CN114399504A - 一种基于工业互联网的智能轮辋检测与跟踪方法及系统 - Google Patents
一种基于工业互联网的智能轮辋检测与跟踪方法及系统 Download PDFInfo
- Publication number
- CN114399504A CN114399504A CN202210297708.2A CN202210297708A CN114399504A CN 114399504 A CN114399504 A CN 114399504A CN 202210297708 A CN202210297708 A CN 202210297708A CN 114399504 A CN114399504 A CN 114399504A
- Authority
- CN
- China
- Prior art keywords
- rim
- detection
- tracking
- module
- intelligent
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004891 communication Methods 0.000 claims abstract description 23
- 238000004519 manufacturing process Methods 0.000 claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims abstract description 15
- 230000007547 defect Effects 0.000 claims abstract description 15
- 230000000903 blocking effect Effects 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000012797 qualification Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013102 re-test Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/08—Protocols for interworking; Protocol conversion
-
- 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
- G06T2207/30164—Workpiece; Machine component
Abstract
本申请公开了一种基于工业互联网的智能轮辋检测与跟踪方法及系统,涉及工业智能检测与跟踪领域,系统包括图像采集器,通过信号线连接有边缘计算设备输入端口,所述边缘计算设备的输出端口通过通讯协议转换网关连接有PLC模块,所述轮辋检测工作台的一端设置有轮辋分拣处,在所述轮辋分拣处的一端安装有用于辅助轮辋流向指定分拣机的挡臂。本发明量化目标检测算法用于适配算力有限的边缘设备,通过对比图像相邻帧之间的目标相关信息并关联进行目标匹配,得到轮辋的实时流向,自定通讯协议联动PLC控制摆臂旋转方向。智能检测与跟踪方法及系统可解决传统检测缺陷,提高轮辋的生产效率。
Description
技术领域
本发明涉及工业智能检测与跟踪领域,更具体地,公开了一种基于工业互联网的智能轮辋检测与跟踪方法及系统。
背景技术
在轮辋生产流水线中,轮辋缺陷的传统检测方式采用人工干预,生产过程需要实时监测轮辋检测结果和流动方向,工作内容重复,不可控因素(人工疲劳、走神)易造成轮辋误检复检问题。由于轮辋生产流水线检测节点指令独立,检测数据得不到集中,因而降低了生产时效,增加了质检成本。
发明内容
本发明的目的在于提供一种基于工业互联网的智能轮辋检测与跟踪方法及系统,采用机器视觉进行轮辋检测、轮辋跟踪,改变传统工业检测对高端GPU的依赖,解决低实时性,系统鲁棒性差等问题。优化检测算法部署轻量化边缘计算设备,实时对轮辋生产流程跟踪检测。集中处理检测数据,提高复杂工业场景下轮辋生产效率,解决人工失误造成的返件复检问题。
本发明的目的在于提供一种基于工业互联网的智能轮辋检测与跟踪方法及系统,为实现上述目的,本发明提供如下技术方案:
一种基于工业互联网的智能轮辋检测与跟踪方法及系统,包括:
轮辋检测模块,接收检测指令并获取当前帧轮辋图像,进行轮辋缺陷检测;
轮辋跟踪模块,划定轮辋流动区域,实时跟踪合格品与非合格品流向;
信号通讯模块,负责接收、下发检测节点设备动作指令,在PC端与PLC端之间进行协议转换;
图像采集模块,图像采集器D负责轮辋检测节点的图像获取,图像采集器T负责实时获取轮辋分拣区域图像获取;
系统显示模块,获取检测轮辋状态、每日轮辋合格率及非合格品误检率,信息上报工业云平台,实时输出图像信息;
系统控制模块,将所述轮辋检测模块、轮辋跟踪模块、图像采集模块、系统显示模块进行系统集成,通过所述信号通讯模块控制模块间信号指令传输。
进一步地,一种基于边缘计算的轮辋流程跟踪方法及系统,包括安装在轮辋生产现场的图像采集设备,其特征在于:该图像采集设备包括图像采集器D和图像采集器T,所述图像采集器D安装在轮辋检测工作台的上方,所述图像采集器T安装在轮辋生产现场中能够监测到轮辋检测流程合适位置,所述图像采集器D和图像采集器T分别通过信号线连接到边缘计算设备输入端口,所述边缘计算设备的输出端口通过通讯协议转换网关连接PLC模块,所述PLC模块控制连接位于轮辋检测工作台一侧的机械手;所述轮辋检测工作台的一端设置轮辋分拣处,所述轮辋分拣区域设置分拣器,在所述轮辋分拣区域的一端安装有用于辅助轮辋流向指定分拣机的挡臂。
所述边缘计算设备采用Nvidia AGX Xavier,该边缘计算设备的内部部署有智能检测系统,边缘计算设备与PLC模块之间通过通讯协议转换网关进行通讯,有利于系统的可移植性。边缘计算设备与通讯协议转换网关之间使用RS232,通过自定义协议,将信息通过CRC校验方式传输给PLC模块,PLC模块与通讯协议转换网关之间使用RS485,通过Modbus协议进行消息传输。
一种基于工业互联网的智能轮辋检测与跟踪方法,其特征在于,包括以下步骤:
S1、在轮辋生产现场通过图像采集器获取图像流,图像采集器连接在有检测系统的边缘计算设备中。
S2、步骤S1所获得的图像输入边缘计算设备,将输入模块划分成检测节点和跟踪节点。图像采集器D采集图像信息输入到目标检测算法模块,识别轮辋表面缺陷,并统计轮辋的缺陷数量,划分合格品与非合格品。
S3、根据S2所获得的检测结果跟踪当前轮辋流向,图像采集器T采集图像信息输入到目标跟踪模块,监控工件流动方向,工件到达分拣区域,传送信号通过信号传输模块发送机械手臂,并移动轮辋到分拣处。
S4、根据步骤S2中所获得的检测结果,在指定工件分类区域内,边缘计算设备通过轮辋跟踪模块内部集成的目标跟踪算法控制图像采集设备跟踪轮辋当前的位置,当检测到轮辋此时移动到轮辋分拣处时,挡臂根据PLC控制指令决定摆动方向,辅助轮辋流向指定分拣区域。
S5、挡臂摆动,辅助轮辋流向正确分拣区域,同时发送回馈信号至PLC模块,轮辋跟踪模块同时判断轮辋流向,若发现轮辋流向错误,则系统发出警告,并通过系统显示器信息回馈。
与现有技术对比,本发明有益效果:
本发明在对轮辋流程跟踪过程中,利用边缘计算设备,将检测端下放到现场提高系统鲁棒性。优化目标检测算法部署到有限算力设备中,降低生产成本的同时保证系统的实时性。采用目标跟踪来定位轮辋流向,联动生产轮辋各个环节,提升工业生产效率。
附图说明
图1为本发明实施例提供的一种基于边缘计算的工件流程跟踪方法的执行流程图;
图2为本发明实施例提供的一种基于边缘计算的工件流程跟踪系统的结构示意图;
图3为本发明实施例提供的一种基于边缘计算的工件流程跟踪方法及系统的工作示意图;
图3中:1-图像采集器T、2-图像采集器D、3-轮辋输送带、4-边缘计算设备、5-通讯协议转换网关、6-PLC模块、7-机械手、8-分拣区域、9-合格区分拣器、10-非合格区分拣器、11-挡臂、12-系统显示器、13-轮辋。
具体实施方式
下面结合附图1-图3和具体实施例,进一步阐明本发明,本实施例在以本发明技术方案为前提下进行实施,应理解此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
一种基于工业互联网的智能轮辋检测与跟踪设备,包括安装在轮辋生产现场的图像采集设备,其特征在于:该图像采集设备包括图像采集器T1和图像采集器D2,所述图像采集器T1安装在轮辋生产现场中能够监测到轮辋检测流程的墙壁上,所述图像采集器D2安装在轮辋检测工作台3的上方,所述图像采集器T1和图像采集器D2分别通过信号线连接到边缘计算设备4输入端口,所述边缘计算设备4的输出端口通过通讯协议转换网关5连接PLC模块6,所述PLC模块6控制连接位于轮辋检测工作台3一侧的机械手7;所述轮辋检测工作台3的一端设置有轮辋分拣处8,所述轮辋分拣处8的两侧分别设置有合格区分拣区域9和非合格区分拣区域10,在所述轮辋分拣处8的一端安装用于辅助轮辋流向指定分拣机的挡臂11。
针对现有技术存在的问题,本发明提供一种基于边缘计算的工件流程跟踪方法及系统,下面对本发明做出详细描述,结合附图1实现步骤如下:
