CN114345717A - 一种货物分拣装置 - Google Patents
一种货物分拣装置 Download PDFInfo
- Publication number
- CN114345717A CN114345717A CN202210243807.2A CN202210243807A CN114345717A CN 114345717 A CN114345717 A CN 114345717A CN 202210243807 A CN202210243807 A CN 202210243807A CN 114345717 A CN114345717 A CN 114345717A
- Authority
- CN
- China
- Prior art keywords
- goods
- image
- sorted
- sorting
- temperature
- 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
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 2
- 238000012549 training Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 238000009529 body temperature measurement Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Landscapes
- Sorting Of Articles (AREA)
Abstract
本发明公开了一种货物分拣装置，属于物流分拣技术领域，能够解决现有在分拣高温货物时，高温货物对分拣设备的结构安全性造成影响的问题。所述装置包括：分拣台用于分拣待分拣货物；机架支撑分拣台；弹性连接件连接分拣台和机架；振动模块带动分拣台振动；测温模块测量待分拣货物的温度；控制模块在待分拣货物的温度大于或等于第一预设温度时，控制振动模块进行工作；传送模块将待分拣货物传送至分拣台上；图像采集单元采集待分拣货物的图像；重量采集单元采集待分拣货物重量；控制模块将待分拣货物的图像、重量和温度输入质量识别模型中，获得分拣结果；并按照分拣结果控制分拣单元分拣待分拣货物。本发明用于高温货物分拣。
Description
技术领域
本发明涉及一种货物分拣装置，属于物流分拣技术领域。
背景技术
物流分拣是将物品按品种、出入库先后顺序进行分门别类地堆放的作业，分拣是完善送货、支持送货的准备性工作，是不同配送企业在送货时进行竞争和提高自身经济效益的必然延伸。
物流货仓内，有些货物温度较高，如果物流分拣设备长时间对这些货物进行分拣的话，会对分拣设备的结构安全性造成影响。
发明内容
本发明提供了一种货物分拣装置，能够解决现有分拣装置在分拣高温货物时，高温货物会对分拣设备的结构安全性造成影响的问题。
本发明提供了一种货物分拣装置，包括：
分拣台，用于分拣待分拣货物；
机架，设置在所述分拣台底部，用于支撑所述分拣台；
弹性连接件，位于所述分拣台与所述机架之间，用于连接所述分拣台和所述机架；
振动模块，设置在所述分拣台的底部，用于带动所述分拣台振动；
测温模块，设置在所述分拣台上，用于测量所述待分拣货物的温度；
控制模块，与所述测温模块和所述振动模块均连接，用于接收所述待分拣货物的温度，并在所述待分拣货物的温度大于或等于第一预设温度时，控制所述振动模块进行工作；
传送模块，其末端与所述分拣台连接，用于将所述待分拣货物传送至所述分拣台上；所述传送模块上设置有图像采集单元，所述图像采集单元用于采集所述待分拣货物的图像；
所述分拣台上设置有分拣单元和重量采集单元，所述重量采集单元用于采集待分拣货物重量；
所述控制模块还用于将所述待分拣货物的图像、重量和温度输入基于神经网络的质量识别模型中，获得分拣结果；并按照所述分拣结果控制分拣单元分拣所述待分拣货物。
可选的，所述控制模块具体用于：
在所述待分拣货物的温度大于或等于第一预设温度、且小于第二预设温度时，控制所述振动模块以第一频率进行工作；
在所述待分拣货物的温度大于或等于第二预设温度、且小于第三预设温度时，控制所述振动模块以第二频率进行工作；
在所述待分拣货物的温度大于或等于第三预设温度时，控制所述振动模块以第三频率进行工作；
