CN111161215B - 一种可识别打印机颜色的检测装置 - Google Patents

一种可识别打印机颜色的检测装置 Download PDF

Info

Publication number
CN111161215B
CN111161215B CN201911250871.8A CN201911250871A CN111161215B CN 111161215 B CN111161215 B CN 111161215B CN 201911250871 A CN201911250871 A CN 201911250871A CN 111161215 B CN111161215 B CN 111161215B
Authority
CN
China
Prior art keywords
printer
camera
color
colors
neural network
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
CN201911250871.8A
Other languages
English (en)
Other versions
CN111161215A (zh
Inventor
许�鹏
令狐彬
卞哲
周璠
江舟
张鲜顺
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.)
Hefei Zhongke Dihong Automation Co ltd
Original Assignee
Hefei Zhongke Dihong Automation Co ltd
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 Hefei Zhongke Dihong Automation Co ltd filed Critical Hefei Zhongke Dihong Automation Co ltd
Priority to CN201911250871.8A priority Critical patent/CN111161215B/zh
Publication of CN111161215A publication Critical patent/CN111161215A/zh
Application granted granted Critical
Publication of CN111161215B publication Critical patent/CN111161215B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/12—Digital output to print unit, e.g. line printer, chain printer
    • G06F3/1201—Dedicated interfaces to print systems
    • G06F3/1202—Dedicated interfaces to print systems specifically adapted to achieve a particular effect
    • G06F3/121—Facilitating exception or error detection and recovery, e.g. fault, media or consumables depleted
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/12—Digital output to print unit, e.g. line printer, chain printer
    • G06F3/1201—Dedicated interfaces to print systems
    • G06F3/1223—Dedicated interfaces to print systems specifically adapted to use a particular technique
    • G06F3/1237—Print job management
    • G06F3/1259—Print job monitoring, e.g. job status
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及图像检测的技术领域，尤其涉及一种可识别打印机颜色的检测装置，该装置包括摄像头，用于拍摄打印机上标签上的信息；调位组件，用于调节待检测打印机与摄像头之间相对位置；信号处理组件，所述信号处理组件分别与摄像头和调位组件对应连接，所述信号处理组件用于控制调位组件工作、获取摄像头拍摄的图像、处理图像并作出判断。该发明的优点在于：本申请通过设置摄像头来拍摄打印机上标签的信息，调位组件调整打印机与摄像头之间的相对位置，保证标签拍出来的效果，降低信号处理组件处理图像的难度，从而提高信号处理组件的稳定性，信号处理组件能够控制摄像头的位置和开启时间，并且还能够控制调位组件。

