CN114040116A - 塑胶模材良品监测反馈系统 - Google Patents

塑胶模材良品监测反馈系统 Download PDF

Info

Publication number
CN114040116A
CN114040116A CN202111442828.9A CN202111442828A CN114040116A CN 114040116 A CN114040116 A CN 114040116A CN 202111442828 A CN202111442828 A CN 202111442828A CN 114040116 A CN114040116 A CN 114040116A
Authority
CN
China
Prior art keywords
identification
unit
feedback
shooting
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
Application number
CN202111442828.9A
Other languages
English (en)
Other versions
CN114040116B (zh
Inventor
董爽
王洪伟
段永智
王倩倩
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.)
Anhui Jingyan Plastic Products Co ltd
Original Assignee
Anhui Jingyan Plastic Products 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 Anhui Jingyan Plastic Products Co ltd filed Critical Anhui Jingyan Plastic Products Co ltd
Priority to CN202111442828.9A priority Critical patent/CN114040116B/zh
Publication of CN114040116A publication Critical patent/CN114040116A/zh
Application granted granted Critical
Publication of CN114040116B publication Critical patent/CN114040116B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/95—Computational photography systems, e.g. light-field imaging systems
    • H04N23/951—Computational photography systems, e.g. light-field imaging systems by using two or more images to influence resolution, frame rate or aspect ratio
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H04N23/54—Mounting of pick-up tubes, electronic image sensors, deviation or focusing coils
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Processing (AREA)
  • Injection Moulding Of Plastics Or The Like (AREA)

Abstract

本发明公开了塑胶模材良品监测反馈系统，涉及产品监测反馈技术；包括拍摄单元、补偿单元、识别单元和反馈单元；其中，拍摄单元用于获取塑胶模材的图像信息，补偿单元用于对图像信息进行随机补偿，生成识别图像，识别单元用于对识别图像进行识别，并得出识别结果，反馈单元用于传输识别结果，并接收反馈标记，标记在识别结果对应的塑胶模材上，通过预设指令可以快速的实现对塑胶模材的分类与标记，其次，通过设置不同拍摄角度的工业相机，实现即使某个相机出现问题或在高速拍摄的情况下出现拍摄不清楚的问题，也可以通过上述方法进行补救，极大地提高工业相机的拍照速度以及色选机的筛选速度。