其中，所述第一预设温度小于所述第二预设温度，所述第二预设温度小于所述第三预设温度；
所述第一频率小于所述第二频率，所述第二频率小于所述第三频率。
可选的，所述质量识别模型是基于循环卷积网络构建的；
所述质量识别模型的代价函数是基于准确率函数构建的；
所述准确率函数为：
；
其中，
为第i个样本的正确评分，
为第i个样本的预测评分，m为训练的样本数量。
可选的，所述控制模块包括图像增强单元和图像输入单元；
所述图像增强单元用于利用图像增强技术对所述待分拣货物的图像进行处理，得到增强后图像；
所述图像输入单元用于将所述增强后图像、所述待分拣货物的重量和温度输入基于神经网络的质量识别模型中，获得分拣结果。
可选的，所述图像增强单元的动态规划方程为：
其中，s k 为第k阶段的状态变量；u k (s k )为第k阶段当状态处于s k 时的决策变量；D k (s k )为第k阶段从状态s k 出发的允许决策集合；f k (s k )为最优值函数；opt取min。
可选的，所述控制模块还包括阈值确定单元和图像分割单元；
所述阈值确定单元用于确定所述增强后图像的分割阈值；
所述图像分割单元用于根据所述分割阈值对所述增强后图像进行分割，得到所述增强后图像的目标图像；
所述图像输入单元用于将所述目标图像、所述待分拣货物的重量和温度输入基于神经网络的质量识别模型中，获得分拣结果。
可选的，所述阈值确定单元具体用于：
对所述增强后图像进行灰度化处理，得到灰度图像；
利用第一公式将灰度图像转换成积分图像，并对积分图像进行区域领域均值运算，得到各区域新的中心像素点灰度值；
根据所述各区域新的中心像素点灰度值作均值运算，得到平均灰度值，并将所述平均灰度值作为所述增强后图像的分割阈值；
所述第一公式为：
；
其中，p1(i，j)为积分图像中坐标为(i，j)的像素点灰度值，p(i，j)为灰度图像中坐标为(i，j)的像素点灰度值，m和n分别代表灰度图像的宽度和高度。
可选的，所述分拣台表面设置有规则排布的多个半圆形凸起，所述半圆形凸起具有光滑表面；
所述半圆形凸起的高度为5mm~10mm。
可选的，所述振动模块包括振动电机；所述振动电机通过安装架与所述分拣台底部相连接；
所述振动电机的振幅为5mm~15mm。
本发明能产生的有益效果包括：
本发明提供的货物分拣装置，通过在分拣台底部设置振动模块，当待分拣货物的温度大于或等于第一预设温度，即待分拣货物的温度较高时，控制模块控制振动模块进行工作，以带动分拣台和待分拣货物振动，从而避免高温的待分拣货物长时间置于分拣台上而烫坏分拣台，减小高温货物对分拣设备的结构安全性造成的影响。同时，通过利用基于神经网络的质量识别模型对分拣货物的图像进行识别，可以快速且准确的得到分拣结果，极大地提高了货物分拣的效率。
附图说明
图1为本发明实施例提供的货物分拣装置结构框图。
部件和附图标记列表：
10、分拣台；20、振动模块；30、测温模块；40、控制模块；50、传送模块。
具体实施方式
下面结合实施例详述本发明，但本发明并不局限于这些实施例。
本发明实施例提供了一种货物分拣装置，如图1所示，包括：分拣台10，用于分拣待分拣货物；机架，设置在分拣台10底部，用于支撑分拣台10；弹性连接件，位于分拣台10与机架之间，用于连接分拣台10和机架；振动模块20，设置在分拣台10的底部，用于带动分拣台10振动；测温模块30，设置在分拣台10上，用于测量待分拣货物的温度；控制模块40，与测温模块30和振动模块20均连接，用于接收待分拣货物的温度，并在待分拣货物的温度大于或等于第一预设温度时，控制振动模块20进行工作。
其中，振动模块20包括振动电机；振动电机通过安装架与分拣台10底部相连接；振动电机的振幅可以为5mm~15mm。
在实际应用中，弹性连接件可以为压缩弹簧或其他具有弹性的连接结构。测温模块30可以为红外测温装置。
在本发明实施例中，所述装置还包括传送模块50；传送模块50的末端与分拣台10连接，用于将待分拣货物传送至分拣台10上；传送模块50上设置有图像采集单元，图像采集单元用于采集待分拣货物的图像；分拣台10上设置有分拣单元和重量采集单元，重量采集单元用于采集待分拣货物重量；控制模块40用于将待分拣货物的图像、重量和温度输入基于神经网络的质量识别模型中，获得分拣结果；控制模块40还用于按照分拣结果控制分拣单元分拣待分拣货物。
