CN112557063A - 一种基于视觉的跨座式单轨轮胎的胎面检测系统 - Google Patents
一种基于视觉的跨座式单轨轮胎的胎面检测系统 Download PDFInfo
- Publication number
- CN112557063A CN112557063A CN202011387488.XA CN202011387488A CN112557063A CN 112557063 A CN112557063 A CN 112557063A CN 202011387488 A CN202011387488 A CN 202011387488A CN 112557063 A CN112557063 A CN 112557063A
- Authority
- CN
- China
- Prior art keywords
- image
- tire
- tread
- monorail
- vision
- 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 29
- 238000004140 cleaning Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 11
- 230000007547 defect Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims description 3
- 230000001678 irradiating effect Effects 0.000 claims description 3
- 230000011664 signaling Effects 0.000 claims 1
- 239000002699 waste material Substances 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 10
- 238000000034 method Methods 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
- G01M17/02—Tyres
- G01M17/027—Tyres using light, e.g. infrared, ultraviolet or holographic techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于视觉的跨座式单轨轮胎的胎面检测系统，包括：安装于单轨车辆的轨道中朝向所述单轨车辆的轮胎胎面的轮胎清洁装置、嵌入所述单轨车辆的轨道中且用于采集所述单轨车辆的轮胎胎面图像的图像采集单元以及电性连接于所述图像采集单元的图像决策单元；其中：所述图像决策单元能够基于所述轮胎胎面图像检测所述轮胎胎面是否存在安全隐患。本发明实现车轮轮胎表面割伤、划伤以及过度磨损检测，解决传统车轮轮胎检测费时费力，不方便观测且检测不准确的问题。
Description
技术领域
本发明涉及图像处理技术领域，具体地，涉及一种基于视觉的跨座式单轨轮胎的胎面检测系统。
背景技术
机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
随着机器视觉技术不断发展，视觉图像处理技术在日常生产生活中的应用越来越广泛。单轨轨道车辆的轮胎胎面问题一般分为胎面变形、胎面受损(割伤、划伤)、胎面鼓包、胎侧(割伤和划伤)几大类。采用2D相机可以实现胎面鼓包、胎面割伤和划伤进行检测，采用3D相机可以检测轮胎磨损深度检测。由于跨座式单轨列车的车轮安装在车辆两端的转向架上，其结构精密且紧凑，且被单轨轨道车辆侧裙及头罩遮挡，人员对轮胎的作业检查空间极其有限。传统的单轨轨道车辆轮胎胎面检测方法采用的是肉眼观察，人的主观因素成为了胎面健康状态的唯一标准，很难实现判断准确可靠性。
为了提高单轨轨道车辆轮胎的胎面检测的准确性，减少人眼检测不细致导致爆胎风险的出现，采用机器视觉识别的方法可以更有效的检测单轨轨道车辆车轮胎面状态，克服了检测空间有限问题，确保车辆行车安全。同时，采用机器人视觉进行胎面分析可以实现远程操作、长时间持续工作、减少劳动力的效果，更加实时方便。
发明内容
本发明的目的是提供一种基于视觉的跨座式单轨轮胎的胎面检测系统，该基于视觉的跨座式单轨轮胎的胎面检测系统实现车轮轮胎表面割伤、划伤以及过度磨损检测，解决传统车轮轮胎检测费时费力，不方便观测且检测不准确的问题。
为了实现上述目的，本发明提供了一种基于视觉的跨座式单轨轮胎的胎面检测系统，所述基于视觉的跨座式单轨轮胎的胎面检测系统包括：安装于单轨车辆的轨道中朝向所述单轨车辆的轮胎胎面的轮胎清洁装置、嵌入所述单轨车辆的轨道中且用于采集所述单轨车辆的轮胎胎面图像的图像采集单元以及电性连接于所述图像采集单元的图像决策单元；其中：所述图像决策单元能够基于所述轮胎胎面图像检测所述轮胎胎面是否存在安全隐患。
