CN111951224A - 基于机器视觉的抽水马桶固体物检测方法及检测装置 - Google Patents
基于机器视觉的抽水马桶固体物检测方法及检测装置 Download PDFInfo
- Publication number
- CN111951224A CN111951224A CN202010700112.3A CN202010700112A CN111951224A CN 111951224 A CN111951224 A CN 111951224A CN 202010700112 A CN202010700112 A CN 202010700112A CN 111951224 A CN111951224 A CN 111951224A
- Authority
- CN
- China
- Prior art keywords
- area
- solid
- detection
- water
- toilet bowl
- 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
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests
-
- 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
- G06T7/13—Edge detection
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Abstract
本发明提供一种基于机器视觉的抽水马桶固体物检测方法及检测装置,检测方法包括S1、识别马桶体中的水封区域;S2、根据马桶体中的水封区域确定固体物检测区域;S3、通过检测冲水后固体物检测区域内PP球的剩余数量,判断抽水马桶的排放能力;S4、检测其它固体物的排放能力。检测装置包括点光源阵列、工业相机、冲水电机、齿轮、冲水杆、水管、电磁阀和降压阀等,点光源阵列用于识别水封区域,工业相机用于识别固体物,冲水电机、齿轮、冲水杆组成传动机构。该检测装置与检测方法能提高抽水马桶设计及检测过程的自动化水平,同时快速高效地满足标准中抽水马桶固体物排放功能检测的要求。
Description
技术领域
本发明涉及图像处理技术,具体涉及一种基于机器视觉的抽水马桶固体物检测方法及检测装置。
背景技术
抽水马桶设计过程中需要对设计的功能指标进行检验,然而抽水马桶功能检测指标繁多复杂,人工检测准确度不高且效率低下。对于抽水马桶固体排放物功能的检测,传统的靠人工计数的检测难以满足实际要求,需要更为快速精确高效的检测方法。得益于数字图像处理技术发展,检测装置自动识别抽水马桶固体排放物残余情况变得可能。然而在针对不同技术指标下的不同固体物的识别过程中,依靠传统的单一边缘算子图像分割等方法难于满足实际应用需求。本发明设计了抽水马桶固体物检测装置,根据抽水马桶的抽水实现原理提供了抽水马桶半冲、全冲功能。对实际检测中的主要固体物如PP球、PE球等,根据环境水体与釉体反光差异,环境灰度差异等对抽水马桶中水封区域进行分割,依靠固体物几何形状及颜色特征实现了固体物检测。
发明内容
本发明的目的是提供一种抽水马桶固体排放物功能检测装置及方法,实现中国标准、美国标准、澳洲标准及欧洲标准等标准中所述抽水马桶固体物排放功能检测要求,以解决现有的靠人工计数的检测工作内容单一,效率低下等问题。
本发明实施方式的一种基于机器视觉的抽水马桶固体物检测方法,其包括以下步骤:
S1:识别马桶体中的水封区域,识别过程为:
S11:对抽水马桶施加M*N的LED光源阵列,其中,M为阵列行数、N为阵列列数;
S12:根据高亮阵列区域特征点,提取水封区域;
S13:根据所述水封区域的几何轮廓特征实现水封区域的识别;
S2:根据马桶体中的水封区域确定所述固体物检测区域;
S3:通过检测冲水后所述固体物检测区域内PP球的剩余数量,判断抽水马桶的排放能力,所述检测PP球的检测过程为:
S31:提取固体物检测区域,将固体检测物区域分为深水区域与浅水区域:根据深水区和浅水区不同灰度特征识别两区域固体物;
