CN113409239A - 一种基于辐射成像的集装箱空箱检测方法 - Google Patents

一种基于辐射成像的集装箱空箱检测方法 Download PDF

Info

Publication number
CN113409239A
CN113409239A CN202010875026.6A CN202010875026A CN113409239A CN 113409239 A CN113409239 A CN 113409239A CN 202010875026 A CN202010875026 A CN 202010875026A CN 113409239 A CN113409239 A CN 113409239A
Authority
CN
China
Prior art keywords
container
value
image
array
arrcols
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.)
Granted
Application number
CN202010875026.6A
Other languages
English (en)
Other versions
CN113409239B (zh
Inventor
徐来明
方海涛
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.)
Cgn Begood Technology Co ltd
Original Assignee
Cgn Begood Technology Co ltd
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 Cgn Begood Technology Co ltd filed Critical Cgn Begood Technology Co ltd
Priority to CN202010875026.6A priority Critical patent/CN113409239B/zh
Publication of CN113409239A publication Critical patent/CN113409239A/zh
Application granted granted Critical
Publication of CN113409239B publication Critical patent/CN113409239B/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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种基于辐射成像的集装箱空箱检测方法，该检测方法包含两部分：对装载集装箱的车辆进行辐射透视成像，根据透视图提取集装箱区域，对集装箱区域进行数字图像处理和数学统计方法得到的值与根据空集装箱标定的阈值进行比较，判断是否空集装箱。本发明的优点在于：集装箱空箱检测的准确率比传统的基于超声波的方法更高,空箱识别算法的更新更加方便，为设备的技术升级降低硬件改造成本。

