CN113643252A - 一种车辆的螺丝扭力确定方法及扭力扳手 - Google Patents
一种车辆的螺丝扭力确定方法及扭力扳手 Download PDFInfo
- Publication number
- CN113643252A CN113643252A CN202110914447.XA CN202110914447A CN113643252A CN 113643252 A CN113643252 A CN 113643252A CN 202110914447 A CN202110914447 A CN 202110914447A CN 113643252 A CN113643252 A CN 113643252A
- Authority
- CN
- China
- Prior art keywords
- screw
- torque
- determining
- image
- characteristic information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000013136 deep learning model Methods 0.000 claims description 25
- 238000013135 deep learning Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 9
- 238000010191 image analysis Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25B—TOOLS OR BENCH DEVICES NOT OTHERWISE PROVIDED FOR, FOR FASTENING, CONNECTING, DISENGAGING OR HOLDING
- B25B13/00—Spanners; Wrenches
- B25B13/46—Spanners; Wrenches of the ratchet type, for providing a free return stroke of the handle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25B—TOOLS OR BENCH DEVICES NOT OTHERWISE PROVIDED FOR, FOR FASTENING, CONNECTING, DISENGAGING OR HOLDING
- B25B21/00—Portable power-driven screw or nut setting or loosening tools; Attachments for drilling apparatus serving the same purpose
- B25B21/004—Portable power-driven screw or nut setting or loosening tools; Attachments for drilling apparatus serving the same purpose of the ratchet type
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25B—TOOLS OR BENCH DEVICES NOT OTHERWISE PROVIDED FOR, FOR FASTENING, CONNECTING, DISENGAGING OR HOLDING
- B25B23/00—Details of, or accessories for, spanners, wrenches, screwdrivers
- B25B23/14—Arrangement of torque limiters or torque indicators in wrenches or screwdrivers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25B—TOOLS OR BENCH DEVICES NOT OTHERWISE PROVIDED FOR, FOR FASTENING, CONNECTING, DISENGAGING OR HOLDING
- B25B23/00—Details of, or accessories for, spanners, wrenches, screwdrivers
- B25B23/14—Arrangement of torque limiters or torque indicators in wrenches or screwdrivers
- B25B23/142—Arrangement of torque limiters or torque indicators in wrenches or screwdrivers specially adapted for hand operated wrenches or screwdrivers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Details Of Spanners, Wrenches, And Screw Drivers And Accessories (AREA)
Abstract
本发明涉及车辆技术领域,公开了一种车辆的螺丝扭力确定方法及扭力扳手。该方法包括:获取与车辆的零部件对应的目标图像,根据目标图像,提取螺丝特征信息,根据螺丝特征信息,确定与螺丝特征信息对应的螺丝扭力。由于本实施例能够自动确定螺丝扭力以装卸螺丝,无需人工查看维修手册以确定螺丝扭力,因此,本实施例能够提高装卸螺丝的效率,并且能够避免人为选错螺丝扭力而损伤螺丝或未能够有效地固定工件。
Description
技术领域
本发明涉及车辆技术领域,特别是涉及一种车辆的螺丝扭力确定方法及扭力扳手。
背景技术
通常,维修工程师拧螺丝时,对螺丝施加的螺丝扭力需要在扭力范围内,若低于扭力范围,则未能有效地固定连接工件的作用。若超过扭力范围,则会使得连接部位出现滑丝或断裂的情况,对工件造成损伤。
一般地,维修工程师在装配时,先在维修手册上查看对应螺丝的螺丝扭力,根据螺丝扭力,对螺丝进行拧紧操作。然而,此种方式比较繁琐,螺丝的装卸效率低下。
发明内容
本发明实施例提供了一种车辆的螺丝扭力确定方法及扭力扳手,能够提高装卸螺丝的效率。
本发明实施例为改善上述技术问题提供了如下技术方案:
在第一方面,本发明实施例提供了一种车辆的螺丝扭力确定方法,包括:
获取与所述车辆的零部件对应的目标图像;
根据所述目标图像,提取螺丝特征信息;
根据所述螺丝特征信息,确定与所述螺丝特征信息对应的螺丝扭力。
可选地,所述根据所述目标图像,提取螺丝特征信息包括:
根据所述目标图像,提取螺丝区域图像;
确定与所述螺丝区域图像对应的螺丝特征信息。
可选地,所述螺丝特征信息包括螺丝位置名称,所述确定与所述螺丝区域图像对应的螺丝特征信息包括:
根据所述螺丝区域图像,确定与所述螺丝区域图像对应的螺丝在所述目标图像的图像位置;
根据所述图像位置,确定与所述螺丝区域图像对应的螺丝位置名称。
可选地,所述确定所述螺丝区域图像在所述目标图像的图像位置包括:
根据第一深度学习模型,确定所述螺丝区域图像在所述目标图像的图像位置。
可选地,还包括:
获取与所述零部件对应的多个零部件样本图像;
根据深度学习算法,训练多个所述零部件样本图像,得到第一深度学习模型。
可选地,所述螺丝特征信息包括螺丝类型,所述确定与所述螺丝区域图像对应的螺丝特征信息包括:
根据所述螺丝区域图像,识别与所述螺丝区域图像对应的螺丝的螺头标识;
根据所述头部标识,确定与所述螺丝区域图像对应的螺丝类型。
可选地,所述根据所述螺丝区域图像,识别与所述螺丝区域图像对应的头部标识包括:
根据第二深度学习模型,识别与所述螺丝区域图像对应的头部标识。
可选地,还包括:
获取多个螺丝样本图像;
根据深度学习算法,训练多个所述螺丝样本图像,得到第二深度学习模型。
可选地,所述螺丝特征信息包括螺丝位置名称,所述根据所述螺丝特征信息,确定与所述螺丝特征信息对应的螺丝扭力包括:
根据所述螺丝位置名称,在预设数据库中查询与所述螺丝位置名称对应的第一扭力;
确定所述第一扭力为所述螺丝扭力。
可选地,所述特征信息还包括螺丝类型,在确定所述第一扭力为所述螺丝扭力之前,所述根据所述螺丝特征信息,确定与所述螺丝特征信息对应的螺丝扭力,还包括:
根据所述螺丝类型,在所述预设数据库中查询与所述螺丝类型对应的第二扭力;
根据所述第二扭力,校验所述第一扭力。
可选地,所述根据所述第二扭力,校验所述第一扭力包括:
判断所述第二扭力是否大于或等于所述第一扭力;
若大于或等于,则将所述第一扭力确定为螺丝扭力;
若小于,则产生提醒信息。
在第二方面,本发明实施例提供一种扭力扳手,包括:
图像采集装置,用于对车辆的零部件进行拍摄;
控制器,包括至少一个处理器,与所述图像采集装置连接;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述的螺丝扭力确定方法。
在第三方面,本发明实施例提供一种非易失性可读存储介质所述非易失性可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使电子设备执行如上所述的螺丝扭力确定方法。
本发明实施例的有益效果包括:提供一种车辆的螺丝扭力确定方法及扭力扳手。该方法包括获取与车辆的零部件对应的目标图像,根据目标图像,提取螺丝特征信息,根据螺丝特征信息,确定与螺丝特征信息对应的螺丝扭力。由于本实施例能够自动确定螺丝扭力以装卸螺丝,无需人工查看维修手册以确定螺丝扭力,因此,本实施例能够提高装卸螺丝的效率,并且能够避免人为选错螺丝扭力而损伤螺丝或未能够有效地固定工件。
附图说明
一个或多个实施例通过与之对应的附图中的图片仅作为示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是本发明实施例提供的一种扭力扳手的结构示意图;
图2是图1所示的控制部的结构示意图;
图3是本发明实施例提供的一种车辆的螺丝扭力确定方法的流程示意图;
图4是图3所示的步骤S32的流程示意图;
图5是图4所示的步骤S322的第一种流程示意图;
图6是本发明实施例提供的一种螺丝区域图像在目标图像的图像位置示意图;
图7是图4所示的步骤S322的第二种流程示意图;
图8a是图3所示的步骤S33的第一种流程示意图;
图8b是图3所示的步骤S33的第二种流程示意图;
图8c是图8b所示的步骤S334的流程示意图;
图9a是发明实施例提供的一种车辆的螺丝扭力确定装置的结构示意图;
图9b是图9a所示的提取模块的结构示意图;
图9c是图9a所示的确定模块的第一种结构示意图;
图9d是图9a所示的确定模块的第二种结构示意图;
图10是图2所示的一种控制器的硬件结构示意图。
具体实施方式
为了便于理解本申请,下面结合附图和具体实施方式,对本申请进行更详细的说明。需要说明的是,当一个元件被表述“连接”另一个元件,它可以是直接连接到另一个元件、或者其间可以存在一个或多个居中的元件。此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
除非另有定义,本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
此外,下面所描述的本申请不同实施例中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例的扭力扳手可以任意类型的力矩可调扳手,例如,本发明实施例的扭力扳手可以为电动力矩扳手、气动力矩扳手或液压力矩扳手等等。
请参阅图1,图1是本发明实施例提供一种扭力扳手的结构示意图。如图1所示,扭力扳手100包括手柄10、棘轮机构20、连杆30及套筒40及控制部50。
手柄10的一端与棘轮机构20连接,连杆20的一端与棘轮机构30连接,连杆20的另一端与套筒40连接,控制部50设置于手柄10。扭力扳手100工作时,手柄10的转动可带动棘轮机构30转动,棘轮机构30的转动可带动套筒40转动,从而拧紧螺丝或拆卸螺丝。
请参阅图2,控制部50包括扭力传感器51、图像采集装置52、显示装置53、报警装置54及控制器55。
扭力传感器51用于测量手柄10转动时的扭力值,并将测量的扭力值发送给控制器55,以便控制器55进行处理。扭力传感器51是对各种旋转或非旋转机械部件上对扭转力矩感知的检测器件。扭力传感器51将扭力的物理变化转换成精确的电信号。扭力传感器51可以为任意类型的扭力传感器,例如应变式扭力传感器、磁电式扭力传感器、光纤式扭力传感器、光电式扭力传感器等非接触式扭力传感器、电子式扭力传感器等等。
图像采集装置52用于对车辆的零部件进行拍摄,从而获取车辆的零部件的图像数据,并将图像数据发送给控制器55,以便控制器55进行处理。其中,图像采集装置52可以为摄像头、摄像机、相机、扫描仪以及其它带有“拍照”功能的设备。
显示装置53用于接收控制器55发送的显示信号,根据显示信号显示相应的信息,例如,显示螺丝位置名称、螺丝类型、螺丝扭力或旋转方向等信息,以方便用户进行相应操作。
报警装置54用于接收控制器55发送的控制信号,根据控制信号发出报警信号,其中,预设报警信号包括但不限于特定声音、指示灯等。
控制器55分别与扭力传感器51、图像采集装置52、显示装置53及报警装置54连接,控制器55用于接收图像采集装置52发送的图像数据,根据图像数据,生成显示信号和扭力报警值,显示信号用于发送显示信号给显示装置53,以使显示装置53显示相应信息,并且,控制器用于接收扭力传感器51发送的扭力值,当该扭力值与扭力报警值相等时,控制器55向报警装置54发送控制信号,以使报警装置54发出报警信号。
请参阅图3,图3是本发明实施例提供一种螺丝扭力确定方法的流程示意图。如图3所示,该螺丝扭力确定方法可以包括如下步骤:
S31、获取与车辆的零部件对应的目标图像。
作为示例但非限定的是,目标图像为拍摄零部件占据的位置所得到的图像,其中,零部件可以为车辆中具有任意功能的工件,例如,零部件为发动机、底盘或气缸体等。相应的,目标图像可为发动机图像或底盘图像或气缸体图像等。
S32、根据目标图像,提取螺丝特征信息;
作为示例但非限定的是,螺丝特征信息用于表示螺丝的特征,具有不同特征的螺丝可对应不同螺丝扭力。在一些实施例中,螺丝的特征包括螺丝在零部件的位置特征和/或螺丝的类型特征。
螺丝在零部件的位置特征为螺丝相对零部件的安装位置,如前所述,零部件可安装有若干螺丝,各个螺丝分布安装在零部件的不同位置,因此,处于不同位置的螺丝可对应不同位置特征。举例而言,零部件为发动机,各个螺丝分布安装在发动机的不同位置,螺丝A1安装在发动机的气门室盖上,螺丝A2安装在发动机的气缸盖上,因此,螺丝A1对应第一位置特征,螺丝A2对应第二位置特征。
具有不同位置特征的螺丝所需的螺丝扭力可不同,螺丝A1所需的螺丝扭力F1与螺丝A2所需的螺丝扭力F2是不同的。
螺丝的类型特征用于表示螺丝的类型,螺丝的类型可通过规格、制作材质或强度等级等参数进行确定,例如,规格为M10、强度等级为4.6的螺丝所需的扭力范围为11.8N·m-14.7N·m,规格为M12、强度等级为5.6的螺丝所需的扭力范围为24.6N·m-33.4N·m。具有不同类型特征的螺丝的扭力可不同,螺丝的类型为B1的螺丝所需的扭力范围为8N·m-12N·m,螺丝类型为B2的螺丝所需的扭力范围为12N·m-14N·m。
可以理解的是,具有相同类型特征的螺丝安装在零部件不同位置上所需的螺丝扭力可不同,举例而言,零部件为发动机,螺丝类型为B1的螺丝A3安装在发动机的气门室盖,螺丝A3所需的扭力为12N·m,螺丝类型为B1的螺丝A4安装在发动机的气缸盖,螺丝A4所需的扭力为14N·m。
作为示例但非限定的是,扭力扳手可选择任意合适的图像分析算法,从目标图像中提取螺丝特征信息。
S33、根据螺丝特征信息,确定与螺丝特征信息对应的螺丝扭力。
作为示例但非限定的是,螺丝扭力为扭力扳手可施加于螺丝的最佳扭力,当扭力扳手施加的扭力大于或者等于螺丝扭力时,扭力扳手可发出报警信号,以提示用户停止通过扭力扳手施加扭力。当扭力扳手施加的扭力小于螺丝扭力时,扭力扳手未能够有效地拧紧螺丝或者拆卸螺丝,导致螺丝无法有效地固定零部件。
在一些实施例中,螺丝扭力在预设数据库中与螺丝特征信息相关联,利用螺丝特征信息在预设数据库中进行比对,可确定与螺丝特征信息对应的螺丝扭力。
由于本实施例能够自动确定螺丝扭力以装卸螺丝,无需人工查看维修手册以确定螺丝扭力,因此,本实施例能够提高装卸螺丝的效率,并且能够避免人为选错螺丝扭力而损伤螺丝或未能够有效地固定工件。
在一些实施例中,请参阅图4,步骤S32可以包括以下步骤:
S321、根据目标图像,提取螺丝区域图像;
S322、确定与螺丝区域图像对应的螺丝特征信息。
作为示例但非限定的是,螺丝区域图像为目标图像中与螺丝对应的区域图像。通常,零部件都设有螺孔,螺丝安装在螺孔后,可将零部件固定在车辆上,因此,目标图像包括与螺丝对应的螺丝区域图像,零部件的螺孔数量可为一个或两个以上,相应的,螺丝区域图像的数量也可为一个或两个以上。在一些实施例中,扭力扳手可以选择任意合适的图像分析算法,以确定螺丝区域图像对应的螺丝特征信息,其中,图像分析算法包括但不限于ResNet算法、YOLO算法等等。
在一些实施例中,螺丝特征信息包括螺丝位置名称,请参阅图5,步骤S322可以包括以下步骤:
S3221、确定螺丝区域图像在目标图像的图像位置;
S3222、根据图像位置,确定与螺丝区域图像对应的螺丝位置名称。
作为示例但非限定的是,螺丝位置名称为以螺丝安装在零部件上的位置命名所述螺丝所得到的名称。举例而言,零部件为发动机,安装在发动机的气门室盖的螺丝命名为气门室盖螺丝,安装在发动机的气缸盖的螺丝命名为气缸盖螺丝。
作为示例但非限定的是,图像位置为螺丝区域图像中各个像素点在目标图像中的像素位置。其中,扭力扳手可以根据预设划分规则将目标图像划分成多个像素单元,举例而言,请参阅图6,目标图像被划分成4*4个像素单元,然后,以其中一个像素单元作为原点,在原点延伸出横坐标轴X轴和纵坐标轴Y轴,得到与各像素单元对应的坐标,每个像素单元在目标图像中具有不同的像素位置,于是,扭力扳手可根据螺丝区域图像中的各像素点落在目标图像中的像素单元,以确定螺丝区域图像在目标图像的图像位置,例如,如图6所示,螺丝区域图像R1落在目标图像中的图像位置为像素单元S1,螺丝区域图像R2落在目标图像中的图像位置为像素单元S3,螺丝区域图像R3落在目标图像中的图像位置为像素单元S12。
在一些实施例中,扭力扳手可以采用任意合适的图像分析算法,例如SSD(SingleShot MultiBox Detector)算法、YOLO算法等等,对螺丝区域图像进行分析,以确定螺丝区域图像在目标图像的图像位置。
在一些实施例中,扭力扳手可以根据第一深度学习模型,确定螺丝区域图像在目标图像的图像位置。
为了实现图像识别的准确性,在构建第一深度学习模型时,扭力扳手需要预先对足够多的样本图像进行训练。在一些实施例中,扭力扳手在构建第一深度学习模型时,可以先获取零部件对应的多个零部件样本图像,例如,零部件为发动机,由于不同型号的发动机图像是不同的,于是,零部件对应的多个零部件样本图像可以为特定型号的发动机的多个发动机样本图像,然后,可以根据深度学习算法,训练多个零部件样本图像,得到第一深度学习模型。
作为示例但非限定的是,深度学习算法可以采用深度学习图像识别中的目标检测算法,目标检测算法包括但不限于SSD(Single Shot MultiBox Detector)算法、YOLO算法等等。
由于扭力扳手通过预先使用深度学习算法对零部件对应的多个零部件样本图像进行训练,得到可准确识别螺丝区域图像的第一深度学习模型,因此,扭力扳手根据第一深度学习模型,能够准确地确定螺丝区域图像在目标图像的图像位置。
在一些实施例中,扭力扳手在构建第一深度学习模型时,可以先获取零部件对应的多个零部件样本图像,然后在每个零部件样本图像上给每一个螺丝对应的区域图像标注螺丝位置名称,以对螺丝对应的区域图像进行分类处理,最后再根据深度学习算法,训练多个已标注螺丝位置名称的零部件样本图像,得到可进一步提高螺丝区域图像识别的准确性的第一深度学习模型。
在一些实施例中,多个零部件样本图像为三维图像。由于三维图像相对二维图像,可提供更多所需的图像信息,因此,其能够提高效率。可以理解的是,在一些其它实施例中,多个零部件样本图像还可以包括二维图像。
在一些实施例中,螺丝特征信息包括螺丝类型,请参阅图7,步骤S322还可以包括以下步骤:
S3223、根据螺丝区域图像,识别与螺丝区域图像对应的头部标识;
S3224、根据头部标识,确定与螺丝区域图像对应的螺丝类型。
作为示例但非限定的是,螺丝类型用于描述螺丝的类型特征。螺丝的类型特征包括但不限于与规格类型特征、材质类型特征等等。
在一些实施例中,头部标识为螺丝所展现的、可便于辨别螺丝型号的标识。其中,头部标识为螺丝的螺头标识,螺头标识可以以任意形式呈现,例如字符、图形等等。
在一些实施例中,扭力扳手可以采用任意合适的图像分析算法,例如ResNet算法、Pointnet++算法等等,对螺丝区域图像进行分析,以识别出与螺丝区域图像对应的头部标识。
在一些实施例中,扭力扳手可以根据第二深度学习模型,识别与螺丝区域图像对应的头部标识。
在一些实施例中,扭力扳手在构建第二深度学习模型时,可以先获取多个螺丝样本图像,多个螺丝样本图像可以包括各种类型的螺丝中每种类型的螺丝的多个图像,然后,可以根据深度学习算法,训练多个螺丝样本图像,得到第二深度学习模型。
由于扭力扳手通过预先使用深度学习算法对多个零部件样本图像进行训练,得到可准确识别螺丝区域图像的第二深度学习模型,因此,扭力扳手根据第二深度学习模型,能够准确地识别与螺丝区域图像对应的头部标识。
在一些实施例中,扭力扳手在构建第二深度学习模型时,可以先获取多个螺丝样本图像,然后在每个螺丝样本图像上标注螺丝类型,以对具有不同头部标识的螺丝进行分类处理,最后再根据深度学习算法,训练多个已标注螺丝类型的螺丝样本图像,得到可进一步提高螺丝区域图像识别的准确性的第二深度学习模型。
在一些实施例中,多个螺丝样本图像为三维图像。由于三维图像相对二维图像,可提供更多所需的图像信息,因此,其能够提高效率。可以理解的是,在一些实施例中,多个螺丝样本图像还可以包括二维图像。
在一些实施例中,螺丝区域图像对应的头部标识在预设数据库中与螺丝类型相关联,利用头部标识在预设数据库中进行比对,可确定与螺丝区域图像对应的螺丝类型。
在一些实施例中,螺丝特征信息包括螺丝位置名称,请参阅图8a,步骤S33可以包括以下步骤:
S331、根据螺丝位置名称,在预设数据库中查询与螺丝位置名称对应的第一扭力;
S332、确定第一扭力为螺丝扭力。
作为示例但非限定的是,第一扭力为预设数据库中与螺丝位置名称对应的扭力,扭力扳手以螺丝位置名称为索引,访问预设数据库,从预设数据库中查询与螺丝位置名称对应的第一扭力,其中,预设数据库可由用户根据业务需求提前构建,举例而言,请参阅表1:
表1
从表1可以看出,每个螺丝位置名称均对应一个第一扭力,因此,可以将提取出的螺丝位置名称在预设数据库中进行比对,以确定螺丝位置名称对应的第一扭力,将第一扭力作为螺丝扭力。例如,如表1所示,螺丝位置名称为D1的螺丝对应第一扭力为10N·m,螺丝位置名称为D2的螺丝对应的第一扭力为20N·m。其中,表1中的紧固方向指的是用户为满足作业需求而对螺丝进行拧紧的方向。
由于扭力扳手自身可自动设置零部件各个螺丝的螺丝扭力,无需人工查看维修手册来设置螺丝扭力,因此,扭力扳手能够提高装卸螺丝的效率,并且能够避免人为选错螺丝扭力而损伤螺丝或未能够有效地固定工件。
在一些实施例中,螺丝特征信息还包括螺丝类型,请参阅图8b,在步骤S332之前,步骤S33还可以包括以下步骤:
S333、根据螺丝类型,在预设数据库中查询与所述螺丝类型对应的第二扭力;
S334、根据第二扭力,校验第一扭力。
作为示例但非限定的是,第二扭力为预设数据库中与螺丝类型对应的扭力,扭力扳手以螺丝类型为索引,访问预设数据库,从预设数据库中查询与螺丝类型对应的第二扭力,其中预设数据库可由用户根据业务需求提前构建,请参阅表2:
表2
从表2可以看出,每一个螺丝类型对应一个第二扭力,第二扭力可以为一个最大扭力或一个扭力范围,例如,螺丝类型为E2的螺丝的第二扭力为25N·m,螺丝类型为E4螺丝的第二扭力为16N·m。于是,可以将提取出的螺丝类型在预设数据库进行比对,以确定与螺丝类型对应的第二扭力。
为确保产品在生产装配过程中,不致因气锁(或电锁)扭力不当(如扭力太低造成组合不密,螺丝松动,或者,扭力太高造成滑牙、十字沟槽损坏、螺丝断裂等)因素,影响产品质量,通常给螺丝制定扭力范围标准,在螺丝扭力范围标准中,每一个类型的螺丝均对应一个最大扭力或扭力范围。
在根据螺丝位置名称,在预设数据库中查询与螺丝位置名称对应的第一扭力后,为了避免得到扭力不当的第一扭力,还可以进一步验证第一扭力是否准确。由于可以分别提取到螺丝对应的螺丝位置名称和螺丝类型,从而可分别得到与该螺丝对应的螺丝位置名称关联的第一扭力以及与该螺丝对应的螺丝类型关联的第二扭力,进而可以利用第二扭力对第一扭力进行校验处理,例如,若第一扭力不大于第二扭力或落在第二扭力的扭力范围内,则可认为第一扭力是准确的,若第一扭力大于第二扭力或未落在第二扭力的扭力范围内,则可认为第一扭力是不准确的。
在一些实施例中,请参阅图8c,步骤S334还可以包括以下步骤:
S3341、判断第二扭力是否大于或者等于第一扭力;
S3342、若第二扭力大于或等于第一扭力,则将第一扭力确定为螺丝扭力;
S3343、若第二扭力小于第一扭力,则产生提醒信息。
例如,第一扭力为10N·m,第二扭力为15N·m,由于第二扭力大于或者等于第一扭力,则认为第一扭力经过校验后是准确的,因此,扭力扳手可以将第一扭力确定为螺丝扭力。
例如,第一扭力为20N·m,第二扭力为15N·m,由于第二扭力小于第一扭力,则认为第一扭力经过校验后是不准确的,因此,扭力扳手可以通过产生提醒信息来提醒用户。在一些实施例中,产生的提醒信息包括但不限于语音、文字显示或指示灯显示等等。
由于最终确定的螺丝扭力是利用第二扭力对第一扭力进行验证成功后得到的,因此,将验证成功后的第一扭力作为螺丝扭力,能够提高第一扭力的准确性。
作为本发明实施例的另一方面,本发明实施例提供一种车辆的螺丝扭力确定装置。其中,车辆的螺丝的扭力确定装置可以为软件模块,所述软件模块包括若干指令,其存储在存储器内,处理器可以访问该存储器,调用指令进行执行,以完成上述各个实施方式所阐述的车辆的螺丝扭力确定方法。
在一些实施方式中,车辆的螺丝扭力确定装置亦可以由硬件器件搭建成的,例如,螺丝扭力确定装置可以由一个或两个以上的芯片搭建而成,各个芯片可以互相协调工作,以完成上述各个实施方式所阐述的车辆的螺丝扭力确定方法。再例如,车辆的螺丝扭力确定装置还可以由各类逻辑器件搭建而成,诸如由通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、单片机、ARM(Acorn RISC Machine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合而搭建成。
请参阅图9a,车辆的螺丝扭力确定装置900包括获取模块91、提取模块92及确定模块93,获取模块91用于获取与车辆的零部件对应的目标图像,提取模块92用于根据目标图像,提取螺丝特征信息,确定模块93用于根据螺丝特征信息,确定与螺丝特征信息对应的螺丝扭力。
综上所述,本装置能够直接使用确定后的螺丝扭力设置对应螺丝的报警值,无需人工通过查看维修手册来设置螺丝的报警值,因此,其能够提高工作效率,并且能够避免人为出错。
在一些实施例中,请参阅图9b,提取模块92包括提取单元921及第一确定单元922,提取单元921用于根据目标图像,提取螺丝区域图像,第一确定单元922用于确定与螺丝区域图像对应的螺丝特征信息。
在一些实施例中,螺丝特征信息包括螺丝位置名称,第一确定单元922具体用于:根据螺丝区域图像,确定与螺丝区域图像对应的螺丝在目标图像的图像位置,根据图像位置,确定与螺丝区域图像对应的螺丝位置名称。
第一确定单元922在确定螺丝区域图像在目标图像的图像位置的过程中,可以根据第一深度学习模型,确定螺丝区域图像在目标图像的图像位置。
在一些实施例中,通过先获取与零部件对应的多个零部件样本图像,然后根据深度学习算法,训练多个零部件样本图像,得到第一深度学习模型。
在一些实施例中,螺丝特征信息包括螺丝类型,第二确定单元922具体还用于:根据螺丝区域图像,识别与螺丝区域图像对应的螺丝的头部标识,根据头部标识,确定螺丝的螺丝类型。
第二确定单元922根据螺丝区域图像,识别与螺丝区域图像对应的头部标识的过程中,可以根据第二深度学习模型,识别与螺丝区域图像对应的头部标识。
