CN112124900A - 一种井下皮带偏移的视觉检测方法 - Google Patents
一种井下皮带偏移的视觉检测方法 Download PDFInfo
- Publication number
- CN112124900A CN112124900A CN202010883188.4A CN202010883188A CN112124900A CN 112124900 A CN112124900 A CN 112124900A CN 202010883188 A CN202010883188 A CN 202010883188A CN 112124900 A CN112124900 A CN 112124900A
- Authority
- CN
- China
- Prior art keywords
- belt
- image
- deviation
- real
- video stream
- 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
-
- 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
-
- 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
- B65G2203/02—Control or detection
- B65G2203/0266—Control or detection relating to the load carrier(s)
- B65G2203/0283—Position of the load carrier
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种井下皮带偏移的视觉检测方法,具体按照以下步骤实施:1.读取井下皮带实时视频流;2.通过二帧差对步骤1得到的实时视频流进行处理,判断皮带是否正在运行;3,对实时视频流进行预处理,得到图像增强的预处理图像;4.计算皮带偏移系数;5.判断皮带是否发生偏移。本发明能够避免原有检测方法中存在由物料不均造成的误检测情况发生,并量化皮带偏移系数,提高皮带偏移检测精度。
Description
技术领域
本发明属于视觉检测技术领域,涉及一种井下皮带偏移的视觉检测方法。
背景技术
井下皮带系统作为煤矿生产的重要组成环节,确保矿山稳定生产的前提便是保证井下皮带系统的稳定、可靠运行。在实际生产中,皮带偏移情况的出现对井下稳定、安全生产造成了严峻的挑战,并已成为井下皮带运行一项常见故障。如何及时检测皮带是否发生偏移,避免由于皮带偏移未及时发现造成的二次伤害等问题,从而降低煤矿企业经济损失,保证井下人员安全作业,提高井下皮带运行的稳定性。
当前检测方式主要为电子检测法,中国专利CN201720902855.2公开了一种输送皮带偏移检测装置,这种方法利用红外探头对皮带是否发生偏移进行检测,能够对目标皮带进行检测,但当物料不均或物料偏移情况出现时,可能会产生误检测的情况发生,从而造成误报。
发明内容
本发明的目的是提供一种井下皮带偏移的视觉检测方法,解决了现有技术中存在的当物料不均或物料偏移情况出现时,产生误检测的情况发生,从而造成误报的问题。
本发明所采用的技术方案是,一种井下皮带偏移的视觉检测方法,具体按照以下步骤实施:
步骤1、读取井下皮带实时视频流:
利用本安摄像头俯视拍摄井下皮带,将图像信号经过交换机传输至井下工控机;
步骤2、判断皮带是否正在运行:
通过二帧差对步骤1得到的实时视频流进行处理,判断皮带是否正在运行;
步骤3、实时视频流预处理:
对步骤1得到的实时视频流进行预处理,得到图像增强的预处理图像;
步骤4、计算皮带偏移系数:
通过皮带照度与霍夫直线对步骤3得到的预处理图像进行检测,计算皮带偏移系数;
步骤5、判断皮带是否发生偏移:
手动设置皮带偏移阈值α,与步骤4得到的实时皮带偏移系数进行比较;若皮带偏移系数大于偏移阈值,则皮带发生偏移,通知井下工作人员并急停皮带;若皮带偏移系数小于偏移阈值,则皮带未发生偏移,继续运行皮带。
本发明的特点还在于:
步骤2具体按照以下步骤实施:
步骤2.1、以1帧/秒的速度提取步骤1得到的实时视频流;
步骤2.2、将步骤2.1中提取的实时视频流进行灰度处理,将原有彩色图像转化为灰度,并归一化为224*224大小的图像,得到经过归一化与灰度处理的灰度图像;
步骤2.3、利用二帧差算法处理步骤2.2得到的灰度图像,得到动态二值图像,循环动态二值图像所有像素,统计其中白色像素点个数,得到动态系数;
步骤2.4、设置动态阈值β,若动态系数大于动态阈值β,则皮带正在运行,进行步骤3;若动态系数小于动态阈值β,则皮带未运行,进行步骤2.1。
步骤3具体按照以下步骤实施:
步骤3.1、以24帧/秒的速度提取步骤1得到的实时视频流;
