CN111366584A - 基于视觉识别的报废汽车可回收零部件损伤分类方法及设备 - Google Patents

基于视觉识别的报废汽车可回收零部件损伤分类方法及设备 Download PDF

Info

Publication number
CN111366584A
CN111366584A CN202010271615.3A CN202010271615A CN111366584A CN 111366584 A CN111366584 A CN 111366584A CN 202010271615 A CN202010271615 A CN 202010271615A CN 111366584 A CN111366584 A CN 111366584A
Authority
CN
China
Prior art keywords
parts
damage
detected
conveyor belt
image acquisition
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
Application number
CN202010271615.3A
Other languages
English (en)
Other versions
CN111366584B (zh
Inventor
张华�
江松
张坤
檀志远
刘奎
陈丰
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.)
Anhui University of Science and Technology
Original Assignee
Anhui University of Science and Technology
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 Anhui University of Science and Technology filed Critical Anhui University of Science and Technology
Priority to CN202010271615.3A priority Critical patent/CN111366584B/zh
Publication of CN111366584A publication Critical patent/CN111366584A/zh
Application granted granted Critical
Publication of CN111366584B publication Critical patent/CN111366584B/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
    • G01N21/8851—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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B08—CLEANING
    • B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
    • B08B3/00—Cleaning by methods involving the use or presence of liquid or steam
    • B08B3/04—Cleaning involving contact with liquid
    • B08B3/10—Cleaning involving contact with liquid with additional treatment of the liquid or of the object being cleaned, e.g. by heat, by electricity or by vibration
    • B08B3/12—Cleaning involving contact with liquid with additional treatment of the liquid or of the object being cleaned, e.g. by heat, by electricity or by vibration by sonic or ultrasonic vibrations
    • 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
    • G01N21/8806—Specially adapted optical and illumination features
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
    • 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
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8867—Grading and classifying of flaws using sequentially two or more inspection runs, e.g. coarse and fine, or detecting then analysing
    • 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
    • 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
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation

Landscapes

  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Sorting Of Articles (AREA)

Abstract

本发明公开了一种基于视觉识别的报废汽车可回收零部件损伤分类方法及设备，包括：采集汽车各零部件作为样本零部件图像，对样本零部件图像进行特征提取并建立零部件模板库，同时采集各样本零部件重量信息，建立零部件重量库；对待检测零部件进行超声波清洗，清洗完毕放入传送带送往检测区域，判断待检测零部件是否到达检测区域，并且判断零部件的属性；对待检测零部件进行图像采集和特征提取，将提取结果与零部件模板库对应样本进行外观对比，并生成外观差异值；根据外观差异值确定零部件损伤等级；对不同损伤等级的零部件输送至对应的置放区域，完成损伤零部件的分类。本发明，可以对零部件损伤进行分类，提高了分类效率。