优选地，所述轮胎清洁装置包括：车辆感应传感器，用于在所述车辆处于清洁区域时发出启动信号；以及处理器，用于响应于所述启动信号，控制高压空气生成机构生成并朝所述单轨车辆的轮胎吹出高压的压缩空气，清除所述单轨车辆的轮胎表面的附着物。
优选地，所述图像采集单元包括：用于采集所述单轨车辆的轮胎胎面图像的工业相机、安装于所述工业相机上的镜头、用于照射所述单轨车辆的轮胎胎面的光源以及用于控制所述光源开启或关闭的光源控制器。
优选地，所述轨道上设置有与所述工业相机和光源相适配的安装凹槽。
优选地，所述安装凹槽中设置有负压产生装置。
优选地，所述图像决策单元包括：预处理模块，用于预处理所述图像采集单元所采集的轮胎胎面图像；利用图像历史数据训练并建立的决策模型，其中，所述决策模型的输入为所述预处理后的所述轮胎胎面图像，输出为缺陷部分信息；结论确定单元，用于基于所述缺陷部分信息确定所述轮胎胎面是否存在安全隐患。
优选地，所述预处理模块包括：傅里叶变换子模块，用于对所述轮胎胎面图像进行傅里叶正变换和返变换；Blob分析子模块，用于对返变换后的轮胎胎面图像进行连通域分析；以及图像分割子模块，用于对连通域分析后的所述轮胎胎面图像进行分割后输入所述决策模型。
优选地，所述胎面检测系统还包括：电性连接于所述图像决策单元的数据通讯单元和显示单元；其中：所述显示单元用于展示示出所述轮胎胎面是否存在安全隐患的显示信息。
根据上述技术方案，本发明采用视觉图像处理技术采集单轨车辆的轮胎胎面的图片，对胎面情况进行判断，可以避免传统的人眼检测方式造成的误判或者漏判，视觉检测技术可以更高效，更准确的对胎面情况进行分析。视觉检测技术可以连续性工作，可实现远程检测技术，视觉系统的操作简单和维持费用非常低，同时其适应性强，当生产线重组后，视觉系统可以重复使用。误识别的缺陷进行二次辨认，此过程不影响整体性能，可提高精度，减少误判。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1是说明本发明的一种基于视觉的跨座式单轨轮胎的胎面检测系统的模块框图；
图2是说明本发明的图像采集单元的模块框图；以及
图3是寿命本发明的图像决策单元的原理结构图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
图1是本发明的一种基于视觉的跨座式单轨轮胎的胎面检测系统，如图1所示，所述基于视觉的跨座式单轨轮胎的胎面检测系统包括：安装于单轨车辆的轨道中朝向所述单轨车辆的轮胎胎面的轮胎清洁装置、嵌入所述单轨车辆的轨道中且用于采集所述单轨车辆的轮胎胎面图像的图像采集单元以及电性连接于所述图像采集单元的图像决策单元；其中：所述图像决策单元能够基于所述轮胎胎面图像检测所述轮胎胎面是否存在安全隐患。其中，所述安全隐患包括：割伤、划伤以及过度磨损。
优选地，所述轮胎清洁装置包括：车辆感应传感器，用于在所述车辆处于清洁区域时发出启动信号；以及处理器，用于响应于所述启动信号，控制高压空气生成机构生成并朝所述单轨车辆的轮胎吹出高压的压缩空气，清除所述单轨车辆的轮胎表面的附着物。所述高压空气生成机构包括压缩空气干燥机、多角度可调节的压缩空气喷口、轨道梁上喷口安装支架。
优选地，所述图像采集单元可以包括：用于采集所述单轨车辆的轮胎胎面图像的工业相机、安装于所述工业相机上的镜头、用于照射所述单轨车辆的轮胎胎面的光源以及用于控制所述光源开启或关闭的光源控制器。
所述图像采集单元包括：工控机(配备高性能GPU显卡)、工控相机、镜头、光源、光源控制器其中工业相机像素选择范围为500W—1000W像素镜头，具体情况根据实际情况选型。其中相机镜头包含焦距、像面、同光孔径、聚焦范围等参数，需要根据实际情况选型。其中光源控制器，通过将高电压电源转换成相机需要的低电压电源为相机供电，同时可实现光源亮度调节的作用。其中光源采用LED白色平行光源，光源形状根据实际情况而定。工业相机安装在检修工段的轨道梁上，在保证轨道梁各项指标正常的情况下预留一块凹型区域，将相机和光源安装在该区域，同时给该区域提供0.2MPa压力气体，保证该区域内形成负压，防止车辆行驶过程中有灰尘进入。待车轮清洁完成后，车辆进行视觉检测区域，车辆将缓速行驶一段距离，相机不间断对车轮表面进行采集并进行分析。所述的相机镜头选型以及光源选型需要根据现场实际情况而定。
优选地，所述轨道上设置有与所述工业相机和光源相适配的安装凹槽。其中，所述安装凹槽中设置有负压产生装置。
如图1所示，所述的通信接口模块采用以太网交换机，其中GIGE接口是一种图像接口技术，可以实现高速、大数据量的图像传输，远距离传输，可以实现一台控制多台千兆网工业相机进行图像采集。所述的外部接口单元，用于接收外部其它图像采集设备传输的图片信息，属于系统的拓展接口。可实现本系统与其他采集设备通讯。所述的数据通讯单元实现将处理后得到的图片信息传输给其它上位机，实现与其它设备之间的通讯。
优选地，如图3所示，所述图像决策单元可以包括：预处理模块，用于预处理所述图像采集单元所采集的轮胎胎面图像；利用图像历史数据训练并建立的决策模型，其中，所述决策模型的输入为所述预处理后的所述轮胎胎面图像，输出为缺陷部分信息；结论确定单元，用于基于所述缺陷部分信息确定所述轮胎胎面是否存在安全隐患。
