CN112541896B - 一种炉口堆渣情况辨识方法及系统 - Google Patents
一种炉口堆渣情况辨识方法及系统 Download PDFInfo
- Publication number
- CN112541896B CN112541896B CN202011466398.XA CN202011466398A CN112541896B CN 112541896 B CN112541896 B CN 112541896B CN 202011466398 A CN202011466398 A CN 202011466398A CN 112541896 B CN112541896 B CN 112541896B
- Authority
- CN
- China
- Prior art keywords
- furnace mouth
- image
- condition
- slag
- furnace
- 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
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
-
- 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
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种炉口堆渣情况辨识方法及系统,首先获取炉口的图像,然后根据预设阈值,从图像中分割出炉口区域,获取在图像中炉口区域的下边界最高位置和最低位置的高度差量以及炉口区域的几何参数数据,进而根据高度差量或/和炉口区域的几何参数数据,获得炉口堆渣情况的辨识结果。本发明实现了根据炉口图像辨识出炉口是否存在堆渣情况。
Description
技术领域
本发明涉及图像处理应用技术领域,特别是涉及一种炉口堆渣情况辨识方法及系统。
背景技术
现有技术中,在转炉炼钢的过程中是由操作工通过视觉观察炉口的状况而进行调控,从而完成吹炼的过程。但是转炉吹炼的过程中难免会出现喷溅情况,时间久了会在炉口堆积厚厚的钢渣,不仅影响炉前操作工的视野,在智能炼钢过程中也会影响对化渣情况或者返干情况的判断。目前,实现智能炼钢已成为一种发展趋势,因此,如何实现智能辨识炉口堆渣情况成为首先要解决的技术问题之一。
发明内容
本发明的目的是提供一种炉口堆渣情况辨识方法及系统,能够根据炉口图像辨识出炉口的堆渣情况。
为实现上述目的,本发明提供如下技术方案:
一种炉口堆渣情况辨识方法,包括:
获取炉口的图像;
根据预设阈值,从所述图像中分割出炉口区域;
获取在所述图像中所述炉口区域的下边界最高位置和最低位置的高度差量以及所述炉口区域的几何参数数据;
根据所述高度差量或/和所述炉口区域的几何参数数据,获得炉口堆渣情况的辨识结果。
优选的,根据使用最大类间方差法确定的阈值,从所述图像中分割出炉口区域。
优选的,根据预设阈值,从所述图像中分割出炉口区域包括:
根据所述图像,使用最大类间方差法确定出所述预设阈值;
根据所述预设阈值对所述图像二值化处理,从所述图像中分割出炉口区域。
优选的,获取在所述图像中所述炉口区域的下边界最高位置和最低位置的高度差量包括:
将所述图像中所述炉口区域的下边界各像素按照行坐标排序;
选取排列在前的预设数量像素并获取行坐标的平均值,表示为第一位置数据,选取排列在后的预设数量像素并获取行坐标的平均值,表示为第二位置数据;
获取所述第一位置数据和所述第二位置数据的差量,得到所述炉口区域的下边界最高位置和最低位置的高度差量。
优选的,获取在所述图像中所述炉口区域的几何参数数据包括:获取在所述图像中所述炉口区域的最大内接矩形,获得在所述图像中该最大内接矩形的几何参数数据,作为在所述图像中所述炉口区域的几何参数数据。
优选的,根据所述高度差量或/和所述炉口区域的几何参数数据,获得炉口堆渣情况的辨识结果包括:若满足第一条件,则判定炉口存在堆渣情况,所述第一条件为:当前图像对应的所述高度差量、当前图像之前预设时间段内获得的多张图像对应的所述高度差量以及当前图像的所述炉口区域的几何参数数据满足第一预设要求。
优选的,根据所述高度差量或/和所述炉口区域的几何参数数据,获得炉口堆渣情况的辨识结果包括:若预设时间段内获得的多张图像的所述炉口区域的几何参数数据满足第二条件,则判定炉口存在堆渣情况。
优选的,所述第二条件具体为:预设时间段内获得的多张图像的所述炉口区域的几何参数数据的平均数据满足第二预设要求,且该预设时间段内获得的多张图像中所述炉口区域的几何参数数据满足第三预设要求的图像数量,满足第四预设要求。
优选的,根据所述高度差量或/和所述炉口区域的几何参数数据,获得炉口堆渣情况的辨识结果包括:若满足第三条件,则判定炉口存在堆渣情况,所述第三条件为:
当前图像的所述炉口区域的面积满足第五预设要求,或者当前图像的所述炉口区域的面积不满足所述第五预设要求且当前图像的所述炉口区域下边界包括的像素数量满足第六预设要求。
一种炉口堆渣情况辨识系统,用于执行以上所述的炉口堆渣情况辨识方法。
