CN111283013A - 基于机器视觉的弯管机球头检测系统及检测方法 - Google Patents
基于机器视觉的弯管机球头检测系统及检测方法 Download PDFInfo
- Publication number
- CN111283013A CN111283013A CN202010084029.8A CN202010084029A CN111283013A CN 111283013 A CN111283013 A CN 111283013A CN 202010084029 A CN202010084029 A CN 202010084029A CN 111283013 A CN111283013 A CN 111283013A
- Authority
- CN
- China
- Prior art keywords
- pipe bender
- industrial
- personal computer
- plc
- vision
- 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.)
- Pending
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21C—MANUFACTURE OF METAL SHEETS, WIRE, RODS, TUBES OR PROFILES, OTHERWISE THAN BY ROLLING; AUXILIARY OPERATIONS USED IN CONNECTION WITH METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL
- B21C51/00—Measuring, gauging, indicating, counting, or marking devices specially adapted for use in the production or manipulation of material in accordance with subclasses B21B - B21F
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提出了一种基于机器视觉的弯管机球头检测系统,包括工业视觉相机、LED光源、工控机和PLC;弯管机的两侧分别设有一个支撑杆,支撑杆的上端安装有工业视觉相机;弯管机的一侧还设有一支撑架,支撑架上安装有LED光源;弯管机与工控机和PLC相连,工控机设有显示屏;检测系统还包括视觉判定模块,视觉判定模块分别与工业视觉相机、工控机相连,根据采集的图像判断弯管机球头是否异常,输出信号给PLC,在工控机的显示屏上显示。本发明还提供了一种基于上述系统的检测方法。本发明以机器视觉作为中心检测系统,检测成功率为99%,能够有效预防检测弯管机球头出现偏离以及将要滑落变长的情况,减少生产材料和人力的浪费。
Description
技术领域
本发明涉及机器视觉技术领域,特别涉及一种基于机器视觉的弯管机球头检测系统,还涉及一种基于机器视觉的弯管机球头检测方法。
背景技术
冰箱、空调走进人们的日常生活已经很长一段时间,生产空调冰箱的每一个部件从以前的纯手工制造到现在的工业自动化生产。在冰箱、空调生产散热管的过程中用到的弯管机主要是对散热管进行折弯。空调、冰箱需要用到大量的冷却管,弯管机提高了生产的自动化。弯管机主要的弯管部分有一个杆头,这个杆头在弯管的过程中很容易被折断掉落,还会出现杆头偏斜、松动变长等情况。弯管机球头掉落后会影响生产线的生产,而且会极大的浪费生产材料,所以需要一名工人在现场及时检查弯管机的球头是否存在,如果出现球头掉落需要及时停机修复。这样的工作方式不仅仅浪费人力,而且由于生产线速度较快,人眼不能及时判断,所以只能通过掉落球头后生产的弯管的情况进行判断,这样造成很大的生产浪费。
针对以上生产的种种不便,寻求一种解决方法,使用机器检测来代替人眼判断来控制弯管机,所以引入了机器视觉,大大提高了生产自动化的水平。在我国机器视觉的起步比较晚,人们对于机器视觉的应用还相对较少,关于机器视觉的研究正处在一个朝阳行业的阶段,这将对人类生产生活水平的提高有很大帮助。运用工业视觉相机和多类传感器来实现自动控制功能,大大提高了系统运行的可靠性,对于以前的线路控制以及接卸控制有了极大的改善,也使我们的生产更加高效、安全。
发明内容
本发明提出一种基于机器视觉的弯管机球头检测系统及检测方法,解决了现有技术中人工检验弯管机的球头是否异常浪费人力物力、检出效果差的问题。
本发明的技术方案是这样实现的:
基于机器视觉的弯管机球头检测系统,包括工业视觉相机、LED光源、工控机和PLC;
弯管机的两侧分别设有一个支撑杆,两个工业视觉相机对称安装在支撑杆的上端;
弯管机的一侧还设有一支撑架,支撑架上安装有LED光源;
弯管机与工控机和PLC相连,工控机设有显示屏;
检测系统还包括视觉判定模块,视觉判定模块分别与工业视觉相机、工控机相连,根据采集的图像判断弯管机球头是否异常,输出信号给PLC,在工控机的显示屏上显示。
可选地,所述检测系统包括输入设备和输出设备,输入设备包括按钮、开关和传感器,输出设备包括声光报警器和接触器,由各输入设备负责采集外界信号输入PLC,由各输出设备进行输出,实时显示系统运行过程中的状态。
可选地,PLC的型号为OMRON CP1L。
可选地,工业视觉相机安装角度为竖直方向倾斜45°,距离弯管机球头的高度为650mm,物距为800mm,两个工业视觉相机从两个侧面拍摄检测弯管机球头。
可选地,所述工业视觉相机设有斑点检测工具,用于检测和定位图像中某一灰度范围内的形状未知的特征。可选地,斑点检测工具中运行CogBlobTool程序。
本发明还提供了一种基于机器视觉的弯管机球头检测方法,基于上述系统进行检测,包括如下步骤:
PLC发触发信号;
工业视觉相机接到信号后采集图像;
视觉判定模块根据采集的图像判断弯管机球头是否异常。
可选地,所述工业视觉相机接到信号后采集图像的步骤中,每个相机设置四个斑点检测工具,分别对应四个球头的检测。可选地,斑点检测工具中运行CogBlobTool程序。
可选地,所述根据采集的图像判断弯管机球头是否异常的步骤,包括以下步骤:
将采集的图像传到斑点检测工具中;
设置阈值模式、极性、最小面积、图形的目标值;
程序运行后,查看运行结果,包括斑点数量、每个斑点的面积、每个斑点的坐标等信息;
运行结果与设置的目标值进行比对,进行逻辑判断。
可选地,所述进行逻辑判断的步骤为,视觉判定模块把斑点检测工具输出的所有数值汇总到一个数据块中,输出I/O信号,0代表球头正常,输出1代表球头异常,然后在显示屏显示相对应的信号。
本发明的有益效果是:
1、本发明以机器视觉为中心检测系统,及时发现问题并采取干预措施,避免了人工检测不能及时发现球头异常,减少了生产材料和人力的浪费。
2、本发明在检测效果方面能够完全检测出球头掉落的成功率为99%,并且进行实时的报警,还能够有效预防弯管机球头出现偏离以及将要滑落变长的情况。
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简单地介绍,显而易见地,下面描述中的附图仅仅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为本发明基于机器视觉的弯管机球头检测系统的结构示意图;
图2为本发明基于机器视觉的弯管机球头检测系统的流程示意图;
图3为本发明基于机器视觉的弯管机球头检测系统的结构框图;
图4为本发明中PLC的接线图。
附图标记:
1、弯管机,2、弯管机球头,3、工业视觉相机,4、LED光源,5、支撑架,6、显示屏,7、工控机,8、PLC,9、支撑杆。
具体实施方式
以下描述和附图充分地示出本文的具体实施方案,以使本领域的技术人员能够实践它们。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本文的实施方案的范围包括权利要求书的整个范围,以及权利要求书的所有可获得的等同物。本文中,术语“第一”、“第二”等仅被用来将一个元素与另一个元素区分开来,而不要求或者暗示这些元素之间存在任何实际的关系或者顺序。实际上第一元素也能够被称为第二元素,反之亦然。
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,所描述的实施例仅仅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做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。
如图1至图4所示,本发明公开了一种基于机器视觉的弯管机球头检测系统,包括工业视觉相机3、LED光源4、工控机7和PLC 8;
弯管机1的两侧分别设有一个支撑杆9,支撑杆9的上端安装有工业视觉相机3;
弯管机1的一侧还设有一支撑架5,支撑架5上安装有LED光源4;
弯管机1与工控机7和PLC 8相连,工控机7设有显示屏6;
检测系统还包括视觉判定模块,视觉判定模块分别与工业视觉相机3、工控机7相连,根据采集的图像判断弯管机球头2是否异常,输出信号给PLC 8,在工控机7的显示屏6上显示。
可选地,所述检测系统包括输入设备和输出设备,输入设备包括按钮、开关、传感器,输出设备包括声光报警器和接触器,由各输入设备负责采集外界信号输入PLC,由各输出设备进行输出,实时显示系统运行过程中的状态。
可选地,PLC 8的型号为OMRON CP1L,PLC的接线方式如图4所示。
可选地,工业视觉相机安装角度为竖直方向倾斜45°,距离弯管机球头2的高度为650mm,物距为800mm,两个侧面拍摄检测弯管机球头2。通过LED光源4的照射在弯管机球头2上,由于弯管机球头2为金属材质,因此会对光线形成一个镜面反射,并反射到工业视觉相机3的镜头中。
可选地,所述工业视觉相机3设有斑点检测工具,利用该工具进行Blob分析,用于检测和定位图像中某一灰度范围内的形状未知的特征。通过Blob分析,可以得到图像某一特征是否存在、数量、位置、形状、方向等信息。可选地,斑点检测工具中运行CogBlobTool程序。
本发明还提供了一种基于机器视觉的弯管机球头检测方法,基于上述系统进行检测,包括如下步骤:
PLC发触发信号;
工业视觉相机接到信号后采集图像;
视觉判定模块根据采集的图像判断弯管机球头是否异常。
如图2所示,本发明检测弯管机球头脱落的流程为:设备通电系统启动,工业视觉相机3开始联机,检测程序进行初始化,弯管机作业过程中,弯料翻至0°后,机芯轴杆后退至球头露出模具位置,球头运行到检测位,PLC发触发信号(中间继电器干接点信号),接到信号后工业视觉相机3进行瞬间拍照,工业视觉相机3进行取相后,视觉判定模块进行判断球头是否脱落,如不脱落,弯管机1正常运转,如脱落,则发报警信号至弯管机1,弯管机1接收到信号后报警并断开接触器停止运转,具体是哪一个芯头脱落,编写界面在显示屏6上显示,依次循环进行检测。当然根据本发明的教导,本领域的技术人员还可将本发明的弯管机球头检测系统用于检测球头的倾斜、变长松动等异常情况。
可选地,所述工业视觉相机接到信号后采集图像的步骤中,每个相机设置四个斑点检测工具,分别对应四个球头的检测。可选地,斑点检测工具中运行CogBlobTool程序。
可选地,所述根据采集的图像判断弯管机球头是否掉落的步骤,包括以下步骤:
将采集的图像传到斑点检测工具中;
设置阈值模式、极性、最小面积、图形的目标值;
程序运行后,查看运行结果,包括斑点数量、每个斑点的面积、每个斑点的坐标等信息;
运行结果与设置的目标值进行比对,进行逻辑判断。
将采集的图像传到斑点检测工具中的具体操作为:将斑点检测工具添加到工具组中,然后连线,将图像传到斑点检测工具中。
设置阈值模式、极性、最小面积、图形的目标值的具体操作为:
(1)进入CogBlobTool程序的设置界面;
(2)设置阈值模式
①硬阈值(固定):硬阈值时定义一个像素为图像分割点,大于此像素值的为物体像素,小于西像素值的为背景像素;
②硬阈值(相对):以灰度直方图中的某个百分比处的像素值作为图像分割的阈值;
③硬阈值(动态):根据输入图像直方图自动计算一个合适的分割阈值,其原理是尽可能最小化阈值两端的加权差;
④软阈值(固定):与硬阈值不同,软阈值的是一个像素区间,大于此区间内像素最大值的为物体像素,小于这个区间内像素最小值的为背景像素,像素值在区间内的是边界像素;
⑤软阈值(相对):软阈值(相对)是在软阈值的基础上加上相对阈值的思想,具有低阈值、高阈值、低尾部、高尾部、柔和都几个参数。其计算高低阈值的过程和硬阈值(相对)相同。低尾、高尾的像素值均被忽略,低百分比和高百分比之间的像素坐骑分割阈值;
(3)设置极性
白底黑点:以白色为背景,黑色为特征;
黑底白点:以黑色为背景,白色为特征;
(4)设置最小面积
在对话框中直接输入数值,表示低于该像素数值的斑点将不会显示;
(5)设置图形
可在“结果”和“诊断”设置框下勾选不同的选项,达到其对应的不同效果;
(6)通过选择不同的输出图片,改变实时检测结果的形态。
可选地,所述进行逻辑判断,视觉判定模块把斑点检测工具输出的所有数值汇总到一个数据块中,输出输出I/O信号,0代表球头正常,输出1代表球头点落,然后在显示屏显示相对应的信号,例如OK/NG信号。
本发明在自动化方面能够将弯管机球头掉落实时检测出来,并做出相应的动作和报警,进一步提高了现有弯管机的自动化水平,使现在的弯管机生产更加安全稳定,减少对于人身安全的威胁。本发明通过综合设计与分析,使弯管机球头检测系统以最优的成本实现性能最大化,同时也保持了弯管机以及弯管机球头检测系统自身的稳定性和安全性,长期使用能够减少维护成本。
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、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.基于机器视觉的弯管机球头检测系统,其特征在于,包括:
工业视觉相机、LED光源、工控机和PLC;
弯管机的两侧对称设有一个支撑杆,两个工业视觉相机对称安装在支撑杆的上端;
弯管机的一侧还设有一支撑架,支撑架上安装有LED光源;
弯管机与工控机和PLC相连,工控机设有显示屏;
检测系统还包括视觉判定模块,视觉判定模块分别与工业视觉相机、工控机相连,根据采集的图像判断弯管机球头是否异常,输出信号给PLC,在工控机的显示屏上显示。
2.如权利要求1所述的基于机器视觉的弯管机球头检测系统,其特征在于,所述检测系统包括输入设备和输出设备,输入设备包括按钮、开关和传感器,输出设备包括声光报警器和接触器,由各输入设备负责采集外界信号输入PLC,由各输出设备进行输出,实时显示系统运行过程中的状态。
3.如权利要求1所述的基于机器视觉的弯管机球头检测系统,其特征在于,所述工业视觉相机的安装角度为竖直方向倾斜45°,距离弯管机球头的高度为650mm,物距为800mm。
4.如权利要求1所述的基于机器视觉的弯管机球头检测系统,其特征在于,所述工业视觉相机设有斑点检测工具,用于检测和定位图像中某一灰度范围内的形状未知的特征。
5.一种基于机器视觉的弯管机球头检测方法,基于权利要求1-4任一项所述的系统进行检测,包括如下步骤:
PLC发触发信号;
工业视觉相机接到信号后采集图像;
视觉判定模块根据采集的图像判断弯管机球头是否异常。
6.如权利要求5所述的检测方法,其特征在于,所述工业视觉相机接到信号后采集图像的步骤中,每个相机设置四个斑点检测工具,分别对应四个球头的检测。
7.如权利要求5所述的检测方法,其特征在于,所述根据采集的图像判断弯管机球头是否异常的步骤,包括以下步骤:
将采集的图像传到斑点检测工具中;
设置阈值模式、极性、最小面积、图形的目标值;
程序运行后,查看运行结果,包括斑点数量、每个斑点的面积、每个斑点的坐标;
运行结果与设置的目标值进行比对,进行逻辑判断。
8.如权利要求7所述的检测方法,其特征在于,所述进行逻辑判断的步骤为,视觉判定模块把斑点检测工具输出的所有数值汇总到一个数据块中,输出I/O信号,然后在显示屏显示相对应的信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010084029.8A CN111283013A (zh) | 2020-02-10 | 2020-02-10 | 基于机器视觉的弯管机球头检测系统及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010084029.8A CN111283013A (zh) | 2020-02-10 | 2020-02-10 | 基于机器视觉的弯管机球头检测系统及检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111283013A true CN111283013A (zh) | 2020-06-16 |
Family
ID=71021360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010084029.8A Pending CN111283013A (zh) | 2020-02-10 | 2020-02-10 | 基于机器视觉的弯管机球头检测系统及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111283013A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111751898A (zh) * | 2020-07-03 | 2020-10-09 | 广东科学技术职业学院 | 一种检测芯头是否脱落的装置及方法 |
CN112845735A (zh) * | 2020-12-23 | 2021-05-28 | 珠海格力智能装备有限公司 | 弯管加工装置、弯管加工装置的控制方法 |
CN113877986A (zh) * | 2021-10-13 | 2022-01-04 | 珠海格力智能装备有限公司 | 弯管机 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102967888A (zh) * | 2012-12-15 | 2013-03-13 | 吉林大学 | 基于机器视觉的汽车连杆裂解槽检测系统 |
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 |
CN103148783A (zh) * | 2013-03-06 | 2013-06-12 | 江南大学 | 一种气门摇臂安装位置的自动检测方法 |
CN203216453U (zh) * | 2013-03-11 | 2013-09-25 | 江南大学 | 基于机器视觉的硬盘磁体位置度自动检测装置 |
CN104280406A (zh) * | 2014-09-16 | 2015-01-14 | 中国科学院广州能源研究所 | 一种铜件表面缺陷检测的机器视觉系统 |
CN204241383U (zh) * | 2014-08-19 | 2015-04-01 | 广州伊索自动化科技有限公司 | 一种基于机器视觉的汽车连接件检测系统 |
CN206321578U (zh) * | 2016-11-11 | 2017-07-11 | 研祥智能科技股份有限公司 | 机器视觉检测实验平台 |
CN208505923U (zh) * | 2018-08-14 | 2019-02-15 | 厦门福信光电集成有限公司 | 一种基于机器视觉硅片在线检测装置 |
CN109580648A (zh) * | 2019-01-21 | 2019-04-05 | 昆山湖大机器人技术有限公司 | 螺丝刀批头检测方法及检测装置 |
-
2020
- 2020-02-10 CN CN202010084029.8A patent/CN111283013A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102967888A (zh) * | 2012-12-15 | 2013-03-13 | 吉林大学 | 基于机器视觉的汽车连杆裂解槽检测系统 |
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 |
CN103148783A (zh) * | 2013-03-06 | 2013-06-12 | 江南大学 | 一种气门摇臂安装位置的自动检测方法 |
CN203216453U (zh) * | 2013-03-11 | 2013-09-25 | 江南大学 | 基于机器视觉的硬盘磁体位置度自动检测装置 |
CN204241383U (zh) * | 2014-08-19 | 2015-04-01 | 广州伊索自动化科技有限公司 | 一种基于机器视觉的汽车连接件检测系统 |
CN104280406A (zh) * | 2014-09-16 | 2015-01-14 | 中国科学院广州能源研究所 | 一种铜件表面缺陷检测的机器视觉系统 |
CN206321578U (zh) * | 2016-11-11 | 2017-07-11 | 研祥智能科技股份有限公司 | 机器视觉检测实验平台 |
CN208505923U (zh) * | 2018-08-14 | 2019-02-15 | 厦门福信光电集成有限公司 | 一种基于机器视觉硅片在线检测装置 |
CN109580648A (zh) * | 2019-01-21 | 2019-04-05 | 昆山湖大机器人技术有限公司 | 螺丝刀批头检测方法及检测装置 |
Non-Patent Citations (1)
Title |
---|
孟宪臣,等.: "基于机器视觉的气门摇臂安装检测系统设计", 《江南大学学报(自然科学版)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111751898A (zh) * | 2020-07-03 | 2020-10-09 | 广东科学技术职业学院 | 一种检测芯头是否脱落的装置及方法 |
CN112845735A (zh) * | 2020-12-23 | 2021-05-28 | 珠海格力智能装备有限公司 | 弯管加工装置、弯管加工装置的控制方法 |
CN113877986A (zh) * | 2021-10-13 | 2022-01-04 | 珠海格力智能装备有限公司 | 弯管机 |
CN113877986B (zh) * | 2021-10-13 | 2024-01-30 | 珠海格力智能装备有限公司 | 弯管机 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111283013A (zh) | 基于机器视觉的弯管机球头检测系统及检测方法 | |
CN102236947B (zh) | 基于视频摄像机的火焰监测方法与系统 | |
CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
CN111289538A (zh) | 基于机器视觉的pcb板元件检测系统及检测方法 | |
CN111965246A (zh) | 一种基于多信息融合的刮板机故障检测方法及其检测系统 | |
CN110441316B (zh) | 电池表面缺陷检测方法及检测系统 | |
CN109271872A (zh) | 一种高压隔离开关分合状态判断与故障诊断装置及方法 | |
CN111561967A (zh) | 弓网运行状态实时在线检测方法及系统 | |
CN113724240A (zh) | 一种基于视觉识别的冷柜脚轮检测方法、系统及装置 | |
CN113361420A (zh) | 基于机器人的矿井火灾监测方法、装置、设备及存储介质 | |
CN114998789A (zh) | 一种基于视频识别的滑坡地质灾害变形监测系统和方法 | |
CN115082850A (zh) | 基于计算机视觉的模板支架安全风险识别方法 | |
CN117834821A (zh) | 一种智慧互动型安防监控系统 | |
JP7524713B2 (ja) | 情報処理装置および情報処理方法 | |
CN116678368B (zh) | 基于bim技术的装配式钢结构数据智能采集方法 | |
CN113420695A (zh) | 一种基于MSRCR和YOLOv4-Tiny算法的火焰快速检测方法 | |
CN110434848A (zh) | 一种机械臂工作区域内异常人员检测方法 | |
CN111667656A (zh) | 输电线路山火火点的甄别系统及方法 | |
JP2003013129A (ja) | スラグ検知方法、スラグ検知装置、及び除滓装置 | |
CN110363109B (zh) | 一种基于计算机视觉的覆盖式漏油检测系统及方法 | |
CN111273136A (zh) | 一种基于图像处理的在线接触网拉弧检测系统及方法 | |
TW201617605A (zh) | 瑕疵檢測方法及其裝置 | |
CN116840240A (zh) | 电源分配器视觉检测系统 | |
CN114463661A (zh) | 一种基于YOLO v5网络的输电线路安全风险监测方法 | |
US11320809B2 (en) | Factory management system and control system |
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 |