CN114235809A - 一种光学非接触式的测量管道内部大颗粒的方法 - Google Patents
一种光学非接触式的测量管道内部大颗粒的方法 Download PDFInfo
- Publication number
- CN114235809A CN114235809A CN202111535316.7A CN202111535316A CN114235809A CN 114235809 A CN114235809 A CN 114235809A CN 202111535316 A CN202111535316 A CN 202111535316A CN 114235809 A CN114235809 A CN 114235809A
- Authority
- CN
- China
- Prior art keywords
- speed camera
- particles
- pipeline
- transparent
- large particles
- 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
Links
- 239000002245 particle Substances 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000003287 optical effect Effects 0.000 title claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 9
- 239000000463 material Substances 0.000 claims description 5
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 claims description 2
- 238000013527 convolutional neural network Methods 0.000 claims description 2
- 230000000306 recurrent effect Effects 0.000 claims description 2
- 239000007788 liquid Substances 0.000 abstract description 9
- 230000005514 two-phase flow Effects 0.000 abstract description 8
- 238000012360 testing method Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 239000007787 solid Substances 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000012071 phase Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000007790 solid phase Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G01N21/85—Investigating moving fluids or granular solids
-
- 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
- G01N21/85—Investigating moving fluids or granular solids
- G01N2021/8592—Grain or other flowing solid samples
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及光学技术领域，尤其涉及一种光学非接触式的测量管道内部大颗粒的方法。本发明公开了一种光学非接触式的测量管道内部大颗粒的方法，其特征在于，包括以下步骤：S1、开启水泵输运系统，所述透明管道内颗粒开始运动；S2、所述透明管道内部颗粒运动趋于稳定，所述高速摄像机开始采集图像；S3、当所述高速摄像机采集完图像后，利用神经网络进行图像识别，根据灰度值从所述高速摄像机拍摄的图像中识别出大颗粒；S4、通过计算得到所述大颗粒的流速等信息。该方法采用的实验设施简单，功能明确，可识别重叠程度高、拍摄畸变严重的颗粒群，进而对高浓度大颗粒固液两相流中颗粒的体积分数、运动速度开展测试分析。
Description
技术领域
本发明涉及光学技术领域，尤其涉及一种光学非接触式的测量管道内部大颗粒的方法。
背景技术
海底蕴藏着丰富的矿产资源，深海矿产资源开采技术是海洋资源开发技术的前沿，标志着一个国家开发海洋资源的综合能力和技术水平，因此开采海底的矿产资源的重要性不言而喻。
目前海底采矿的最主流方案是采用水力提升矿石。但由于作业环境是深海，具有诸多不确定因素，为确保采矿作业的正常实施，需要先在陆上进行模拟水力提升矿石的实验。
在水力提升实验中，使用相似密度的颗粒模拟海底的矿石，采用透明的管道以便于观察颗粒的运动情况。然而由于颗粒在封闭的管道内运动，不便于测量其运动速度等数据。