由上述技术方案可知,本发明所提供的一种炉口堆渣情况辨识方法及系统,首先获取炉口的图像,然后根据预设阈值,从图像中分割出炉口区域,获取在图像中炉口区域的下边界最高位置和最低位置的高度差量以及炉口区域的几何参数数据,进而根据高度差量或/和炉口区域的几何参数数据,获得炉口堆渣情况的辨识结果。本发明实现了根据炉口图像辨识出炉口是否存在堆渣情况。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种炉口堆渣情况辨识方法的流程图;
图2(a)为一具体实例中获取的炉口的原始图像;
图2(b)为对图2(a)所示图像进行滤波处理后的图像;
图2(c)为对图2(b)所示图像使用预设阈值分割出炉口区域的图像;
图2(d)为对图2(c)所示图像二值化处理后分割出炉口区域的图像;
图2(e)为在图2(a)所示图像中标记出炉口区域下边界的示意图;
图2(f)为在图2(a)所示图像中标记出炉口区域的最大内接矩形的示意图;
图3为本发明实施例中获取在图像中炉口区域的下边界最高位置和最低位置的高度差量的方法流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,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,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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,都应当属于本发明保护的范围。
请参考图1,图1为本发明实施例提供的一种炉口堆渣情况辨识方法的流程图,由图可知,所述炉口堆渣情况辨识方法包括以下步骤:
S10:获取炉口的图像。
可以通过安装在炉口附近的摄像装置来获取炉口的图像。在实际应用中,由于若炉口存在堆渣只能在下一炉次开始吹炼之前进行清理炉口,并不能实时处理炉口堆渣,因此为了尽可能避免前期明显的烟雾影响,最好从吹炼进行到一定时间的时候开始对炉口堆渣情况辨识,比如可以从吹炼时间2/3的时候开始进行炉口堆渣情况的辨识。
S11:根据预设阈值,从所述图像中分割出炉口区域。
可选的,可以根据获得的炉口图像,使用最大类间方差法确定出预设阈值,进而从图像中分割出炉口区域。进一步优选的,可以先根据获得的炉口的图像,使用最大类间方差法确定出预设阈值,然后根据预设阈值对图像二值化处理,从图像中分割出炉口区域。假设根据最大类间方差法确定出的预设阈值UsedThreshold,根据预设阈值对图像二值化处理可表示为:
其中,I_o表示二值化处理后输出图像的像素值,I_i表示输入图像的像素值,sigma表示预设系数值。
通过根据最大类间方差法确定出的阈值对图像进行二值化处理,能够更加准确地从图像中获取炉口区域。优选的,对图像二值化处理后对图像进行闭运算形态学处理,从而从图像中分割出完整的炉口区域。
优选的,在从炉口图像提取炉口区域之前,可以对获得图像进行滤波处理,以去除图像中噪声以及杂点干扰,能够提高提取炉口区域的准确性以及对炉口堆渣情况辨识的准确性。请参考图2(a)至图2(d),图2(a)为一具体实例中获取的炉口的原始图像,图2(b)为对图2(a)所示图像进行滤波处理后的图像,图2(c)为对图2(b)所示图像使用预设阈值分割出炉口区域的图像,图2(d)为对图2(c)所示图像二值化处理后分割出炉口区域的图像,根据图2(d)可以看出在图像中分割出了完整的炉口区域。
S12:获取在所述图像中所述炉口区域的下边界最高位置和最低位置的高度差量以及所述炉口区域的几何参数数据。
由于炉口堆渣情况主要表现为在炉口底面堆渣,堆渣不断增多而导致遮挡炉口,因此根据图像中识别出的炉口区域下边界的高度落差,能够协助辨识炉口堆渣情况。可选的,可根据以下过程获取在图像中炉口区域的下边界最高位置和最低位置的高度差量,请参考图3,图3为本实施例中获取在图像中炉口区域的下边界最高位置和最低位置的高度差量的方法流程图,包括以下步骤:
S120:将所述图像中所述炉口区域的下边界各像素按照行坐标排序。
S121:选取排列在前的预设数量像素并获取行坐标的平均值,表示为第一位置数据,选取排列在后的预设数量像素并获取行坐标的平均值,表示为第二位置数据。
S122:获取所述第一位置数据和所述第二位置数据的差量,得到所述炉口区域的下边界最高位置和最低位置的高度差量。
示例性的,将炉口区域的下边界各像素按照行坐标排序,可以选取排列在前10的像素并求取这些像素的行坐标平均值be_pixels,选取排列在后10的像素并求取这些像素的行坐标平均值af_pixels,取两者的差量作为图像中炉口区域下边界最高位置和最低位置的高度差量dit_pixels。示例性的请参考图2(e),图2(e)为在图2(a)所示图像中标记出炉口区域下边界的示意图。
图像中炉口区域的几何参数包括从图像中识别出的炉口区域的形状、尺寸或者面积。可选的,可以获取在图像中炉口区域的最大内接矩形,获得在图像中该最大内接矩形的几何参数数据,作为从图像中识别出的炉口区域的几何参数数据。可选的,可以获取在图像中提取出的炉口区域的最大内接矩形的宽度、高度或者面积,根据这些参数数据辨识炉口堆渣情况。示例性的请参考图2(f),图2(f)为在图2(a)所示图像中标记出炉口区域的最大内接矩形的示意图。