本实施例中的图像采集单元可以为双目摄像机、单目摄像机或其他图像设备中的一种或多种。一般设置于传送模块50上部，获取在传送模块50上传送的待分拣货物的图像。
重量采集单元可以为设置于分拣台10上的压力传感器。分拣单元可以为具有3~6个自由度的机械臂或者摆臂装置，或者也可以是其他推送装置。
进一步的，控制模块40具体用于：
在待分拣货物的温度大于或等于第一预设温度、且小于第二预设温度时，控制振动模块20以第一频率进行工作；
在待分拣货物的温度大于或等于第二预设温度、且小于第三预设温度时，控制振动模块20以第二频率进行工作；
在待分拣货物的温度大于或等于第三预设温度时，控制振动模块20以第三频率进行工作；
其中，第一预设温度小于第二预设温度，第二预设温度小于第三预设温度；第一频率小于第二频率，第二频率小于第三频率。
上述第一预设温度、第二预设温度和第三预设温度、以及第一频率、第二频率和第三频率均为预先设置的温度值和频率值，本领域技术人员可以根据实际情况进行设定，本发明实施例对此不做限定。
针对不同温度的待分拣货物，振动模块20采取不同的振动频率工作，即对于温度越高的待分拣货物，振动模块20的振动频率越高；而温度越低的待分拣货物，振动模块20的振动频率越低；这样可以更好的避免高温货物烫伤分拣台10。
在本发明实施例中，质量识别模型是基于循环卷积网络构建的；
质量识别模型的代价函数是基于准确率函数构建的；
准确率函数为：
；
其中，
为第i个样本的正确评分，
为第i个样本的预测评分，m为训练的样本数量。
该质量识别模型的训练方法为：首先获取由大量高温货物的图像、重量和温度信息组成的数据集，并将该数据集分为训练集和测试集；然后针对每一个训练样本，质量识别模型的输入端使用图像、重量和温度三类数据，并进行标准化，输出端为该货物的质量评分；接着利用训练集对质量识别模型进行训练，训练用的代价函数基于上述准确率函数构建；最后基于测试集进行测试，获取优化后的质量识别模型。
在生产线中进行实际生产测试，基于质量识别模型的输出评分，通过设置的拣选阈值可以确定拣选的待分拣货物，对于某些货物质量要求较高，输出可以调高拣选阈值，反之可以调低。
通过和拣选阈值进行对比判断，质量合格的货物引入分拣箱中，进行下一步的生产加工，不合格的货物则使用机械臂引入到垃圾区，从而完成分拣工作。
为了提高分拣结果的准确性，控制模块40还可以包括图像增强单元和图像输入单元；图像增强单元用于利用图像增强技术对待分拣货物的图像进行处理，得到增强后图像；图像输入单元用于将增强后图像、待分拣货物的重量和温度输入基于神经网络的质量识别模型中，获得分拣结果。
具体的，可以通过改变待分拣货物图像的光照、角度、缩放和平移等属性，来实现图像数据的增强。
其中，图像增强单元的动态规划方程为：
式中，s k 为第k阶段的状态变量；u k (s k )为第k阶段当状态处于s k 时的决策变量；D k (s k )为第k阶段从状态s k 出发的允许决策集合；f k (s k )为最优值函数；opt取min。
进一步的，控制模块40还包括阈值确定单元和图像分割单元；阈值确定单元用于确定增强后图像的分割阈值；图像分割单元用于根据分割阈值对增强后图像进行分割，得到增强后图像的目标图像；图像输入单元用于将目标图像、待分拣货物的重量和温度输入基于神经网络的质量识别模型中，获得分拣结果。
在本实施例中，通过确定增强后图像的分割阈值，并依据该分割阈值对增强后图像进行阈值分割法，能够将背景图像和目标图像进行有效地分割，从而避免了背景图像对货物识别产生干扰，提高质量识别模型的识别能力，同时，通过分割出背景图像和目标图像，只将目标图像发送至质量识别模型中，能够大大降低分拣过程中的数据处理量，提高分拣的效率。
优选的，阈值确定单元具体用于：对增强后图像进行灰度化处理，得到灰度图像；利用第一公式将灰度图像转换成积分图像，并对积分图像进行区域领域均值运算，得到各区域新的中心像素点灰度值；根据各区域新的中心像素点灰度值作均值运算，得到平均灰度值，并将平均灰度值作为增强后图像的分割阈值；
所述第一公式为：
其中，p1(i，j)为积分图像中坐标为(i，j)的像素点灰度值，p(i，j)为灰度图像中坐标为(i，j)的像素点灰度值，m和n分别代表灰度图像的宽度和高度。
