CN114563412A - 一种转向架装配质量检测方法 - Google Patents
一种转向架装配质量检测方法 Download PDFInfo
- Publication number
- CN114563412A CN114563412A CN202210213166.6A CN202210213166A CN114563412A CN 114563412 A CN114563412 A CN 114563412A CN 202210213166 A CN202210213166 A CN 202210213166A CN 114563412 A CN114563412 A CN 114563412A
- Authority
- CN
- China
- Prior art keywords
- bogie
- detection
- acquiring
- image data
- image
- 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
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- 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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明提供了一种检测转向架装配质量的方法,包括:识别转向架及驱动所述转向架进入或驶出检测位;对在所述检测位内的转向架进行数据采集;基于缺陷类型,分别处理所述数据,判断缺陷是否存在,若否则完成检测,若是则报警,将检测结果储存至数据库。本发明提供的方法,通过识别所述转向架,从数据库中调用对应的检测策略,为后续转向架的检测实现快速对应,通过对所述转向架进行不同方式的数据采集,针对缺陷类型的不同对所述采集的数据进行不同的数据处理,适应多种不同型号的转向架的检测以及可以对应的同时输出多种不同类型的缺陷问题,并对缺陷检测结果储存至数据库,为今后的检测提供学习样本,增加检测的准确度和适配度。
Description
技术领域
本发明涉及缺陷检测领域,具体涉及一种转向架装配质量检测方法。
背景技术
转向架是列车的重要部件,由诸多螺栓连接件、气管、电机、齿轮箱、金属结构等组成,结构复杂。其生产通常包含构架焊接、喷漆、部件装配、必备的测试、质检、装车环节。
对转向架的质检工作是在测试环节之后,装车环节之前,属于转向架生产的最后一个环节。可通俗的理解为转向架的出厂检验。
转向架装配质量的典型检验项目包含部件是否有漏装、标记是否清晰、注入防锈油等防护措施是否有执行、部件安装的尺寸是否符合设计预期、转向架上是否有生产过程中遗落的工器具等。
由于转向架的类型多种多样,且机械结构复杂,采用传统的人工检测作业,受人工主观因素影响,检查质量参差不齐,常有漏检项目;检测结果记录在纸质文件上,无法快速完成信息化存储和传递,很难实现检测项目信息化。
发明内容
有鉴于此,本申请提供一种转向架装配质量检测方法,实现对转向架的自动检测的同时,能够实现信息的储存和调用,
为了实现上述目的,本发明提供一种转向架装配质量检测方法,包括:
识别转向架并驱动所述转向架进入检测位;
对在所述检测位内的转向架进行待测点图像数据采集;
对所述图像数据进行处理,基于预设模板,判断所述待测点的图像数据与所述预设模板是否有差异,若否则通过检测,若是则存在缺陷。
优选的,所述识别转向架具体为:
获取转向架身份信息;
调用与所述身份信息相对应的检测策略。
优选的,所述获取转向架身份信息具体为:
获取转向架铭牌图像信息,或获取所述转向架RFID标签数据。
优选的,所述图像数据包括,所述转向架的全景图像和/或所述转向架的局部项点图像。
优选的,获取所述图像数据具体为:
获取所述转向架的全景图像;
获取所述转向架关键点的图像。
优选的,获取所述转向架的全景图像具体为:
获取所述转向架的上、下、左、右、前、后六个面的全景图像;
优选的,获取所述关键点的图像具体为:
获取所述转向架关键装配项点和预设项点图像,直至图像采集完成。
优选的,对所述图像数据进行处理,具体为:
分别获取2D或3D成像后的图像数据;
基于所述预设模板,提取所述成像后图像中的关键点特征;
或
基于所述预设模板,对所述图像数据进行配准,
或,
基于所述预设模板,对所述图像进行重构,获取尺寸信息;
优选的,判断所述待测点的图像数据与所述预设模板是否有差异,具体为:
判断提取特征是否超过阈值;
或
判断配准后的图像数据与所述预设模板的差异是否超过阈值;
或
判断尺寸信息是否有差异;
若否,则通过检测,输出合格证明;
若是,则进行缺陷报警,将检测结果储存至数据库;
优选的,还包括:
调用所述缺陷报警对应检测结果,根据所述报警缺陷部分对所述转向架进行修复;
采集修复后转向架相关图像,并确认修复缺陷,通过检测。
本发明为了解决目前在转向架装配后装配的质量是否符合出厂设置,提供了一种解决人工检查,因主观因素影响,检查质量参差不齐,常有漏检项目;检测结果记录在纸质文件上,无法快速完成信息化存储和传递的问题,提供了一套自动检测转向架装配质量的方法,包括:识别转向架及驱动所述转向架进入或驶出检测位;对在所述检测位内的转向架进行数据采集;基于缺陷类型,分别处理所述数据,判断缺陷是否存在,若否则停止检测,若是则报警,将检测结果储存至数据库。本发明提供的方法,通过识别所述转向架,从数据库中调用对应的检测策略,为后续转向架的检测实现快速对应,通过对所述转向架进行不同方式的数据采集,针对缺陷类型的不同对所述采集的数据进行不同的数据处理,适应多种不同型号的转向架的检测以及可以对应的同时输出多种不同类型的缺陷问题,并对缺陷检测结果储存至数据库,为今后的检测提供学习样本,增加检测的准确度和适配度,并且可以通过实时更新检测模型,来增加检测系统的灵活性。
附图说明
图1本发明实施例提供的检测流程示意图;
图2本发明实施例提供的转向架关键部件标记工艺缺陷图;
图3本发明实施例提供的转向架关键部件部件错装缺陷图;
图4本发明实施例提供的转向架关键部件尺寸超差缺陷图;
图5本发明实施例提供的转向架关键部件外观破损缺陷图;
图6本发明实施例提供的转向架关键部件遗留异物缺陷图;
图7本发明实施例提供的转向架检测数据库架构。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案,下面结合附图和具体实施例对本发明作进一步的详细说明。
转向架是列车运行的关键部件,装配质量直接影响到列车的运营安全。而转向架的结构复杂,零部件较多。典型的检验项目包含部件是否有漏装、标记是否清晰、注入防锈油等防护措施是否有执行、部件安装的尺寸是否符合设计预期、转向架上是否有生产过程中遗落的工器具等。由于转向架的类型多种多样,且机械结构复杂,采用传动的人工检测作业,很难全面的发现上述问题,也很难将上述检测项目信息化。
如图1所示,本发明提供了一种转向架的检测方法,包括,识别转向架并驱动所述转向架进入检测位;
对在所述检测位内的转向架进行待测点图像数据采集;
对所述图像数据进行处理,基于预设模板,判断所述待测点的图像数据与所述预设模板是否有差异,若否则通过检测,若是则存在缺陷。
本发明提供的方法,首先对所述转向架进行识别,具体方法为获取转向架身份信息;识别所述身份信息,调用与所述身份信息相对应的检测策略。通过获取转向架上的转向架铭牌图像信息,或获取所述转向架RFID标签数据,来获取转向架的身份信息,并调用系统中已经预设的身份信息对应的检测策略,能够使检测马上明确检测的步骤,以及缺陷类型等信息,并进行后续检测。
当识别身份信息后,驱动所述转向架进入检测位,对在所述检测位内的转向架进行图像数据采集,具体为:
获取所述检测位内的转向架的关键图像数据;所述图像数据包括,所述转向架的全景图像和/或所述转向架的局部项点图像。优选的,获取所述图像数据具体为:获取所述转向架的全景图像和所述转向架关键点的图像。
而获取所述转向架的全景图像具体为:获取所述转向架的上、下、左、右4个面的全景图像;获取所述转向架前、后2个面的全景图像;获取所述转向架关键点的图像具体为:获取所述转向架关键装配项点图像和所述转向架预设项点图像;重复上述操作,直至关键点图像采集完成。
在本发明的一个具体的实施例中,所述转向架全景图像,包含2D和3D图像,包含从6个面分别拍摄的全景图;
转向架关键点图像数据,包含2D和3D图像。典型的关键点图像如紧固螺栓、空气弹簧、气管接头、电机、接线盒等部件。
在转向架行进方向上的底部、顶部、左侧、右侧,分别安装一组线扫相机,用以获取转向架的底部、顶部、左侧、右侧的全景2D和3D图像。利用底部的机械臂,携带相机,完成对转向架前后两个端部的2D和3D图像采集。通过上述方法,可以获取转向架的6个面的全景图像。
当转向架停靠在轨道上静止时,通过控制不同位置(底部、左侧、右侧)的机械臂,通过机械臂上安装的相机,对转向架上指定的装配质量控制点进行2D和3D图像采样。
在一个具体的实施例中,首先转向架一次性通过检测区域,完成转向架上、下、左、右全景图的图像采集。然后转向架停靠在预设的A点,完成转向架前、后全景图的图像采集。然后转向架停靠在预设B点,完成预设的转向架关键装配项点图像采集。转向架停靠在预设C点,继续完成预设项点图像采集。转向架继续按预设位置停靠,直到所有预设的关键装配项点图像采集完成。转向架被驶出检测区。
图像数据采集完成后,基于缺陷类型,分别处理所述数据,具体为:
分别获取2D或3D成像后的图像数据;基于所述预设模板,提取图像数据中的关键点特征;或,基于所述预设模板,对所述图像数据进行配准,或,基于所述预设模板,对所述图像数据进行重构,获取尺寸信息;所述预设模板是根据缺陷类型进行预设的检测模板,同时优选的本发明的预设模板也对应了不同型号转向架的检测策略,在调用相应的检测策略后,所述预设模板会自动被用于检测和图像数据的处理。优选的,本发明所述缺陷类型具体为:标记工艺、部件错装、尺寸超差、外观破损、遗留异物。这里获取2D或3D成像后的图像数据,可以是基于需要检测的缺陷类型,将采集到的全景图像和/或关键点图像数据进行2D或3D的图像数据筛选和调用,所述2D或3D的图像数据是通过拍摄装置拍摄后针对转向架全景或关键点进行2D或3D成像得到的。
所述图像数据处理完成后,判断所述待测点的图像数据与所述预设模板是否有差异,具体为:判断提取特征是否低于阈值;或,判断配准后的图像数据与所述预设模板的差异是否超过阈值;或,判断尺寸信息是否有差异;若否,则通过检测,输出合格证明;若是,则进行缺陷报警,将检测结果储存至数据库;
在本发明的另一个实施例中,基于所述缺陷类型,进行判断待测点图像数据与所述预设模板是否有差异,其中,
标记工艺优选为:利用彩色相机对所述转向架的互检线部位拍照并进行2D成像。然后利用深度学习算法中的语义分割技术(u-net网络),将预设模板中的目标物提取出来(即标记的互检线)。若提取结果少于阈值,则认为互检线不完整即标记不完整,将检测结果储存至数据库。若否,则说明检测通过。如图2所示,提取的互检线完整,说明标记工艺完整。
部件错装,优选为采用3D重构技术,首先对标准模型进行数据采集并定义标准模型中的关键点,得到预设模板,将实际采集到的待测转向架的3D数据与预设模板进行配准,根据配准前后的差异情况诊断部件是否漏装。若差异超过阈值即部件错装,将检测结果储存至数据库。若否,则通过检测。如图3所示,待测区域的部件错装。
尺寸超差,优选为通过对所述转向架进行3D重构,获取目标整理三维模型,基于该模型测量目标物的相关尺寸信息,上述尺寸信息包含了用户关心的尺寸值,如果测量尺寸值与预设模板中的尺寸值偏差超出阈值,则检测不通过,将检测结果储存至数据库。若否则检测通过,转向架合格。如图4所示,尺寸合格。
外观破损,优选为首先对检测区域进行2D成像,而后利用深度学习的语义分割技术(u-net网络),将破损外观的区域边界分割出来,判断提取的边界与预设模板相比,是否少于阈值,若是则通过检测,若否则进行报警,将检测结果储存至数据库。该方法需要对典型的外观破损形状进行监督学习。如图5所示,检测出有外观破损。
遗留异物,优选为获取待测转向架的3D图像数据,包括全景图像与关键点图像,并形成3D模型,将所述3D模型与预设模板的进行配准,判断配准后的3D模型上的差异是否超过阈值,若否,则通过检测;若是,则进行缺陷报警,说明该区域是否有异物存在。将检测结果储存至数据库。如图6所示,检测结果显示有异物遗留在该检测区域。
上述所述的所有缺陷类型,均设置对应缺陷类型的阈值,该阈值为针对每一种特定转向架以及缺陷类型,缺陷位置的检测的数值,本发明中不对具体的阈值的数值范围进行限定,是通过一些现有算法可以实现计算的结果。
另外,本发明对检测结果的判断均采用的是机器视觉的判断缺陷是否存在;若否,则通过检测,输出合格证明;若是,则进行缺陷报警,将检测结果储存至数据库;调用所述缺陷报警对应检测结果,根据所述报警缺陷部分对所述转向架进行修复;采集修复后转向架相关图像,并确认修复缺陷,通过检测。
在本发明一个具体的实施例中检测完成后,将判定结果存入数据库,并预设规则对不合规的进行报警:本发明的数据库以采用多张数据表的形式承载数据,如图7所示数据表与数据表之间有严格的层级联系(如树形层级)。数据库最终将转向架上的每个独立部件以树形结构呈现出来,每个部件都能找到其对应的父级,直到转向架整体。
在数据库中存储有对转向架质量判断是否合规的判断原则,包含
标记线是否完整?若完整则标识前序工艺完整,若不完整则表示前序工艺有遗漏,报警提示补充执行遗漏的工艺。
部件是否有漏装?若检测到的部件(零件/元件)的三维模型与预设的不匹配,则评价为部件有漏装,报警提示更正。
部件是否错装?若检测到的部件(零件/元件)的三维模型与预设的不匹配,则评价为部件有错装,报警提示更正。或者通过OCR算法识别部件(零件/元件)表面的字符信息,若字符信息与预设不匹配,则报警提示更正。
尺寸超差?若检测到部件(零件/元件)的关键尺寸超出预设范围,则输出报警信息,要求整改。
外观破损?若通过外观比较检测到转向架整体外观有磨损现象,则输出报警信息,要求整改。
异物?通过三维外观比较检测到转向架上遗落有生产过程的异物,则输出报警信息,要求整改。
针对上述判断规则,存储有不同的报警形式,具体如下:
典型的报警形式是通过用户操作页面,推送报警提示,同时声光报警器输出提示音和提示光。
除此之外,报警数据还通过LTE网络推送到相关管理用户的终端设备。并展示典型的转向架编号、不合规的名称、数量、图像信息等。
在出现缺陷后,还应对所述缺陷进行修复,并确认是否已经修复具体的缺陷,确认流程
用户通过不合格项的图像信息确认机器视觉的预报结果正确性→将正确的报警纳入故障点(不合规项)管理→用户下载故障点(不合规项)相关信息→确认故障(装配不合规)信息→执行修复动作→拍摄修复完成后的图像→将修复后的图像上传至系统→人工确认已修复→系统关闭该故障(不合规)项。
确认方法
采用人工修复、人工点击确认的方法。但确认环节必须上传修复后的图像,已做闭环监控,且整个修复操作过程中会记录操作者登录信息、操作时间、操作步骤等信息,以备后期跟踪查验。
每个转向架的所有不合规项均得到确认关闭后,则说明检测通过,系统输出该转向架的检验合格证明。
按照本发明,其中一个实施例,本发明检测方法实际执行过程如下:
识别转向架,获取相关转向架的信息,匹配相关的检测策略。驱动系统将所述转向架拖入检测位,开始利用转向架驱动子系统的移动和机械臂移动的配合,通过数据采集子系统完成对转向架上所有待检测项点的数据采集,在数据采集的同时将数据传输至数据分析主机,由计算机利用图像处理方法识别出检测项点是否有故障,同时将故障信息展示在用户页面上,直到所有项点被检测完成,数据采集单元停止工作,转向架驱动子系统将转向架驶出检测位,检测结束。在上述检测过程中,若有意外情况触发安全防护单元(如有人闯入检测区域),则系统会立即暂停工作,直到人工干预,系统停止作业或者恢复作业。
本发明为了解决目前在转向架装配后装配的质量是否符合出厂设置,提供了一种解决人工检查,因主观因素影响,检查质量参差不齐,常有漏检项目;检测结果记录在纸质文件上,无法快速完成信息化存储和传递的问题,提供了一套自动检测转向架装配质量的方法,包括:识别转向架及驱动所述转向架进入或驶出检测位;对在所述检测位内的转向架进行数据采集;基于缺陷类型,分别处理所述数据,判断缺陷是否存在,若否则停止检测,若是则报警,将检测结果储存至数据库。本发明提供的方法,通过识别所述转向架,从数据库中调用对应的检测策略,为后续转向架的检测实现快速对应,通过对所述转向架进行不同方式的数据采集,针对缺陷类型的不同对所述采集的数据进行不同的数据处理,适应多种不同型号的转向架的检测以及可以对应的同时输出多种不同类型的缺陷问题,并对缺陷检测结果储存至数据库,为今后的检测提供学习样本,增加检测的准确度和适配度,并且可以通过实时更新检测模型,来增加检测系统的灵活性。
以上仅是本发明的优选实施方式,应当指出的是,上述优选实施方式不应视为对本发明的限制,本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说,在不脱离本发明的精神和范围内,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种转向架装配质量检测方法,其特征在于,包括:
识别转向架并驱动所述转向架进入检测位;
对在所述检测位内的转向架进行待测点图像数据采集;
对所述图像数据进行处理,基于预设模板,判断所述待测点的图像数据与所述预设模板是否有差异,若否则通过检测,若是则存在缺陷。
2.根据权利要求1所述的检测方法,其特征在于,所述识别转向架具体为:
获取转向架身份信息;
调用与所述身份信息相对应的检测策略。
3.根据权利要求2所述的检测方法,其特征在于,所述获取转向架身份信息具体为:
获取转向架铭牌图像信息,或获取所述转向架RFID标签数据。
4.根据权利要求1所述的检测方法,其特征在于,所述图像数据包括,所述转向架的全景图像和/或所述转向架的局部项点图像。
5.根据权利要求4所述的检测方法,其特征在于,获取所述图像数据具体为:
获取所述转向架的全景图像;
获取所述转向架关键点的图像。
6.根据权利要求5所述的检测方法,其特征在于,获取所述转向架的全景图像具体为:
获取所述转向架的上、下、左、右、前、后六个面的全景图像。
7.根据权利要求5所述的检测方法,其特征在于,获取所述关键点的图像具体为:
获取所述转向架关键装配项点和预设项点图像,直至图像采集完成。
8.根据权利要求1~7任意一项所述的检测方法,其特征在于,对所述图像数据进行处理,具体为:
分别获取2D或3D成像后的图像数据;
基于所述预设模板,提取所述成像后图像中的关键点特征;
或
基于所述预设模板,对所述图像数据进行配准,
或,
基于所述预设模板,对所述图像数据进行重构,获取尺寸信息。
9.根据权利要求8所述的检测方法,其特征在于,判断所述待测点的图像数据与所述预设模板是否有差异,具体为:
判断提取特征是否超过阈值;
或
判断配准后的图像数据与所述预设模板的差异是否超过阈值;
或
判断尺寸信息是否有差异;
若否,则通过检测,输出合格证明;
若是,则进行缺陷报警,将检测结果储存至数据库。
10.根据权利要求9所述的检测方法,其特征在于,还包括:
调用所述缺陷报警对应检测结果,根据所述报警缺陷部分对所述转向架进行修复;
采集修复后转向架相关图像,并确认修复缺陷,通过检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210213166.6A CN114563412A (zh) | 2022-03-04 | 2022-03-04 | 一种转向架装配质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210213166.6A CN114563412A (zh) | 2022-03-04 | 2022-03-04 | 一种转向架装配质量检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114563412A true CN114563412A (zh) | 2022-05-31 |
Family
ID=81717346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210213166.6A Pending CN114563412A (zh) | 2022-03-04 | 2022-03-04 | 一种转向架装配质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114563412A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071353A (zh) * | 2023-03-06 | 2023-05-05 | 成都盛锴科技有限公司 | 一种螺栓装配检测方法及系统 |
-
2022
- 2022-03-04 CN CN202210213166.6A patent/CN114563412A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071353A (zh) * | 2023-03-06 | 2023-05-05 | 成都盛锴科技有限公司 | 一种螺栓装配检测方法及系统 |
CN116071353B (zh) * | 2023-03-06 | 2023-09-05 | 成都盛锴科技有限公司 | 一种螺栓装配检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109141232A (zh) | 一种基于机器视觉的盘类铸件在线检测方法 | |
US20190080446A1 (en) | System and method for automated defect detection | |
US9471057B2 (en) | Method and system for position control based on automated defect detection feedback | |
US11449980B2 (en) | System and method for combined automatic and manual inspection | |
US9726616B2 (en) | Machine for weaving or winding a fiber texture and enabling anomalies to be inspected by image analysis | |
US20160203593A1 (en) | Method and device for testing an inspection system for detecting surface defects | |
US10875592B2 (en) | Automobile manufacturing plant and method | |
CN111507147A (zh) | 智能巡检方法、装置、计算机设备和存储介质 | |
WO2019238890A1 (en) | Quality monitoring of industrial processes | |
CN114563412A (zh) | 一种转向架装配质量检测方法 | |
CN115035092A (zh) | 基于图像的瓶体检测方法、装置、设备及存储介质 | |
CN111223081A (zh) | 基于深度学习的零件开孔识别与检测方法及系统 | |
US20230419477A1 (en) | Anomaly detection system in the automatic placement of composites during the manufacturing of structural elements | |
JP2020042668A (ja) | 検査装置及び機械学習方法 | |
DE102017213060A1 (de) | Computerimplementiertes Verfahren und Vorrichtung zum automatischen Generieren von gekennzeichneten Bilddaten und Analysevorrichtung zum Überprüfen eines Bauteils | |
WO2010112894A1 (en) | Automated 3d article inspection | |
US20230111718A1 (en) | Mold inspection for composite fabrication with ai quality control modules | |
CN116664512A (zh) | 一种基于视觉识别的veh连接器组装安全监测报警系统 | |
DE102019208448A1 (de) | Verfahren zur Überprüfung eines Geräts oder einer Maschine | |
CN116106315A (zh) | 一种发动机外观检验装置、方法及存储介质 | |
JP2008170331A (ja) | 組み付け検査方法 | |
CN113727022B (zh) | 巡检图像的采集方法及装置、电子设备、存储介质 | |
JP7181257B2 (ja) | 原因分析システムおよび方法 | |
CN114092382A (zh) | 产品瑕疵标记装置和方法 | |
CN116309351B (zh) | 一种汽车工程物料供给加工系统 |
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 |