S13:根据所述高度差量或/和所述炉口区域的几何参数数据,获得炉口堆渣情况的辨识结果。
可选的,若满足第一条件,则判定炉口存在堆渣情况,所述第一条件为:当前图像对应的所述高度差量、当前图像之前预设时间段内获得的多张图像对应的所述高度差量以及当前图像的所述炉口区域的几何参数数据满足第一预设要求。
具体的,第一条件可以是当前图像对应的高度差量dit_pixels小于高度差量阈值TH_pixels;并且,当前图像之前预设时间段内获得的多张图像中高度差量dit_pixels大于第一预设值的图像数量num_pixels,图像数量num_pixels大于第一数量阈值TH_num_pixels;并且,当前图像的炉口区域的宽度width小于宽度阈值TH_width,高度height小于高度阈值TH_height。
在实际应用中,可以在获取炉口图像对炉口堆渣情况辨识的过程中,根据实时获得的炉口图像,获得当前图像对应的高度差量以及识别出的炉口区域的宽度、高度等几何数据,可以将数据存储到数组中并与图像对应,以及对当前图像之前预设时间段内获得的多张图像统计满足要求的图像数量。其中,各种阈值预先设定。示例性的第一预设值可以是60。当前图像之前预设时间段可以是当前图像之前10秒内。
可选的,若预设时间段内获得的多张图像的所述炉口区域的几何参数数据满足第二条件,则判定炉口存在堆渣情况。本辨识方法中根据预设时间段内获得的多张图像的炉口区域情况,来判断炉口存在的堆渣情况。第二条件可具体为:预设时间段内获得的多张图像的所述炉口区域的几何参数数据的平均数据满足第二预设要求,且该预设时间段内获得的多张图像中所述炉口区域的几何参数数据满足第三预设要求的图像数量,满足第四预设要求。
具体的,第二条件可以是预设时间段内获得的多张图像,该多张图像的炉口区域的平均宽度avg_width小于平均宽度阈值TH_avg_width,该多张图像的炉口区域的平均高度avg_height小于平均高度阈值TH_avg_height;并且,该多张图像中满足第三预设要求的图像数量Tumnum大于第二数量阈值TH_Tumnum,第三预设要求为图像的炉口区域的宽度width小于宽度预设值,高度height小于高度预设值。
在实际应用中,可以在获取炉口图像对炉口堆渣情况辨识的过程中,根据实时获得的炉口图像,将满足第三预设要求的图像数量存储到初始化Tumnum=0的数值中并对图像存储,满足第三预设要求的图像为炉口区域较小的图像。比如存储条件表示为:
或者,第二条件具体为预设时间段内获得的多张图像,该多张图像的炉口区域的平均宽度avg_width小于平均宽度阈值TH_avg_width与预设数值之和,该多张图像的炉口区域的平均高度avg_height小于平均高度阈值TH_avg_height的预设倍数;并且,该多张图像中满足第三预设要求的图像数量Tumnum大于第二数量阈值TH_Tumnum,第三预设要求为图像的炉口区域的宽度width小于宽度预设值,高度height小于高度预设值。示例性的,预设数值为50,预设倍数为1.2倍。预设时间段可以是10秒内。
在实际情况中,炉口积渣不仅有上述还能够明显看到炉口的情况,还存在几乎没有炉口的情况,后一情况下在图像中识别出的炉口下边界的像素数量非常少,就无法获取炉口下边界的高度差量。针对在无法获取炉口下边界的高度落差的情况下可根据炉口区域的面积进行辨识堆渣情况。针对此,若满足第三条件,则判定炉口存在堆渣情况,所述第三条件为:当前图像的所述炉口区域的面积满足第五预设要求,或者当前图像的所述炉口区域的面积不满足所述第五预设要求且当前图像的所述炉口区域下边界包括的像素数量满足第六预设要求。
具体的,第五预设要求为炉口区域的面积area_all小于面积阈值TH_area_all且大于零。第六预设要求为炉口区域下边界包括的像素数量小于预设数量。即若当前图像的炉口区域的面积area_all小于面积阈值TH_area_all且大于零,则判定炉口存在堆渣,或者若当前图像的炉口区域的面积area_all大于面积阈值TH_area_all,但当前图像的炉口区域下边界包括的像素数量小于预设数量,也判定为炉口存在堆渣。示例性的预设数量可以是30。
在实际应用中,当获得的炉口图像满足上述第一条件、第二条件和第三条件中的任意一个或者任意多个时,即判定炉口存在堆渣情况。通过以上的特征识别与综合判断,基本上可以辨识所有的炉口堆渣情况。
相应的,本发明实施例还提供一种炉口堆渣情况辨识系统,用于执行以上所述的炉口堆渣情况辨识方法。
本实施例的炉口堆渣情况辨识系统,首先获取炉口的图像,然后根据预设阈值,从图像中分割出炉口区域,获取在图像中炉口区域的下边界最高位置和最低位置的高度差量以及炉口区域的几何参数数据,进一步根据高度差量或/和炉口区域的几何参数数据,获得炉口堆渣情况的辨识结果。本实施例的炉口堆渣情况辨识系统能够根据炉口图像辨识出炉口是否存在堆渣情况。
