CN114549442A - 一种运动物体的实时监测方法、装置、设备及存储介质 - Google Patents
一种运动物体的实时监测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114549442A CN114549442A CN202210135223.3A CN202210135223A CN114549442A CN 114549442 A CN114549442 A CN 114549442A CN 202210135223 A CN202210135223 A CN 202210135223A CN 114549442 A CN114549442 A CN 114549442A
- Authority
- CN
- China
- Prior art keywords
- moving object
- detection
- real
- time monitoring
- detection area
- 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
Links
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/30124—Fabrics; Textile; Paper
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及布面视觉检测技术领域,尤其涉及一种运动物体的实时监测方法、装置、设备及存储介质,该方法包括以下步骤:以设定帧率获取运动物体所在运动范围内的图像;检测所述图像内运动物体设定的标志物所在位置;根据标志物在运动物体上的位置,以及运动物体的尺寸,确定并获取运动物体在所述图像上的区域;将获取的区域设定为检测区域,执行检测步骤。本发明通过在运动物体上设置标志物,通过先检测出标志物,再确定运动物体所在的图像区域,将该区域作为检测区域,再对检测区域进行检测的方式,与现有技术相比,提高了检测的效率和精度。
Description
技术领域
本发明涉及布面视觉检测技术领域,尤其涉及一种运动物体的实时监测方法、装置、设备及存储介质。
背景技术
在布面生产过程中,需要在布面上布设一定方向的纬纱,纬纱的铺设多通过一往复移动的罗拉进行,罗拉在布面上往复移动,实现纬纱的铺设,然而由于罗拉往复移动的速度较快,若纬纱的纱线出现质量问题,经常会出现纬纱缠绕在罗拉上,即出现罗拉绕丝的问题;
相关技术中,多通过人工对罗拉是否绕丝进行识别,一般罗拉为黑色辊面,而纬纱为白色,当在罗拉上缠绕过多纬纱时,通过人眼即可识别;然而由于罗拉移动速度较快,一般只能进行停机检测,或者通过视觉识别的方式,在机器停机时进行,而停机检测却会降低生产的效率。
公开于该背景技术部分的信息仅仅旨在加深对本发明总体背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成本领域技术人员所公知的现有技术。
发明内容
本发明所要解决的技术问题是:提供一种运动物体的实时监测方法、装置、设备及存储介质,实现对不规则移动物体图像的捕获。
为了达到上述目的,本发明所采用的技术方案是:
第一方面,提供了一种运动物体的实时监测方法,包括以下步骤:
以设定帧率获取运动物体所在运动范围内的图像;
检测所述图像内运动物体设定的标志物所在位置;
根据标志物在运动物体上的位置,以及运动物体的尺寸,确定并获取运动物体在所述图像上的区域;
将获取的区域设定为检测区域,执行检测步骤。
进一步地,所述运动物体为罗拉,所述设定帧率不小于70Fps。
进一步地,所述标志物为具有不同于罗拉颜色的胶带。
进一步地,在执行检测步骤时,包括以下步骤:
计算检测区域的总体灰度值S=Σf(i,j), f(i,j)代表检测区域内第i行第j列的像素灰度值;
计算检测区域的平均灰度值ave=S/(i*j);
计算检测区域内像素灰度最大值M=Max{f(i,j)};
判断检测区域内的每个像素值f(i,j),是否满足ave+20<f(i,j) <M;
判断检测出的所有满足上述ave+20< f(i,j) <M的像素点的前后左右相邻两个像素的点是否均满足f(i,j) <ave+20且f(i,j)>M。
第二方面,提供了一种运动物体的实时监测装置,包括:
获取模块,用于以设定帧率获取运动物体所在运动范围内的图像;
检测模块,用于检测所述图像内运动物体设定的标志物所在位置;
确定模块,用于根据标志物在运动物体上的位置,以及运动物体的尺寸,确定并获取运动物体在所述图像上的区域;
设定模块,用于将获取的区域设定为检测区域,执行检测步骤。
进一步地,在所述获取模块中,所述运动物体为罗拉,所述设定帧率不小于70Fps。
进一步地,在所述检测模块中,所述标志物为具有不同于罗拉颜色的胶带。
进一步地,在所述设定模块中,在执行检测步骤时,包括以下步骤:
计算检测区域的总体灰度值S=Σf(i,j), f(i,j)代表检测区域内第i行第j列的像素灰度值;
计算检测区域的平均灰度值ave=S/(i*j);
计算检测区域内像素灰度最大值M=Max{f(i,j)};
判断检测区域内的每个像素值f(i,j),是否满足ave+20<f(i,j) <M;
判断检测出的所有满足上述ave+20< f(i,j) <M的像素点的前后左右相邻两个像素的点是否均满足f(i,j) <ave+20且f(i,j)>M。
第三方面,提供了一种电子设备,包括至少一个处理器;以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面中任一项所述的方法。
第四方面,提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序用于使计算机执行第一方面中任一项所述的方法。
本发明的有益效果为:本发明通过在运动物体上设置标志物,通过先检测出标志物,再确定运动物体所在的图像区域,将该区域作为检测区域,再对检测区域进行检测的方式,与现有技术相比,提高了检测的效率和精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中运动物体的实时监测方法步骤流程图;
图2为本发明实施例中纬纱罗拉的移动轨迹图;
图3为本发明实施例中确定罗拉所在区域的示意图;
图4为本发明实施例中罗拉绕丝检测的步骤流程图;
图5为本发明实施例中运动物体的实时监测装置的架构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
需要说明的是,当元件被称为“固定于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的,并不表示是唯一的实施方式。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1至图4所示的运动物体的实时监测方法,包括以下步骤:
S10:以设定帧率获取运动物体所在运动范围内的图像;这里需要指出的是,帧率的大于与运动物体的移动速度有关,若物体移动速度较慢,则需要的帧率较小,若物体移动速度较快,则需要的帧率大,目的是为了保证捕获的图像能够覆盖物体移动的整个路径,不会造成漏检的情况;
S20:检测图像内运动物体设定的标志物所在位置;这里的标志物是指与运动物体表面颜色不同颜色的标志物,以容易识别物体所在的位置;
S30:根据标志物在运动物体上的位置,以及运动物体的尺寸,确定并获取运动物体在图像上的区域;当已经获取了标志物的位置,也已经知道标志物在物体上的具体位置,那么就可以根据标志物的坐标计算出物体所在的区域;
S40:将获取的区域设定为检测区域,执行检测步骤。当获取了图像中运动物体所在区域后,就可以仅对该区域内进行检测,这样,就实现了在物体移动全过程的实时监测,与现有技术相比,不仅检测时无需停机,也比停机时检测单张图像所需要的计算量小,从而提高了检测的效率;
在本发明实施例的以下部分,以布面生产过程中铺纬罗拉为例进行介绍,但需要指明的是,本发明的保护范围不仅限于对罗拉的实时监测,如图2中所示,罗拉在布面生产过程中需要在纬向实现纬纱的铺设,其需要随着经线的前进实现往复的铺设,故罗拉的移动路径也不是沿直线往复移动,为此,在设定捕获图像的拍摄帧率时,选择不小于70Fps的帧率,即每分钟必须拍摄70张或者以上才可以保证在纬纱罗拉运动的过程中不漏检;
由于纬纱罗拉是呈现一个空间立体运动,而相机拍摄的图像是一个二维平面的图像,所以在拍摄的过程中罗拉的位置在每张照片中的位置都是不一样的,为了降低检测困难,必须要先精确地确定每张照片中罗拉的位置,先确定了罗拉的位置以后可以有效的进行拉绕丝检测;在现场中,为了便于检测出罗拉的位置,如图2中的阴影部分,通过在罗拉上缠绕红色胶带的方式来帮助识别罗拉位置,当然这里需要指出的是,标志物为具有不同于罗拉颜色的胶带,也可以采用其他与罗拉颜色不同的颜色,只要检测出标志物所在位置就可以检测到罗拉的位置;如图3中所示,假设标志物贴在罗拉的最边缘位置处,记为f(i,j),所以每一个像素点的红色分量为h(i,j)=R/(R+G+B),以此计算出每一个像素点的红色分量,并存在一个数组T里面,再在数组T里面找出那个最大的值,则那个最大的值就是标志物的所在的像素点,此时可以确定罗拉在图像的第i行第j列;又因为在本发明实施例中罗拉的长度为50cm,而现场1cm代表4个像素,所以罗拉的终点位置为(i+200,j+200),因此在一幅图中仅需检测(i,j)和(i+200,j+200)这个区域的内容即可;