S32:应用迭代选择阈值法分割深水区域与浅水区域:在水封区域中根据深水区部分和浅水区部分存在分区域的灰度差异,首先预设阈值区间[a,b],利用计算新的阈值并逐次迭代到最小,其中T为分割阈值,a、b为预设阈值区间,Pi为灰度为i的像素数量,取最优阈值T将原图像分为前景色与背景色,以有效地分割深水区域和浅水区域;
S33:提取浅水区和深水区的PP球区域:首先提取深水区域,生成无固体物的深水区域模板,将得到的深水区域图与无固体物的深水区域模板进行相关性计算,根据PP球的圆形特征,在边长为D的方形区域中求解相关性数值λ:
其中r为已知PP球半径,Amn、Bmn分别为检测图和原图在矩阵mn位置数值,将相关性大于阈值的数据标记为深水区PP球区域,浅水区PP球区域的标记通过差分算法将检测到的边缘进行标记,差分算法表达式为:
Gx=(-2)*(f(x-1,y-1)+f(x,y-1)+f(x-1,y))+2*(f(x+1,y)+f(x,y+1)+f(x+1,y+1))+(f(x-1,y+1)+f(x+1,y-1)+f(x,y))
Gy=(-2)*(f(x,y-1)+f(x+1,y-1)+f(x+1,y))+2*(f(x-1,y)+f(x,y+1)+f(x-1,y+1))+(f(x-1,y-1)+f(x+1,y+1)+f(x,y))
T2=|Gx 2-Gy 2|
其中f(x,y)表示图像(x,y)点的灰度值,Gx、Gy、T2为计算结果,当T2值大于阈值T3时,该点为浅水区PP球边缘点;
S34:结合边缘及相似度参数提取PP球区域:将步骤S33中得到的浅水区PP球区域和深水区PP球区域进行处理以实现PP球区域标记,引入圆度特征Tc:
式中S为标记的PP球区域面积,C为标记的PP球区域周长,当圆度特征T处于设定阈值中间时,将区域连通,结合圆度特征通过区域连通可以将整个水封中检测区域的PP球区域识别出来
S35:将识别到的PP球区域的像素总数除以单个PP球区域像素数量可以得到PP球的剩余个数,当剩余个数小于达标个数时,则抽水马桶的设计达标;
S4:检测固体物PE、海绵、纸张和味噌的排放能力。
优选地,所述S4中检测固体物PE、海绵、纸张和味噌的排放能力的检测步骤包括:S41:确定固体物类别,对图像进行预处理;S42:通过阈值分割算法及边缘检测算法识别固体物区域;S43:标记固体物位置及范围,计算固体物像素数量,分析抽水后固体物的剩余情况,判断相应固体物的排放能力。
优选地,在所述光源阵列下,高亮区域集中在水封区域,通过特征点、直线、平行线、垂直结构和圆曲线结构的提取实现所述水封区域的识别。
一种基于机器视觉的抽水马桶固体物检测方法的检测装置,其包括点光源阵列、工业相机、冲水电机、齿轮、冲水杆、水管、电磁阀、降压阀、排污口、排污管道和固体物拦截网,固定板下方连接有点光源阵列和工业相机,所述点光源阵列和工业相机均通过导线连接到控制单元和电源模块,所述点光源阵列用于识别水封区域,所述工业相机位于所述点光源阵列下方,用于识别固体物;所述冲水电机与控制单元、电源模块和齿轮相连,所述齿轮带动所述冲水杆上下移动,进而控制抽水马桶的全冲水及半冲水,所述水管分别与所述电磁阀、所述降压阀相连,所述电磁阀控制水进出,所述降压阀控制进水压力大小,排污管道排除污水及固体物,固体物拦截网拦截固体物;所述排污口与抽水马桶排污口对齐,所述冲水杆与抽水马桶排水阀控制杆相连,打开电磁阀和降压阀,往抽水马桶注水,当冲水电机转动带动抽水马桶排水后,打开点光源阵列和工业相机进行检测。
与现有技术相比具有这样的有益效果:
(1)通过基于机器视觉的抽水马桶固体物检测方法解决了该领域自动检测从无到有的问题,提高了抽水马桶设计及检测过程的自动化水平;
(2)固体物检测方法中通过分析抽水马桶体中不同区域和要检测不同固体物的灰度特征及几何特征等设计了精简的识别方法,达到了快速高效和替代人工的效果。
附图说明
图1是本发明的检测方案流程图;
图2是本发明的装置示意图;
图3是水封区域反射图;
图4a是水封示意图;
图4b是深水区域分割图;
图4c是浅水区PP球区域识别图;
图4d是PE球识别图;
图4e是海绵及纸张分割图;以及
图4f是味噌识别图。
附图标记:
点光源阵列10、工业相机11、冲水电机20、齿轮21、冲水杆22、水管30、电磁阀31、降压阀32、排污口40、排污管道41、固体物拦截网42。
