轮状况;
当n2=2时,假设2个缺失锁紧螺母中心位置坐标分别为(x1,y1)与(x2,y2),轮轴中心位置为(x0,y0),计算2个缺失锁紧螺母之间的距离为L3,2个缺失锁紧螺母与轮轴中心的距离均值为L4,由于同一车轮中6个螺母为正六边形,由几何形状可知,当L3与L4近似相等时,则2个缺失锁紧螺母是相邻的,记录存在缺陷问题的车轮状况,提示工作人员关注;当L3与L4相差较大时,可以不做记录。
基于上述任一实施例,图5为本发明实施例提供的台车轮轴缺陷检测系统的结构示意图,如图5所示,台车轮轴缺陷检测系统包括用于定位链篦机台车车轮编号的车轮编号识别摄像设备6、补光设备7、用于检测链篦机车轮轮轴缺陷的轮轴监测摄像设备8、能够实现对轮轴检测摄像设备8采集得到的车轮运行视频进行实时处理的图像处理设备12,以及实现车轮编号识别摄像设备6、轮轴监测摄像设备8和图像处理设备12之间通信的通信连接设备14。
在台车轮轴缺陷检测实施前,采集大量的链篦机台车车轮图像,并标注制作图像中各个车轮部件的位置,通过深度神经网络的训练获取权重函数,应用深度神经网络在图像上识别定位,从而得到车轮部件识别定位模型。在图像处理设备12上搭建车轮部件识别定位模型。
在台车轮轴缺陷检测实施的过程中,在链篦机台车车轮上方进行设置唯一标识的车轮识别号码牌9,将链篦机台车车轮编号识别摄像设备6安置在能获取链篦机台车上方的台车车轮编号的位置,用于检测链篦机车轮轮轴缺陷的轮轴监测摄像设备8安装在台车车轮旁边,轮轴监测摄像设备8的镜头与车轮侧面平行,调整好车轮轮轴缺陷的轮轴监测摄像设备8的位置,使得轮轴监测摄像设备8获取效果较好的车轮运行视频,必要时可以使用补光设备7。通信连接设备14将图像数据输送到图像处理设备12进行算法处理。显示终端13可以查看链篦机台车车轮缺陷部件的实际图像视频。当检测到台车车轮轮轴存在缺陷时,车轮编号识别摄像设备6获取车轮编号,进而确定车轮存在缺陷的位置。
图像处理设备12接收到轮轴监测摄像设备8采集的烧结厂链篦机车轮的车轮运行视频,按帧获取链篦机台车车轮的图像,通过车轮部件识别定位模型对台车车轮图像处理,获取图像中链篦机台车车轮部件中的轮毂、轮轴、锁紧螺母、缺失锁紧螺母、车轮外廓五个部件,并给出各个部件在图像中对应的位置参数(x,y,w,h)与不同的命名部件类别结果。
最后通过基于锁紧螺母\缺失锁紧螺母运动轨迹判断轮轴缺陷的算法与基于锁紧螺母\缺失锁紧螺母数量位置判断车轮缺陷算法对链篦机台车车轮轮轴缺陷进行分析并给出智能检测结果。当车轮轮轴存在缺陷时,则车轮发生卡顿(偶尔不旋转),图像处理设备12计算得到连续两帧图像中螺母和轮轴运动的矢量方向一致。当车轮轮轴正常行进时,则连续两帧图像中螺母和轮轴运动的矢量方向不一致。当台车运行中连续3个周期内,检测到链篦机台车同一车轮轮轴存在缺陷2次及以上,则判定该位置的车轮位置存在缺陷。根据分析的结果,给出链篦机台车车轮轮轴缺陷部件的处理方案,以指导现场工程师是否进行对链篦机台车车轮轮轴缺陷部件进行维修。
基于上述任一实施例,图6为本发明实施例提供的台车轮轴缺陷检测装置的结构示意图,如图6所示,该装置包括:
视频采集单元610,用于获取待检测台车的车轮运行视频;
部件识别定位单元620,用于将所述车轮运行视频中的任一帧图像输入至车轮部件识别定位模型,得到所述车轮部件识别定位模型输出的部件识别定位结果;其中,所述车轮部件识别定位模型是基于样本图像及其样本检测结果训练得到的;
轨迹确定单元631,用于基于多帧连续图像对应的部件识别定位结果,确定所述多帧连续图像中任一车轮中螺母的运动轨迹;所述螺母包括锁紧螺母和/或缺失锁紧螺母;
卡顿检测单元632,用于基于所述螺母的运动轨迹,确定所述任一车轮的卡顿检测结果;
和/或,缺失锁紧螺母确定单元640,用于基于任一帧图像对应的部件识别定位结果,确定所述任一帧图像中任一车轮的缺失锁紧螺母数量和位置;
缺陷确定单元650,用于基于所述卡顿检测结果和/或所述缺失锁紧螺母数量和位置,确定所述任一车轮的轮轴缺陷检测结果。
本发明实施例提供的装置,通过对车轮运行视频中的图像进行车轮部件识别定位,通过确定螺母的运动轨迹判断车轮的卡顿情况和/或缺失锁紧螺母数量,进而进行轮轴缺陷检测,实现了自动化的在线台车轮轴缺陷检测,有效节约了人力成本,能够实时反馈预警,以保证安全、高效的工业生产需求。