其中，所述的图像决策单元主要为软件算法部分，算法处理部分主要分为两个部分，共计八个步骤，第一部分：创建网络模型，读取数据集，数据集分割，训练模型，验证模型，测试模型；第二部分：图像预处理、空间域BLOB分析、图像分割处理、判断和控制。
具体地，如图3，为图像决策单元原理图。主要为软件算法环节，算法处理主要分为两个部分。第一部分：
步骤1：准备网络和数据：准备网络模型、数据预处理、数据集分割。
步骤2：训练网络并评估训练过程：设置适合训练需要的网络参数、对数据进行增强和扩充、开始训练并对训练过程进行评估
步骤3：应用网络与评估网络：混淆矩阵获取图像的实质标注信息，可以与网络模型的预测结果进行对比，得出正样本与负样本的预测正确率，分类器趋于高精度、高召回率
第二部分：
步骤4：通过图像采集模块采集完成相应的图像信息。
步骤5：①将获得的图像信息进行傅里叶变换。目的是将图像的空间域转移到频域中处理，削弱背景因素对图像分析的影响。②傅里叶反变换。采用带通滤波方法处理傅里叶变换削弱的并经图片的图像信息，将图像信息从频域分析在转移到空间域进行分析。
步骤6：进入空间域后进行BLOB分析。
步骤7：图像分割。将图片进行图像分割处理，进行分析。
步骤8：得出缺陷部分信息并得出结论。
优选地，所述预处理模块包括：傅里叶变换子模块，用于对所述轮胎胎面图像进行傅里叶正变换和返变换；Blob分析子模块，用于对返变换后的轮胎胎面图像进行连通域分析；以及图像分割子模块，用于对连通域分析后的所述轮胎胎面图像进行分割后输入所述决策模型。
优选地，所述胎面检测系统还可以包括：电性连接于所述图像决策单元的数据通讯单元和显示单元；其中：所述显示单元用于展示示出所述轮胎胎面是否存在安全隐患的显示信息。
所述显示模块采用Winform设计界面，提供方便快捷的HMI界面。
本发明具有车辆轮胎胎面检测速度快、操作方便、准确率高、节省人力、应用范围广的优点。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种基于视觉的跨座式单轨轮胎的胎面检测系统，其特征在于，所述基于视觉的跨座式单轨轮胎的胎面检测系统包括：安装于单轨车辆的轨道中朝向所述单轨车辆的轮胎胎面的轮胎清洁装置、嵌入所述单轨车辆的轨道中且用于采集所述单轨车辆的轮胎胎面图像的图像采集单元以及电性连接于所述图像采集单元的图像决策单元；其中：所述图像决策单元能够基于所述轮胎胎面图像检测所述轮胎胎面是否存在安全隐患。
2.根据权利要求1所述的基于视觉的跨座式单轨轮胎的胎面检测系统，其特征在于，所述轮胎清洁装置包括：
车辆感应传感器，用于在所述车辆处于清洁区域时发出启动信号；以及
处理器，用于响应于所述启动信号，控制高压空气生成机构生成并朝所述单轨车辆的轮胎吹出高压的压缩空气，清除所述单轨车辆的轮胎表面的附着物。
3.根据权利要求1所述的基于视觉的跨座式单轨轮胎的胎面检测系统，其特征在于，所述图像采集单元包括：用于采集所述单轨车辆的轮胎胎面图像的工业相机、安装于所述工业相机上的镜头、用于照射所述单轨车辆的轮胎胎面的光源以及用于控制所述光源开启或关闭的光源控制器。
4.根据权利要求3所述的基于视觉的跨座式单轨轮胎的胎面检测系统，其特征在于，所述轨道上设置有与所述工业相机和光源相适配的安装凹槽。
5.根据权利要求4所述的基于视觉的跨座式单轨轮胎的胎面检测系统，其特征在于，所述安装凹槽中设置有负压产生装置。
6.根据权利要求3所述的基于视觉的跨座式单轨轮胎的胎面检测系统，其特征在于，所述图像决策单元包括：
预处理模块，用于预处理所述图像采集单元所采集的轮胎胎面图像；
利用图像历史数据训练并建立的决策模型，其中，所述决策模型的输入为所述预处理后的所述轮胎胎面图像，输出为缺陷部分信息；
结论确定单元，用于基于所述缺陷部分信息确定所述轮胎胎面是否存在安全隐患。
7.根据权利要求6所述的基于视觉的跨座式单轨轮胎的胎面检测系统，其特征在于，所述预处理模块包括：
傅里叶变换子模块，用于对所述轮胎胎面图像进行傅里叶正变换和返变换；
Blob分析子模块，用于对返变换后的轮胎胎面图像进行连通域分析；以及
图像分割子模块，用于对连通域分析后的所述轮胎胎面图像进行分割后输入所述决策模型。
8.根据权利要求1所述的基于视觉的跨座式单轨轮胎的胎面检测系统，其特征在于，所述胎面检测系统还包括：电性连接于所述图像决策单元的数据通讯单元和显示单元；其中：所述显示单元用于展示示出所述轮胎胎面是否存在安全隐患的显示信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011387488.XA CN112557063A (zh) | 2020-12-01 | 2020-12-01 | 一种基于视觉的跨座式单轨轮胎的胎面检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011387488.XA CN112557063A (zh) | 2020-12-01 | 2020-12-01 | 一种基于视觉的跨座式单轨轮胎的胎面检测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112557063A true CN112557063A (zh) | 2021-03-26 |