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。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。
需要注意的为,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
下面结合附图与具体实施方式对本发明提出的基于机器视觉的抽水马桶固体物检测方法及检测装置作进一步详细说明。
本发明提供一种基于机器视觉的抽水马桶固体物检测方法及检测装置,以实现中国标准、美国标准、澳洲标准及欧洲标准等标准中抽水马桶功能检测要求。需要说明的是,下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明的实施方式。而不能理解为对本发明的实施方式的限制。
请参阅图1,本发明实施方式的一种抽水马桶固体排放物功能检测装置及方法包括:
S1:识别马桶体中的水封区域;
S2:根据马桶体中的水封区域确定固体物检测区域;
S3:通过检测冲水后固体物检测区域内PP球的剩余数量,判断抽水马桶的排放能力;
S4:检测固体物PE、海绵、纸张和味噌的排放能力。
通过识别抽水马桶体中特有的水封区域,精确划分出固体物的存在区域,针对不同国家标准选择不同固体物排放标准进行测试,利用用于检测抽水马桶固体物排放功能的不同固体物的灰度特性和几何特征等检测出抽水马桶排水后的固体物剩余情况,实现不同市场环境下的抽水马桶功能检测。
请参阅图2,本发明实施方式的一种抽水马桶固体排放物功能检测装置包括:点光源阵列10、工业相机11、冲水电机20、齿轮21、冲水杆22、水管30、电磁阀31、降压阀32、排污口40、排污管道41、固体物拦截网42、控制单元43和电源模块44。固定板1的下方连接有点光源阵列和工业相机,其中点光源阵列10用于识别水封区域,冲水电机20通过齿轮21控制冲水杆22上下移动,进而控制抽水马桶的全冲水及半冲水,电磁阀31控制水进出,降压阀32控制进水压力大小,排污管道41排除污水及固体物,固体物拦截网42拦截固体物。将待检测固体物排放能力的抽水马桶排污口与装置排污口40对齐,将抽水马桶排水阀控制杆与装置冲水杆22相接,打开电磁阀31和降压阀32开始往抽水马桶注水,当冲水电机20转动带动抽水马桶排水后,打开点光源阵列10和工业相机11进行检测。
S1的步骤包括:
S11:对抽水马桶施加M*N的LED光源阵列,其中,M为阵列行数、N为阵列列数;
S12:根据高亮阵列区域特征点,提取水封区域;
S13:根据水封区域的几何轮廓特征实现水封区域的识别。
具体地,在抽水马桶上方图像中,水封形态单一且背景环境不复杂,但水面与釉面灰度差异不明显,边缘分割难度大。然而陶瓷釉面与水面对高亮区域的反射散射情况不同。请参阅图3,在抽水马桶上方平面施加M*N的LED光源阵列,高亮区域集中在水封区域,另外水封区域为一类具有显著几何轮廓特征的区域,其左右两边表现出平行直线特征,而后端部分也可看做直线且与左右两边直线垂直,前端为类半圆特性。利用水封区域的结构特性,在高亮特征的水面区域提取下,可通过特征点、直线、平行线、垂直结构和圆曲线结构的提取实现水封区域的识别。
进一步地,在步骤S2中提取抽水马桶的水封区域标记为固体物检测区域。需要说明的是,PP球为直径19mm*19mm的白色小球,PE球为黑色颗粒及红色小球,味噌为人造大便,在PP球检测中,还进行了深水区与浅水区的区域标记。在步骤S3检测固体物检测区域内的固体物目标中,在各种标准的实施方式中,固体物主要在PP球、PE球、味噌、混合海绵和纸等固体物中进行选择。
对于PP球的检测,S3的步骤包括:
S31:提取固体物检测区域,将固体检测物区域分为深水区域与浅水区域;
S32:应用分割算法分割深水区域与浅水区域;
S33:提取浅水区和深水区PP球区域:
S34:结合边缘及相似度参数提取PP球区域;
S35:将识别到的PP球区域的像素总数除以单个PP球区域像素数量可以得到PP球的剩余个数,当剩余个数小于达标个数时,则抽水马桶的设计达标。
具体地,在步骤S31提取固体物检测区域中,考虑到实际水封位置大于冲水口高度,将固体检测物区域分为深水区域与浅水区域,应用分割算法分割深水区域与浅水区域。
