CN114985300A - 一种瓦楞纸板生产线出口纸板分类方法及系统 - Google Patents
一种瓦楞纸板生产线出口纸板分类方法及系统 Download PDFInfo
- Publication number
- CN114985300A CN114985300A CN202210459528.XA CN202210459528A CN114985300A CN 114985300 A CN114985300 A CN 114985300A CN 202210459528 A CN202210459528 A CN 202210459528A CN 114985300 A CN114985300 A CN 114985300A
- Authority
- CN
- China
- Prior art keywords
- paperboard
- image
- shaped
- detected
- judging
- 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
- 239000011087 paperboard Substances 0.000 title claims abstract description 243
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012888 cubic function Methods 0.000 claims abstract description 31
- 239000011111 cardboard Substances 0.000 claims description 17
- 238000009795 derivation Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000003908 quality control method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 239000000123 paper Substances 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
Images
Classifications
-
- 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
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种瓦楞纸板生产线出口纸板分类方法及系统,该方法包括:获取待测纸板图像并将待测纸板图像拟合为一元三次函数模型;计算一元三次函数模型的极值点个数并对待测纸板图像进行初步判别,得到初步判别结果;计算纸板两侧导数的差值并对初步判别结果进行判别,得到待测纸板图像类型。该系统包括:图像拟合模块、初步判别模块和最终判别模块。通过使用本发明,能够解决现有的瓦楞纸板生产线出口纸板依赖人工分类的技术问题。本发明作为一种瓦楞纸板生产线出口纸板分类方法及系统,可广泛应用于生产质量控制领域。
Description
技术领域
本发明涉及生产质量控制领域,尤其涉及一种瓦楞纸板生产线出口纸板分类方法及系统。
背景技术
20世纪以后,随着互联网购物的不断蓬勃发展,瓦楞纸板制成的包装容器由于其美观以及对商品保护性高的性能和优点,使得瓦楞纸板开始被全面的推广和使用。瓦楞纸板生产由原纸瓦楞成型、纸板成型和裁切堆叠等关键环节组成,其质量控制和效率的保证不但涉及到关键环节使用设备的数据分析和智能化控制,也涉及了瓦楞纸板生产线的有效过程控制问题。
目前,国内已经投产的瓦楞纸板生产线在出口纸板类型的检测以及质量控制上主要采用现场工程师人眼判断和识别,在市场竞争日趋激烈,科学技术不断更新,新的包装材料不断被研制面世的今天,瓦楞纸板要想能有进一步的突破性发展,就必须适应不断变化的市场需求。除了市场需求之外,瓦楞纸板生产线的生产速度随着科技的不断进步也在不断提高之中,单纯依靠人工在纸板生产线出口对纸板的类型进行划分已经远远不够行业的需求。不仅仅导致生产效率的降低,还会带来人力成本占用高、影响生产自动化、智能化等一系列问题。
发明内容
为了解决上述技术问题,本发明的目的是提供一种瓦楞纸板生产线出口纸板分类方法及系统,能够解决现有的瓦楞纸板生产线出口纸板依赖人工分类的技术问题。
本发明所采用的第一技术方案是:一种瓦楞纸板生产线出口纸板分类方法,包括以下步骤:
获取待测纸板图像并将待测纸板图像拟合为一元三次函数模型;
计算一元三次函数模型的极值点个数并对待测纸板图像进行初步判别,得到初步判别结果;
计算纸板两侧导数的差值并对初步判别结果进行判别,得到待测纸板图像类型。
进一步,所述获取待测纸板图像并将待测纸板图像拟合为一元三次函数模型这一步骤,具体包括:
通过图像采集器获取待测纸板图像;
根据待测纸板图像提取纸板的横截面轮廓;
利用最小二乘法对纸板的横截面轮廓进行数据拟合,构建一元三次函数模型。
进一步,所述计算一元三次函数模型的极值点个数并对待测纸板图像进行初步判别,得到初步判别结果这一步骤,具体包括:
对一元三次函数模型进行求导,得到导函数;
计算导函数的极值点,获得极值点个数;
根据极值点个数,对待测纸板图像进行初步判别,得到初步判别结果。
进一步,所述根据极值点个数,对待测纸板图像进行初步判别,得到初步判别结果这一步骤,具体包括:
当极值点个数为0时,判定待测纸板图像为一型纸板;
当极值点个数为1时,判定待测纸板图像为非S型纸板;
当极值点个数为2时,判定待测纸板图像为S型纸板;
得到初步判别结果,所述初步判别结果包括一型纸板、非S型纸板和S型纸板。
进一步,所述计算纸板两侧导数的差值并对初步判别结果进行判别,得到待测纸板图像类型这一步骤,具体包括:
对初步判别结果中的非S型纸板两侧导数的差值进行计算;
根据差值判别非S型纸板的类型,得到非S型纸板判别结果;
根据初步判别结果和非S型纸板判别结果,得到待测纸板图像类型。
进一步,所述非S型纸板两侧导数的差值的计算公式表示如下:
上式中,δ是非S型纸板两侧导数的差值,xi是横截面轮廓的横向像素坐标,x1,x2,x3,...,xn,...,xm是所有像素横坐标,m是所有像素坐标点的个数,f′(xi)是导函数对应xi位置的函数值,xn是令f′(x)=0的极值点。
进一步,所述根据差值判别非S型纸板的类型,得到非S型纸板判别结果这一步骤,具体包括:
获取判别非S型纸板类型的预设值范围;
根据差值与预设值范围对比,判别非S型纸板类型;
当差值超过预设值范围,且纸板左侧导数累加值大于纸板右侧导数累加值,判定该非S型纸板为左L型纸板;
当差值超过预设值范围,且纸板左侧导数累加值小于纸板右侧导数累加值,判定该非S型纸板为右L型纸板;
当差值未超过预设值范围,判定该非S型纸板为C型纸板;
得到非S型纸板判别结果,所述非S型纸板判别结果包括左L型纸板、右L型纸板和C型纸板。
进一步,所述获取判别非S型纸板类型的预设值范围这一步骤,具体包括:
采集L型纸板和C型纸板的横截面图像并提取对应的轮廓图像,得到样本图像;
识别样本图像并对样本图像进行分类,得到分类结果;
根据分类结果构建L型子图像库和C型子图像库;
计算L型子图像库和C型子图像库中每个样本图像的两侧导数的差值,得到L型子图像库差值的最大值和最小值与C型子图像库差值的最大值和最小值;
将L型子图像库差值的最大值和最小值与C型子图像库差值的最大值和最小值进行比较;
将C型子图像库差值的最大值和最小值作为预设值范围。
本发明所采用的第二技术方案是:一种瓦楞纸板生产线出口纸板分类系统,包括:
图像拟合模块,获取待测纸板图像并将待测纸板图像拟合为一元三次函数模型;
初步判别模块,计算一元三次函数模型的极值点个数并对待测纸板图像进行初步判别,得到初步判别结果;
最终判别模块,计算纸板两侧导数的差值并对初步判别结果进行判别,得到待测纸板图像类型。
本发明方法及系统的有益效果是:本发明首先通过图像采集器能较好地提高采集效率,然后利用最小二乘法及一元三次函数拟合待测纸板图像、计算极值点个数和两侧导数的差值,最后通过设定不同类型纸板的极值点个数和两侧导数的差值来实现瓦楞纸板生产线出口的纸板在线分类,解决目前已有的纸板生产线出口纸板依赖人工分类的问题,为实现纸板出口端纸板质量的过程控制打下基础,可有效地提高生产效率,提高生产线的稳定性。
附图说明
图1是本发明一种瓦楞纸板生产线出口纸板分类方法的步骤流程图;
图2是本发明一种瓦楞纸板生产线出口纸板分类系统的结构框图;
图3是本发明具体实施例S型纸板的横截面轮廓示意图;
图4是本发明具体实施例S型纸板拟合一元三次函数模型示意图;
图5是本发明具体实施例S型计算极值点个数示意图;
图6是本发明具体实施例非S型纸板的横截面轮廓示意图;
图7是本发明具体实施例非S型纸板拟合一元三次函数模型示意图;
图8是本发明具体实施例非S型计算极值点个数示意图;
图9是本发明具体实施例L型纸板判别方向示意图;
图10是本发明具体实施例瓦楞纸板分类流程图;
图11是本发明具体实施例预设值范围获取的步骤流程图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
参照图1和图10,本发明提供了一种瓦楞纸板生产线出口纸板分类方法,该方法包括以下步骤:
S1、获取待测纸板图像并将待测纸板图像拟合为一元三次函数模型;
S1.1、通过图像采集器获得待测纸板图像;
需要说明的是,图像采集器为布置在瓦楞纸板生产线出口端的摄像头,根据待测纸板的位置和摄像头布置的位置计算直线距离确定焦距,也就是摄像头布置的位置和纸板斜坡终点的距离作为焦距,获得生产线纸板订单门幅的变化范围。然后根据上述参数选择摄像头进行安装并采集生产线出口端的纸板横截面图像,根据上述参数选择摄像头能够保证采集到的横截面图像具有足够的图像清晰度和垂直的角度。
