CN112819783B - 基于图像背景差分的发动机缸内积碳识别方法及装置 - Google Patents

基于图像背景差分的发动机缸内积碳识别方法及装置 Download PDF

Info

Publication number
CN112819783B
CN112819783B CN202110131794.5A CN202110131794A CN112819783B CN 112819783 B CN112819783 B CN 112819783B CN 202110131794 A CN202110131794 A CN 202110131794A CN 112819783 B CN112819783 B CN 112819783B
Authority
CN
China
Prior art keywords
image
carbon deposition
engine cylinder
panoramic
brightness
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
Application number
CN202110131794.5A
Other languages
English (en)
Other versions
CN112819783A (zh
Inventor
唐远贽
楼狄明
顾欣荣
房亮
张允华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN202110131794.5A priority Critical patent/CN112819783B/zh
Publication of CN112819783A publication Critical patent/CN112819783A/zh
Application granted granted Critical
Publication of CN112819783B publication Critical patent/CN112819783B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/001—Industrial image inspection using an image reference approach
    • 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
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/141—Control of illumination
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于图像背景差分的发动机缸内积碳识别方法及装置，方法包括以下步骤：实时全景图像结合全景背景图像进行差分处理和二值化处理，根据连通域像素面积占比和亮度差值总和得到积碳面积和积碳程度；装置包括：采集气缸内部图像的全景图像采集装置、限制全景图像采集装置位置的限位装置、进行图像处理和积碳检测的图像处理装置。与现有技术相比，本发明通过全景图像采集装置采集发动机气缸内的实时全景图像，在图像处理装置中进行图像处理得到积碳面积和积碳程度，自动化程度高，能高效、快速、准确、客观地进行发动机气缸积碳检测，进而为发动机和检修和保养提供依据，提升了发动机的使用寿命。