基于上述任一实施例,任一帧图像对应的部件识别定位结果包括所述任一帧图像中每一车轮中每一车轮部件的位置信息;所述车轮部件包括轮毂、轮轴、锁紧螺母、缺失锁紧螺母、车轮外廓中的至少一种。
基于上述任一实施例,卡顿检测单元具体用于:
基于每一螺母的运动轨迹,以及所述轮轴的运动轨迹,确定水平方向上所述轮轴的位移分别与每一螺母的位移差的均值作为第一均值;
基于每一螺母的运动轨迹,确定竖直方向上每一螺母的位移的均值作为第二均值;
基于所述第一均值和所述第二均值,确定所述任一车轮的卡顿检测结果。
基于上述任一实施例,所述第一均值L1是通过如下公式确定的:
所述第二均值L2是通过如下公式确定的:
基于上述任一实施例,所述缺陷确定单元具体用于:
若预设检测周期内,所述任一车轮的卡顿检测结果为卡顿的次数大于预设卡顿阈值,则确定所述任一车轮的轮轴缺陷检测结果为异常;否则,确定所述任一车轮的车轮缺陷检测结果为正常。
基于上述任一实施例,所述缺陷确定单元具体用于:
基于所述缺失锁紧螺母数量,以及每一缺失锁紧螺母的相对位置,确定所述任一车轮的轮轴缺陷检测结果。
基于上述任一实施例,该装置还包括相对位置确定单元,用于:
基于所述任一车轮中任意两个缺失锁紧螺母的位置信息,确定所述任意两个缺失锁紧螺母之间的距离;
基于所述任一车轮中任一缺失锁紧螺母的位置信息,以及所述任一车轮中所述轮轴的位置信息,确定所述任一缺失锁紧螺母与所述轮轴之间的距离;
基于所述任意两个缺失锁紧螺母之间的距离,以及所述任一缺失锁紧螺母与所述轮轴之间的距离,确定所述任意两个缺失锁紧螺母的相对位置。
基于上述任一实施例,所述任意两个缺失锁紧螺母之间的距离L3是通过如下公式确定的:
所述任一缺失锁紧螺母与所述轮轴之间的距离L4是通过如下公式确定的:
式中,(x1,y1)与(x2,y2)分别为所述任意两个缺失锁紧螺母的坐标,(x0,y0)为所述轮轴的中心坐标。
图7为本发明实施例提供的电子设备的结构示意图,如图7所示,该电子设备可以包括:处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740,其中,处理器710,通信接口720,存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑命令,以执行如下方法:获取待检测台车的车轮运行视频;将所述车轮运行视频中的任一帧图像输入至车轮部件识别定位模型,得到所述车轮部件识别定位模型输出的部件识别定位结果;其中,所述车轮部件识别定位模型是基于样本图像及其样本部件识别定位结果训练得到的;基于多帧连续图像对应的部件识别定位结果,确定所述多帧连续图像中任一车轮中螺母的运动轨迹;所述螺母包括锁紧螺母和/或缺失锁紧螺母;基于所述螺母的运动轨迹,确定所述任一车轮的卡顿检测结果;和/或,基于任一帧图像对应的部件识别定位结果,确定所述任一帧图像中任一车轮的缺失锁紧螺母数量和位置;基于所述卡顿检测结果和/或所述缺失锁紧螺母数量和位置,确定所述任一车轮的轮轴缺陷检测结果。
此外,上述的存储器730中的逻辑命令可以通过软件功能单元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,包括若干命令用以使得一台计算机设备(可以是个人计算机,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。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的方法,例如包括:获取待检测台车的车轮运行视频;将所述车轮运行视频中的任一帧图像输入至车轮部件识别定位模型,得到所述车轮部件识别定位模型输出的部件识别定位结果;其中,所述车轮部件识别定位模型是基于样本图像及其样本部件识别定位结果训练得到的;基于多帧连续图像对应的部件识别定位结果,确定所述多帧连续图像中任一车轮中螺母的运动轨迹;所述螺母包括锁紧螺母和/或缺失锁紧螺母;基于所述螺母的运动轨迹,确定所述任一车轮的卡顿检测结果;和/或,基于任一帧图像对应的部件识别定位结果,确定所述任一帧图像中任一车轮的缺失锁紧螺母数量和位置;基于所述卡顿检测结果和/或所述缺失锁紧螺母数量和位置,确定所述任一车轮的轮轴缺陷检测结果。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干命令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种台车轮轴缺陷检测方法,其特征在于,包括:
