CN114037752A - 一种基于多模型信息匹配的冷床区钢板跟踪方法 - Google Patents

一种基于多模型信息匹配的冷床区钢板跟踪方法 Download PDF

Info

Publication number
CN114037752A
CN114037752A CN202111243605.XA CN202111243605A CN114037752A CN 114037752 A CN114037752 A CN 114037752A CN 202111243605 A CN202111243605 A CN 202111243605A CN 114037752 A CN114037752 A CN 114037752A
Authority
CN
China
Prior art keywords
steel plate
cooling bed
bed area
tracking
model
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
Application number
CN202111243605.XA
Other languages
English (en)
Inventor
石杰
吴昆鹏
杨朝霖
邓能辉
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.)
USTB Design and Research Institute Co Ltd
Original Assignee
USTB Design and Research Institute 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 USTB Design and Research Institute Co Ltd filed Critical USTB Design and Research Institute Co Ltd
Priority to CN202111243605.XA priority Critical patent/CN114037752A/zh
Publication of CN114037752A publication Critical patent/CN114037752A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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
    • G06T2207/30136—Metal
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Factory Administration (AREA)

Abstract

本发明提供一种基于多模型信息匹配的冷床区钢板跟踪方法，属于冶金智能制造技术领域。该方法首先利用视觉跟踪模型分析得到T0时刻冷床区钢板状态信息，利用此信息初始化逻辑跟踪模型状态；逻辑跟踪模型依赖T‑1时刻冷床区钢板状态结合冷床速度计算得到当前T时刻冷床区钢板状态信息S1；视觉跟踪模型利用实例分割方法从图像中分析得到当前T时刻冷床区钢板状态信息S2；T时刻下，S1与S2计算匹配情况，分析异常跟踪状态，将S2保存用于下一次计算；进入下一时刻，重复上述过程，实时跟踪冷床区钢板状态。该方法降低了长时序下逻辑跟踪模型的预测误差，利用匹配状态信息能够判断出卡钢、吊运下料等特殊情况，实现了全面、准确、智能的冷床区钢板跟踪。