Description

基于图像背景差分的发动机缸内积碳识别方法及装置
技术领域
本发明涉及汽车检测技术领域，尤其是涉及一种基于图像背景差分的发动机缸内积碳识别方法及装置。
背景技术
随着技术的进步，汽车越来越普及，已经成为一种常用的交通工具。汽车经过长时间使用之后，由于汽油的燃烧不充分，发动机燃烧室内会产生严重的积碳情况，不及时的清理会严重影响发动机的使用寿命。
目前，在汽车维修中，对于发动机缸内积碳的诊断主要有解体法和内窥镜检测。解体法是将发动机拆开，检查是否有积碳产生。这种方式较为直观，但耗时耗力，而且各部件的每一次拆装都会影响其性能，缩短其使用寿命。内窥镜检测是一种发动机检测的重要手段，主要用于检测发动机缸内损坏、拉缸及积碳程度等影响发动机性能的常见问题。但是，现有的内窥镜检测往往是通过工作人员手动控制和实时观察判断故障的，检测过程复杂，耗时较长，而且结果较为主观，并且，由于积碳增多的发动机故障检测表现形式不明显，内窥镜检测有时也无法检测准确的判断积碳程度，也就难以及时、准确的对发动机进行积碳清理和其他相关维修保养。因此，为了提高发动机的使用寿命，急需一种高效、快速、准确、客观的发动机缸内积碳识别方法来检测发动机缸内的积碳状态。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于图像背景差分的发动机缸内积碳识别方法及装置，采集发动机气缸内的实时全景图像，结合无积碳的全景背景图像进行图像差分处理和二值化处理，进而得到积碳面积和积碳程度，自动化程度高，能高效、快速、准确、客观地进行发动机气缸积碳检测，进而为发动机和检修和保养提供依据，提升了发动机的使用寿命。
本发明的目的可以通过以下技术方案来实现：
一种基于图像背景差分的发动机缸内积碳识别方法，包括以下步骤：
S1：在发动机气缸内无积碳的状态下，采集发动机气缸内的全景背景图像，记录全景背景图像的采集参数；
S2：对于待检测的发动机气缸，采集发动机气缸内的实时全景图像，使得实时全景图像的采集参数与全景背景图像的采集参数相同；
S3：利用图像差分处理的方法，遍历实时全景图像中的每一个像素点，分别计算每一个像素点与全景背景图像中对应位置的像素点之间的亮度差值，得到实时全景图像中的各个像素点相对于全景背景图像中对应位置的像素点的亮度差值；
S4：遍历实时全景图像中的每一个像素点，将亮度差值小于预设置的像素差值阈值的像素点记为第一类像素点，其余像素点记为第二类像素点，将所有第一类像素点的灰度值设为0，累加所有第二类像素点的亮度差值，得到第二类像素点的亮度差值总和α，将所有第二类像素点的灰度值设为255，得到二值化图像；
S5：对二值化图像进行连通域标定，计算连通域的像素面积相对二值化图像总像素面积占比γ；
S6：根据γ和发动机气缸的内部面积计算发动机气缸内的积碳面积，根据预设置的积碳亮度阈值和第二类像素点的亮度差值总和α得到发动机气缸的积碳程度。
进一步的，采集参数包括：图像采集位置、图像采集分辨率、图像采集亮度和图像规格。
更进一步的，所述步骤S4中，像素差值阈值是根据发动机气缸的型号和图像采集亮度确定的。
更进一步的，所述步骤S6中，积碳亮度阈值是根据积碳程度与亮度差值总和α的历史数据、发动机气缸的型号和图像采集亮度确定的。
进一步的，所述步骤S5中对二值化图像中灰度值为255的像素点进行连通域标定，计算得到灰度值为255的像素点面积相对二值化图像总像素面积占比γ；所述步骤S6中，发动机气缸内的积碳面积等于γ*S，其中，S为发动机气缸的内部面积。
一种基于图像背景差分的发动机缸内积碳识别装置，其特征在于，基于如上所述的发动机缸内积碳识别方法，包括全景图像采集装置、限位装置、图像处理装置；
所述全景图像采集装置用于采集发动机气缸内部的实时全景图像并将实时全景图像发送至图像处理装置；
所述限位装置用于固定和限制全景图像采集装置在发动机气缸内的位置；
所述图像处理装置基于实时全景图像和全景背景图像得到积碳面积和积碳程度，所述全景背景图像为预采集的发动机气缸内部的无积碳全景图像。
进一步的，所述发动机缸内积碳识别装置还包括控制器，所述控制器分别与全景图像采集装置和限位装置通信连接，用于接收控制命令并根据控制命令控制全景图像采集装置和限位装置。
进一步的，所述发动机缸内积碳识别装置还包括显示装置和输入装置。
进一步的，所述全景图像采集装置上安装有亮度可调节的照明光源。
进一步的，所述限位装置为长度可调节的伸缩杆，所述全景图像采集装置连接至伸缩杆的顶端。
与现有技术相比，本发明具有以下有益效果：
(1)采集发动机气缸内的实时全景图像，结合无积碳的全景背景图像进行图像差分处理和二值化处理，进而得到积碳面积和积碳程度，自动化程度高，能高效、快速、准确、客观地进行发动机气缸积碳检测，进而为发动机和检修和保养提供依据，提升了发动机的使用寿命。
(2)通过限位装置限制和固定全景图像采集装置的位置，保证全景图像采集装置每次采集的实时全景图像与全景背景图像的图像采集位置一致性，减少了积碳检测过程的误差。
(3)通过照明光源调节图像采集时的亮度，保证全景图像采集装置每次采集的实时全景图像与全景背景图像的图像采集亮度一致性，减少了积碳检测过程的误差。
附图说明
图1为实施例中发动机缸内积碳识别方法的流程图；