获取待检测台车的车轮运行视频;
将所述车轮运行视频中的任一帧图像输入至车轮部件识别定位模型,得到所述车轮部件识别定位模型输出的部件识别定位结果;其中,所述车轮部件识别定位模型是基于样本图像及其样本部件识别定位结果训练得到的;
基于多帧连续图像对应的部件识别定位结果,确定所述多帧连续图像中任一车轮中螺母的运动轨迹;所述螺母包括锁紧螺母和/或缺失锁紧螺母;
基于所述螺母的运动轨迹,确定所述任一车轮的卡顿检测结果;
和/或,基于任一帧图像对应的部件识别定位结果,确定所述任一帧图像中任一车轮的缺失锁紧螺母数量和位置;
基于所述卡顿检测结果和/或所述缺失锁紧螺母数量和位置,确定所述任一车轮的轮轴缺陷检测结果。
2.根据权利要求1所述的台车轮轴缺陷检测方法,其特征在于,任一帧图像对应的部件识别定位结果包括所述任一帧图像中每一车轮中每一车轮部件的位置信息;所述车轮部件包括轮毂、轮轴、锁紧螺母、缺失锁紧螺母、车轮外廓中的至少一种。
3.根据权利要求2所述的台车轮轴缺陷检测方法,其特征在于,所述基于所述螺母的运动轨迹,确定所述任一车轮的卡顿检测结果,具体包括:
基于每一螺母的运动轨迹,以及所述轮轴的运动轨迹,确定水平方向上所述轮轴的位移分别与每一螺母的位移差的均值作为第一均值;
基于每一螺母的运动轨迹,确定竖直方向上每一螺母的位移的均值作为第二均值;
基于所述第一均值和所述第二均值,确定所述任一车轮的卡顿检测结果。
5.根据权利要求1所述的台车轮轴缺陷检测方法,其特征在于,所述基于所述卡顿检测结果,确定所述任一车轮的轮轴缺陷检测结果,具体包括:
若预设检测周期内,所述任一车轮的卡顿检测结果为卡顿的次数大于预设卡顿阈值,则确定所述任一车轮的轮轴缺陷检测结果为异常;否则,确定所述任一车轮的车轮缺陷检测结果为正常。
6.根据权利要求1所述的台车轮轴缺陷检测方法,其特征在于,所述基于所述缺失锁紧螺母数量和位置,确定所述任一车轮的轮轴缺陷检测结果,具体包括:
基于所述缺失锁紧螺母数量,以及每一缺失锁紧螺母的相对位置,确定所述任一车轮的轮轴缺陷检测结果。
7.根据权利要求6所述的台车轮轴缺陷检测方法,其特征在于,所述基于所述缺失锁紧螺母数量,以及每一缺失锁紧螺母的相对位置,确定所述任一车轮的轮轴缺陷检测结果,之前还包括:
基于所述任一车轮中任意两个缺失锁紧螺母的位置信息,确定所述任意两个缺失锁紧螺母之间的距离;
基于所述任一车轮中任一缺失锁紧螺母的位置信息,以及所述任一车轮中所述轮轴的位置信息,确定所述任一缺失锁紧螺母与所述轮轴之间的距离;
基于所述任意两个缺失锁紧螺母之间的距离,以及所述任一缺失锁紧螺母与所述轮轴之间的距离,确定所述任意两个缺失锁紧螺母的相对位置。
9.一种台车轮轴缺陷检测装置,其特征在于,包括:
视频采集单元,用于获取待检测台车的车轮运行视频;
部件识别定位单元,用于将所述车轮运行视频中的任一帧图像输入至车轮部件识别定位模型,得到所述车轮部件识别定位模型输出的部件识别定位结果;其中,所述车轮部件识别定位模型是基于样本图像及其样本检测结果训练得到的;
轨迹确定单元,用于基于多帧连续图像对应的部件识别定位结果,确定所述多帧连续图像中任一车轮中螺母的运动轨迹;所述螺母包括锁紧螺母和/或缺失锁紧螺母;
卡顿检测单元,用于基于所述螺母的运动轨迹,确定所述任一车轮的卡顿检测结果;
和/或,缺失锁紧螺母确定单元,用于基于任一帧图像对应的部件识别定位结果,确定所述任一帧图像中任一车轮的缺失锁紧螺母数量和位置;
缺陷确定单元,用于基于所述卡顿检测结果和/或所述缺失锁紧螺母数量和位置,确定所述任一车轮的轮轴缺陷检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911362117.3A CN111127442B (zh) | 2019-12-26 | 2019-12-26 | 台车轮轴缺陷检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911362117.3A CN111127442B (zh) | 2019-12-26 | 2019-12-26 | 台车轮轴缺陷检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111127442A true CN111127442A (zh) | 2020-05-08 |
CN111127442B CN111127442B (zh) | 2023-05-02 |
Family
ID=70502684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911362117.3A Active CN111127442B (zh) | 2019-12-26 | 2019-12-26 | 台车轮轴缺陷检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111127442B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111707109A (zh) * | 2020-07-28 | 2020-09-25 | 山东钢铁股份有限公司 | 一种烧结机台车滚轮在线检查装置及使用方法 |
CN111860240A (zh) * | 2020-07-07 | 2020-10-30 | 内蒙古科技大学 | 链篦机台车侧板偏移故障的检测方法及系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4907445A (en) * | 1987-12-28 | 1990-03-13 | Koyo Seiko Co., Ltd. | Automobile wheel bearing unit |
JPH02284832A (ja) * | 1989-04-26 | 1990-11-22 | Honda Motor Co Ltd | タイヤ取付けロボットへのホイールナット供給方法 |
CN101230687A (zh) * | 2008-02-19 | 2008-07-30 | 同济大学 | 改进的台车 |
CN105507099A (zh) * | 2015-12-23 | 2016-04-20 | 李社军 | 一种静态铁路轨道组件轮廓尺寸及病害光学检测系统 |
CN205852099U (zh) * | 2016-06-28 | 2017-01-04 | 成都英利汽车部件有限公司 | 一种防漏焊感应装置 |
CN106404791A (zh) * | 2016-08-24 | 2017-02-15 | 北京主导时代科技有限公司 | 一种列车、在线车轮踏面图像检测装置及探伤系统 |
CN207443230U (zh) * | 2017-11-30 | 2018-06-01 | 江苏融源再生资源科技有限公司 | 一种便于维修的电路板振动拆解系统 |
CN108506710A (zh) * | 2018-04-04 | 2018-09-07 | 中冶长天国际工程有限责任公司 | 一种烧结机台车车轮加脂轨迹控制方法及控制系统 |
CN108846331A (zh) * | 2018-05-30 | 2018-11-20 | 北京天亿时代科技有限公司 | 一种动车组底盘螺丝紧固件是否脱落的视频识别方法 |
US20190180467A1 (en) * | 2017-12-11 | 2019-06-13 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for identifying and positioning objects around a vehicle |
CN109975040A (zh) * | 2017-12-28 | 2019-07-05 | 中冶长天国际工程有限责任公司 | 一种烧结台车车轮检测方法、装置及系统 |