以上对本发明所提供的一种炉口堆渣情况辨识方法及系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (8)
1.一种炉口堆渣情况辨识方法,其特征在于,包括:
获取炉口的图像;
根据预设阈值,从所述图像中分割出炉口区域;
获取在所述图像中所述炉口区域的下边界最高位置和最低位置的高度差量以及所述炉口区域的几何参数数据;获取在所述图像中所述炉口区域的几何参数数据包括:获取在所述图像中所述炉口区域的最大内接矩形的宽度、高度或面积,获得在所述图像中该最大内接矩形的几何参数数据,作为在所述图像中所述炉口区域的几何参数数据;
根据所述高度差量和所述炉口区域的几何参数数据,获得炉口堆渣情况的辨识结果;
所述根据所述高度差量和所述炉口区域的几何参数数据,获得炉口堆渣情况的辨识结果包括:若满足第一条件,则判定炉口存在堆渣情况,所述第一条件为:当前图像对应的所述高度差量、当前图像之前预设时间段内获得的多张图像对应的所述高度差量以及当前图像的所述炉口区域的几何参数数据满足第一预设要求。
2.根据权利要求1所述的炉口堆渣情况辨识方法,其特征在于,根据使用最大类间方差法确定的阈值,从所述图像中分割出炉口区域。
3.根据权利要求1所述的炉口堆渣情况辨识方法,其特征在于,根据预设阈值,从所述图像中分割出炉口区域包括:
根据所述图像,使用最大类间方差法确定出所述预设阈值;
根据所述预设阈值对所述图像二值化处理,从所述图像中分割出炉口区域。
4.根据权利要求1所述的炉口堆渣情况辨识方法,其特征在于,获取在所述图像中所述炉口区域的下边界最高位置和最低位置的高度差量包括:
将所述图像中所述炉口区域的下边界各像素按照行坐标排序;
选取排列在前的预设数量像素并获取行坐标的平均值,表示为第一位置数据,选取排列在后的预设数量像素并获取行坐标的平均值,表示为第二位置数据;
获取所述第一位置数据和所述第二位置数据的差量,得到所述炉口区域的下边界最高位置和最低位置的高度差量。
5.根据权利要求1-4任一项所述的炉口堆渣情况辨识方法,其特征在于,根据所述高度差量和所述炉口区域的几何参数数据,获得炉口堆渣情况的辨识结果包括:若预设时间段内获得的多张图像的所述炉口区域的几何参数数据满足第二条件,则判定炉口存在堆渣情况。
6.根据权利要求5所述的炉口堆渣情况辨识方法,其特征在于,所述第二条件具体为:预设时间段内获得的多张图像的所述炉口区域的几何参数数据的平均数据满足第二预设要求,且该预设时间段内获得的多张图像中所述炉口区域的几何参数数据满足第三预设要求的图像数量,满足第四预设要求。
7.根据权利要求1-4任一项所述的炉口堆渣情况辨识方法,其特征在于,根据所述高度差量和所述炉口区域的几何参数数据,获得炉口堆渣情况的辨识结果包括:若满足第三条件,则判定炉口存在堆渣情况,所述第三条件为:
当前图像的所述炉口区域的面积满足第五预设要求,或者当前图像的所述炉口区域的面积不满足所述第五预设要求且当前图像的所述炉口区域下边界包括的像素数量满足第六预设要求。
8.一种炉口堆渣情况辨识系统,其特征在于,用于执行权利要求1-7任一项所述的炉口堆渣情况辨识方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011466398.XA CN112541896B (zh) | 2020-12-14 | 2020-12-14 | 一种炉口堆渣情况辨识方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011466398.XA CN112541896B (zh) | 2020-12-14 | 2020-12-14 | 一种炉口堆渣情况辨识方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112541896A CN112541896A (zh) | 2021-03-23 |
CN112541896B true CN112541896B (zh) | 2023-04-07 |
Family
ID=75018559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011466398.XA Active CN112541896B (zh) | 2020-12-14 | 2020-12-14 | 一种炉口堆渣情况辨识方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112541896B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06249631A (ja) * | 1993-02-26 | 1994-09-09 | Murata Mach Ltd | 積荷の三次元画像計測方法 |
CN108805042A (zh) * | 2018-05-25 | 2018-11-13 | 武汉东智科技股份有限公司 | 道路区域监控视频被树叶遮挡的检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2937098B2 (ja) * | 1995-12-11 | 1999-08-23 | 日本電気株式会社 | 領域検出方法および装置 |