Description

一种基于辐射成像的集装箱空箱检测方法
技术领域
本发明涉及辐射成像领域的车辆检查系统，一种基于辐射成像的集装箱空箱检测方法，对集装箱空箱进行更准确的判断。
背景技术
我国是贸易大国，也属于出口导向型经济大国，每年有大量的空集装箱入关，集装箱空箱的检测需求与日俱增。目前国内的集装箱空箱检测方法主要有两种：一种是采用进出关口的集装箱车辆必须打开柜门、卡口必须有高位摄像头和探照灯能够照入箱体、人工拦截检查空箱内情况，或随机进行布控对空车重点人工/机检查验，此类方法均需要专门人员在关口通道现场介入处理，存在操作效率低下、受天气光线等自然条件影响较大、大量机械性并且无效的检查易流于形式、潜在廉政隐患等缺陷，对于业务繁忙的监管场所，上述的缺陷容易被走私分子发现利用。另一种方法是采用国内某厂家开发的超声仪对空箱进行检测，原理是利用预先采集的空集装箱的超声特征与实测的集装箱超声特征进行对比从而判断是否空箱。这种方法三个重要的缺陷，第一、集装箱的材质不一样，铁皮的厚度不一，对超声波的回声影响很大，给你集装箱空箱的回声特征的标定采集带来极大的困难，空集装箱回声特征采集不准无法进行准确判断，第二、超声发生器和声呐必须由上到下，从左到右扫描整个集装箱，车辆必须停车，耗时过长，与不停车的基于辐射成像的集装箱空箱检测方法相比，检查效率很低。第三、发动机等机械设备在运行中会产生大量超声，干扰检测，特别对于接近集装箱底部的区域，超声特征复杂，无法根据超声反馈进行空箱判断，实际应用中，基于超声波的空箱检测系统在准确率方面不尽如人意。
发明内容
本发明的目的在于提供一种基于辐射成像的集装箱空箱检测方法，通过辐射成像技术采用不停车的方式采集集装箱车辆的透视图，根据透视图用图像算法提取集装箱区域，从而对集装箱区域进行算法处理，根据处理结果判断集装箱是否为空箱。
本发明的技术方案为：一种基于辐射成像的集装箱空箱检测方法，其特征在于：该检测方法包括两部分：(1)通过辐射成像设备采集集装箱车辆的透视图；(2)对透视图进行处理，提取集装箱区域，对集装箱区域的图片进行算法处理，从而判断是否为空箱。
集装箱车辆透视图像中提取集装箱目标区域的算法中包括以下步骤：
步骤1.1：对透视图像进行亮暗场矫正，得到矫正图像M1；
步骤1.2：对M1图像进行5×5窗口的高斯模糊和直方图均衡处理，得到图像M2；
步骤1.3：对M2图像使用最大最小值归一化到0-255，得到图像M3；
步骤1.4：对M3图像取反得到图像M4，对M4图像进行逐列像素值均值计算，得到一维数组ArrCols，数组的长度LenCols与M4图像的宽度一致；
步骤1.5：对ArrCols数组由ArrCols[0]到ArrCols[LenCols/2]方向进行遍历，得到第一个大于阈值Thred的ArrCols[i]值,并得到对应的数组ArrCols索引i，阈值Thred的取值范围是200到100，初始值置为100；
步骤1.6：如果步骤1.5得不到大于Thred的ArrCols[i]值，则继续以步长为10递减阈值Thred，进行步骤1.5，直到求出第一个大于阈值Thred的ArrCols[i]值,并得到对应的数组ArrCols索引i，i为集装箱左侧边缘位置；
步骤1.7：对ArrCols数组由ArrCols[LenCols]到ArrCols[LenCols/2]方向进行遍历，得到第一个大于阈值Thred的ArrCols[j]值,并得到对应的数组ArrCols索引j，阈值Thred的取值范围是200到100，初始值置为200；
步骤1.8：如果步骤1.7得不到大于Thred的ArrCols[j]值，则继续以步长为10递减阈值Thred，进行步骤1.7，直到求出第一个大于阈值Thred的ArrCols[j]值,并得到对应的数组ArrCols索引j，j为集装箱右侧边缘位置；
步骤1.9：对M4图像进行逐行像素值均值计算，得到一维数组ArrRows，数组的长度LenRows与M4图像的高度一致；
步骤1.11：对ArrRows数组由ArrRows[0]到Arr[LenRows/2]方向进行遍历，得到第一个大于阈值Thred的ArrRows[k]值,并得到对应的数组ArrRows索引k，阈值Thred的取值范围是200到100，初始值置为200；
步骤1.12：如果步骤1.11得不到大于Thred的ArrRows[k]值，则继续以步长为10递减阈值Thred，进行步骤1.11，直到求出第一个大于阈值Thred的Arr[k]值,并得到对应的数组ArrRows索引k，k为集装箱顶部边缘位置；
步骤1.13：对ArrRows数组由ArrRows[LenRows]到ArrRows[LenRows/2]方向进行遍历，得到第一个大于阈值Thred的ArrRows[m]值,并得到对应的数组ArrRows索引m，阈值Thred的取值范围是200到100，初始值置为200；
步骤1.14：如果步骤1.13得不到大于Thred的ArrRows[m]值，则继续以步长为10递减阈值Thred，进行步骤1.13，直到求出第一个大于阈值Thred的ArrRows[m]值,并得到对应的数组ArrRows索引m，m为集装箱底部边缘位置；