Description

基于视觉识别的报废汽车可回收零部件损伤分类方法及设备
技术领域
本发明涉及汽车零件回收检测技术领域，具体为一种基于视觉识别的报废汽车可回收零部件损伤分类方法及设备。
背景技术
目前，随着经济的发展，汽车成为越来越多个人或家庭消费品。随着人均汽车保有量的不断增长，报废的汽车数量也在不断扩大。由于报废汽车的一些零部件是可以回收简单加工后予以再利用。而因为报废汽车零件损伤不同，需要先对零部件外观进行检测并分类，以便能够回收品质较好的零部件。现有技术中采用人工回收效率低，因此，有必要采用合适的方式收集这些汽车零部件金属予以分类处理，便于更好地针对报废汽车零部件回收利用。
发明内容
本发明的目的在于提供一种基于视觉识别的报废汽车可回收零部件损伤分类方法及设备，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于视觉识别的报废汽车可回收零部件损伤分类方法，包括如下步骤：
步骤1：采集汽车各零部件作为样本零部件图像，对样本零部件图像进行特征提取并建立零部件模板库，同时采集各样本零部件重量信息，建立零部件重量库；
步骤2：对待检测零部件进行超声波清洗，清洗完毕放入传送带送往检测区域，判断待检测零部件是否到达检测区域，并且判断零部件的属性，具体包括损伤图形形状、面积、深度以及形变程度；
步骤3：对待检测零部件进行图像采集和特征提取，将提取结果与零部件模板库对应样本进行外观对比，并生成外观差异值；
步骤4：根据外观差异值确定零部件损伤等级；
步骤5：对不同损伤等级的零部件输送至对应的置放区域，完成损伤零部件的分类。
优选的，步骤2中，清洗后的待检测零部件首先逐次逐个经过称重区，称重完毕并做记录，然后再送入到传送带初始端。
优选的，步骤3中，提取结果与零部件模板库对应样进行外观对比的方法是：根据称重区称取的待检测零部件重量，然后与部件重量库进行对比，根据零部件模板库，映射与之相匹配的样本零部件图像。
优选的，步骤3中，在特征提取过程时加入补偿光，以提高图像采集的封边效果。
优选的，步骤1中和步骤3中的样本零部件和待检测零部件的图像采集条件和特征提取方式均相同。
未解决上述技术问题，本发明还提供一种基于视觉识别的报废汽车可回收零部件损伤分类设备，包括，称重设备、传送带、零件盛放箱、图像采集设备、上位机以及机械手，所述称重设备的一侧设置有推件设备，另一端设有斜通道，该斜通道的底端延伸到传送带的初始端正上方，所述图像采集设备位于传送带检测区的正上方，且可上下运动，所述机械手设于传送带尾端的侧面，同时在该传送带尾端靠近机械手处还设有零件盛放箱，所述零件盛放箱有多个，分别对应放置不同等级的待检测零部件，所述上位机控制连接称重设备、传送带、图像采集设备以及机械手。
优选的，所述推件设备包括电动推杆以及与该电动推杆末端固连的推板，所述电动推杆与上位机连接，所述推板滑动设于称重设备上。
优选的，所述图像采集设备通过图像采集模块与上位机连接，该图像采集设备采用CCD摄像机，并且通过驱动电机进行上下运动，该驱动电机与上位机连接。
优选的，位于传送带检测区的正上方还设有补偿光源，该检测区与图像采集设备垂直交汇处设置有与上位机连接的第一光电传感器，靠近机械手处的传送带还设置有与上位机连接的第二光电传感器。
与现有技术相比，本发明的有益效果是：
本发明，对待检测的零部件进行清洗，以提高图像采集和特征提取的有效性，同时通过设置了驱动电机，可以带动图像采集设备上下运动，这样可以调节图像采集设备对待检测零部件的焦距，以提高CCD摄像机工作时的分辨率进而实现提高图像质量。
本发明，首先对汽车各零件进行图像特征提取并建立零部件模板库，以此作为基准图像，然后对报废汽车的损伤零部件进行逐个逐次进行图像采集和特征提取，并将提取结果与零部件模板库对应样本进行外观对比，并生成外观差异值，根据外观差异值确定零部件损伤等级，再通过机械手进行分类最后回收，提高了分类效率。
附图说明
图1为本发明的方法流程示意图；
图2为本发明的结构示意图。
图中：1称重设备、2传送带、3零件盛放箱、4倾斜通道、5电动推杆、6推板、7图像采集设备、8图像采集模块、9上位机、10补偿光源、11第一光电传感器、12机械手、13驱动电机、14第二光电传感器。
具体实施方式
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。
请参阅图1～2，本发明提供一种技术方案：
一种基于视觉识别的报废汽车可回收零部件损伤分类方法，包括如下步骤：
步骤1：采集汽车各零部件作为样本零部件图像，对样本零部件图像进行特征提取并建立零部件模板库，同时采集各样本零部件重量信息，建立零部件重量库；在本零部件图像使用图像采集设备：CD摄像机在样本零部件正上方，采集俯拍面以及侧面图像，然后通过图像采集模块对图像进行处理，从而形成立零部件模板库，将此立零部件模板库录入到上位机，作为后面采集待检测零部件图像对比的基准图像；同时也采集每个本零部件重量信息；