Description

一种基于多模型信息匹配的冷床区钢板跟踪方法
技术领域
本发明涉及冶金智能制造技术领域，特别是指一种基于多模型信息匹配的冷床区钢板跟踪方法。
背景技术
钢铁产品生产过程中，需要对每块钢板的位置信息进行实时跟踪，而其中冷床区域的跟踪难度最大。冷床区域范围较大且结构相对紧凑，很难在其中安装光检设备，没有传感器反馈实际信息；并且冷床区域处存在行车吊运、冷床卡钢的情况，增加了钢板状态的不确定性；这些因素的综合影响增加了此区域钢板跟踪的难度。
目前企业中常用的冷床区域钢板跟踪方式多为逻辑跟踪，即利用控制冷床运行的速度信息进行钢板位置的计算与预测；由于只是理论计算，缺乏实时的传感器检测信号反馈，因此这种跟踪方式得到的钢板位置状态误差较大；此外由于逻辑跟踪方式无法检测到行车吊运钢板的操作，不能及时的进行钢板信息吊销，很难进行冷床区钢板的全面跟踪。
利用视觉跟踪技术可以直观的监测到冷床区钢板状态信息，相比于逻辑跟踪计算得到的钢板状态信息更加准确。因此本发明中设计了基于逻辑跟踪与视觉跟踪融合匹配的方式进行冷床区钢板跟踪，利用两模型检测数据的匹配分析，不仅可以准确的得到冷床区钢板位置状态信息，而且可以识别到冷床卡钢的现象，能够更加全面的进行冷床区钢板跟踪。
发明内容
本发明要解决的技术问题是提供一种基于多模型信息匹配的冷床区钢板跟踪方法。
该方法包括步骤如下：
(1)利用视觉跟踪模型分析得到T0时刻冷床区钢板状态信息，并利用此信息初始化逻辑跟踪模型的状态；
(2)逻辑跟踪模型依赖T-1时刻冷床区钢板状态并结合冷床速度计算得到当前T时刻冷床区钢板状态信息S1；
(3)视觉跟踪模型利用实例分割模型从图像中分析得到当前T时刻冷床区钢板状态信息S2；
(4)T时刻下，计算冷床区钢板状态信息S1与冷床区钢板状态信息S2的匹配情况，分析异常跟踪状态，然后将冷床区钢板状态信息S2进行保存用于下一次步骤(2)计算；
(5)进入下一时刻，重复步骤(2)至步骤(4)过程，实时跟踪冷床区钢板状态。
在本方法中，T0表示最开始的时刻，T表示开始后的任意时刻，T-1表示T时刻的上一时刻。
该方法中，冷床区钢板均由上冷床辊道运送至冷床区域，然后钢板通过由行车直接吊走或从下冷床辊道运送离开的方式离开冷床区域。
上述视觉跟踪模型中所用相机为红外监控相机，红外监控相机安装于行车运行轨道上方2米，相机数量保证相机拍射范围覆盖整个冷床区域。
钢板状态信息包括T时刻下钢板中心的x和y坐标位置以及T时刻下钢板的长度和宽度。
步骤(3)中视觉跟踪模型所采用的实例分割模型为SOLO、YOLACT中的一种，分割模型输出的钢板区域映射到实物坐标系下，得到T时刻冷床区钢板状态信息S2，S2包括
Figure BDA0003320107210000021
其中
Figure BDA0003320107210000022
和
Figure BDA0003320107210000023
代表T时刻下识别到的钢板中心的x和y坐标位置，
Figure BDA0003320107210000024
和
Figure BDA0003320107210000025
代表T时刻下识别到的钢板的长度和宽度。
步骤(2)中逻辑跟踪模型获取控制冷床速度数据，通过速度对时间的积分得到单位时刻冷床区各钢板的状态量变化，逻辑跟踪模型得到的冷床区钢板状态信息S1分为以下三类情况：
①钢板进入冷床过程中，逻辑跟踪模型为：
Figure BDA0003320107210000031
②钢板在冷床区运行时，逻辑跟踪模型为：
Figure BDA0003320107210000032
③钢板离开冷床过程中，逻辑跟踪模型为：
Figure BDA0003320107210000033
其中，
Figure BDA0003320107210000034
和
Figure BDA0003320107210000035
代表T时刻下跟踪到的钢板中心的x和y坐标位置，lT和wT代表T时刻下跟踪到的钢板的长度和宽度，v为冷床运动速度，
Figure BDA0003320107210000036
和
Figure BDA0003320107210000037
为T-1时刻下跟踪到的钢板中心的x和y坐标位置，lT-1和wT-1为T-1时刻下跟踪到的钢板的长度和宽度。
步骤(4)中将逻辑跟踪模型得到的冷床区钢板状态信息
Figure BDA0003320107210000038
和视觉跟踪模型得到的冷床区钢板状态信息
Figure BDA0003320107210000039
进行区域交并比匹配，交并比大于90％为匹配，否则为未匹配。
上述匹配情况与冷床区钢板跟踪的关系为：
①S1中钢板数量大于S2中钢板数量，S1中钢板无法在S2中匹配到，未匹配的钢板为行车吊走的钢板，进行信息吊销；
②S1中钢板数量小于S2中钢板数量，S2中钢板无法在S1中匹配到，未匹配的钢板为刚刚进入冷床区域的钢板，进行信息添加；
③S1中钢板数量等于S2中钢板数量，S1或S2中存在钢板未匹配，判定为出现冷床卡钢并进行报警；
④S1中钢板数量等于S2中钢板数量，S1和S2中钢板完全匹配，为正常的钢板跟踪状态，进行及时的信息更新。