步骤1.15：通过步骤1.6，步骤1.8，步骤1.12和步骤1.14得到集装箱在图像中的左侧、右侧、顶部和底部的位置i，j，k，m，从而可以提取集装箱目标区域。
得到集装箱目标区域后，对集装箱目标区域进行算法计算判断是否空箱，包括以下步骤；
步骤2.1：对矫正图像M1和i，j，k，m值，提取集装箱区域Mroi图；
步骤2.2：依次对Mroi进行高斯模糊、直方图均衡和USM锐化，得到Mroi2图；
步骤2.3：对Mroi2图进行自适应二值化，得到图像Mroi3；
步骤2.4：对Mroi3图进行列方向的像素均值计算，得到数组Arr，计算公式是
Figure BDA0002652383040000031
其中Arr为Mroi3图像列方向的像素均值数组，Arr的长度等于图像Mroi3的宽度b，rows为图像的高度，也就是图像Mroi3每列像素个数，M为Mroi3图像对应的矩阵。
步骤2.5：对于集装箱装有均匀分布的物品，进行算法判断如下：如果数组Arr的均值大于80，则判断集装箱装有均匀分布的物品，此集装箱为非空箱。
步骤2.6：对于集装箱装有非均匀分布的物品，进行算法判断流程如下：
对Arr数组计算得到平均值Avg，根据均值Avg与Arr数组的差计算权重f，f的计算公式是
Figure BDA0002652383040000032
其中h为数组Arr第h个索引。
求Arr的加权式方差，计算公式如下
Figure BDA0002652383040000033
其中
Figure BDA0002652383040000034
为加权式方差，cols为Arr的长度。
根据
Figure BDA0002652383040000035
值判断是否空箱，如果
Figure BDA0002652383040000036
值大于等于50.5则为非空箱(此值为空箱标定值)，小于则为空箱。
本发明的优点在于：(1)被检查的集装箱车辆无需停车(通过电气技术实现车头避让)，直接通过检测通道。(2)基于数字图像算法的处理方法，有较高的空箱检测准确率。(3)基于数字图像算法的空箱判断方式由更高的扩展性，通过升级算法而非硬件，就可以提高其他类型集装箱的空箱识别。(4)本发明提出的算法复杂度较低，稳定性高，满足一定范围车速变化的实际情况，也满足中低处理器计算实时性要求。
附图说明
图1是基于超声波技术的空箱检测设备结构示意图。
图2是基于辐射成像的空箱检测结构示意图。
图3是基于辐射成像技术采集的车头避让后的集装箱透视图。
图4是算法提取到的集装箱目标区域图。
图5是数组图像处理后的集装箱目标区域图。
图6是集装箱目标区域图在列方向计算的像素均值图表。
图7集装箱透视图的集装箱目标区域提取算法流程图。
图8集装箱目标区域图像进行空箱判断的算法流程图。
图1中：a-超声波发生器与声呐，b-超声仪底座，c-超声仪机械臂，d-车辆检测通道，e-待检集装箱车辆。
图2中：1-射线源，2-探测器，3-出口对位光栅，用于车头避让，4-入口对位光栅，用于车头避让，5-空箱算法计算电脑，6-车辆检测通道，7-待检集装箱车辆。
具体实施方式
下面结合附图对本发明具体实施例做进一步详细描述。
图2是基于辐射成像的集装箱空箱检测结构图，1为射线发生装置，2为射线探测器，根据射线经过车辆衰减后的强弱不同成像，3和4为车头避让光栅，除了能进行车头避让保护司机安全外还会通过信号控制射线源的出束和停束，5为透视图处理和空箱判断算法运行的上位机电脑，6为检测通道，待检集装箱车辆7由司机驾驶以一定速度通过检测通道4，通过车头避让红外触发射线源和探测器工作，采集集装箱车辆透视图。集装箱车辆透视图实时传输到上位机5。以上是辐射成像集装箱透视图成图的过程。
获得集装箱透视图后，在上位机电脑5中进行集装箱目标区域的提取，提取的算法流程是对原始的透视图进行亮暗场矫正，对校正后的图像进行高斯模糊、直方图均衡和USM锐化，并进行自适应二值化分割，得到二值化图像，对二值化图像进行列方向的均值计算，根据均值的加权方差值与空箱的加权方差值进行比较，从而判断是否为空箱。空箱的加权方差值的标定一次就可以，通过实际的测量，这个标定值为50±0.5。
以上所述仅是本发明的优选实施方式，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，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.一种基于辐射成像的集装箱空箱检测方法，其特征在于：该检测方法包括两部分：(1)对装载集装箱的车辆进行辐射成像，得到集装箱车辆车头避让后的透视图像；(2)对集装箱车辆透视图像进行数字图像处理提取集装箱目标区域，通过算法对集装箱目标区域进行计算，根据计算结果判断被检集装箱是否为空箱；
集装箱车辆透视图像中提取集装箱目标区域的算法中包括以下步骤：
步骤1.1：对透视图像进行亮暗场矫正，得到矫正图像M1；
步骤1.2：对M1图像进行5×5窗口的高斯模糊和直方图均衡处理，得到图像M2；
步骤1.3：对M2图像使用最大最小值归一化到0-255，得到图像M3；
步骤1.4：对M3图像取反得到图像M4，对M4图像进行逐列像素值均值计算，得到一维数组ArrCols，数组的长度LenCols与M4图像的宽度一致；
步骤1.5：对ArrCols数组由ArrCols[0]到ArrCols[LenCols/2]方向进行遍历，得到第一个大于阈值Thred的ArrCols[i]值,并得到对应的数组ArrCols索引i，阈值Thred的取值范围是200到100，初始值置为100；
步骤1.6：如果步骤1.5得不到大于Thred的ArrCols[i]值，则继续以步长为10递减阈值Thred，进行步骤1.5，直到求出第一个大于阈值Thred的ArrCols[i]值,并得到对应的数组ArrCols索引i，i为集装箱左侧边缘位置；
步骤1.7：对ArrCols数组由ArrCols[LenCols]到ArrCols[LenCols/2]方向进行遍历，得到第一个大于阈值Thred的ArrCols[j]值,并得到对应的数组ArrCols索引j，阈值Thred的取值范围是200到100，初始值置为200；
步骤1.8：如果步骤1.7得不到大于Thred的ArrCols[j]值，则继续以步长为10递减阈值Thred，进行步骤1.7，直到求出第一个大于阈值Thred的ArrCols[j]值,并得到对应的数组ArrCols索引j，j为集装箱右侧边缘位置；
步骤1.9：对M4图像进行逐行像素值均值计算，得到一维数组ArrRows，数组的长度LenRows与M4图像的高度一致；
步骤1.11：对ArrRows数组由ArrRows[0]到Arr[LenRows/2]方向进行遍历，得到第一个大于阈值Thred的ArrRows[k]值,并得到对应的数组ArrRows索引k，阈值Thred的取值范围是200到100，初始值置为200；
步骤1.12：如果步骤1.11得不到大于Thred的ArrRows[k]值，则继续以步长为10递减阈值Thred，进行步骤1.11，直到求出第一个大于阈值Thred的Arr[k]值,并得到对应的数组ArrRows索引k，k为集装箱顶部边缘位置；
步骤1.13：对ArrRows数组由ArrRows[LenRows]到ArrRows[LenRows/2]方向进行遍历，得到第一个大于阈值Thred的ArrRows[m]值,并得到对应的数组ArrRows索引m，阈值Thred的取值范围是200到100，初始值置为200；
步骤1.14：如果步骤1.13得不到大于Thred的ArrRows[m]值，则继续以步长为10递减阈值Thred，进行步骤1.13，直到求出第一个大于阈值Thred的ArrRows[m]值,并得到对应的数组ArrRows索引m，m为集装箱底部边缘位置；
步骤1.15：通过步骤1.6，步骤1.8，步骤1.12和步骤1.14得到集装箱在图像中的左侧、右侧、顶部和底部的位置i，j，k，m，从而可以提取集装箱目标区域；
得到集装箱目标区域后，对集装箱目标区域进行算法计算判断是否空箱，包括以下步骤；
步骤2.1：对矫正图像M1和i，j，k，m值，提取集装箱区域Mroi图；
步骤2.2：依次对Mroi进行高斯模糊、直方图均衡和USM锐化，得到Mroi2图；
步骤2.3：对Mroi2图进行自适应二值化，得到图像Mroi3；
步骤2.4：对Mroi3图进行列方向的像素均值计算，得到数组Arr，计算公式是
Figure FDA0002652383030000021
其中Arr为Mroi3图像列方向的像素均值数组，Arr的长度等于图像Mroi3的宽度b，rows为图像的高度，也就是图像Mroi3每列像素个数，M为Mroi3图像对应的矩阵；
步骤2.5：对于集装箱装有均匀分布的物品，进行算法判断如下：如果数组Arr的均值大于80，则判断集装箱装有均匀分布的物品，此集装箱为非空箱；
步骤2.6：对于集装箱装有非均匀分布的物品，进行算法判断流程如下：
对Arr数组计算得到平均值Avg，根据均值Avg与Arr数组的差计算权重f，f的计算公式是
Figure FDA0002652383030000022
其中h为数组Arr第h个索引；
求Arr的加权式方差，计算公式如下
Figure FDA0002652383030000031
其中
Figure FDA0002652383030000032
为加权式方差，cols为Arr的长度；
根据
Figure FDA0002652383030000033
值判断是否空箱，如果
Figure FDA0002652383030000034
值大于等于50.5则为非空箱(此值为空箱标定值)，小于则为空箱。
CN202010875026.6A 2020-12-04 2020-12-04 一种基于辐射成像的集装箱空箱检测方法 Active CN113409239B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010875026.6A CN113409239B (zh) 2020-12-04 2020-12-04 一种基于辐射成像的集装箱空箱检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010875026.6A CN113409239B (zh) 2020-12-04 2020-12-04 一种基于辐射成像的集装箱空箱检测方法

