CN111604281A - 用于轨道交通的零件分拣方法及系统 - Google Patents
用于轨道交通的零件分拣方法及系统 Download PDFInfo
- Publication number
- CN111604281A CN111604281A CN202010285629.0A CN202010285629A CN111604281A CN 111604281 A CN111604281 A CN 111604281A CN 202010285629 A CN202010285629 A CN 202010285629A CN 111604281 A CN111604281 A CN 111604281A
- Authority
- CN
- China
- Prior art keywords
- standard
- determining
- parts
- prompt
- component
- 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
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
Abstract
本发明实施例公开了一种用于轨道交通的零件分拣方法及系统,其中,所述方法包括:识别放置于检测单元的大型部件的型号类型;根据物料清单确定与所述大型部件对应的标准零件;确定所述标准零件在标准零件储物柜的存储位置,并通过所述储物柜上的提示装置发出提示,以使得工作人员根据所述提示正确取出标准零件。利用图像对大型部件进行识别,并通过物料清单,确定对应的零件。并可利用零件库房相应的存储设备,实现提示的作用。将所述标准零件通过专用的防止工具集成与大型部件的包装上,一同运往作业线,可以减少人工领取带来的人力资源浪费和错误率。并且不会在作业线上出现拿取混乱的情况。
Description
技术领域
本发明涉及轨道交通技术领域,尤其涉及一种用于轨道交通的零件分拣方法及系统。
背景技术
随着轨道技术在中国的蓬勃发展,对于车辆各种结构与使用功能的设计也越来越精细化。相应的,对于各种部件的生产质量和工时要求越来越高。部件的生产或者检修通常依靠于大型部件和与该大型部件配套的各种零件。通过复杂的工艺完成组装或者维修。
在进行生产或者检修时,通常将大型部件吊运至作业线,作业线的工作人员提前从库房中预先领取相关的零件作为辅料,完成相应的组装或者维修工序。
在实现本发明的过程中,发明人发现如下技术问题:由于作业线各种类型的大型部件的使用交替进行,现场堆积各种大型部件对应的零件,导致现场工作人员需要耗费很大的精力选取对应的零件,并容易产生各种不匹配的错误。领取零件需要库管和领料人员分别进行核对,浪费了大量的人力和物力。
发明内容
本发明实施例提供了一种用于轨道交通的零件分拣方法及系统,以解决现有技术中大型部件与零件在施工现场不匹配的技术问题。
第一方面,本发明实施例提供了一种用于轨道交通的零件分拣方法,包括:
识别放置于检测单元的大型部件的型号类型;
根据物料清单确定与所述大型部件对应的标准零件;
确定所述标准零件在标准零件储物柜的存储位置,并通过所述储物柜上的提示装置发出提示,以使得工作人员根据所述提示正确取出标准零件。
进一步的,所述提示装置发出提示,包括:
设置于所述储物柜存储箱的提示灯闪烁进行提示和/或开启所述储物柜存储箱的箱门。
进一步的,所述方法还包括:
利用标准装配零件装载器具拾取所述标准装配零件,所述标准装配零件装载器具上设有与所述标准装配零件外形尺寸相对应的栅格。
进一步的,所述根据物料清单确定与所述大型部件对应的标准零件,包括:
根据所述大型部件确定对应的工步;
根据标准零件的工艺属性确定工步对应的标准零件。
进一步的,所述识别放置于检测单元的大型部件的型号类型,包括:
利用设置于所述检测单元六个方位的图像采集装置采集所述大型部件的六面图像;
将所述六面图像与预先存储的大型部件图像进行匹配,在匹配成功时,根据所述预先存储的大型部件图像确定型号类型。
更进一步的,所述方法还包括:
在所述标准零件入库时,通过扫描所述标准零件的编码对其进行入库登记。
第二方面,本发明实施例还提供了一种用于轨道交通的零件分拣系统,包括:
大件库房,用于存放大件;
标准件库房,用于存放标准件;
所述大件库房包括:检测单元,所述检测单元用于识别放置于检测单元的大型部件的型号类型;
