CN114677371B - 一种基于机器视觉的化工界面检测方法 - Google Patents
一种基于机器视觉的化工界面检测方法 Download PDFInfo
- Publication number
- CN114677371B CN114677371B CN202210483145.6A CN202210483145A CN114677371B CN 114677371 B CN114677371 B CN 114677371B CN 202210483145 A CN202210483145 A CN 202210483145A CN 114677371 B CN114677371 B CN 114677371B
- Authority
- CN
- China
- Prior art keywords
- interface
- gradient
- array
- response value
- searching
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 239000000126 substance Substances 0.000 title claims abstract description 21
- 230000004044 response Effects 0.000 claims abstract description 67
- 238000009499 grossing Methods 0.000 claims abstract description 5
- 230000000007 visual effect Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000011521 glass Substances 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 5
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000002834 transmittance Methods 0.000 claims description 3
- 238000011895 specific detection Methods 0.000 claims description 2
- 230000004438 eyesight Effects 0.000 abstract description 5
- 238000000034 method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000012824 chemical production Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004382 visual function Effects 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G01N2021/8405—Application to two-phase or mixed materials, e.g. gas dissolved in liquids
-
- 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
- G01N2021/8411—Application to online plant, process monitoring
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Immunology (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于机器视觉的化工界面检测方法,首先利用补光灯和视觉传感器获得界面图像,并将图像传输到视觉数据处理模块,然后对图像数据进行处理,包括检测区域标定、获取响应值数组、平滑响应值数组、计算响应值梯度,最后根据响应值及其梯度搜索界面并输出界面位置,包括第一次搜索界面下边界,搜索界面中心,搜索界面上边界,第二次搜索界面下边界,确定界面位置,通过上述方法,可以实时精确的测量化工界面位置,测量精度达到mm级,响应速度在200ms以内,完全满足化工生产自动化要求。
Description
技术领域
本发明属于化工检测技术领域,具体涉及一种基于机器视觉的化工界面检测方法。
背景技术
在化工生产过程中,经常需要检测界面在管道中的位置,用于控制生产操作。界面是指两体相之间的极薄的边界层,分为液-气、液-液、液-固、固-气、固-固。目前化工厂主要采用人工观察界面位置或浮筒式测量来进行相关操作;人工观察操作的方式有如下几个缺点:1、人工观察判断带有主观性,容易出现对界面的判断失误;2、需要不间断有人值守,人力成本高昂,许多化工生产并不适合人员在现场进行观察。浮筒式测量为利用设备中工艺介质对浮筒形成的浮力变化量进行界面测量,缺点为测量范围有限,一般为300-2000mm,界面波动较大时无法进行准确测量,受介质的限制比较多,需要介质密度稳定,两种介质之间的密度差大于0.1g/cm3,且要求介质比较洁净,对于高温、黏稠、密度变化较大的介质不宜采用。
随着视觉传感器的技术成熟与成本降低,以及边缘设备算力的不断增强,机器视觉技术越来越多的应用于工业检测中。机器视觉技术通过计算机模拟人类的视觉功能,从图像中提取信息,进行处理并加以理解,最终用于完成实际的检测功能。基于机器视觉的化工视镜界面检测技术,是机器视觉技术在化工界面检测的首次应用,在稳定的光学系统基础上,通过视觉传感器采集视镜图片,在边缘端对图像进行视觉特征提取计算,找出图像中的界面。基于机器视觉技术的界面检测技术,具备非接触式,可无人值守,高准确性,低功耗,低延迟等特点。
发明内容
本发明的目的在于克服上述局限,提供一种利用补光灯和视觉传感器获得界面图像,并将图像传输到视觉数据处理模块,然后对图像数据进行处理,最后根据响应值及其梯度搜索界面并输出界面位置。可以实时精确的测量化工界面位置,测量精度达到毫米级,响应速度在200ms以内,完全满足化工生产自动化要求的基于机器视觉的化工界面检测方法。
本发明的目的通过以下技术方案来实现:一种基于机器视觉的化工界面检测方法,包括界面图像获取和界面图像检测算法,具体检测步骤为:
(一)界面图像获取;
1A、首先在检测视镜背部安装补光灯,补光灯发射的光通过被检测介质,由于不同的被检测介质透光率不同,通过介质的光强度不同,形成明暗程度不同的图像;
1B、将视觉传感器安装在检测视镜前面,视觉传感器采集到的不同介质的明暗程度不同的图像,两种介质之间的界面为边界层,边界层的形成状态分为两种情况:①形成区别于界面上下两种介质的第三种介质,②仅为因两种介质明暗不同形成的边界线,视觉传感器对界面图像进行实时抓取,通过串口传输到边缘设备的视觉处理模块中;
(二)界面图像检测算法;
2A、检测区域标定;先定位需要检测的数据,在视镜图像上选取检测区域;
2B、响应值数组获取,从检测区域图像最后一行开始,由下往上求每一行的灰度平均值(或中值),将这些值存入一个一维数组中,称为响应值数组,且响应值数组平滑;
2C、扩展响应值数组,对扩展数组进行中值滤波,遍历数组,每次从当前响应值往后连续取S个响应值,求这S个响应值的中值,用中值替换当前响应值,进行响应值梯度计算;
2D、对平滑后的响应值数组在末端进行扩展,遍历扩展后的平滑数组;
2E、界面搜索,根据响应值及其梯度搜索最接近界面的行,界面由上下边界构成,界面一定有下边界;
2F、第一次搜索界面下边界,搜索界面中心,搜索界面上边界;
2G、第二次搜索界面下边界,确定界面位置。
优选的是,步骤2A中,选取图像上的检测区域为一个方形区域,并设定宽度w、高度为n,单位为mm。
优选的是,步骤2B中,响应值数组为V=[v0,v1…vn-2,vn-1],响应值数组平滑步长s。
优选的是,步骤2C中扩展响应值数组长度为n+s,响应值梯度计算,设定求梯度的步长为L。
对扩展数组Vtmp进行中值滤波,遍历数组,遍历完成后可获得经过平滑的响应值数组Vsmooth,步骤2D中,对平滑后的响应值数组Vsmooth在末端进行扩展,扩展后的长度为n+L,
Vsmooth=[vs0,vs1…vsn-1]
Vsmooth_exp=[vs0,vs1…vsn-1,vsn-L,vsn-L+1…vsn-1]。
遍历扩展后的平滑数组,对第i个响应值,其梯度计算公式为:
遍历完成后获得梯度数组(梯度值有正有负):
G=[g0,g1…gn-1]。
优选的是,步骤2F中,第一次搜索界面下边界为在[0,h-1]索引范围内查找梯度数组G中最大负梯度的值g-max及其行索引作为界面下边界,搜索界面中心为在索引范围内,在响应值数组Vsmooth中搜索最小响应值vsmin及其行索引搜索界面上边界为在[0,h-1]索引范围内查找近似梯度数组G中最大正梯度的值gmax及其行索引当最大正梯度的值大于强梯度阈值时,作为界面上边界,否则界面上边界不存在。
如果最大负梯度g′-max小于弱梯度阈值,则界面不存在,输出界面高度为0,如果最大负梯度g′-max大于弱梯度阈值,界面存在,最大负梯度的行索引就是界面位置,由于行索引的计量单位为像素,实际界面位置的计量单位为mm,界面的实际位置H为:
综上所述,本发明具有以下优点:可以实时精确的测量化工界面位置,测量精度达到mm级,响应速度在200ms以内,完全满足化工生产自动化要求。
附图说明
图1为本发明检测方步骤流程图。
具体实施方式
为了加深对本发明的理解,下面将结合实施例和附图对本发明作进一步详述,该实施例仅用于解释本发明,并不构成对本发明保护范围的限定。
如图1所示,本发明提供了一种基于机器视觉的化工界面检测方法,本方法是在视觉传感器和边缘设备等硬件基础上实现的完整的化工视镜界面检测功能,包括:界面图像获取、界面图像检测算法两个步骤,具体描述如下:
一、界面图像获取;
首先在检测视镜背部安装补光灯,补光灯发射的光通过被检测介质,由于不同的被检测介质透光率不同,通过介质的光强度不同,形成明暗程度不同的图像;
将视觉传感器安装在检测视镜前面,视觉传感器采集到的不同介质的明暗程度不同的图像,两种介质之间的界面为边界层,边界层的形成状态分为两种情况:①形成区别于界面上下两种介质的第三种介质,②仅为因两种介质明暗不同形成的边界线,视觉传感器对界面图像进行实时抓取,通过串口传输到边缘设备的视觉处理模块中;
二、界面图像检测算法;
检测区域标定。先定位需要检测的数据,在视镜图像上选取检测区域,该区域为一个方形区域,宽度w,高度为n,
响应值数组获取。从检测区域图像最后一行开始,由下往上求每一行的灰度平均值(或中值),
将这些值存入一个一维数组中,称为响应值数组V=[v0,v1...vn-2,vn-1],
响应值数组平滑。平滑步长s,
扩展响应值数组,长度为n+s
对扩展数组Vtmp进行中值滤波。遍历数组,每次从当前响应值往后连续取s个响应值,求这s个响应值的中值,用中值替换当前响应值。遍历完成后可获得经过平滑的响应值数组Vsmooth,
响应值梯度计算,设定求梯度的步长为L,
对平滑后的响应值数组Vsmooth在末端进行扩展,扩展后的长度为n+L,
Vsmooth=[vs0,vs1...vsn-1]