如图4中所示,在执行检测步骤时,包括以下步骤:
S41:计算检测区域的总体灰度值S=Σf(i,j), f(i,j)代表检测区域内第i行第j列的像素灰度值;灰度图像像素是指在RGB颜色模式下,图像中每个像素的R、G、B三种基色的分量至相等的像素,在RGB颜色模式下,RGB 三原色的取值都是0~255之间的整数,其中0代表黑色,255代表白色;
S43:计算检测区域的平均灰度值ave=S/(i*j);平均灰度值代表整体平均灰度,通过平均值的计算便于后期作出比较;
S45:计算检测区域内像素灰度最大值M=Max{f(i,j)};这里需要指出的是,此处的像素灰度最大值是指还没有出现绕丝情形时的最大值;在本发明实施例中,罗拉绕丝所反映出的情况是会有一团白色的纱线绕在纬纱罗拉上,而罗拉辊的颜色是黑色的,所以相当甩手是在黑色的罗拉上检测出一团白色的纱线,这里可以根据颜色的灰度值进行检测;
S47:判断检测区域内的每个像素值f(i,j),是否满足ave+20<f(i,j) <M;像素值大于ave+20表示比平均灰色要亮,说明这一块为白色的纱线所处的位置处;
S49:判断检测出的所有满足上述ave+20< f(i,j) <M的像素点的前后左右相邻两个像素的点是否均满足f(i,j) <ave+20且f(i,j)>M。此处检测的是白色纱线旁边的两个点,如果一个点小于ave+20,而另一个点大于M,则表示大于M处的点出现了绕丝了,比最大值M还要大是因为绕丝在灯光的照射下会更亮;通过上述方式就检测出了罗拉上绕丝的情形。
通过上述方法的设置,实现了罗拉在移动过程中的绕丝的检测,与现有技术相比不仅可以实现不停机检测,还可以减少检测时计算机数据运行量,提高检测的速度,由于只对罗拉所在的区域进行检测,进一步提高了检测的精度;
本领域技术人员应当知道,本申请实施例中可提供为方法、装置、存储介质或者电子设备产品,因此本申请实施例可以完全采用硬件实施例、硬件与软件结合的实施例或者纯软件实施例,下面对本申请实施例中的运动物体的实时监测装置进行介绍,下文中的装置实施例与上文中的方法实施例相互对应,本领域技术人员可以基于上文的描述对下文的实施过程进行理解,这里不再进行详细描述;
如图5中所示的运动物体的实时监测装置,包括:
获取模块100,用于以设定帧率获取运动物体所在运动范围内的图像;
检测模块200,用于检测图像内运动物体设定的标志物所在位置;
确定模块300,用于根据标志物在运动物体上的位置,以及运动物体的尺寸,确定并获取运动物体在图像上的区域;
设定模块400,用于将获取的区域设定为检测区域,执行检测步骤。
进一步地,在获取模块100中,运动物体为罗拉,设定帧率不小于70Fps。
进一步地,在检测模块200中,标志物为具有不同于罗拉颜色的胶带。
进一步地,在设定模块400中,在执行检测步骤时,包括以下步骤:
计算检测区域的总体灰度值S=Σf(i,j), f(i,j)代表检测区域内第i行第j列的像素灰度值;
计算检测区域的平均灰度值ave=S/(i*j);
计算检测区域内像素灰度最大值M=Max{f(i,j)};
判断检测区域内的每个像素值f(i,j),是否满足ave+20<f(i,j) <M;
判断检测出的所有满足上述ave+20< f(i,j) <M的像素点的前后左右相邻两个像素的点是否均满足f(i,j) <ave+20且f(i,j)>M。
在本发明实施例的以下部分,对本发明实施例中的计算机存储介质及电子设备实施例进行介绍,下文中的计算机存储介质以及处理器实施例与上文中的方法实施例相互对应,本领域技术人员可以基于上文的描述对下文的实施过程进行理解,这里不再进行详细描述;
在本发明实施例的另一方面,还提供了一种电子设备,包括至少一个处理器;
以及与至少一个处理器通信连接的存储器;
其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够上述任一项的方法。
在本发明实施例的另一方面,还提供了一种计算机存储介质,计算机存储介质存储有计算机程序,计算机程序用于使计算机执行上述任一项的方法。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种运动物体的实时监测方法,其特征在于,包括以下步骤:
以设定帧率获取运动物体所在运动范围内的图像;
检测所述图像内运动物体设定的标志物所在位置;
根据标志物在运动物体上的位置,以及运动物体的尺寸,确定并获取运动物体在所述图像上的区域;
将获取的区域设定为检测区域,执行检测步骤。
2.根据权利要求1所述的运动物体的实时监测方法,其特征在于,所述运动物体为罗拉,所述设定帧率不小于70Fps。
3.根据权利要求2所述的运动物体的实时监测方法,其特征在于,所述标志物为具有不同于罗拉颜色的胶带。
4.根据权利要求3所述的运动物体的实时监测方法,其特征在于,在执行检测步骤时,包括以下步骤:
计算检测区域的总体灰度值S=Σf(i,j), f(i,j)代表检测区域内第i行第j列的像素灰度值;
计算检测区域的平均灰度值ave=S/(i*j);
计算检测区域内像素灰度最大值M=Max{f(i,j)};
判断检测区域内的每个像素值f(i,j),是否满足ave+20<f(i,j) <M;
判断检测出的所有满足上述ave+20< f(i,j) <M的像素点的前后左右相邻两个像素的点是否均满足f(i,j) <ave+20且f(i,j)>M。
5.一种运动物体的实时监测装置,其特征在于,包括:
获取模块,用于以设定帧率获取运动物体所在运动范围内的图像;
检测模块,用于检测所述图像内运动物体设定的标志物所在位置;
确定模块,用于根据标志物在运动物体上的位置,以及运动物体的尺寸,确定并获取运动物体在所述图像上的区域;
设定模块,用于将获取的区域设定为检测区域,执行检测步骤。
6.根据权利要求5所述的运动物体的实时监测装置,其特征在于,在所述获取模块中,所述运动物体为罗拉,所述设定帧率不小于70Fps。
7.根据权利要求6所述的运动物体的实时监测装置,其特征在于,在所述检测模块中,所述标志物为具有不同于罗拉颜色的胶带。
8.根据权利要求7所述的运动物体的实时监测装置,其特征在于,在所述设定模块中,在执行检测步骤时,包括以下步骤:
计算检测区域的总体灰度值S=Σf(i,j), f(i,j)代表检测区域内第i行第j列的像素灰度值;
计算检测区域的平均灰度值ave=S/(i*j);
计算检测区域内像素灰度最大值M=Max{f(i,j)};
判断检测区域内的每个像素值f(i,j),是否满足ave+20<f(i,j) <M;
判断检测出的所有满足上述ave+20< f(i,j) <M的像素点的前后左右相邻两个像素的点是否均满足f(i,j) <ave+20且f(i,j)>M。
9.一种电子设备,其特征在于,包括至少一个处理器;
以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序用于使计算机执行权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210135223.3A CN114549442B (zh) | 2022-02-14 | 2022-02-14 | 一种运动物体的实时监测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210135223.3A CN114549442B (zh) | 2022-02-14 | 2022-02-14 | 一种运动物体的实时监测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114549442A true CN114549442A (zh) | 2022-05-27 |
CN114549442B CN114549442B (zh) | 2022-09-20 |
Family
ID=81674770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210135223.3A Active CN114549442B (zh) | 2022-02-14 | 2022-02-14 | 一种运动物体的实时监测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549442B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4008921A1 (de) * | 1989-03-20 | 1990-09-27 | Murata Machinery Ltd | Vorrichtung zum sortieren von spinnspulen |
US5224172A (en) * | 1990-07-25 | 1993-06-29 | Murata Kikai Kabushiki Kaisha | Cobwebbing detection device |
US20150070688A1 (en) * | 2013-09-12 | 2015-03-12 | Corning Incorporated | Systems and methods for inspecting wound optical fiber |
CN105841716A (zh) * | 2016-05-18 | 2016-08-10 | 北方工业大学 | 一种光纤绕线机排线一致性的视觉辅助控制方法及装置 |
CN105869184A (zh) * | 2016-04-06 | 2016-08-17 | 北京林业大学 | 基于路径分析的林火烟雾图像检测方法 |
CN107545559A (zh) * | 2016-06-29 | 2018-01-05 | 鸿富锦精密电子(天津)有限公司 | 遗留物判定系统及遗留物判定方法 |
CN107993224A (zh) * | 2017-11-28 | 2018-05-04 | 沈阳建筑大学 | 一种基于圆形标志物的物体检测定位方法 |
CN111489341A (zh) * | 2020-04-09 | 2020-08-04 | 长沙琢冶信息技术有限公司 | 丝盘绕丝的乱丝检测的方法、装置、设备及存储介质 |
CN112288713A (zh) * | 2020-10-28 | 2021-01-29 | 常州市新创智能科技有限公司 | 一种罗拉绕丝检测方法 |
CN112581532A (zh) * | 2020-12-10 | 2021-03-30 | 深圳市普汇智联科技有限公司 | 一种运动物体的位置捕捉系统及方法 |
CN112669344A (zh) * | 2020-12-24 | 2021-04-16 | 北京灵汐科技有限公司 | 一种运动物体的定位方法、装置、电子设备及存储介质 |
CN113674214A (zh) * | 2021-07-26 | 2021-11-19 | 常州市新创智能科技有限公司 | 一种基于双目相机拼接的直线度检测方法和装置 |
WO2021248712A1 (zh) * | 2020-06-10 | 2021-12-16 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 微运动监测方法、装置、设备及计算机可读存储介质 |
CN113962962A (zh) * | 2021-10-22 | 2022-01-21 | 常州市新创智能科技有限公司 | 一种玻纤的短切纱罗拉绕丝检测方法 |
-
2022
- 2022-02-14 CN CN202210135223.3A patent/CN114549442B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4008921A1 (de) * | 1989-03-20 | 1990-09-27 | Murata Machinery Ltd | Vorrichtung zum sortieren von spinnspulen |
US5224172A (en) * | 1990-07-25 | 1993-06-29 | Murata Kikai Kabushiki Kaisha | Cobwebbing detection device |
US20150070688A1 (en) * | 2013-09-12 | 2015-03-12 | Corning Incorporated | Systems and methods for inspecting wound optical fiber |
CN105745523A (zh) * | 2013-09-12 | 2016-07-06 | 康宁股份有限公司 | 用于检查缠绕的光纤的系统和方法 |
CN105869184A (zh) * | 2016-04-06 | 2016-08-17 | 北京林业大学 | 基于路径分析的林火烟雾图像检测方法 |
CN105841716A (zh) * | 2016-05-18 | 2016-08-10 | 北方工业大学 | 一种光纤绕线机排线一致性的视觉辅助控制方法及装置 |
CN107545559A (zh) * | 2016-06-29 | 2018-01-05 | 鸿富锦精密电子(天津)有限公司 | 遗留物判定系统及遗留物判定方法 |
CN107993224A (zh) * | 2017-11-28 | 2018-05-04 | 沈阳建筑大学 | 一种基于圆形标志物的物体检测定位方法 |
CN111489341A (zh) * | 2020-04-09 | 2020-08-04 | 长沙琢冶信息技术有限公司 | 丝盘绕丝的乱丝检测的方法、装置、设备及存储介质 |
WO2021248712A1 (zh) * | 2020-06-10 | 2021-12-16 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 微运动监测方法、装置、设备及计算机可读存储介质 |
