CN111807003A - 一种用于带式输送机的非金属异物检测系统 - Google Patents
一种用于带式输送机的非金属异物检测系统 Download PDFInfo
- Publication number
- CN111807003A CN111807003A CN202010783653.7A CN202010783653A CN111807003A CN 111807003 A CN111807003 A CN 111807003A CN 202010783653 A CN202010783653 A CN 202010783653A CN 111807003 A CN111807003 A CN 111807003A
- Authority
- CN
- China
- Prior art keywords
- industrial camera
- belt conveyor
- foreign matter
- matter detection
- detection system
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 66
- 229910052755 nonmetal Inorganic materials 0.000 title description 3
- 150000002843 nonmetals Chemical class 0.000 title description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000005507 spraying Methods 0.000 claims abstract description 21
- 238000004891 communication Methods 0.000 claims description 9
- 239000007921 spray Substances 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 239000003245 coal Substances 0.000 claims description 5
- 230000036544 posture Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 8
- 238000004140 cleaning Methods 0.000 abstract description 5
- 239000000428 dust Substances 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 abstract 1
- 230000000007 visual effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
- B65G43/02—Control devices, e.g. for safety, warning or fault-correcting detecting dangerous physical condition of load carriers, e.g. for interrupting the drive in the event of overheating
-
- B08B1/12—
-
- 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
- B08B3/02—Cleaning by the force of jets or sprays
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/04—Detection means
- B65G2203/041—Camera
Abstract
本发明公开了一种用于带式输送机的非金属异物检测系统，主要涉及带式输送机智能检测相关技术领域；包括：图像采集仓；工业相机；工业相机光源；相机防尘罩；雨刷；喷水装置；高性能图像处理服务器，所述高性能图像处理服务器通过网口连接工业相机，用于读取工业相机采集到的图像，部署基于Darknet目标检测框架的异物检测服务；客户端，所述客户端用于检测状态和检测结果展示；控制板，所述客户端、高性能图像处理服务器、喷水装置均与控制板信号连接；本发明采用了基于计算机视觉的深度学习目标检测方法，从方法上解决了识别准确率和识别效率的问题，从配套硬件上解决了光源和镜头清洁问题。
Description
技术领域
本发明主要涉及带式输送机智能检测相关技术领域，具体是一种用于带式输送机的非金属异物检测系统。
背景技术
众所周知的，带式输送机输送带上的异物是造成皮带损伤甚至撕裂的主要因素，特别是煤矿井下皮带，造价昂贵，若发生纵向撕裂，将产生极大的经济损失，甚至危害现场工作人员的人身安全。
目前，现有的防撕裂保护系统多为故障发生后，是通过检测故障再进行控制，虽能减少一部分损失，但未根本上解决问题。而现有的从源头上出发的异物检测手段包括人工检测、金属探测器、雷达探测、视觉识别等。
