CN111476770B - 一种基于图像处理的炉渣检测方法、装置、设备及介质 - Google Patents
一种基于图像处理的炉渣检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111476770B CN111476770B CN202010257785.6A CN202010257785A CN111476770B CN 111476770 B CN111476770 B CN 111476770B CN 202010257785 A CN202010257785 A CN 202010257785A CN 111476770 B CN111476770 B CN 111476770B
- Authority
- CN
- China
- Prior art keywords
- slag
- furnace mouth
- image
- area
- furnace
- 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
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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/30116—Casting
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于图像处理的炉渣检测方法、装置、电子设备及介质,所述的方法包括:提供图像采集装置,并采集炉口图像,设置所述炉口图像的感兴趣区域;在所述感兴趣区域内,对炉口的位置进行定位处理,获取炉口轮廓区域;在所述炉口轮廓区域内进行连通域分割处理,获取前景区域和背景区域,并通过所述前景区域和所述背景区域,确定炉渣区域;通过所述图像采集装置与所述炉渣区域对应位置的距离,确定炉渣类型。提高了炉渣检测的准确性,避免了人工检测出现的偏差,同时提高了检测速度,判定炉渣的类型为炉内渣或者炉口渣。
Description
技术领域
本发明涉及检测技术领域,特别是涉及一种基于图像处理的炉渣检测方法、装置、电子设备及介质。
背景技术
在钢铁冶炼的实际应用中,通常使用机器人进行固定工作路径来完成作业,然而对于炼钢作业工艺流程中,由于炉口的位置发生偏移和炉口渣堆积导致炉口状态发生改变,造成炉渣位置存在不确定性,进而机器人使用固定路径无法满足生产的要求。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于图像处理的炉渣检测方法、装置、电子设备及介质,用于解决现有技术中炉口渣不便于检测的问题。
为实现上述目的及其他相关目的,本发明提供一种基于图像处理的炉渣检测方法,包括:提供图像采集装置,并采集炉口图像,设置所述炉口图像的感兴趣区域;
在所述感兴趣区域内,对炉口的位置进行定位处理,获取炉口轮廓区域;
在所述炉口轮廓区域内进行连通域分割处理,获取前景区域和背景区域,并通过所述前景区域和所述背景区域,确定炉渣区域;
通过所述图像采集装置与所述炉渣区域对应位置的距离,确定炉渣类型,所述炉渣类型包括:炉口渣、炉内渣。
可选的,所述图像采集装置包括至少两个相机,至少两个所述相机关于炉口对称设置。
可选的,对炉口的位置进行定位处理的步骤包括:
通过对炉口的预采集图像进行炉口特征提取,并设定为炉口轮廓特征模版;通过所述炉口轮廓特征模版与所述炉口图像进行对比,对炉口的位置进行定位。
可选的,在所述感兴趣区域内,对炉口的位置进行定位处理,获取炉口轮廓区域的步骤还包括:
对所述炉口图像进行动态阈值预处理,得到高阈值和低阈值;
将高阈值和低阈值作为Canny算子参数,得到炉口图像轮廓,计算图像轮廓中各个轮廓点X、Y方向的梯度向量以及对应的梯度幅值;
所述炉口轮廓特征模版的轮廓点的单位方向向量与所述炉口图像轮廓的轮廓点的单位方向向量做点乘,获取所述炉口轮廓特征模版与所述炉口图像的相似度;
通过所述炉口轮廓特征模版与所述炉口图像的相似度确定炉口图像中炉口轮廓区域的位置。
可选的,通过所述炉口轮廓特征模版与所述炉口图像的相似度确定炉口图像中炉口轮廓区域的位置的步骤包括:
所述炉口轮廓特征模版的轮廓点的单位方向向量与所述炉口图像轮廓的轮廓点的单位方向向量做点乘,当结果为1时,表示所述炉口轮廓特征模版与所述炉口图像轮廓的轮廓点为之间具有最大相似度;
通过所述炉口轮廓特征模版与所述炉口图像的最大相似度确定炉口图像中炉口轮廓区域的位置。
可选的,在所述炉口轮廓区域内进行连通域分割处理,获取前景区域和背景区域,并通过所述前景区域和所述背景区域,确定炉渣区域的步骤包括:
根据灰度级的数量,进行直方图统计,得到有效的像素点总数、高尾部的百分比、低尾部的百分比、高尾部对应的阈值、低尾部对应的阈值、像素平均值;
获取所述像素平均值的数学表达为:
mu=Mu/C
其中,Mu表示为像素值总和,C表示像素点总数,T1表示低尾部对应的阈值,T2表示高尾部对应的阈值,i表示像素值,h[i]表示像素为i的分布;