在一些实施例中,通过先获取多个螺丝样本图像,然后根据深度学习算法,训练多个螺丝样本图像,得到第二深度学习模型。
在一些实施例中,螺丝特征信息包括螺丝位置名称,请参阅图9c,确定模块93包括第一查询单元931和第二确定单元932,查询单元931用于根据螺丝位置名称,在预设数据库中查询与螺丝位置名称对应的第一扭力,第二确定单元932用于确定第一扭力为螺丝扭力。
在一些实施例中,螺丝特征信息还包括螺丝类型,请参阅图9d,确定模块93还包括第二查询单元933及校验单元934,第二查询单元933用于根据螺丝类型,在预设数据库中查询与螺丝类型对应的第二扭力,校验单元934用于根据第二扭力,校验第一扭力。
在一些实施例中,校验单元934具体用于:判断第二扭力是否大于或等于第一扭力,若大于或等于,则将第一扭力确定为螺丝扭力,若小于,则产生提醒信息。
需要说明的是,车辆的螺丝扭力确定装置可执行本发明实施方式所提供的车辆的螺丝扭力确定方法,具备执行方法相应的功能模块和有益效果。未在车辆的螺丝扭力确定装置实施方式中详尽描述的技术细节,可参见本发明实施方式所提供的车辆的螺丝扭力确定方法。
请参阅图10,图10为本发明实施例提供的一种控制器的硬件结构示意图。如图10所示,控制器55包括一个或多个处理器551以及存储器552。其中,图10中以一个处理器551为例。
处理器551和存储器552可以通过总线或者其他方式连接,图10中以通过总线连接为例。
存储器552作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明实施例中的车辆的螺丝扭力确定方法对应的程序指令/模块。处理器551通过运行存储在存储器552中的非易失性软件程序、指令以及模块,从而执行车辆的螺丝扭力确定装置的各种功能应用以及数据处理,即实现上述方法实施例提供的车辆的螺丝扭力确定方法以及上述装置实施例的各个模块或单元的功能。
存储器552可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器552可选包括相对于处理器551远程设置的存储器,这些远程存储器可以通过网络连接至处理器551。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述程序指令/模块存储在所述存储器552中,当被所述一个或者多个处理器551执行时,执行上述任意方法实施例中的车辆的螺丝扭力确定方法。
本发明实施例还提供了一种非易失性计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,例如图10中的一个处理器551,可使得上述一个或多个处理器可执行上述任意方法实施例中的车辆的螺丝扭力确定方法。
本发明实施例还提供了一种计算机程序产品,所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被电子设备执行时,使所述电子设备执行任一项所述的车辆的螺丝扭力确定装置方法。
以上所描述的装置或设备实施例仅仅是示意性的,其中所述作为分离部件说明的单元模块可以是或者也可以不是物理上分开的,作为模块单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络模块单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上的实施例仅仅是用以说明本发明的技术方案,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (13)
1.一种车辆的螺丝扭力确定方法,其特征在于,包括:
获取与所述车辆的零部件对应的目标图像;
根据所述目标图像,提取螺丝特征信息;
根据所述螺丝特征信息,确定与所述螺丝特征信息对应的螺丝扭力。
2.根据权利要求1所述的螺丝扭力确定方法,其特征在于,所述根据所述目标图像,提取螺丝特征信息包括:
根据所述目标图像,提取螺丝区域图像;
确定与所述螺丝区域图像对应的螺丝特征信息。
3.根据权利要求2所述的螺丝扭力确定方法,其特征在于,所述螺丝特征信息包括螺丝位置名称,所述确定与所述螺丝区域图像对应的螺丝特征信息包括:
确定所述螺丝区域图像在所述目标图像的图像位置;
根据所述图像位置,确定与所述螺丝区域图像对应的螺丝位置名称。
4.根据权利要求3所述的螺丝扭力确定方法,其特征在于,所述确定所述螺丝区域图像在所述目标图像的图像位置包括:
根据第一深度学习模型,确定所述螺丝区域图像在所述目标图像的图像位置。
5.根据权利要求4所述的螺丝扭力确定方法,其特征在于,还包括:
获取与所述零部件对应的多个零部件样本图像;
根据深度学习算法,训练多个所述零部件样本图像,得到第一深度学习模型。
6.根据权利要求2所述的螺丝扭力确定方法,其特征在于,所述螺丝特征信息包括螺丝类型,所述确定与所述螺丝区域图像对应的螺丝特征信息包括:
根据所述螺丝区域图像,识别与所述螺丝区域图像对应的头部标识;
根据所述头部标识,确定与所述螺丝区域图像对应的螺丝类型。
7.根据权利要求6所述的螺丝扭力确定方法,其特征在于,所述根据所述螺丝区域图像,识别与所述螺丝区域图像对应的头部标识包括:
根据第二深度学习模型,识别与所述螺丝区域图像对应的头部标识。
8.根据权利要求7所述的螺丝扭力确定方法,其特征在于,还包括:
获取多个螺丝样本图像;
根据深度学习算法,训练多个所述螺丝样本图像,得到第二深度学习模型。
9.根据权利要求1至8任一项所述的螺丝扭力确定方法,其特征在于,所述螺丝特征信息包括螺丝位置名称,所述根据所述螺丝特征信息,确定与所述螺丝特征信息对应的螺丝扭力包括:
根据所述螺丝位置名称,在预设数据库中查询与所述螺丝位置名称对应的第一扭力;