其中，人工检测效率低、人员安全风险增加；金属探测器方法是一种比较常用的方法，对去除金属类异物起到很好的作用，但对非金属异物无作用；雷达探测成本高、维护困难；视觉识别解决了前几种方法的缺陷，但是由于需要使用高清摄像头，煤矿下的恶劣环境，光线和保持镜头清洁成为一个难题，而且各种复杂的环境使视觉识别算法的抗干扰能力差、识别准确率低或者是识别效率低。
发明内容
本发明的目的在于解决现有技术中存在的问题，提供一种用于带式输送机的非金属异物检测系统，采用了基于计算机视觉的深度学习目标检测方法，从方法上解决了识别准确率和识别效率的问题，从配套硬件上解决了光源和镜头清洁问题。
本发明为实现上述目的，通过以下技术方案实现：
一种用于带式输送机的非金属异物检测系统，包括：
图像采集仓，所述图像采集仓上设有供带式输送机通过的通道，所述通道与带式输送机之间无接触；
工业相机，所述工业相机位于带式输送机的上侧，所述工业相机安装在图像采集仓内的顶部的中央；
工业相机光源，所述工业相机光源安装于图像采集仓内的顶部的左右两侧；
相机防尘罩，所述相机防尘罩套装在工业相机上，所述相机防尘罩的前端设有透明罩；
雨刷，所述雨刷由舵机控制，所述雨刷用于刮擦透明罩的前端面；
喷水装置，所述喷水装置用于向透明罩的前端面喷水；
高性能图像处理服务器，所述高性能图像处理服务器通过网口连接工业相机，用于读取工业相机采集到的图像，部署基于Darknet目标检测框架的异物检测服务；
客户端，所述客户端用于检测状态和检测结果展示；
控制板，所述客户端、高性能图像处理服务器、喷水装置均与控制板信号连接。
优选的，所述喷水装置包含水泵、水箱和喷头，所述喷头指向透明罩的前端面。
优选的，所述基于Darknet目标检测框架的异物检测服务采用YOLOv4网络模型，在预训练模型基础上迁移学习，训练实际带式输送机载料运行场景中采样的样本集，获得异物检测的网络模型。
优选的，所述的样本集是在实验室环境中模拟现场异物在煤料中的各种姿态，遍历多个方向和距离拍摄的图像，然后人工标定检测框和类别，制作成YOLO支持格式的样本集。
优选的，所述的异物检测的网络模型，边应用边扩充样本集边微调，逐步获得高准确率的模型。
优选的，所述检测状态是指工业相机的连接状态、控制板的连接状态，所述高性能图像处理服务器通过工业相机驱动可直接读取工业相机状态，所述控制板的工作状态是采取与高性能图像处理服务器间的心跳通信监控的，根据通信状态判断控制板的状态以及通信消息判断控制板连接的喷水装置的状态。
优选的，所述工业相机光源包括条带led光源、均光板。
优选的，所述工业相机与水平面的夹角为60°。
对比现有技术，本发明的有益效果在于：
1、本发明解决了计算机视觉在带式输送机运行场景下的防尘问题，具有实际应用意义；
2、本发明使计算机视觉检测方法的检测准确度和效率达到较高的水平，使具有竞争力；
3、本发明是一种解决皮带纵向撕裂问题的轻量级解决方法，低成本、部署简单，更具有推广价值。
附图说明
附图1是本发明的结构示意图；
附图2是图像采集仓的内部硬件部署的示意简图；
附图3是工业相机部署的示意简图；
附图4是相机防尘罩的示意简图；
附图5是本发明的硬件装置连接示意简图；
附图6是本发明的检测方式实现的流程框图。
附图中标号：1、图像采集仓；11、带式输送机；12、通道；2、工业相机；3、工业相机光源；4、相机防尘罩；41、透明罩；5、雨刷；51、舵机；6、喷水装置；61、水泵；62、水箱；63、喷头；7、高性能图像处理服务器；8、客户端；9、控制板。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所限定的范围。
实施例：如附图1-6所示，本发明所述是一种用于带式输送机的非金属异物检测系统，包括：
图像采集仓1，在所述图像采集仓1上设有供带式输送机11通过的贯穿通道12，所述通道12与带式输送机11之间无接触，本发明的整个系统的硬件装置均布置在图像采集仓1内，本实施例中的带式输送机11的输送带宽2米、高1.5米，图像采集仓1长3米、宽2.8米、高2.5米，外部防水防尘；
工业相机2，所述工业相机2采用高清高帧率相机，可支持带式输送机11最大运行速度时采集清晰图像，设置于带式输送机11上方，安装在图像采集仓1的顶部中央的后侧(以带式输送机11运行方向为前方)，使视野正对带式输送机11的输送带上的物料，视野可包含带式输送机11上运载物料的完整轮廓；
优选的，为了扩大工业相机的视野，工业相机2倾斜安装，与水平方向的夹角为60°，工业相机2沿输送带1运行方向的视野可达到宽1.5、高1.5米；
工业相机光源3，所述工业相机光源3安装于图像采集仓1内的顶部的左右两侧，优选的，所述工业相机光源3采用条带led光源，设置于所述图像采集仓1的顶部两侧边缘，并加均光板，用于制造稳定的可见光环境；
相机防尘罩4，所述相机防尘罩4套装在工业相机2上，所述相机防尘罩4的前端设有透明罩41，相机防尘罩4使工业相机2整体密封，且镜头前的透明罩41为透明方形玻璃罩，相机防尘罩4、透明罩41均为防水防尘罩；
