CN113158898A - 一种基于红外成像的铁水罐车自动化测高方法 - Google Patents
一种基于红外成像的铁水罐车自动化测高方法 Download PDFInfo
- Publication number
- CN113158898A CN113158898A CN202110433401.6A CN202110433401A CN113158898A CN 113158898 A CN113158898 A CN 113158898A CN 202110433401 A CN202110433401 A CN 202110433401A CN 113158898 A CN113158898 A CN 113158898A
- Authority
- CN
- China
- Prior art keywords
- hot metal
- metal ladle
- ladle car
- car
- molten iron
- 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
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 130
- 229910052742 iron Inorganic materials 0.000 title claims abstract description 65
- 238000003331 infrared imaging Methods 0.000 title claims abstract description 32
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 title claims abstract description 14
- 238000000691 measurement method Methods 0.000 title claims abstract description 14
- 239000002184 metal Substances 0.000 claims abstract description 103
- 229910052751 metal Inorganic materials 0.000 claims abstract description 103
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000005259 measurement Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 18
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 4
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/7847—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 low-level visual features of the video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/752—Contour matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/48—Matching video sequences
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Library & Information Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Evolutionary Biology (AREA)
- Refinement Of Pig-Iron, Manufacture Of Cast Iron, And Steel Manufacture Other Than In Revolving Furnaces (AREA)
Abstract
本发明是一种基于红外成像的铁水罐车自动化测高方法,其特征在于,包括以下具体步骤:1)设定针对铁水罐车的各项抓图相关参数,包括温度阈值、铁水罐轮廓图;2)对每一帧红外视频画面进行监控分析,抓拍铁水罐车图像,实现连续不间断的自动监测;3)依据抓拍到铁水罐红外成像图,通过相关热红外像素算法获得铁水罐车高度;本发明实现智能化、自动化测铁水罐高度,实现后台自动报警,避免事故发生,降低现场作业人员劳动强度,并可自动记录超限记录。
Description