根据像素平均值获取前景区域和背景区域,其中,根据像素平均值获取前景区域和背景区域的数学表达为:
可选的,通过所述图像采集装置与所述炉渣区域对应位置的距离,确定炉渣类型的步骤包括:
提供双目相机,所述图像采集装置与所述炉渣区域对应位置的距离的数学表达为:
其中,Z是相机距离炉渣的距离,b为双目相机的基线距离,f为焦距,XR和XL是炉渣在左右两个像面上距离图像左边缘的距离。
可选的,获取炉渣区域的步骤包括:
得出距离Z大于炉口与相机的实际距离时,则认为是炉内渣,得出距离Z小于或等于炉口与相机的实际距离时,则认为是炉口渣。
一种设备,其特征在于,包括:一个或多个处理器;和其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述设备执行如一个或多个所述的方法。
一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得设备执行一个或多个所述的方法。
如上所述,本发明的基于图像处理的炉渣检测方法、装置、电子设备及介质,具有以下
有益效果:
通过所述炉口轮廓特征模版与所述炉口图像进行对比,对炉口的位置进行定位;
在所述炉口轮廓区域内进行连通域分割处理,获取前景区域和背景区域,并通过所述前景区域和所述背景区域,确定炉渣区域;
通过所述图像采集装置与所述炉渣区域对应位置的距离,确定炉渣类型。
附图说明
图1显示为本发明实施例中基于图像处理的炉渣检测方法的流程示意图。
图2显示为本发明实施例中基于图像处理的炉渣检测装置的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。
需要说明的是,本实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。本说明书所附图式所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时,本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
本发明提供一种基于图像处理的炉渣检测方法,包括:
S1:提供图像采集装置,并采集炉口图像,设置所述炉口图像的感兴趣区域,即通过图像处理技术设定ROI(region ofinterest),且该ROI包括炉口轮廓区域位置;
S2:在所述感兴趣区域内,对炉口的位置进行定位处理,获取炉口轮廓区域;
S3:在所述炉口轮廓区域内进行连通域分割处理,获取前景区域和背景区域,其中,可通过前景区域得到的是火焰和钢液的区域,并通过所述前景区域和所述背景区域,确定炉渣区域;
S4:通过所述图像采集装置与所述炉渣区域对应位置的距离,确定炉渣类型,所述炉渣类型包括:炉口渣、炉内渣。
在一些实施过程中,所述图像采集装置包括至少两个相机,至少两个所述相机关于炉口对称设置,例如提供双目摄像机对炉口进行炉口图像的采集,便于通过双目摄像机与对应的炉渣位置判断该炉渣为炉口渣或者炉内渣。
在一些实施过程中,对炉口的位置进行定位处理的步骤包括:
通过对炉口的预采集图像进行炉口特征提取,并设定为炉口轮廓特征模版;通过所述炉口轮廓特征模版与所述炉口图像进行对比,对炉口的位置进行定位。
在一些实施过程中,在所述感兴趣区域内,对炉口的位置进行定位处理,获取炉口轮廓区域的步骤还包括:
对所述炉口图像进行动态阈值预处理,得到高阈值和低阈值;
将高阈值和低阈值作为Canny算子参数,得到炉口图像轮廓,计算图像轮廓中各个轮廓点X、Y方向的梯度向量以及对应的梯度幅值;
所述炉口轮廓特征模版的轮廓点的单位方向向量与所述炉口图像轮廓的轮廓点的单位方向向量做点乘,获取所述炉口轮廓特征模版与所述炉口图像的相似度;
通过所述炉口轮廓特征模版与所述炉口图像的相似度确定炉口图像中炉口轮廓区域的位置。
在所述炉口轮廓区域内进行连通域分割处理,获取前景区域和背景区域,并通过所述前景区域和所述背景区域,确定炉渣区域的步骤包括:
根据灰度级的数量,进行直方图统计,得到有效的像素点总数、高尾部的百分比、低尾部的百分比、高尾部对应的阈值、低尾部对应的阈值、像素平均值;
获取所述像素平均值的数学表达为:
mu=Mu/C
其中,Mu表示为像素值总和,C表示像素点总数,T1表示低尾部对应的阈值,T2表示高尾部对应的阈值,i表示像素值,h[i]表示像素值为i的像素点的个数,mu表示平均像素值;例如,举例说明,像素值的范围是0~255,假设一张图是10X10大小,也就是总共100个像素,假设我想求这张图中,像素值从50(T1)~100(T2)的像素值总和:Mu。则求解的步骤是:统计像素值为50的像素个数为:h[50]、像素值是51的像素的个数为h[51],……,一直统计到像素值为100的像素个数是h[100]。
那么像素值从50(T1)~100(T2)的像素个数的总和是C=h[50]+h[51]+……+h[100]。
像素值总和Mu=50*h[50]+51*h[51]+……+100*h[100]。
平均像素值mu=Mu/C。
根据像素平均值获取前景区域和背景区域,其中,根据像素平均值获取前景区域和背景区域的数学表达为:
在一些实施过程中,通过所述图像采集装置与所述炉渣区域对应位置的距离,确定炉渣类型的步骤包括:
提供双目相机,所述图像采集装置与所述炉渣区域对应位置的距离的数学表达为:
其中,Z是相机距离炉渣的距离,b为双目相机的基线距离,f为焦距,XR和XL是炉渣在左右两个像面上距离图像左边缘的距离。
在一些实施过程中,获取炉渣区域的步骤包括:
得出距离Z大于炉口与相机的实际距离时,则认为是炉内渣,得出距离Z小于或等于炉口与相机的实际距离时,则认为是炉口渣。
本发明实施例还提供一种基于图像处理的炉渣检测装置,获取炉渣区域的步骤包括:
采集模块10,提供图像采集装置,并采集炉口图像,设置炉口图像的感兴趣区域;
特征提取模块20,在所述感兴趣区域内,对炉口的位置进行定位处理,获取炉口轮廓区域;
分析模块30,在所述炉口轮廓区域内进行连通域分割处理,获取前景区域和背景区域,并通过所述前景区域和所述背景区域,确定炉渣区域;
判定模块40,通过所述图像采集装置与所述炉渣区域对应位置的距离,确定炉渣类型,所述炉渣类型包括:炉口渣、炉内渣。
本发明实施例提供一种设备,包括:一个或多个处理器;和其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述设备执行一个或多个所述的方法。可用于众多通用或专用的计算系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (11)
1.一种基于图像处理的炉渣检测方法,其特征在于,包括:
提供图像采集装置,并采集炉口图像,设置所述炉口图像的感兴趣区域;
在所述感兴趣区域内,对炉口的位置进行定位处理,获取炉口轮廓区域;
在所述炉口轮廓区域内进行连通域分割处理,获取前景区域和背景区域,并通过所述前景区域和所述背景区域,确定炉渣区域;
通过所述图像采集装置与所述炉渣区域对应位置的距离,确定炉渣类型,所述炉渣类型包括:炉口渣、炉内渣。
2.根据权利要求1所述的基于图像处理的炉渣检测方法,其特征在于,所述图像采集装置包括至少两个相机,至少两个所述相机关于炉口对称设置。
3.根据权利要求1所述的基于图像处理的炉渣检测方法,其特征在于,对炉口的位置进行定位处理的步骤包括:
通过对炉口的预采集图像进行炉口特征提取,并设定为炉口轮廓特征模版;通过所述炉口轮廓特征模版与所述炉口图像进行对比,对炉口的位置进行定位。
4.根据权利要求3所述的基于图像处理的炉渣检测方法,其特征在于,在所述感兴趣区域内,对炉口的位置进行定位处理,获取炉口轮廓区域的步骤还包括:
对所述炉口图像进行动态阈值预处理,得到高阈值和低阈值;
将高阈值和低阈值作为Canny算子参数,得到炉口图像轮廓,计算图像轮廓中各个轮廓点X、Y方向的梯度向量以及对应的梯度幅值;
所述炉口轮廓特征模版的轮廓点的单位方向向量与所述炉口图像轮廓的轮廓点的单位方向向量做点乘,获取所述炉口轮廓特征模版与所述炉口图像的相似度;
通过所述炉口轮廓特征模版与所述炉口图像的相似度确定炉口图像中炉口轮廓区域的位置。
5.根据权利要求4所述的基于图像处理的炉渣检测方法,其特征在于,通过所述炉口轮廓特征模版与所述炉口图像的相似度确定炉口图像中炉口轮廓区域的位置的步骤包括:
所述炉口轮廓特征模版的轮廓点的单位方向向量与所述炉口图像轮廓的轮廓点的单位方向向量做点乘,当结果为1时,表示所述炉口轮廓特征模版与所述炉口图像轮廓的轮廓点为之间具有最大相似度;
通过所述炉口轮廓特征模版与所述炉口图像的最大相似度确定炉口图像中炉口轮廓区域的位置。
6.根据权利要求1所述的基于图像处理的炉渣检测方法,其特征在于,在所述炉口轮廓区域内进行连通域分割处理,获取前景区域和背景区域,并通过所述前景区域和所述背景区域,确定炉渣区域的步骤包括:
根据灰度级的数量,进行直方图统计,得到有效的像素点总数、高尾部的百分比、低尾部的百分比、高尾部对应的阈值、低尾部对应的阈值、像素平均值;
获取所述像素平均值的数学表达为:
mu=Mu/C
其中,Mu表示为像素值总和,C表示像素点总数,T1表示低尾部对应的阈值,T2表示高尾部对应的阈值,i表示像素值,h[i]表示像素值为i的像素点的个数,mu表示平均像素值;
根据像素平均值获取前景区域和背景区域,其中,根据像素平均值获取前景区域和背景区域的数学表达为:
8.根据权利要求7所述的基于图像处理的炉渣检测方法,其特征在于,获取炉渣区域的步骤包括:
得出距离Z大于炉口与相机的实际距离时,则认为是炉内渣,得出距离Z小于或等于炉口与相机的实际距离时,则认为是炉口渣。
9.一种基于图像处理的炉渣检测装置,其特征在于,获取炉渣区域的步骤包括:
采集模块,提供图像采集装置,并采集炉口图像,设置炉口图像的感兴趣区域;
特征提取模块,在所述感兴趣区域内,对炉口的位置进行定位处理,获取炉口轮廓区域;
分析模块,在所述炉口轮廓区域内进行连通域分割处理,获取前景区域和背景区域,并通过所述前景区域和所述背景区域,确定炉渣区域;