EP3026653A1 (en) * | 2014-11-27 | 2016-06-01 | Kapsch TrafficCom AB | Method of controlling a traffic surveillance system |
JP7052663B2 (ja) * | 2018-09-26 | 2022-04-12 | トヨタ自動車株式会社 | 物体検出装置、物体検出方法及び物体検出用コンピュータプログラム |
CN111476770B (zh) * | 2020-04-03 | 2023-01-31 | 中冶赛迪工程技术股份有限公司 | 一种基于图像处理的炉渣检测方法、装置、设备及介质 |
-
2020
- 2020-12-14 CN CN202011466398.XA patent/CN112541896B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06249631A (ja) * | 1993-02-26 | 1994-09-09 | Murata Mach Ltd | 積荷の三次元画像計測方法 |
CN108805042A (zh) * | 2018-05-25 | 2018-11-13 | 武汉东智科技股份有限公司 | 道路区域监控视频被树叶遮挡的检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112541896A (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7379594B2 (en) | Methods and systems for automatic detection of continuous-tone regions in document images | |
CN110163219B (zh) | 基于图像边缘识别的目标检测方法 | |
CN107844683B (zh) | 一种数字pcr液滴浓度的计算方法 | |
CN106682665B (zh) | 一种基于计算机视觉的七段式数显仪表数字识别方法 | |
CN105447489B (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
CN113935666B (zh) | 基于图像处理的建筑装饰墙面砖异常评估方法 | |
CN113298776B (zh) | 一种金属闭式水泵叶轮外观缺陷检测方法 | |
CN109850518B (zh) | 一种基于红外图像的实时矿用胶带预警撕裂检测方法 | |
CN112507911B (zh) | 一种基于机器视觉的山核桃果实在图像中的实时识别方法 | |
CN111968081A (zh) | 鱼群自动计数方法、装置、电子设备及存储介质 | |
CN112561875A (zh) | 一种基于人工智能的光伏电池板粗栅检测方法 | |
Lin et al. | License plate recognition based on mathematical morphology and template matching | |
CN113096083B (zh) | 一种对炉口钢渣的识别方法、装置、设备及存储介质 | |
CN113052816A (zh) | 一种炉口图像识别方法、装置、设备及存储介质 | |
CN113063474A (zh) | 一种渣液面实时检测方法、装置、设备及存储介质 | |
CN112541896B (zh) | 一种炉口堆渣情况辨识方法及系统 | |
CN114187368B (zh) | 建筑板材的暗纹检测方法、装置、电子设备及存储介质 | |
Deb et al. | Bangladeshi vehicle license plate detection method based on HSI color model and geometrical properties | |
CN115661475A (zh) | 一种图像异物识别方法、装置、设备及存储介质 | |
JP4967045B2 (ja) | 背景判別装置、方法及びプログラム | |
CN114820383A (zh) | 基于绝缘子可见光图像的污秽等级评估方法 | |
CN111028258A (zh) | 一种大尺度灰度图像自适应阈值提取方法 | |
CN112085703A (zh) | 一种扫描件图像清晰度检测方法 | |
CN107578042B (zh) | 一种基于r通道水平邻域方差计算的车牌定位方法 | |
CN115100198B (zh) | 基于除油效果评估的二次除油强度控制方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |