CN114166846A - 一种钢铁行业冷轧卷断面条码及缺陷检测装置 - Google Patents

一种钢铁行业冷轧卷断面条码及缺陷检测装置 Download PDF

Info

Publication number
CN114166846A
CN114166846A CN202111284779.0A CN202111284779A CN114166846A CN 114166846 A CN114166846 A CN 114166846A CN 202111284779 A CN202111284779 A CN 202111284779A CN 114166846 A CN114166846 A CN 114166846A
Authority
CN
China
Prior art keywords
bar code
defect
personal computer
steel
manipulator
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
CN202111284779.0A
Other languages
English (en)
Other versions
CN114166846B (zh
Inventor
落海伟
陈宁
刘威
谢辰
孙莹
贾师强
许可人
何万林
黄晶
李文光
喻晓浩
杨影
胡志强
张泽
张素艳
赵洪杰
陈伟海
路天远
卜潇箫
赵雄
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.)
Capital Aerospace Machinery Co Ltd
Original Assignee
Capital Aerospace Machinery 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 Capital Aerospace Machinery Co Ltd filed Critical Capital Aerospace Machinery Co Ltd
Priority to CN202111284779.0A priority Critical patent/CN114166846B/zh
Publication of CN114166846A publication Critical patent/CN114166846A/zh
Application granted granted Critical
Publication of CN114166846B publication Critical patent/CN114166846B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/0099—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor comprising robots or similar manipulators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1413—1D bar codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • 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
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Robotics (AREA)
  • Optics & Photonics (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Toxicology (AREA)
  • Electromagnetism (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

一种钢铁行业冷轧卷断面条码及缺陷检测装置，机组入口处分别在鞍座附近位置的操作、传动两侧布置端检智能机器人，可同时在鞍座两侧各自完成钢卷两侧端面的缺陷检测和尺寸测量功能。进行端面缺陷检测时，机器人末端携带三维传感器沿钢卷半径方向进行圆周运动，通过激光三维传感器获得钢卷端面三维轮廓面型。传感器扫描同时也可以输出扫描灰度图像，对于三维扫描无法确定的缺陷进行判定。条码及字符识别采用1000万像素工业相机进行成像。

