CN112182277A - 一种图像处理技术匹配铝模板的方法 - Google Patents
一种图像处理技术匹配铝模板的方法 Download PDFInfo
- Publication number
- CN112182277A CN112182277A CN202011239115.8A CN202011239115A CN112182277A CN 112182277 A CN112182277 A CN 112182277A CN 202011239115 A CN202011239115 A CN 202011239115A CN 112182277 A CN112182277 A CN 112182277A
- Authority
- CN
- China
- Prior art keywords
- image
- aluminum template
- aluminum
- template
- features
- 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
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 title claims abstract description 62
- 229910052782 aluminium Inorganic materials 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005516 engineering process Methods 0.000 title claims abstract description 16
- 238000005070 sampling Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000009826 distribution Methods 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 7
- 238000004042 decolorization Methods 0.000 claims description 3
- 239000002893 slag Substances 0.000 claims description 3
- 239000000178 monomer Substances 0.000 claims 3
- 239000003351 stiffener Substances 0.000 claims 2
- AZDRQVAHHNSJOQ-UHFFFAOYSA-N alumane Chemical group [AlH3] AZDRQVAHHNSJOQ-UHFFFAOYSA-N 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 230000007246 mechanism Effects 0.000 abstract description 2
- 238000003466 welding Methods 0.000 description 17
- 238000011084 recovery Methods 0.000 description 8
- 230000003014 reinforcing effect Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 3
- 238000005553 drilling Methods 0.000 description 3
- 238000004064 recycling Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004570 mortar (masonry) Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5862—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种图像处理技术匹配铝模板的方法,采用计算机图像处理之图像匹配技术,通过采集铝模板个体外观特性图像,记录生成铝模板图像指纹编码库,当需要铝模板个体进行识别时,可通过特定取样部位的图片的图像指纹与图像指纹编码库中相同部位的图像指纹进行匹配,从而进行铝模板的个体识别;此方法为铝模板生产企业在铝模板实现快速自动化清点统计和识别提供了解决办法,克服了以往需要花大量人工和时间对铝模板进行清点的难题;本发明由图像设备采集和计算机构成实现,较人工识别具有识别速度快,准确度高,部署简单,节省成本等优点。
Description
技术领域
本发明涉及一种图像处理技术,具体涉及一种图像处理技术匹配铝模板的方法。
背景技术
在我国,建筑行业铝模板企业生产的铝模板通常会有这样几个阶段,即生产加工、出库、工地现场拼装施工、回收、入旧模板库和下次再循环使用,而在回收铝模板阶段,需要对之前出库送到工地的铝模板型号和数量进行清点统计,确保数量型号一致;这些铝模板在出库之前即使已经做了贴码编号标识或注明型号,但在拼装施工现场,难免会因各种原因,比如日晒雨淋、碰撞、摩擦、混凝土砂浆覆盖等,导致所贴标签损坏或丢失,以致于无法立刻辨认模板的准确型号,型号无法确定那么型号数量精确统计就无法实现;能够准确快速辨认出模板型号实现回收模板统计的前提和条件。