CN110057198A (zh) * | 2019-05-17 | 2019-07-26 | 天津市三特电子有限公司 | 烧结机台车轮工作状态检测方法及检测装置 |
CN110341678A (zh) * | 2019-07-30 | 2019-10-18 | 瑞立集团瑞安汽车零部件有限公司 | 带有行星齿轮减速机构的集成式电子液压制动助力装置 |
CN110378231A (zh) * | 2019-06-19 | 2019-10-25 | 广东工业大学 | 基于深度学习的螺母识别定位方法 |
CN209707698U (zh) * | 2019-02-19 | 2019-11-29 | 苏州众力达自动化智能科技股份有限公司 | 一种螺钉检测设备 |
CN110599445A (zh) * | 2019-07-24 | 2019-12-20 | 安徽南瑞继远电网技术有限公司 | 一种电网螺母和销的目标鲁棒检测与缺陷识别方法及装置 |
-
2019
- 2019-12-26 CN CN201911362117.3A patent/CN111127442B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4907445A (en) * | 1987-12-28 | 1990-03-13 | Koyo Seiko Co., Ltd. | Automobile wheel bearing unit |
JPH02284832A (ja) * | 1989-04-26 | 1990-11-22 | Honda Motor Co Ltd | タイヤ取付けロボットへのホイールナット供給方法 |
CN101230687A (zh) * | 2008-02-19 | 2008-07-30 | 同济大学 | 改进的台车 |
CN105507099A (zh) * | 2015-12-23 | 2016-04-20 | 李社军 | 一种静态铁路轨道组件轮廓尺寸及病害光学检测系统 |
CN205852099U (zh) * | 2016-06-28 | 2017-01-04 | 成都英利汽车部件有限公司 | 一种防漏焊感应装置 |
CN106404791A (zh) * | 2016-08-24 | 2017-02-15 | 北京主导时代科技有限公司 | 一种列车、在线车轮踏面图像检测装置及探伤系统 |
CN207443230U (zh) * | 2017-11-30 | 2018-06-01 | 江苏融源再生资源科技有限公司 | 一种便于维修的电路板振动拆解系统 |
US20190180467A1 (en) * | 2017-12-11 | 2019-06-13 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for identifying and positioning objects around a vehicle |
CN109975040A (zh) * | 2017-12-28 | 2019-07-05 | 中冶长天国际工程有限责任公司 | 一种烧结台车车轮检测方法、装置及系统 |
CN108506710A (zh) * | 2018-04-04 | 2018-09-07 | 中冶长天国际工程有限责任公司 | 一种烧结机台车车轮加脂轨迹控制方法及控制系统 |
CN108846331A (zh) * | 2018-05-30 | 2018-11-20 | 北京天亿时代科技有限公司 | 一种动车组底盘螺丝紧固件是否脱落的视频识别方法 |
CN209707698U (zh) * | 2019-02-19 | 2019-11-29 | 苏州众力达自动化智能科技股份有限公司 | 一种螺钉检测设备 |
CN110057198A (zh) * | 2019-05-17 | 2019-07-26 | 天津市三特电子有限公司 | 烧结机台车轮工作状态检测方法及检测装置 |
CN110378231A (zh) * | 2019-06-19 | 2019-10-25 | 广东工业大学 | 基于深度学习的螺母识别定位方法 |
CN110599445A (zh) * | 2019-07-24 | 2019-12-20 | 安徽南瑞继远电网技术有限公司 | 一种电网螺母和销的目标鲁棒检测与缺陷识别方法及装置 |
