CN115013650A - 一种深度学习智能图像识别用跟踪装置 - Google Patents

一种深度学习智能图像识别用跟踪装置 Download PDF

Info

Publication number
CN115013650A
CN115013650A CN202210530159.9A CN202210530159A CN115013650A CN 115013650 A CN115013650 A CN 115013650A CN 202210530159 A CN202210530159 A CN 202210530159A CN 115013650 A CN115013650 A CN 115013650A
Authority
CN
China
Prior art keywords
component
image recognition
deep learning
connecting frame
driving motor
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
Application number
CN202210530159.9A
Other languages
English (en)
Inventor
朱安福
郭恒
马聪孝
王彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China University of Water Resources and Electric Power
Original Assignee
North China University of Water Resources and Electric Power
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China University of Water Resources and Electric Power filed Critical North China University of Water Resources and Electric Power
Priority to CN202210530159.9A priority Critical patent/CN115013650A/zh
Publication of CN115013650A publication Critical patent/CN115013650A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16M—FRAMES, CASINGS OR BEDS OF ENGINES, MACHINES OR APPARATUS, NOT SPECIFIC TO ENGINES, MACHINES OR APPARATUS PROVIDED FOR ELSEWHERE; STANDS; SUPPORTS
    • F16M11/00—Stands or trestles as supports for apparatus or articles placed thereon ; Stands for scientific apparatus such as gravitational force meters
    • F16M11/02—Heads
    • F16M11/04—Means for attachment of apparatus; Means allowing adjustment of the apparatus relatively to the stand
    • F16M11/043—Allowing translations
    • F16M11/046—Allowing translations adapted to upward-downward translation movement
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16M—FRAMES, CASINGS OR BEDS OF ENGINES, MACHINES OR APPARATUS, NOT SPECIFIC TO ENGINES, MACHINES OR APPARATUS PROVIDED FOR ELSEWHERE; STANDS; SUPPORTS
    • F16M11/00—Stands or trestles as supports for apparatus or articles placed thereon ; Stands for scientific apparatus such as gravitational force meters
    • F16M11/02—Heads
    • F16M11/18—Heads with mechanism for moving the apparatus relatively to the stand
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16M—FRAMES, CASINGS OR BEDS OF ENGINES, MACHINES OR APPARATUS, NOT SPECIFIC TO ENGINES, MACHINES OR APPARATUS PROVIDED FOR ELSEWHERE; STANDS; SUPPORTS
    • F16M11/00—Stands or trestles as supports for apparatus or articles placed thereon ; Stands for scientific apparatus such as gravitational force meters
    • F16M11/42—Stands or trestles as supports for apparatus or articles placed thereon ; Stands for scientific apparatus such as gravitational force meters with arrangement for propelling the support stands on wheels
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/30132—Masonry; Concrete

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开的属于隧道病害检测技术领域，具体为一种深度学习智能图像识别用跟踪装置，包括安装架，升降部件包括置于安装槽内的连接架，连接架外侧安装驱动电机，驱动电机输出端延伸至连接架内，且驱动电机输出端连接主动齿，连接架内转动连接螺纹丝杆，螺纹丝杆底端连接有跟随主动齿同步转动的从动齿，且螺纹丝杆外侧螺纹连接有活动套杆，活动套杆外侧通过连接杆连接安装台，采集部件设于安装台上，驱动电机工作带动主动齿转动，带动与主动齿同步工作的从动齿转动，继而带动螺纹丝杆自连接架内转动，由于活动套杆螺纹连接于螺纹丝杆外侧，进而改变活动套杆与安装台的高度位置，方便采集部件对隧道内部进行不同高度的病害信息采集检测，适用性强。

Description

一种深度学习智能图像识别用跟踪装置
技术领域
本发明涉及隧道病害检测技术领域，具体为一种深度学习智能图像识别用跟踪装置。
背景技术
随着经济的发展以及科技进步，铁路工程建设越来越多，在这样的大环境下交通运输行业在迅猛发展，铁路作为交通运输行业的重要组成，其建设工作也在如火如荼的开展，保障铁路工程的建设质量是保障交通运输有效开展的关键。铁路隧道病害是严重影响铁路质量的因素，并且铁路隧道病害的种类非常多，造成铁路隧道衬砌病害的原因也很多，因此，在地铁运营中对隧道结构的维护是为保障隧道长期运营的必要手段。
目前运营隧道的日常监测工作，大多离不开人工作业。例如，隧道衬砌裂缝的检测，是采用人工肉眼识别，然后用相机拍照记录裂缝特质形态，人工记录裂缝位置信息。对于拱腰以上和拱顶的衬砌裂缝检测，则需要采用脚手架或者高空升降平台车进行检测，检测准确率低，容易漏检。
因此，迫切需要开发一种地铁隧道病害信息采集方法，以达到病害信息快速、准确的采集、提高病害监测工作的效率。
发明内容
本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
因此，本发明的目的是提供一种深度学习智能图像识别用跟踪装置，能方便采集部件对隧道内部进行不同高度的病害信息采集检测，适用性强。为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：
一种深度学习智能图像识别用跟踪装置，其包括：
安装架，底部安装有带动设备行走的驱动底座，安装架顶部一体成型连接有连接座，连接座顶部开设有安装升降部件的安装槽；
升降部件，设于安装槽内，与外部控制端连接，包括置于安装槽内的连接架，连接架外侧安装驱动电机，驱动电机输出端延伸至连接架内，且驱动电机输出端连接主动齿，连接架内转动连接螺纹丝杆，螺纹丝杆底端连接有跟随主动齿同步转动的从动齿，且螺纹丝杆外侧螺纹连接有活动套杆，活动套杆外侧通过连接杆连接安装台；
采集部件，设于安装台上，用于对隧道病害进行检测，与中央处理部件连接；
中央处理部件，置于连接座内，与升降部件及采集部件连接，作为执行终端用于执行控制升降部件及采集部件工作，并接收采集部件采集数据信息进行对比处理。
作为本发明所述的一种深度学习智能图像识别用跟踪装置的一种优选方案，其中：所述采集部件包括嵌入于安装台顶部左侧的三维红外扫描部件及连接于安装台顶部中央位置的摄像部件。
作为本发明所述的一种深度学习智能图像识别用跟踪装置的一种优选方案，其中：所述采集部件还包括多个呈对称分布连接于安装台左右两侧的补光灯，以及嵌入安装于安装台前端GPS定位部件。
作为本发明所述的一种深度学习智能图像识别用跟踪装置的一种优选方案，其中：所述连接架和驱动电机底部均与缓冲件连接，缓冲间包括作为支撑架连接连接架及驱动电机的承座，承座底部四个端角处均连接有缓冲弹簧，缓冲弹簧底端连接支撑板。
作为本发明所述的一种深度学习智能图像识别用跟踪装置的一种优选方案，其中：所述连接座内连接有蓄电池，驱动电机及采集部件均与蓄电池电连接。
作为本发明所述的一种深度学习智能图像识别用跟踪装置的一种优选方案，其中：所述连接架外侧开设有方便安装台升降的导向槽。
作为本发明所述的一种深度学习智能图像识别用跟踪装置的一种优选方案，其中：深度学习图像识别步骤为：
S1、在隧道中设置若干个测站点，三维激光扫描部件与摄像部件在每一测站点处进行检测，分段采集隧道的三维点云，然后将采集的信息输送至中央处理部件；
S2、中央处理部件对经过采集部件分段采集的隧道三维点云进行拼接，形成整个隧道的三维点云；
S3、中央处理部件对采集的三维点云信息进行对比处理，通过定位部件定位病害点集，并提取每个三维点云的病害点集的特征，进行风险预测，生成可视化的病害预测结果，输送至远程终端。
与现有技术相比：通过驱动电机工作带动主动齿转动，从而带动与主动齿同步工作的从动齿转动，继而带动螺纹丝杆自连接架内转动，由于活动套杆螺纹连接于螺纹丝杆外侧，进而改变活动套杆与安装台的高度位置，方便采集部件对隧道内部进行不同高度的病害信息采集检测，适用性强。
附图说明
为了更清楚地说明本发明实施方式的技术方案，下面将结合附图和详细实施方式对本发明进行详细说明，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明整体结构示意图；
图2为本发明部分结构示意图；
图3为本发明升降部件结构示意图；
图4为本发明安装架部分结构示意图；
图5为本发明图4侧视示意图；
图6为本发明A部结构示意图；
图7为本发明系统结构示意图；
图8为本发明图像识别步骤结构示意图。