确定所述第一扭力为所述螺丝扭力。
10.根据权利要求9所述的螺丝扭力确定方法,其特征在于,所述螺丝特征信息还包括螺丝类型,在确定所述第一扭力为所述螺丝扭力之前,所述根据所述螺丝特征信息,确定与所述螺丝特征信息对应的螺丝扭力,还包括:
根据所述螺丝类型,在所述预设数据库中查询与所述螺丝类型对应的第二扭力;
根据所述第二扭力,校验所述第一扭力。
11.根据权利要求10所述的螺丝扭力确定方法,其特征在于,所述根据所述第二扭力,校验所述第一扭力包括:
判断所述第二扭力是否大于或等于所述第一扭力;
若大于或等于,则将所述第一扭力确定为螺丝扭力;
若小于,则产生提醒信息。
12.一种扭力扳手,其特征在于,包括:
图像采集装置,用于对车辆的零部件进行拍摄;
控制器,包括至少一个处理器,与所述图像采集装置连接;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至11任一项所述的螺丝扭力确定方法。
13.一种非易失性可读存储介质,其特征在于,所述非易失性可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使电子设备执行如权利要求1至11任一项所述的螺丝扭力确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110914447.XA CN113643252B (zh) | 2021-08-10 | 2021-08-10 | 一种车辆的螺丝扭力确定方法及扭力扳手 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110914447.XA CN113643252B (zh) | 2021-08-10 | 2021-08-10 | 一种车辆的螺丝扭力确定方法及扭力扳手 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113643252A true CN113643252A (zh) | 2021-11-12 |
CN113643252B CN113643252B (zh) | 2024-05-31 |
Family
ID=78420652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110914447.XA Active CN113643252B (zh) | 2021-08-10 | 2021-08-10 | 一种车辆的螺丝扭力确定方法及扭力扳手 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113643252B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10302071A (ja) * | 1997-04-28 | 1998-11-13 | Meidensha Corp | 位置姿勢検出装置及び位置姿勢検出方法並びに位置姿勢を検出するプログラムを記録した記録媒体 |
JP2013091115A (ja) * | 2011-10-24 | 2013-05-16 | Nittetsu Elex Co Ltd | ボルト締め付け監視装置、システム、方法及びプログラム |
CN203380833U (zh) * | 2013-06-06 | 2014-01-08 | 常州路航轨道交通科技有限公司 | 智能扭力扳手 |
TW201812499A (zh) * | 2016-09-09 | 2018-04-01 | 黃士祐 | 脈衝扭力工具之扭力監控方法及其控制裝置 |
CN107992114A (zh) * | 2017-12-13 | 2018-05-04 | 北京小米移动软件有限公司 | 螺丝刀控制方法及装置 |
US20190217455A1 (en) * | 2014-06-04 | 2019-07-18 | Panasonic Intellectual Property Management Co., Ltd. | Control device and work management system using same |
CN110246132A (zh) * | 2019-06-23 | 2019-09-17 | 中车青岛四方车辆研究所有限公司 | 轨道车辆螺栓松动检测方法及系统 |
JP2020169680A (ja) * | 2019-04-03 | 2020-10-15 | 株式会社Ihiインフラシステム | ボルトの締結状態検知装置及び方法、並びにプログラム |
CN112146593A (zh) * | 2020-09-25 | 2020-12-29 | 上海红马饲料有限公司 | 一种基于机器视觉的外螺纹检测方法及实时检测系统 |
CN112539866A (zh) * | 2020-11-20 | 2021-03-23 | 北京艾法斯特科技发展有限公司 | 一种基于视觉深度学习的螺栓轴力监测系统及监测方法 |
-
2021
- 2021-08-10 CN CN202110914447.XA patent/CN113643252B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10302071A (ja) * | 1997-04-28 | 1998-11-13 | Meidensha Corp | 位置姿勢検出装置及び位置姿勢検出方法並びに位置姿勢を検出するプログラムを記録した記録媒体 |
JP2013091115A (ja) * | 2011-10-24 | 2013-05-16 | Nittetsu Elex Co Ltd | ボルト締め付け監視装置、システム、方法及びプログラム |
CN203380833U (zh) * | 2013-06-06 | 2014-01-08 | 常州路航轨道交通科技有限公司 | 智能扭力扳手 |
US20190217455A1 (en) * | 2014-06-04 | 2019-07-18 | Panasonic Intellectual Property Management Co., Ltd. | Control device and work management system using same |
TW201812499A (zh) * | 2016-09-09 | 2018-04-01 | 黃士祐 | 脈衝扭力工具之扭力監控方法及其控制裝置 |
CN107992114A (zh) * | 2017-12-13 | 2018-05-04 | 北京小米移动软件有限公司 | 螺丝刀控制方法及装置 |
JP2020169680A (ja) * | 2019-04-03 | 2020-10-15 | 株式会社Ihiインフラシステム | ボルトの締結状態検知装置及び方法、並びにプログラム |
CN110246132A (zh) * | 2019-06-23 | 2019-09-17 | 中车青岛四方车辆研究所有限公司 | 轨道车辆螺栓松动检测方法及系统 |
CN112146593A (zh) * | 2020-09-25 | 2020-12-29 | 上海红马饲料有限公司 | 一种基于机器视觉的外螺纹检测方法及实时检测系统 |
CN112539866A (zh) * | 2020-11-20 | 2021-03-23 | 北京艾法斯特科技发展有限公司 | 一种基于视觉深度学习的螺栓轴力监测系统及监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113643252B (zh) | 2024-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107784310B (zh) | 设备状态信息获取方法、装置、系统、存储介质及机器人 | |
CN108090747B (zh) | 车险核保的自助验车方法、装置、设备和计算机存储介质 | |
CN109727229B (zh) | 虚焊检测方法及装置 | |
CN105051781A (zh) | 机器视觉系统以及用于产品的远程质量检验的方法 | |
TWI652182B (zh) | 在胎壓診斷工具內建置車輛資料之方法 | |
US9491355B2 (en) | System for capturing an image of a damaged vehicle | |
CA3058955C (en) | A system for measuring deformations and a method for measuring deformations | |
CN111527387B (zh) | 用于识别构件的损伤的方法和系统 | |
CN102213586A (zh) | 开孔不良检测装置及开孔不良检测方法 | |
CN113643252A (zh) | 一种车辆的螺丝扭力确定方法及扭力扳手 | |
CN113033297B (zh) | 实物编程方法、装置、设备及存储介质 | |
US20140067328A1 (en) | System for processing measurement data and/or measurement parameter data | |
US20230096532A1 (en) | Machine learning system, learning data collection method and storage medium | |
CN116681652A (zh) | 螺栓松动检测方法和装置、电子设备及存储介质 | |
US9771880B2 (en) | Real-time vehicle data acquisition and analysis | |
US10967517B2 (en) | Information processing apparatus, method, and storage medium for presenting information for calibration | |
CN116071335A (zh) | 墙面验收方法、装置、设备及存储介质 | |
US20230237642A1 (en) | System and method for tracing components of electronic assembly | |
CN114155432A (zh) | 一种基于机器人的表计读数识别方法 | |
US11674978B2 (en) | Measurement system and method for operating a measurement system | |
CN112529829B (zh) | 一种毛刺定位、毛刺检测模型的训练方法及装置 | |
TWI449902B (zh) | 開孔不良檢測裝置及開孔不良檢測方法 | |
CN113763443B (zh) | 一种用于燃气轮机的部件监控系统 | |
TWI712944B (zh) | 利用聲音監控設備之方法 | |
US20220253910A1 (en) | Vehicle assessment system, vehicle assessment method, and vehicle assessment program |
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 |