在水力提升固液两相流中，固体的运动状态直接影响到整个管道的运输状况，因此，对固体的运输状态的检测是非常重要的，通过各种监测装置观察监测管道中固体的运动状态与参数。与本发明接近的有以下几项专利：(1)一种基于Echo-PIV的水泵系统内固液两相流测量方法(申请号：201810901580.X)；(2)一种基于电信号的固液两相流泵颗粒浓度的测量装置和方法(申请号：202011640408.7)；(3)一种测量固液两相流体中的固相介质浓度的方法(申请号：202110010310.1)；(4)一种测量疏浚管道中固液两相流输送浓度的方法(申请号：202110410228.8)。现有相关专利技术中，大部分是监测管道中尺寸较小颗粒的速度浓度参数，未给出对于大颗粒适用的管道中固体的检测方法。除此之外，大部分对于固体的检测装置采用管道内部设置和采取施加电场磁场，对管道内混合物的流动造成了一定干扰，不足之处如下：(1)仅针对固液两相流尺寸较小颗粒，对于大颗粒不适用；(2)管道内部装置，会对颗粒流动造成干扰；(3)大多测量管道横截面的瞬时状态，导致浓度测量不准确。
因此，本领域的技术人员致力于开发一种光学非接触式的测量管道内部大颗粒的方法。
发明内容
针对现有技术的不足，本发明主要解决的技术问题是提供用于固液两相流，能兼顾大小颗粒，测量准确，同时对颗粒流动干扰小的固体运动检测设备。
为实现上述目的，本发明提供一种实验装置，其特征在于，包括透明管道、高速摄像机、刻度尺、光源及反光板，所述透明管道外壳上设置有刻度尺，所述高速摄像机设置在所述透明管道外的一侧，所述光源及反光板设置在所述透明管道的另外一侧，与所述高速摄像机相对。
进一步地，所述透明管道竖直或者水平设置，实验时，颗粒随水流通过透明管道，所述光源为条状光源，无频闪现象，满足高频拍摄要求。
进一步地，所述刻度尺沿管道一致的方向粘贴或者雕刻在所述透明管道的外壳上，用以测量颗粒运动过的距离。
进一步地，所述高速摄像机连续捕捉颗粒流动通过管道时的图像，所述高速摄像机拍照频率大于500Hz，所述高速摄像机数量大于等于2，拍摄方向呈一定的夹角，相机可同时或分别触发拍摄，通过程序判定颗粒的三维位置和运动。
进一步地，所述反光板衬在管道的后方，与所述透明管道的距离小于20mm，以使高速摄像机拍摄图像中的颗粒对比环境更加明显。
一种光学非接触式的测量管道内部大颗粒的方法，依靠所述的实验装置，其特征在于，还包括以下步骤：
S1、开启水泵输运系统，所述透明管道内颗粒开始运动；
S2、所述透明管道内部颗粒运动趋于稳定，所述高速摄像机开始采集图像；
S3、当所述高速摄像机采集完图像后，利用神经网络进行图像识别，根据灰度值从所述高速摄像机拍摄的图像中识别出大颗粒；
S4、通过计算得到所述大颗粒的流速等信息。
进一步地，所述S1步骤中，所述透明管道材料为亚克力材料。
进一步地，所述S2步骤中，所述高速摄像机采集频率不小于500Hz。
进一步地，所述S3步骤中，所述神经网络包含前馈神经网络，径向基函数(RBF)神经网络，多层感知器，卷积神经网络，递归神经网络(RNN)，模块化神经网络和序列到序列模型，所述神经网络节点数为10万-100万。
进一步地，所述S3步骤中，所述大颗粒满足长度大于8mm；
进一步地，所述S4步骤中，所述流速包含所述管道中所有大颗粒流速。
该方法采用的实验设施简单，功能明确，通过拍摄并处理颗粒稳定流过透明管道时的图像，可以实现测量管道内部大颗粒的流速等数据。
该装置发明一种光学非接触式的测量管道内部大颗粒的方法，对于颗粒局部浓度测量的难点在于获取测量段内的颗粒数量和观察测量区间内的颗粒的运动状态。由于采集得到的图片中的颗粒重叠面积大、灰度差别大、形状差异大，采用传统的图片处理方法识别本试验中的颗粒难度较大。浓度测量将采用计算机视觉(Computer Vision)方法进行图像识别，采用结合深度学习(Deep Learning)的目标检测(Object Detection)方法，对管道内的颗粒进行检测。
其创新点在于：
1)非接触式光学测量，避免干扰流动
创造性地利用了高速摄像技术和人工智能技术识别相结合，准确测量浓度，识别效率高，避免了接触带来的误差，减少人力时间，方便试验观察，提高了工作效率；
2)深度学习目标检测技术，提高准确度
创造性地使用人工智能技术识别，创建训练库，训练颗粒识别模型，提高了识别准确度；
有益效果和优越性：1)这种非接触式光学测量方法相比于设置在管道内的测量方法，有效避免了干扰流动导致的数据误差，提高了测量结果的准确率。
2)这种非接触式光学测量方法新颖，实际操作简单，节约了人力，方便后续的数据处理。
3)该方法基于计算机视觉、机器学习等方法，可以测量大颗粒、高浓度颗粒流，处理高重叠、形状畸变等传统方法解决不了的问题，进而对高浓度大颗粒固液两相流中颗粒的体积分数、运动速度开展测试分析。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个较佳实施例的实验装置俯视示意图；
图2是本发明的一个较佳实施例的测量流程图；
图3是本发明的一个较佳实施例的试验装置主视示意图；
图中：1、透明管道，2、下高速摄像机，3、左高速摄像机，4、右刻度尺，5、上刻度尺，6、上反光板，7、右反光板。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。