相应的,所述系统还包括:
匹配单元,用于根据物料清单确定与所述大型部件对应的标准零件;
提示单元,所述提示单元用于确定所述标准零件在标准零件储物柜的存储位置,并通过所述储物柜上的提示装置发出提示,以使得工作人员根据所述提示正确取出标准零件。
进一步的,所述提示模块用于:
设置于所述储物柜存储箱的提示灯闪烁进行提示和/或开启所述储物柜存储箱的箱门。
进一步的,所述系统还包括:
拾取单元,用于利用标准装配零件装载器具拾取所述标准装配零件,所述标准装配零件装载器具上设有与所述标准装配零件外形尺寸相对应的栅格。
进一步的,所述匹配单元,包括:
工步确定子单元,根据所述大型部件确定对应的工步;
标准零件确定子单元,根据标准零件的工艺属性确定工步对应的标准零件。
进一步的,所述检测单元,包括:
六面图像采集子单元,用于利用设置于所述检测单元六个方位的图像采集装置采集所述大型部件的六面图像;
类型确定子单元,用于将所述六面图像与预先存储的大型部件图像进行匹配,在匹配成功时,根据所述预先存储的大型部件图像确定型号类型。
更进一步的,所述系统还包括:
登记单元,用于在所述标准零件入库时,通过扫描所述标准零件的编码对其进行入库登记。
本发明实施例提供的用于轨道交通的零件分拣方法及系统,通过识别放置于检测单元的大型部件的型号类型;根据物料清单确定与所述大型部件对应的标准零件;确定所述标准零件在标准零件储物柜的存储位置,并通过所述储物柜上的提示装置发出提示,以使得工作人员根据所述提示正确取出标准零件。可以在大型零件的库房中的检测单元,利用图像对大型部件进行识别,并通过物料清单,确定对应的零件。并可利用零件库房相应的存储设备,实现提示的作用。将所述标准零件通过专用的防止工具集成与大型部件的包装上,一同运往作业线,可以减少人工领取带来的人力资源浪费和错误率。并且不会在作业线上出现拿取混乱的情况。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是本发明实施例一提供的用于轨道交通的零件分拣方法的流程示意图;
图2是本发明实施例二提供的用于轨道交通的零件分拣方法的流程示意图;
图3是本发明实施例三提供的用于轨道交通的零件分拣方法的流程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供用于轨道交通的零件分拣方法的流程示意图,本实施例可适用于对用于轨道交通的零件进行分拣的情况,该方法可以由轨道交通的零件分拣系统来执行,具体包括如下步骤:
S110,识别放置于检测单元的大型部件的型号类型。
在本实施例中,所述分拣方法可以在相应的仓储库房中实现。示例性的,所述仓储库房可以分为:大件库房和标准件库房,所述大件库房用于盛放从供应链体系上游进来的各种大型部件。所述大型部件包括:油漆件和非油漆件,所述油漆件。所述大件库房其中包括:检测单元,所述检测单元可以为一单独设定的区域。可以通过各种移动装置,例如吊车或者推车等将库房中的待分拣零件的大型部件移动至检测单元。所述检测单元可识别该大型部件的型号类型。
示例性的,可以利用图像识别的方式来识别当前处于检测单元的大型部件的型号类型。可以采用检测单元设置的图像采集装置获取放置于大型部件的图像,可以将采集到的图像与预先存储的大型部件图像进行匹配,在匹配一致时,确定放置于检测单元的大型部件的型号类型。
S120,根据物料清单确定与所述大型部件对应的标准零件。
在确定所述大型部件的型号类型时,可以根据物料清单(bom)确定与所述大型部件对应的标准零件。示例性的,所述物料清单中标记有大型部件,并存有与大型部件对应的其它标准零件,所述标准零件可以包括:螺丝、螺钉以及其它可复用的各种标准配件。
物料清单用于表明产品的总装件、分装件、组件、部件、零件、直到原材料之间的结构关系,以及所需的数量。根据所述大型部件的型号类型可以从物料清单中获取与所述大型部件对应的标准零件的名称、编号等属性信息。
S130,确定所述标准零件在标准零件储物柜的存储位置,并通过所述储物柜上的提示装置发出提示,以使得工作人员根据所述提示正确取出标准零件。
在标准零件入库前,可以通过扫描标准零件上附带的编码确定所述标准零件的类型。按照预先设定的存储规则确定所述标准零件在储物柜的存储位置,并将所述标准零件存储在相应的存储位置进行存储。