Publications (2)

Publication Number Publication Date
CN113409239A true CN113409239A (zh) 2021-09-17
CN113409239B CN113409239B (zh) 2022-07-19

Family

ID=77677463

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010875026.6A Active CN113409239B (zh) 2020-12-04 2020-12-04 一种基于辐射成像的集装箱空箱检测方法

Country Status (1)

Country Link
CN (1) CN113409239B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115984267A (zh) * 2023-03-20 2023-04-18 青岛鼎信通讯科技有限公司 一种适用于超声水表的注塑气泡检测方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101216937A (zh) * 2007-01-05 2008-07-09 上海海事大学 港口运动集装箱定位系统的参数标定方法
US7596275B1 (en) * 2004-03-01 2009-09-29 Science Applications International Corporation Methods and systems for imaging and classifying targets as empty or non-empty
DE102010037448A1 (de) * 2010-09-10 2012-03-15 Wincor Nixdorf International Gmbh Verfahren und Vorrichtung zur Erfassung von Leergutbehältern
CN107037494A (zh) * 2017-04-07 2017-08-11 北京华力兴科技发展有限责任公司 控制方法及控制装置、车辆或集装箱的安检系统
US20170242148A1 (en) * 2016-02-22 2017-08-24 Rapiscan Systems, Inc. Systems and Methods for Detecting Threats and Contraband in Cargo
CN108229247A (zh) * 2016-12-14 2018-06-29 贵港市瑞成科技有限公司 一种移动车辆检测方法
CN108303435A (zh) * 2017-01-12 2018-07-20 同方威视技术股份有限公司 检查设备和对集装箱进行检查的方法
CN210222272U (zh) * 2019-06-11 2020-03-31 中广核贝谷科技有限公司 一种集装箱空箱检测装置
CN111382762A (zh) * 2018-12-28 2020-07-07 同方威视技术股份有限公司 空箱识别方法及系统
CN112001873A (zh) * 2020-08-27 2020-11-27 中广核贝谷科技有限公司 一种基于集装箱x射线图像的数据生成方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7596275B1 (en) * 2004-03-01 2009-09-29 Science Applications International Corporation Methods and systems for imaging and classifying targets as empty or non-empty
CN101216937A (zh) * 2007-01-05 2008-07-09 上海海事大学 港口运动集装箱定位系统的参数标定方法
DE102010037448A1 (de) * 2010-09-10 2012-03-15 Wincor Nixdorf International Gmbh Verfahren und Vorrichtung zur Erfassung von Leergutbehältern
US20170242148A1 (en) * 2016-02-22 2017-08-24 Rapiscan Systems, Inc. Systems and Methods for Detecting Threats and Contraband in Cargo
CN108229247A (zh) * 2016-12-14 2018-06-29 贵港市瑞成科技有限公司 一种移动车辆检测方法
CN108303435A (zh) * 2017-01-12 2018-07-20 同方威视技术股份有限公司 检查设备和对集装箱进行检查的方法
CN107037494A (zh) * 2017-04-07 2017-08-11 北京华力兴科技发展有限责任公司 控制方法及控制装置、车辆或集装箱的安检系统
CN111382762A (zh) * 2018-12-28 2020-07-07 同方威视技术股份有限公司 空箱识别方法及系统
CN210222272U (zh) * 2019-06-11 2020-03-31 中广核贝谷科技有限公司 一种集装箱空箱检测装置
CN112001873A (zh) * 2020-08-27 2020-11-27 中广核贝谷科技有限公司 一种基于集装箱x射线图像的数据生成方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115984267A (zh) * 2023-03-20 2023-04-18 青岛鼎信通讯科技有限公司 一种适用于超声水表的注塑气泡检测方法

Also Published As

Publication number Publication date
CN113409239B (zh) 2022-07-19

Similar Documents

Publication Publication Date Title
US10520452B2 (en) Automated quality control and selection
CN109632033B (zh) 一种体积测量的设备与方法
EP2432389B1 (en) System and method for detecting poor quality in 3d reconstructions
US20110182495A1 (en) System and method for automatic defect recognition of an inspection image
CN1940555A (zh) 一种农产品内外品质检测方法及装置
CN101201329B (zh) 基于射线衰减能量场的无损检测缺陷提取、识别方法
AU2016230926A1 (en) Method and apparatus for processing spectral images
CN114202470A (zh) 一种压力容器主螺栓孔螺纹三维重建及缺陷自动识别方法
CN110146516B (zh) 基于正交双目机器视觉的水果分级装置
CN106442525B (zh) 用于核桃内部干瘪缺陷的在线检测方法
CN110473194A (zh) 基于多图像块阈值分割算法的水果表面缺陷检测方法
CN113409239B (zh) 一种基于辐射成像的集装箱空箱检测方法
CN109410139A (zh) 一种文物内部和表面病害数字化分析评估方法
CN107300562B (zh) 一种测量继电器成品触点间距的x射线无损检测方法
CN115546155A (zh) 一种基于机器视觉的铆钉尺寸检测方法
US7406192B2 (en) Method for determining the change in position of an item of luggage in order to examine a suspect region in this item of luggage
CN112927223A (zh) 一种基于红外热成像仪的玻璃幕墙检测方法
CN112504240B (zh) 一种激光投线仪校准系统及校准方法
CN116612126B (zh) 基于人工智能的集装箱病媒生物检测预警方法
CN112541478A (zh) 一种基于双目摄像头的绝缘子串污损检测方法及系统
CN116046814A (zh) 基于全自动微型ct的坚果品质无损检测装置及检测方法
Yu et al. Analysis and processing of decayed log CT image based on multifractal theory
CN112581424B (zh) 一种光学元件表面与亚表面缺陷的分类提取方法
CN117408995B (zh) 基于多特征融合的电源适配器外观质量检测方法
CN116579955B (zh) 一种新能源电芯焊缝反光点去噪和点云补全方法及系统

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