Vsmooth_exp=[vs0,vs1…vsn-1,vsn-L,vsn-L+1…vsn-1]
遍历扩展后的平滑数组,对第i个响应值,其梯度计算公式为:
遍历完成后获得梯度数组(梯度值有正有负):
G=[g0,g1…gn-1]
界面搜索,根据响应值及其梯度搜索最接近界面的行,界面一般由上下边界构成。界面一定有下边界,可能有上边界,设置参数:弱梯度阈值、强梯度阈值。
第二次搜索界面下边界,
确定界面位置,如果最大负梯度g′-max小于弱梯度阈值,则界面不存在,输出界面高度为0。如果最大负梯度g′-max大于弱梯度阈值,界面存在,最大负梯度的行索引就是界面位置。
Claims (6)
1.一种基于机器视觉的化工界面检测方法,包括界面图像获取和界面图像检测算法,其特征在于:具体检测步骤为:
(一)界面图像获取;
1A、首先在检测视镜背部安装补光灯,补光灯发射的光通过被检测介质,由于不同的被检测介质透光率不同,通过介质的光强度不同,形成明暗程度不同的图像;
1B、将视觉传感器安装在检测视镜前面,视觉传感器采集到的不同介质的明暗程度不同的图像,两种介质之间的界面为边界层,边界层的形成状态分为两种情况:①形成区别于界面上下两种介质的第三种介质,②仅为因两种介质明暗不同形成的边界线,视觉传感器对界面图像进行实时抓取,通过串口传输到边缘设备的视觉处理模块中;
(二)界面图像检测算法;
2A、检测区域标定;先定位需要检测的数据,在视镜图像上选取检测区域;
2B、响应值数组获取,从检测区域图像最后一行开始,由下往上求每一行的灰度平均值或中值,将这些值存入一个一维数组中,称为响应值数组,且响应值数组平滑;
2C、扩展响应值数组,对扩展数组进行中值滤波,遍历数组,每次从当前响应值往后连续取S个响应值,求这S个响应值的中值,用中值替换当前响应值,进行响应值梯度计算;
2D、对平滑后的响应值数组在末端进行扩展,遍历扩展后的平滑数组;
2E、界面搜索,根据响应值及其梯度搜索离界面最近的行,界面由上下边界构成,界面包含有下边界;
2F、第一次搜索界面下边界,搜索界面中心,搜索界面上边界;
2G、第二次搜索界面下边界,确定界面位置。
2.根据权利要求1所述的一种基于机器视觉的化工界面检测方法,其特征在于:所述步骤2A中,选取图像上的检测区域为一个方形区域,并设定宽度w、高度为n,单位为mm。
3.根据权利要求2所述的一种基于机器视觉的化工界面检测方法,其特征在于:所述步骤2B中,响应值数组为V=[v0,v1...vn-2,vn-1],响应值数组平滑步长s。
4.根据权利要求3所述的一种基于机器视觉的化工界面检测方法,其特征在于:所述步骤2C中扩展响应值数组长度为n+s,响应值梯度计算,设定求梯度的步长为L,
对扩展数组Vtmp进行中值滤波,遍历数组,遍历完成后可获得经过平滑的响应值数组Vsmooth,所述步骤2D中,对平滑后的响应值数组Vsmooth在末端进行扩展,扩展后的长度为n+L,
Vsmooth=[vs0,vs1...vsn-1]
Vsmooth_exp=[vs0,vs1...vsn-1,vsn-L,vsn-L+1...vsn-1]
遍历扩展后的平滑数组,对第i个响应值,其梯度计算公式为:
遍历完成后获得梯度数组,梯度值有正有负:
G=[g0,g1...gn-1]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210483145.6A CN114677371B (zh) | 2022-05-06 | 2022-05-06 | 一种基于机器视觉的化工界面检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210483145.6A CN114677371B (zh) | 2022-05-06 | 2022-05-06 | 一种基于机器视觉的化工界面检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114677371A CN114677371A (zh) | 2022-06-28 |
CN114677371B true CN114677371B (zh) | 2022-09-02 |
Family
ID=82079746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210483145.6A Active CN114677371B (zh) | 2022-05-06 | 2022-05-06 | 一种基于机器视觉的化工界面检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114677371B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104715478A (zh) * | 2015-03-05 | 2015-06-17 | 深圳市安健科技有限公司 | 一种检测影像图片中曝光区域的方法及系统 |
CN109829361A (zh) * | 2018-12-17 | 2019-05-31 | 深圳先进技术研究院 | 图像的处理方法及应用该方法的机器人、装置 |
CN111127402A (zh) * | 2019-12-06 | 2020-05-08 | 东莞理工学院 | 一种机器人焊接质量的视觉检测方法 |
CN113689451A (zh) * | 2021-09-01 | 2021-11-23 | 常州市宏发纵横新材料科技股份有限公司 | 一种碳板边界提取方法、装置、存储介质和电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106558030B (zh) * | 2016-11-15 | 2020-04-03 | 苏州大学 | 三维大视野扫频光学相干断层成像中脉络膜的分割方法 |