判定模块,通过所述图像采集装置与所述炉渣区域对应位置的距离,确定炉渣类型,所述炉渣类型包括:炉口渣、炉内渣。
10.一种电子设备,其特征在于,包括:一个或多个处理器;和其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述设备执行如权利要求1-8中一个或多个所述的方法。
11.一个或多个机器可读介质,其特征在于,其上存储有指令,当由一个或多个处理器执行时,使得设备执行如权利要求1-8中一个或多个所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010257785.6A CN111476770B (zh) | 2020-04-03 | 2020-04-03 | 一种基于图像处理的炉渣检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010257785.6A CN111476770B (zh) | 2020-04-03 | 2020-04-03 | 一种基于图像处理的炉渣检测方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111476770A CN111476770A (zh) | 2020-07-31 |
CN111476770B true CN111476770B (zh) | 2023-01-31 |
Family
ID=71749568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010257785.6A Active CN111476770B (zh) | 2020-04-03 | 2020-04-03 | 一种基于图像处理的炉渣检测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111476770B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541896B (zh) * | 2020-12-14 | 2023-04-07 | 湖南镭目科技有限公司 | 一种炉口堆渣情况辨识方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1055392A (zh) * | 1990-03-30 | 1991-10-16 | 日本钢管株式会社 | 炉内熔渣料面测定仪 |
EP0661910A1 (de) * | 1993-12-29 | 1995-07-05 | ABB Management AG | Verfahren zur Elektrodenregelung eines Gleichstrom-Lichtbogenofens und Elektrodenregeleinrichtung |
CN107356598A (zh) * | 2017-06-08 | 2017-11-17 | 中国计量大学 | 基于数字图像处理技术的灰渣含碳量在线检测方法 |
CN107610124A (zh) * | 2017-10-13 | 2018-01-19 | 中冶赛迪技术研究中心有限公司 | 一种炉口图像预处理方法 |
CN108871189A (zh) * | 2018-06-26 | 2018-11-23 | 西安工业大学 | 一种金属冶炼排渣的炉渣位置检测装置及其检测方法 |
CN108998620A (zh) * | 2018-09-27 | 2018-12-14 | 马鞍山钢铁股份有限公司 | 一种渣-铁分离方法 |
CN110066901A (zh) * | 2019-06-10 | 2019-07-30 | 中冶赛迪工程技术股份有限公司 | 一种转炉炉门自动测温取样装置 |
CN210176896U (zh) * | 2019-04-16 | 2020-03-24 | 山东钢铁股份有限公司 | 一种转炉炉内状况检测设备 |
-
2020
- 2020-04-03 CN CN202010257785.6A patent/CN111476770B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1055392A (zh) * | 1990-03-30 | 1991-10-16 | 日本钢管株式会社 | 炉内熔渣料面测定仪 |
EP0661910A1 (de) * | 1993-12-29 | 1995-07-05 | ABB Management AG | Verfahren zur Elektrodenregelung eines Gleichstrom-Lichtbogenofens und Elektrodenregeleinrichtung |
CN107356598A (zh) * | 2017-06-08 | 2017-11-17 | 中国计量大学 | 基于数字图像处理技术的灰渣含碳量在线检测方法 |
CN107610124A (zh) * | 2017-10-13 | 2018-01-19 | 中冶赛迪技术研究中心有限公司 | 一种炉口图像预处理方法 |
CN108871189A (zh) * | 2018-06-26 | 2018-11-23 | 西安工业大学 | 一种金属冶炼排渣的炉渣位置检测装置及其检测方法 |
CN108998620A (zh) * | 2018-09-27 | 2018-12-14 | 马鞍山钢铁股份有限公司 | 一种渣-铁分离方法 |
CN210176896U (zh) * | 2019-04-16 | 2020-03-24 | 山东钢铁股份有限公司 | 一种转炉炉内状况检测设备 |
CN110066901A (zh) * | 2019-06-10 | 2019-07-30 | 中冶赛迪工程技术股份有限公司 | 一种转炉炉门自动测温取样装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111476770A (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11854173B2 (en) | System and method for finding lines in an image with a vision system | |
CN112419297B (zh) | 一种螺栓松动检测方法、装置、设备及存储介质 | |
CN108229353B (zh) | 人体图像的分类方法和装置、电子设备、存储介质、程序 | |
US10748276B2 (en) | Positioning method of rectangular pin element based on vertex points | |
US11699283B2 (en) | System and method for finding and classifying lines in an image with a vision system | |
Zhong et al. | A novel defect detection algorithm for flexible integrated circuit package substrates | |
CN108269274B (zh) | 基于傅里叶变换和Hough变换的图像配准方法 | |
CN113378952A (zh) | 一种皮带机跑偏检测方法、系统、介质和终端 | |
CN111476770B (zh) | 一种基于图像处理的炉渣检测方法、装置、设备及介质 | |
US20240078801A1 (en) | System and method for finding and classifying lines in an image with a vision system | |
WO2020245889A1 (ja) | 点検装置、制御方法、及びプログラム | |
CN112053333B (zh) | 一种基于机器视觉的方坯检测方法、系统、设备及介质 | |
CN111724421A (zh) | 图像处理方法及装置、电子设备及存储介质 | |
CN116205889A (zh) | 偏移检测方法、装置、电子设备及存储介质 | |
CN110728712A (zh) | 基于机器视觉的炉口定位方法、装置、存储介质及电子终端 | |
CN112308836B (zh) | 角点检测方法、装置、电子设备及可读存储介质 | |
CN116109652A (zh) | 基于改进区域生长算法的图像分割方法、系统、设备 | |
CN114821075A (zh) | 空间目标捕获方法、装置、终端设备及存储介质 | |
Tao et al. | Measurement algorithm of notch length of plastic parts based on video | |
CN116612476B (zh) | 一种芯片字符检测方法、装置、计算机设备及存储介质 | |
CN117437176A (zh) | 可用模板的确定方法、装置、探针台及电子设备 | |
CN114299602A (zh) | 一种微幅度动作图像处理方法 | |
CN113674302A (zh) | 一种皮带机料面偏移识别方法、系统、电子设备及介质 | |
Ebraheem et al. | The Possibility of Cutting Surfaces and Contours based on Capturing 2-D Images | |
Chung et al. | Two-stage high-precision visual inspection of surface mount devices |
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 |