Family
ID=75047418
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011387488.XA Pending CN112557063A (zh) | 2020-12-01 | 2020-12-01 | 一种基于视觉的跨座式单轨轮胎的胎面检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112557063A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113432897A (zh) * | 2021-06-25 | 2021-09-24 | 中国铁建重工集团股份有限公司 | 一种跨坐式单轨列车轮胎磨损用检测系统及检测方法 |
| CN114951076A (zh) * | 2022-05-17 | 2022-08-30 | 沈阳中外运物流有限公司 | 一种全自动轮胎标识检测和清洁装车设备 |
| CN115791211A (zh) * | 2023-02-02 | 2023-03-14 | 迁安市福运机动车检测有限公司 | 一种汽车高效综合检测系统 |
| CN118225695A (zh) * | 2024-04-25 | 2024-06-21 | 深圳市拓视达科技有限公司 | 基于环形光源的车轮缺陷检测方法与系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105335692A (zh) * | 2014-08-15 | 2016-02-17 | 软控股份有限公司 | 一种轮胎x光图像检测识别方法及系统 |
| CN107316300A (zh) * | 2017-07-17 | 2017-11-03 | 杭州盈格信息技术有限公司 | 一种基于深度卷积神经网络的轮胎x光病疵检测方法 |
| CN107437243A (zh) * | 2017-06-19 | 2017-12-05 | 中国科学院自动化研究所 | 基于x光图像的轮胎杂质检测方法及装置 |
| CN207725421U (zh) * | 2017-11-13 | 2018-08-14 | 苏州华兴致远电子科技有限公司 | 车辆轮对动态检测系统 |
| CN110310262A (zh) * | 2019-06-19 | 2019-10-08 | 上海理工大学 | 一种用于检测轮胎缺陷的方法、装置及系统 |
| CN110660049A (zh) * | 2019-09-16 | 2020-01-07 | 青岛科技大学 | 一种基于深度学习的轮胎缺陷检测方法 |
| CN111062093A (zh) * | 2019-12-26 | 2020-04-24 | 上海理工大学 | 一种基于图像处理和机器学习技术的汽车轮胎寿命预测方法 |
| CN111257019A (zh) * | 2020-01-17 | 2020-06-09 | 杭州中车数字科技有限公司 | 一种跨座式单轨列车部件磨耗检测设备及其检测方法 |
| CN111413277A (zh) * | 2020-04-17 | 2020-07-14 | 宁波积微速成智能科技有限公司 | 一种轮胎表面缺陷检测系统及方法 |
| CN211669103U (zh) * | 2020-01-17 | 2020-10-13 | 杭州中车数字科技有限公司 | 接触轨检测系统及巡检工程车 |
-
2020
- 2020-12-01 CN CN202011387488.XA patent/CN112557063A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105335692A (zh) * | 2014-08-15 | 2016-02-17 | 软控股份有限公司 | 一种轮胎x光图像检测识别方法及系统 |
| CN107437243A (zh) * | 2017-06-19 | 2017-12-05 | 中国科学院自动化研究所 | 基于x光图像的轮胎杂质检测方法及装置 |
| CN107316300A (zh) * | 2017-07-17 | 2017-11-03 | 杭州盈格信息技术有限公司 | 一种基于深度卷积神经网络的轮胎x光病疵检测方法 |
| CN207725421U (zh) * | 2017-11-13 | 2018-08-14 | 苏州华兴致远电子科技有限公司 | 车辆轮对动态检测系统 |
| CN110310262A (zh) * | 2019-06-19 | 2019-10-08 | 上海理工大学 | 一种用于检测轮胎缺陷的方法、装置及系统 |