步骤3.2、利用伽马函数对步骤3.1得到的实时视频流进行图像增强预处理,得到经过图像增强的预处理图像。
步骤4具体按照以下步骤实施:
步骤4.1、提取步骤3.2的预处理图像;
步骤4.2、利用Canny算子处理步骤4.1提取的预处理图像,得到经过Canny算子处理的图像;
步骤4.3、将经步骤4.2处理后的图像带入霍夫直线检测算法,检测皮带边缘所在图像中的位置;
步骤4.4、将步骤3.2得到的预处理图像转化为HSV图像,并设置颜色阈值,得到以皮带为前景的二值图像;
步骤4.5、以霍夫直线检测皮带边缘为基准,将步骤3.2得到的预处理图像分为两部分;结合步骤4.4所得皮带为前景的二值图像一侧为皮带部分;霍夫直线另一侧为非皮带部分;将皮带一侧所有像素划分为白色前景区域,将非皮带一侧所有像素划分为黑色背景区域,得到皮带偏移二值图像;
步骤4.6、以像素为单位,提取步骤4.5所得皮带偏移二值图像并计算该图像中所有前景区域像素个数,得到皮带偏移系数。
步骤1中利用本安摄像头俯视拍摄井下皮带,实时拍摄图像中皮带边缘平行于图像上下边界,图像中皮带起点与终点分别为图像左右两侧。
步骤1中利用本安摄像头俯视拍摄井下皮带,实时拍摄图像中皮带边缘平行于图像上下边界,图像中皮带起点与终点分别为图像左右两侧。
步骤2.3中动态系数为动态二值图像中白色像素点个数与动态二值图像中像素总个数的比值。
步骤3.2中伽马函数的伽马变换幂参数为0.5,增加的参数为10。
步骤4.6中皮带偏移系数为皮带偏移二值图像中所有前景区域像素个数与皮带偏移二值图像中所有像素个数的比值。
本发明的有益效果是:
(1)本发明通过图像处理技术,结合霍夫直线检测与皮带照度检测将图像分为两部分,一侧为皮带部分;霍夫直线另一侧为非皮带部分;将皮带一侧所有像素划分为白色前景区域,将非皮带一侧所有像素划分为黑色背景区域,得到皮带偏移二值图像,针对不同工况与皮带方向,建立适用于多数工控的皮带检测方法;
(2)本发明通过量化皮带偏移系数,以像素为单位,提取皮带偏移二值图像并计算该图像中所有前景区域像素个数,得到皮带偏移系数,从而量化皮带偏移程度,便于操作人员选用适用于单个矿井的皮带偏移要求,同时解决当物料不均或物料偏移情况出现时,造成的误报情况。
附图说明
图1是本发明一种井下皮带偏移的视觉检测方法的流程图;
图2是本发明一种井下皮带偏移的视觉检测方法中判断皮带是否运行的方法流程图;
图3是本发明一种井下皮带偏移的视觉检测方法中预处理的方法流程图;
图4是本发明一种井下皮带偏移的视觉检测方法中计算皮带偏移系数的方法流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种井下皮带偏移的视觉检测方法,如图1所示,具体按照以下步骤实施:
步骤1、读取井下皮带实时视频流:
利用本安摄像头俯视拍摄井下皮带,将图像信号经过交换机传输至井下工控机,实时拍摄图像中皮带边缘平行于图像上下边界,图像中皮带起点与终点分别为图像左右两侧;
本发明使用时,本安摄像头垂直拍摄皮带边缘,摄像头与竖直方向夹角小于10°,摄像头与皮带竖直高度大于0.5m小于1.2m,本安摄像头像素为200万,摄像头拍摄位置距离皮带端头距离不大于3m;
步骤2、判断皮带是否正在运行:
通过二帧差对步骤1得到的实时视频流进行处理,判断皮带是否正在运行,如图2所示,具体按照以下步骤实施:
步骤2.1、以1帧/秒的速度提取步骤1得到的实时视频流;
步骤2.2、将步骤2.1中提取的实时视频流进行灰度处理,将原有彩色图像转化为灰度,并归一化为224*224大小的图像,得到经过归一化与灰度处理的灰度图像;
步骤2.3、利用二帧差算法处理步骤2.2得到的灰度图像,得到动态二值图像;循环动态二值图像所有像素,统计其中白色像素点个数,得到动态系数,动态系数为动态二值图像中白色像素点个数与动态二值图像中像素总个数的比值;
步骤2.4、设置动态阈值β,若动态系数大于动态阈值β,则皮带正在运行,进行步骤3;若动态系数小于动态阈值β,则皮带未运行,进行步骤2.1;
本发明使用时,以1帧/秒的速度提取视频流,步骤2.1的作用为减少后续步骤处理时运算量,提升运算时间;采用二帧差算法,其公式为
其中D(x,y)为在动态二值图像(x,y)的像素,I(t)为t时刻(x,y)处灰度图像像素,I(t-1)为t-1时刻(x,y)处灰度图像像素,T为动态二值化阈值,其优点在于处理速度快,便于判断皮带是否开启运行;设置动态阈值β,根据各个摄像头安装位置,调整动态阈值β,且30<β<60,其优点在于避免在皮带未运行时造成的运算浪费与误差;
步骤3、实时视频流预处理:
对步骤1得到的实时视频流进行预处理,得到图像增强的预处理图像,如图3所示,具体按照以下步骤实施:
步骤3.1、以24帧/秒的速度提取步骤1得到的实时视频流;
步骤3.2、利用伽马函数对步骤3.1得到的实时视频流进行图像增强预处理,得到经过图像增强的预处理图像,伽马函数的伽马变换幂参数为0.5,增加的参数为10;