在本实施例中，通过将灰度图像转换成积分图像，并将积分图像进行区域领域运算后，计算出每个区域的平均灰度值，将该平均灰度值作为增强后图像的分割阈值，依据该分割阈值对增强后图像进行二值化处理，能够有效避免单一阈值处理像素，从而避免了目标图像和背景图像错误划分的情况发生。
为了进一步减小待分拣的高温货物对分拣台10的高温损坏，可以在分拣台10表面设置规则排布的多个半圆形凸起，半圆形凸起具有光滑表面；其中，半圆形凸起的高度一般可以设置为5mm~10mm。
本发明通过在分拣台10底部设置振动模块20，当待分拣货物的温度大于或等于第一预设温度，即待分拣货物的温度较高时，控制模块40控制振动模块20进行工作，以带动分拣台10和待分拣货物振动，从而避免高温的待分拣货物长时间置于分拣台10上而烫坏分拣台10，减小高温货物对分拣设备的结构安全性造成的影响。
以上所述，仅是本申请的几个实施例，并非对本申请做任何形式的限制，虽然本申请以较佳实施例揭示如上，然而并非用以限制本申请，任何熟悉本专业的技术人员，在不脱离本申请技术方案的范围内，利用上述揭示的技术内容做出些许的变动或修饰均等同于等效实施案例，均属于技术方案范围内。
Claims (9)
1.一种货物分拣装置，其特征在于，包括：
分拣台，用于分拣待分拣货物；
机架，设置在所述分拣台底部，用于支撑所述分拣台；
弹性连接件，位于所述分拣台与所述机架之间，用于连接所述分拣台和所述机架；
振动模块，设置在所述分拣台的底部，用于带动所述分拣台振动；
测温模块，设置在所述分拣台上，用于测量所述待分拣货物的温度；
控制模块，与所述测温模块和所述振动模块均连接，用于接收所述待分拣货物的温度，并在所述待分拣货物的温度大于或等于第一预设温度时，控制所述振动模块进行工作；
传送模块，其末端与所述分拣台连接，用于将所述待分拣货物传送至所述分拣台上；所述传送模块上设置有图像采集单元，所述图像采集单元用于采集所述待分拣货物的图像；
所述分拣台上设置有分拣单元和重量采集单元，所述重量采集单元用于采集待分拣货物重量；
所述控制模块还用于将所述待分拣货物的图像、重量和温度输入基于神经网络的质量识别模型中，获得分拣结果；并按照所述分拣结果控制分拣单元分拣所述待分拣货物。
2.根据权利要求1所述的装置，其特征在于，所述控制模块具体用于：
在所述待分拣货物的温度大于或等于第一预设温度、且小于第二预设温度时，控制所述振动模块以第一频率进行工作；
在所述待分拣货物的温度大于或等于第二预设温度、且小于第三预设温度时，控制所述振动模块以第二频率进行工作；
在所述待分拣货物的温度大于或等于第三预设温度时，控制所述振动模块以第三频率进行工作；
其中，所述第一预设温度小于所述第二预设温度，所述第二预设温度小于所述第三预设温度；
所述第一频率小于所述第二频率，所述第二频率小于所述第三频率。
3.根据权利要求1所述的装置，其特征在于，所述质量识别模型是基于循环卷积网络构建的；
所述质量识别模型的代价函数是基于准确率函数构建的；
所述准确率函数为：
；
其中，
为第i个样本的正确评分，
为第i个样本的预测评分，m为训练的样本数量。
4.根据权利要求1所述的装置，其特征在于，所述控制模块包括图像增强单元和图像输入单元；
所述图像增强单元用于利用图像增强技术对所述待分拣货物的图像进行处理，得到增强后图像；
所述图像输入单元用于将所述增强后图像、所述待分拣货物的重量和温度输入基于神经网络的质量识别模型中，获得分拣结果。
5.根据权利要求4所述的装置，其特征在于，所述图像增强单元的动态规划方程为：
其中，s k 为第k阶段的状态变量；u k (s k )为第k阶段当状态处于s k 时的决策变量；D k (s k )为第k阶段从状态s k 出发的允许决策集合；f k (s k )为最优值函数；opt取min。
6.根据权利要求4所述的装置，其特征在于，所述控制模块还包括阈值确定单元和图像分割单元；
所述阈值确定单元用于确定所述增强后图像的分割阈值；
所述图像分割单元用于根据所述分割阈值对所述增强后图像进行分割，得到所述增强后图像的目标图像；
所述图像输入单元用于将所述目标图像、所述待分拣货物的重量和温度输入基于神经网络的质量识别模型中，获得分拣结果。
7.根据权利要求6所述的装置，其特征在于，所述阈值确定单元具体用于：
对所述增强后图像进行灰度化处理，得到灰度图像；
利用第一公式将灰度图像转换成积分图像，并对积分图像进行区域领域均值运算，得到各区域新的中心像素点灰度值；