技术领域
本发明涉及炼铁生产中自动化技术领域,具体是一种基于红外成像的铁水罐车自动化测高方法。
背景技术
炼铁至炼钢生产工艺流程中,采用铁水罐车将铁水进行运输,若铁水罐车超高则会有撞坏高炉下烘烤装置包盖的风险,甚至可能导致煤气泄漏爆炸风险,严重影响铁水运输安全,而目前主要依靠操作工人观察并判断是否超高,存在以下问题:1、依靠人工目测误差大,人工劳动强度大,容易出现判断错误,导致铁水罐车因超高而撞坏高炉下设备的事故;2、铁水罐的温度极高,仅外表面温度都能达到300℃,热辐射范围广,普通激光扫描设备无法就近安装测量,对准确判断铁水罐车高度值造成一定困难。
发明内容
本发明的目的就是为了解决上述依靠人工判断铁水罐是否超高存在效率低、劳动强度大、易误判的问题,提供一种基于红外成像的铁水罐车自动化测高方法。
本发明的具体方案是:一种基于红外成像的铁水罐车自动化测高方法,其特征在于,包括以下具体步骤:
1)设定针对铁水罐车的各项抓图相关参数,包括温度阈值、铁水罐轮廓图;
2)对每一帧红外视频画面进行监控分析,抓拍铁水罐车图像,实现连续不间断的自动监测;
3)依据抓拍到铁水罐红外成像图,通过相关计算模型获得铁水罐车高度。
本发明所述步骤1)中各项抓图相关参数如下,温度阈值用于区分其他对象、背景与铁水罐,铁水罐轮廓图采用一个外形标准的铁水罐车画面的二值图,用来作为匹配模板,匹配时提取其边缘轮廓,与实时画面中对象的边缘轮廓进行相似度匹配,相似度高低用于辅助判断画面中的物体是否是铁水罐车。
本发明所述步骤2)铁水罐车连续抓拍的方法如下:当铁水罐车进入画面,首先根据温度阈值判断是否符合温度区间的对象,然后根据铁水罐轮廓图确定进入画面的物体为铁水罐,后台实时演算对象的轮廓形状、位置、面积、运动方向,根据判断阈值判断是否是铁水罐车,是否就位,如果判断是铁水罐车并且就位,则对画面进行抓拍,抓拍完成后监视对象是否离开,判断对象离开后接着监测后面的铁水罐车,从而实现连续不断的自动监测。
本发明所述步骤3)中通过红外像素计算获得铁水罐车高度方法具体如下:结合一张标准高度的铁水罐图像进行分析计算,将拍摄的实物铁水罐车及标准铁水罐车两张图像叠加到一起进行对比;首先建立红外成像图的坐标系,图像左上角为原点O,X轴和Y轴刻度值为像素,根据图像的分辨率可以得到画面X轴和Y轴的最大坐标值xm和ym。
根据标准铁水罐外接正矩形的最小纵坐标y和最大纵坐标yb,计算出标准铁水罐的像素高度:
h=ym-(ym-yb)-y=yb-y
标准铁水罐的实际高度为H。
根据待测铁水罐外接正矩形的也可以得到其最小纵坐标y’和最大纵坐标yb’,而实际上铁水罐车车架的高度都是一致的,因此yb’=yb,计算待测铁水罐的像素高度:
h’=ym-(ym-yb)-y’=yb-y’
待测铁水罐的实际高度与其像素高度之比和标准铁水罐的实际高度与其像素高度之比是相等的,将待测铁水罐的实际高度记为H’,即存在下列公式:
H/H=h’/H’
通过上式进行等比例换算可得:
H’=h’×H/h=(yb-y’)/h×H
进一步如果需要计算铁水罐车的高度,因为画面下方是紧贴钢轨的,所以需要测量的像素高度为ym-y’,将待测铁水罐车的实际高度记为Hm,则其计算公式为:
Hm=(ym-y’)/h×H
本发明还包括步骤4)将铁水罐车高度、车架号与铁水罐罐号进行绑定;5)铁水罐车高度越限报警,并自动生成铁水罐车超高统计报表。
本发明所述步骤4)中铁水罐车高度与车架号及铁水罐编号进行绑定方法如下:对照片中铁水罐车的罐号进行文字识别,通过罐号去后台线车表查找车架号,从而将每个铁水罐车高度与车架号、铁水罐车罐号进行绑定。
本发明所述步骤5)铁水罐车高度越限报警方法如下:根据预设的高度越限报警阈值,判断铁水罐车高度是否越限,越限则通过后台可视化软件进行文字报警或语音报警,报警信息具体到车架号、铁水罐车罐号、时间、地点、高度值。
本发明采用自动测高系统进行自动化测高,自动测高系统包括数据查询接口、数据库、数据分析后台、热红外成像装置,所述热红外成像装置用以采集铁水罐车视频画面并将其传输到数据分析后台,所述数据分析后台接收热红外成像装置的视频数据进行分析并将结果传输到数据库中进行存储,所述查询接口通过调用数据库中的数据从而将铁水罐车高度信息呈现给查询用户。
本发明相比现有技术具有以下优点:1、本方法通过热红外像素计算模型算法实现了对铁水罐车的自动化测高,解决了铁水罐车高度智能测量问题,实现无人化、高温热辐射环境下监测:通过铁水罐车识别算法和抓拍方式的设定,自动进行铁水罐车识别与抓拍,并通过文字识别与铁水罐车罐号进行绑定,完成分析后自动生成每个铁水罐车测高记录并进行联动报警,全程不需要人的参与,自动化完成;2、后台自动报警:既有文字报警提示,还有语音报警,方便后台人员及时收到报警信息并采取有效措施,避免事故发生,为铁水运输安全管理提供预警信息;3、节约人工成本:以前是通过人工来估测铁水罐车高度,需要每天三班派人现场巡检,发明此系统后优化现场作业人员4人,每年可节约人工成本32万元(每人按8万元/年测算);4、减少事故损失:根据以往每年铁水罐车因超高撞坏高炉下、转炉内上方设备事故4次计算,平均每次事故处理成本5万元计算,则节约成本为:4次×5万元=20万元/年。