Description

一种钢铁行业冷轧卷断面条码及缺陷检测装置
技术领域
本发明涉及一种钢铁行业冷轧卷断面条码及缺陷检测装置，涉及检测识别技术领域。
背景技术
大型钢铁厂的仓库中存有大量的钢卷，为方便库区内钢卷的运输、周转、库存管理、生产控制等，往往采用贴标机对钢卷表面粘贴条码，用于标识钢卷的卷号、尺寸等必要信息。在钢卷的检测阶段或开卷阶段，需要对钢卷表面的条码进行识别来验证目标卷是否与生产系统中的来料卷的信息相吻合。通过比对条码信息与来料钢卷信息，有利于及时发现调错钢卷的情况，进而降低因调错卷对后续生产流程造成的安全隐患，挽回不必要的经济损失。
传统条码识别的装置可分为人工手持式识别设备和自动化识别设备两种。利用人工进行手持式识别存在效率低的缺点，并且车间内行车起吊作业频繁，人工手持操作也存在一定的安全风险。自动化识别方式一般是将扫码设备固定于一个位置，通过自动化软件对条码进行读取识别，相比较而言，自动化识别设备效率高，不存在人员安全风险。但是钢卷在贴完条码后往往经过吊卷、放卷等操作，条码位置会相对初始位置产生偏移，传统自动化条码识别无法做到准确定位，导致条码信息无法识别，给自动化条码检测带来了一定的难度。
钢卷在冷轧生产加工及转运过程中会端面出现诸多缺陷，譬如边损、边裂、头尾折叠、扁卷、松卷、塌卷、塔型等，这些缺陷的出现会直接影响到产品的质量，有时会影响到安全生产，需要在入轧机前进行检查，把缺陷卷识别出来吊回处理。目前行业内大都采用人工肉眼识别的办法，存在着标准不统一、人眼疲劳造成漏检、误检的问题，需要用借助自动化装置和机器视觉的技术来代替人眼，提高缺陷的检出率，改善操作人员的工作环境。
发明内容
本发明要解决的技术问题是：克服现有技术的不足，提供了一种钢铁行业冷轧卷断面条码及缺陷检测装置，在机组入口分别在鞍座附近位置操作、传动两侧分别布置端检智能机器人，同时在鞍座两侧分别完成钢卷两侧端面的缺陷检测和尺寸测量功能，进行端面缺陷检测时，机器人负载三维传感器沿钢卷半径方向进行圆周运动。激光三维传感器协同机械人运动获得钢卷端面三维轮廓面型。激光三维传感器扫描同时也同步输出扫描灰度图像，对于三维扫描无法确定的缺陷进行判定。条码及字符识别采用1000万像素工业相机进行成像。
本发明目的通过以下技术方案予以实现：
一种钢铁行业冷轧卷断面条码及缺陷检测装置，包括工控机、工业相机、机械手、可编程控制器、三维传感器、激光测距仪；
工控机用于处理工业相机拍摄的图像、三维传感器测量的三维轮廓面型，包括识别条码、确定机械手的移动位置、检测钢卷缺陷；激光测距仪用于测量被测物的偏移量；
工业相机、三维传感器、激光测距仪均安装在机械手上；
工控机通过可编程控制器与机械手、激光测距仪通讯，并控制机械手的位置；工业相机、三维传感器均与工控机进行数据传输；机械手通过可编程控制器发送位置信息。
优选的，机械手带动三维传感器和工业相机沿钢卷半径方向进行圆周运动，三维传感器获得钢卷端面三维轮廓面型，并同步生成和输出扫描灰度图像；工控机通过钢卷端面三维轮廓面型、灰度图像，确定钢卷端面是否存在缺陷。
优选的，工业相机拍摄的图像包括钢卷表面以及附着在钢卷上的条码信息。
优选的，机械手移动到位后，工业相机拍摄钢卷上的条码信息，工控机将条码信息与条码标签进行模板匹配，完成识别。
优选的，当条码信息与条码标签匹配不成功时，对图像进行阈值分割，确定标签是出现位置错误还是姿态错误，根据错误情况调整机械手位置，工业相机重新拍摄钢卷上的条码信息，直到工控机将条码信息与条码标签匹配成功。
优选的，钢卷上的条码信息完成识别后，启动三维传感器对钢卷左右端面进行分扇区扫描，对扫描结果进行缺陷分析。
优选的，工控机采用多级缺陷样本库深度自学习方式，通过对已有样本和运行过程出现样本的深度学习和类比推导，建立不同级别缺陷样本库，后续执行过程根据缺陷出现频率和识别的准确度动态调整样本级别，进而实现缺陷样本库的自主学习。