步骤S32通过迭代选择阈值法实现深水区与浅水区分割:
考虑到深水区与浅水区灰度直方图分布呈现双峰情况,为了更为精确的确定深水区区域,提供了一种迭代选择阈值法。首先预设阈值区间[a,b],利用下式计算新的阈值并逐次迭代到最小。
其中T为分割阈值,a、b为预设阈值区间,Pi为灰度为i的像素数量。
请参阅图4a,对包含深水区与浅水区的水封区域进行区域分割,利用迭代选择阈值法得到结果如图4b。
在水封区域中深水区部分、浅水区部分存在分区域的灰度差异,取一个最优阈值T把原图像分为前景色与背景色,前景色为黑色区域、背景色为白色区域。便能有效的分割深水区域和浅水区域,参见图4b。
在步骤S33中,提取深水区域,生成无固体物的深水区域模板,将得到的深水区域图与无固体物的深水区域模板进行相关性计算。
具体地,根据PP球的圆形特征,在边长为D的方形区域中进行相关性计算。式中r为已知PP球半径,Amn、Bmn分别为检测图和原图在矩阵mn位置数值。
其中,λ为相关性数值,将相关性大于阈值的数据标记为深水区PP球区域。浅水区PP球区域的标记通过差分算法将检测到的边缘进行标记。公式如下:
Gx=(-2)*(f(x-1,y-1)+f(x,y-1)+f(x-1,y))+2*(f(x+1,y)+f(x,y+1)+f(x+1,y+1))+(f(x-1,y+1)+f(x+1,y-1)+f(x,y))
Gy=(-2)*(f(x,y-1)+f(x+1,y-1)+f(x+1,y))+2*(f(x-1,y)+f(x,y+1)+f(x-1,y+1))+(f(x-1,y-1)+f(x+1,y+1)+f(x,y))
T2=|Gx 2-Gy 2|
其中f(x,y)表示图像(x,y)点的灰度值,Gx、Gy、T2为计算结果。当T2值大于阈值T3时,改点为浅水区PP球边缘点。
进一步地,在步骤S34中,将步骤S33中得到的浅水区PP球区域和深水区PP球区域进行处理以实现较为精确的PP球区域标记。引入圆度特征Tc:
式中S为标记的PP球区域面积,C为标记的PP球区域周长。当圆度特征T处于设定阈值中间时,将区域连通。结合圆度特征通过区域连通可以将整个水封中检测区域的PP球区域识别出来,结果如图4c。
对于其它固体物的检测,步骤S4包括:
S41:对图像进行预处理;
S42:分割图像中固体物区域;
S43:标记固体物位置及范围。
如图4d、图4e、图4f所示,PE及海绵和纸张固体物由于质量较轻,因此固体物会漂浮于水封水面,且颜色特征明显。
优选地,可在均值滤波后对PE进行边缘检测,对海绵及纸张应用阈值分割算法,味噌固体物由于质量较大,往往留存于深水区域中,在深水区域中应用边缘检测可获得味噌边缘。
进一步地,在步骤S4分析固体物剩余情况中,将检测到的固体物图像二值化处理,计算各个固体物区域面积。根据标准与实际检测经验,PP球及PE球的检测主要为全冲下一次冲水后的单位剩余情况,将满足圆度阈值的PP球区域或识别的PE球区域统计起来与合格数量阈值区域进行比较。
优选地,可以识别半冲之后固体物数量。
对于海绵及纸张的检测中,一般为混合放置一定数量后,一次冲水仅余一到两块且二次冲水后为0。因此可将面积较小的方形海绵块单面面积录入,检测第一次冲水后区域面积是否大于2倍的单面面积,若大于,进行第二次冲水,检测固体物面积是否为0。
对于味噌的检测,一般检测一次冲水后是否有剩余。
在对PP球剩余情况检测的实施例中,将待检测固体物排放能力的抽水马桶排污口与装置排污口40对齐,将抽水马桶排水阀控制杆与装置冲水杆22相接,打开电磁阀31和降压阀32开始往抽水马桶注水,根据美国功能标准放入PP球100个,当冲水电机20转动带动抽水马桶全冲排水后,打开点光源阵列10和工业相机11进行检测。检测结果如图4c,检测PP球区域4968(3个)小于阈值区域22900(10个),经检验达到设计标准。
根据马桶体中不同区域的灰度特征对马桶体包含固体物的不同区域进行分割,实现了对固体物分区域的精确识别。
根据抽水马桶固体物排放能力检测流程,设计了PP球和在PE、海绵及纸张、味噌三种固体物中可选的检测流程,在重要的PP球检测上,结合圆度特征识别PP球区域,通过PP球所占像素数量计算PP球剩余数量,达到了检测抽水马桶固体物排放能力的要求。