相应的,可以根据所述预设规则查找所述标准零件在储物柜的存储位置,所述存储位置可以为储物柜中每个储物箱的具体编号,以及每个具体编号在储物柜中的对应分布。示例性的,所述储物柜可以包括若干储物箱,每个储物箱对应存储至少一种标准零件。根据标准零件对应的储物箱的位置,确定与大型部件对应的标准零件对应的储物箱。在确定所述储物箱后,可以利用所述储物箱配置的提示装置发出提示。示例性的,所述提示可以包括:设置于所述储物柜存储箱的提示灯闪烁进行提示和/或开启所述储物柜存储箱的箱门。
具体的,所述系统在确定与大型部件对应的标准零件的存储箱的编号,并根据所述编号向与所述编号对应的提示装置发出相应的控制指令,以使得该存储箱的提示灯进行闪烁。工作人员可以根据所述提示从所述存储箱中取出相应的标准零件,并将所述标准零件包装后放入所述大型部件的配件箱中。方便将所述大型部件和与其配套的标准零件一同运送到作业线。便于后期作业。
本实施例通过识别放置于检测单元的大型部件的型号类型;根据物料清单确定与所述大型部件对应的标准零件;确定所述标准零件在标准零件储物柜的存储位置,并通过所述储物柜上的提示装置发出提示,以使得工作人员根据所述提示正确取出标准零件。可以在大型零件的库房中的检测单元,利用图像对大型部件进行识别,并通过物料清单,确定对应的零件。并可利用零件库房相应的存储设备,实现提示的作用。将所述标准零件通过专用的防止工具集成与大型部件的包装上,一同运往作业线,可以减少人工领取带来的人力资源浪费和错误率。并且不会在作业线上出现拿取混乱的情况。
在本实施例的一个优选实施方式中,所述方法还包括:利用标准装配零件装载器具拾取所述标准零件,所述标准装配零件装载器具上设有与所述标准装配零件外形尺寸相对应的栅格。在某些时候,由于储物柜中的储物箱数量限制,所述储物箱中可能存放多种标准零件,可能会产生拾取错误。因此,在本实施例中,工作人员可以利用标准装配零件装载器具拾取所述标准装配零件,由于标准装配零件装载器具上设有与需要选取的标准装配零件尺寸大小匹配的栅格,与其尺寸相异的标准零件无法插入到栅格之中,利用该设计,可以防止工作人员取出错误的标准零件。
实施例二
图2为本发明实施例二提供的用于轨道交通的零件分拣方法的流程示意图。本实施例以上述实施例为基础进行优化,在本实施例中,将所述根据物料清单确定与所述大型部件对应的标准零件,具体优化为:根据所述大型部件确定对应的工步;根据标准零件的工艺属性确定工步对应的标准零件。
相应的,本实施例所提供的用于轨道交通的零件分拣方法,具体包括:
S210,识别放置于检测单元的大型部件的型号类型。
S220,根据所述大型部件确定对应的工步。
所述工艺是指利用各类生产工具对半成品进行加工或处理的方法。所述工序可以是指一个(或一组)工人在一个工作地对一个(或几个)劳动对象连续进行生产活动的综合,是组成生产过程的基本单位。根据性质和任务的不同,可分为工艺工序加工工艺过程,可细分为各个工步;按其劳动过程,可细分为若干操作。在先进制造业管理中,每个或者每组工作人员通常只对应相应的工步操作,以实现提高作业效率,提高产品质量的目的。每个工步的操作不同,其所对应的零件也不相同。因此,需要确定完成与所述大型部件整个装配过程中的工步。
示例性的,可以根据所述根据预先设定的工艺流程和工步的对应关系,确定所述大型部件对应的所有工步。
S230,根据标准零件的工艺属性确定工步对应的标准零件。
在本实施例中,可以根据预先录入的工艺各个工步,按照零件与工步的对应关系,生成零件在每个工步的属性。所述工艺属性列表可以采用索引存储方法,由于每个工步对应多个零件,因此,可以将多个零件按照工步分别进行存储,并为其建立与工步相关的索引,使之成为稠密索引。适用于同一工步对应多个零件的情况。相应的,可以采用工步作为关键词进行检索,确定每个工步对应的标准零件。
S250,确定所述标准零件在标准零件储物柜的存储位置,并通过所述储物柜上的提示装置发出提示,以使得工作人员根据所述提示分别正确取出与工步对应的标准零件。
依次取出与每个工步对应的标准零件,并按照工步分别打包整理放置,方便将所述大型部件和每个工步对应的标准零件一同运送到作业线。便于后期按照所述工步依次取出对应的标准零件。有效提高工作效率和避免产生装配错误。
本实施例通过将将所述根据物料清单确定与所述大型部件对应的标准零件,具体优化为:根据所述大型部件确定对应的工步;根据标准零件的工艺属性确定工步对应的标准零件。可以进一步提高用于轨道交通的零件分拣精确性。便于后期按照所述工步依次取出对应的标准零件。有效提高工作效率和避免产生装配错误。