步骤2：对待检测零部件进行超声波清洗，清洗完毕放入传送带送往检测区域，判断待检测零部件是否到达检测区域，并且判断零部件的属性，具体包括损伤图形形状、面积、深度以及形变程度；清洗后的待检测零部件首先逐次逐个经过称重区，称重完毕并做记录，然后再送入到传送带初始端，此过程中，为了便于在图像采集设备采集待检测零部件图像并处理后，上传到上位机并通过与零部件模板库中比对，知道该待检测零部件具体是属于哪一块零部件，以便于从零部件模板库中调取相应的样本零部件图像，需要先对进入到检测区域的待检测部件进行称重处理，根据零件的重量数值，这样可以判断处该待检测零件属于哪一块，继而上位机可以准确的从零部件模板库中调取出相关的本零部件图像，并与图像采集设备采集的图像进行对比；
步骤3：对待检测零部件进行图像采集和特征提取，将提取结果与零部件模板库对应样进行外观对比，并生成外观差异值；根据图像采集设备采集的图像信息，形成提取结果S1，再通过上位机调取零部件模板库中的样本零部件图像的结果S2(预先录入上位机中)进行比对，由此得出S1损伤图形形状：S2损伤图形形状的数值(图形相似度比，等于1时为同样图形)，S1损伤图形面积：S2损伤图形面积的数值(损伤面积比)，S1损伤图形损伤深度：S2损伤图形损伤深度(损伤口深度比)，以及S1损伤图形损伤形变：S2损伤图形损伤形变的数值(面积比)。
步骤4：根据外观差异值确定零部件损伤等级；件损伤等级是在上位机中预设预先设定的范围值，即损伤零件能够使用的最低临界值，为S1：S2即图形相似度比、损伤面积比、损伤口深度比、面积比的阈值；
步骤5：对不同损伤等级的零部件输送至对应的置放区域，完成损伤零部件的分类；上位机根据S1：S2寻找属于预先设定的范围值，控制机械手将零件放入相应的零件盛放箱内。
步骤3中，提取结果与零部件模板库对应样进行外观对比的方法是：根据称重区称取的待检测零部件重量，然后与部件重量库进行对比，根据零部件模板库，映射与之相匹配的样本零部件图像。
步骤3中，在特征提取过程时加入补偿光，以提高图像采集的封边效果。
步骤1中和步骤3中的样本零部件和待检测零部件的图像采集条件和特征提取方式均相同。
一种基于视觉识别的报废汽车可回收零部件损伤分类设备，包括，称重设备1、传送带2、零件盛放箱3、图像采集设备7、上位机9以及机械手12，述称重设备1的一侧设置有推件设备，另一端设有倾斜通道4，该倾斜通道4的底端延伸到传送带2的初始端正上方，所述图像采集设备7位于传送带2检测区的正上方，且可上下运动，所述机械手12设于传送带2尾端的侧面，同时在该传送带2尾端靠近机械手12处还设有零件盛放箱3，所述上位机9控制连接称重设备1、传送带2、图像采集设备7以及机械手12。
所述推件设备包括电动推杆5以及与该电动推杆5末端固连的推板6，所述电动推杆5与上位机9连接，所述推板6滑动设于称重设备1上。
所述图像采集设备7通过图像采集模块8与上位机9连接，该图像采集设备7采用CCD摄像机，并且通过驱动电机13进行上下运动，该驱动电机13与上位机9连接。
位于传送带2检测区的正上方还设有补偿光源10，该检测区与图像采集设备7垂直交汇处设置有与上位机9连接的第一光电传感器11，靠近机械手12处的传送带2还设置有与上位机9连接的第二光电传感器14。
本发明中，如图2所示，首先，将报废汽车的零部件拆卸，作为待检测零部件，然后分别分批进行超声波清洗，洗去表面的污渍、油渍，以便于后面图像采集设备7进行图像采集和特征处理，清洗完毕后，将待检测零部件逐次逐个放到称重区进行称重，此时称重设备1将称重信息上传到上位机9，上位机9根据重量信息，从零部件模板库调取与之对应的样本零部件图像。称重完毕，上位机控制推件设备动作：电动推杆5连同推板6从左侧推向右侧，将待检测零部件由称重设备1上推向倾斜通道4，并滑到底部落入到传送带2的初始端，在传送带2的作用下向右运动，直至进入到检测区域，此时通过第一光电传感器11检测到位，上位机9控制图像采集设备7以及图像采集模块8进行图像采集和特征处理，将提取结果与从零部件模板库对应样本进行外观对比，形成外观差异值，即图形相似度比、损伤面积比、损伤口深度比、面积比，并根据上位机9中预先存入的范围值，判断确定零部件损伤等级，然后当待检测零部件运动到第二光电传感器14处，将给上位机9一个触发信号，将控制多自由度的机械手12对待检测零部进行抓取，然后放入到对应等级标号的零件盛放箱3内，将不同等级的待检测零部件放置，实现损伤的零部件分类和回收。本发明中，通过设置了驱动电机13，可以带动图像采集设备7上下运动，这样可以调节图像采集设备7对待检测零部件的焦距，以提高CCD摄像机工作时的分辨率进而实现提高图像质量。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (9)

1.一种基于视觉识别的报废汽车可回收零部件损伤分类方法，其特征在于，包括如下步骤：
步骤1：采集汽车各零部件作为样本零部件图像，对样本零部件图像进行特征提取并建立零部件模板库，同时采集各样本零部件重量信息，建立零部件重量库；
步骤2：对待检测零部件进行超声波清洗，清洗完毕放入传送带送往检测区域，判断待检测零部件是否到达检测区域，并且判断零部件的属性，具体包括损伤图形形状、面积、深度以及形变程度；
步骤3：对待检测零部件进行图像采集和特征提取，将提取结果与零部件模板库对应样本进行外观对比，并生成外观差异值；
步骤4：根据外观差异值确定零部件损伤等级；
步骤5：对不同损伤等级的零部件输送至对应的置放区域，完成损伤零部件的分类。
2.根据权利要求1所述的一种基于视觉识别的报废汽车可回收零部件损伤分类方法，其特征在于，步骤2中，清洗后的待检测零部件首先逐次逐个经过称重区，称重完毕并做记录，然后再送入到传送带初始端。
3.根据权利要求2所述的一种基于视觉识别的报废汽车可回收零部件损伤分类方法，其特征在于，步骤3中，提取结果与零部件模板库对应样进行外观对比的方法是：根据称重区称取的待检测零部件重量，然后与部件重量库进行对比，根据零部件模板库，映射与之相匹配的样本零部件图像。
4.根据权利要求1所述的一种基于视觉识别的报废汽车可回收零部件损伤分类方法，其特征在于，步骤3中，在特征提取过程时加入补偿光，以提高图像采集的封边效果。
5.根据权利要求1所述的一种基于视觉识别的报废汽车可回收零部件损伤分类方法，其特征在于，步骤1中和步骤3中的样本零部件和待检测零部件的图像采集条件和特征提取方式均相同。
6.一种基于视觉识别的报废汽车可回收零部件损伤分类设备，包括，称重设备(1)、传送带(2)、零件盛放箱(3)、图像采集设备(7)、上位机(9)以及机械手(12)，其特征在于，所述称重设备(1)的一侧设置有推件设备，另一端设有倾斜通道(4)，该倾斜通道(4)的底端延伸到传送带(2)的初始端正上方，所述图像采集设备(7)位于传送带(2)检测区的正上方，且可上下运动，所述机械手(12)设于传送带(2)尾端的侧面，同时在该传送带(2)尾端靠近机械手(12)处还设有零件盛放箱(3)，所述零件盛放箱(3)有多个，分别对应放置不同等级的待检测零部件，所述上位机(9)控制连接称重设备(1)、传送带(2)、图像采集设备(7)以及机械手(12)。
7.根据权利要求6所述的一种基于视觉识别的报废汽车可回收零部件损伤分类设备，其特征在于，所述推件设备包括电动推杆(5)以及与该电动推杆(5)末端固连的推板(6)，所述电动推杆(5)与上位机(9)连接，所述推板(6)滑动设于称重设备(1)上。
8.根据权利要求6所述的一种基于视觉识别的报废汽车可回收零部件损伤分类设备，其特征在于，所述图像采集设备(7)通过图像采集模块(8)与上位机(9)连接，该图像采集设备(7)采用CCD摄像机，并且通过驱动电机(13)进行上下运动，该驱动电机(13)与上位机(9)连接。
9.根据权利要求6所述的一种基于视觉识别的报废汽车可回收零部件损伤分类系统，其特征在于，位于传送带(2)检测区的正上方还设有补偿光源(10)，该检测区与图像采集设备(7)垂直交汇处设置有与上位机(9)连接的第一光电传感器(11)，靠近机械手(12)处的传送带(2)还设置有与上位机(9)连接的第二光电传感器(14)。
CN202010271615.3A 2020-04-09 2020-04-09 基于视觉识别的报废汽车可回收零部件损伤分类方法及设备 Active CN111366584B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010271615.3A CN111366584B (zh) 2020-04-09 2020-04-09 基于视觉识别的报废汽车可回收零部件损伤分类方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010271615.3A CN111366584B (zh) 2020-04-09 2020-04-09 基于视觉识别的报废汽车可回收零部件损伤分类方法及设备

Publications (2)

Publication Number Publication Date
CN111366584A true CN111366584A (zh) 2020-07-03
CN111366584B CN111366584B (zh) 2023-01-03

Family

ID=71207183

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010271615.3A Active CN111366584B (zh) 2020-04-09 2020-04-09 基于视觉识别的报废汽车可回收零部件损伤分类方法及设备

Country Status (1)

Country Link
CN (1) CN111366584B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111707692A (zh) * 2020-07-17 2020-09-25 碳升技术服务(北京)有限公司 汽车零部件的缺陷检测方法、系统及电子设备
CN114101201A (zh) * 2021-11-04 2022-03-01 江苏理工学院 一种自动识别并分类汽车零部件的清洗装置及方法
CN114535250A (zh) * 2022-03-08 2022-05-27 佛山市南海瑞泰机动车报废有限公司 一种报废汽车整体资源化的处理系统
CN114537562A (zh) * 2022-03-04 2022-05-27 广东省车汇莱再生物资回收有限公司 一种用于报废汽车拆解回收利用方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020181757A1 (en) * 1998-12-01 2002-12-05 Naoya Takeuchi Appearance inspection machine and method for concurrently performing defect detection and classification
JP4065893B1 (ja) * 2006-12-04 2008-03-26 東京エレクトロン株式会社 欠陥検出装置、欠陥検出方法、情報処理装置、情報処理方法及びそのプログラム
CN107138431A (zh) * 2017-05-27 2017-09-08 武汉理工大学 一种基于机器视觉的零部件识别分选方法及系统
CN107671008A (zh) * 2017-11-13 2018-02-09 中国科学院合肥物质科学研究院 一种基于视觉的零部件流水线自动分拣装箱设备
CN207057050U (zh) * 2017-03-24 2018-03-02 桂林电子科技大学 一种微小零件外观质量缺陷光学检测设备
CN108362362A (zh) * 2018-01-31 2018-08-03 北京戴纳实验科技有限公司 零件预检测系统
CN110455391A (zh) * 2019-07-31 2019-11-15 徐州众工精密模锻有限公司 一种零件检测系统
CN110813409A (zh) * 2019-11-15 2020-02-21 安徽科技学院 一种废弃汽车零部件回收设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020181757A1 (en) * 1998-12-01 2002-12-05 Naoya Takeuchi Appearance inspection machine and method for concurrently performing defect detection and classification
JP4065893B1 (ja) * 2006-12-04 2008-03-26 東京エレクトロン株式会社 欠陥検出装置、欠陥検出方法、情報処理装置、情報処理方法及びそのプログラム
CN207057050U (zh) * 2017-03-24 2018-03-02 桂林电子科技大学 一种微小零件外观质量缺陷光学检测设备
CN107138431A (zh) * 2017-05-27 2017-09-08 武汉理工大学 一种基于机器视觉的零部件识别分选方法及系统
CN107671008A (zh) * 2017-11-13 2018-02-09 中国科学院合肥物质科学研究院 一种基于视觉的零部件流水线自动分拣装箱设备
CN108362362A (zh) * 2018-01-31 2018-08-03 北京戴纳实验科技有限公司 零件预检测系统
CN110455391A (zh) * 2019-07-31 2019-11-15 徐州众工精密模锻有限公司 一种零件检测系统
CN110813409A (zh) * 2019-11-15 2020-02-21 安徽科技学院 一种废弃汽车零部件回收设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
阮宝科等: "基于机器视觉技术的机械零件表面损伤检测", 《机械工程师》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111707692A (zh) * 2020-07-17 2020-09-25 碳升技术服务(北京)有限公司 汽车零部件的缺陷检测方法、系统及电子设备
CN114101201A (zh) * 2021-11-04 2022-03-01 江苏理工学院 一种自动识别并分类汽车零部件的清洗装置及方法
CN114537562A (zh) * 2022-03-04 2022-05-27 广东省车汇莱再生物资回收有限公司 一种用于报废汽车拆解回收利用方法
CN114537562B (zh) * 2022-03-04 2022-11-11 广东省车汇莱再生物资回收有限公司 一种用于报废汽车拆解回收利用方法
CN114535250A (zh) * 2022-03-08 2022-05-27 佛山市南海瑞泰机动车报废有限公司 一种报废汽车整体资源化的处理系统
CN114535250B (zh) * 2022-03-08 2022-09-20 佛山市南海瑞泰机动车报废有限公司 一种报废汽车整体资源化的处理系统

Also Published As

Publication number Publication date
CN111366584B (zh) 2023-01-03

Similar Documents

Publication Publication Date Title
CN111366584B (zh) 基于视觉识别的报废汽车可回收零部件损伤分类方法及设备
CN108971190B (zh) 一种基于机器视觉的生活垃圾分拣方法
Ku et al. Deep learning of grasping detection for a robot used in sorting construction and demolition waste
Diaz-Romero et al. Deep learning computer vision for the separation of Cast-and Wrought-Aluminum scrap
CN112318485B (zh) 物体分选系统及其图像处理方法、装置
CN104156726A (zh) 一种基于几何形状特征的工件识别方法及装置
CN102305798A (zh) 基于机器视觉的玻璃缺陷的检测与分类方法
CN114535112B (zh) 电动汽车退役电池分选机器人系统
CN104537360A (zh) 车辆未让行违章检测方法及其检测系统
CN112330607A (zh) 基于图像识别技术的煤矸识别方法、装置及系统
CN112338898B (zh) 物体分选系统的图像处理方法、装置及物体分选系统
CN113469264A (zh) 一种垃圾自动分类模型的构建方法、垃圾分拣方法和系统
CN110773455A (zh) 一种基于红外视觉的垃圾智能分拣装置及方法
CN110665852A (zh) 一种普通生活垃圾的智能识别与分炼装置及方法
CN114140380B (zh) 一种基于图像视觉与电磁波融合的带式输送机异物识别方法
Moirogiorgou et al. Intelligent robotic system for urban waste recycling
CN214682976U (zh) 一种垃圾识别和自动分选装置
CN206701918U (zh) 一种多传感器融合的垃圾分拣装置
CN116984274B (zh) 一种基于5g技术的电炉生产智能控制方法及系统
Reddy et al. Separation of gangue from coal based on histogram thresholding
CN110954599A (zh) 一种机械零件缺陷检测方法及系统
CN111723861B (zh) 一种用于煤矿控制挡板的煤矸石百分比识别方法
Zhao Intelligent sorting system of coal gangue with machine vision
CN115629043A (zh) 锌精矿物料回收取样检测方法及检测系统
CN212355217U (zh) 一种垃圾回收处理装置

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
GR01 Patent grant
GR01 Patent grant