CN110341678A (zh) * | 2019-07-30 | 2019-10-18 | 瑞立集团瑞安汽车零部件有限公司 | 带有行星齿轮减速机构的集成式电子液压制动助力装置 |
Non-Patent Citations (2)
Title |
---|
LIU ZHAO-HUI,等: "Application of delta HUST-H4 CNC system on crankshaft grinder reformation" * |
仲月娇,等: "基于机器视觉塑料螺母尺寸测量方法研究" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111860240A (zh) * | 2020-07-07 | 2020-10-30 | 内蒙古科技大学 | 链篦机台车侧板偏移故障的检测方法及系统 |
CN111707109A (zh) * | 2020-07-28 | 2020-09-25 | 山东钢铁股份有限公司 | 一种烧结机台车滚轮在线检查装置及使用方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111127442B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110057198B (zh) | 烧结机台车轮工作状态检测方法及检测装置 | |
CN111127442A (zh) | 台车轮轴缺陷检测方法和装置 | |
CN104751483B (zh) | 一种仓储物流机器人工作区域异常情况的监控方法 | |
CN111080603B (zh) | 一种铁路货车轴端螺栓折断故障检测方法 | |
CN113283344A (zh) | 一种基于语义分割网络的矿用输送带跑偏检测方法 | |
CN110238556B (zh) | 焊接机器人焊接过程中焊接轨迹实时检测方法 | |
CN114359246A (zh) | 输送机皮带检测方法、装置、系统、电子设备及介质 | |
CN115861294B (zh) | 一种基于计算机视觉的混凝土生产异常检测方法及装置 | |
CN117671607B (zh) | 基于计算机视觉的带式输送机异常实时检测方法及系统 | |
CN115937213A (zh) | 一种矿用单轨吊轨道自动巡检机器人可视化缺陷识别系统 | |
CN113762283A (zh) | 传送带跑偏监测方法及装置 | |
CN117078687B (zh) | 基于机器视觉的轨道巡检系统及方法 | |
CN115144399A (zh) | 一种基于机器视觉的装配质量检测方法及装置 | |
CN115082850A (zh) | 基于计算机视觉的模板支架安全风险识别方法 | |
CN111784718B (zh) | 一种离散物料堆积状态智能在线预测装置及预测方法 | |
CN116088454B (zh) | 基于数据融合的智能制造管理系统 | |
CN113469974A (zh) | 球团链篦机蓖板状态监测方法及其监测系统 | |
CN210220663U (zh) | 烧结机台车轮工作状态检测装置 | |
CN113592916B (zh) | 一种烧结机台车车轴故障检测方法及系统 | |
CN117074050A (zh) | 一种基于视觉检测的台车车轮转动异常检测方法 | |
CN116300885A (zh) | 一种轨道线路智能巡检机器人的应急控制方法及系统 | |
CN110686649A (zh) | 一种基于机器视觉的危险废物库存量变化的检测方法 | |
CN114897921A (zh) | 基于机器视觉的受电弓磨耗值和受电弓异常实时检测方法 | |
CN102514771A (zh) | 工业炸药药卷传输姿态识别与诊断系统及其方法 | |
CN109214390B (zh) | 基于机器视觉原理的栅栏状态检测方法及系统 |
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 |