本发明使用时,利用伽马函数对实时视频流进行图像增强,公式为:
f(x,y)=T(x,y)g+b (2),
其中T(x,y)为实时视频流图像(x,y)处像素值,f(x,y)为预处理图像(x,y)处像素值,g为伽马变换幂参数,b为增加的参数,且0.3<g<0.8,0<b<40,
其优点在于防止由于井下非均匀照度对采集图像亮度与对比度不足的影响;
步骤4、计算皮带偏移系数:
通过皮带照度与霍夫直线对步骤3得到的预处理图像进行检测,计算皮带偏移系数,如图4所示,具体按照以下步骤实施:
步骤4.1、提取步骤3.2的预处理图像;
步骤4.2、利用Canny算子处理步骤4.1提取的预处理图像,得到经过Canny边缘算子处理的图像;
步骤4.3、将经步骤4.2处理后的图像带入霍夫直线检测算法,检测皮带边缘所在图像中的位置;
步骤4.4、将步骤3.2得到的预处理图像转化为HSV图像,并设置颜色阈值,得到以皮带为前景的二值图像;
步骤4.5、以霍夫直线检测皮带边缘为基准,将步骤3.2得到的预处理图像分为两部分;结合步骤4.4所得皮带为前景的二值图像一侧为皮带部分;霍夫直线另一侧为非皮带部分;将皮带一侧所有像素划分为白色前景区域,将非皮带一侧所有像素划分为黑色背景区域,得到皮带偏移二值图像;
步骤4.6、以像素为单位,提取步骤4.5所得皮带偏移二值图像并计算该图像中所有前景区域像素个数,得到皮带偏移系数,皮带偏移系数为皮带偏移二值图像中所有前景区域像素个数与皮带偏移二值图像中所有像素个数的比值;
本发明使用时,在HSV图像中设置颜色阈值,得到将皮带部分作为前景的二值图像,其优点在于补充霍夫直线检测而产生的一种准则方式,同时霍夫直线检测避免颜色阈值检测结果中产生空洞现象的出现;
步骤5、判断皮带是否发生偏移:
手动设置皮带偏移阈值α,0.3<α<0.5,与步骤4得到的实时皮带偏移系数进行比较;若皮带偏移系数大于偏移阈值,则皮带发生偏移,通知井下工作人员并急停皮带;若皮带偏移系数小于偏移阈值,则皮带未发生偏移,继续运行皮带。
本发明以平煤八矿井下皮带为例,皮带偏移阈值α设置为0.5,经实验验证,该方法检测精度高于99%,暂未出现误识别情况的出现,能够有效解决原有方法中存在由物料不均造成的误检测情况发生,并量化皮带偏移系数,提高皮带偏移检测精度。
Claims (9)
1.一种井下皮带偏移的视觉检测方法,其特征在于,具体按照以下步骤实施:
步骤1、读取井下皮带实时视频流:
利用本安摄像头俯视拍摄井下皮带,将图像信号经过交换机传输至井下工控机;
步骤2、判断皮带是否正在运行:
通过二帧差对步骤1得到的实时视频流进行处理,判断皮带是否正在运行;
步骤3、实时视频流预处理:
对步骤1得到的实时视频流进行预处理,得到图像增强的预处理图像;
步骤4、计算皮带偏移系数:
通过皮带照度与霍夫直线对步骤3得到的预处理图像进行检测,计算皮带偏移系数;
步骤5、判断皮带是否发生偏移:
手动设置皮带偏移阈值α,与步骤4得到的实时皮带偏移系数进行比较;若皮带偏移系数大于偏移阈值,则皮带发生偏移,通知井下工作人员并急停皮带;若皮带偏移系数小于偏移阈值,则皮带未发生偏移,继续运行皮带。
2.根据权利要求1所述的一种井下皮带偏移的视觉检测方法,其特征在于,所述步骤2具体按照以下步骤实施:
步骤2.1、以1帧/秒的速度提取步骤1得到的实时视频流;
步骤2.2、将步骤2.1中提取的实时视频流进行灰度处理,将原有彩色图像转化为灰度,并归一化为224*224大小的图像,得到经过归一化与灰度处理的灰度图像;
步骤2.3、利用二帧差算法处理步骤2.2得到的灰度图像,得到动态二值图像,循环动态二值图像所有像素,统计其中白色像素点个数,得到动态系数;
步骤2.4、设置动态阈值β,若动态系数大于动态阈值β,则皮带正在运行,进行步骤3;若动态系数小于动态阈值β,则皮带未运行,进行步骤2.1。
3.根据权利要求1所述的一种井下皮带偏移的视觉检测方法,其特征在于,所述步骤3具体按照以下步骤实施:
步骤3.1、以24帧/秒的速度提取步骤1得到的实时视频流;
步骤3.2、利用伽马函数对步骤3.1得到的实时视频流进行图像增强预处理,得到经过图像增强的预处理图像。
4.根据权利要求1所述的一种井下皮带偏移的视觉检测方法,其特征在于,所述步骤4具体按照以下步骤实施:
步骤4.1、提取步骤3.2的预处理图像;
步骤4.2、利用Canny算子处理步骤4.1提取的预处理图像,得到经过Canny算子处理的图像;
步骤4.3、将经步骤4.2处理后的图像带入霍夫直线检测算法,检测皮带边缘所在图像中的位置;
步骤4.4、将步骤3.2得到的预处理图像转化为HSV图像,并设置颜色阈值,得到以皮带为前景的二值图像;
步骤4.5、以霍夫直线检测皮带边缘为基准,将步骤3.2得到的预处理图像分为两部分;结合步骤4.4所得皮带为前景的二值图像一侧为皮带部分;霍夫直线另一侧为非皮带部分;将皮带一侧所有像素划分为白色前景区域,将非皮带一侧所有像素划分为黑色背景区域,得到皮带偏移二值图像;
步骤4.6、以像素为单位,提取步骤4.5所得皮带偏移二值图像并计算该图像中所有前景区域像素个数,得到皮带偏移系数。
5.根据权利要求1所述的一种井下皮带偏移的视觉检测方法,其特征在于,所述步骤1中利用本安摄像头俯视拍摄井下皮带,实时拍摄图像中皮带边缘平行于图像上下边界,图像中皮带起点与终点分别为图像左右两侧。
6.根据权利要求1所述的一种井下皮带偏移的视觉检测方法,其特征在于,所述步骤5中手动设置皮带偏移阈值α,0.3<α<0.5。
7.根据权利要求2所述的一种井下皮带偏移的视觉检测方法,其特征在于,所述步骤2.3中动态系数为动态二值图像中白色像素点个数与动态二值图像中像素总个数的比值。
8.根据权利要求3所述的一种井下皮带偏移的视觉检测方法,其特征在于,所述步骤3.2中伽马函数的伽马变换幂参数为0.5,增加的参数为10。
9.根据权利要求4所述的一种井下皮带偏移的视觉检测方法,其特征在于,所述步骤4.6中皮带偏移系数为皮带偏移二值图像中所有前景区域像素个数与皮带偏移二值图像中所有像素个数的比值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010883188.4A CN112124900B (zh) | 2020-08-28 | 2020-08-28 | 一种井下皮带偏移的视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010883188.4A CN112124900B (zh) | 2020-08-28 | 2020-08-28 | 一种井下皮带偏移的视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112124900A true CN112124900A (zh) | 2020-12-25 |
CN112124900B CN112124900B (zh) | 2022-05-20 |
Family
ID=73847600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010883188.4A Active CN112124900B (zh) | 2020-08-28 | 2020-08-28 | 一种井下皮带偏移的视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112124900B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801965A (zh) * | 2021-01-21 | 2021-05-14 | 中南大学 | 一种基于卷积神经网络的烧结皮带异物监测方法及系统 |
CN112926443A (zh) * | 2021-02-24 | 2021-06-08 | 北京优创新港科技股份有限公司 | 一种基于卷积神经网络的烟叶收购传送带是否有人的判断方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09100014A (ja) * | 1996-05-10 | 1997-04-15 | Road Eng:Kk | コンベアベルトの自動調整装置 |
CN102673979A (zh) * | 2012-06-12 | 2012-09-19 | 青岛科技大学 | 输送带跑偏判断方法及判断装置 |
CN105083912A (zh) * | 2015-07-07 | 2015-11-25 | 青岛科技大学 | 一种基于图像识别的输送带跑偏检测方法 |
CN110519566A (zh) * | 2019-08-28 | 2019-11-29 | 山东科技大学 | 一种基于视频处理的皮带运动状态监测方法 |
CN110838097A (zh) * | 2019-11-22 | 2020-02-25 | 江苏东方赛云电子科技有限公司 | 一种基于机器视觉的输送带偏移测量方法 |
CN110902315A (zh) * | 2019-12-10 | 2020-03-24 | 浙江蓝卓工业互联网信息技术有限公司 | 皮带偏移状态检测方法及系统 |
CN111003446A (zh) * | 2019-12-10 | 2020-04-14 | 安徽银河物联通信技术有限公司 | 一种皮带跑偏检测方法 |
-
2020
- 2020-08-28 CN CN202010883188.4A patent/CN112124900B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09100014A (ja) * | 1996-05-10 | 1997-04-15 | Road Eng:Kk | コンベアベルトの自動調整装置 |
CN102673979A (zh) * | 2012-06-12 | 2012-09-19 | 青岛科技大学 | 输送带跑偏判断方法及判断装置 |
CN105083912A (zh) * | 2015-07-07 | 2015-11-25 | 青岛科技大学 | 一种基于图像识别的输送带跑偏检测方法 |
CN110519566A (zh) * | 2019-08-28 | 2019-11-29 | 山东科技大学 | 一种基于视频处理的皮带运动状态监测方法 |
CN110838097A (zh) * | 2019-11-22 | 2020-02-25 | 江苏东方赛云电子科技有限公司 | 一种基于机器视觉的输送带偏移测量方法 |
CN110902315A (zh) * | 2019-12-10 | 2020-03-24 | 浙江蓝卓工业互联网信息技术有限公司 | 皮带偏移状态检测方法及系统 |
CN111003446A (zh) * | 2019-12-10 | 2020-04-14 | 安徽银河物联通信技术有限公司 | 一种皮带跑偏检测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801965A (zh) * | 2021-01-21 | 2021-05-14 | 中南大学 | 一种基于卷积神经网络的烧结皮带异物监测方法及系统 |
CN112926443A (zh) * | 2021-02-24 | 2021-06-08 | 北京优创新港科技股份有限公司 | 一种基于卷积神经网络的烟叶收购传送带是否有人的判断方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112124900B (zh) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112124900B (zh) | 一种井下皮带偏移的视觉检测方法 | |
CN115239704B (zh) | 一种木材表面缺陷的精准检测修复方法 | |
CN102663360B (zh) | 一种钢铁板坯编码自动识别方法以及钢铁板坯跟踪系统 | |
CN111814678B (zh) | 一种基于视频监控的运输皮带中煤流识别方法及系统 | |
CN110519566B (zh) | 一种基于视频处理的皮带运动状态监测方法 | |
CN105160654A (zh) | 基于特征点提取的毛巾标签缺陷检测方法 | |
CN108009574B (zh) | 一种轨道扣件检测方法 | |
CN110015553B (zh) | 基于视频分析的运输皮带系统异物检测保护方法 | |
CN112040174A (zh) | 一种用于井下的煤流量视觉检测方法 | |
CN111354026A (zh) | 一种基于surf特征的改进列车图像精确配准方法和系统 | |
CN112330653B (zh) | 一种基于图像识别技术的矿石粒度在线检测方法 | |
Nian et al. | Automatic detection of defects in solar modules: image processing in detecting | |
CN111369538A (zh) | 一种基于深度卷积神经网络的传输机胶带跑偏检测方法 | |
CN102610104A (zh) | 一种车载的前方车辆检测方法 | |
CN111573200B (zh) | 一种井下皮带转接处堵塞的视觉检测系统及检测方法 | |
CN117975057A (zh) | 一种基于特征比对的工厂环境异常检测方法 | |
CN116402827B (zh) | 基于图像处理的采煤机用电缆夹板缺陷检测方法及装置 | |
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 | |
Li et al. | Track crack detection method in complex environment | |
CN117094609A (zh) | 一种基于机器视觉的铝型材生产质量智能管理系统 | |
CN108362693B (zh) | 一种基于图像处理的传送带上绝缘子合格率的检测方法 | |
CN116258680A (zh) | 一种烧结皮带下料异常监测图像的处理方法 | |
CN112907524B (zh) | 基于图像处理的铁路货车防火板故障检测方法 | |
CN115661707A (zh) | 一种基于巡检机器人的皮带跑偏识别算法 | |
CN110207783A (zh) | 一种基于视频识别的检测水位方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |