CN114772220A - 一种带式输送机物料负载的实时检测方法 - Google Patents
一种带式输送机物料负载的实时检测方法 Download PDFInfo
- Publication number
- CN114772220A CN114772220A CN202210714071.2A CN202210714071A CN114772220A CN 114772220 A CN114772220 A CN 114772220A CN 202210714071 A CN202210714071 A CN 202210714071A CN 114772220 A CN114772220 A CN 114772220A
- Authority
- CN
- China
- Prior art keywords
- image
- belt conveyor
- pixel
- load
- point
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
- B65G43/08—Control devices operated by article or material being fed, conveyed or discharged
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种带式输送机物料负载的实时检测方法,属于智能化监测技术领域。本发明提供一种带式输送机物料负载的实时检测方法,该方法是一种基于逐点插补的断点断线连接方法,用于带式输送机实时负载横截面积的计算,进而结合带式输送机空载时所获得图像,即可求得带式输送机负载的瞬时截面积,并进行负载的单位质量的计算。优化了断点、断线扫描流程,在实现对于相机视野内断点和断线高效遍历与插补连续的同时,简化了激光线的细化流程,进而有效提高了线激光辅助视觉法的测量速度和精度,为带式输送机的智能调速提供更为可靠的依据,有力推动了带式输送机的智能化发展。
Description
技术领域
本发明涉及智能化监测技术领域,尤其涉及一种带式输送机物料负载的实时检测方法。
背景技术
带式输送机是散状物料连续输送领域的首选装备,同时也是井工煤矿和露天煤矿在煤炭生产过程中的主要运输装备,目前正向着长距离、高带速、大运量以及智能化、节能化的方向发展。诸多研究和实践表明,依据带式输送机的实时负载量,有策略性地对带式输送机进行速度调节是实现输送机节能的重要手段,因而负载量的测量精度和质量严重影响着带式输送机的速度调节,进而在影响节能效果的同时,可能会带来诸如溢料、输送带张力增大、电机电流增大等环境问题或安全运行风险和隐患。依据带式输送机实时负载量有针对性地对带式输送机进行调速是实现解决上述问题的重要技术手段,然而对实时负载量的测量,这是调速的基础或依据。
线激光辅助视觉的负载量测量方法是当前行业领域内最具性价比的测量方法之一,该技术通过线激光的照射凸显了物料表面轮廓形状,而后经过机器视觉与图像处理技术实现对于物料负载瞬时横截面积的计算,最后结合带式输送机的带速、物料的堆积密度等,可分别实现对于物料负载体积和质量的计算。煤流检测的关键在于对实时煤流负载横截面积的计算,即对于瞬时煤流边缘轮廓的有效提取。文献CN112945323A中一种上煤流量检测方法,通过采集输送空载时横截面下轮廓线;以及输送带载煤时横截面上轮廓线;根据上下轮廓线计算出上煤瞬时流量。文献CN110207781A中公开了一种散状物料动态计量方法和系统,步骤1:检测物料输送的速度信号;采集物料的离散高度信号,根据离散高度信号拟合出测量点的截面上轮廓线;统计图像处理,提取出水平方向边界轮廓信息以修正截面上轮廓线;根据修正后的物料轮廓信息计算截面面积,再结合采集频率计算出物料体积元,最后根据物料体积元、速度信号和输送运行时间计算物料输送总量。
但由于受到物料块度、物料位置的随机性以及物料表面反光等因素的影响,呈现于相机视野内的物料轮廓线,往往随机存在着诸多断点、断线,这严重影响后续图像处理算法的进行,进而影响测量结果的精度和质量;同时,激光线宽度的存在也会对测量结果产生影响。这些测量结果精度的不可靠性将严重影响着带式输送机的智能调速,进而影响着带式输送机的节能化运行,甚至影响带式输送机的安全运行。因此,本发明提供了精度较高、较为便捷的用于带式输送机负载检测的方法。
发明内容
为解决上述技术问题,本发明提供一种带式输送机物料负载的实时检测方法,该方法是一种基于逐点插补的断点断线连接方法,用于带式输送机实时负载横截面积的计算,进而结合带式输送机空载时所获得图像,即可求得带式输送机负载的瞬时截面积,并进行负载的单位质量的计算。优化了断点、断线扫描流程,在实现对于相机视野内断点和断线高效遍历与插补连续的同时,简化了激光线的细化流程,进而有效提高了线激光辅助视觉法的测量速度和精度,为带式输送机的智能调速提供更为可靠的依据,有力推动了带式输送机的智能化发展。
在本发明中的一种带式输送机物料负载的实时检测方法,该方法包括以下步骤:步骤1:通过线激光辅助视觉法采集包含带式输送机物料负载轮廓在内的图像;步骤2:将步骤1所采集的图像,通过预处理获得二值图像;步骤3:将获取的二值图像,采用从上到下从左到右的遍历方式查找定位图像中灰度值为255的像素点的位置坐标,并选择性输出;同时对不存在灰度值为255的像素区域进行逐点插补,使得输出像素点坐标在图像宽度方向上连续,得到连续像素点坐标;步骤4:基于步骤3得到的连续像素点坐标,通过数据平滑手段实现像素点坐标在图像高度方向的平滑连续;步骤5:将得到的连续平滑像素坐标点通过计算得出带式输送机物料负载的瞬时截面积,从而计算出单位瞬时物料负载。
进一步地,步骤2所述的预处理包含对图像进行ROI选择、图像灰度变换、图像二值化预处理操作,从而获得图像的二值图像。
进一步地,步骤3所述的选择性输出方式为,当某一列像素中同时出现多个灰度值为255的像素点时,按照从上到下的遍历方式,在遍历到第一个满足条件的像素点时,输出该像素点坐标并结束对当前列的遍历,而后按照从左到右的遍历顺序开始对于下一列的遍历。
进一步地,所述的不存在灰度值为255的像素区域,指的是在图像的某一列像素中,所有像素点的灰度值均不为255的像素区域。
进一步地,由于带式输送机在装载后,物料负载的截面底部曲线呈开口向上圆弧状,以带式输送机截面所在平面建立坐标系,所述的逐点插补为:将图像沿宽度方向以抛物线中心线对称标记为左半部和右半部,当图像在第x列中存在灰度值为255的像素点,则该列从上到下第一个满足条件的像素点的坐标记为(x,y),当第x+1中不存在灰度值为255的像素点,则对第x+1列应进行逐点插补,插补后输出的坐标应为(x+1,yc),当x位于图像左半部分时,yc=y-1,当x位于图像右半部分时,yc=y+1。
进一步地,步骤5是基于步骤4累加所有图像高度方向的平滑连续像素点的纵坐标的值表征激光线与坐标轴围成的面积;记输送机空载时激光线与坐标轴围成的面积为S0,记输送机负载时激光线与坐标轴围成的面积为S1,记输送机的瞬时物料负载横截面积为S,则可得S=S0-S1;在得到瞬时物料负载横截面积S的基础上,结合输送机带速和物料堆积密度计算得到瞬时物料负载质量。
采用上述技术方案后,本发明与现有技术相比具有以下有益效果:
1.本发明提出了一种带式输送机物料负载的实时检测方法,该方法结合了带式输送机负载截面的结构形式,有效提高了线激光辅助视觉法的测量精度。
2.本发明的方法简化了对于线激光辅助视觉法中的线激光细化流程,降低了图像处理算法的复杂度。
3.本发明优化了对于视野图像内断点、断线的遍历与插值流程,省去了优先提高了算法的实时性。
本发明提供的技术方案针对现有线激光辅助视觉法在测量带式输送机负载时存在的粗激光线、断点和断线发现速度慢、连接与拟合效率低、精度差等问题,提出了一种带式输送机物料负载的实时检测方法,简化了现有技术中激光线的细化、间断点判别、线性插值等流程,有效地提高了线激光辅助视觉法的测量精度和速度,从而为带式输送机的智能调速提供了更为可靠的依据,有助于推进带式输送机智能化的进一步建设。
附图说明
从结合附图的以下详细说明中,将会使本发明的上述和其他目的及优点更加完整清楚。
图1为本发明的实施例的带式输送机物料负载实时检测流程示意图。
图2为本发明中线激光采集到的带式输送机空载时截面图。
图3为本发明中线激光采集到的带式输送机负载时截面图。
图4为图3经过预处理操作后激光线轮廓图。
图5为本发明中带式输送机物料负载截面计算示意图。
附图标记:1-坐标丢失区域,2-坐标重叠区域。
具体实施方式
下面结合实施例对本发明进行进一步详细的说明。本发明的优点和特点将会随着描述而更为清楚。但这些实施例仅是范例性的,并不对本发明的范围构成任何限制。本领域技术人员应该理解的是,在不偏离本发明的精神和范围下可以对本发明技术方案的细节和形式进行修改或替换,但这些修改和替换均落入本发明的保护范围内。
诸如“包含”和“包括”之类的用语表示除了具有在说明书和权利要求书中有直接和明确表述的部件以外,本发明的技术方案也不排除具有未被直接或明确表述的其它部件的情形。在本文的描述中,使用了“上”、“下”、“前”、“后”等方位术语中,应当理解到,这些方向性术语是相对的概念,它们用于相对位置的描述和澄清,其对应的具体定向可以根据相机的方位的变化而相应地发生变化。
本发明提供一种带式输送机物料负载的实时检测方法,在本发明中的一种带式输送机物料负载的实时检测方法,如图1所示该方法包括以下步骤:步骤1:通过线激光辅助视觉法采集包含带式输送机物料负载轮廓在内的图像;步骤2:将步骤1所采集的图像,通过预处理获得二值图像;步骤3:将获取的二值图像,采用从上到下从左到右的遍历方式查找定位图像中灰度值为255的像素点的位置坐标,并选择性输出;同时对不存在灰度值为255的像素区域进行逐点插补,使得输出像素点坐标在图像宽度方向上连续,得到连续像素点坐标;步骤4:基于步骤3得到的连续像素点坐标,通过数据平滑手段实现像素点坐标在图像高度方向的平滑连续;步骤5: 将得到的连续平滑像素坐标点通过计算得出带式输送机物料负载的瞬时截面积,从而计算出单位物料负载。
在本实施例中,图2为本发明中线激光采集到的带式输送机空载时截面图。用于后续步骤中计算输送机空载时激光线与坐标轴围成的面积。
图3为本发明中线激光采集到的带式输送机负载时截面图,即通过步骤1获得的线激光辅助视觉法采集包含带式输送机物料负载轮廓在内的图像,在此基础上,经过步骤2的处理获得通过预处理获得二值图像,在实际实施例中图2和图3为彩色照片。
该方法是一种基于逐点插补的断点断线连接方法,用于带式输送机实时负载横截面积的计算,进而结合带式输送机空载时所获得图像,即可求得带式输送机负载的瞬时截面积,并进行负载的单位质量的计算。优化了断点、断线扫描流程,在实现对于相机视野内断点和断线高效遍历与插补连续的同时,简化了激光线的细化流程,进而有效提高了线激光辅助视觉法的测量速度和精度,为带式输送机的智能调速提供更为可靠的依据,有力推动了带式输送机的智能化发展。
在本发明的实施中,首先采集原始数据,通过变频器启动和控制电机运行速度为0.6m/s,同时在线激光发生器的位置,布置了二维激光扫描仪采集图像数据,采集包含带式输送机物料负载轮廓在内的图像,其中图形包括灰度图像或彩色图像。有利于实现较为精准的测量和为算法的精准度计算提供参考。线激光尽可能地安全装托辊的上方,这样可以有效避免因为输送带垂度变化造成的空载激光线位置的移动,能减少测量误差。
在本发明的实施例中步骤2所述的预处理为通过对图像进行ROI选择、图像灰度变换、图像二值化预处理操作,从而获得图像的二值图像,所得的图像如图4所示。
如图4所示,在经过图像的预处理操作之后,画面中仅剩存由灰度值为255的离散点组成的激光线轮廓,可以清楚地看到该轮廓存在一定的宽度,即图4中所示2区域,即,坐标重叠区域2,所显示的坐标重复,该区域内的轮廓线存在一个共性,即一个固定的x值会对应多个y值;同时,图4中所示的离散点之间会存在较大的间隔,如2区域所示,区域内没有坐标点,即相应的x值不存在y值与之对应。如果直接对该有宽度、有较大间隔的离散点进行拟合,将可能导致较大的误差。针对于激光线轮廓存在宽度即坐标重叠的问题,在本发明中,有针对性地对这些点进行了选择:沿图4中所示x轴正方向,对图像中每一列像素的灰度值沿y轴正方向进行顺序遍历,当读取到第一个灰度值为255的像素点时,输出该像素点的坐标并结束对于当前列灰度值的遍历并针对下一列开展同样的遍历工作,这就意味着当一个x对应多个y值时,仅取y值最小的点所对应的坐标。当扫描至图4所示的1所在区域,在此区域出现断点,即坐标丢失区域1时, 某一列中所有像素点的灰度值均为0,该列不能输出相应的坐标点,此时便需要相应的插值方式用于保证轮廓线坐标点的连续。
在本发明的实施例中步骤3所述的选择性输出方式为,当某一列像素中同时出现多个灰度值为255的像素点时,按照从上到下的遍历方式,在遍历到第一个满足条件的像素点时,输出该像素点坐标并结束对当前列的遍历,而后按照从左到右的遍历顺序开始对于下一列的遍历。
在本发明的实施例中,所述的不存在灰度值为255的像素区域,指的是在图像的某一列像素中,所有像素点的灰度值均不为255的像素区域。
在本发明的实施例中,由于带式输送机在装载后,物料负载的截面底部曲线呈开口向上圆弧状,以带式输送机截面所在平面建立坐标系,所述的逐点插补为:将图像沿宽度方向以抛物线中心线对称标记为左半部和右半部,当图像在第x列中存在灰度值为255的像素点,则该列从上到下第一个满足条件的像素点的坐标记为(x,y),当第x+1中不存在灰度值为255的像素点,则对第x+1列应进行逐点插补,插补后输出的坐标应为(x+1,yc),当x位于图像左半部分时,yc=y-1,当x位于图像右半部分时,yc=y+1。但是,yc不能无限制的增大,它的值不能大于输送带处于空载时,包含激光线像素点的y坐标的最大值。
通过上述插值的方式即可实现图像上坐标点在图像宽度方向上的连续,即图像上的每一列都将输出一个像素点坐标。根据定积分近似值的计算方法,此时可以直接通过对y坐标的值进行求和得到该轮廓线与坐标轴所围成的面积。但该方法并不能保证数据点在图像高度方向上的连续性,因而需要一定的处理手段进行数据平滑,最终计算得到负载横截面积。
在本文中所采用的数据平滑手段为Savitzky Golay (S-G) Method,它能够在不改变数据趋势、宽度的情况下提高数据的精度,其核心思想是对一定窗口宽度内的数据点进行k阶多项式的拟合,并通过滑动窗口的方法实现对于全局数据的拟合处理。
在本发明的实施例中,如图5所示,步骤5是基于步骤4累加所有图像高度方向的平滑连续像素点的纵坐标的值表征激光线与坐标轴围成的面积;记输送机空载时激光线与坐标轴围成的面积为S0,记输送机负载时激光线与坐标轴围成的面积为S1,记输送机的瞬时物料负载横截面积为S,则可得S=S0-S1;在得到瞬时物料负载横截面积S的基础上,结合输送机带速和物料堆积密度可计算得到瞬时物料负载量,也可以得到在一个测量周期内的物料负载质量。
Claims (6)
1.一种带式输送机物料负载的实时检测方法,其特征在于:该方法包括以下步骤:步骤1:通过线激光辅助视觉法采集包含带式输送机物料负载轮廓在内的图像;步骤2:将步骤1所采集的图像,通过预处理获得二值图像;步骤3:将获取的二值图像,采用从上到下从左到右的遍历方式查找定位图像中灰度值为255的像素点的位置坐标,并选择性输出;同时对不存在灰度值为255的像素区域进行逐点插补,使得输出像素点坐标在图像宽度方向上连续,得到连续像素点坐标;步骤4:基于步骤3得到的连续像素点坐标,通过数据平滑手段实现像素点坐标在图像高度方向的平滑连续;步骤5:将得到的连续平滑像素坐标点通过计算得出带式输送机物料负载的瞬时截面积,从而计算出瞬时物料负载。
2.根据权利要求1所述的一种带式输送机物料负载的实时检测方法,其特征在于:步骤2所述的预处理包含对图像进行ROI选择、图像灰度变换、图像二值化预处理操作,从而获得图像的二值图像。
3.根据权利要求1所述的一种带式输送机物料负载的实时检测方法,其特征在于:步骤3所述的选择性输出方式为,当某一列像素中同时出现多个灰度值为255的像素点时,按照从上到下的遍历方式,在遍历到第一个满足条件的像素点时,输出该像素点坐标并结束对当前列的遍历,而后按照从左到右的遍历顺序开始对于下一列的遍历。
4.根据权利要求1所述的一种带式输送机物料负载的实时检测方法,其特征在于:所述的不存在灰度值为255的像素区域,指的是在图像的某一列像素中,所有像素点的灰度值均不为255的像素区域。
5.根据权利要求1所述的一种带式输送机物料负载的实时检测方法,其特征在于:由于带式输送机在装载后,物料负载的截面底部曲线呈开口向上圆弧状,以带式输送机截面所在平面建立坐标系,所述的逐点插补为:将图像沿宽度方向以抛物线中心线对称标记为左半部和右半部,当图像在第x列中存在灰度值为255的像素点,则该列从上到下第一个满足条件的像素点的坐标记为(x,y),当第x+1中不存在灰度值为255的像素点,则对第x+1列应进行逐点插补,插补后输出的坐标应为(x+1,yc),当x位于图像左半部分时,yc=y-1,当x位于图像右半部分时,yc=y+1。
6.根据权利要求1所述的一种带式输送机物料负载的实时检测方法,其特征在于:步骤5是基于步骤4累加所有图像高度方向的平滑连续像素点的纵坐标的值表征激光线与坐标轴围成的面积;记输送机空载时激光线与坐标轴围成的面积为S0,记输送机负载时激光线与坐标轴围成的面积为S1,记输送机的瞬时物料负载横截面积为S,则可得S=S0-S1;在得到瞬时物料负载横截面积S的基础上,结合输送机带速和物料堆积密度计算得到瞬时物料负载质量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210714071.2A CN114772220B (zh) | 2022-06-23 | 2022-06-23 | 一种带式输送机物料负载的实时检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210714071.2A CN114772220B (zh) | 2022-06-23 | 2022-06-23 | 一种带式输送机物料负载的实时检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114772220A true CN114772220A (zh) | 2022-07-22 |
CN114772220B CN114772220B (zh) | 2022-10-14 |
Family
ID=82422455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210714071.2A Active CN114772220B (zh) | 2022-06-23 | 2022-06-23 | 一种带式输送机物料负载的实时检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114772220B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108981842A (zh) * | 2018-08-17 | 2018-12-11 | 湖北凯瑞知行智能装备有限公司 | 基于激光线性光源辅助的胶带物料堆形体积计算及偏载和堵料识别方法 |
CN109472822A (zh) * | 2018-12-29 | 2019-03-15 | 上海大学 | 基于深度图像处理的物体尺寸测量方法 |
US20210009359A1 (en) * | 2019-07-11 | 2021-01-14 | SYNCRUDE CANADA LTD. in trust for the owners of the Syncrude Projects as such owners exist now and | Monitoring a transverse position of a conveyor belt and its material load by digital image analysis |
CN112561887A (zh) * | 2020-12-18 | 2021-03-26 | 中国矿业大学 | 基于深度迁移学习的带式输送机煤流量双目视觉测量方法 |
CN112614176A (zh) * | 2020-11-27 | 2021-04-06 | 大连海事大学 | 一种带式传送机物料体积测量方法、装置及存储介质 |
CN113592858A (zh) * | 2021-08-27 | 2021-11-02 | 山西安数智能科技有限公司 | 一种煤流检测方法 |
-
2022
- 2022-06-23 CN CN202210714071.2A patent/CN114772220B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108981842A (zh) * | 2018-08-17 | 2018-12-11 | 湖北凯瑞知行智能装备有限公司 | 基于激光线性光源辅助的胶带物料堆形体积计算及偏载和堵料识别方法 |
CN109472822A (zh) * | 2018-12-29 | 2019-03-15 | 上海大学 | 基于深度图像处理的物体尺寸测量方法 |
US20210009359A1 (en) * | 2019-07-11 | 2021-01-14 | SYNCRUDE CANADA LTD. in trust for the owners of the Syncrude Projects as such owners exist now and | Monitoring a transverse position of a conveyor belt and its material load by digital image analysis |
CN112614176A (zh) * | 2020-11-27 | 2021-04-06 | 大连海事大学 | 一种带式传送机物料体积测量方法、装置及存储介质 |
CN112561887A (zh) * | 2020-12-18 | 2021-03-26 | 中国矿业大学 | 基于深度迁移学习的带式输送机煤流量双目视觉测量方法 |
CN113592858A (zh) * | 2021-08-27 | 2021-11-02 | 山西安数智能科技有限公司 | 一种煤流检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114772220B (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112598001B (zh) | 一种基于多模型融合的船舶水尺读数自动识别方法 | |
CN115239704B (zh) | 一种木材表面缺陷的精准检测修复方法 | |
CN102169542B (zh) | 文字识别中粘连字符的切分方法和装置 | |
CN107798330A (zh) | 一种焊缝图像特征信息提取方法 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN110619328A (zh) | 基于图像处理和深度学习的船舶水尺读数智能识别方法 | |
CN111191730B (zh) | 一种面向嵌入式深度学习的超大尺寸图像目标检测方法及系统 | |
CN107525810A (zh) | 一种基于3d成像的集装箱破损检测设备及方法 | |
CN118096744B (zh) | 用于传送带损坏的检测方法和检测系统 | |
CN110728269B (zh) | 一种基于c2检测数据的高铁接触网支柱杆号牌识别方法 | |
CN114004858A (zh) | 基于机器视觉识别航空线缆表面编码的方法及装置 | |
CN112857252A (zh) | 一种基于反射率强度的隧道影像边界线检测方法 | |
CN116071692A (zh) | 一种基于形态学图像处理的水尺水位识别方法及系统 | |
CN114772220B (zh) | 一种带式输送机物料负载的实时检测方法 | |
CN114529555A (zh) | 一种基于图像识别的烟箱高效进出库检测方法 | |
CN111626104B (zh) | 一种基于无人机红外热像的电缆隐患点检测方法和装置 | |
CN113610054A (zh) | 一种水下结构病害深度检测方法、系统、装置及存储介质 | |
CN112338898A (zh) | 物体分选系统的图像处理方法、装置及物体分选系统 | |
CN115330769B (zh) | 一种用于铝管表面擦伤压坑的缺陷检测方法 | |
CN116626040A (zh) | 一种轨道与隧道的病变检测方法 | |
CN115457563A (zh) | 一种零漏检兼低误识的船体水尺读取方法 | |
CN115352832A (zh) | 一种皮带撕裂检测方法 | |
US6597805B1 (en) | Visual inspection method for electronic device, visual inspecting apparatus for electronic device, and record medium for recording program which causes computer to perform visual inspecting method for electronic device | |
CN114359378A (zh) | 一种带式输送机巡检机器人定位方法 | |
CN112651936A (zh) | 基于图像局部熵的钢板表面缺陷图像分割方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |