CN111705283B - 一种优化捞渣的方法及装置 - Google Patents
一种优化捞渣的方法及装置 Download PDFInfo
- Publication number
- CN111705283B CN111705283B CN202010528048.5A CN202010528048A CN111705283B CN 111705283 B CN111705283 B CN 111705283B CN 202010528048 A CN202010528048 A CN 202010528048A CN 111705283 B CN111705283 B CN 111705283B
- Authority
- CN
- China
- Prior art keywords
- slag
- point
- dragging
- fished
- area
- 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
- 239000002893 slag Substances 0.000 title claims abstract description 469
- 238000000034 method Methods 0.000 title claims abstract description 44
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 claims abstract description 141
- 239000011701 zinc Substances 0.000 claims abstract description 141
- 229910052725 zinc Inorganic materials 0.000 claims abstract description 141
- 238000012163 sequencing technique Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000005246 galvanizing Methods 0.000 abstract description 6
- 229910000831 Steel Inorganic materials 0.000 abstract description 5
- 239000010959 steel Substances 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 239000013049 sediment Substances 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000007747 plating Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910000765 intermetallic Inorganic materials 0.000 description 1
- -1 iron-aluminum-zinc Chemical compound 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
- C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
- C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
- C23C2/003—Apparatus
-
- C—CHEMISTRY; METALLURGY
- C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
- C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
- C23C2/00—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor
- C23C2/04—Hot-dipping or immersion processes for applying the coating material in the molten state without affecting the shape; Apparatus therefor characterised by the coating material
- C23C2/06—Zinc or cadmium or alloys based thereon
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30136—Metal
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/20—Recycling
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Materials Engineering (AREA)