CN107274420B (zh) * | 2017-06-15 | 2020-08-14 | 中国水产科学研究院东海水产研究所 | 基于图像分割的海洋锋面提取方法 |
CN110751604B (zh) * | 2019-09-30 | 2023-04-25 | 佛山科学技术学院 | 一种基于机器视觉的钢管焊缝缺陷在线检测方法 |
CN111968086B (zh) * | 2020-08-13 | 2024-04-16 | 南通市海视光电有限公司 | 一种基于机器视觉的化工视镜分相检测方法 |
-
2022
- 2022-05-06 CN CN202210483145.6A patent/CN114677371B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104715478A (zh) * | 2015-03-05 | 2015-06-17 | 深圳市安健科技有限公司 | 一种检测影像图片中曝光区域的方法及系统 |
CN109829361A (zh) * | 2018-12-17 | 2019-05-31 | 深圳先进技术研究院 | 图像的处理方法及应用该方法的机器人、装置 |
CN111127402A (zh) * | 2019-12-06 | 2020-05-08 | 东莞理工学院 | 一种机器人焊接质量的视觉检测方法 |
CN113689451A (zh) * | 2021-09-01 | 2021-11-23 | 常州市宏发纵横新材料科技股份有限公司 | 一种碳板边界提取方法、装置、存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114677371A (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109145830B (zh) | 一种智能水尺识别方法 | |
CN110647850A (zh) | 一种基于逆透视原理的车道偏移自动测量方法 | |
CN112001958B (zh) | 基于有监督单目深度估计的虚拟点云三维目标检测方法 | |
CN102680481B (zh) | 棉纤维杂质的检测方法 | |
CN106643965B (zh) | 一种利用模板匹配精确识别液位的方法 | |
CN112991287B (zh) | 一种基于全卷积神经网络的自动压痕测量方法 | |
CN106023153B (zh) | 一种测量水体中气泡的方法 | |
CN115719339A (zh) | 基于双相机标定的螺栓尺寸高精度测量方法和装置 | |
CN115656182A (zh) | 基于张量投票主成分分析的板材点云缺陷检测方法 | |
CN117037132A (zh) | 一种基于机器视觉的船舶水尺读数检测和识别方法 | |
CN114677371B (zh) | 一种基于机器视觉的化工界面检测方法 | |
CN106570878A (zh) | 一种基于灰度差分的稠油微观界面检测方法 | |
CN115493740B (zh) | 利用机器视觉测量水轮机内部流道压力脉动的方法及系统 | |
CN111310651A (zh) | 一种基于偏振相机和rgb-d传感器的水面检测方法 | |
CN109932281B (zh) | 基于视觉的液体黏度在线测量方法 | |
CN111161264A (zh) | 一种对含有缺陷的tft电路图像的分割方法 | |
CN115471537A (zh) | 一种基于单目摄像头的移动目标距离与高度的测量方法 | |
CN115330705A (zh) | 一种基于自适应加权模板ncc的蒙皮漆面缺陷检测方法 | |
CN111968086B (zh) | 一种基于机器视觉的化工视镜分相检测方法 | |
CN113848209B (zh) | 一种基于无人机与激光测距的堤坝裂缝检测方法 | |
CN113688819B (zh) | 一种基于标记点的目标物期望点跟踪匹配方法 | |
Li et al. | Vehicle seat detection based on improved RANSAC-SURF algorithm | |
CN110599471B (zh) | 基于图像处理的雨量筒水平监测系统及其检测方法 | |
Xu et al. | An automatic recognition method of pointer instrument based on improved hough transform | |
CN114170202A (zh) | 基于面阵结构光3d视觉的焊缝分割与铣削判别方法及装置 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Chemical Interface Detection Method Based on Machine Vision Effective date of registration: 20230928 Granted publication date: 20220902 Pledgee: Jiangsu Nantong Rural Commercial Bank Co.,Ltd. Xingfu sub branch Pledgor: Nantong Haishi photoelectric Co.,Ltd. Registration number: Y2023980059738 |