综上,上述对一种抽水马桶固体排放物功能检测装置及方法的不同构型进行了详细说明,当然,本发明包括但不局限于上述实施中所列举的构型,任何在上述实施例提供的构型基出上进行变换的内容,均属于本发明所保护的范围。本领域技术人员可以根据上述实施例的内容举一反三。上述描述仅是对本发明较佳实施例的描述,并非对本发明范围的任何限定,本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰,均属于权利要求书的保护范围。
以上所述各实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应该理解:其依然能对前述实施例所记载的技术方案进行修改,或者对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (4)
1.一种基于机器视觉的抽水马桶固体物检测方法,其特征在于,其包括以下步骤:
S1:识别马桶体中的水封区域,识别过程为:
S11:对抽水马桶施加M*N的LED光源阵列,其中,M为阵列行数、N为阵列列数;
S12:根据高亮阵列区域特征点,提取水封区域;
S13:根据所述水封区域的几何轮廓特征实现水封区域的识别;
S2:根据马桶体中的水封区域确定所述固体物检测区域;
S3:通过检测冲水后所述固体物检测区域内PP球的剩余数量,判断抽水马桶的排放能力,所述检测PP球的检测过程为:
S31:提取固体物检测区域,将固体检测物区域分为深水区域与浅水区域:根据深水区和浅水区不同灰度特征识别两区域固体物;
S32:应用迭代选择阈值法分割深水区域与浅水区域:在水封区域中根据深水区部分和浅水区部分存在分区域的灰度差异,首先预设阈值区间[a,b],利用计算新的阈值并逐次迭代到最小,其中T为分割阈值,a、b为预设阈值区间,Pi为灰度为i的像素数量,取最优阈值T将原图像分为前景色与背景色,以有效地分割深水区域和浅水区域;
S33:提取浅水区和深水区的PP球区域:首先提取深水区域,生成无固体物的深水区域模板,将得到的深水区域图与无固体物的深水区域模板进行相关性计算,根据PP球的圆形特征,在边长为D的方形区域中求解相关性数值λ:
其中r为已知PP球半径,Amn、Bmn分别为检测图和原图在矩阵mn位置数值,将相关性大于阈值的数据标记为深水区PP球区域,浅水区PP球区域的标记通过差分算法将检测到的边缘进行标记,差分算法表达式为:
Gx=(-2)*(f(x-1,y-1)+f(x,y-1)+f(x-1,y))+2*(f(x+1,y)+f(x,y+1)+f(x+1,y+1))+(f(x-1,y+1)+f(x+1,y-1)+f(x,y))
Gy=(-2)*(f(x,y-1)+f(x+1,y-1)+f(x+1,y))+2*(f(x-1,y)+f(x,y+1)+f(x-1,y+1))+(f(x-1,y-1)+f(x+1,y+1)+f(x,y))
T2=|Gx 2-Gy 2|
其中f(x,y)表示图像(x,y)点的灰度值,Gx、Gy、T2为计算结果,当T2值大于阈值T3时,该点为浅水区PP球边缘点;
S34:结合边缘及相似度参数提取PP球区域:将步骤S33中得到的浅水区PP球区域和深水区PP球区域进行处理以实现PP球区域标记,引入圆度特征Tc:
式中S为标记的PP球区域面积,C为标记的PP球区域周长,当圆度特征T处于设定阈值中间时,将区域连通,结合圆度特征通过区域连通可以将整个水封中检测区域的PP球区域识别出来
S35:将识别到的PP球区域的像素总数除以单个PP球区域像素数量可以得到PP球的剩余个数,当剩余个数小于达标个数时,则抽水马桶的设计达标;
S4:检测固体物PE、海绵、纸张和味噌的排放能力。
2.根据权利要求1所述的基于机器视觉的抽水马桶固体物检测方法,其特征在于,所述S4中检测固体物PE、海绵、纸张和味噌的排放能力的检测步骤包括:
S41:确定固体物类别,对图像进行预处理;
S42:通过阈值分割算法及边缘检测算法识别固体物区域;
S43:标记固体物位置及范围,计算固体物像素数量,分析抽水后固体物的剩余情况,判断相应固体物的排放能力。
3.根据权利要求1所述的基于机器视觉的抽水马桶固体物检测方法,其特征在于,在所述光源阵列下,高亮区域集中在水封区域,通过特征点、直线、平行线、垂直结构和圆曲线结构的提取实现所述水封区域的识别。