图2为实施例中发动机缸内积碳识别装置的结构示意图；
附图标记：1、全景图像采集装置，2、限位装置，3、图像处理装置。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例1：
一种基于图像背景差分的发动机缸内积碳识别方法，如图1所示，包括以下步骤：
S1：在发动机气缸内无积碳的状态下，采集发动机气缸内的全景背景图像，记录全景背景图像的采集参数；采集参数包括：图像采集位置、图像采集分辨率、图像采集亮度和图像规格。
S2：对于待检测的发动机气缸，采集发动机气缸内的实时全景图像，使得实时全景图像的采集参数与全景背景图像的采集参数相同；
S3：利用图像差分处理的方法，遍历实时全景图像中的每一个像素点，分别计算每一个像素点与全景背景图像中对应位置的像素点之间的亮度差值，得到实时全景图像中的各个像素点相对于全景背景图像中对应位置的像素点的亮度差值；
S4：遍历实时全景图像中的每一个像素点，将亮度差值小于预设置的像素差值阈值的像素点记为第一类像素点，其余像素点记为第二类像素点，将所有第一类像素点的灰度值设为0，累加所有第二类像素点的亮度差值，得到第二类像素点的亮度差值总和α，将所有第二类像素点的灰度值设为255，得到二值化图像；
S5：对二值化图像进行连通域标定，计算连通域的像素面积相对二值化图像总像素面积占比γ；
S6：根据γ和发动机气缸的内部面积计算发动机气缸内的积碳面积，根据预设置的积碳亮度阈值和第二类像素点的亮度差值总和α得到发动机气缸的积碳程度。
一种基于图像背景差分的发动机缸内积碳识别装置，如图2所示，包括全景图像采集装置1、限位装置2、图像处理装置3；全景图像采集装置1用于采集发动机气缸内部的实时全景图像并将实时全景图像发送至图像处理装置3；限位装置2用于固定和限制全景图像采集装置1在发动机气缸内的位置；图像处理装置3基于实时全景图像和全景背景图像得到积碳面积和积碳程度，全景背景图像为预采集的发动机气缸内部的无积碳全景图像。
具体实施过程如下：
在未使用的发动机或保养维修后的发动机气缸(默认此时发动机气缸内无积碳)内采集全景背景图像。对于待检测的发动机气缸，采集其实时全景图像。
在图像采集过程中，通过限位装置2将全景图像采集装置1调节至合适的位置，在前后多次图像采集过程中，通过保持限位装置2的限位位置，使得全景图像采集装置1的图像采集位置是一致的。
对于不同型号的发动机气缸，也可以分别通过限位装置2将全景图像采集装置1调节至合适的位置，只需在后续采集实时全景图像时，保证限位装置2的限位位置与采集全景背景图像的限位位置相同即可。
本实施例中，限位装置2为伸缩杆，全景图像采集装置1连接至伸缩杆的顶端。在其他实施方式中，限位装置2也可以使用其他工作原理，如通过吸附性原理固定限制全景图像采集装置1的位置、通过夹子等夹持工具固定和限制全景图像采集装置1的位置等等。
为了进一步减少误差，在全景图像采集装置1上安装有亮度可调节的照明光源。采集全景背景图像和实时全景图像时，将照明光源的亮度调节一致，可以保证两张图像的像素最高亮度的一致性。为了便于进行后续图像处理，两张图像的规格和分辨率也要保持一致。
优选的一种实施方式中，可以设置控制器，控制器分别与全景图像采集装置1和限位装置2通信连接，接收用户输入的控制命令并根据控制命令控制全景图像采集装置1和限位装置2，如根据用户输入的控制命令，自动调节限位装置2的限位位置，自动调节照明光源的亮度，自动调节图像采集的分辨率等。
通过发动机缸内积碳识别装置进行图像采集、图像处理、计算积碳面积和积碳程度，自动化程度高，速度快，消除了人为检测积碳状况的观测误差和主观因素，结果更加准确和客观，进而为发动机和检修和保养提供依据，提升了发动机的使用寿命。
采集到实时全景图像后，利用图像差分处理的方法，对于实时全景图像中的每一个像素点，分别计算该像素点与全景背景图像中对应位置的像素点之间的亮度差值，得到实时全景图像中的各个像素点相对于全景背景图像中对应位置的像素点的亮度差值。
遍历实时全景图像中的每一个像素点，将亮度差值小于预设置的像素差值阈值的像素点记为第一类像素点，其余像素点记为第二类像素点，将所有第一类像素点的灰度值设为0，累加所有第二类像素点的亮度差值，得到第二类像素点的亮度差值总和α，将所有第二类像素点的灰度值设为255，得到二值化图像。
利用图像差分处理的方法，计算实时全景图像与全景背景图像中对应像素点的亮度差值，亮度差值越大，表明该像素点所对应的发动机气缸区域越有可能是积碳区域，因此，根据发动机气缸的型号、全景图像采集装置1的图像采集亮度和检修人员的工作经验等设定像素差值阈值。
本实施例中，像素差值阈值为12，将亮度差值小于12的像素点记为第一类像素点，将所有第一类像素点的灰度值设为0；其余像素点记为第二类像素点，累加第二类像素点的亮度差值，得到第二类像素点的亮度差值总和α，可以根据亮度差值总和α判断积碳程度，最后将所有第二类像素点的灰度值设为255，得到二值化图像。
对二值化图像进行连通域标定，计算连通域的像素面积相对二值化图像总像素面积占比γ(如20％、34％等)。本实施例中，对二值化图像中灰度值为255的像素点进行连通域标定，计算得到灰度值为255的像素点面积相对二值化图像总像素面积占比γ则发动机气缸内的积碳面积等于γ*S，其中，S为发动机气缸的内部面积。本实施例中，发动机气缸为圆柱状，高为h，底面直径为d，则积碳面积等于γ*h*π*d。
除积碳面积外，再根据预设置的积碳亮度阈值和亮度差值总和α得到发动机气缸的积碳程度。根据积碳程度与亮度差值总和α的历史数据、发动机气缸的型号、全景图像采集装置1的图像采集亮度和检修人员的工作经验等设定积碳亮度阈值，如亮度差值总和α∈[a，b]，则积碳程度较轻；亮度差值总和α∈[b，c]，则积碳程度中等；亮度差值总和α∈[c，d]，则积碳程度较严重；亮度差值总和α∈[c，d]，则积碳程度非常严重等等。
优选的一种实施方式中，发动机缸内积碳识别装置还包括显示装置和输入装置，显示装置显示实时全景图像以及积碳面积、积碳程度的输出结果等，输入装置用于输入相关参数等。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种基于图像背景差分的发动机缸内积碳识别方法，其特征在于，包括以下步骤：
S1：在发动机气缸内无积碳的状态下，采集发动机气缸内的全景背景图像，记录全景背景图像的采集参数；
S2：对于待检测的发动机气缸，采集发动机气缸内的实时全景图像，使得实时全景图像的采集参数与全景背景图像的采集参数相同；
S3：利用图像差分处理的方法，遍历实时全景图像中的每一个像素点，分别计算每一个像素点与全景背景图像中对应位置的像素点之间的亮度差值，得到实时全景图像中的各个像素点相对于全景背景图像中对应位置的像素点的亮度差值；
S4：遍历实时全景图像中的每一个像素点，将亮度差值小于预设置的像素差值阈值的像素点记为第一类像素点，其余像素点记为第二类像素点，将所有第一类像素点的灰度值设为0，累加所有第二类像素点的亮度差值，得到第二类像素点的亮度差值总和α，将所有第二类像素点的灰度值设为255，得到二值化图像；
S5：对二值化图像进行连通域标定，计算连通域的像素面积相对二值化图像总像素面积占比γ；
S6：根据γ和发动机气缸的内部面积计算发动机气缸内的积碳面积，根据预设置的积碳亮度阈值和第二类像素点的亮度差值总和α得到发动机气缸的积碳程度。
2.根据权利要求1所述的基于图像背景差分的发动机缸内积碳识别方法，其特征在于，采集参数包括：图像采集位置、图像采集分辨率、图像采集亮度和图像规格。
3.根据权利要求2所述的基于图像背景差分的发动机缸内积碳识别方法，其特征在于，所述步骤S4中，像素差值阈值是根据发动机气缸的型号和图像采集亮度确定的。
4.根据权利要求2所述的基于图像背景差分的发动机缸内积碳识别方法，其特征在于，所述步骤S6中，积碳亮度阈值是根据积碳程度与亮度差值总和α的历史数据、发动机气缸的型号和图像采集亮度确定的。
5.根据权利要求1所述的基于图像背景差分的发动机缸内积碳识别方法，其特征在于，所述步骤S5中对二值化图像中灰度值为255的像素点进行连通域标定，计算得到灰度值为255的像素点面积相对二值化图像总像素面积占比γ；所述步骤S6中，发动机气缸内的积碳面积等于γ*S，其中，S为发动机气缸的内部面积。
6.一种基于图像背景差分的发动机缸内积碳识别装置，其特征在于，基于如权利要求1-5中任一所述的发动机缸内积碳识别方法，包括全景图像采集装置(1)、限位装置(2)、图像处理装置(3)；
所述全景图像采集装置(1)用于采集发动机气缸内部的实时全景图像并将实时全景图像发送至图像处理装置(3)；
所述限位装置(2)用于固定和限制全景图像采集装置(1)在发动机气缸内的位置；
所述图像处理装置(3)基于实时全景图像和全景背景图像得到积碳面积和积碳程度，所述全景背景图像为预采集的发动机气缸内部的无积碳全景图像。
7.根据权利要求6所述的基于图像背景差分的发动机缸内积碳识别装置，其特征在于，所述发动机缸内积碳识别装置还包括控制器，所述控制器分别与全景图像采集装置(1)和限位装置(2)通信连接，用于接收控制命令并根据控制命令控制全景图像采集装置(1)和限位装置(2)。
8.根据权利要求6所述的基于图像背景差分的发动机缸内积碳识别装置，其特征在于，所述发动机缸内积碳识别装置还包括显示装置和输入装置。
9.根据权利要求6所述的基于图像背景差分的发动机缸内积碳识别装置，其特征在于，所述全景图像采集装置(1)上安装有亮度可调节的照明光源。
10.根据权利要求6所述的基于图像背景差分的发动机缸内积碳识别装置，其特征在于，所述限位装置(2)为长度可调节的伸缩杆，所述全景图像采集装置(1)连接至伸缩杆的顶端。
CN202110131794.5A 2021-01-30 2021-01-30 基于图像背景差分的发动机缸内积碳识别方法及装置 Active CN112819783B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110131794.5A CN112819783B (zh) 2021-01-30 2021-01-30 基于图像背景差分的发动机缸内积碳识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110131794.5A CN112819783B (zh) 2021-01-30 2021-01-30 基于图像背景差分的发动机缸内积碳识别方法及装置