优选的，工控机采用三维逆向建模与灰度图像综合缺陷识别方式，通过三维模型缺陷一次识别和二次灰度补充识别，提升识别准确度和识别率。
本发明相比于现有技术具有如下有益效果：
(1)本发明采用工业相机大视角初步定位引导方式，通过对来料钢卷的多角度视觉拍摄和图像识别，确定钢卷的摆放位置，引导机器人执行有效扫描轨迹，提升设备的运行效率；
(2)本发明采用三维逆向建模与灰度图像综合缺陷识别方式，通过三维模型缺陷一次识别和二次灰度补充识别，可有效提升缺陷的识别准确度，对于狭小钢板断裂特征具有较高的识别率，可使缺陷一次识别率达到98％以上；
(3)本发明采用多级缺陷样本库深度自学习方式，通过对已有样本和运行过程出现样本的深度学习和类比推导，建立不同级别缺陷样本库，后续执行过程根据缺陷出现频率和识别的准确度动态调整样本级别，进而实现缺陷样本库的自主学习，有效提升缺陷的识别准确度和效率；
(4)本发明采用视觉局部定位找正方式，通过将相机固定于机械手上来达到移动定位目标的效果，可有效解决钢卷表面条码位置偏移以及姿态偏移造成的条码识别困难问题；
(5)本发明通过自动扫描钢卷端面，可以自动识别钢卷端面缺陷，通过分析决策自动做出放行或退卷的操作，实现钢卷端面检测的的无人化操作。
附图说明
图1为本发明的识别装置示意图。
图2为本发明可识别的条码姿态示意图，其中图2-1为位置错误，图2-2为姿态错误，图2-3为变换后的图像。
图3为本发明的缺陷自动检测示意图。
图4是钢卷端面扫描示意图。
图5是本发明的条码检测流程示意图。
图6是本发明的缺陷检测流程示意图。
附图标记：机械手1、工业相机2、三维传感器3、固定装置4、激光测距仪5、工控机6、可编程控制器7。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步详细描述。
一种钢铁行业冷轧卷断面条码及缺陷检测装置，设置两个机械手，末端用于固定相机、三维传感器和激光测距仪，带动相机和三维传感器分别拍摄钢卷相关特征和扫面钢卷端面；
一个工业相机，用于拍摄钢卷和所附条码图像；
一个三维传感器，用于拍摄钢卷缺陷；
一个激光测距仪，用于检测钢卷偏移量；
一个工控机，用于处理工业相机拍摄的图像，包括条码识别及机械手位置计算两个主要功能；
一个可编程控制器，用于接收激光传感器测距数据以及反馈工控机计算的位置数据给机械手；
其中，机械手与可编程控制器相连，可在三维空间中进行移动，其当前位置坐标经可编程控制器实时向工控机反馈，机械手末端安装有固定装置，用于安装工业相机、三维传感器、激光测距仪。
其中，工业相机与工控机相连，是本装置拍摄条码图像的传感器。相机在使用前先通过畸变校正，以获得质量更好的图片进行分析。目标条码图像为一正视条码图，根据当前拍摄图片中条码的位姿来计算从现有位姿到达目标位姿所需的最佳行动路径。
其中，三维传感器与工控机相连，是本装置拍摄钢卷端面缺陷的传感器。相机在使用前通过坐标标定使空间坐标系与图像坐标系处于统一坐标系下。目标图像为钢卷端面，根据当前拍摄的灰度图像与三维图像对钢卷端面缺陷进行综合分析。
其中，激光测距仪与可编程控制器相连，是本装置确定初始偏移量的传感器。在工业相机以及三维相机启动扫描之前对当前钢卷的位置进行一次初步测算，以确定钢卷放置在工业相机与三维传感器可测量范围。
其中，工控机与相机相连，用于获取并处理相机捕获的图像并计算当前图像中条码位姿；工控机与可编程控制器相连，用于计算并反馈机械手所需矫正的位置。
其中，可编程控制器与工控机相连，用于发送机械手的坐标数据以及获取工控机计算得到的位置数据；可编程控制器与机械手相连，用于反馈位置数据给机械手。