CN112288713A (zh) * | 2020-10-28 | 2021-01-29 | 常州市新创智能科技有限公司 | 一种罗拉绕丝检测方法 |
CN112581532A (zh) * | 2020-12-10 | 2021-03-30 | 深圳市普汇智联科技有限公司 | 一种运动物体的位置捕捉系统及方法 |
CN112669344A (zh) * | 2020-12-24 | 2021-04-16 | 北京灵汐科技有限公司 | 一种运动物体的定位方法、装置、电子设备及存储介质 |
CN113674214A (zh) * | 2021-07-26 | 2021-11-19 | 常州市新创智能科技有限公司 | 一种基于双目相机拼接的直线度检测方法和装置 |
CN113962962A (zh) * | 2021-10-22 | 2022-01-21 | 常州市新创智能科技有限公司 | 一种玻纤的短切纱罗拉绕丝检测方法 |
Non-Patent Citations (2)
Title |
---|
YANING LI ETAL.: "Study on spectrum eigenvalues of transformer vibration and its application on winding deformation detecting", 《2016 IEEE INTERNATIONAL CONFERENCE ON MECHATRONICS AND AUTOMATION》 * |
朱亚旋等: "基于图像纹理与矩特征的转子绕线检测研究", 《测控技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114549442B (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108986164B (zh) | 基于图像的位置检测方法、装置、设备及存储介质 | |
US8848978B2 (en) | Fast obstacle detection | |
EP2608536B1 (en) | Method for counting objects and apparatus using a plurality of sensors | |
US9503658B2 (en) | Method for generating and evaluating an image | |
CN109740445B (zh) | 一种变尺寸的红外弱小目标检测方法 | |
CN105898107B (zh) | 一种目标物体抓拍方法及系统 | |
CN110083157B (zh) | 一种避障方法及装置 | |
CN110287907A (zh) | 一种对象检测方法和装置 | |
CN110335245A (zh) | 基于单目时空连续图像的网箱网衣破损监测方法及系统 | |
CN110231018B (zh) | 一种结构光测距方法、装置及计算机可读存储介质 | |
JP4156084B2 (ja) | 移動物体追跡装置 | |
CN110557628A (zh) | 一种检测摄像头遮挡的方法、装置及电子设备 | |
CN111862069A (zh) | 一种基于灰度梯度法的圆纬编横条疵点在线检测方法 | |
CN113780185A (zh) | 一种基于碳纤维的纬纱角度检测方法、设备及存储介质 | |
CN106887002A (zh) | 一种红外图像序列显著性检测方法 | |
CN104657997B (zh) | 一种镜头移位检测方法及装置 | |
CN109086696A (zh) | 一种异常行为检测方法、装置、电子设备及存储介质 | |
CN114549442B (zh) | 一种运动物体的实时监测方法、装置、设备及存储介质 | |
CN109658441B (zh) | 基于深度信息的前景检测方法及装置 | |
CN113781523A (zh) | 一种足球检测跟踪方法及装置、电子设备、存储介质 | |
CN116128769B (zh) | 摇摆运动机构的轨迹视觉记录系统 | |
CN116563276B (zh) | 一种化纤长丝在线缺陷检测方法及检测系统 | |
CN113487166A (zh) | 一种基于卷积神经网络的化纤飘丝质量检测方法及系统 | |
CN112633157A (zh) | 一种agv工作区域安全性的实时检测方法及系统 | |
CN117309759A (zh) | 缺陷检测系统、方法、电子设备和存储介质 |
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 |