图中：100安装架、110驱动底座、120连接座、121安装槽、200升降部件、210连接架、211导向槽、220驱动电机、221主动齿、230螺纹丝杆、231 从动齿、240活动套杆、241安装台、300采集部件、310三维红外扫描部件、 320摄像部件、330补光灯、400缓冲件、410承座、420缓冲弹簧、430支撑板、500中央处理部件。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施方式的限制。
其次，本发明结合示意图进行详细描述，在详述本发明实施方式时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。
本发明提供一种深度学习智能图像识别用跟踪装置，通过驱动电机工作带动主动齿转动，从而带动与主动齿同步工作的从动齿转动，继而带动螺纹丝杆自连接架内转动，由于活动套杆螺纹连接于螺纹丝杆外侧，进而改变活动套杆与安装台的高度位置，方便采集部件对隧道内部进行不同高度的病害信息采集检测，适用性强，请参阅图1-6，包括，安装架100、升降部件200 和采集部件300；
请继续参阅图1、图4和图5，安装架100底部安装有带动设备行走的驱动底座110，安装架100顶部一体成型连接有连接座120，连接座120顶部开设有安装升降部件200的安装槽121；
请继续参阅图1、图2、图3和图6，升降部件200设于安装槽121内，包括置于安装槽121内的连接架210，连接架210外侧安装驱动电机220，驱动电机220输出端延伸至连接架210内，且驱动电机220输出端连接主动齿 221，连接架210内转动连接螺纹丝杆230，螺纹丝杆230底端连接有跟随主动齿221同步转动的从动齿231，且螺纹丝杆230外侧螺纹连接有活动套杆 240，活动套杆240外侧通过连接杆连接安装台241，通过驱动电机220工作带动主动齿221转动，从而带动与主动齿221同步工作的从动齿231转动，继而带动螺纹丝杆230自连接架210内转动，由于活动套杆240螺纹连接于螺纹丝杆230外侧，进而通过改变驱动电机220的工作状态(正反装)带动活动套杆240与安装台241的高度位置进行改变，方便采集部件300对隧道内部进行不同高度的病害信息采集检测，适用性强；
连接架210外侧开设有方便安装台241升降的导向槽211；
请继续参阅图1-2，采集部件300设于安装台241上，用于对隧道病害进行检测，与中央处理部件连接，采集部件300包括嵌入于安装台241顶部左侧的三维红外扫描部件310及连接于安装台241顶部中央位置的摄像部件320，三维红外扫描部件310与摄像部件320配合，获取得到隧道内的三维图像信息，从而实现采集隧道的三维点云，然后将采集的数据信息输送至中央处理部件进行对比处理，采集部件300还包括多个呈对称分布连接于安装台241 左右两侧的补光灯330，补光灯330用于对隧道内部进行补光操作，方便三维红外扫描部件310与摄像部件320拍摄更清晰的隧道内部图像信息，且安装台241前端嵌入安装有GPS定位部件340，GPS定位部件340用于实时定位当前获取信息的隧道位置；
请继续参阅图4-5，连接架310和驱动电机220底部均与缓冲件400连接，缓冲间400包括作为支撑架连接连接架310及驱动电机220的承座410，承座 410底部四个端角处均连接有缓冲弹簧420，缓冲弹簧420底端连接支撑板430，缓冲弹簧420与承座410配合形成缓冲件，在设备移动检测过程中，起到缓冲作用，增加设备工作稳定性；
请继续参阅图7，中央处理部件500作为执行终端，用于接收采集部件 300分段采集隧道的三维点云信息，然后将分段采集的隧道三维点云进行拼接，形成整个隧道的三维点云，最后对采集的三维点云信息进行对比处理，通过定位部件定位病害点集，并提取每个三维点云的病害点集的特征，进行风险预测，生成可视化的病害预测结果，输送至远程终端；
本发明一种深度学习智能图像识别用跟踪装置，图像识别步骤为：
S1、在隧道中设置若干个测站点，三维激光扫描部件与摄像部件在每一测站点处进行检测，分段采集隧道的三维点云，然后将采集的信息输送至中央处理部件；
S2、中央处理部件对经过采集部件分段采集的隧道三维点云进行拼接，形成整个隧道的三维点云；
S3、中央处理部件对采集的三维点云信息进行对比处理，通过定位部件定位病害点集，并提取每个三维点云的病害点集的特征，进行风险预测，生成可视化的病害预测结果，输送至远程终端。
工作原理：该发明在使用时，通过驱动电机220工作带动主动齿221转动，从而带动与主动齿221同步工作的从动齿231转动，继而带动螺纹丝杆230自连接架210内转动，由于活动套杆240螺纹连接于螺纹丝杆230外侧，进而改变活动套杆240与安装台241的高度位置，方便采集部件300对隧道内部进行不同高度的病害信息采集检测，适用性强。
虽然在上文中已经参考实施方式对本发明进行了描述，然而在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本发明并不局限于文中公开的特定实施方式，而是包括落入权利要求的范围内的所有技术方案。

Claims (7)

1.一种深度学习智能图像识别用跟踪装置，其特征在于，包括：
安装架(100)，底部安装有带动设备行走的驱动底座(110)，安装架(100)顶部一体成型连接有连接座(120)，连接座(120)顶部开设有安装升降部件(200)的安装槽(121)；
升降部件(200)，设于安装槽(121)内，与外部控制端连接，包括置于安装槽(121)内的连接架(210)，连接架(210)外侧安装驱动电机(220)，驱动电机(220)输出端延伸至连接架(210)内，且驱动电机(220)输出端连接主动齿(221)，连接架(210)内转动连接螺纹丝杆(230)，螺纹丝杆(230)底端连接有跟随主动齿(221)同步转动的从动齿(231)，且螺纹丝杆(230)外侧螺纹连接有活动套杆(240)，活动套杆(240)外侧通过连接杆连接安装台(241)；
采集部件(300)，设于安装台(241)上，用于对隧道病害信息进行采集，与中央处理部件(500)连接，将采集的数据信息输送至中央处理部件(500)；
中央处理部件(500)，置于连接座(120)内，与升降部件(200)及采集部件(300)连接，作为执行终端用于执行控制升降部件(200)及采集部件(300)工作，并接收采集部件(300)采集数据信息进行对比处理。
2.根据权利要求1所述的一种深度学习智能图像识别用跟踪装置，其特征在于，所述采集部件(300)包括嵌入于安装台(241)顶部左侧的三维红外扫描部件(310)及连接于安装台(241)顶部中央位置的摄像部件(320)。
3.根据权利要求1所述的一种深度学习智能图像识别用跟踪装置，其特征在于，所述采集部件(300)还包括多个呈对称分布连接于安装台(241)左右两侧的补光灯(330)，以及嵌入安装于安装台(241)前端GPS定位部件(340)。
4.根据权利要求1所述的一种深度学习智能图像识别用跟踪装置，其特征在于，所述连接架(310)和驱动电机(220)底部均与缓冲件(400)连接，缓冲间(400)包括作为支撑架连接连接架(310)及驱动电机(220)的承座(410)，承座(410)底部四个端角处均连接有缓冲弹簧(420)，缓冲弹簧(420)底端连接支撑板(430)。
5.根据权利要求1所述的一种深度学习智能图像识别用跟踪装置，其特征在于，所述连接座(120)内连接有蓄电池，驱动电机(220)及采集部件(300)均与蓄电池电连接。
6.根据权利要求1所述的一种深度学习智能图像识别用跟踪装置，其特征在于，所述连接架(210)外侧开设有方便安装台(241)升降的导向槽(211)。
7.根据权利要求1所述的一种深度学习智能图像识别用跟踪装置，其特征在于，深度学习图像识别步骤为：
S1、在隧道中设置若干个测站点，三维激光扫描部件(310)与摄像部件(320)在每一测站点处进行检测，分段采集隧道的三维点云，然后将采集的信息输送至中央处理部件(500)；
S2、中央处理部件(500)对经过采集部件(300)分段采集的隧道三维点云进行拼接，形成整个隧道的三维点云；
S3、中央处理部件(500)对采集的三维点云信息进行对比处理，通过定位部件(340)定位病害点集，并提取每个三维点云的病害点集的特征，进行风险预测，生成可视化的病害预测结果，输送至远程终端。
CN202210530159.9A 2022-05-16 2022-05-16 一种深度学习智能图像识别用跟踪装置 Pending CN115013650A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210530159.9A CN115013650A (zh) 2022-05-16 2022-05-16 一种深度学习智能图像识别用跟踪装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210530159.9A CN115013650A (zh) 2022-05-16 2022-05-16 一种深度学习智能图像识别用跟踪装置

Publications (1)

Publication Number Publication Date
CN115013650A true CN115013650A (zh) 2022-09-06

Family

ID=83069661

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210530159.9A Pending CN115013650A (zh) 2022-05-16 2022-05-16 一种深度学习智能图像识别用跟踪装置

Country Status (1)

Country Link
CN (1) CN115013650A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109060821A (zh) * 2018-07-10 2018-12-21 深圳大学 基于激光检测的隧道病害检测方法及隧道病害检测装置
CN110220909A (zh) * 2019-04-28 2019-09-10 浙江大学 一种基于深度学习的地铁盾构隧道病害检测方法
CN111855664A (zh) * 2020-06-12 2020-10-30 山西省交通科技研发有限公司 一种可调节隧道病害三维检测系统
CN213244111U (zh) * 2020-06-30 2021-05-18 北京福瑶科技有限公司 智能巡检机器人
CN213301236U (zh) * 2020-12-03 2021-05-28 刘军辉 一种基坑位移检测装置
CN213714239U (zh) * 2020-12-22 2021-07-16 王永胜 一种建筑工程施工质量检测用砌体平整度检测设备
CN215768985U (zh) * 2021-09-14 2022-02-08 北京荣艺正禾科技有限公司 一种用于无衬砌隧道的轻量级地质雷达检测设备
CN114087964A (zh) * 2021-12-16 2022-02-25 宗霞 一种建筑监理用墙面垂直度检测装置及其使用方法
CN114183670A (zh) * 2021-12-08 2022-03-15 江苏华设远州交通科技有限公司 一种隧道内信息全面采集检测系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109060821A (zh) * 2018-07-10 2018-12-21 深圳大学 基于激光检测的隧道病害检测方法及隧道病害检测装置
CN110220909A (zh) * 2019-04-28 2019-09-10 浙江大学 一种基于深度学习的地铁盾构隧道病害检测方法
CN111855664A (zh) * 2020-06-12 2020-10-30 山西省交通科技研发有限公司 一种可调节隧道病害三维检测系统
CN213244111U (zh) * 2020-06-30 2021-05-18 北京福瑶科技有限公司 智能巡检机器人
CN213301236U (zh) * 2020-12-03 2021-05-28 刘军辉 一种基坑位移检测装置
CN213714239U (zh) * 2020-12-22 2021-07-16 王永胜 一种建筑工程施工质量检测用砌体平整度检测设备
CN215768985U (zh) * 2021-09-14 2022-02-08 北京荣艺正禾科技有限公司 一种用于无衬砌隧道的轻量级地质雷达检测设备
CN114183670A (zh) * 2021-12-08 2022-03-15 江苏华设远州交通科技有限公司 一种隧道内信息全面采集检测系统
CN114087964A (zh) * 2021-12-16 2022-02-25 宗霞 一种建筑监理用墙面垂直度检测装置及其使用方法

Similar Documents

Publication Publication Date Title
CN111457890A (zh) 一种基于三维激光扫描的地铁隧道检测装置及方法
CN112171693A (zh) 一种用于矿用皮带机的智能巡检机器人
CN112924463B (zh) 一种煤矿竖井井筒巡检装置及激光扫描缺陷检测方法
CN108225798A (zh) 基于边缘增强识别的轮胎滑移量测试系统及测试方法
CN107092251B (zh) 基于图像识别的铁路无人巡检车的自动定位系统及方法
CN111912857B (zh) 一种引水隧洞爬绳检测机器人及其检测方法
CN109752170B (zh) 一种采用寻找车轮进行对正测量的汽车前照灯检测仪
CN115013650A (zh) 一种深度学习智能图像识别用跟踪装置
CN205561769U (zh) 测厚仪
CN208420742U (zh) 一种桥梁裂纹检测装置
CN209687547U (zh) 用于检测铁路隧道病害的勘察装置
CN210506546U (zh) 一种铝电解槽阴极钢棒及炉板温度检测预警装置
CN211505253U (zh) 一种基于激光技术的跨断层隧道病害检测装置
CN215415106U (zh) 用于墩体结构病害的环带视觉扫描检测系统
CN113847978B (zh) 一种车辆动态称重用数据采集装置及使用方法
CN215373960U (zh) 一种基于激光扫描技术的电梯井道测量装置
CN111103293A (zh) 一种基于激光技术的跨断层隧道病害检测装置
CN210119564U (zh) 一种用于激光扫描测距传感器的标定装置
CN103439341A (zh) 光电码盘缺陷检测系统及其实现方法
CN209717694U (zh) 一种隧道照明工程施工用自动划线装置
CN208902053U (zh) 一种煤矿巷道变形监测装置
CN204978702U (zh) 一种全自动火车导轨轮廓检测系统
CN205027675U (zh) 一种火车导轨轮廓损耗全自动检测系统
CN105172839A (zh) 一种全自动火车导轨轮廓检测系统
CN213946458U (zh) 一种用于矿用皮带机的智能巡检机器人

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