在附图中，结构相同的部件以相同数字标号表示，各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的，本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰，附图中有些地方适当夸大了部件的厚度。
实施例1：
本发明的一个较佳实施例的实验装置示意图如图1，本发明的一个较佳实施例的测量流程图如图2，
如图1所示，实验装置包括，透明管道1，下高速摄像机2，左高速摄像机3，右刻度尺4，上刻度尺5，上反光板6，右反光板7。
下高速摄像机2、右刻度尺4、上反光板6组成拍摄A组，左高速摄像机3、上刻度尺5、右反光板7组成拍摄B组。拍摄A组、拍摄B组拍摄角度相互垂直，拍摄的图像互为参考。
透明管道1是整个实验装置的基础，实验颗粒随着水流在透明管道1内部通过。透明管道1沿竖直方向固定。透明管道1采用透明亚克力材质，既便于外部实验人员观察，又具备一定的强度。
上刻度尺5、右刻度尺4粘贴在透明管道1的外壳上，在高速摄像机拍摄的图像中清晰地显示，以直观地展示大颗粒运动的距离。
左高速摄像机3、下高速摄像机2相隔管道一段距离布置，在没有干扰到管道流动的条件下，采集到大颗粒在管道内部运动状态的图像。
左高速摄像机3、下高速摄像机2布置两台，拍摄角度相互垂直，可以通过两个不同角度的拍摄图像准确找到大颗粒的位置。
上反光板6、右反光板7，分别面向下高速摄像机2、左高速摄像机3布置，可分别使左高速摄像机3、下高速摄像机2拍摄的图像足够明亮，以突出灰黑色的大颗粒。
如图2所示，测量流程图包含4个步骤，分别是：S1、颗粒随水流开始运动；S2、部颗粒运动速度趋于稳定时，高速摄像机开始采集图像；S3、将采集的图像进行图像识别；S4、通过计算得到颗粒的流速等信息。
实验开始后，颗粒随着水流通过泵提供动力在透明管道内部向上运动。下高速摄像机2在颗粒稳定通过拍摄范围时开始采集图像，当拍摄足够帧图像后停止采集。右刻度尺4沿管道方向粘贴在管道的外壳，在下高速摄像机2的拍摄画面中作为参照，从而直观地展示颗粒行进的距离。上反光板6面对下高速摄像机2摆放，布置在透明管道1的另一侧，在远处灯光的照射下，能够使下高速摄像机2拍摄的画面明亮，只有大颗粒呈现灰黑色。
通过高速摄像机和图像处理实现无接触测量颗粒运动和体积分数；通过多台相机同时或分别采集，获取三维位置和运动信息；图像处理采用计算机视觉、机器学习以及目标检测方法，可以测量大颗粒、高浓度颗粒流，处理高重叠、形状畸变等传统方法解决不了的问题。
拍摄A组和拍摄B组的左高速摄像机3、下高速摄像机2同时开始和结束采集图像。拍摄完成后，将拍摄A组、拍摄B组的图像使用目标检测库，如YOLO V3，进行图像识别，参考刻度尺计算得到大颗粒运动的速度等物理量，并根据总流量、水流量等测量数据计算得到大颗粒的流量、流速等信息进行验证。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种实验装置，其特征在于，包括透明管道、高速摄像机、刻度尺、光源和反光板，所述透明管道外壳上设置有所述刻度尺，所述高速摄像机设置在所述透明管道外的一侧，所述光源及反光板设置在所述透明管道的另外一侧，与所述高速摄像机相对。
2.如权利要求1所述的一种实验装置，其特征在于，所述透明管道竖直或者水平设置，所述光源为条状光源。
3.如权利要求1所述的一种实验装置，其特征在于，所述刻度尺沿管道一致的方向粘贴或者雕刻在所述透明管道的外壳上。
4.如权利要求1所述的一种实验装置，其特征在于，所述高速摄像机拍照频率大于500Hz，所述高速摄像机数量大于等于2，拍摄方向呈一定的夹角。
5.如权利要求1所述的一种实验装置，其特征在于，所述光源及反光板衬在所述透明管道的后方，与所述透明管道的距离小于20mm。
6.一种光学非接触式的测量管道内部大颗粒的方法，依靠如权利要求1-5所述的任意一种实验装置，其特征在于，还包括以下步骤：
S1、开启水泵输运系统，所述透明管道内颗粒开始运动；
S2、所述透明管道内部颗粒运动趋于稳定，所述高速摄像机开始采集图像；
S3、当所述高速摄像机采集完图像后，利用神经网络进行图像识别，根据灰度值从所述高速摄像机拍摄的图像中识别出大颗粒；
S4、通过计算得到所述大颗粒的流速等信息。
7.如权利要求6所述的一种光学非接触式的测量管道内部大颗粒的方法，其特征在于，所述S1步骤中，所述透明管道材料为亚克力材料。
8.如权利要求6所述的一种光学非接触式的测量管道内部大颗粒的方法，其特征在于，所述S2步骤中，所述高速摄像机采集频率不小于500Hz。
9.如权利要求6所述的一种光学非接触式的测量管道内部大颗粒的方法，其特征在于，所述S3步骤中，所述神经网络包含前馈神经网络，径向基函数(RBF)神经网络，多层感知器，卷积神经网络，递归神经网络(RNN)，模块化神经网络和序列到序列模型，所述神经网络节点数为10万-100万。
10.如权利要求6所述的一种光学非接触式的测量管道内部大颗粒的方法，其特征在于，所述S3步骤中，所述大颗粒满足长度大于8mm，所述S4步骤中，所述流速包含所述管道中所有大颗粒流速。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111535316.7A CN114235809A (zh) | 2021-12-15 | 2021-12-15 | 一种光学非接触式的测量管道内部大颗粒的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111535316.7A CN114235809A (zh) | 2021-12-15 | 2021-12-15 | 一种光学非接触式的测量管道内部大颗粒的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114235809A true CN114235809A (zh) | 2022-03-25 |