雨刷5，所述雨刷5由舵机51控制，所述雨刷5用于刮擦透明罩41的前端面，舵机51安装在相机防尘罩4中，雨刷5安装在透明罩41的前端面上，由舵机51控制雨刷5左右移动擦干透明罩41；
喷水装置6，所述喷水装置6用于向透明罩41的前端面喷水，优选的，所述喷水装置6包含水泵61、水箱62和喷头63，喷水装置6的喷头63安装在工业相机2的正前方，所述喷头63指向透明罩41的前端面，喷水范围可完全覆盖透明罩41的前端面；
高性能图像处理服务器7，所述高性能图像处理服务器7通过网口连接工业相机2，用于读取工业相机2采集到的图像，部署基于Darknet目标检测框架的异物检测服务，实时处理帧率可达到30FPS以上；
客户端8，所述客户端8用于检测状态和检测结果展示；
控制板9，所述控制板9与所述高性能图像处理服务器7通过串口连接，高性能图像处理服务器7可向控制板9发送开启关闭水泵61、开启关闭雨刷5指令，高性能图像处理服务器7可接收控制板9发送的水泵61状态、舵机51状态；通过GPIO口控制所述喷水装置6中的水泵61开关；通过发送PWM信号控制舵机51；
GIGE千兆网口工业相机2直接通过网口连接高性能图像处理服务器7，高性能图像处理服务器7的另一个网口连接控制板9，用于传递客户端指令并接受控制板9的状态；所述工业相机2、控制板9、水泵61均外接12V直流电源供电，舵机51的5V电源直接由控制板9的转压模块提供；功能实现上，高性能图像处理服务器7除提供图像处理功能外还提供客户端8与工业相机2透明罩41清洗单元交互的服务，该服务除提供人为通过客户端8控制清洗指令外，还提供定时或通过带式输送机11运行状态判断自动控制清洗功能；
图像采集仓1内一侧装有控制仓，水泵61、水箱62、控制板9均安装在控制仓中。
检测方法总体基于YOLOV4目标检测方法，模型的准确率是整个应用实施的关键，由于需要大量的样本集，而在前期总存在现场数据不足的问题。本实施例优化迭代模型的方法是首先在实验室模拟现场环境，采集样本时考虑了光强度、视野高度、视野角度、成像模糊度等影响样本特征的因素，尽可能的增强了样本量(质量和数量)，在完成图像标定后制作成初始样本集，并采用迁移学习的方式，训练得到初始异物检测模型；然后应用于现场环境试运行，试运行时可固定场景，采集的图像一部分用于重新丰富初始样本集，周期性微调训练模型，一部分用于测试集，检验当前模型的准确率，迭代训练一定周期，当达到设计要求的检测准确率后，再投入正式部署，当发现异物时将提供报警信息并保存现场记录。
优选的，所述基于Darknet目标检测框架的异物检测服务采用YOLOv4网络模型，在预训练模型基础上迁移学习，训练实际带式输送机11载料运行场景中采样的样本集，获得异物检测的网络模型。
优选的，所述的样本集是在实验室环境中模拟现场异物在煤料中的各种姿态，遍历多个方向和距离拍摄的图像，然后人工标定检测框和类别，制作成YOLO支持格式的样本集。
优选的，所述的异物检测的网络模型，边应用边扩充样本集边微调，逐步获得高准确率的模型。
进一步的，所述检测状态是指工业相机2的连接状态、控制板9的连接状态，所述高性能图像处理服务器7通过工业相机2驱动可直接读取工业相机2状态，所述控制板9的工作状态是采取与高性能图像处理服务器7间的心跳通信监控的，根据通信状态判断控制板9的状态以及通信消息判断控制板9连接的喷水装置6的状态。
本发明解决了计算机视觉在带式输送机运行场景下的防尘问题，具有实际应用意义；本发明使计算机视觉检测方法的检测准确度和效率达到较高的水平，使具有竞争力；本发明是一种解决皮带纵向撕裂问题的轻量级解决方法，低成本、部署简单，更具有推广价值。
Claims (8)
1.一种用于带式输送机的非金属异物检测系统，其特征在于，包括：
图像采集仓(1)，所述图像采集仓(1)上设有供带式输送机(11)通过的通道(12)，所述通道(12)与带式输送机(11)之间无接触；
工业相机(2)，所述工业相机(2)位于带式输送机(11)的上侧，所述工业相机(2)安装在图像采集仓(1)内的顶部的中央；
工业相机光源(3)，所述工业相机光源(3)安装于图像采集仓(1)内的顶部的左右两侧；
相机防尘罩(4)，所述相机防尘罩(4)套装在工业相机(2)上，所述相机防尘罩(4)的前端设有透明罩(41)；
雨刷(5)，所述雨刷(5)由舵机(51)控制，所述雨刷(5)用于刮擦透明罩(41)的前端面；
喷水装置(6)，所述喷水装置(6)用于向透明罩(41)的前端面喷水；
高性能图像处理服务器(7)，所述高性能图像处理服务器(7)通过网口连接工业相机(2)，用于读取工业相机(2)采集到的图像，部署基于Darknet目标检测框架的异物检测服务；
客户端(8)，所述客户端(8)用于检测状态和检测结果展示；
控制板(9)，所述客户端(8)、高性能图像处理服务器(7)、喷水装置(6)均与控制板(8)信号连接。
2.根据权利要求1所述的一种用于带式输送机的非金属异物检测系统，其特征在于：所述喷水装置(6)包含水泵(61)、水箱(62)和喷头(63)，所述喷头(63)指向透明罩(41)的前端面。