Description

塑胶模材良品监测反馈系统
技术领域
本发明涉及产品监测反馈技术,具体为塑胶模材良品监测反馈系统。
背景技术
目前塑料模材生产过程中模具的模压、模温、水压、水温、注射压力、腔内压力、料温等各种信息只能从注塑机上观察，产品在生产过程如出现参数的变化或工况不稳定，都需要找专业的技术人员现场查看，技术人员再根据注塑机上各种参数的反馈对注塑机工作参数作相应的修整，使之重新恢复稳定；
目前这种控制方式，对一些只需修正参数即可解决小问题，增加了不必要的人力和物力的浪费，且对于人工查看的产品参数，由于人工肉眼观察的制约性，只能集中于某一件单独的产品，而不能对整个流水线上的产品进行依次排查，从而不能对良品塑胶膜材进行监测及反馈，因此，我们需要提出一种新的设计方案，解决目前人工监测难以对塑胶模材进行清洗拍照，及如何让拍摄数据跟全面及稳定的问题。
发明内容
本发明的目的就在于提供塑胶模材良品监测反馈系统，来解决上述背景技术中提到的问题。
本发明要解决的技术问题为：
(1)如何通过设置不同拍摄角度的工业相机，防止单个相机在拍照时可能使拍摄产品画面不清楚，或单个相机故障导致产品拍摄失败的问题；
(2)如何让拍摄数据更全面及稳定的问题。
本发明的目的可以通过以下技术方案实现：
塑胶模材良品监测反馈系统，包括拍摄单元、补偿单元、识别单元和反馈单元；
其中，拍摄单元用于获取塑胶模材的图像信息；
补偿单元用于对图像信息进行随机补偿，生成识别图像；
具体的，预设检查条件包括照片分辨率、照片尺寸、照片校准点的位置，其中，出现以下情况任一项，既认为不满足检查条件；
重合后生成的识别照片的照片分辨率与选定俯视图、侧视图以及前视图中任两幅图片的分辨率均不相同；
重合后生成的识别照片的照片尺寸与选定俯视图、侧视图以及前视图中任两幅图片的照片尺寸均不相同；
重合后生成的识别照片内的照片校准点的位置未重合；
其中，照片内的照片校准点为工业相机拍摄图像后默认输出图片的右下角且距离右下角对应两条边3mm处，且所述校准点标记在具有图像的一面，正视图、侧视图和俯视图中任两幅图片的叠合，其中，叠合部分为两幅图片中相同区域。
识别单元用于对识别图像进行识别，并得出识别结果；
反馈单元用于传输识别结果，并接收反馈标记，标记在识别结果对应的塑胶模材上。
进一步的，拍摄单元包括主摄单元(主摄)、副摄单元(副摄)以及次摄单元(次摄)；
其中，主摄单元用于接收主拍摄像头的主采集信息，副摄单元用于接收副拍摄像头的补录采集信息，次摄单元用于接收前拍摄像头的行程采集信息。
进一步的，主采集信息包括塑胶模材的正视图和侧视图中的任一张图像；
补录采集信息包括塑胶模材的俯视图；
行程采集信息包括塑胶模材预设路径内全部的正视图、侧视图和俯视图。
进一步的，补偿单元用于对图像信息进行随机补偿包括：
获取相同时间节点的主采集信息或补录采集信息中任一种信息，并标记为第一识别图片，剩余的信息标记为第二识别图片；
获取相同时间节点的行程采集信息，并与第一识别图片进行重合；
获取重合信息，并按照预设检查条件对重合信息进行检查，若检查合格得出识别照片；
若检查不合格，选取第二识别图片进行二次重合，并得出识别照片。
若二次重合后检查仍不合格，生成报警照片，其中，报警照片为预设照片。
进一步的，识别单元用于对识别图像进行识别，并得出识别结果包括：
根据预设指令对识别照片或报警照片进行识别；
其中，预设指令包括颜色指令、形状指令及面积指令；
识别结果包括颜色结果、识别结果、面积结果及报警结果。
将目标物料的RGB颜色空间转换为HSV颜色空间，去除饱和度较低的像素点后，根据H特征获取直方图并计算其概率密度分布图；采用Meanshift算法找寻基于模版直方图的颜色信息量最大的中心点；将以上述步骤获取的中心点为中心的搜索窗口分为左上、左下、右上、右下四个子窗口的子窗口，并分别进行概率密度图的颜色总量对比，得到颜色结果。
进一步的，主采集信息、补录采集信息及行程采集信息对应的图像的分辨率与尺寸均相同。
进一步的，重合包括：正视图、侧视图和俯视图中任两幅图片的叠合，其中，叠合部分为两幅图片中相同区域。
进一步的，反馈单元用于传输识别结果，并接收反馈标记，标记在识别结果对应的塑胶模材上，具体为：
获取塑胶模材对应的识别结果，并发送到预设的监控点，并获取监控点反馈的反馈标记，标记在塑胶模材上。
进一步的，反馈标记包括合格标记和不合格标记。
与现有技术相比，本发明的有益效果是：
通过预设指令可以快速的实现对塑胶模材的分类与标记，其次，通过设置不同拍摄角度的工业相机，实现即使某个相机出现问题或在高速拍摄的情况下出现拍摄不清楚的问题，也可以通过上述方法进行补救，极大地提高工业相机的拍照速度以及色选机的筛选速度。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明系统框图。
具体实施方式
为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如后。
请参阅图1所示，塑胶模材良品监测反馈系统，基于工业相机为采集器进行良品监测的场景，尤其是在高速、高分辨率、高识别率的使用场景。
具体实施时，包括拍摄单元、补偿单元、识别单元和反馈单元；
其中，拍摄单元用于获取塑胶模材的图像信息；
在一些实施例中，拍摄单元包括主摄单元、副摄单元以及次摄单元；
其中，主摄单元用于接收主拍摄像头的主采集信息，副摄单元用于接收副拍摄像头的补录采集信息，次摄单元用于接收前拍摄像头的行程采集信息。
主采集信息包括塑胶模材的正视图和侧视图中的任一张图像；
补录采集信息包括塑胶模材的俯视图；
行程采集信息包括塑胶模材预设路径内全部的正视图、侧视图和俯视图。
在一些实施例中，主采集信息、补录采集信息及行程采集信息对应的图像的分辨率与尺寸均相同。
上述执行器为同一型号且设置相同的工业相机，在具体执行时，由于设置相同，既可保证拍摄效果、拍摄尺寸以及拍摄分辨率最大程度相同。
补偿单元用于对图像信息进行随机补偿，生成识别图像；
在一些实施例中，获取相同时间节点的主采集信息或补录采集信息中任一种信息，并标记为第一识别图片，剩余的信息标记为第二识别图片；
获取相同时间节点的行程采集信息，并与第一识别图片进行重合；
获取重合信息，并按照预设检查条件对重合信息进行检查，若检查合格得出识别照片；
若检查不合格，选取第二识别图片进行二次重合，并得出识别照片。
若二次重合后检查仍不合格，生成报警照片，其中，报警照片为预设照片。
具体的，预设检查条件包括照片分辨率、照片尺寸、照片校准点的位置，其中，出现以下情况任一项，既认为不满足检查条件；
(1)重合后生成的识别照片的照片分辨率与选定俯视图、侧视图以及前视图中任两幅图片的分辨率均不相同；
(2)重合后生成的识别照片的照片尺寸与选定俯视图、侧视图以及前视图中任两幅图片的照片尺寸均不相同；
(3)重合后生成的识别照片内的照片校准点的位置未重合；
其中，照片内的照片校准点为工业相机拍摄图像后默认输出图片的右下角且距离右下角对应两条边3mm处，且所述校准点标记在具有图像的一面，正视图、侧视图和俯视图中任两幅图片的叠合，其中，叠合部分为两幅图片中相同区域。
识别单元用于对识别图像进行识别，并得出识别结果；
具体的，根据预设指令对识别照片或报警照片进行识别；
在一些具体实施例中，预设指令包括颜色指令、形状指令及面积指令；
在具体实施时，可以预先设置颜色指令、形状指令及面积指令，识别结果包括颜色结果、形状结果、面积结果及报警结果。
具体的，
a、提取目标物料的颜色特征，与模板图片颜色进行匹配；
具体的，模板图片颜色为预先设置的颜色指令；
更具体的，将目标物料的RGB颜色空间转换为HSV颜色空间，去除饱和度较低的像素点后，根据H特征获取直方图并计算其概率密度分布图；
采用Meanshift算法找寻基于模版直方图的颜色信息量最大的中心点；
将以上述步骤获取的中心点为中心的搜索窗口分为左上、左下、右上、右下四个子窗口的子窗口，并分别进行概率密度图的颜色总量对比，得到颜色结果。
b、提取目标物料的形状特征，与模板图片形状进行匹配；
具体的，模板图片形状为预先设置的形状指令；
更具体的，将目标图像转换为灰度图；
进行膨胀腐蚀形态学滤波，去除独立噪声并增加图像连续性；
采用双向抽取的方法构造目标的二层金字塔；
采用Sobel算子对各级金字塔图像进行边缘检测，得到轮廓金字塔图像；
对主轮廓金字塔图像进行快速Hausdorff距离变换，得到能够反映各像素点与边缘点集之间最近距离的距离映射图像，其中映射图像即为形状结果。
c、获取主轮廓金字塔图像的特征点，将若干特征点依次相连，选取所围面积最大的的图形为面积结果；
d、当图像识别获取到特定的图形信息即产生报警结果。
在一些实施例中，上述步骤通过通过神经网络算法进行运算，其中，神经网络算法包括：
外部存储器，用于存储待处理图像；外部存储器包括以下至少之一：
双倍速率同步动态随机存储器、同步动态随机存储器。
内部存储器包括静态存储器阵列，
静态存储器阵列包括多个静态存储器，每个静态存储器用于存储不同的数据；
直接存取单元，与外部存储器连接，用于读取待处理图像，并将读取到的数据传输至控制单元；
控制单元，与直接存取单元连接，用于将数据存储至内部存储器；
内部存储器，与控制单元连接，用于缓存数据；
运算单元，与内部存储器连接，用于从内部存储器读取数据并进行卷积池化运算；
运算单元包括卷积运算单元、池化运算单元、缓冲单元及缓冲控制单元；
卷积运算单元，用于对数据进行卷积运算，并将得到的卷积结果传输至池化运算单元；
池化运算单元，与卷积运算单元连接，用于对卷积结果进行池化运算，并将得到的池化结果存储至缓冲单元；
缓冲控制单元，用于将池化结果通过缓冲单元存储至内部存储器或通过直接存取单元存储至外部存储器。
更具体的，运算单元的数量至少为两个，在各个运算单元之间采用级联结构连接的情况下，第n层的数据经过第n个运算单元的卷积池化运算后缓存到内部存储器中，由第n+1个运算单元将运算后的数据取出并进行第n+1层的卷积池化运算，其中，n为正整数。
在各个运算单元之间采用并联结构连接的情况下，各个运算单元分别处理待处理图像的部分图像，各个运算单元采用相同的卷积核进行并行卷积池化运算。
在各个运算单元之间采用并联结构连接的情况下，各个运算单元分别对待处理图像进行不同的特征提取，各个运算单元采用不同的卷积核进行并行卷积池化运算。
在一些实施例中，反馈单元用于传输识别结果，并接收反馈标记，标记在识别结果对应的塑胶模材上。
反馈单元用于传输识别结果，并接收反馈标记，标记在识别结果对应的塑胶模材上，具体为：
获取塑胶模材对应的识别结果，并发送到预设的监控点，并获取监控点反馈的反馈标记，标记在塑胶模材上。
反馈标记包括合格标记和不合格标记。
在一些实施例中，监控点包括控制中心等。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (8)

1.塑胶模材良品监测反馈系统，其特征在于，包括拍摄单元、补偿单元、识别单元和反馈单元；
其中，拍摄单元用于获取塑胶模材的图像信息；
补偿单元用于对图像信息进行随机补偿，生成识别图像；
识别单元用于对识别图像进行识别，并得出识别结果；
反馈单元用于传输识别结果，并接收反馈标记，标记在识别结果对应的塑胶模材上；
其中，拍摄单元包括主摄单元、副摄单元以及次摄单元；
主摄单元用于接收主拍摄像头的主采集信息，副摄单元用于接收副拍摄像头的补录采集信息，次摄单元用于接收前拍摄像头的行程采集信息。
2.根据权利要求1所述的塑胶模材良品监测反馈系统，其特征在于，主采集信息包括塑胶模材的正视图和侧视图中的任一张图像；
补录采集信息包括塑胶模材的俯视图；
行程采集信息包括塑胶模材预设路径内全部的正视图、侧视图和俯视图。
3.根据权利要求2所述的塑胶模材良品监测反馈系统，其特征在于，补偿单元用于对图像信息进行随机补偿包括：
获取相同时间节点的主采集信息或补录采集信息中任一种信息，并标记为第一识别图片，剩余的信息标记为第二识别图片；
获取相同时间节点的行程采集信息，并与第一识别图片进行重合；
获取重合信息，并按照预设检查条件对重合信息进行检查，若检查合格得出识别照片；
若检查不合格，选取第二识别图片进行二次重合，并得出识别照片；
若二次重合后检查仍不合格，生成报警照片，其中，报警照片为预设照片。
4.根据权利要求3所述的塑胶模材良品监测反馈系统，其特征在于，识别单元用于对识别图像进行识别，并得出识别结果包括：
根据预设指令对识别照片或报警照片进行识别；
其中，预设指令包括颜色指令、形状指令及面积指令；
识别结果包括颜色结果、识别结果、面积结果及报警结果。
5.根据权利要求2所述的塑胶模材良品监测反馈系统，其特征在于，主采集信息、补录采集信息及行程采集信息对应的图像的分辨率与尺寸均相同。
6.根据权利要求3所述的塑胶模材良品监测反馈系统，其特征在于，重合包括：正视图、侧视图和俯视图中任两幅图片的叠合，其中，叠合部分为两幅图片中相同区域。
7.根据权利要求1所述的塑胶模材良品监测反馈系统，其特征在于，反馈单元用于传输识别结果，并接收反馈标记，标记在识别结果对应的塑胶模材上，具体为：
获取塑胶模材对应的识别结果，并发送到预设的监控点，并获取监控点反馈的反馈标记，标记在塑胶模材上。
8.根据权利要求7所述的塑胶模材良品监测反馈系统，其特征在于，反馈标记包括合格标记和不合格标记。
CN202111442828.9A 2021-11-30 2021-11-30 塑胶模材良品监测反馈系统 Active CN114040116B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111442828.9A CN114040116B (zh) 2021-11-30 2021-11-30 塑胶模材良品监测反馈系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111442828.9A CN114040116B (zh) 2021-11-30 2021-11-30 塑胶模材良品监测反馈系统

Publications (2)

Publication Number Publication Date
CN114040116A true CN114040116A (zh) 2022-02-11
CN114040116B CN114040116B (zh) 2022-09-20

Family

ID=80146036

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111442828.9A Active CN114040116B (zh) 2021-11-30 2021-11-30 塑胶模材良品监测反馈系统

Country Status (1)

Country Link
CN (1) CN114040116B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114713462A (zh) * 2022-05-10 2022-07-08 深圳市智力昌智能设备有限公司 一种基于工业互联网的点胶机的控制系统
CN114851496A (zh) * 2022-05-10 2022-08-05 苏州协同创新智能制造装备有限公司 一种基于主动标识的注塑模具工况实时监测系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002139792A (ja) * 2000-10-30 2002-05-17 Ricoh Co Ltd 画像表示装置
WO2017094456A1 (ja) * 2015-12-02 2017-06-08 富士フイルム株式会社 物体検査装置及び物体検査方法
CN111711765A (zh) * 2020-05-29 2020-09-25 杭州电子科技大学 一种零件生产工序检验系统
CN111866377A (zh) * 2020-06-22 2020-10-30 上海摩象网络科技有限公司 一种增稳控制方法、装置及相机系统
CN112488207A (zh) * 2020-12-02 2021-03-12 江苏科技大学 一种基于仿真图像的高相似度零件视觉识别方法及系统
JP2021110962A (ja) * 2019-12-31 2021-08-02 株式会社テクノ・スクエア 捜索支援システムにおける探索方法および装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002139792A (ja) * 2000-10-30 2002-05-17 Ricoh Co Ltd 画像表示装置
WO2017094456A1 (ja) * 2015-12-02 2017-06-08 富士フイルム株式会社 物体検査装置及び物体検査方法
JP2021110962A (ja) * 2019-12-31 2021-08-02 株式会社テクノ・スクエア 捜索支援システムにおける探索方法および装置
CN111711765A (zh) * 2020-05-29 2020-09-25 杭州电子科技大学 一种零件生产工序检验系统
CN111866377A (zh) * 2020-06-22 2020-10-30 上海摩象网络科技有限公司 一种增稳控制方法、装置及相机系统
CN112488207A (zh) * 2020-12-02 2021-03-12 江苏科技大学 一种基于仿真图像的高相似度零件视觉识别方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114713462A (zh) * 2022-05-10 2022-07-08 深圳市智力昌智能设备有限公司 一种基于工业互联网的点胶机的控制系统
CN114851496A (zh) * 2022-05-10 2022-08-05 苏州协同创新智能制造装备有限公司 一种基于主动标识的注塑模具工况实时监测系统
CN114851496B (zh) * 2022-05-10 2023-07-28 苏州协同创新智能制造装备有限公司 一种基于主动标识的注塑模具工况实时监测系统

Also Published As

Publication number Publication date
CN114040116B (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN109961049B (zh) 一种复杂场景下香烟品牌识别方法
CN114040116B (zh) 塑胶模材良品监测反馈系统
CN111753692B (zh) 目标对象提取方法、产品检测方法、装置、计算机和介质
US8675974B2 (en) Image processing apparatus and image processing method
CN111524137B (zh) 基于图像识别的细胞识别计数方法、装置和计算机设备
CN111680746B (zh) 车损检测模型训练、车损检测方法、装置、设备及介质
CN109993086B (zh) 人脸检测方法、装置、系统及终端设备
CN111160301B (zh) 基于机器视觉的隧道病害目标智能识别及提取方法
CN113160062B (zh) 一种红外图像目标检测方法、装置、设备及存储介质
DE112011101695T5 (de) System und Verfahren zur Verarbeitung von Bilddaten in Bezug zu einer Konzentration innerhalb des gesamten Bildes
CN110807775A (zh) 基于人工智能的中医舌像分割装置、方法及存储介质
CN112348787A (zh) 物体缺陷检测模型的训练方法、物体缺陷检测方法及装置
CN112633297B (zh) 目标对象的识别方法、装置、存储介质以及电子装置
Zhou et al. Exploring faster RCNN for fabric defect detection
CN112967255A (zh) 一种基于深度学习的盾构管片缺陷类型识别及定位系统及其方法
CN111553422A (zh) 手术器械自动识别回收方法及系统
CN112380926A (zh) 一种田间除草机器人除草路径规划系统
CN110910339A (zh) Logo缺陷检测方法及装置
CN111724354A (zh) 一种基于图像处理的多株小麦穗长与小穗数的测量方法
CN116309532A (zh) 一种目标物品质量检测的方法、装置、设备及介质
CN115471542A (zh) 一种基于YOLO v5的包装物双目识别定位方法
Khalid et al. Image de-fencing using histograms of oriented gradients
CN111738310B (zh) 物料分类方法、装置、电子设备和存储介质
CN113392819A (zh) 一种批量化学术图像自动分割标注装置和方法
JP2019021100A (ja) 画像探索装置、商品認識装置および画像探索プログラム

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