4.一种根据权利要求1-3之一所述的基于机器视觉的抽水马桶固体物检测方法的检测装置,其特征在于,其包括点光源阵列、工业相机、冲水电机、齿轮、冲水杆、水管、电磁阀、降压阀、排污口、排污管道和固体物拦截网,固定板下方连接有点光源阵列和工业相机,所述点光源阵列和工业相机均通过导线连接到控制单元和电源模块,所述点光源阵列用于识别水封区域,所述工业相机位于所述点光源阵列下方,用于识别固体物;所述冲水电机与控制单元、电源模块和齿轮相连,所述齿轮带动所述冲水杆上下移动,进而控制抽水马桶的全冲水及半冲水,所述水管分别与所述电磁阀、所述降压阀相连,所述电磁阀控制水进出,所述降压阀控制进水压力大小,排污管道排除污水及固体物,固体物拦截网拦截固体物;
所述排污口与抽水马桶排污口对齐,所述冲水杆与抽水马桶排水阀控制杆相连,打开电磁阀和降压阀,往抽水马桶注水,当冲水电机转动带动抽水马桶排水后,打开点光源阵列和工业相机进行检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010700112.3A CN111951224B (zh) | 2020-07-20 | 2020-07-20 | 基于机器视觉的抽水马桶固体物检测方法及检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010700112.3A CN111951224B (zh) | 2020-07-20 | 2020-07-20 | 基于机器视觉的抽水马桶固体物检测方法及检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111951224A true CN111951224A (zh) | 2020-11-17 |
CN111951224B CN111951224B (zh) | 2022-03-22 |
Family
ID=73341623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010700112.3A Active CN111951224B (zh) | 2020-07-20 | 2020-07-20 | 基于机器视觉的抽水马桶固体物检测方法及检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111951224B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112880795A (zh) * | 2021-01-20 | 2021-06-01 | 勃森生命科技(上海)有限公司 | 一种可固液分离称重的系统及马桶 |
CN114224174A (zh) * | 2021-11-25 | 2022-03-25 | 广东纯米电器科技有限公司 | 净饮机自动停水的方法、装置、计算机设备和存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150000026A1 (en) * | 2012-06-27 | 2015-01-01 | sigmund lindsay clements | Touch Free User Recognition Assembly For Activating A User's Smart Toilet's Devices |
JP2015109063A (ja) * | 2013-10-21 | 2015-06-11 | 大樹 谷口 | エッジ検出によるトイレ見守り方法およびこれに用いるトイレ見守り装置 |
CN106108760A (zh) * | 2016-08-25 | 2016-11-16 | 京东方科技集团股份有限公司 | 一种智能马桶 |
WO2017021452A1 (de) * | 2015-08-03 | 2017-02-09 | Prokopp Thomas | Vorrichtung und verfahren zur mobilen analyse von exkrementen in der toilette |