3.根据权利要求1所述的一种用于带式输送机的非金属异物检测系统，其特征在于：所述基于Darknet目标检测框架的异物检测服务采用YOLOv4网络模型，在预训练模型基础上迁移学习，训练实际带式输送机(11)载料运行场景中采样的样本集，获得异物检测的网络模型。
4.根据权利要求3所述的一种用于带式输送机的非金属异物检测系统，其特征在于：所述的样本集是在实验室环境中模拟现场异物在煤料中的各种姿态，遍历多个方向和距离拍摄的图像，然后人工标定检测框和类别，制作成YOLO支持格式的样本集。
5.根据权利要求3所述的一种用于带式输送机的非金属异物检测系统，其特征在于：所述的异物检测的网络模型，边应用边扩充样本集边微调，逐步获得高准确率的模型。
6.根据权利要求1所述的一种用于带式输送机的非金属异物检测系统，其特征在于：所述检测状态是指工业相机(2)的连接状态、控制板(9)的连接状态，所述高性能图像处理服务器(7)通过工业相机(2)驱动可直接读取工业相机(2)状态，所述控制板(9)的工作状态是采取与高性能图像处理服务器(7)间的心跳通信监控的，根据通信状态判断控制板(9)的状态以及通信消息判断控制板(9)连接的喷水装置(6)的状态。
7.根据权利要求1所述的一种用于带式输送机的非金属异物检测系统，其特征在于：所述工业相机光源(3)包括条带led光源、均光板。
8.根据权利要求1所述的一种用于带式输送机的非金属异物检测系统，其特征在于：所述工业相机(2)与水平面的夹角为60°。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010783653.7A CN111807003A (zh) | 2020-08-06 | 2020-08-06 | 一种用于带式输送机的非金属异物检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010783653.7A CN111807003A (zh) | 2020-08-06 | 2020-08-06 | 一种用于带式输送机的非金属异物检测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111807003A true CN111807003A (zh) | 2020-10-23 |
Family
ID=72864553
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010783653.7A Pending CN111807003A (zh) | 2020-08-06 | 2020-08-06 | 一种用于带式输送机的非金属异物检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111807003A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112633176A (zh) * | 2020-12-24 | 2021-04-09 | 广西大学 | 一种基于深度学习的轨道交通障碍物检测方法 |
| CN112785557A (zh) * | 2020-12-31 | 2021-05-11 | 神华黄骅港务有限责任公司 | 皮带料流检测方法及装置、皮带料流检测系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203283810U (zh) * | 2013-06-13 | 2013-11-13 | 西安科技大学 | 一种基于图像处理技术的矿下皮带输送机检测系统 |
| CN104614375A (zh) * | 2015-01-16 | 2015-05-13 | 郑州轻工业学院 | 食品多重包装物无损检测系统 |
| CN109164665A (zh) * | 2018-08-27 | 2019-01-08 | 金川集团股份有限公司 | 一种用于重污染环境的工业相机保护装置 |
| CN110674702A (zh) * | 2019-09-04 | 2020-01-10 | 精英数智科技股份有限公司 | 一种矿井图像场景分类方法、装置及设备、系统 |
| CN111242108A (zh) * | 2020-04-26 | 2020-06-05 | 华夏天信（北京）智能低碳技术研究院有限公司 | 基于目标检测的皮带转载点堵煤识别方法 |
| CN111429418A (zh) * | 2020-03-19 | 2020-07-17 | 天津理工大学 | 一种基于YOLO v3神经网络的工业零件检测方法 |
-
2020
- 2020-08-06 CN CN202010783653.7A patent/CN111807003A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203283810U (zh) * | 2013-06-13 | 2013-11-13 | 西安科技大学 | 一种基于图像处理技术的矿下皮带输送机检测系统 |
| CN104614375A (zh) * | 2015-01-16 | 2015-05-13 | 郑州轻工业学院 | 食品多重包装物无损检测系统 |