Publications (2)

Publication Number Publication Date
CN112819783A CN112819783A (zh) 2021-05-18
CN112819783B true CN112819783B (zh) 2022-05-17

Family

ID=75860513

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110131794.5A Active CN112819783B (zh) 2021-01-30 2021-01-30 基于图像背景差分的发动机缸内积碳识别方法及装置

Country Status (1)

Country Link
CN (1) CN112819783B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104584076A (zh) * 2012-08-31 2015-04-29 富士通株式会社 图像处理装置、图像处理方法以及图像处理程序
CN107532880A (zh) * 2015-02-17 2018-01-02 日本邮船股份有限公司 用于检查气缸衬套的系统、方法、摄像装置的保持器具及气缸衬套
CN108825377A (zh) * 2018-06-05 2018-11-16 深圳市艾德化学品科技有限公司 基于图像处理的发动机自动除碳系统
CN109345530A (zh) * 2018-10-08 2019-02-15 长安大学 一种铝合金活塞积碳清洗效果的定量评价方法
CN110231174A (zh) * 2019-06-13 2019-09-13 西华大学 快速诊断发动机燃烧室积碳程度的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110242312A1 (en) * 2010-03-30 2011-10-06 Lasertec Corporation Inspection system and inspection method

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104584076A (zh) * 2012-08-31 2015-04-29 富士通株式会社 图像处理装置、图像处理方法以及图像处理程序
CN107532880A (zh) * 2015-02-17 2018-01-02 日本邮船股份有限公司 用于检查气缸衬套的系统、方法、摄像装置的保持器具及气缸衬套
CN108825377A (zh) * 2018-06-05 2018-11-16 深圳市艾德化学品科技有限公司 基于图像处理的发动机自动除碳系统
CN109345530A (zh) * 2018-10-08 2019-02-15 长安大学 一种铝合金活塞积碳清洗效果的定量评价方法
CN110231174A (zh) * 2019-06-13 2019-09-13 西华大学 快速诊断发动机燃烧室积碳程度的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于并行卷积神经网络的发动机积碳程度识别方法";胡缤予;《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》;20201015;第C035-63页 *

Also Published As

Publication number Publication date
CN112819783A (zh) 2021-05-18

Similar Documents

Publication Publication Date Title
CN205898699U (zh) 悬挂式单轨箱型梁巡检装置
CN107515481B (zh) 一种显示面板的检测方法和装置
WO2014139273A1 (zh) 焊缝缺陷检测方法
CN102305793A (zh) 一种产品外观质量检测方法和设备
CN104964886A (zh) 一种焊接构件疲劳应力及应变实时非接触式监测方法
CN103698341B (zh) 一种棉花轧工质量检测系统及棉花轧工质量图像检测方法
CN105466938B (zh) 一种基于c/s结构的织物疵点检测信息管理系统及方法
CN107024478A (zh) 一种零件加工自动缺陷识别系统
CN112880837B (zh) 一种设备故障分析方法
CN105044127A (zh) 一种oled微型显示器缺陷检测装置及检测方法
CN109724776A (zh) 一种烧结机台车的篦条损坏程度的确定方法及装置
CN113592852A (zh) 一种碳纤维碳丝质量在线检测系统和方法
CN112819783B (zh) 基于图像背景差分的发动机缸内积碳识别方法及装置
CN111999301A (zh) 一种智能轮胎外观纠错系统
CN113702391A (zh) 一种钢坯表面及近表面缺陷复合检测方法及装置
CN111426693A (zh) 一种质量缺陷检测系统及其检测方法
CN112489018B (zh) 一种电力线智能巡线方法及巡线
CN207366475U (zh) 一种凹凸图案在线视频检测装置
CN109738452A (zh) 一种轮胎缺陷智能检测系统
CN109614868A (zh) 汽车轮胎花纹图像直线识别系统
CN113390880A (zh) 输电导线缺陷检测装置和方法
CN107248151A (zh) 一种基于机器视觉的液晶片智能检测方法及系统
CN117152093A (zh) 基于数据融合和深度学习的轮胎缺陷检测系统及方法
CN115234845A (zh) 基于投影模型的油气管道内壁缺陷图像可视化检测方法
CN111028289B (zh) 基于模板匹配的变电站内设备异物定位方法

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
GR01 Patent grant
GR01 Patent grant