| CN110660049A (zh) * | 2019-09-16 | 2020-01-07 | 青岛科技大学 | 一种基于深度学习的轮胎缺陷检测方法 |
| CN111062093A (zh) * | 2019-12-26 | 2020-04-24 | 上海理工大学 | 一种基于图像处理和机器学习技术的汽车轮胎寿命预测方法 |
| CN111257019A (zh) * | 2020-01-17 | 2020-06-09 | 杭州中车数字科技有限公司 | 一种跨座式单轨列车部件磨耗检测设备及其检测方法 |
| CN211669103U (zh) * | 2020-01-17 | 2020-10-13 | 杭州中车数字科技有限公司 | 接触轨检测系统及巡检工程车 |
| CN111413277A (zh) * | 2020-04-17 | 2020-07-14 | 宁波积微速成智能科技有限公司 | 一种轮胎表面缺陷检测系统及方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113432897A (zh) * | 2021-06-25 | 2021-09-24 | 中国铁建重工集团股份有限公司 | 一种跨坐式单轨列车轮胎磨损用检测系统及检测方法 |
| CN114951076A (zh) * | 2022-05-17 | 2022-08-30 | 沈阳中外运物流有限公司 | 一种全自动轮胎标识检测和清洁装车设备 |
| CN115791211A (zh) * | 2023-02-02 | 2023-03-14 | 迁安市福运机动车检测有限公司 | 一种汽车高效综合检测系统 |
| WO2024159662A1 (zh) * | 2023-02-02 | 2024-08-08 | 迁安市福运机动车检测有限公司 | 一种汽车高效综合检测系统 |
| CN118225695A (zh) * | 2024-04-25 | 2024-06-21 | 深圳市拓视达科技有限公司 | 基于环形光源的车轮缺陷检测方法与系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112557063A (zh) | 一种基于视觉的跨座式单轨轮胎的胎面检测系统 | |
| CN110031477B (zh) | 基于图像监控数据的桥梁关键构件病害预警系统及方法 | |
| CN106052575B (zh) | 基于列车高速运行中的受电弓碳滑板磨耗在线检测方法 | |
| CN105491349B (zh) | 皮带群组异常状态自动巡视检测系统及其检测方法 | |
| CN108759670B (zh) | 一种基于非接触式检测技术的接触线磨耗动态检测装置 | |
| CN104608799A (zh) | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 | |
| CN103217111B (zh) | 一种非接触式接触线几何参数检测方法 | |
| 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 | |
| CN107200038B (zh) | 一种车辆检修装置及检修方法 | |
| CN103669182B (zh) | 基于相机与线激光器的路面裂缝识别方法 | |
| CN207908384U (zh) | 一种双光谱成像铁轨及扣件异常检测装置 | |
| CN206504877U (zh) | 一种轮胎磨损监测器 | |
| CN103837087B (zh) | 基于主动形状模型的受电弓自动检测方法 | |
| CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
| KR101058179B1 (ko) | 팬터그래프 결함 감시 시스템 | |
| CN111751369A (zh) | 用于弓网系统的检测系统 | |
| CN111091525A (zh) | 一种接触网硬点检测系统及其方法 | |
| CN111497690B (zh) | 一种用于接触网分段、分相绝缘器的检测系统 | |
| CN203572776U (zh) | 连铸坯下表面缺陷的检测装置 | |
| CN112634269A (zh) | 一种轨道车辆车体检测方法 | |
| CN115060742A (zh) | 一种基于视觉边缘计算的印刷电路板缺陷检测系统及方法 | |
| CN210971104U (zh) | 一种高速运行列车车轮组外形数据采集装置 | |
| CN205378105U (zh) | 皮带群组异常状态自动巡视检测系统 | |
| CN108876802B (zh) | 对车轮的荧光磁粉缺陷进行自动定位的装置和方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210326 |
|
| RJ01 | Rejection of invention patent application after publication |