目前,现有的铝模板回收清点方案大体有两种,一种靠人工识别清点,而铝模板的型号种类多达数千种,这需要有相当经验的熟练工才能识别,而且每个模板还需要丈量其尺寸才能获得准确型号,更不要提在操作中的人为误差,这都将影响到最后的结果;而人工统计的缺点还不仅如此,上万个回收的铝模板需要数个工人工作4-5天才能完成,人工操作效率太慢。
很多时候为了减少时间,只能草草粗略统计;还有一种清点方式是重量对比,即计算比较出厂的模板总重量和回收来的模板总重量,这种方案能够快速计算出模板损失的重量,但对具体的回收清单却完全无法统计,不利于后期的入库和循环使用。
发明内容
本发明的目的是提供一种基于计算机图像识别技术匹配铝模板的方法,基于对铝模板特定区域图像采集后进行匹配识别,解决了铝模板回收阶段对模板型号识别难、识别慢、难以精确统计清点的问题。
本发明通过下述技术方案实现:
一种图像处理技术匹配铝模板的方法,基于计算机图像处理与图像匹配技术,包括以下步骤:
S1:采用成像设备对铝模板取样部位进行取样,得到若干个图像样本;
S2:将图像样本发送到处理器中对图像样本进行预处理,得到预处理样本;
S3:对预处理样本进行尺寸缩放处理,得到缩放后的图像样本;
S4:把缩放后的图像样本进行二值化处理,得到去色后的图像数据;
S5:对去色后的图像数的每一个像素块进行均值处理,得到移除共性的均值数据;
S6:把去均值后数据和像素中的方格的颜色位置、二维阵列中的阵列元素值相比较,得到像素和灰度的差值;
S7:对像素和灰度的差值进行哈希值预计算,得到具有身份特征的图像数据;
S8:将多组具有身份特征的图像数据上传至数据库,得到具有模板指纹编码型号数据的数据库;
S9:将数据库中的每一块模板的指纹编码型号和预设的唯一编码绑定,得到每个图像的唯一图像指纹编码。
其中,把图片上每个位置的值减去均值,可以一定程度上移除它们共同的部分,凸显个性的部分,更有利于图片的处理。
进一步,所述铝模板取样部位包括焊缝、边角部位、加强筋连接处、折边处和钻孔处。
进一步,所述身份特征包括焊缝纹理、钻孔的外形、孔间距、钻孔分布、焊渣分布、折边特征、边角特征、加强筋连接特征和加强筋分布特征。
进一步,对取样的铝模单体部位用光学成像设备,摄像设备,或其他图像设备,如X光成像设备,远红外成像设备,激光探测成像设备,声纳探测成像设备等,进行图形取样,并对取样的图形进行数字化处理,生成铝模单体的图形指纹样本码,需要对铝模板单体进行识别时,可对与铝模板取样部位进行图形取样,通过图形系统生成图形识别码和存储的铝模板图形指纹样本码库进行查询和对比,以查出相同或相近的的图形指纹样本码,并获得相关联的铝模板单体的其他识别编码来实现铝模板单体的识别;计算机图像识别匹配技术精度大大高于人工识别。
进一步,所述成像设备以垂直于铝模板的焊缝角度固定。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明一种图像处理技术匹配铝模板的方法,通过采集铝模板个体外观特性图像,记录生成铝模板图像指纹编码库,当需要铝模板个体进行识别时,可通过特定取样部位的图片的图像指纹与图像指纹编码库中相同部位的图像指纹进行匹配,从而进行铝模板的个体识别;此方法为铝模板生产企业在铝模板实现快速自动化清点统计和识别提供了解决办法,克服了以往需要花大量人工和时间对铝模板进行清点的难题;本发明方法由图像设备采集和计算机构成实现,较人工识别具有识别速度快,准确度高,部署简单,节省成本等优点;与应用RFID芯片方法相比,成本更低,识别更为准确。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明模板出厂前流程示意图。
图2为本发明模板回收流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
在以下描述中,为了提供对本发明的透彻理解阐述了大量特定细节。然而,对于本领域普通技术人员显而易见的是:不必采用这些特定细节来实行本发明。在其他实例中,为了避免混淆本发明,未具体描述公知的结构、电路、材料或方法。
在整个说明书中,对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着:结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此,在整个说明书的各个地方出现的短语“一个实施例”、“实施例”、“一个示例”或“示例”不一定都指同一实施例或示例。此外,可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外,本领域普通技术人员应当理解,在此提供的示图都是为了说明的目的,并且示图不一定是按比例绘制的。这里使用的术语“和/或”包括一个或多个相关列出的项目的任何和所有组合。
在本发明的描述中,需要理解的是,术语“前”、“后”、“左”、“右”、“上”、“下”、“竖直”、“水平”、“高”、“低”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明保护范围的限制。
实施例一
如图1所示,本发明一种图像处理技术匹配铝模板的方法,基于计算机图像处理与图像匹配技术,包括以下步骤:
S1:安放回收的铝模板,固定好图像采集器摄像头和铝模板的相对位置,将摄像头垂直正对在铝模板焊缝上方,调整焦距。为保证初次采集和回收阶段采集拍摄的是同一位置的焊缝,可制定所有铝模板被采集的焊缝位置规则,比如模板上方左边顶点处焊缝,将拍摄采集到的焊缝图像传到计算机中;得到若干个图像样本;
S2:将图像样本发送到处理器中对图像样本进行预处理,得到预处理样本;
S3:对预处理样本进行尺寸缩放处理,得到缩放后的图像样本,对预处理样本进行尺寸缩放处理使得处理器的处理效率和速度更快,反应时间更短;
S4:把缩放后的图像样本进行二值化处理,得到去色后的图像数据;
S5:对去色后的图像数的每一个像素块进行均值处理,得到移除共性的均值数据,把图片上每个位置的值减去均值,可以一定程度上移除它们共同的部分,凸显个性的部分,更有利于图片的处理;
S6:把去均值后数据和像素中的方格的颜色位置、二维阵列中的阵列元素值相比较,得到像素和灰度的差值;
S7:一般的线性表,树中,记录在结构中的相对位置是随机的,即和记录的关键字之间不存在确定的关系,因此,在结构中查找记录时需进行一系列和关键字的比较。这一类查找方法建立在“比较“的基础上,查找的效率依赖于查找过程中所进行的比较次数。理想的情况是能直接找到需要的记录,因此必须在记录的存储位置和它的关键字之间建立一个确定的对应关系f,使每个关键字和结构中一个唯一的存储位置相对应;对像素和灰度的差值进行哈希值预计算,得到具有身份特征的图像数据;
S8:将多组具有身份特征的图像数据上传至数据库,得到具有模板指纹编码型号数据的数据库;
S9:将数据库中的每一块模板的指纹编码型号和预设的唯一编码绑定,得到每个图像的唯一图像指纹编码。
进一步,所述铝模板取样部位包括焊缝、边角部位、加强筋连接处、折边处和钻孔处;所述身份特征包括焊缝纹理、钻孔的外形、孔间距、钻孔分布、焊渣分布、折边特征、边角特征、加强筋连接特征和加强筋分布特征。
可以理解:本发明设计一种基于图像处理技术匹配铝模板的方法。通过计算机图像识别匹配技术精度大大高于人工识别,本方法速度快,只需要对回收铝模板焊缝进行图像采集,几秒即可得出匹配结果,极大提高了识别效率,该方法操作简单,对人员要求相对较低,无需经验丰富熟练工也可完成。
实施例二
如图2所示,本发明一种图像处理技术匹配铝模板的方法,基于计算机图像处理与图像匹配技术,在回收阶段,清理掉模板上的灰尘和水泥后,安放回收的铝模板,固定好图像采集器摄像头和铝模板的相对位置,将摄像头垂直正对在铝模板焊缝上方,调整焦距。为保证回收阶段采集拍摄的是同一位置的焊缝,可制定所有铝模板被采集的焊缝位置规则,比如模板上方左边顶点处焊缝。将拍摄采集到的焊缝图像传到计算机中;计算机通过图像处理,将每张铝模板焊缝图像进行缩小、去色、计算平均值,经过哈希计算获取特征值,得到每个焊缝的唯一图像指纹编码;每个铝模板的型号和身份唯一编码等信息是已知的,所以能够实现在数据库中把这些信息和每个铝模板的图像指纹编码关联并保存,把数据库中所有模板的图像指纹编码与采集的取样样本指纹信息进行匹配,得到匹配值最高的对应指纹编码,并查询其关联的模板型号、身份编码等信息,将查询结果记录到回收统计清单中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种图像处理技术匹配铝模板的方法,基于计算机图像处理与图像匹配技术,其特性在于,包括以下步骤:
S1:采用成像设备对铝模板取样部位进行取样,得到若干个图像样本;
S2:将图像样本发送到处理器中对图像样本进行预处理,得到预处理样本;
S3:对预处理样本进行尺寸缩放处理,得到缩放后的图像样本;
S4:把缩放后的图像样本进行二值化处理,得到去色后的图像数据;
S5:对去色后的图像数的每一个像素块进行均值处理,得到移除共性的均值数据;
S6:把去均值后数据和像素中的方格的颜色位置、二维阵列中的阵列元素值相比较,得到像素和灰度的差值;
S7:对像素和灰度的差值进行哈希值预计算,得到具有身份特征的图像数据;
S8:将多组具有身份特征的图像数据上传至数据库,得到具有模板指纹编码型号数据的数据库;
S9:将数据库中的每一块模板的指纹编码型号和预设的唯一编码绑定,得到每个图像的唯一图像指纹编码。
2.根据权利要求1所述的一种图像处理技术匹配铝模板的方法,其特征在于,所述铝模板取样部位包括焊缝、边角部位、加强筋连接处、折边处和钻孔处。
3.根据权利要求1所述的一种图像处理技术匹配铝模板的方法,其特征在于,所述身份特征包括焊缝纹理特征、钻孔的外形特征、孔间距特征、钻孔分布特征、焊渣分布特征、折边特征、边角特征、加强筋连接特征和加强筋分布特征。
4.根据权利要求1所述的一种图像处理技术匹配铝模板的方法,其特征在于,当需要对铝模板单体进行识别时,可对与铝模板取样部位进行图形取样,通过图形系统生成图形识别码和存储的铝模板图形指纹样本码库进行查询和对比,以查出相同或相近的的图形指纹样本码,并获得相关联的铝模板单体的其他识别编码来实现铝模板单体的识别。
5.根据权利要求1所述的一种图像处理技术匹配铝模板的方法,其特征在于,所述成像设备以垂直于铝模板的焊缝角度固定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011239115.8A CN112182277A (zh) | 2020-11-09 | 2020-11-09 | 一种图像处理技术匹配铝模板的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011239115.8A CN112182277A (zh) | 2020-11-09 | 2020-11-09 | 一种图像处理技术匹配铝模板的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112182277A true CN112182277A (zh) | 2021-01-05 |
Family
ID=73916527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011239115.8A Pending CN112182277A (zh) | 2020-11-09 | 2020-11-09 | 一种图像处理技术匹配铝模板的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112182277A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112882781A (zh) * | 2021-02-05 | 2021-06-01 | 瑞芯微电子股份有限公司 | 一种智能边框检测和同屏的方法和存储设备 |
CN113418447A (zh) * | 2021-06-21 | 2021-09-21 | 深圳市汤古科技有限公司 | 基于测量光幕的铝模板参数识别方法、装置、电子设备及介质 |
CN113566736A (zh) * | 2021-07-27 | 2021-10-29 | 西南科技大学 | 一种基于多路线激光扫描的铝模板识别检测装置及其识别方法 |
CN113701821A (zh) * | 2021-09-01 | 2021-11-26 | 西南科技大学 | 一种基于局部特征的建筑铝模板识别结构及其方法 |
CN115690200A (zh) * | 2022-12-30 | 2023-02-03 | 北京慕柏科技有限公司 | 一种打孔铝片匹配铝模板的方法、装置、设备及存储介质 |
CN117890214A (zh) * | 2024-03-14 | 2024-04-16 | 西安汉华建筑实业有限公司 | 一种基于机器视觉的铝模板质检检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030034281A1 (en) * | 1996-02-16 | 2003-02-20 | Huron Valley Steel Corporation | Metal scrap sorting system |
WO2007133163A1 (en) * | 2006-05-11 | 2007-11-22 | Singular Id Pte Ltd | Method of identifying an object, an identification tag, an object adapted to be identified, and related device and system |
CN110490250A (zh) * | 2019-08-19 | 2019-11-22 | 广州虎牙科技有限公司 | 一种人工智能训练集的获取方法及装置 |
CN111339906A (zh) * | 2020-02-24 | 2020-06-26 | 南京恒青中浦光电科技有限公司 | 一种图像处理设备和图像处理系统 |
CN111415339A (zh) * | 2020-03-17 | 2020-07-14 | 广东工业大学 | 一种复杂纹理工业产品图像缺陷检测方法 |
CN111651622A (zh) * | 2020-05-29 | 2020-09-11 | 云南昆船设计研究院有限公司 | 一种基于三维成像的建筑用铝模板自动分类系统及其方法 |
-
2020
- 2020-11-09 CN CN202011239115.8A patent/CN112182277A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030034281A1 (en) * | 1996-02-16 | 2003-02-20 | Huron Valley Steel Corporation | Metal scrap sorting system |
WO2007133163A1 (en) * | 2006-05-11 | 2007-11-22 | Singular Id Pte Ltd | Method of identifying an object, an identification tag, an object adapted to be identified, and related device and system |
CN110490250A (zh) * | 2019-08-19 | 2019-11-22 | 广州虎牙科技有限公司 | 一种人工智能训练集的获取方法及装置 |
CN111339906A (zh) * | 2020-02-24 | 2020-06-26 | 南京恒青中浦光电科技有限公司 | 一种图像处理设备和图像处理系统 |
CN111415339A (zh) * | 2020-03-17 | 2020-07-14 | 广东工业大学 | 一种复杂纹理工业产品图像缺陷检测方法 |
CN111651622A (zh) * | 2020-05-29 | 2020-09-11 | 云南昆船设计研究院有限公司 | 一种基于三维成像的建筑用铝模板自动分类系统及其方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112882781A (zh) * | 2021-02-05 | 2021-06-01 | 瑞芯微电子股份有限公司 | 一种智能边框检测和同屏的方法和存储设备 |
CN113418447A (zh) * | 2021-06-21 | 2021-09-21 | 深圳市汤古科技有限公司 | 基于测量光幕的铝模板参数识别方法、装置、电子设备及介质 |
CN113418447B (zh) * | 2021-06-21 | 2023-08-08 | 深圳市汤古科技有限公司 | 基于测量光幕的铝模板参数识别方法、装置、电子设备及介质 |
CN113566736A (zh) * | 2021-07-27 | 2021-10-29 | 西南科技大学 | 一种基于多路线激光扫描的铝模板识别检测装置及其识别方法 |
CN113701821A (zh) * | 2021-09-01 | 2021-11-26 | 西南科技大学 | 一种基于局部特征的建筑铝模板识别结构及其方法 |
CN113701821B (zh) * | 2021-09-01 | 2024-03-05 | 西南科技大学 | 一种基于局部特征的建筑铝模板识别结构及其方法 |
CN115690200A (zh) * | 2022-12-30 | 2023-02-03 | 北京慕柏科技有限公司 | 一种打孔铝片匹配铝模板的方法、装置、设备及存储介质 |
CN115690200B (zh) * | 2022-12-30 | 2024-03-08 | 北京慕柏科技有限公司 | 一种打孔铝片匹配铝模板的方法、装置、设备及存储介质 |
CN117890214A (zh) * | 2024-03-14 | 2024-04-16 | 西安汉华建筑实业有限公司 | 一种基于机器视觉的铝模板质检检测方法 |
CN117890214B (zh) * | 2024-03-14 | 2024-06-04 | 西安汉华建筑实业有限公司 | 一种基于机器视觉的铝模板质检检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112182277A (zh) | 一种图像处理技术匹配铝模板的方法 | |
Shufelt et al. | Fusion of monocular cues to detect man-made structures in aerial imagery | |
CN111951237A (zh) | 外观视觉检测方法 | |
CN106600600A (zh) | 基于特征匹配的晶圆缺陷检测方法 | |
CN107977656A (zh) | 一种行人重识别方法及系统 | |
CN111899288A (zh) | 基于红外和可见光图像融合的隧道渗漏水区域检测与识别方法 | |
CN108846331B (zh) | 一种动车组底盘螺丝紧固件是否脱落的视频识别方法 | |
CN108267121A (zh) | 一种可变场景下多设备的视觉导航方法及系统 | |
Haala | Detection of buildings by fusion of range and image data | |
CN111452045B (zh) | 一种基于立体视觉的钢筋识别标记系统和方法 | |
CN100452079C (zh) | 一种全自动汽车清洗中车辆模式识别的方法 | |
Lamon et al. | Environmental modeling with fingerprint sequences for topological global localization | |
CN107016394A (zh) | 一种交叉纤维特征点匹配方法 | |
CN115346256A (zh) | 机器人寻人方法及系统 | |
CN115877400A (zh) | 基于雷达与视觉融合的巷道顶板支护钢带钻孔定位方法 | |
CN116309277A (zh) | 基于深度学习的钢材检测方法及系统 | |
CN113627427B (zh) | 一种基于图像检测技术的仪器仪表读数方法及系统 | |
CN114973320A (zh) | 一种基于深度信息的煤矿井下人员检测方法 | |
Peppa et al. | Handcrafted and learning-based tie point features-comparison using the EuroSDR RPAS benchmark datasets | |
CN113033443B (zh) | 一种基于无人机的行人过街设施全路网自动化排查方法 | |
CN111223081A (zh) | 基于深度学习的零件开孔识别与检测方法及系统 | |
CN113269729B (zh) | 一种基于深度图像对比的装配体多视角检测方法和系统 | |
CN110929690A (zh) | 一种基于深度神经网络的遥感影像路网提取方法 | |
CN116109633B (zh) | 一种轴承保持器的窗口检测方法及设备 | |
CN112966638A (zh) | 基于多种特征的变电站作业人员鉴别及定位方法 |
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 |