- Mechanical Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明涉及带钢连续热镀锌技术领域，尤其涉及一种优化捞渣的方法及装置，该方法包括：通过摄像头对预设捞渣区域进行图像采集，获得捞渣区域图，并在所述捞渣区域图上确定多个待捞渣点；基于所述捞渣区域图，获得每个待捞渣点的位置优先等级；基于所述每个待捞渣点的锌渣特征，获得每个待捞渣点的锌渣特征等级；基于所述每个待捞渣点的所述位置优先等级和所述锌渣特征等级，对所述每个待捞渣点的捞渣优先等级进行评分，获得每个待捞渣点的捞渣优先等级；按照每个待捞渣点的捞渣优先等级，对多个待捞渣点进行路径规划，获得捞渣路径；控制捞渣机器人沿着捞渣路径进行捞渣，进而提高了捞渣效率。
Description
技术领域
本发明涉及带钢连续热镀锌技术领域，尤其涉及一种优化捞渣的方法及装置。
背景技术
热镀锌及其合金产品是钢铁材料中最常见、最有效和最经济的耐腐蚀产品之一，在高档汽车市场，热镀锌外板成为最重要的消费级产品。
由于锌锅中铁铝锌三相平衡被不断建立和打破(温度、锌液液位或者成分任意发生波动)，会产生不同的金属间化物。根据其比重不同分别呈现面渣、悬浮渣和底渣三种形态。有效地控制悬浮渣，及时去除锌锅V形区域附近的面渣，防止热镀区域底渣转化和泛起是机组生产出高级别表面质量汽车外板的关键。
目前主要有以下两种捞渣方法：
人工捞渣：人工捞渣关注的是对积渣区域的整体把握，对积渣较厚的部位优先进行处理，对于表面较薄部位则不加处理。但是，人工捞渣存在作业量繁重、危险和重复性重体力作业的问题。
机器捞渣：很多钢企采用五轴或者六轴的工业机器人对传统人工捞渣进行替代，但是，工业机器人主要采用“盲捞”方式，其作业方式效率低，且频繁捞渣，使得锌液面的保护性ZnO膜被快速消耗，因而恶化了锌耗高的问题。
近些年，一些钢企对工业机器人进行了改进，改进后的捞渣机器人相较于以前的工业机器人作业更加细致，但较人工捞渣方式，捞渣效果提升并不明显。
因此，如何提高捞渣效率是目前亟待解决的技术问题。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种优化捞渣的方法及装置。
第一方面，本发明提供了一种优化捞渣的方法，包括：
通过摄像头对预设捞渣区域进行图像采集，获得捞渣区域图，并在所述捞渣区域图上确定多个待捞渣点；
基于所述捞渣区域图，获得每个待捞渣点的位置优先等级；
基于所述每个待捞渣点的锌渣特征，获得所述每个待捞渣点的锌渣特征等级；
基于所述位置优先等级和所述锌渣特征等级，对所述每个待捞渣点进行评分，获得所述每个待捞渣点的捞渣优先等级；
按照所述每个待捞渣点的捞渣优先等级，对所述多个待捞渣点进行路径规划，获得捞渣路径；
控制捞渣机器人沿着所述捞渣路径进行捞渣。
进一步地，所述基于所述每个待捞渣点的锌渣特征，获得所述每个待捞渣点的锌渣特征等级，包括：
获取所述每个待捞渣点的锌渣覆盖区域的面积、所述每个待捞渣点的单位面积的锌渣厚度、以及与所述锌渣覆盖区域的面积对应的第一权重、与所述单位面积的锌渣厚度对应的第二权重；
基于所述每个待捞渣点的锌渣覆盖区域的面积、所述单位面积的锌渣厚度、以及与所述锌渣覆盖区域的面积对应的第一权重、与所述单位面积的锌渣厚度对应的第二权重，按照如下计算式，获得所述每个待捞渣点的锌渣特征等级：
dross p＝ax+by
其中，dross p为所述每个待捞渣点的锌渣特征等级，a为所述每个待捞渣点的锌渣覆盖区域的面积，b为所述每个待捞渣点的所述单位面积的锌渣厚度，x为与所述锌渣覆盖区域的面积对应的第一权重，y为与所述单位面积的锌渣厚度对应的第二权重。
进一步地，所述基于所述捞渣区域图，获得每个待捞渣点的位置优先等级，包括：
对所述捞渣区域图进行网格划分，获得N个矩形区域；其中，所述N个矩形区域的面积相等，N为大于等于2的整数；
基于所述N个矩形区域分别与锌锅炉鼻子两侧的通道的距离关系，确定每个矩形区域的位置优先等级；
对所述每个矩形区域的位置优先等级进行标注，获得与所述捞渣区域图对应的网格图；
基于所述网格图，获得所述每个待捞渣点的位置优先等级。
进一步地，所述基于所述每个待捞渣点的所述位置优先等级和所述锌渣特征等级，对所述每个待捞渣点的捞渣优先等级进行评分，获得所述每个待捞渣点的捞渣优先等级，包括：
基于所述每个待捞渣点的所述位置优先等级和所述锌渣特征等级，按照如下计算式，对所述每个待捞渣点的捞渣优先等级进行评分，获得所述每个待捞渣点的捞渣优先等级：
G＝dross p*position p
其中，dross p为所述每个待捞渣点的所述锌渣特征等级，position p为所述每个待捞渣点的所述位置优先等级，G为所述每个待捞渣点的捞渣优先等级。
进一步地，所述按照所述每个待捞渣点的捞渣优先等级，对所述多个待捞渣点进行路径规划，获得捞渣路径，包括：
按照所述捞渣优先等级由高到低的顺序，对所述多个待捞渣点进行排序，获得排序结果；
以所述捞渣机器人为原点建立基准坐标，按照所述排序结果将所述多个待捞渣点依次连线，并将首尾待捞渣点分别与所述原点连线，获得所述捞渣路径。
进一步地，在获得捞渣路径之后，还包括：
在获得多条捞渣路径时，分别获取每条捞渣路径的长度值；
基于所述每条捞渣路径的长度值，确定最短的捞渣路径为最优捞渣路径；
基于所述最优捞渣路径进行捞渣。
进一步地，所述通过摄像头对预设捞渣区域进行图像采集，获得捞渣区域图，包括：
通过摄像头对锌锅内在以所述炉鼻子作为边缘的2/3部位区域进行图像采集，获得所述捞渣区域图。
第二方面，本发明还提供了一种优化捞渣的装置，包括：