实施例三
图3为本发明实施例三提供的用于轨道交通的零件分拣方法的流程示意图。本实施例以上述实施例为基础进行优化,在本实施例中,将所述识别放置于检测单元的大型部件的型号类型,具体优化为:利用设置于所述检测单元六个方位的图像采集装置采集所述大型部件的六面图像;将所述六面图像与预先存储的大型部件图像进行匹配,在匹配成功时,根据所述预先存储的大型部件图像确定型号类型。
相应的,本实施例所提供的用于轨道交通的零件分拣方法,具体包括:
S310,利用设置于所述检测单元六个方位的图像采集装置采集所述大型部件的六面图像。
采用单一图像虽然能够识别大型部件,但易受光照和其它外界环境干扰,图像质量不佳,进而影响到大型部件的识别。特别是在轨道交通领域,大型部件的相似度较高,极易造成误识别。因此,在本实施例中,所述大型部件首先被吊装入大件库房的识别区域,所述大件库房的识别区域,分别在上部、底部、左侧、右侧、前侧和后侧分别置有高清图像采集设备,分别用于采集所述大型部件的前视、后视、左视、、右视、俯视、和仰视方位图像。
S320,将所述六面图像与预先存储的大型部件图像进行匹配,在匹配成功时,根据所述预先存储的大型部件图像确定型号类型。
将采集到的六面图像分别于预先存储的大型部件六面图像分别进行匹配,示例性的,可以首先将六面图像转为灰度图像,采用SIFT算法分别进行匹配,SIFT方法不但对于旋转、尺度缩放、亮度变化保持不变性,而且对视角变化、仿射变换、噪声也保持一定程度的稳定性。且该方法对特征点的个数和有效点的比例没有要求。当特征点不是很多时,经优化的SIFT匹配算法甚至可以达到实时的要求。而且可以很方便的与其他形式的特征向量进行联合。由于部件图像中具有较多的纹理,特别适合于SIFT算法进行匹配。
在一些特殊条件下,例如光照条件不理想时,六面图像中有部分图像受外界强光源影响,尤其是日光情况下,导致图像中的关键因素缺失,有可能造成六面图像中的部分图像无法匹配成功。因此,在本实施例中,还可以采用图像加权方式裁定最终的匹配结果。即为不同面的图像设定不同的权值,根据六面图像中每面图像的匹配分数和权值的乘积的和进行裁决。所述权值可以根据经验预先设定,或者根据实际情况进行调整。示例性的,所述权重值可以根据日照对采集图像的影响进行适应性调整。例如:将日照最强时段所对应的一面的设为较小权重,将其照射的反面设为较大权重。以使得最终裁决的匹配结果更为准确。
或者,也可以根据图像质量来确定六面图像的权重。示例性的,可以依次确定所述六面图像的每幅图像的噪声强度,根据预设的权值与噪声强度的对应关系确定每幅图像的权重。可选的,可以随机截取图像中任意大小形成新的图像,并可利用梯度算法,分别在沿X,Y两个方向在新的图像中去除图像的基本信息,采用连通图法去除图像的轮廓信息,统计图像中的噪声信息作为噪声强度。利用截取图像可以有效减少运算量,并且利用上述方法还可进一步降低计算噪声强度的运算量,能够在较短的运算时间内得到较为准确的结果。
S330,根据物料清单确定与所述大型部件对应的标准零件。
S340,确定所述标准零件在标准零件储物柜的存储位置,并通过所述储物柜上的提示装置发出提示,以使得工作人员根据所述提示正确取出标准零件。
本实施例通过将所述识别放置于检测单元的大型部件的型号类型,具体优化为:利用设置于所述检测单元六个方位的图像采集装置采集所述大型部件的六面图像;将所述六面图像与预先存储的大型部件图像进行匹配,在匹配成功时,根据所述预先存储的大型部件图像确定型号类型。可以进一步提高大型部件的识别率,减少因大型部件近似造成的识别错误。进而提高零件分拣的准确率。
实施例四
本发明实施例四提供了一种用于轨道交通的零件分拣系统的结构,用于实现上述实施例提供的用于轨道交通的零件分拣方法,所述系统包括:
大件库房,用于存放大件;
标准件库房,用于存放标准件;
所述大件库房包括:
检测单元,所述检测单元用于识别放置于检测单元的大型部件的型号类型;
相应的,所述系统还包括:
匹配单元,用于根据物料清单确定与所述大型部件对应的标准零件;
提示单元,所述提示单元用于确定所述标准零件在标准零件储物柜的存储位置,并通过所述储物柜上的提示装置发出提示,以使得工作人员根据所述提示正确取出标准零件。
本发明实施例提供的用于轨道交通的零件分拣系统,通过识别放置于检测单元的大型部件的型号类型;根据物料清单确定与所述大型部件对应的标准零件;确定所述标准零件在标准零件储物柜的存储位置,并通过所述储物柜上的提示装置发出提示,以使得工作人员根据所述提示正确取出标准零件。可以在大型零件的库房中的检测单元,利用图像对大型部件进行识别,并通过物料清单,确定对应的零件。并可利用零件库房相应的存储设备,实现提示的作用。将所述标准零件通过专用的防止工具集成与大型部件的包装上,一同运往作业线,可以减少人工领取带来的人力资源浪费和错误率。并且不会在作业线上出现拿取混乱的情况。
在上述各实施例的基础上,所述提示模块用于:
设置于所述储物柜存储箱的提示灯闪烁进行提示和/或开启所述储物柜存储箱的箱门。
在上述各实施例的基础上,所述系统还包括:
拾取单元,用于利用标准装配零件装载器具拾取所述标准装配零件,所述标准装配零件装载器具上设有与所述标准装配零件外形尺寸相对应的栅格。
在上述各实施例的基础上,所述匹配单元,包括:
工步确定子单元,根据所述大型部件确定对应的工步;
标准零件确定子单元,根据标准零件的工艺属性确定工步对应的标准零件。
在上述各实施例的基础上,所述检测单元,包括:
六面图像采集子单元,用于利用设置于所述检测单元六个方位的图像采集装置采集所述大型部件的六面图像;
类型确定子单元,用于将所述六面图像与预先存储的大型部件图像进行匹配,在匹配成功时,根据所述预先存储的大型部件图像确定型号类型。
在上述各实施例的基础上,所述系统还包括:
登记单元,用于在所述标准零件入库时,通过扫描所述标准零件的编码对其进行入库登记。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种用于轨道交通的零件分拣方法,其特征在于,包括:
识别放置于检测单元的大型部件的型号类型;
根据物料清单确定与所述大型部件对应的标准零件;
确定所述标准零件在标准零件储物柜的存储位置,并通过所述储物柜上的提示装置发出提示,以使得工作人员根据所述提示正确取出标准零件。
2.根据权利要求1所述的方法,其特征在于,所述提示装置发出提示,包括:
设置于所述储物柜存储箱的提示灯闪烁进行提示和/或开启所述储物柜存储箱的箱门。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
利用标准装配零件装载器具拾取所述标准装配零件,所述标准装配零件装载器具上设有与所述标准装配零件外形尺寸相对应的栅格。
4.根据权利要求1所述的方法,其特征在于,所述根据物料清单确定与所述大型部件对应的标准零件,包括:
根据所述大型部件确定对应的工步;
根据标准零件的工艺属性确定工步对应的标准零件。
5.根据权利要求1所述的方法,其特征在于,所述识别放置于检测单元的大型部件的型号类型,包括:
利用设置于所述检测单元六个方位的图像采集装置采集所述大型部件的六面图像;
将所述六面图像与预先存储的大型部件图像进行匹配,在匹配成功时,根据所述预先存储的大型部件图像确定型号类型。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述标准零件入库时,通过扫描所述标准零件的编码对其进行入库登记。
7.一种用于轨道交通的零件分拣系统,其特征在于,包括:
大件库房,用于存放大件;
标准件库房,用于存放标准件;
其特征在于,所述大件库房包括:检测单元,所述检测单元用于识别放置于检测单元的大型部件的型号类型;
相应的,所述系统还包括:
匹配单元,用于根据物料清单确定与所述大型部件对应的标准零件;
提示单元,所述提示单元用于确定所述标准零件在标准零件储物柜的存储位置,并通过所述储物柜上的提示装置发出提示,以使得工作人员根据所述提示正确取出标准零件。
8.根据权利要求7所述的系统,其特征在于,所述匹配单元,包括:
工步确定子单元,根据所述大型部件确定对应的工步;
标准零件确定子单元,根据标准零件的工艺属性确定工步对应的标准零件。
9.根据权利要求7所述的系统,其特征在于,所述检测单元,包括:
六面图像采集子单元,用于利用设置于所述检测单元六个方位的图像采集装置采集所述大型部件的六面图像;
类型确定子单元,用于将所述六面图像与预先存储的大型部件图像进行匹配,在匹配成功时,根据所述预先存储的大型部件图像确定型号类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010285629.0A CN111604281A (zh) | 2020-04-13 | 2020-04-13 | 用于轨道交通的零件分拣方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010285629.0A CN111604281A (zh) | 2020-04-13 | 2020-04-13 | 用于轨道交通的零件分拣方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111604281A true CN111604281A (zh) | 2020-09-01 |
Family
ID=72195790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010285629.0A Pending CN111604281A (zh) | 2020-04-13 | 2020-04-13 | 用于轨道交通的零件分拣方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111604281A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113102269A (zh) * | 2021-04-07 | 2021-07-13 | 沈阳建筑大学 | 基于三维立体视觉的预制构件成品质量检测系统及其应用 |
CN115138590A (zh) * | 2022-07-01 | 2022-10-04 | 广汽埃安新能源汽车有限公司 | 一种物料分拣方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005108048A (ja) * | 2003-09-30 | 2005-04-21 | Honda Motor Co Ltd | 車両生産システム |
CN104020747A (zh) * | 2014-06-18 | 2014-09-03 | 安徽江淮汽车股份有限公司 | 一种柔性集配防错方法及系统 |
CN107300901A (zh) * | 2017-08-09 | 2017-10-27 | 中车洛阳机车有限公司 | 一种机车转向架构架挂件组装系统装置 |
CN109241948A (zh) * | 2018-10-18 | 2019-01-18 | 杜海朋 | 一种数控刀具视觉识别方法及装置 |
CN109815250A (zh) * | 2019-01-30 | 2019-05-28 | 中国船舶工业综合技术经济研究院 | 一种分段构件装配防错方法及系统 |
CN110180799A (zh) * | 2019-06-28 | 2019-08-30 | 中船黄埔文冲船舶有限公司 | 一种基于机器视觉的零件分拣方法及系统 |
-
2020
- 2020-04-13 CN CN202010285629.0A patent/CN111604281A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005108048A (ja) * | 2003-09-30 | 2005-04-21 | Honda Motor Co Ltd | 車両生産システム |
CN104020747A (zh) * | 2014-06-18 | 2014-09-03 | 安徽江淮汽车股份有限公司 | 一种柔性集配防错方法及系统 |
CN107300901A (zh) * | 2017-08-09 | 2017-10-27 | 中车洛阳机车有限公司 | 一种机车转向架构架挂件组装系统装置 |
CN109241948A (zh) * | 2018-10-18 | 2019-01-18 | 杜海朋 | 一种数控刀具视觉识别方法及装置 |
CN109815250A (zh) * | 2019-01-30 | 2019-05-28 | 中国船舶工业综合技术经济研究院 | 一种分段构件装配防错方法及系统 |
CN110180799A (zh) * | 2019-06-28 | 2019-08-30 | 中船黄埔文冲船舶有限公司 | 一种基于机器视觉的零件分拣方法及系统 |