Family
ID=80756427
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111535316.7A Pending CN114235809A (zh) | 2021-12-15 | 2021-12-15 | 一种光学非接触式的测量管道内部大颗粒的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114235809A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115760815A (zh) * | 2022-11-25 | 2023-03-07 | 西安水文水资源勘测中心 | 一种基于悬浮泥沙颗粒粘连识别的含沙量测量方法 |
| CN115773970A (zh) * | 2022-11-25 | 2023-03-10 | 西安水文水资源勘测中心 | 一种悬浮泥沙颗粒图像采集系统及方法 |
| CN117309903A (zh) * | 2023-10-10 | 2023-12-29 | 青岛峻海物联科技有限公司 | 一种隧道内缺陷定位方法及装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101173956A (zh) * | 2007-06-27 | 2008-05-07 | 清华大学 | 气力输送管道中气/固相流固体颗粒速度测量装置及方法 |
| CN103776742A (zh) * | 2014-01-15 | 2014-05-07 | 东南大学 | 联合测量气固系统颗粒运动参数的装置及方法 |
| CN204065126U (zh) * | 2014-07-08 | 2014-12-31 | 浙江省水利河口研究院 | 一种岸滩表面流速粒子追踪测量系统 |
| CN104457703A (zh) * | 2014-11-28 | 2015-03-25 | 浙江大学 | 基于多视觉小通道气液两相流参数测量系统及方法 |
| CN105136803A (zh) * | 2015-04-27 | 2015-12-09 | 内蒙古科技大学 | 用于气力输送中检测固相物质浓度/颗粒度大小的装置 |
| CN107389509A (zh) * | 2017-07-07 | 2017-11-24 | 中国科学院过程工程研究所 | 一种提高多相体系中低亮度分散相颗粒辨识度的方法 |
| CN107462741A (zh) * | 2017-07-26 | 2017-12-12 | 武汉船用机械有限责任公司 | 一种运动物体速度及加速度测量装置 |
| CN109269952A (zh) * | 2018-10-16 | 2019-01-25 | 东南大学 | 一种丝状物料在气流床矩形提升管中三维颗粒浓度信息的测量装置和方法 |
| CN110706291A (zh) * | 2019-09-26 | 2020-01-17 | 哈尔滨工程大学 | 一种适用于水池实验中运动物体三维轨迹的视觉测量方法 |
| CN110969153A (zh) * | 2019-11-21 | 2020-04-07 | 四川极智朗润科技有限公司 | 一种基于空间光学特性的气泡识别方法 |
-
2021
- 2021-12-15 CN CN202111535316.7A patent/CN114235809A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101173956A (zh) * | 2007-06-27 | 2008-05-07 | 清华大学 | 气力输送管道中气/固相流固体颗粒速度测量装置及方法 |
| CN103776742A (zh) * | 2014-01-15 | 2014-05-07 | 东南大学 | 联合测量气固系统颗粒运动参数的装置及方法 |
| CN204065126U (zh) * | 2014-07-08 | 2014-12-31 | 浙江省水利河口研究院 | 一种岸滩表面流速粒子追踪测量系统 |
| CN104457703A (zh) * | 2014-11-28 | 2015-03-25 | 浙江大学 | 基于多视觉小通道气液两相流参数测量系统及方法 |
| CN105136803A (zh) * | 2015-04-27 | 2015-12-09 | 内蒙古科技大学 | 用于气力输送中检测固相物质浓度/颗粒度大小的装置 |
| CN107389509A (zh) * | 2017-07-07 | 2017-11-24 | 中国科学院过程工程研究所 | 一种提高多相体系中低亮度分散相颗粒辨识度的方法 |
| CN107462741A (zh) * | 2017-07-26 | 2017-12-12 | 武汉船用机械有限责任公司 | 一种运动物体速度及加速度测量装置 |