CN106894481A (zh) * | 2017-01-13 | 2017-06-27 | 杨徐子谦 | 一种基于智能马桶自动检测并清洁污垢方法及系统 |
CN207742676U (zh) * | 2017-08-15 | 2018-08-17 | 厦门致杰智能科技有限公司 | 一种带指纹识别键的智能马桶 |
CN109487877A (zh) * | 2018-12-25 | 2019-03-19 | 重庆蓝岸通讯技术有限公司 | 厕所自动冲水系统及控制方法 |
CN109738658A (zh) * | 2018-12-18 | 2019-05-10 | 新绎健康科技有限公司 | 一种大便采集装置、大便检测设备及马桶 |
CN110108891A (zh) * | 2018-11-15 | 2019-08-09 | 许兵 | 一种用于智能马桶的尿便自动检测及控制系统及其方法 |
WO2019231486A1 (en) * | 2018-05-29 | 2019-12-05 | Tiagai Ilan | Electronic automatically adjusting bidet with machine learning software |
WO2020026779A1 (ja) * | 2018-07-30 | 2020-02-06 | 株式会社ジャパンディスプレイ | 健康状態検査システム |
CN110820880A (zh) * | 2019-12-10 | 2020-02-21 | 浙江为尔健康科技股份有限公司 | 一种具有排泄物检测功能的智能马桶 |
-
2020
- 2020-07-20 CN CN202010700112.3A patent/CN111951224B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150000026A1 (en) * | 2012-06-27 | 2015-01-01 | sigmund lindsay clements | Touch Free User Recognition Assembly For Activating A User's Smart Toilet's Devices |
JP2015109063A (ja) * | 2013-10-21 | 2015-06-11 | 大樹 谷口 | エッジ検出によるトイレ見守り方法およびこれに用いるトイレ見守り装置 |
WO2017021452A1 (de) * | 2015-08-03 | 2017-02-09 | Prokopp Thomas | Vorrichtung und verfahren zur mobilen analyse von exkrementen in der toilette |
CN106108760A (zh) * | 2016-08-25 | 2016-11-16 | 京东方科技集团股份有限公司 | 一种智能马桶 |
CN106894481A (zh) * | 2017-01-13 | 2017-06-27 | 杨徐子谦 | 一种基于智能马桶自动检测并清洁污垢方法及系统 |
CN207742676U (zh) * | 2017-08-15 | 2018-08-17 | 厦门致杰智能科技有限公司 | 一种带指纹识别键的智能马桶 |
WO2019231486A1 (en) * | 2018-05-29 | 2019-12-05 | Tiagai Ilan | Electronic automatically adjusting bidet with machine learning software |
WO2020026779A1 (ja) * | 2018-07-30 | 2020-02-06 | 株式会社ジャパンディスプレイ | 健康状態検査システム |
CN110108891A (zh) * | 2018-11-15 | 2019-08-09 | 许兵 | 一种用于智能马桶的尿便自动检测及控制系统及其方法 |
CN109738658A (zh) * | 2018-12-18 | 2019-05-10 | 新绎健康科技有限公司 | 一种大便采集装置、大便检测设备及马桶 |