当行车处于冷床正上方吊运钢板时由于存在遮挡，视觉跟踪模型停止跟踪，冷床区钢板状态信息完全由逻辑跟踪模型获得，并且规定行车在冷床区域操作时不允许钢板有沿辊道上冷床或下冷床操作。
本发明的上述技术方案的有益效果如下：
上述方案中，解决了冷床区钢板实时跟踪的问题，提升了冷床区域的智能化水平，减少了人工进行信息核验的过程，提升了产线的生产节奏，给钢铁企业带来了巨大利润。
附图说明
图1为本发明的基于多模型信息匹配的冷床区钢板跟踪方法流程图；
图2为本发明实施例中钢板进入冷床区的示意图；
图3为本发明实施例中钢板在冷床区行进过程的示意图；
图4为本发明实施例中钢板离开冷床区的示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明提供一种基于多模型信息匹配的冷床区钢板跟踪方法。
如图1所示，该方法包括步骤如下：
(1)利用视觉跟踪模型分析得到T0时刻冷床区钢板状态信息，并利用此信息初始化逻辑跟踪模型的状态，即用视觉跟踪模型得到的状态信息，一对一变量(位置和宽度长度)赋值进行初始化。；
(2)逻辑跟踪模型依赖T-1时刻冷床区钢板状态并结合冷床速度计算得到当前T时刻冷床区钢板状态信息S1；
(3)视觉跟踪模型利用实例分割模型从图像中分析得到当前T时刻冷床区钢板状态信息S2；
(4)T时刻下，计算冷床区钢板状态信息S1与冷床区钢板状态信息S2的匹配情况，分析异常跟踪状态，然后将冷床区钢板状态信息S2进行保存用于下一次步骤(2)计算；
(5)进入下一时刻，重复步骤(2)至步骤(4)过程，实时跟踪冷床区钢板状态。
下面结合具体实施例予以说明。
以国内某钢厂热处理线为例，冷床宽度为25米，短板生产情况下可同时容纳8块钢板，长板生产情况下可同时容纳4块钢板，冷床上的钢板均由上冷床辊道运送至冷床区域，钢板离开冷床区域途径包含两种方式，一种方式是由行车直接吊走，另一种方式是从下冷床辊道运送离开。
视觉跟踪模型中相机采用海康威视红外监控相机，4mm镜头，79°水平视场角，拍摄图像大小为2560*1440，相机安装于行车运行轨道上方2米位置，距地面高度约为12米，单个相机可拍射范围为整个冷床区域。
视觉跟踪模型所采用的实例分割模型可选SOLO、YOLACT中的一种，可以独立分割得到冷床上每块钢板的位置信息和长宽信息，分割模型输出的钢板状态信息映射到实物坐标系下，得到T时刻冷床区各钢板的状态信息，状态信息包括
Figure BDA0003320107210000051
其中
Figure BDA0003320107210000052
和
Figure BDA0003320107210000053
代表T时刻下识别到的钢板中心的x和y坐标位置，
Figure BDA0003320107210000054
和
Figure BDA0003320107210000055
代表T时刻下识别到的钢板的长度和宽度信息。
逻辑跟踪模型获取控制冷床运动的电机速度数据，通过速度对时间的积分得到单位时刻冷床区各钢板的状态量变化，逻辑跟踪模型状态量变化过程分为以下三类：
如图2所示，钢板进入冷床过程中，逻辑跟踪模型为：
Figure BDA0003320107210000056
如图3所示，钢板在冷床区运行时，逻辑跟踪模型为：
Figure BDA0003320107210000061
如图4所示，钢板离开冷床过程中，逻辑跟踪模型为：
Figure BDA0003320107210000062
其中
Figure BDA0003320107210000063
和
Figure BDA0003320107210000064
代表T时刻下跟踪到的钢板中心的x和y坐标位置，lT和wT代表T时刻下跟踪到的钢板的长度和宽度信息，v为冷床运动速度。
逻辑跟踪模型得到的冷床区钢板状态
Figure BDA0003320107210000065
和视觉跟踪模型得到的冷床区钢板状态
Figure BDA0003320107210000066
两个状态进行区域交并比匹配，交并比大于90％为匹配，否则为未匹配。
匹配情况与冷床区钢板跟踪的关系为：
S1中钢板数量大于S2中钢板数量，S1中钢板无法在S2中匹配到，未匹配的钢板为行车吊走的钢板，进行信息吊销；
S1中钢板数量小于S2中钢板数量，S2中钢板无法在S1中匹配到，未匹配的钢板为刚刚进入冷床区域的钢板，进行信息添加；
S1中钢板数量等于S2中钢板数量，S1或S2中存在钢板未匹配，判定为出现冷床卡钢并进行报警。
S1中钢板数量等于S2中钢板数量，S1和S2中钢板完全匹配，为正常的钢板跟踪状态，进行及时的信息更新。
行车可实时反馈位置信息，当行车处于冷床正上方吊运钢板时由于存在遮挡，视觉跟踪模型停止跟踪，冷床区钢板状态信息完全由逻辑跟踪模型获得，并且规定行车在冷床区域操作时不允许钢板有沿辊道上冷床或下冷床操作。
以上所述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，在不脱离本发明所述原理的前提下，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 (9)