Description

一种可识别打印机颜色的检测装置
技术领域
本发明涉及图像检测的技术领域，尤其涉及一种可识别打印机颜色的检测装置。
背景技术
产品在出厂时不仅仅要检查产品的性能是否合格，还需要检测形状和标签是否正确，比如打印机，打印机不同的部位可能颜色不同，并且标签位置和标签内容是否正确均需要检测，现有技术中，均是通过人眼来识别，大大的提高了人力成本，工人长时间的观测极易产生疲惫感，并容易漏检，因此，急需一种装置和相应的处理方法来解决该问题。
发明内容
为了克服上述现有技术存在的不足，为此，本发明提供一种可识别打印机颜色的检测装置。本发明采用以下技术方案：
一种可识别打印机颜色的检测装置，包括
摄像头，用于拍摄打印机上标签上的信息；
调位组件，用于调节待检测打印机与摄像头之间相对位置；
信号处理组件，所述信号处理组件分别与摄像头和调位组件对应连接，所述信号处理组件用于控制调位组件工作、获取摄像头拍摄的图像、处理图像并作出判断；
所述信号处理组件实现打印机颜色识别的步骤如下：
S1、根据收集到的打印机的样本图片，对打印机各个部位进行标注；详细地说，将打印机各部位进行编号，然后针对样本图片的每一个像素进行标注，根据像素归属为哪个部位就标注为对应的编号；
S2、标注完成后，以样本图片为输入，以上述标注结果为输出，基于深度神经网络训练语义分割模型，将多张图片传输到深度神经网络训练语义分割模型中，分辨出背景中的打印机及打印机上的不同部位；
S3、利用已设定的若干种颜色种类作为输出，并训练深度神经网络分类器，将神经网络最后一层用于已设定的若干种颜色分类的全连接层去掉，保留最后一层之前的所有层用于提取特征的特征网络；将不同的颜色输入到深度神经网络分类器中，当颜色为设定的若干种颜色以外的颜色时，该颜色作为定制颜色，系统采集所述定制颜色的样本，将样本输入到特征网络进行计算，然后记录所述定制颜色的标准特征，当下次再向深度神经网络分类器中输入某一颜色时，将该输入的颜色对应的输出特征与步骤S34中记录的定制颜色的标准特征的欧氏距离进行比较，当欧氏距离小于一定阈值，则判断输入样本属于这一种定制颜色。
本发明的优点在于：
(1)本申请通过设置摄像头来拍摄打印机上标签的信息，调位组件调整打印机与摄像头之间的相对位置，保证标签拍出来的效果，降低信号处理组件中处理图像的难度，从而提高信号处理组件的稳定性，信号处理组件能够控制摄像头的位置和开启时间，并且还能够控制调位组件，该方法能够实现自动检测打印机不同部位的颜色并作出判断。
(2)本申请包括第一摄像头和第二摄像头，第一摄像头用于拍摄标签，第二摄像头用于拍摄整个打印机，并且配合激光器对打印机各部位进行定位，从而确保标签内容和打印机颜色的正确性。
(3)遮光罩和补光灯的设置是为了防止因外部环境影响拍摄效果。
(4)装置还包括传送机构，这样打印机直接通过传送机构来传送。
(5)调位组件通过挡块一方面可以让传送机构上的物件相对地面来说是静置的，在这个过程中可以让部分的偏角的打印机摆正，当打印机出现90度偏转或者一角位于两个挡块之间时，通过第一驱动来驱动托盘转动。
(6)光栅传感器的使用可以为调位组件和摄像头工作时间提供依据。
(7)在该方案中，第二驱动驱使第一摄像头沿着打印机传送的方向移动，第三驱动用于调节摄像头与传送机构上的被测打印机之间的距离。第二驱动和第三驱动来调节摄像头位置，从而适用于不同打印机。
(8)激光器配合第二摄像头来确定打印机的角度，为托盘转动角度和方向提供理论依据。
附图说明
图1和图2为本装置的立体图。
图3为图2中A部分的放大图。
图中标注符号的含义如下：
1-传送机构 11-挡条 21-挡块 22-托盘
31-第一摄像头 32-第二摄像头 4-遮光罩 41-长条槽 5-激光器
6-光栅传感器 71-第一驱动 72-第二驱动 73-第三驱动
具体实施方式
如图1-3所示，一种可识别打印机颜色的检测装置，包括摄像头、调位组件、信号处理组件、传送机构1。
其中摄像头用于拍摄打印机上标签上的信息；具体来说，所述摄像头包括第一摄像头31和第二摄像头32，所述第一摄像头31垂直拍摄打印机的侧面，所述第二摄像头32斜向拍摄打印机整体。所述摄像头外设置有遮光罩4，所述遮光罩4内还设置有给摄像头补光的补光灯。
调位组件用于调节待检测打印机与摄像头之间相对位置。在该方案中，可以单纯的调节摄像头或者仅仅调节被检测的打印机，还可以通过既调节摄像头又调节被检测打印机来实现。当只调节摄像头时，摄像头下方设置有使摄像头沿打印机运动方向运动的驱动，另外还包括调节摄像头角度的驱动。
当只调节被检测打印机时，所述调位组件用于调节位于遮光罩4下方处打印机的方向，所述调位组件包括挡块21、托盘22、支撑柱，第一驱动71，所述挡块21用于阻碍打印机继续向前运动，所述第一驱动71通过支撑柱驱动托盘22转动角度和在高度方向移动，所述挡块21可收缩或可移动。挡块21挡住打印机继续前进，这个状态下摄像头拍摄相对静置的被检测打印机。
当摄像头和被检测打印机都调节时，基于调节被检测打印机的基础上，摄像头下方还设置有使摄像头沿打印机运动方向运动的驱动。为了拍摄清楚不同被检打印机，摄像头上还设置有使摄像头在垂直于打印机传送方向上运动的第三驱动73。在该方案中，遮光罩上设置有长条槽41，第二驱动72和第三驱动73均放置在遮光罩外侧，摄像头通过连杆伸出与驱动连接，这样第二驱动72和第三驱动73不影响摄像头的移动范围。在该方案中第二驱动72和第三驱动73均作用于第一摄像头。
信号处理组件，所述信号处理组件分别与摄像头和调位组件对应连接，所述信号处理组件用于控制调位组件工作、获取摄像头拍摄的图像、处理图像并作出判断。
所述遮光罩4横跨在传送机构1两侧上方。为防止被测打印机掉落，所述传送机构1的两侧面还设置有挡条11。
为了确定摄像头、调位组件、信号处理组件的确定工作时间，装置还包括光栅传感器6、激光器5，在传送带的传送方向上，光栅传感器6、调位组件依次设置，摄像头设置在调位组件侧边上。所述激光器5设置在所述遮光罩4内，用于探测打印机方向，激光器5可以放射出网格状激光。当检测到打印机进入遮光罩4后，先选取打印机贴标签平面上相距较远的4个激光点，采用激光器5与较大视野的第二摄像头组合实现激光三维重建技术，对打印机贴标签平面进行定位，从而引导机械结构调整相机相对于打印机贴标签平面的位置和角度，使得拍摄的照片具有较好的清晰度和角度一致性，确保打印机的标签缺陷的准确性。所述激光器5的驱动端和信号输出端分别与信号处理组件的相应端口连接。
基于上述装置，所述信号处理组件处理图像包括被检测的打印机上标签缺陷及颜色类别的检测。以下分别对标签缺陷和颜色类别的步骤分别进行描述：
检测标签缺陷的步骤如下：
S1、通过摄像头采集带有标签的图片，并进行连通域提取，将图片上所有连通的小区域提取出来；
S2、比较采集到的标签图片中连通域数量和模板图片中的连通域总数量，如果不相等，则判别为采集图片存在瑕疵；如果连通域总数量相等，则根据每一个小连通域的重心，面积，以及最左、最右、最上、最下的像素位置形成特征向量，与模板图片中的连通域进行一一对应；
S3、利用激光器5发射激光产生的激光网格中与每一个小连通域最近的激光点对小连通域部分的平面进行精确定位，并根据定位结果通过投影变换调整每一个小连通域的图像；
S4、利用深度学习技术，分别训练校正后的每一个小连通域的图像与模板对应小连通域图像的相似度深度神经网络；
S5、利用训练得到的深度神经网络判断采集图像中的各个小连通域与模板对应小连通域的相似度；
1)如果相似度小于设定的阈值，则判断该小连通域有瑕疵，给出瑕疵判断结果和对应的瑕疵部位；
2)如果所有小连通域的相似度均大于阈值，则判断所有小连通域与模板小连通域的旋转角度是否具有一致性，如果某几个小连通域的旋转角度与其它旋转角度存在较大的不一致性，则判定为该小连通域有瑕疵，给出瑕疵判断结果和对应的瑕疵部位；
3)如果以上两步判断都没有发现瑕疵，则判断采集图像无瑕疵。
本方案基于小连通域的相似性检测瑕疵，带来的一个好处是可以允许小连通域之间的相对位置相对于模板存在一定的弹性。根据人眼的视觉习惯以及对用户的调研，一般如果连通域本身出现较大变化，则认为是瑕疵；而如果连通域之间的相对位置(例如字母、图片之间的相对间隔)发生微小变化，其实是可以被客户接受的，不应被当做瑕疵品剔除，这样可以节省生产成本。
检测打印机颜色的步骤如下：
S1、根据收集到的打印机的样本图片，对打印机各个部位进行标注；详细地说，将打印机各部位进行编号，然后针对样本图片的每一个像素进行标注，根据像素归属为哪个部位就标注为对应的编号；为了获取不同背景、不同部位、不同颜色的多张打印机图片；摄像头定位打印机的不同颜色部位，如果采集到的用于训练的样品图片颜色种类比较单一，例如采集到的样本图片中打印机上面板为红色，前面板为黑色，出纸口为紫色(实际采样过程有可能出现这种情况，因为工厂是按照批次生产，每一个批次的生产会持续一段时间那么，直接采用上述方法进行语义分割模型训练有可能使得模型的输出结果更多的受到颜色影响，而不是受到部位的影响，从而导致模型对于部位识别的精度较差。为了解决这个问题，可以在上述方法之前先进行样本增广。将采集的打印机图像各部位进行抠图，然后将各部位随机贴上不同颜色，再将整个打印机随机贴到不同的背景中。通过这样的处理，可以在原始打印机样本图片的基础上得到大量的增广样本图片。
S2、标注完成后，以样本图片为输入，以上述标注结果为输出，基于深度神经网络mobilenet训练语义分割模型。在实际检测过程中，利用上述语义分割模型来识别打印机的各个部位。其中语义分割模型的输入为图片，输出为图片中每一个像素所属部位的类别标签。将多张图片传输到S12中训练好的神经网络中(基于mobilenet)，分辨出背景中的打印机及打印机上的不同部位。
S3、对各部位颜色进行识别：利用已设定的若干种颜色种类作为输出，并训练深度神经网络分类器，将神经网络最后一层用于已设定的若干种颜色分类的全连接层去掉，保留最后一层之前的所有层用于提取特征的特征网络；将不同的颜色输入到深度神经网络分类器中，当颜色为设定的若干种颜色以外的颜色时，该颜色作为定制颜色，系统采集所述定制颜色的样本，将样本输入到特征网络进行计算，然后记录所述定制颜色的标准特征，当下次再向深度神经网络分类器中输入某一颜色时，将该输入的颜色对应的输出特征与记录的定制颜色的标准特征的欧氏距离进行比较，当欧氏距离小于一定阈值，则判断输入样本属于这一种定制颜色。
步骤S3就使得该深度学习网络分类器可以只需要少数几种颜色种类就可以完成训练，在此基础上通过简单的处理(参见S34和S35)即可适用于新增颜色的分类，从而丰富系统。
以上仅为本发明创造的较佳实施例而已，并不用以限制本发明创造，凡在本发明创造的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明创造的保护范围之内。