CN109487877A (zh) * | 2018-12-25 | 2019-03-19 | 重庆蓝岸通讯技术有限公司 | 厕所自动冲水系统及控制方法 |
CN110820880A (zh) * | 2019-12-10 | 2020-02-21 | 浙江为尔健康科技股份有限公司 | 一种具有排泄物检测功能的智能马桶 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112880795A (zh) * | 2021-01-20 | 2021-06-01 | 勃森生命科技(上海)有限公司 | 一种可固液分离称重的系统及马桶 |
CN114224174A (zh) * | 2021-11-25 | 2022-03-25 | 广东纯米电器科技有限公司 | 净饮机自动停水的方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111951224B (zh) | 2022-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11836976B2 (en) | Method for recognizing seawater polluted area based on high-resolution remote sensing image and device | |
CN107909138B (zh) | 一种基于安卓平台的类圆颗粒物计数方法 | |
CN111951224B (zh) | 基于机器视觉的抽水马桶固体物检测方法及检测装置 | |
CN113469177B (zh) | 基于深度学习的排水管道缺陷检测方法及系统 | |
CN108961246B (zh) | 一种基于人工智能的扫描电镜图像孔隙识别方法 | |
CN109325403B (zh) | 一种基于图像识别的水域污染识别治理方法和系统 | |
CN105547602B (zh) | 一种地铁隧道管片渗漏水的远距离测量方法 | |
CN108596166A (zh) | 一种基于卷积神经网络分类的集装箱箱号识别方法 | |
CN109376792A (zh) | 基于多通道残差神经网络的光伏电池外观缺陷分类方法 | |
Halfawy et al. | Efficient algorithm for crack detection in sewer images from closed-circuit television inspections | |
CN108734714B (zh) | 一种基于Matlab分析碳酸盐岩结构的方法 | |
CN112598001A (zh) | 一种基于多模型融合的船舶水尺读数自动识别方法 | |
CN115439476B (zh) | 基于图像分析的丝印缺陷检测方法及装置 | |
CN115100221A (zh) | 一种玻璃缺陷分割方法 | |
CN114067114B (zh) | 一种基于藻类细胞形态的面积核分割计数方法 | |
CN113935666B (zh) | 基于图像处理的建筑装饰墙面砖异常评估方法 | |
CN110223282B (zh) | 一种泥页岩有机孔隙与无机孔隙自动识别方法及系统 | |
CN113298776B (zh) | 一种金属闭式水泵叶轮外观缺陷检测方法 | |
CN110334760B (zh) | 一种基于resUnet的光学元器件损伤检测方法及系统 | |
CN114639064B (zh) | 一种水位识别方法及装置 | |
CN112085699A (zh) | 一种基于二维图像的路面裂缝提取方法 | |
CN103971367A (zh) | 水文资料图像分割方法 | |
CN112561885B (zh) | 基于YOLOv4-tiny的插板阀开度检测方法 | |
Wang | Rock particle image segmentation and systems | |
CN111626104B (zh) | 一种基于无人机红外热像的电缆隐患点检测方法和装置 |
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 |