Non-Patent Citations (3)
Title |
---|
山东省科学技术协会: "《城市发展与现代交通 -首届山东省科协学术年会论文集》", 30 September 2009, 中国科学技术出版社 * |
战权理等: "《汽车装试技术》", 30 April 2000, 北京理工大学出版社 * |
高丽娜等: "《生产物流运作实务辅导用书》", 31 October 2012, 对外经济贸易大学出版社 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113102269A (zh) * | 2021-04-07 | 2021-07-13 | 沈阳建筑大学 | 基于三维立体视觉的预制构件成品质量检测系统及其应用 |
CN113102269B (zh) * | 2021-04-07 | 2022-08-19 | 沈阳建筑大学 | 基于三维立体视觉的预制构件成品质量检测系统及其应用 |
CN115138590A (zh) * | 2022-07-01 | 2022-10-04 | 广汽埃安新能源汽车有限公司 | 一种物料分拣方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109255569B (zh) | 库内理货方法、装置、服务器和存储介质 | |
Muja et al. | Rein-a fast, robust, scalable recognition infrastructure | |
CA2841721C (en) | Package vision sort system and method | |
EP4156023A1 (en) | Material inventory method and apparatus, and warehousing robot and warehousing system | |
CN111604281A (zh) | 用于轨道交通的零件分拣方法及系统 | |
CN109649913A (zh) | 一种智能仓储系统 | |
CN104331894A (zh) | 一种基于双目立体视觉的机器人拆垛方法 | |
CN105550660B (zh) | 一种机织物组织结构种类的识别方法 | |
CN113688965B (zh) | 一种自动仓储扫码检测的方法和货物管理系统 | |
CN107545282A (zh) | 一种边摘边播拣货系统、方法及智能终端 | |
CN105574161A (zh) | 一种商标图形要素识别方法、装置和系统 | |
CN1766907A (zh) | 基于聚类遗传算法的多目标图像识别方法 | |
CN115374885A (zh) | 一种物流信息实时跟踪的数据采集方法、装置和储存介质 | |
CN114078162B (zh) | 钢板切割后工件的桁架分拣方法及系统 | |
CN110689059A (zh) | 一种垃圾自动分拣的方法 | |
CN107030690A (zh) | 一种基于视觉的机械臂避障方法 | |
CN106296074A (zh) | 一种基于rfid技术的货物入库方法 | |
CN117622757A (zh) | 网格式物流仓分拣信息处理方法、系统和存储介质 | |
CN110555219B (zh) | 一种基于图像识别的三维cad模型相似性检索系统及方法 | |
CN111115080B (zh) | 仓储中心的物品摆放方法及系统 | |
CN109492685B (zh) | 一种用于对称特征的目标物体视觉检测方法 | |
Lei et al. | Multiple object detection of workpieces based on fusion of deep learning and image processing | |
CN107944503A (zh) | 一种基于图像识别的城市数据采集方法及系统 | |
CN113231319A (zh) | 一种基于agv小车的智能分拣系统 | |
CN112818735A (zh) | 一种基于物品识别的舰艇备件识别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200901 |