附图说明
图1是本发明流程图;
图2是本发明铁水罐实际高度计算方法示意图。
具体实施方式
本实施例是一种基于红外成像的铁水罐车自动化测高方法,采用自动测高系统进行自动化测高,自动测高系统包括数据查询接口、数据库、数据分析后台、热红外成像装置,所述热红外成像装置用以采集铁水罐车视频画面并将其传输到数据分析后台,所述数据分析后台接收热红外成像装置的视频数据进行分析并将结果传输到数据库中进行存储,所述查询接口通过调用数据库中的数据从而将铁水罐车高度信息呈现给查询用户,自动化测铁水罐高度包括以下具体步骤:
1)设定针对铁水罐车红外抓拍的各项相关参数,包括温度阈值、铁水罐轮廓图等;
2)抓拍铁水罐车图像,对每一帧红外视频画面进行监控分析,实现连续不间断的自动监测;
3)依据抓拍到铁水罐红外成像图,通过相关计算模型获得铁水罐车高度;
4)铁水罐车高度、车架号与铁水罐罐号进行绑定;
5)铁水罐车高度越限报警,实现文字报警或语音报,自动生成铁水罐车超高统计报表。
本实施例所述步骤1)中的各项抓图相关参数如下,温度阈值用于区分其他对象、背景与铁水罐,环境温度即便是夏季一般也不会高于60度,根据经验铁水罐温度基本大于100度,便可以设置温度阈值用来区分其他对象、背景与铁水罐;铁水罐轮廓图通常采用一个外形比较标准的铁水罐车画面的二值图,用来作为匹配模板,匹配的时候提取其边缘轮廓,与实施画面中对象的边缘轮廓进行矩相似度匹配,相似度高低用于辅助判决画面中的物体是否是铁水罐车,通过第二个参数值可以将画面中可能出现的机车、汽车、运输钢坯车辆等其它高温物体进行排除,从而精准的抓拍到铁水罐的红外成像图。
所述步骤2)中,首先根据温度阈值判断是否符合温度区间的对象,然后根据铁水罐轮廓图确定进入画面的物体为铁水罐,后台实时演算对象的轮廓形状、位置、面积、运动方向等,根据判决阈值判断是否是铁水罐车,是否就位,如果判决是铁水罐车并且就位,则对画面进行抓拍,抓拍完成后监视对象是否离开,判断对象离开后接着监测后面的铁水罐车,从而实现连续不断的自动监测。
所述步骤3)中,首先通过红外成像抓图获得铁水罐车的轮廓,然后通过轮廓获取该铁水罐车红外像素高度,依据抓拍到的热红外画面纵坐标最大值ym为288,标准铁水罐罐底距离画面下边缘为5个像素即yb,标准铁水罐的像素高度是h为232,实际高度H为4.85米,此时获得一张待测图片,测得待测铁水罐的最小纵坐标y’为24,则可以计算得到本次待测铁水罐车的实际高度为:Hm=(ym-y’)/h×H=(288-24)/232×4.85=5.5米。
所述步骤4)中,首先采用人工智能技术对照片中铁水罐车的罐号进行文字识别,通过文字识别出铁水罐号为620,同时查线车表查到车号是T71808,这样就将该铁水罐车罐号、罐高和车号绑定在一起。
所述步骤5)中,预设的铁水罐车高度越限报警阈值为5.5米,此时铁水罐车实测高度为5.5米,因此铁水罐车高度超限,后台系统触发报警。既有语音报警(警告:铁水罐车高度超限,罐号620,请尽快处理!),又有文字报警信息,显示为:2021年4月12日15:39/棒三铁水线/铁水罐车T71808/罐号626,并自动生成铁水罐车超高报表。
Claims (8)
1.一种基于红外成像的铁水罐车自动化测高方法,其特征在于,包括以下具体步骤:
1)设定针对铁水罐车的各项抓图相关参数,包括温度阈值、铁水罐轮廓图;
2)对每一帧红外视频画面进行监控分析,抓拍铁水罐车图像,实现连续不间断的自动监测;
3)依据抓拍到铁水罐红外成像图,通过相关热红外像素算法获得铁水罐车高度。
2.根据权利要求1所述的一种基于红外成像的铁水罐车自动化测高方法,其特征是:所述步骤1)中各项抓图相关参数如下,温度阈值用于区分其他对象、背景与铁水罐,铁水罐轮廓图采用一个外形标准的铁水罐车画面的二值图,用来作为匹配模板,匹配时提取其边缘轮廓,与实时画面中对象的边缘轮廓进行相似度匹配,相似度高低用于辅助判断画面中的物体是否是铁水罐车。
3.根据权利要求1所述的一种基于红外成像的铁水罐车自动化测高方法,其特征是:所述步骤2)铁水罐车连续抓拍的方法如下:当铁水罐车进入画面,首先根据温度阈值判断是否符合温度区间的对象,然后根据铁水罐轮廓图确定进入画面的物体为铁水罐,后台实时演算对象的轮廓形状、位置、面积、运动方向,根据判断阈值判断是否是铁水罐车,是否就位,如果判断是铁水罐车并且就位,则对画面进行抓拍,抓拍完成后监视对象是否离开,判断对象离开后接着监测后面的铁水罐车,从而实现连续不断的自动监测。