S1.2、根据待测纸板图像提取纸板的横截面轮廓;
具体地,如图3所示,为S型纸板的横截面轮廓图像;如图6所示,为非S型纸板的横截面轮廓图像。
S1.3、利用最小二乘法对纸板的横截面轮廓进行数据拟合,构建一元三次函数模型。
具体地,一元三次函数模型的公式表示如下:
f(x)=ax3+bx2+cx+d;
上式中,x是横截面轮廓横横向像素坐标,f(x)是对应x位置的横截面轮廓纵向像素坐标,a、b、c和d是拟合常数。
如图4和图7所示,上面的曲线均为纸板的横截面轮廓图像,下面的曲线均为对应纸板拟合一元三次函数模型。
S2、计算一元三次函数模型的极值点个数并对待测纸板图像进行初步判别,得到初步判别结果;
S2.1、对一元三次函数模型进行求导,得到导函数;
具体地,导函数公式表示如下:
f′(x)=3ax2+2bx+c;
上式中,x是横截面轮廓横向像素坐标,f(x)是对应x位置的横截面轮廓纵向像素坐标,a、b和c是拟合常数。
S2.2、计算导函数的极值点,获得极值点个数;
S2.3、根据极值点个数,对待测纸板图像进行初步判别;
S2.3.1、当极值点个数为0时,判定待测纸板图像为一型纸板;
S2.3.2、当极值点个数为1时,判定待测纸板图像为非S型纸板;
具体地,如图8所示,上面的曲线为纸板的横截面轮廓图像,下面的曲线为对应纸板拟合一元三次函数模型,从下面的曲线可以看出只有一个极值点,故为非S型纸板。
S2.3.3、当极值点个数为2时,判定待测纸板图像为S型纸板;
具体地,如图5所示,上面的曲线为纸板的横截面轮廓图像,下面的曲线为对应纸板拟合一元三次函数模型,从下面的曲线可以看出有两个极值点,故为S型纸板
S2.4、得到初步判别结果,初步判别结果包括一型纸板、非S型纸板和S型纸板。
S3、对初步判别结果中的非S型纸板两侧导数的差值进行计算;
具体地,非S型纸板两侧导数的差值的计算公式表示如下:
上式中,δ是纸板两侧导数的差值,xi是横截面轮廓的横向像素坐标,x1,x2,x3,...,xn,...,xm是所有像素横坐标,m是所有像素坐标点的个数,f′(xi)是导函数对应xi位置的函数值,xn是令f′(x)=0的极值点。
S4、根据差值判别非S型纸板的类型,得到非S型纸板判别结果;
S4.1、参照图11,获取判别非S型纸板类型的预设值范围;
S4.1.1、采集L型纸板和C型纸板的横截面图像并提取对应的轮廓图像,得到样本图像;
S4.1.2、识别样本图像并对样本图像进行分类,得到分类结果;
S4.1.3、根据分类结果构建L型子图像库和C型子图像库;
S4.1.4、计算L型子图像库和C型子图像库中每个样本图像的两侧导数的差值,得到L型子图像库差值的最大值和最小值与C型子图像库差值的最大值和最小值;
S4.1.5、将L型子图像库差值的最大值和最小值与C型子图像库差值的最大值和最小值进行比较;
S4.1.6、将C型子图像库差值的最大值和最小值作为预设值范围。
具体地,由于L型纸板差值的最小值始终是要比C型纸板差值的最大值大,故将C型子图像库差值的最大值和最小值作为预设值范围。
S4.2、根据差值与预设值范围对比,判别非S型纸板类型;
S4.2.1、当差值超过预设值范围,且纸板左侧导数累加值大于纸板右侧导数累加值,判定该非S型纸板为左L型纸板;
S4.2.2、当差值超过预设值范围,且纸板左侧导数累加值小于纸板右侧导数累加值,判定该非S型纸板为右L型纸板;
具体地,如图9所示,上面的曲线为纸板的横截面轮廓图像,下面的曲线为对应纸板拟合一元三次函数模型,纸板左侧导数累加值小于纸板右侧导数累加值,故为右L型纸板。
S4.2.3、当差值未超过预设值范围,判定该非S型纸板为C型纸板;
S4.3、得到非S型纸板判别结果,非S型纸板判别结果包括左L型纸板、右L型纸板和C型纸板。
S5、根据初步判别结果和非S型纸板判别结果,得到待测纸板图像类型。
具体地,待测纸板图像类型包括一型纸板、S型纸板、C型纸板、左L型纸板和右L型纸板。
根据步骤S1至S5的操作可知,在判断待测纸板类型情况时,先根据极值点个数来判断纸板是否为S型纸板,如果纸板不是S型纸板则进入下一步,即对于非S型纸板,根据非S型纸板两侧导数的差值是否超过预设值范围来判断纸板是为L型纸板还是C型纸板,如果超过预设值范围则为L型纸板,否则为C型纸板,对于L型纸板我们根据两侧导数差值正负判断是左L型纸板还是右L型纸板,最后得到瓦楞纸板的类型包括一型纸板、S型纸板、C型纸板、左L型纸板和右L型纸板。
参照图2,一种瓦楞纸板生产线出口纸板分类系统,包括:
图像拟合模块,获取待测纸板图像并将待测纸板图像拟合为一元三次函数模型;
初步判别模块,计算一元三次函数模型的极值点个数并对待测纸板图像进行初步判别,得到初步判别结果;
最终判别模块,计算纸板两侧导数的差值并对初步判别结果进行判别,得到待测纸板图像类型。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (9)
1.一种瓦楞纸板生产线出口纸板分类方法,其特征在于,包括以下步骤:
获取待测纸板图像并将待测纸板图像拟合为一元三次函数模型;
计算一元三次函数模型的极值点个数并对待测纸板图像进行初步判别,得到初步判别结果;
计算纸板两侧导数的差值并对初步判别结果进行判别,得到待测纸板图像类型。
2.根据权利要求1所述一种瓦楞纸板生产线出口纸板分类方法,其特征在于,所述获取待测纸板图像并将待测纸板图像拟合为一元三次函数模型这一步骤,具体包括:
通过图像采集器获取待测纸板图像;
根据待测纸板图像提取纸板的横截面轮廓;
利用最小二乘法对纸板的横截面轮廓进行数据拟合,构建一元三次函数模型。
3.根据权利要求1所述一种瓦楞纸板生产线出口纸板分类方法,其特征在于,所述计算一元三次函数模型的极值点个数并对待测纸板图像进行初步判别,得到初步判别结果这一步骤,具体包括:
对一元三次函数模型进行求导,得到导函数;
计算导函数的极值点,获得极值点个数;
根据极值点个数,对待测纸板图像进行初步判别,得到初步判别结果。
4.根据权利要求3所述一种瓦楞纸板生产线出口纸板分类方法,其特征在于,所述根据极值点个数,对待测纸板图像进行初步判别,得到初步判别结果这一步骤,具体包括:
当极值点个数为0时,判定待测纸板图像为一型纸板;
当极值点个数为1时,判定待测纸板图像为非S型纸板;
当极值点个数为2时,判定待测纸板图像为S型纸板;
得到初步判别结果,所述初步判别结果包括一型纸板、非S型纸板和S型纸板。
5.根据权利要求1所述一种瓦楞纸板生产线出口纸板分类方法,其特征在于,所述计算纸板两侧导数的差值并对初步判别结果进行判别,得到待测纸板图像类型这一步骤,具体包括:
对初步判别结果中的非S型纸板两侧导数的差值进行计算;
根据差值判别非S型纸板的类型,得到非S型纸板判别结果;
根据初步判别结果和非S型纸板判别结果,得到待测纸板图像类型。
7.根据权利要求5所述一种瓦楞纸板生产线出口纸板分类方法,其特征在于,所述根据差值判别非S型纸板的类型,得到非S型纸板判别结果这一步骤,具体包括:
获取判别非S型纸板类型的预设值范围;
根据差值与预设值范围对比,判别非S型纸板类型;
当差值超过预设值范围,且纸板左侧导数累加值大于纸板右侧导数累加值,判定该非S型纸板为左L型纸板;
当差值超过预设值范围,且纸板左侧导数累加值小于纸板右侧导数累加值,判定该非S型纸板为右L型纸板;
当差值未超过预设值范围,判定该非S型纸板为C型纸板;
得到非S型纸板判别结果,所述非S型纸板判别结果包括左L型纸板、右L型纸板和C型纸板。
8.根据权利要求7所述一种瓦楞纸板生产线出口纸板分类系统,其特征在于,所述获取判别非S型纸板类型的预设值范围这一步骤,具体包括:
采集L型纸板和C型纸板的横截面图像并提取对应的轮廓图像,得到样本图像;
识别样本图像并对样本图像进行分类,得到分类结果;
根据分类结果构建L型子图像库和C型子图像库;
计算L型子图像库和C型子图像库中每个样本图像的两侧导数的差值,得到L型子图像库差值的最大值和最小值与C型子图像库差值的最大值和最小值;
将L型子图像库差值的最大值和最小值与C型子图像库差值的最大值和最小值进行比较;
将C型子图像库差值的最大值和最小值作为预设值范围。
9.一种瓦楞纸板生产线出口纸板分类系统,其特征在于,包括:
图像拟合模块,获取待测纸板图像并将待测纸板图像拟合为一元三次函数模型;
初步判别模块,计算一元三次函数模型的极值点个数并对待测纸板图像进行初步判别,得到初步判别结果;
最终判别模块,计算纸板两侧导数的差值并对初步判别结果进行判别,得到待测纸板图像类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210459528.XA CN114985300B (zh) | 2022-04-27 | 2022-04-27 | 一种瓦楞纸板生产线出口纸板分类方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210459528.XA CN114985300B (zh) | 2022-04-27 | 2022-04-27 | 一种瓦楞纸板生产线出口纸板分类方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114985300A true CN114985300A (zh) | 2022-09-02 |
CN114985300B CN114985300B (zh) | 2024-03-01 |
Family
ID=83025615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210459528.XA Active CN114985300B (zh) | 2022-04-27 | 2022-04-27 | 一种瓦楞纸板生产线出口纸板分类方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114985300B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022208363A1 (de) | 2022-08-11 | 2024-02-22 | Bhs Corrugated Maschinen- Und Anlagenbau Gmbh | Wellpappenanlage sowie Verfahren zur Überprüfung einer Planlage von Bögen aus Wellpappe |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0395481A2 (en) * | 1989-04-25 | 1990-10-31 | Spectra-Physics, Inc. | Method and apparatus for estimation of parameters describing chromatographic peaks |
JPH0989713A (ja) * | 1995-09-19 | 1997-04-04 | Fuji Xerox Co Ltd | 形状評価方法及び装置 |
CN1153901A (zh) * | 1996-01-06 | 1997-07-09 | 哈尔滨工业大学 | 一种曲面形状的测量方法 |
CA2741068A1 (en) * | 2010-05-21 | 2011-11-21 | Teledyne Isco, Inc. | Velocity measuring system |
CN102836883A (zh) * | 2011-06-23 | 2012-12-26 | 宝山钢铁股份有限公司 | 一种板坯翘扣头控制方法 |
CN102903098A (zh) * | 2012-08-28 | 2013-01-30 | 四川虹微技术有限公司 | 一种基于图像清晰度差异的深度估计方法 |
CN104700404A (zh) * | 2015-03-02 | 2015-06-10 | 中国农业大学 | 一种果实定位识别方法 |
CN108876771A (zh) * | 2018-06-04 | 2018-11-23 | 广东工业大学 | 一种咬边焊接缺陷的检测方法 |
WO2020063774A1 (zh) * | 2018-09-28 | 2020-04-02 | 腾讯科技(深圳)有限公司 | 确定道路坡度的方法、装置、存储介质和计算机设备 |
CN111063021A (zh) * | 2019-11-21 | 2020-04-24 | 西北工业大学 | 一种空间运动目标的三维重建模型建立方法及装置 |
CN112504163A (zh) * | 2020-12-11 | 2021-03-16 | 北京首钢股份有限公司 | 热轧带钢横段面的轮廓曲线获取方法、装置及电子设备 |
CN114140409A (zh) * | 2021-11-23 | 2022-03-04 | 广东佛斯伯智能设备有限公司 | 一种纸板生产线出口纸板的翘曲度在线识别方法 |
-
2022
- 2022-04-27 CN CN202210459528.XA patent/CN114985300B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0395481A2 (en) * | 1989-04-25 | 1990-10-31 | Spectra-Physics, Inc. | Method and apparatus for estimation of parameters describing chromatographic peaks |
JPH0989713A (ja) * | 1995-09-19 | 1997-04-04 | Fuji Xerox Co Ltd | 形状評価方法及び装置 |
CN1153901A (zh) * | 1996-01-06 | 1997-07-09 | 哈尔滨工业大学 | 一种曲面形状的测量方法 |
CA2741068A1 (en) * | 2010-05-21 | 2011-11-21 | Teledyne Isco, Inc. | Velocity measuring system |
CN102836883A (zh) * | 2011-06-23 | 2012-12-26 | 宝山钢铁股份有限公司 | 一种板坯翘扣头控制方法 |
CN102903098A (zh) * | 2012-08-28 | 2013-01-30 | 四川虹微技术有限公司 | 一种基于图像清晰度差异的深度估计方法 |
CN104700404A (zh) * | 2015-03-02 | 2015-06-10 | 中国农业大学 | 一种果实定位识别方法 |
CN108876771A (zh) * | 2018-06-04 | 2018-11-23 | 广东工业大学 | 一种咬边焊接缺陷的检测方法 |
WO2020063774A1 (zh) * | 2018-09-28 | 2020-04-02 | 腾讯科技(深圳)有限公司 | 确定道路坡度的方法、装置、存储介质和计算机设备 |
CN111063021A (zh) * | 2019-11-21 | 2020-04-24 | 西北工业大学 | 一种空间运动目标的三维重建模型建立方法及装置 |
CN112504163A (zh) * | 2020-12-11 | 2021-03-16 | 北京首钢股份有限公司 | 热轧带钢横段面的轮廓曲线获取方法、装置及电子设备 |
CN114140409A (zh) * | 2021-11-23 | 2022-03-04 | 广东佛斯伯智能设备有限公司 | 一种纸板生产线出口纸板的翘曲度在线识别方法 |
Non-Patent Citations (1)
Title |
---|
H奈茨: "《数学公式》", vol. 1, 海洋出版社, pages: 278 - 282 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022208363A1 (de) | 2022-08-11 | 2024-02-22 | Bhs Corrugated Maschinen- Und Anlagenbau Gmbh | Wellpappenanlage sowie Verfahren zur Überprüfung einer Planlage von Bögen aus Wellpappe |
Also Published As
Publication number | Publication date |
---|---|
CN114985300B (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102135416B (zh) | 瓶盖在线影像检测系统和方法 | |
CN102222384B (zh) | 纸币多光谱图像分析方法 | |
CN201935873U (zh) | 瓶盖在线影像检测系统 | |
CN110806736A (zh) | 一种模锻成形智能制造生产线锻件质量信息检测方法 | |
CN101604384B (zh) | 个性化指纹识别方法 | |
CN113112470B (zh) | 一种基于人工智能的冷轧过程钢材弯曲检测分析方法 | |
CN114985300A (zh) | 一种瓦楞纸板生产线出口纸板分类方法及系统 | |
CN103226106A (zh) | 基于机器视觉的轴承防尘盖品质监测系统 | |
CN107886539B (zh) | 一种工业场景下高精度齿轮视觉检测方法 | |
CN109993154A (zh) | 变电站单指针式六氟化硫型仪表智能识别方法 | |
CN115311507B (zh) | 基于数据处理的建筑板材分类方法 | |
CN114511519A (zh) | 一种基于图像处理的列车车底螺栓丢失检测方法 | |
CN114549504A (zh) | 一种基于机器视觉的外观质量检测方法 | |
CN117367516B (zh) | 基于多维测试的铝塑复合板性能检测系统 | |
CN117409005B (zh) | 基于图像的收板机用不良品检测系统及方法 | |
CN117483445A (zh) | 一种电容器用超薄铝箔的轧制成型的自动控制系统 | |
CN113705487B (zh) | 精密工件识别及工艺参数关联系统以及识别方法 | |
CN110935646A (zh) | 基于图像识别的全自动螃蟹分级系统 | |
CN117102079A (zh) | 一种木材旋切薄板分级分拣系统及其检测方法 | |
CN116993804A (zh) | 一种基于lsm算法的箍筋尺寸检测方法及系统 | |
CN114140409A (zh) | 一种纸板生产线出口纸板的翘曲度在线识别方法 | |
CN108898080B (zh) | 一种基于山脊线邻域评价模型的裂缝连接方法 | |
CN113920121B (zh) | 基于图像处理的工艺品印刷条痕检测方法和系统 | |
CN114092396A (zh) | 一种包装盒撞角瑕疵检测的方法及装置 | |
CN206114557U (zh) | 一种cpu散热器铝挤成型缺陷检测系统 |
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 |