S1、在轮辋生产现场部署有用于获取流水线轮辋检测进程的图像采集设备T1和D2,获取图像流。
S2、步骤S1所获得的图像输入边缘计算设备4,将输入模块划分成检测节点和跟踪节点。图像采集器D2采集图像信息输入到目标检测算法模块,识别轮辋13表面缺陷,并统计轮辋的缺陷数量,划分合格品与非合格品。
所述边缘计算设备4采用Nvidia AGX Xavier,该边缘计算设备的内部设有智能检测系统,所述智能检测系统包括集成有目标检测算法的轮辋检测模块、集成有目标跟踪算法的轮辋跟踪模块、用于传输指令的信号通讯模块、控制图像采集设备工作的图像采集模块、获取检测轮辋状态并在位于边缘计算设备4一侧的系统显示器12中输出图像信息的系统显示模块和下达指令的系统控制模块。边缘计算设备4与PLC模块6之间通过通讯协议转换网关5进行通讯,有利于系统的可移植性,边缘计算设备4与通讯协议转换网关5之间使用RS232,通过自定义协议,将信息通过CRC校验方式传输给PLC模块6,PLC模块6与通讯协议转换网关5之间使用RS485,通过Modbus协议进行消息传输。
其中目标检测算法采用基于Darknet框架的单阶段目标检测算法,使用两阶段卷积结构作为网络提取特征部分的卷积结构,在目标检测模型中,为减少计算代价,第一步使用通道相同的卷积核对输入层进行通道独立卷积运算,充分利用输入层相同空间位置的特征信息,生成新的特征图;第二步将所述第一步新的特征图,设计N个卷积尺寸为1×1×M大小的卷积核,在深度方向上进行加权组合,生成N个特征图,减少了卷积过程中的计算量。
为提高网络精确度,本发明中AIoU对网络中损失函数已有的计算方法进行优化,提高网络的泛化性能,优化回归过程更专注于高质量锚框,其中优化后的Loss将纵横比单独考虑,分别计算目标框和真实框的长宽损失,加入面积比来衡量损失误差。
本发明损失计算公式为:
轮辋13缺陷度的计算:轮辋13缺陷应以缺陷数量和面积决定,目标检测结果中包含的所有预测结果为张量:Loc代表预测锚框的位置信息;Conf代表类别概率即是缺陷的概率;Class代表类别个数。
缺陷度计算公式为:
其中,W、H为输入图像中轮辋13的宽和高。
当轮辋13的缺陷度>20%划分轮辋13属于非合格品;当轮辋13的缺陷度≤20%划分轮辋13属于合格品。
S3、步骤S2中所获得轮辋13合格标识,通过边缘计算设备4中的信号传输模块将信号发送到到安装在轮辋检测工作台3一侧的机械手7,将轮辋13移动到轮辋分拣处8。
其中目标跟踪是基于匈牙利算法解决目标匹配问题,目标检测算法获取每帧工件目标位置的坐标信息,在视频图像数据中,对相邻帧进行数据匹配,实现实时跟踪工件流程,并对工件进行计数。
S4、根据步骤S2中所获得的检测结果,边缘计算设备4通过轮辋13跟踪模块内部集成的目标跟踪算法控制图像采集设备跟踪轮辋13当前的位置,当检测到轮辋13此时移动到轮辋分拣处8时,挡臂11根据收到指令决定摆动方向,辅助轮辋13流向指定分拣区域。
S5、合格标识信号发送到PLC控制挡臂11摆动,辅助轮辋13流向正确分拣区域,同时发送回馈信号至PLC模块6,轮辋跟踪模块同时判断轮辋13流向,若发现轮辋13流向错误,则系统发出警告,信息通过系统显示器12提醒。
根据实际生产场景,将分拣区域划分合格域与非合格域,通过图像采集器T1跟踪轮辋13流向正确性,例如:合格品对应合格区分拣器则轮辋13流向正确。利用跟踪算法通过目标检测出的bbox信息,在两帧图像之间对比匹配,对目标轨迹进行预测。使用卡尔曼滤波通过选取置信度较高的结果不断修正预测轮辋13的轨迹,为了找到两帧之间最优的匹配结果,使用匈牙利匹配方法,将前一帧的跟踪框与当前框相关信息进行关联,通过外观信息、马氏距离及IOU来计算代价矩阵。
最后,虽然仅结合有限数量的实施方案详细描述了本申请,但应容易理解的本发明的保护范围并不局限于此,熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所做的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围内。
Claims (6)
1.一种基于工业互联网的智能轮辋检测与跟踪方法,应用于工业智能检测与跟踪领域,其特征在于,包括以下步骤:
S1、在轮辋生产现场通过图像采集器获取图像流,图像采集器D负责轮辋检测图像获取,图像采集器T负责轮辋跟踪图像获取;
S2、获得图像流输入到边缘计算设备部署的轮辋检测系统中,通过轮辋跟踪模块内部集成的目标检测算法识别轮辋工件;
S3、根据轮辋检测的结果,确定轮辋合格与非合格,跟踪当前轮辋流向;
S4、在指定工件分类区域内,通过轮辋跟踪模块内部集成的目标跟踪算法控制图像采集设备跟踪轮辋当前的位置;
S5、边缘计算设备将位置信息通过信息通讯模块发送到PLC,控制挡臂摆动,辅助轮辋流向正确分拣区域,同时发送回馈信号至PLC模块。
2.根据权利要求1所述的一种基于工业互联网的智能轮辋检测与跟踪方法,其特征在于:步骤S2中提到的目标检测算法采用基于Darknet框架的单阶段目标检测算法实现对轮辋图像检测,具体地,第一步使用通道相同的卷积核对输入层进行通道独立卷积运算,充分利用输入层相同空间位置的特征信息,生成新的特征图;第二步将所述第一步新的特征图,设计N个卷积尺寸为1×1×M大小的卷积核,在深度方向上进行加权组合,生成N个特征图,减少了卷积过程中的计算量。
4.根据权利要求1所述的一种基于工业互联网的智能轮辋检测与跟踪方法,其特征在于:步骤S4中提到的目标跟踪算法基于匈牙利算法,通过步骤S2中的目标检测算法获取每帧轮辋目标位置的坐标信息,在两帧图像之间对比匹配,使用卡尔曼滤波通过选取置信度较高的结果不断修正预测轮辋的轨迹,为了找到两帧之间最优的匹配结果,使用匈牙利匹配方法,将前一帧的跟踪框与当前框相关信息进行关联,通过外观信息、马氏距离及IOU来计算代价矩阵,实现实时跟踪轮辋流程,并对轮辋进行计数。
5.根据权利要求1所述的一种基于工业互联网的智能轮辋检测与跟踪方法,其特征在于:步骤S5所述边缘计算设备采用Nvidia AGX Xavier,该边缘计算设备的内部设有智能检测系统,系统中信息通讯模块负责边缘计算设备与PLC模块之间通过通讯协议转换网关进行通讯,边缘计算设备主站与通讯协议转换网关从站之间使用RS232,通过自定义协议,将信息通过CRC校验方式传输给PLC模块;PLC模块主站与通讯协议转换网关从站之间使用RS485,通过Modbus协议进行消息传输。
6.一种基于工业互联网的智能轮辋检测与跟踪系统,其特征在于,所述系统包括:
轮辋检测模块,接收检测指令并获取当前帧轮辋图像,进行轮辋缺陷检测;
轮辋跟踪模块,划定轮辋流动区域,实时跟踪合格品与非合格品流向;
信号通讯模块,负责接收、下发检测节点设备动作指令,在PC端与PLC端之间进行协议转换;
图像采集模块,图像采集器D负责轮辋检测节点的图像获取,图像采集器T负责实时获取轮辋分拣区域图像获取;
系统显示模块,获取检测轮辋状态、每日轮辋合格率及非合格品误检率,信息上报工业云平台,在位于边缘计算设备一侧的系统显示器中实时输出图像信息;
系统控制模块,将所述轮辋检测模块、轮辋跟踪模块、图像采集模块、系统显示模块进行系统集成,通过所述信号通讯模块控制模块间信号指令传输。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210297708.2A CN114399504A (zh) | 2022-03-25 | 2022-03-25 | 一种基于工业互联网的智能轮辋检测与跟踪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210297708.2A CN114399504A (zh) | 2022-03-25 | 2022-03-25 | 一种基于工业互联网的智能轮辋检测与跟踪方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114399504A true CN114399504A (zh) | 2022-04-26 |
Family
ID=81235030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210297708.2A Pending CN114399504A (zh) | 2022-03-25 | 2022-03-25 | 一种基于工业互联网的智能轮辋检测与跟踪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114399504A (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104492726A (zh) * | 2014-12-24 | 2015-04-08 | 安徽科鸣三维科技有限公司 | 一种机器视觉次品定位跟踪系统 |
CN104858155A (zh) * | 2015-06-12 | 2015-08-26 | 西安交通大学 | 一种多线接力包裹分拣物联网视觉检测方法及系统装置 |
CN105118044A (zh) * | 2015-06-16 | 2015-12-02 | 华南理工大学 | 一种轮形铸造产品缺陷自动检测方法 |
CN106824816A (zh) * | 2016-12-20 | 2017-06-13 | 浙江工业大学 | 一种基于机器视觉的pe瓶检测与分拣方法 |
CN110314854A (zh) * | 2019-06-06 | 2019-10-11 | 苏州市职业大学 | 一种基于视觉机器人的工件检测分拣的装置及方法 |
CN111080614A (zh) * | 2019-12-12 | 2020-04-28 | 哈尔滨市科佳通用机电股份有限公司 | 铁路货车轮轮辋及踏面的破损识别方法 |
CN111332759A (zh) * | 2020-03-06 | 2020-06-26 | 苏州金峰物流设备有限公司 | 摆臂分拣机的柔性分拣方法 |
CN112884392A (zh) * | 2019-11-29 | 2021-06-01 | 华为技术有限公司 | 物流件的管理方法及装置、计算设备、存储介质 |
CN113305037A (zh) * | 2021-06-01 | 2021-08-27 | 济南大学 | 一种转台减速提高轮辋焊缝径向定位精度方法 |
CN113378763A (zh) * | 2021-06-25 | 2021-09-10 | 长沙理工大学 | 一种面向sar图像的目标自动检测方法及系统 |
CN113522786A (zh) * | 2021-07-12 | 2021-10-22 | 江南造船(集团)有限责任公司 | 船舶零部件抓取与分拣的视觉检测方法、系统及装置 |
CN113936179A (zh) * | 2021-10-22 | 2022-01-14 | 上海热像科技股份有限公司 | 一种目标检测方法、装置、电子设备及存储介质 |
CN113989613A (zh) * | 2021-10-13 | 2022-01-28 | 上海海事大学 | 一种应对复杂环境的轻量级高精度船舶目标检测方法 |
CN114092877A (zh) * | 2021-11-03 | 2022-02-25 | 北京工业大学 | 一种基于机器视觉的垃圾桶无人值守系统设计方法 |
CN114186937A (zh) * | 2021-12-14 | 2022-03-15 | 深圳市博盛软件科技有限公司 | 基于5g互联网的智慧物流管理方法及系统 |
-
2022
- 2022-03-25 CN CN202210297708.2A patent/CN114399504A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104492726A (zh) * | 2014-12-24 | 2015-04-08 | 安徽科鸣三维科技有限公司 | 一种机器视觉次品定位跟踪系统 |
CN104858155A (zh) * | 2015-06-12 | 2015-08-26 | 西安交通大学 | 一种多线接力包裹分拣物联网视觉检测方法及系统装置 |
CN105118044A (zh) * | 2015-06-16 | 2015-12-02 | 华南理工大学 | 一种轮形铸造产品缺陷自动检测方法 |
CN106824816A (zh) * | 2016-12-20 | 2017-06-13 | 浙江工业大学 | 一种基于机器视觉的pe瓶检测与分拣方法 |
CN110314854A (zh) * | 2019-06-06 | 2019-10-11 | 苏州市职业大学 | 一种基于视觉机器人的工件检测分拣的装置及方法 |
CN112884392A (zh) * | 2019-11-29 | 2021-06-01 | 华为技术有限公司 | 物流件的管理方法及装置、计算设备、存储介质 |
CN111080614A (zh) * | 2019-12-12 | 2020-04-28 | 哈尔滨市科佳通用机电股份有限公司 | 铁路货车轮轮辋及踏面的破损识别方法 |
CN111332759A (zh) * | 2020-03-06 | 2020-06-26 | 苏州金峰物流设备有限公司 | 摆臂分拣机的柔性分拣方法 |
CN113305037A (zh) * | 2021-06-01 | 2021-08-27 | 济南大学 | 一种转台减速提高轮辋焊缝径向定位精度方法 |
CN113378763A (zh) * | 2021-06-25 | 2021-09-10 | 长沙理工大学 | 一种面向sar图像的目标自动检测方法及系统 |
CN113522786A (zh) * | 2021-07-12 | 2021-10-22 | 江南造船(集团)有限责任公司 | 船舶零部件抓取与分拣的视觉检测方法、系统及装置 |
CN113989613A (zh) * | 2021-10-13 | 2022-01-28 | 上海海事大学 | 一种应对复杂环境的轻量级高精度船舶目标检测方法 |
CN113936179A (zh) * | 2021-10-22 | 2022-01-14 | 上海热像科技股份有限公司 | 一种目标检测方法、装置、电子设备及存储介质 |
CN114092877A (zh) * | 2021-11-03 | 2022-02-25 | 北京工业大学 | 一种基于机器视觉的垃圾桶无人值守系统设计方法 |
CN114186937A (zh) * | 2021-12-14 | 2022-03-15 | 深圳市博盛软件科技有限公司 | 基于5g互联网的智慧物流管理方法及系统 |
Non-Patent Citations (3)
Title |
---|
ZHIYONG LI等: "Siamese target estimation network with AIoU loss for real-time visual tracking" * |
于硕等: "复杂场景下基于YOLOv5的口罩佩戴实时检测算法研究", 《计算机测量与控制》 * |
宋汝鹏: "单阶段目标检测算法研究与运用" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109305534A (zh) | 基于计算机视觉的煤码头带式输送机自适应控制方法 | |
CN112016737B (zh) | 一种基于数字孪生的复杂产品装配车间管控方法 | |
CN109358574A (zh) | 一种智能化数据采集、监控与分析系统及方法 | |
CN103325106A (zh) | 基于LabVIEW的运动工件分拣方法 | |
CN108363394A (zh) | 一种安防机器人智能巡检系统及其巡检方法 | |
Kumar et al. | A machine vision-based cyber-physical production system for energy efficiency and enhanced teaching-learning using a learning factory | |
CN110238556B (zh) | 焊接机器人焊接过程中焊接轨迹实时检测方法 | |
CN106003024A (zh) | 一种多机械手垃圾分拣控制系统 | |
Liu et al. | Digital twin and data-driven quality prediction of complex die-casting manufacturing | |
CN101645136A (zh) | 图像识别检测系统 | |
CN101751018B (zh) | 实验环境下的分布式数据监测及预警系统和方法 | |
CN114399504A (zh) | 一种基于工业互联网的智能轮辋检测与跟踪方法及系统 | |
CN113916285A (zh) | 一种洗衣机滚筒紧固螺钉的视觉检测装置及检测流程 | |
CN110977260B (zh) | 白车身的智能补焊系统及随动补焊方法 | |
CN109230356B (zh) | 一种水平线生产设备堵料监控报警系统及监控方法 | |
CN116433645A (zh) | 一种皮带鼓包检测方法与检测系统 | |
Bélisle et al. | Optimized video tracking for automated vehicle turning movement counts | |
CN110005659A (zh) | 气缸实时监控方法 | |
CN114821478A (zh) | 一种基于视频智能分析的工序流程检测方法及系统 | |
CN113823013A (zh) | 一种基于数字孪生技术的电力设备不间断巡视系统 | |
CN211454351U (zh) | 一种智能烟丝牌号交换站 | |
US11747513B2 (en) | Sensor apparatus | |
CN103438850B (zh) | 一种在线检测玻璃间隔的方法 | |
CN203573151U (zh) | 一种自动化生产线系统 | |
CN112718552A (zh) | 一种用于led电路板质量缺陷自动检验装置及其工作方法 |
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: 20220426 |
|
RJ01 | Rejection of invention patent application after publication |