4.根据权利要求1所述的一种基于红外成像的铁水罐车自动化测高方法,其特征是:所述步骤3)中通过红外像素计算获得铁水罐车高度方法具体如下:首先通过红外成像抓图获得铁水罐车的轮廓,然后通过轮廓获取该铁水罐红外像素高度,通过像素计算模型算出实际铁水罐车的高度。
5.根据权利要求1所述的一种基于红外成像的铁水罐车自动化测高方法,其特征是:还包括步骤4)将铁水罐车高度、车架号与铁水罐罐号进行绑定;5)铁水罐车高度越限报警,并自动生成铁水罐车超高统计报表。
6.根据权利要求5所述的一种基于红外成像的铁水罐车自动化测高方法,其特征是:所述步骤4)中铁水罐车高度与车架号及铁水罐编号进行绑定方法如下:对照片中铁水罐车的罐号进行文字识别,通过罐号去后台线车表查找车架号,从而将每个铁水罐车高度与车架号、铁水罐车罐号进行绑定。
7.根据权利要求5所述的一种基于红外成像的铁水罐车自动化测高方法,其特征是:所述步骤5)铁水罐车高度越限报警方法如下:根据预设的高度越限报警阈值,判断铁水罐车高度是否越限,越限则通过后台可视化软件进行文字报警或语音报警,报警信息具体到车架号、铁水罐车罐号、时间、地点、高度值。
8.根据权利要求1所述的一种基于红外成像的铁水罐车自动化测高方法,其特征是:采用自动测高系统进行自动化测高,自动测高系统包括数据查询接口、数据库、数据分析后台、热红外成像装置,所述热红外成像装置用以采集铁水罐车视频画面并将其传输到数据分析后台,所述数据分析后台接收热红外成像装置的视频数据进行分析并将结果传输到数据库中进行存储,所述查询接口通过调用数据库中的数据从而将铁水罐车高度信息呈现给查询用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110433401.6A CN113158898A (zh) | 2021-04-22 | 2021-04-22 | 一种基于红外成像的铁水罐车自动化测高方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110433401.6A CN113158898A (zh) | 2021-04-22 | 2021-04-22 | 一种基于红外成像的铁水罐车自动化测高方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113158898A true CN113158898A (zh) | 2021-07-23 |
Family
ID=76868072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110433401.6A Pending CN113158898A (zh) | 2021-04-22 | 2021-04-22 | 一种基于红外成像的铁水罐车自动化测高方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113158898A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114445396A (zh) * | 2022-02-14 | 2022-05-06 | 金陵科技学院 | 一种基于Canny算法的铁水罐安全检测系统方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101205564A (zh) * | 2006-12-22 | 2008-06-25 | 宝山钢铁股份有限公司 | 铁水罐车铁水灌装量控制方法 |
WO2017054314A1 (zh) * | 2015-09-29 | 2017-04-06 | 百度在线网络技术(北京)有限公司 | 一种建筑物高度计算方法、装置和存储介质 |
CN109064776A (zh) * | 2018-09-26 | 2018-12-21 | 广东省交通规划设计研究院股份有限公司 | 预警方法、系统、计算机设备和存储介质 |
CN111198371A (zh) * | 2020-03-03 | 2020-05-26 | 杭州中车数字科技有限公司 | 前视障碍物检测系统 |
CN111942426A (zh) * | 2020-08-14 | 2020-11-17 | 宝武集团鄂城钢铁有限公司 | 一种基于热红外的铁水运输机车车轴测温方法 |
-
2021