根据所述各区域新的中心像素点灰度值作均值运算，得到平均灰度值，并将所述平均灰度值作为所述增强后图像的分割阈值；
所述第一公式为：
其中，p1(i，j)为积分图像中坐标为(i，j)的像素点灰度值，p(i，j)为灰度图像中坐标为(i，j)的像素点灰度值，m和n分别代表灰度图像的宽度和高度。
8.根据权利要求1所述的装置，其特征在于，所述分拣台表面设置有规则排布的多个半圆形凸起，所述半圆形凸起具有光滑表面；
所述半圆形凸起的高度为5mm~10mm。
9.根据权利要求1所述的装置，其特征在于，所述振动模块包括振动电机；所述振动电机通过安装架与所述分拣台底部相连接；
所述振动电机的振幅为5mm~15mm。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210243807.2A CN114345717A (zh) | 2022-03-14 | 2022-03-14 | 一种货物分拣装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210243807.2A CN114345717A (zh) | 2022-03-14 | 2022-03-14 | 一种货物分拣装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114345717A true CN114345717A (zh) | 2022-04-15 |
Family
ID=81095066
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210243807.2A Pending CN114345717A (zh) | 2022-03-14 | 2022-03-14 | 一种货物分拣装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114345717A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118095315A (zh) * | 2024-04-18 | 2024-05-28 | 泉州职业技术大学 | 二维码识别方法、装置、电子设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN207238544U (zh) * | 2017-08-23 | 2018-04-17 | 江苏长禾胶囊有限公司 | 一种胶囊分拣装置 |
| CN109559318A (zh) * | 2018-10-12 | 2019-04-02 | 昆山博泽智能科技有限公司 | 基于积分算法的局部自适应图像阈值处理方法 |
| CN109861172A (zh) * | 2019-03-29 | 2019-06-07 | 北京经纬恒润科技有限公司 | 电机过热保护方法及装置 |
| CN209071454U (zh) * | 2018-12-21 | 2019-07-05 | 歌尔科技有限公司 | 一种电池防护装置及穿戴设备 |
| CN110826604A (zh) * | 2019-10-24 | 2020-02-21 | 西南交通大学 | 一种基于深度学习的物料分拣方法 |
| CN112495841A (zh) * | 2021-02-04 | 2021-03-16 | 中国科学院自动化研究所 | 基于神经网络的中药分拣系统 |
| CN215992633U (zh) * | 2021-08-30 | 2022-03-11 | 新疆康美瑞农业发展有限公司 | 罐头排气装置 |
-
2022
- 2022-03-14 CN CN202210243807.2A patent/CN114345717A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN207238544U (zh) * | 2017-08-23 | 2018-04-17 | 江苏长禾胶囊有限公司 | 一种胶囊分拣装置 |
| CN109559318A (zh) * | 2018-10-12 | 2019-04-02 | 昆山博泽智能科技有限公司 | 基于积分算法的局部自适应图像阈值处理方法 |
| CN209071454U (zh) * | 2018-12-21 | 2019-07-05 | 歌尔科技有限公司 | 一种电池防护装置及穿戴设备 |
| CN109861172A (zh) * | 2019-03-29 | 2019-06-07 | 北京经纬恒润科技有限公司 | 电机过热保护方法及装置 |
| CN110826604A (zh) * | 2019-10-24 | 2020-02-21 | 西南交通大学 | 一种基于深度学习的物料分拣方法 |
| CN112495841A (zh) * | 2021-02-04 | 2021-03-16 | 中国科学院自动化研究所 | 基于神经网络的中药分拣系统 |
| CN215992633U (zh) * | 2021-08-30 | 2022-03-11 | 新疆康美瑞农业发展有限公司 | 罐头排气装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118095315A (zh) * | 2024-04-18 | 2024-05-28 | 泉州职业技术大学 | 二维码识别方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111814850B (zh) | 缺陷检测模型训练方法、缺陷检测方法及相关装置 | |
| CN107944504B (zh) | 木板识别及木板识别的机器学习方法、装置及电子设备 | |
| CN112318485B (zh) | 物体分选系统及其图像处理方法、装置 | |
| CN113838034B (zh) | 基于机器视觉的糖果包装表面缺陷快速检测方法 | |
| CN111242899B (zh) | 基于图像的瑕疵检测方法及计算机可读存储介质 | |
| CN112330607A (zh) | 基于图像识别技术的煤矸识别方法、装置及系统 | |
| CN113724231A (zh) | 一种基于语义分割和目标检测融合模型的工业缺陷检测方法 | |
| US10311564B2 (en) | Image processing device, image sensor, and image processing method | |
| CN111062938B (zh) | 基于机器学习的板材涨塞检测系统和检测方法 | |
| CN112270658A (zh) | 一种基于机器视觉的电梯钢丝绳检测方法 | |
| CN113145492A (zh) | 一种用于梨外观品质视觉分级方法及分级生产线 | |
| CN111415339B (zh) | 一种复杂纹理工业产品图像缺陷检测方法 | |
| CN110555417A (zh) | 一种基于深度学习的视频图像识别系统及方法 | |
| CN104483320A (zh) | 工业脱硝催化剂的数字化缺陷检测装置与检测方法 | |
| CN110422767A (zh) | 对吊具定位的方法、装置及系统 | |
| CN112893159A (zh) | 一种基于图像识别的煤矸石分拣方法 | |
| CN110935646A (zh) | 基于图像识别的全自动螃蟹分级系统 | |
| CN114345717A (zh) | 一种货物分拣装置 | |
| CN111968082A (zh) | 一种基于机器视觉的产品包装缺陷检测识别方法 | |
| CN111161237A (zh) | 一种果蔬表面质检方法及其储存介质、分拣装置 | |
| CN114511519A (zh) | 一种基于图像处理的列车车底螺栓丢失检测方法 | |
| CN112257493B (zh) | 物品异常分拣的识别方法、装置、设备及存储介质 | |
| CN206897873U (zh) | 一种基于检测产品特性的图像处理与检测系统 | |
| CN113077430A (zh) | 基于ssd算法的激光器芯片缺陷检测及分类方法与系统 | |
| CN110991469A (zh) | 一种水果可溶性固形物在线检测方法及系统 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220415 |
|
| WD01 | Invention patent application deemed withdrawn after publication |