| CN109269952A (zh) * | 2018-10-16 | 2019-01-25 | 东南大学 | 一种丝状物料在气流床矩形提升管中三维颗粒浓度信息的测量装置和方法 |
| CN110706291A (zh) * | 2019-09-26 | 2020-01-17 | 哈尔滨工程大学 | 一种适用于水池实验中运动物体三维轨迹的视觉测量方法 |
| CN110969153A (zh) * | 2019-11-21 | 2020-04-07 | 四川极智朗润科技有限公司 | 一种基于空间光学特性的气泡识别方法 |
Non-Patent Citations (3)
| Title |
|---|
| 周云龙;李洪伟;陈飞;: "基于图像轮廓特征和粒子群优化神经网络的气液两相流流型识别", 吉林大学学报(工学版), no. 03 * |
| 曹斌;徐心一;夏建新;: "水力输送管道中粗颗粒运动状态变化及其判别", 应用基础与工程科学学报, no. 04 * |
| 潘慧;李海广;吴?;: "小通道气液两相流流型辨识与LSTM短期预测研究", 真空科学与技术学报, no. 06 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115760815A (zh) * | 2022-11-25 | 2023-03-07 | 西安水文水资源勘测中心 | 一种基于悬浮泥沙颗粒粘连识别的含沙量测量方法 |
| CN115773970A (zh) * | 2022-11-25 | 2023-03-10 | 西安水文水资源勘测中心 | 一种悬浮泥沙颗粒图像采集系统及方法 |
| CN117309903A (zh) * | 2023-10-10 | 2023-12-29 | 青岛峻海物联科技有限公司 | 一种隧道内缺陷定位方法及装置 |
| CN117309903B (zh) * | 2023-10-10 | 2024-05-07 | 青岛峻海物联科技有限公司 | 一种隧道内缺陷定位方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114235809A (zh) | 一种光学非接触式的测量管道内部大颗粒的方法 | |
| CN105784716B (zh) | 摩擦片质量检验系统 | |
| CN102176228B (zh) | 一种用于识别多个指针式仪表表盘信息的机器视觉方法 | |
| US11119016B2 (en) | Image measurement device and method for the surface deformation of specimen based on sub-pixel corner detection | |
| CN108760234A (zh) | 一种基于piv和ptv技术的流体流动与固体运动信息同步测试方法和装置 | |
| CN104048744A (zh) | 一种非接触式的基于影像的实时在线振动测量方法 | |
| CN105389814A (zh) | 一种用于气密性试验的气泡检测方法 | |
| JP4530973B2 (ja) | 配管内部検査システム及び方法 | |
| CN104063873A (zh) | 一种基于压缩感知的轴套类零件表面缺陷在线检测方法 | |
| CN103424406A (zh) | 管道内气液两相流的图像法测量装置及方法 | |
| CN104457703A (zh) | 基于多视觉小通道气液两相流参数测量系统及方法 | |
| CN114078210A (zh) | 流固混合物中粗颗粒速度和浓度测量方法及系统 | |
| CN102889907B (zh) | 一种基于视觉检测的流量监控装置及流量监控方法 | |
| CN109433641A (zh) | 基于机器视觉的片剂胶囊灌装遗漏智能检测方法 | |
| CN113256599A (zh) | 基于三维动态模型检测水工隧洞缺陷的方法 | |
| CN101793530B (zh) | 一种测试光纤陀螺去耦系数的测试方法 | |
| CN118293999A (zh) | 一种用于试剂瓶的液位检测系统 | |
| Samann | Real-time liquid level and color detection system using image processing | |
| CN105869413A (zh) | 基于摄像头视频检测车流量和车速的方法 | |
| TWI632347B (zh) | 立體影像與雷射掃描測距整合方法 | |
| CN101021948A (zh) | 人体对称性运动图像中关节的自动识别装置及方法 | |
| CN107271446A (zh) | 一种发动机正时齿轮室胶线的视觉检测方法 | |
| CN203405417U (zh) | 管道内气液两相流的图像法测量装置 | |
| CN213068576U (zh) | 基于3d打印技术的岩体裂隙渗流微观特征观测设备 | |
| CN108871211A (zh) | 一种圆管内气液两相环状流液膜厚度的测量及修正方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220325 |