确定模块，用于通过摄像头对预设捞渣区域进行图像采集，获得捞渣区域图，并在所述捞渣区域图上确定多个待捞渣点；
第一获得模块，用于基于所述捞渣区域图，获得所述每个待捞渣点的位置优先等级；
第二获得模块，用于基于所述每个待捞渣点的锌渣特征，获得所述每个待捞渣点的锌渣特征等级；
第三获得模块，用于基于所述每个待捞渣点的所述位置优先等级和所述锌渣特征等级，对所述每个待捞渣点的捞渣优先等级进行评分，获得所述每个待捞渣点的捞渣优先等级；
路径规划模块，用于按照所述每个待捞渣点的捞渣优先等级，对所述多个待捞渣点进行路径规划，获得捞渣路径；
捞渣模块，用于控制捞渣机器人沿着所述捞渣路径进行捞渣。
第三方面，本发明还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的方法步骤。
第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现上述的方法步骤。
本发明实施例中的一个或多个技术方案，至少具有如下技术效果或优点：
本发明提供的优化捞渣路径的方法，应用于带有摄像头的捞渣机器人的控制装置中，包括，首先，通过摄像头获取捞渣区域图，从该捞渣区域图上确定多个捞渣点，基于该捞渣区域图，从而获得每个捞渣点的位置优先等级，再基于每个待捞渣点的锌渣特征锌渣，获得每个待捞渣点的锌渣特征等级，基于每个待捞渣点的锌渣特征等级和位置优先等级，获得每个待捞渣点的捞渣优先等级，按照每个待捞渣点的捞渣优先等级，对多个待捞渣点进行路径规划，获得捞渣路径，控制捞渣机器人沿着捞渣路径进行捞渣，能够及时将锌锅中的积渣较厚的部位优先处理，积渣较薄的部位稍后处理，并且，在处理过程中能够规划出最优的线路，进而有效节约时间，提高了捞渣效率。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考图形表示相同的部件。在附图中：
图1示出了本发明实施例一中锌锅表面示意图；
图2示出了本发明实施例一中优化捞渣的方法的步骤流程示意图；
图3示出了本发明实施例一中将捞渣区域图进行划分后的网格图；
图4示出了本发明实施例一中待捞渣点对应的位置优先等级示意图；
图5示出了本发明实施例一中优化后的捞渣路径示意图；
图6示出了本发明实施例二中优化捞渣的装置的结构示意图；
图7示出了本发明实施例三种实现优化捞渣的计算机设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明的总体思路如下：
本发明提供的一种优化捞渣的方法，通过获取到的捞渣区域图，从而确定出多个待捞渣点，然后，对每个待捞渣点进行分析，确定每个待捞渣点的捞渣优先等级，按照多个待捞渣点的多个捞渣优先等级排序进行捞渣，进而提高了捞渣效率。
实施例一
本发明提供的一种优化捞渣的方法，应用于捞渣机器人中，使得捞渣机器人有序地对锌锅进行捞渣，提高捞渣的效率。
其中，该捞渣机器人包括机器人手臂，该机器人手臂一端设置有捞渣工具，用于捞渣，该机器人手臂另一端设置控制装置，该控制装置中设置有驱动机构以及控制驱动机构运行的控制器。在该机器人手臂上还设置有照明灯，便于摄像头在采集图像时，能够对捞渣区域照明，便于获取清晰的捞渣区域的图像。该优化捞渣的方法为该控制器所执行的方法。
该摄像头可以设置在机器人手臂上，也可以设置在锌锅边缘，在本发明中不作限定。
该捞渣机器人位于锌锅附近，便于捞渣，如图1所示，该锌锅的表面包括热镀区域、炉鼻子区域以及捞渣区域，其中，炉鼻子位于该锌锅的2/3的位置，与炉鼻子靠近的1/3的位置为该热镀区域，该炉鼻子的另一边，即2/3区域为捞渣区域，其中，该炉鼻子的另外相对的两侧为连接热镀区域与捞渣区域的通道。在热镀区域产生的锌渣会通过该通道转移到该捞渣区域，使得捞渣机器人在该捞渣区域以及通道按照本发明中的方法进行捞渣
本发明提供的一种优化捞渣路径的方法，如图2所示，包括：
S201，通过摄像头对预设捞渣区域进行图像采集，获得捞渣区域图，并在该捞渣区域图上确定多个待捞渣点；
S202，基于捞渣区域图，获得每个待捞渣点的位置优先等级；
S203，基于每个待捞渣点的锌渣特征，确定每个待捞渣点的锌渣特征等级；
S204，基于每个待捞渣点的位置优先等级和锌渣特征等级，获得每个待捞渣点的捞渣优先等级；
S205，按照每个待捞渣点的捞渣优先等级，对多个待捞渣点进行路径规划，获得捞渣路径；
S206，控制捞渣机器人沿着捞渣路径进行捞渣。
首先，通过该摄像头对预设捞渣区域进行图像采集，获得捞渣区域图。具体地，通过摄像头对锌锅内在以炉鼻子作为边缘的2/3部位区域进行图像采集，获得捞渣区域图。具体是对该捞渣区域的浮渣进行捞渣。
其中，该捞渣区域图包括了炉鼻子两侧的通道区域和靠近捞渣机器人的捞渣区域。
由于锌渣由热镀区域到达捞渣区域时，必须经过炉鼻子两侧的通道，因此，该通道是关键的捞渣点，该通道不允许堵塞，若堵塞需及时捞渣。
而且，基于该捞渣区域图，在捞渣区域图上确定多个待捞渣点。
具体是通过对该捞渣区域图进行图像分析，由此确定了多个待捞渣点。或者是通过摄像头和距离传感器，对该捞渣区域图上各个位置区域进行遍历，由此大概确定一些待捞渣点(即锌渣较厚的区域)。
接着，执行S202，基于该捞渣区域图，获得每个待捞渣点的位置优先等级。
在一种可选的实施方式中，对该捞渣区域图进行网格划分，形成N个矩形区域，其中，N个矩形区域的面积相等，N为大于或等于2的整数。
基于N个矩形区域分别与锌锅炉鼻子两侧的通道的距离关系，确定每个矩形区域的位置优先等级。
对每个矩形区域的位置优先等级进行标注，获得与捞渣区域图对应的网格图。
基于该网格图，获得每个待捞渣点的位置优先等级。
如图3所示，先将该捞渣区域图通过网格划分，获得N个矩形区域，按照越靠近该炉鼻子两侧的通道，其对应的矩形区域的位置优先等级越高的规则，对每个矩形区域的位置优先等级进行标注。该位置优先等级为1-5的五个等级。其中，位于通道的矩形区域的位置优先等级最高，为5，在远离通道，且位于远离炉鼻子正对方向的矩形区域的位置优先等级最低，为1。由此，对每个矩形区域的位置优先等级进行标注。该优先等级的划分并不限定是上述的五个等级，在本发明实施例中不作具体限定。
最后，根据上述如图3获得的网格图，对在S201中确定的多个待捞渣点的位置优先等级进行确定，由此，获得每个待捞渣点的位置优先等级。
比如，如图4所示，A、B、C、D、E为待捞渣点，按照图3各个矩形区域所标注的位置优先等。确定出A-E中每个捞渣点的位置优先等级。A的位置优先等级为5，B的位置优先等级为4，C的位置优先等级为1，D的位置优先等级为2，E的位置优先等级为1。
然后，执行S203，基于每个待捞渣点的锌渣特征，确定每个待捞渣点的锌渣特征等级。
在一种可选的实施方式中，首先，获取每个待捞渣点的锌渣覆盖区域的面积、每个待捞渣点的单位面积的锌渣厚度，以及该锌渣覆盖区域的面积对应的第一权重、与该单位面积的锌渣厚度对应的第二权重。
基于每个待捞渣点的锌渣覆盖区域的面积，单位面积的锌渣厚度、以及锌渣覆盖区域的面积对应的第一权重、与该单位面积的锌渣厚度对应的第二权重，按照如下计算式，获得每个待捞渣点的锌渣特征等级：
dross p＝ax+by
其中，dross p为每个待捞渣点的锌渣特征等级，a为每个待捞渣点的锌渣覆盖区域的面积，b为每个待捞渣点的单位面积的锌渣厚度，x为与锌渣覆盖区域的面积对应的第一权重，y为与单位面积的锌渣厚度对应的第二权重。
在具体的实施方式中，根据捞渣区域图上已确定的多个待捞渣点，通过图像分析，可以确定每个待捞渣点的锌渣覆盖区域的面积，在确定该待捞渣点的锌渣覆盖区域的面积时，通过不同厚度锌渣的边界，划分该待捞渣点所在区域的面积，其识别精度能确保在10～15mm。
根据捞渣区域图上已确定的多个捞渣点，通过图像分析，可以确定每个待捞渣点的锌渣单位面积的锌渣厚度，由于锌渣的厚度每个区域是不同的，可以以捞渣勺的面积为单位面积，在该单位面积内的锌渣厚度，可根据图像处理的结果来确定，比如，可以根据图像的颜色深浅度来确定其厚度，该识别精度能够确保在10～20mm。
在上述获得锌渣的单位面积的锌渣厚度时，还可以结合声波传感，根据不同锌渣厚度返回的声波是不同的，由此确定单位面积的锌渣厚度。
对于锌渣覆盖区域的面积和单位面积内的锌渣厚度的权重比例，可以根据厚度和面积对锌渣影响程度确定，比如，厚度对锌渣影响比较多，那么将第二权重设定为较高，将第一权重设定为较低。随着时间的推移，这两个权重比例关系会更改。在此并不作具体限定，根据实际情况来定。
由此，根据公式dross p＝ax+by来确定每个待捞渣点的锌渣特征等级。
在获得确定锌渣的捞渣优先等级的两个维度因素(即位置优先等级和锌渣特征等级)之后，执行S204，基于每个捞渣点的位置优先等级position p和锌渣特征等级dross p，对每个待捞渣点的捞渣优先等级进行评分，获得每个待捞渣点的捞渣优先等级。
在一种可选的实施方式中，基于每个待捞渣点的位置优先等级和锌渣特征等级，按照如下计算式，对每个待捞渣点的捞渣优先等级进行评分，获得每个待捞渣点的捞渣优先等级：
G＝dross p*position p
其中，dross p为每个待捞渣点的所述锌渣特征等级，position p为每个待捞渣点的位置优先等级，G为每个待捞渣点的捞渣优先等级。
对每个待捞渣点的捞渣优先等级进行评定时，需要结合两个维度的因素，一个是该待捞渣点的位置优先等级dross p，另一个是该待捞渣点的锌渣特征等级position p。
通过将这两个维度的因素值乘积，得到该待捞渣点的捞渣优先等级，当然，也可以通过其他评定方式，获得待捞渣点的捞渣优先等级，在本发明中并不作具体限定。
在获得每个待捞渣点的捞渣优先等级之后，执行S205，按照每个待捞渣点的捞渣优先等级，对多个待捞渣点进行路径规划，获得捞渣路径；
S206，控制捞渣机器人沿着捞渣路径进行捞渣。
在一种可选的实施方式中，按照多个待捞渣点的捞渣优先等级由高到低的顺序，对多个待捞渣点进行排序，获得排序结果。
以该捞渣机器人为原点建立基准坐标，按照该排序结果将多个待捞渣点依次连线，并将首位待捞渣点分别与该原点连线，获得捞渣路径。
在获得每个待捞渣点的捞渣优先等级之后，按照该捞渣优先等级由高到低的顺序进行排序，比如，按照上述在获得A-E五个待捞渣点的捞渣优先等级之后，这五个待捞渣点的捞渣优先等级按照由高到低的顺序进行排序为G(A)、G(B)、G(D)、G(E)、G(C)。
在获得多个待捞渣点的多个捞渣优先等级的排序结果之后，直接按照排序的优先级进行捞渣。
待捞渣点的捞渣优先等级越高，则需要优先处理的等级就越高，待捞渣点的捞渣优先等级越低，则优先处理的等级就越低。
通过对等级较高的待捞渣点先捞渣，然后，按照捞渣优先等级由高到低的顺序，进行依次捞渣处理，使得处理效率更高。同时，捞渣过程中是通过“点捞渣”而不是“面捞渣”，能够有效保护ZnO膜，避免ZnO膜的过渡消耗，从而降低锌的消耗。
具体地，可以通过规划路径，使得捞渣机器人按照规划的路径进行捞渣。
以捞渣机器人为原点建立基准坐标。该基准坐标的X轴与捞渣区域图的边界平行，Y轴为指向镀锌区域的方向。
按照该排序结果，将多个待捞渣点依次连线，并将首尾待捞渣点分别与该基准坐标的原点连线，获得优化后的捞渣路径。其中，首尾待捞渣点中的首待捞渣点为排序结果中排在第一位的待捞渣点，尾待捞渣点为排序结果中排在最后一位的待捞渣点。
最后，控制该捞渣机器人沿着该捞渣路径进行捞渣。
比如，在多个待捞渣点的多个捞渣优先等级的排序为G(A)、G(B)、G(D)、G(E)、G(C)时，如图5所示，优化后的捞渣路径O→A→B→D→E→C→O。因此，该捞渣机器人的移动路径移动过程中进行捞渣。
在一种可选的实施方式中，由于存在捞渣优先等级相等的情况，因此，获得的捞渣路径也可能是多条。
因此，在获得捞渣路径之后，还包括：
在获得多条捞渣路径时，分别获取每条捞渣路径的长度值，基于每条捞渣路径的长度值，确定最短的捞渣路径为最优捞渣路径，基于该最优捞渣路径进行捞渣。
比如，G(D)＝G(E)时，捞渣路径既可以是O→A→B→D→E→C→O，还可以是O→A→B→E→D→C→O。
因此，在获得多条捞渣路径时，分别获取每条捞渣路径的长度值。基于每条捞渣路径的长度值，确定最短的捞渣路径为最优捞渣路径。
比如，捞渣路径为O→A→B→D→E→C→O，其对应的路径长度值L1＝LO-A+LA-B+LB-D+LD-E+LE-C+LC-O。
捞渣路径为O→A→B→E→D→C→O，其对应的路径长度值为L2＝LO-A+LA-B+LB-E+LE-D+LD-C+LC-O。
将L1和L2进行比较，获得路径长度值最短的捞渣路径作为最优捞渣路径。若L1＜L2，则捞渣路径O→A→B→D→E→C→O为最优的捞渣路径。
那么，在进行捞渣时，选择该捞渣路径O→A→B→D→E→C→O进行捞渣。
本发明实施例中的一个或多个技术方案，至少具有如下技术效果或优点：
本发明提供的优化捞渣路径的方法，应用于带有摄像头的捞渣机器人的控制装置中，包括，首先，通过摄像头获取捞渣区域图，从该捞渣区域图上确定多个捞渣点，基于该捞渣区域图，从而获得每个捞渣点的位置优先等级，再基于每个待捞渣点的锌渣特征锌渣，获得每个待捞渣点的锌渣特征等级，基于每个待捞渣点的锌渣特征等级和位置优先等级，获得每个待捞渣点的捞渣优先等级，按照每个待捞渣点的捞渣优先等级，对多个待捞渣点进行路径规划，获得捞渣路径，控制捞渣机器人沿着捞渣路径进行捞渣，能够及时将锌锅中的积渣较厚的部位优先处理，积渣较薄的部位稍后处理，并且，在处理过程中能够规划出最优的线路，进而有效节约时间，提高了捞渣效率。
实施例二
基于相同的发明构思，本发明提供了一种优化捞渣的装置，如图6所示，包括：
确定模块601，用于通过摄像头对预设捞渣区域进行图像采集，获得捞渣区域图，并在所述捞渣区域图上确定多个待捞渣点；
第一获得模块602，用于基于所述捞渣区域图，获得每个待捞渣点的位置优先等级；
第二获得模块603，用于基于所述每个待捞渣点的锌渣特征，获得每个待捞渣点的锌渣特征等级；
第三获得模块604，用于基于所述每个待捞渣点的所述位置优先等级和所述锌渣特征等级，对所述每个待捞渣点的捞渣优先等级进行评分，获得每个待捞渣点的捞渣优先等级；
路径规划模块605，用于用于按照所述每个待捞渣点的捞渣优先等级，对所述多个待捞渣点进行路径规划，获得捞渣路径；
捞渣模块606，用于控制捞渣机器人沿着所述捞渣路径进行捞渣。
在一种可选的实施方式中，所述第二获得模块603，包括：
第一获取单元，用于获取所述每个待捞渣点的锌渣覆盖区域的面积、所述每个待捞渣点的单位面积的锌渣厚度、以及与所述锌渣覆盖区域的面积对应的第一权重、与所述单位面积的锌渣厚度对应的第二权重；
第一获得单元，用于基于所述每个待捞渣点的锌渣覆盖区域的面积、所述单位面积的锌渣厚度、以及与所述锌渣覆盖区域的面积对应的第一权重、与所述单位面积的锌渣厚度对应的第二权重，按照如下计算式，获得所述每个待捞渣点的锌渣特征等级：
dross p＝ax+by
其中，dross p为所述每个待捞渣点的锌渣特征等级，a为所述每个待捞渣点的锌渣覆盖区域的面积，b为所述每个待捞渣点的所述单位面积的锌渣厚度，x为与所述锌渣覆盖区域的面积对应的第一权重，y为与所述单位面积的锌渣厚度对应的第二权重。
在一种可选的实施方式中，第一获得模块602，包括：
划分单元，用于对所述捞渣区域图进行网格划分，获得N个矩形区域；其中，所述N个矩形区域的面积相等，N为大于等于2的整数；
等级确定单元，用于基于所述N个矩形区域分别与锌锅炉鼻子两侧的通道的距离关系，确定每个矩形区域的位置优先等级；
标注单元，用于对所述每个矩形区域的位置优先等级进行标注，获得与所述捞渣区域图对应的网格图；
第二获得单元，用于基于所述网格图，获得每个待捞渣点的位置优先等级。
在一种可选的实施方式中，第三获得模块604，包括：
评分单元，用于基于所述每个待捞渣点的所述位置优先等级和所述锌渣特征等级，按照如下计算式，对所述每个待捞渣点的捞渣优先等级进行评分，获得所述每个待捞渣点的捞渣优先等级：
G＝dross p*position p
其中，dross p为所述每个待捞渣点的所述锌渣特征等级，position p为所述每个待捞渣点的所述位置优先等级，G为所述每个待捞渣点的捞渣优先等级。
在一种可选的实施方式中，所述路径规划模块605，包括：
排序单元，用于按照所述多个待捞渣点的捞渣优先等级由高到低的顺序，对所述多个待捞渣点进行排序，获得排序结果；
建立基准坐标单元，用于以所述捞渣机器人为原点建立基准坐标，按照所述排序结果，将所述多个待捞渣点依次连线，并将首尾待捞渣点分别与所述原点连线，获得捞渣路径。
在一种可选的实施方式中，所述路径规划模块605，还包括：
长度值获取单元，用于在获得多条优化后的捞渣路径时，分别获取每条捞渣路径的长度值；
最优捞渣路径确定单元，用于基于每条捞渣路径的长度值，确定最短的捞渣路径为最优捞渣路径；
最优路径捞渣单元，用于基于所述最优捞渣路径进行捞渣。
在一种可选的实施方式中，所述确定模块601用于：
通过摄像头对锌锅内在以所述炉鼻子作为边缘的2/3部位区域进行图像采集，获得所述捞渣区域图。
实施例三
基于相同的发明构思，本发明第三实施例还提供了一种计算机设备，如图7所示，包括存储器704、处理器702及存储在存储器704上并可在处理器702上运行的计算机程序，所述处理器702执行所述程序时实现上述热轧板材异构数据的处理方法中的任一方法的步骤。
其中，在图7中，总线架构(用总线700来代表)，总线700可以包括任意数量的互联的总线和桥，总线700将包括由处理器702代表的一个或多个处理器和存储器704代表的存储器的各种电路链接在一起。总线700还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口706在总线700和接收器701和发送器703之间提供接口。接收器701和发送器703可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器702负责管理总线700和通常的处理，而存储器704可以被用于存储处理器702在执行操作时所使用的数据。
实施例四
基于相同的发明构思，本发明第四实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前文所述热轧板材异构数据的处理方法的任一方法的步骤。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的热轧板材异构数据的处理装置、计算机设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (9)
1.一种优化捞渣的方法，其特征在于，包括：
通过摄像头对预设捞渣区域进行图像采集，获得捞渣区域图，并在所述捞渣区域图上确定多个待捞渣点；
基于所述捞渣区域图，获得每个待捞渣点的位置优先等级；
基于所述每个待捞渣点的锌渣特征，获得所述每个待捞渣点的锌渣特征等级，包括：获取所述每个待捞渣点的锌渣覆盖区域的面积、所述每个待捞渣点的单位面积的锌渣厚度、以及与所述锌渣覆盖区域的面积对应的第一权重、与所述单位面积的锌渣厚度对应的第二权重；基于所述每个待捞渣点的锌渣覆盖区域的面积、所述单位面积的锌渣厚度、以及与所述锌渣覆盖区域的面积对应的第一权重、与所述单位面积的锌渣厚度对应的第二权重，按照如下计算式，获得所述每个待捞渣点的锌渣特征等级：
其中，
为所述每个待捞渣点的锌渣特征等级，
为所述每个待捞渣点的锌渣覆盖区域的面积，
为所述每个待捞渣点的所述单位面积的锌渣厚度，
为与所述锌渣覆盖区域的面积对应的第一权重，
为与所述单位面积的锌渣厚度对应的第二权重；
基于所述位置优先等级和所述锌渣特征等级，对所述每个待捞渣点进行评分，获得所述每个待捞渣点的捞渣优先等级；
按照所述每个待捞渣点的捞渣优先等级，对所述多个待捞渣点进行路径规划，获得捞渣路径；
控制捞渣机器人沿着所述捞渣路径进行捞渣。
2.如权利要求1所述的方法，其特征在于，所述基于所述捞渣区域图，获得每个待捞渣点的位置优先等级，包括：
对所述捞渣区域图进行网格划分，获得N个矩形区域；其中，所述N个矩形区域的面积相等，N为大于等于2的整数；
基于所述N个矩形区域分别与锌锅炉鼻子两侧的通道的距离关系，确定每个矩形区域的位置优先等级；
对所述每个矩形区域的位置优先等级进行标注，获得与所述捞渣区域图对应的网格图；
基于所述网格图，获得所述每个待捞渣点的位置优先等级。
3.如权利要求1所述的方法，其特征在于，所述基于所述每个待捞渣点的所述位置优先等级和所述锌渣特征等级，对所述每个待捞渣点的捞渣优先等级进行评分，获得所述每个待捞渣点的捞渣优先等级，包括：
基于所述每个待捞渣点的所述位置优先等级和所述锌渣特征等级，按照如下计算式，对所述每个待捞渣点的捞渣优先等级进行评分，获得所述每个待捞渣点的捞渣优先等级：
其中，
为所述每个待捞渣点的所述锌渣特征等级，
为所述每个待捞渣点的所述位置优先等级，
为所述每个待捞渣点的捞渣优先等级。
4.如权利要求1所述的方法，其特征在于，所述按照所述每个待捞渣点的捞渣优先等级，对所述多个待捞渣点进行路径规划，获得捞渣路径，包括：
按照所述捞渣优先等级由高到低的顺序，对所述多个待捞渣点进行排序，获得排序结果；
以所述捞渣机器人为原点建立基准坐标，按照所述排序结果将所述多个待捞渣点依次连线，并将首尾待捞渣点分别与所述原点连线，获得所述捞渣路径。
5.如权利要求1所述的方法，其特征在于，在获得捞渣路径之后，还包括：
在获得多条捞渣路径时，分别获取每条捞渣路径的长度值；
基于所述每条捞渣路径的长度值，确定最短的捞渣路径为最优捞渣路径；
基于所述最优捞渣路径进行捞渣。
6.如权利要求2所述的方法，其特征在于，所述通过摄像头对预设捞渣区域进行图像采集，获得捞渣区域图，包括：
通过摄像头对锌锅内在以所述炉鼻子作为边缘的2/3部位区域进行图像采集，获得所述捞渣区域图。
7.一种优化捞渣的装置，其特征在于，包括：
确定模块，用于通过摄像头对预设捞渣区域进行图像采集，获得捞渣区域图，并在所述捞渣区域图上确定多个待捞渣点；
第一获得模块，用于基于所述捞渣区域图，获得所述每个待捞渣点的位置优先等级；
第二获得模块，用于基于所述每个待捞渣点的锌渣特征，获得所述每个待捞渣点的锌渣特征等级，包括：获取所述每个待捞渣点的锌渣覆盖区域的面积、所述每个待捞渣点的单位面积的锌渣厚度、以及与所述锌渣覆盖区域的面积对应的第一权重、与所述单位面积的锌渣厚度对应的第二权重；基于所述每个待捞渣点的锌渣覆盖区域的面积、所述单位面积的锌渣厚度、以及与所述锌渣覆盖区域的面积对应的第一权重、与所述单位面积的锌渣厚度对应的第二权重，按照如下计算式，获得所述每个待捞渣点的锌渣特征等级：
其中，
为所述每个待捞渣点的锌渣特征等级，
为所述每个待捞渣点的锌渣覆盖区域的面积，
为所述每个待捞渣点的所述单位面积的锌渣厚度，
为与所述锌渣覆盖区域的面积对应的第一权重，
为与所述单位面积的锌渣厚度对应的第二权重；
第三获得模块，用于基于所述每个待捞渣点的所述位置优先等级和所述锌渣特征等级，对所述每个待捞渣点的捞渣优先等级进行评分，获得所述每个待捞渣点的捞渣优先等级；
路径规划模块，用于按照所述每个待捞渣点的捞渣优先等级，对所述多个待捞渣点进行路径规划，获得捞渣路径；
捞渣模块，用于控制捞渣机器人沿着所述捞渣路径进行捞渣。
8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一权利要求所述的方法步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一权利要求所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010528048.5A CN111705283B (zh) | 2020-06-10 | 2020-06-10 | 一种优化捞渣的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010528048.5A CN111705283B (zh) | 2020-06-10 | 2020-06-10 | 一种优化捞渣的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111705283A CN111705283A (zh) | 2020-09-25 |
| CN111705283B true CN111705283B (zh) | 2022-07-05 |
Family
ID=72539529
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010528048.5A Active CN111705283B (zh) | 2020-06-10 | 2020-06-10 | 一种优化捞渣的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111705283B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN212495386U (zh) * | 2020-08-12 | 2021-02-09 | 烟台盛利达工程技术有限公司 | 基于机器视觉的捞渣系统 |
| CN113337789B (zh) * | 2021-04-29 | 2023-05-02 | 武汉钢铁有限公司 | 一种热镀镀渣打捞控制方法及装置 |
| CN115386821B (zh) * | 2021-05-25 | 2024-04-09 | 上海宝信软件股份有限公司 | 一种基于锌渣生产量的清渣自动启停控制装置 |
| CN113802077A (zh) * | 2021-08-16 | 2021-12-17 | 武汉钢铁有限公司 | 一种锌锅面渣处理方法及系统 |
| CN114782400B (zh) * | 2022-05-17 | 2023-06-20 | 东风本田发动机有限公司 | 金属物料渣点检测方法、装置、设备、介质和程序产品 |
| CN115520987B (zh) * | 2022-09-13 | 2024-05-28 | 华能曲阜热电有限公司 | 一种刮板捞渣机尾部积渣处理装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108411237A (zh) * | 2018-06-12 | 2018-08-17 | 武汉钢铁有限公司 | 一种用于清除热镀锌炉鼻子锌灰的装置 |
| CN109834712A (zh) * | 2019-03-01 | 2019-06-04 | 广东工业大学 | 一种机器人抓取顺序优化的方法 |
| KR20190076781A (ko) * | 2017-12-22 | 2019-07-02 | 주식회사 포스코 | 딥러닝 기반의 슬래그 자동 제거 장치 및 방법 |
| CN110516857A (zh) * | 2019-08-12 | 2019-11-29 | 中国农业大学 | 一种死鱼捕捞路径规划方法、服务器及死鱼捕捞装置 |
| CN111101085A (zh) * | 2020-01-06 | 2020-05-05 | 宝钢湛江钢铁有限公司 | 一种锌锅锌液面浮渣全自动捞渣系统及其捞渣方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190112679A (ko) * | 2019-09-10 | 2019-10-07 | 엘지전자 주식회사 | 로봇 시스템 및 그 제어 방법 |
-
2020
- 2020-06-10 CN CN202010528048.5A patent/CN111705283B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190076781A (ko) * | 2017-12-22 | 2019-07-02 | 주식회사 포스코 | 딥러닝 기반의 슬래그 자동 제거 장치 및 방법 |
| CN108411237A (zh) * | 2018-06-12 | 2018-08-17 | 武汉钢铁有限公司 | 一种用于清除热镀锌炉鼻子锌灰的装置 |
| CN109834712A (zh) * | 2019-03-01 | 2019-06-04 | 广东工业大学 | 一种机器人抓取顺序优化的方法 |
| CN110516857A (zh) * | 2019-08-12 | 2019-11-29 | 中国农业大学 | 一种死鱼捕捞路径规划方法、服务器及死鱼捕捞装置 |
| CN111101085A (zh) * | 2020-01-06 | 2020-05-05 | 宝钢湛江钢铁有限公司 | 一种锌锅锌液面浮渣全自动捞渣系统及其捞渣方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111705283A (zh) | 2020-09-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111705283B (zh) | 一种优化捞渣的方法及装置 | |
| CN102744727B (zh) | 预测机器人的着眼部位与周边物的干涉的方法及装置 | |
| CN109176511B (zh) | 适用于机器人调度的优先级判定处理方法及装置 | |
| CN112102369A (zh) | 水面漂浮目标自主巡检方法、装置、设备及存储介质 | |
| CN112011750B (zh) | 基于机器视觉的捞渣方法及机器人系统 | |
| WO2010041371A1 (ja) | ワーク取り出し方法 | |
| CN111331607B (zh) | 一种基于机械臂的自主抓取与码垛方法及系统 | |
| EP3812105B1 (en) | Artificial intelligence architecture for industrial welding | |
| CN110825088B (zh) | 一种多目视觉导引船体清洁机器人系统及清洁方法 | |
| CN111683798A (zh) | 工件拾取装置以及工件拾取方法 | |
| WO2022070947A1 (ja) | 信号処理装置、撮像装置、信号処理方法 | |
| CN105719241B (zh) | 一种基于视觉扫描的船槽定位方法 | |
| CN113284178B (zh) | 物体码垛方法、装置、计算设备及计算机存储介质 | |
| CN112465192B (zh) | 任务调度的方法、装置、设备及介质 | |
| GB2596475A (en) | System and method for surface feature detection and traversal | |
| CN112487861A (zh) | 车道线识别方法、装置、计算设备及计算机存储介质 | |
| CN105469401B (zh) | 一种基于计算机视觉的船槽定位方法 | |
| CN117237616B (zh) | 一种钢板堆场的物料调运扫描识别系统及方法 | |
| JP5953166B2 (ja) | 画像処理装置及びプログラム | |
| CN110084179B (zh) | 图框识别方法及系统 | |
| Tavakkoli-Moghaddam et al. | Integrated waterway scheduling, berth allocation and quay crane assignment problem by using a hybrid flow shop concept | |
| CN115320637A (zh) | 一种自动驾驶方法、装置及存储介质 | |
| Zhang et al. | Five-tiered route planner for multi-AUV accessing fixed nodes in uncertain ocean environments | |
| JP2004318825A (ja) | 複数のポリゴンから構成される３次元モデルを２次元平面に投影する際の陰線を消去する陰線処理方法 | |
| CN113788017A (zh) | 一种车道保持控制方法、系统、电子设备及存储介质 |
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 |