- 2021-04-22 CN CN202110433401.6A patent/CN113158898A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101205564A (zh) * | 2006-12-22 | 2008-06-25 | 宝山钢铁股份有限公司 | 铁水罐车铁水灌装量控制方法 |
WO2017054314A1 (zh) * | 2015-09-29 | 2017-04-06 | 百度在线网络技术(北京)有限公司 | 一种建筑物高度计算方法、装置和存储介质 |
CN109064776A (zh) * | 2018-09-26 | 2018-12-21 | 广东省交通规划设计研究院股份有限公司 | 预警方法、系统、计算机设备和存储介质 |
CN111198371A (zh) * | 2020-03-03 | 2020-05-26 | 杭州中车数字科技有限公司 | 前视障碍物检测系统 |
CN111942426A (zh) * | 2020-08-14 | 2020-11-17 | 宝武集团鄂城钢铁有限公司 | 一种基于热红外的铁水运输机车车轴测温方法 |
Non-Patent Citations (2)
Title |
---|
188****7859: "红外成像观测距离的计算方式", 《原创力文档》 * |
188****7859: "红外成像观测距离的计算方式", 《原创力文档》, 7 October 2020 (2020-10-07), pages 2 - 4 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114445396A (zh) * | 2022-02-14 | 2022-05-06 | 金陵科技学院 | 一种基于Canny算法的铁水罐安全检测系统方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108491758B (zh) | 一种轨道检测方法及机器人 | |
CN109448326B (zh) | 一种基于快速图像识别的地质灾害智能群防监测系统 | |
CN113947731B (zh) | 一种基于接触网安全巡检的异物识别方法及系统 | |
JP6737638B2 (ja) | 鉄道車両の外観検査装置 | |
KR101701160B1 (ko) | 가동브래킷 변형 검사 시스템 | |
CN116416579B (zh) | 一种园区安防监控存储信息智能分析管理系统 | |
CN113158898A (zh) | 一种基于红外成像的铁水罐车自动化测高方法 | |
CN113808087A (zh) | 钢板表面的缺陷管控方法、装置及计算机可读存储介质 | |
CN110184401A (zh) | 高炉出渣铁状态在线检测方法 | |
CN111561967A (zh) | 弓网运行状态实时在线检测方法及系统 | |
CN116384963A (zh) | 一种基于ar设备的设备巡检指导方法 | |
CN115953726B (zh) | 机器视觉的集装箱箱面破损检测方法和系统 | |
CN111942426B (zh) | 一种基于热红外的铁水运输机车车轴测温方法 | |
CN114758333A (zh) | 一种铸造起重机行车吊运钢包脱挂钩的识别方法及系统 | |
CN114918622B (zh) | 一种深冲罐加工工艺 | |
CN115743195A (zh) | 一种矿用智能平板车 | |
CN116758465A (zh) | 一种基于动态ai视觉的燃气管线车载巡检系统 | |
CN113112427B (zh) | 一种铁水运输的监测方法、装置、设备及存储介质 | |
CN214154693U (zh) | 一种玻璃幕墙安全监测系统 | |
CN114782808A (zh) | 一种基于机器视觉算法的废钢定级识别方法及系统 | |
CN101943575B (zh) | 一种移动平台用测试方法和测试系统 | |
Nichoha et al. | Development of modern methods and directions of rapid diagnostics of railway tracks defects by television methods | |
CN112329849A (zh) | 基于机器视觉的废钢料场卸料状态识别方法、介质及终端 | |
CN111325147A (zh) | 一种基于图像处理的定位线夹脱落检测系统及方法 | |
JPWO2020044797A1 (ja) | 情報処理装置、情報処理システム、及び情報処理方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210723 |