| CN109164665A (zh) * | 2018-08-27 | 2019-01-08 | 金川集团股份有限公司 | 一种用于重污染环境的工业相机保护装置 |
| CN110674702A (zh) * | 2019-09-04 | 2020-01-10 | 精英数智科技股份有限公司 | 一种矿井图像场景分类方法、装置及设备、系统 |
| CN111429418A (zh) * | 2020-03-19 | 2020-07-17 | 天津理工大学 | 一种基于YOLO v3神经网络的工业零件检测方法 |
| CN111242108A (zh) * | 2020-04-26 | 2020-06-05 | 华夏天信（北京）智能低碳技术研究院有限公司 | 基于目标检测的皮带转载点堵煤识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 杨建伟等: "基于深度学习优化YOLOV3算法的芳纶带检测算法研究", 《中国矿业》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112633176A (zh) * | 2020-12-24 | 2021-04-09 | 广西大学 | 一种基于深度学习的轨道交通障碍物检测方法 |
| CN112633176B (zh) * | 2020-12-24 | 2023-03-14 | 广西大学 | 一种基于深度学习的轨道交通障碍物检测方法 |
| CN112785557A (zh) * | 2020-12-31 | 2021-05-11 | 神华黄骅港务有限责任公司 | 皮带料流检测方法及装置、皮带料流检测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101510356B (zh) | 视频检测系统及其数据处理装置、视频检测方法 | |
| CN107909575B (zh) | 针对振动筛运行状态的双目视觉在线检测装置及检测方法 | |
| CN106940884B (zh) | 一种包含深度信息的动车组运行故障图像检测系统及检测方法 | |
| CN111807003A (zh) | 一种用于带式输送机的非金属异物检测系统 | |
| CN102759347B (zh) | 一种高铁接触网在线巡检装置、巡检方法以及其检测系统 | |
| CN201890600U (zh) | 机器视觉皮带撕裂检测装置 | |
| CN110046584B (zh) | 一种基于无人机巡检的道路裂纹检测装置及检测方法 | |
| EP3624436B1 (en) | Image collection control method and device, and vehicle chassis image obtaining system | |
| CN114113118B (zh) | 一种地铁隧道衬砌裂缝渗漏水病害快速检测装置及其检测方法 | |
| CN207091986U (zh) | 一种机场跑道异物检测及清理系统 | |
| CN106705862A (zh) | 一种快速换轨作业轨枕螺栓位置检测方法 | |
| CN110954968A (zh) | 一种机场跑道异物检测装置及方法 | |
| CN114047197A (zh) | 基于机器视觉的线缆表面缺陷检测用装置及操作方法 | |
| CN202947691U (zh) | 一种检测冰雪厚度的装置 | |
| CN204305214U (zh) | 铁路货车装载状态高清图像系统 | |
| CN204044383U (zh) | 曲线地铁站台屏蔽门与列车间异物自动检测装置 | |
| CN208172420U (zh) | 一种液晶模组外观缺陷检测系统 | |
| CN113092502A (zh) | 一种无人机路面破损检测方法与系统 | |
| CN110130921B (zh) | 一种tbm及其皮带机出渣信息采集装置 | |
| CN108198164A (zh) | 一种电缆隧道电缆完整性的检测装置及方法 | |
| CN112308841A (zh) | 一种基于视觉的光伏电池板玻璃破碎风险分析系统 | |
| CN106053484A (zh) | 一种液晶玻璃表面异物的检测设备及其检测方法 | |
| CN205653690U (zh) | 一种夜间机场跑道异物、磨损检测系统 | |
| CN114426187A (zh) | 一种数据融合及深度学习的刮板链条预警系统和检测方法 | |
| CN109951687B (zh) | 一种煤矿井下环境机器视觉实现系统 |
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 |
Application publication date: 20201023 |
|
| RJ01 | Rejection of invention patent application after publication |