Claims (10)

1.一种可识别打印机颜色的检测装置，其特征在于，包括
摄像头，用于拍摄打印机上标签上的信息；
调位组件，用于调节待检测打印机与摄像头之间相对位置；
信号处理组件，所述信号处理组件分别与摄像头和调位组件对应连接，所述信号处理组件用于控制调位组件工作、获取摄像头拍摄的图像、处理图像并作出判断；
所述信号处理组件实现打印机颜色识别的步骤如下：
S1、根据收集到的打印机的样本图片，对打印机各个部位进行标注；详细地说，将打印机各部位进行编号，然后针对样本图片的每一个像素进行标注，根据像素归属为哪个部位就标注为对应的编号；
S2、标注完成后，以样本图片为输入，以上述标注结果为输出，基于深度神经网络训练语义分割模型，将多张图片传输到深度神经网络训练语义分割模型中，分辨出背景中的打印机及打印机上的不同部位；
S3、利用已设定的若干种颜色种类作为输出，并训练深度神经网络分类器，将神经网络最后一层用于已设定的若干种颜色分类的全连接层去掉，保留最后一层之前的所有层用于提取特征的特征网络；将不同的颜色输入到深度神经网络分类器中，当颜色为设定的若干种颜色以外的颜色时，该颜色作为定制颜色，系统采集所述定制颜色的样本，将样本输入到特征网络进行计算，然后记录所述定制颜色的标准特征，当下次再向深度神经网络分类器中输入某一颜色时，将该输入的颜色对应的输出特征与记录的定制颜色的标准特征的欧氏距离进行比较，当欧氏距离小于一定阈值，则判断输入样本属于这一种定制颜色。
2.根据权利要求1所述的一种可识别打印机颜色的检测装置，其特征在于，所述摄像头包括第一摄像头(31)和第二摄像头(32)，所述第一摄像头(31)垂直拍摄打印机的侧面，所述第二摄像头(32)斜向拍摄打印机整体。
3.根据权利要求2所述的一种可识别打印机颜色的检测装置，其特征在于，所述摄像头外设置有遮光罩(4)，所述遮光罩(4)内还设置有给摄像头补光的补光灯。
4.根据权利要求3所述的一种可识别打印机颜色的检测装置，其特征在于，还包括传送机构(1)，所述遮光罩(4)横跨在传送机构(1)两侧上方。
5.根据权利要求4所述的一种可识别打印机颜色的检测装置，其特征在于，所述调位组件用于调节位于遮光罩(4)下方处打印机的方向，所述调位组件包括挡块(21)、托盘(22)、支撑柱，第一驱动(71)，所述挡块(21)用于阻碍打印机继续向前运动，所述第一驱动(71)通过支撑柱驱动托盘(22)转动角度和在高度方向移动，所述挡块(21)可收缩或可移动。
6.根据权利要求4所述的一种可识别打印机颜色的检测装置，其特征在于，还包括光栅传感器(6)，在传送带的传送方向上，光栅传感器(6)、调位组件依次设置，摄像头设置在调位组件侧边上。
7.根据权利要求1所述的一种可识别打印机颜色的检测装置，其特征在于，摄像头下方还设置有第二驱动(72)，所述第二驱动(72)驱使摄像头沿着打印机传送的方向移动。
8.根据权利要求7所述的一种可识别打印机颜色的检测装置，其特征在于，摄像头侧面还设置有使其垂直于传送机构(1)的传送方向的第三驱动(73)。
9.根据权利要求6所述的一种可识别打印机颜色的检测装置，其特征在于，在步骤S1中手机打印机的样本图片采用的方法是：将采集的打印机图像各部位进行抠图，然后将各部位随机贴上不同颜色，再将整个打印机随机贴到不同的背景中。
10.根据权利要求1所述的一种可识别打印机颜色的检测装置，其特征在于，在步骤S3中，是基于resnet50模型训练深度神经网络。
CN201911250871.8A 2019-12-09 2019-12-09 一种可识别打印机颜色的检测装置 Active CN111161215B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911250871.8A CN111161215B (zh) 2019-12-09 2019-12-09 一种可识别打印机颜色的检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911250871.8A CN111161215B (zh) 2019-12-09 2019-12-09 一种可识别打印机颜色的检测装置

Publications (2)

Publication Number Publication Date
CN111161215A CN111161215A (zh) 2020-05-15
CN111161215B true CN111161215B (zh) 2023-03-31

Family

ID=70556544

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911250871.8A Active CN111161215B (zh) 2019-12-09 2019-12-09 一种可识别打印机颜色的检测装置

Country Status (1)

Country Link
CN (1) CN111161215B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112468719A (zh) * 2020-11-16 2021-03-09 中国农业大学 加工产品图像采集装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018192662A1 (en) * 2017-04-20 2018-10-25 Hp Indigo B.V. Defect classification in an image or printed output
CN109102451A (zh) * 2018-07-24 2018-12-28 齐鲁工业大学 一种纸媒输出的防伪半色调智能数字水印制作方法
CN109989585A (zh) * 2019-03-18 2019-07-09 东南大学 一种3d打印机打印精度的实时反馈控制方法
CN110070521A (zh) * 2019-03-19 2019-07-30 广东工业大学 一种基于视觉神经学习的3d打印模型瑕疵预判系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018192662A1 (en) * 2017-04-20 2018-10-25 Hp Indigo B.V. Defect classification in an image or printed output
CN109102451A (zh) * 2018-07-24 2018-12-28 齐鲁工业大学 一种纸媒输出的防伪半色调智能数字水印制作方法
CN109989585A (zh) * 2019-03-18 2019-07-09 东南大学 一种3d打印机打印精度的实时反馈控制方法
CN110070521A (zh) * 2019-03-19 2019-07-30 广东工业大学 一种基于视觉神经学习的3d打印模型瑕疵预判系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种基于BP神经网络的彩色打印机标定模型;赵磊等;《杭州电子科技大学学报》;20080215(第01期);全文 *

Also Published As

Publication number Publication date
CN111161215A (zh) 2020-05-15

Similar Documents

Publication Publication Date Title
CN109357630B (zh) 一种多类型工件批量视觉测量系统及方法
CN109239102B (zh) 一种基于cnn的柔性电路板外观缺陷检测方法
CN111141741B (zh) 一种可识别打印机标签缺陷的检测装置
CN108548820B (zh) 化妆品纸质标签缺陷检测方法
CN110126467B (zh) 一种适用于大面积基板打印的融合墨液检测装置及方法
CN105251707B (zh) 基于医药大输液可见异物检测系统的次品剔除分拣装置
CN107944504A (zh) 木板识别及木板识别的机器学习方法、装置及电子设备
CN109307675A (zh) 一种产品外观检测方法和系统
CN205253585U (zh) 一种镜片瑕疵精密检测系统
CN106040608A (zh) 笔记本键盘动态光学检测装置及检测方法
CN113240647A (zh) 一种基于深度学习的手机外壳后盖缺陷检测方法和系统
CN111753707B (zh) 颗粒状农作物不完善粒检测方法及系统
CN111242902A (zh) 基于卷积神经网络的零件识别与检测方法、系统及设备
CN109693140A (zh) 一种智能化柔性生产线及其工作方法
CN110554052A (zh) 一种人造板表面缺陷检测方法及其系统
CN111060518A (zh) 一种基于实例分割的冲压件缺陷识别方法
CN111161215B (zh) 一种可识别打印机颜色的检测装置
CN111144151A (zh) 一种基于图像识别的高速动态条码实时检测方法
CN115760837A (zh) 一种基于深度神经网络的晶体质量评估方法及系统
CN103837545A (zh) 一种镜片成像装置及方法
CN114521664A (zh) 一种基于多模态图像数据和深度神经网络的自动烟叶分级系统及装置
CN113706496A (zh) 一种基于深度学习模型的飞行器结构裂纹检测方法
CN211349421U (zh) 打印机检测装置
CN117761060A (zh) 一种视觉检测系统及其检测方法
CN113256568A (zh) 一种基于深度学习的机器视觉板材计数通用系统及方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 230031 b423-428, jinzuo, Tuoji City Plaza, No. 687, Changjiang West Road, high tech Zone, Hefei, Anhui

Applicant after: Hefei Zhongke Dihong Automation Co.,Ltd.

Address before: 230001 730, building B, jinzuo, Tuoji City Plaza, 687 Changjiang West Road, high tech Zone, Hefei City, Anhui Province

Applicant before: HEFEI DIHUGE AUTOMATION Co.,Ltd.

GR01 Patent grant
GR01 Patent grant