1.一种基于多模型信息匹配的冷床区钢板跟踪方法，其特征在于：包括步骤如下：
(1)利用视觉跟踪模型分析得到T0时刻冷床区钢板状态信息，并利用此信息初始化逻辑跟踪模型的状态；
(2)逻辑跟踪模型依赖T-1时刻冷床区钢板状态并结合冷床速度计算得到当前T时刻冷床区钢板状态信息S1；
(3)视觉跟踪模型利用实例分割模型从图像中分析得到当前T时刻冷床区钢板状态信息S2；
(4)T时刻下，计算冷床区钢板状态信息S1与冷床区钢板状态信息S2的匹配情况，分析异常跟踪状态，然后将冷床区钢板状态信息S2进行保存用于下一次步骤(2)计算；
(5)进入下一时刻，重复步骤(2)至步骤(4)过程，实时跟踪冷床区钢板状态。
2.根据权利要求1所述的基于多模型信息匹配的冷床区钢板跟踪方法，其特征在于：该方法中，冷床区钢板均由上冷床辊道运送至冷床区域，然后钢板通过由行车直接吊走或从下冷床辊道运送离开的方式离开冷床区域。
3.根据权利要求1所述的基于多模型信息匹配的冷床区钢板跟踪方法，其特征在于：所述视觉跟踪模型中所用相机为红外监控相机，红外监控相机安装于行车运行轨道上方2米，相机数量保证相机拍射范围覆盖整个冷床区域。
4.根据权利要求1所述的基于多模型信息匹配的冷床区钢板跟踪方法，其特征在于：所述钢板状态信息包括T时刻下钢板中心的x和y坐标位置以及T时刻下钢板的长度和宽度。
5.根据权利要求1所述的基于多模型信息匹配的冷床区钢板跟踪方法，其特征在于：所述步骤(3)中视觉跟踪模型所采用的实例分割模型为SOLO、YOLACT中的一种，分割模型输出的钢板区域映射到实物坐标系下，得到T时刻冷床区钢板状态信息S2，S2包括
Figure FDA0003320107200000011
其中
Figure FDA0003320107200000012
和
Figure FDA0003320107200000013
代表T时刻下识别到的钢板中心的x和y坐标位置，
Figure FDA0003320107200000014
和
Figure FDA0003320107200000015
代表T时刻下识别到的钢板的长度和宽度。
6.根据权利要求1所述的基于多模型信息匹配的冷床区钢板跟踪方法，其特征在于：所述步骤(2)中逻辑跟踪模型获取控制冷床速度数据，通过速度对时间的积分得到单位时刻冷床区各钢板的状态量变化，逻辑跟踪模型得到的冷床区钢板状态信息S1分为以下三类情况：
①钢板进入冷床过程中，逻辑跟踪模型为：
Figure FDA0003320107200000021
②钢板在冷床区运行时，逻辑跟踪模型为：
Figure FDA0003320107200000022
③钢板离开冷床过程中，逻辑跟踪模型为：
Figure FDA0003320107200000023
其中，
Figure FDA0003320107200000024
和
Figure FDA0003320107200000025
代表T时刻下跟踪到的钢板中心的x和y坐标位置，lT和wT代表T时刻下跟踪到的钢板的长度和宽度，v为冷床运动速度，
Figure FDA0003320107200000026
和
Figure FDA0003320107200000027
为T-1时刻下跟踪到的钢板中心的x和y坐标位置，lT-1和wT-1为T-1时刻下跟踪到的钢板的长度和宽度。
7.根据权利要求1所述的基于多模型信息匹配的冷床区钢板跟踪方法，其特征在于：所述步骤(4)中将逻辑跟踪模型得到的冷床区钢板状态信息
Figure FDA0003320107200000031
和视觉跟踪模型得到的冷床区钢板状态信息
Figure FDA0003320107200000032
进行区域交并比匹配，交并比大于90％为匹配，否则为未匹配。
8.根据权利要求7所述的基于多模型信息匹配的冷床区钢板跟踪方法，其特征在于：所述匹配情况与冷床区钢板跟踪的关系为：
①S1中钢板数量大于S2中钢板数量，S1中钢板无法在S2中匹配到，未匹配的钢板为行车吊走的钢板，进行信息吊销；
②S1中钢板数量小于S2中钢板数量，S2中钢板无法在S1中匹配到，未匹配的钢板为刚刚进入冷床区域的钢板，进行信息添加；
③S1中钢板数量等于S2中钢板数量，S1或S2中存在钢板未匹配，判定为出现冷床卡钢并进行报警；
④S1中钢板数量等于S2中钢板数量，S1和S2中钢板完全匹配，为正常的钢板跟踪状态，进行及时的信息更新。
9.根据权利要求2所述的基于多模型信息匹配的冷床区钢板跟踪方法，其特征在于：当行车处于冷床正上方吊运钢板时由于存在遮挡，视觉跟踪模型停止跟踪，冷床区钢板状态信息完全由逻辑跟踪模型获得，并且规定行车在冷床区域操作时不允许钢板有沿辊道上冷床或下冷床操作。
CN202111243605.XA 2021-10-25 2021-10-25 一种基于多模型信息匹配的冷床区钢板跟踪方法 Pending CN114037752A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111243605.XA CN114037752A (zh) 2021-10-25 2021-10-25 一种基于多模型信息匹配的冷床区钢板跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111243605.XA CN114037752A (zh) 2021-10-25 2021-10-25 一种基于多模型信息匹配的冷床区钢板跟踪方法

Publications (1)

Publication Number Publication Date
CN114037752A true CN114037752A (zh) 2022-02-11

Family

ID=80135330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111243605.XA Pending CN114037752A (zh) 2021-10-25 2021-10-25 一种基于多模型信息匹配的冷床区钢板跟踪方法

Country Status (1)

Country Link
CN (1) CN114037752A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117539210A (zh) * 2024-01-09 2024-02-09 江苏精益智控科技有限公司 一种融合机器视觉与过程控制的跟踪方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109190616A (zh) * 2018-08-03 2019-01-11 东北大学 一种基于特征识别的热轧钢板在线视觉跟踪算法
CN111681259A (zh) * 2020-05-17 2020-09-18 天津理工大学 基于无Anchor机制检测网络的车辆跟踪模型建立方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109190616A (zh) * 2018-08-03 2019-01-11 东北大学 一种基于特征识别的热轧钢板在线视觉跟踪算法
CN111681259A (zh) * 2020-05-17 2020-09-18 天津理工大学 基于无Anchor机制检测网络的车辆跟踪模型建立方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117539210A (zh) * 2024-01-09 2024-02-09 江苏精益智控科技有限公司 一种融合机器视觉与过程控制的跟踪方法
CN117539210B (zh) * 2024-01-09 2024-04-16 江苏精益智控科技有限公司 一种融合机器视觉与过程控制的跟踪方法

Similar Documents

Publication Publication Date Title
CN105744232B (zh) 一种基于行为分析技术的输电线路视频防外破的方法
CN104809887B (zh) 一种高速公路上车辆逆行检测方法与自动报警装置
CN109410607B (zh) 一种基于视频的十字路口信号机控制方法
CN109753949B (zh) 一种基于深度学习的多视窗交通标志检测方法
CN104217428A (zh) 一种融合特征匹配和数据关联的视频监控多目标跟踪方法
CN102147971A (zh) 基于视频图像处理技术的交通信息采集系统
CN105513342A (zh) 一种基于视频跟踪的车辆排队长度计算方法
CN108829068A (zh) 一种电镀生产线控制系统及控制方法
CN101882374A (zh) 一种车辆行程分布综合信息分析系统及方法
CN114037752A (zh) 一种基于多模型信息匹配的冷床区钢板跟踪方法
CN103903282A (zh) 一种基于LabVIEW的目标跟踪方法
CN111573200B (zh) 一种井下皮带转接处堵塞的视觉检测系统及检测方法
CN112702570A (zh) 一种基于多维行为识别的安防管理系统
CN113834451A (zh) 一种生活垃圾填埋场作业区垃圾暴露面积自动化监测方法
CN114333331A (zh) 一种多车道桥梁车辆通行信息与车重识别方法及系统
CN214075655U (zh) 一种工地扬尘在线智能监测及喷淋一体化装置
CN111368833B (zh) 一种基于机器视觉的板坯号检测全自动装钢方法
CN115321401B (zh) 一种智能化无极绳绞车电控系统
CN108806314B (zh) 基于背景建模监测目标与车位使用情况的智能调光led灯
EP1333246A4 (en) POSITION DETECTION PROCEDURE, POSITION DETECTION DEVICE, EXPOSURE METHOD; EXPOSURE SYSTEM, CONTROL PROGRAM AND COMPONENT MANUFACTURING METHOD
CN110414606B (zh) 输电线路通道可视化告警区域划分数量的确定方法
CN103606280A (zh) 一种信息识别方法、装置以及系统
CN114638972A (zh) 一种基于自动行车远控系统的视频预测方法
CN114265361A (zh) 一种基于视频反馈信号强化学习的自动行车防摇控制方法
CN114444644A (zh) 一种基于标签识别的台车识别方法、系统及存储介质

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