如图1所示的识别装置包含有：机械手、工业相机、三维传感器、固定装置、激光测距仪、工控机、可编程控制器。机械手，与可编程控制器相连，末端固定有拍摄钢卷条码的工业相机，带动工业相机拍摄钢卷条码；工业相机与工控机相连，是本装置拍摄条码图像的传感器，用于拍摄钢卷条码图像；三维传感器与工控机相连，是本装置拍摄钢卷缺陷图像的传感器；固定装置安装于机械手前端，用于固定工业相机、三维传感器、激光测距仪；激光测距仪与可编程控制器相连，用于获取钢卷初始位置信息；工控机与工业相机相连，用于获取并处理相机捕获的图像工控机，同时与可编程控制器相连，用于计算并反馈机械手所需矫正的位置；可编程控制器与工控机相连，用于获取工控机计算得到的位置数据，同时与机械手相连，用于反馈位置数据给机械手。
具体的，如图1，A为钢卷，B为钢卷表面条码标签可能出现的区域。识别流程如图5所示。
(1)机械手运动到相机可拍摄到B区域的位置，通过可编程控制器将机械手到位信号传送给工控机；
(2)工控机获取机械手第一次到位信号后，控制工业相机拍摄B区域图像；
(3)工控机获取工业相机第一次拍摄到的图像后，对图像区域进行条码标签的模板匹配；
(4)若模板匹配成功，则说明图像中有完整的条码标签，则调用读码算法识别条码，本次识别流程结束。
(5)若匹配不成功，则对图像进行阈值分割，获取图像中可能存在的标签区域；
(6)计算(5)中标签区域边角关系以及标签上黑白条纹编码信息来确定标签是出现位置错误(图2-2中的情况)还是姿态错误(图2-3中的情况)，并记录第一次拍摄的图像中标签的相对位置(图像坐标系)；
(7)如果是位置错误，工控机根据(6)中的相对位置(图像坐标系)转换为机械手需要拍全标签所需行走的位置数据(机械手运动空间坐标系)，并将数据通过可编程控制器传输给机械手；
(8)机械手根据可编程控制器传输过来的位置数据，带动工业相机运动到目标位置，而后将第二次到位信号通过可编程控制器传送给工控机；
(9)工控机控制工业相机进行二次拍摄，并获取图像；
(10)工控机对图像区域进行条码标签的模板匹配，并调用读码算法对匹配到的区域进行条码识别，本次识别流程结束；
(11)如果是姿态错误，根据(6)中的标签相对位置，做透视变换，将当前标签变换到图2-1中的位置(图像坐标系)，并对变换后的图像做边界增强处理；
(12)对变换后的图像调用读码算法进行识别，本次识别流程结束。
通过上述装置，本发明实现了将相机与机械手坐标系一体化的结构，并通过可编程逻辑控制器以及工控机作为信息传递载体，有效解决钢卷表面条码位姿错误造成的条码识别困难问题。
以下是自动识别钢卷端面缺陷的流程，如图3和6所示。
(1)系统逻辑控制器收到主控逻辑控制器钢卷到位信号及当前钢卷信息，在机械臂带动下启动激光测距仪检测钢卷偏移量，激光测距仪将偏移量传送回工控机，工控机根据偏移量判断钢卷是否在可检测位置；
(2)若不在可检测位置，工控机发出报警信号，进行人工调整钢卷位置。
(3)若在检测位置，启动三维传感器，搜索钢卷下边缘，再搜索钢卷上边缘，如果标签在3点钟方向，对标签3点钟方向进行拍照，再对2:30方向再次拍照；如果标签在9:00点钟方向，对标签9点钟方向进行拍照，再对9:30方向再次拍照。
(4)计算出钢卷上边缘与下边缘在图像坐标系下的坐标，通过坐标换算将钢卷上下边缘的坐标转换到机械臂坐标系下，以此计算钢卷外径。
(5)拍照完成后对钢卷端面进行扫描，分别对钢卷左右端面进行等间距分扇区扫描，每个扇区设置重合区域为二厘米，每个扇区生成一张灰度图与一张点云图像，如图4所示。扫描完成后所有图像暂存在内存中。
(6)工控机从内存中读取(5)所拍摄的图像，根据每张图的存储顺序，计算出当前图像所在的钢卷位置。
(7)将图像输入已经训练好的深度学习系统中，系统会自动检测出每张图像所包含的缺陷位置以及缺陷种类。
(8)提取(7)中有缺陷的图像，截取出缺陷部分，根据缺陷部分的点云图像以及灰度图像使用图像算法计算出缺陷的大小与深度，并根据系统设置的缺陷阈值进行最终判定。
(9)若超过设置阈值，在软件界面上标注出缺陷位置以及类别，并将缺陷信息写入数据库。
(10)若没有超过阈值，则不进行标注。本次检测流程结束。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (8)

1.一种钢铁行业冷轧卷断面条码及缺陷检测装置，其特征在于，包括工控机、工业相机、机械手、可编程控制器、三维传感器、激光测距仪；
工控机用于处理工业相机拍摄的图像、三维传感器测量的三维轮廓面型，包括识别条码、确定机械手的移动位置、检测钢卷缺陷；激光测距仪用于测量被测物的偏移量；
工业相机、三维传感器、激光测距仪均安装在机械手上；
工控机通过可编程控制器与机械手、激光测距仪通讯，并控制机械手的位置；工业相机、三维传感器均与工控机进行数据传输；机械手通过可编程控制器发送位置信息。
2.根据权利要求1所述的钢铁行业冷轧卷断面条码及缺陷检测装置，其特征在于，机械手带动三维传感器和工业相机沿钢卷半径方向进行圆周运动，三维传感器获得钢卷端面三维轮廓面型，并同步生成和输出扫描灰度图像；工控机通过钢卷端面三维轮廓面型、灰度图像，确定钢卷端面是否存在缺陷。
3.根据权利要求1所述的钢铁行业冷轧卷断面条码及缺陷检测装置，其特征在于，工业相机拍摄的图像包括钢卷表面以及附着在钢卷上的条码信息。
4.根据权利要求3所述的钢铁行业冷轧卷断面条码及缺陷检测装置，其特征在于，机械手移动到位后，工业相机拍摄钢卷上的条码信息，工控机将条码信息与条码标签进行模板匹配，完成识别。
5.根据权利要求4所述的钢铁行业冷轧卷断面条码及缺陷检测装置，其特征在于，当条码信息与条码标签匹配不成功时，对图像进行阈值分割，确定标签是出现位置错误还是姿态错误，根据错误情况调整机械手位置，工业相机重新拍摄钢卷上的条码信息，直到工控机将条码信息与条码标签匹配成功。
6.根据权利要求5所述的钢铁行业冷轧卷断面条码及缺陷检测装置，其特征在于，钢卷上的条码信息完成识别后，启动三维传感器对钢卷左右端面进行分扇区扫描，对扫描结果进行缺陷分析。
7.根据权利要求1至6中任一项所述的钢铁行业冷轧卷断面条码及缺陷检测装置，其特征在于，工控机采用多级缺陷样本库深度自学习方式，通过对已有样本和运行过程出现样本的深度学习和类比推导，建立不同级别缺陷样本库，后续执行过程根据缺陷出现频率和识别的准确度动态调整样本级别，进而实现缺陷样本库的自主学习。
8.根据权利要求1至6中任一项所述的钢铁行业冷轧卷断面条码及缺陷检测装置，其特征在于，工控机采用三维逆向建模与灰度图像综合缺陷识别方式，通过三维模型缺陷一次识别和二次灰度补充识别，提升识别准确度和识别率。
CN202111284779.0A 2021-11-01 2021-11-01 一种钢铁行业冷轧卷断面条码及缺陷检测装置 Active CN114166846B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111284779.0A CN114166846B (zh) 2021-11-01 2021-11-01 一种钢铁行业冷轧卷断面条码及缺陷检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111284779.0A CN114166846B (zh) 2021-11-01 2021-11-01 一种钢铁行业冷轧卷断面条码及缺陷检测装置

Publications (2)

Publication Number Publication Date
CN114166846A true CN114166846A (zh) 2022-03-11
CN114166846B CN114166846B (zh) 2024-08-06

Family

ID=80477900

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111284779.0A Active CN114166846B (zh) 2021-11-01 2021-11-01 一种钢铁行业冷轧卷断面条码及缺陷检测装置

Country Status (1)

Country Link
CN (1) CN114166846B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114692663A (zh) * 2022-03-30 2022-07-01 上海中商网络股份有限公司 一种读码失败的拍照识别容错方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101067872A (zh) * 2006-05-04 2007-11-07 乐必峰软件公司 从三维逆向建模的源模型数据检测二维草图数据的方法
CN107014338A (zh) * 2017-04-21 2017-08-04 华南农业大学 一种基于高速相机的构件姿态测量方法及其应用
WO2020062434A1 (zh) * 2018-09-30 2020-04-02 初速度（苏州）科技有限公司 一种相机外部参数的静态标定方法
JP2021064215A (ja) * 2019-10-15 2021-04-22 日本製鉄株式会社 表面性状検査装置及び表面性状検査方法
CN113465511A (zh) * 2021-06-19 2021-10-01 精锐视觉智能科技(上海)有限公司 一种钢卷尺寸在线测量及全方位端面缺陷在线检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101067872A (zh) * 2006-05-04 2007-11-07 乐必峰软件公司 从三维逆向建模的源模型数据检测二维草图数据的方法
CN107014338A (zh) * 2017-04-21 2017-08-04 华南农业大学 一种基于高速相机的构件姿态测量方法及其应用
WO2020062434A1 (zh) * 2018-09-30 2020-04-02 初速度（苏州）科技有限公司 一种相机外部参数的静态标定方法
JP2021064215A (ja) * 2019-10-15 2021-04-22 日本製鉄株式会社 表面性状検査装置及び表面性状検査方法
CN113465511A (zh) * 2021-06-19 2021-10-01 精锐视觉智能科技(上海)有限公司 一种钢卷尺寸在线测量及全方位端面缺陷在线检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114692663A (zh) * 2022-03-30 2022-07-01 上海中商网络股份有限公司 一种读码失败的拍照识别容错方法
CN114692663B (zh) * 2022-03-30 2023-09-29 上海中商网络股份有限公司 一种读码失败的拍照识别容错方法

Also Published As

Publication number Publication date
CN114166846B (zh) 2024-08-06

Similar Documents

Publication Publication Date Title
CN110245663B (zh) 一种用于钢卷信息识别的方法
US8045763B2 (en) Method and apparatus for recognizing and determining the position of at least one teat cup
CN112528721B (zh) 一种桥吊集卡安全定位方法和系统
WO2019097456A1 (en) Object measurement system
JPH01196501A (ja) ロボットの物体認識装置
CN107084992B (zh) 一种基于机器视觉的胶囊检测方法及系统
WO2021102741A1 (zh) 一种免疫层析检测的图像分析方法以及系统
CN114166846B (zh) 一种钢铁行业冷轧卷断面条码及缺陷检测装置
CN111767780A (zh) 一种ai与视觉结合的智能集卡定位方法和系统
CN113688817A (zh) 一种自动巡检的仪表识别方法及识别系统
CN118239385B (zh) 基于视觉识别的钢卷智能吊装系统及方法
CN112819894A (zh) 一种集卡引导定位系统及方法、计算机存储介质、龙门吊
CN216931665U (zh) 一种用于对猪胴体进行自动切割的装置
CN111476840B (zh) 目标定位方法、装置、设备及计算机可读存储介质
CN117570880A (zh) 型材直线度检测方法
CN117115249A (zh) 一种集装箱锁孔自动识别定位系统及方法
CN114757218B (zh) 一种棒材信息识别方法、装置、设备及介质
CN116823708A (zh) 基于机器视觉的pc构件边模识别与定位研究
CN114549624B (zh) 一种标签识别的方法、装置、电子设备、存储介质及标签
CN114330477B (zh) 一种基于混合现实设备的电力设备缺陷检测系统及方法
CN113902996A (zh) 一种集装箱锁销拆卸视觉系统
CN114705691A (zh) 一种工业机器视觉控制方法及装置
CN112580517A (zh) 集卡车头防砸保护系统及方法、计算机存储介质、龙门吊
CN210038833U (zh) 一种用于钢卷信息识别的装置
CN113706721A (zh) 一种基于增强现实技术的电梯检验方法及系统

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