CN115457459A - 一种能够有效提升检测效率的机器视觉系统 - Google Patents
一种能够有效提升检测效率的机器视觉系统 Download PDFInfo
- Publication number
- CN115457459A CN115457459A CN202211050011.1A CN202211050011A CN115457459A CN 115457459 A CN115457459 A CN 115457459A CN 202211050011 A CN202211050011 A CN 202211050011A CN 115457459 A CN115457459 A CN 115457459A
- Authority
- CN
- China
- Prior art keywords
- module
- vision
- image
- input
- output end
- 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.)
- Withdrawn
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims abstract description 33
- 230000000007 visual effect Effects 0.000 claims abstract description 32
- 239000013589 supplement Substances 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims 3
- 238000010586 diagram Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
Abstract
本发明公开了一种能够有效提升检测效率的机器视觉系统,属于机器视觉系统技术领域,包括视觉捕捉模块,所述视觉捕捉模块输出端与采集单元输入端电性连接,所述视觉捕捉模块用于进行视觉捕捉。本发明中,通过设计的图像降噪单元,能够通过对录入图像边界进行矢量标定,从而能够去除矢量标定图像外界的干扰元素,同时能够在判断阶段根据图像边界的轮廓点的定位处理后,实现对空间坐标的信息收集,有利于实现对录入图像信息的快速分别识别,同时根据图像录入时进行多轴视觉的对比录入,保证信息录入的多位空间信息,有利于通过多轴空间信息的像素分布实现对录入向量的快速计算分析,从而能够进一步的提高腿视觉图像的检测效率。
Description
技术领域
本发明属于机器视觉系统技术领域,尤其涉及一种能够有效提升检测效率的机器视觉系统。
背景技术
机器视觉是人工智能正在快速发展的一个分支。简单说来,机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,得到被摄目标的形态信息,图像系统对这些信号进行各种运算来抽取目标的特征进而根据判别的结果来控制现场的设备动作。而军用领域也已用到并将越来越多地需要这种技术来获取高质量的图像如军用飞机探测系统军用自动报靶系统弹孔识别等通过快速并且高质量的在复杂环境中采集图像来快速分析处理及时反馈;
中国专利文献CN111465940A公开了一种机器视觉系统,其包括被配置为接收指示要被分类的对象的图像数据的接收装置,其中提供了具有初始神经网络的处理装置,该处置装置被配置为:基于神经网络参数来确定描述初始神经网络算法的微分方程;以及以级数展开的形式确定微分方程的解;以及通过将级数展开中的项数限制为有限的数,将级数展开转换为有限级数展开;以及根据有限级数展开来确定输出分类。
但在实际使用时,该识别方案缺乏对录入图像数据的分析处理,影响到对大量图像数据筛分时边沿数据的处理划分能力,从而不能很好的满足图像处理需要,影响到机器视觉识别的处理需要。
发明内容
本发明的目的在于:为了解决缺乏对录入图像数据的分析处理,影响到对大量图像数据筛分时边沿数据的处理划分能力,不能很好的满足图像处理需要的问题,而提出的一种能够有效提升检测效率的机器视觉系统。
为了实现上述目的,本发明采用了如下技术方案:
一种能够有效提升检测效率的机器视觉系统,包括视觉捕捉模块,所述视觉捕捉模块输出端与采集单元输入端电性连接,所述视觉捕捉模块用于进行视觉捕捉,所述采集单元用于控制视觉捕捉模块采集装填,所述采集单元输出端与模糊匹配单元输入端电性连接,所述模糊匹配单元用于对获得内容进行视觉匹配,所述视觉捕捉模块输出端与捕捉驱动单元输入端电性连接,所述捕捉驱动单元用于控制外部运动机构带动视觉捕捉模块进行运动捕捉,所述视觉捕捉模块输出端与图像降噪单元输入端电性连接,所述图像降噪单元用于对获得的视觉信息进行降噪处理,所述视觉捕捉模块输出端与视觉分析单元输入端电性连接,所述视觉分析单元用于对视觉内容进行分析。
作为上述技术方案的进一步描述:
所述模糊匹配单元包括轮廓点定位模块,所述轮廓点定位模块用于对机器识别图像轮廓进行定位定点处理,所述轮廓点定位模块输出入端连接有参数迭代模块,所述参数迭代模块用于对定位信息进行迭代更新,所述参数迭代模块输出端连接有阈值分析模块,所述阈值分析模块用于分析阈值提供阈值更新参数,所述轮廓点定位模块输出端与坐标预估模块输入端电性连接,所述坐标预估模块用于预估图像信息坐标,所述坐标预估模块输出端连接有坐标定位模块,所述坐标定位模块用于通过坐标预估模块与轮廓点定位模块之间的参数变化进行图像识别的学习,所述坐标定位模块输出端与参数优化模块输入端电性连接,所述参数优化模块用于通过学习算法进行参数的优化判断。
作为上述技术方案的进一步描述:
所述坐标预估模块输入端还连接有参数判断模块,所述参数判断模块用于对预估信息进行参数判断。
作为上述技术方案的进一步描述:
所述采集单元包括信息探测模块,所述信息探测模块用于对输入图像信息进行协议探测处理定位,所述信息探测模块输出端与处理器模块输入端电性连接,所述处理器模块用于对信息探测进行调用处理,所述信息探测模块输入端与视频解码模块输出端电性连接,所述视频解码模块用于对视频进行信息进行解码获取调用,所述处理器模块输出端与可编程逻辑控制模块输入端电性连接,所述可编程逻辑控制模块用于对处理策略进行调用处理,所述处理器模块输出端与采集帧率控制模块输入端电性连接,所述采集帧率控制模块用于控制采集帧率,调节输入图像质量,所述采集帧率控制模块输入端与灰度化处理模块输出端电性连接,所述灰度化处理模块用于对输入图像进行灰度化处理。
作为上述技术方案的进一步描述:
所述图像降噪单元包括边界矢量处理模块,所述边界矢量处理模块用于对图像边界矢量值进行划定,所述边界矢量处理模块输出端与像素提取模块输入端电性连接。
作为上述技术方案的进一步描述:
所述捕捉驱动单元包括径向运动模块,所述径向运动模块输出端连接有轴向运动模块和运行分析模块,所述径向运动模块和轴向运动模块用于对视觉捕捉进行运动,所述运行分析模块用于分析运动路径。
作为上述技术方案的进一步描述:
所述视觉分析单元包括立体视觉匹配模块,所述立体视觉匹配模块用于对采集视觉进行分析,所述立体视觉匹配模块输出端与多轴视觉录入模块输入端电性连接,所述立体视觉匹配模块输出端连接有角度计算模块,所述角度计算模块用于计算拍摄角度保证录入效果。
作为上述技术方案的进一步描述:
所述角度计算模块输出端还连接有像素分布计算模块,所述像素分布计算模块用于计算图像像素主体分布情况进行分析,所述像素分布计算模块输出入端连接有智能补光模块,所述智能补光模块用于对视觉采集进行补光操作。
作为上述技术方案的进一步描述:
所述像素分布计算模块输入端连接有方向向量计算模块,所述方向向量计算模块。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明中,通过设计的图像降噪单元,能够通过对录入图像边界进行矢量标定,从而能够去除矢量标定图像外界的干扰元素,同时能够在判断阶段根据图像边界的轮廓点的定位处理后,实现对空间坐标的信息收集,有利于实现对录入图像信息的快速分别识别,同时根据图像录入时进行多轴视觉的对比录入,保证信息录入的多位空间信息,有利于通过多轴空间信息的像素分布实现对录入向量的快速计算分析,从而能够进一步的提高腿视觉图像的检测效率。
2、本发明中,通过设计的捕捉驱动单元,能够实现对运动捕捉放线的检测录入,同时能够分析运动路径,方便对捕捉驱动单元进行调节控制,同时能够通过采集单元对图像识别信息进行预处理,有利于通过视频解码模块快速对录入图像进行分析处理,同时通过对图像的灰度化处理,有效降低对图像的存储处理难度,并且能够在需要高精度图像判断时,控制图像采集精度,满足对不同精度的图像进行录入情况的调整,适应机器视觉系统的录入情况的调节。
附图说明
图1为本发明提出的一种能够有效提升检测效率的机器视觉系统的系统框架图;
图2为本发明提出的一种能够有效提升检测效率的机器视觉系统的模糊匹配单元框图;
图3为本发明提出的一种能够有效提升检测效率的机器视觉系统的捕捉驱动单元框图;
图4为本发明提出的一种能够有效提升检测效率的机器视觉系统的图像降噪单元框图;
图5为本发明提出的一种能够有效提升检测效率的机器视觉系统的视觉分析单元框图。
图例说明:
1、视觉捕捉模块;2、采集单元;201、信息探测模块;202、处理器模块;203、采集帧率控制模块;204、灰度化处理模块;205、视频解码模块;206、可编程逻辑控制模块;3、模糊匹配单元;301、轮廓点定位模块;302、坐标预估模块;303、坐标定位模块;304、参数优化模块;305、参数判断模块;306、参数迭代模块;307、阈值分析模块;4、捕捉驱动单元;401、轴向运动模块;402、径向运动模块;403、运行分析模块;5、图像降噪单元;501、边界矢量处理模块;502、像素提取模块;6、视觉分析单元;601、立体视觉匹配模块;602、角度计算模块;603、像素分布计算模块;604、智能补光模块;605、多轴视觉录入模块;606、方向向量计算模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1-5,本发明提供一种技术方案:一种能够有效提升检测效率的机器视觉系统,包括视觉捕捉模块1,所述视觉捕捉模块1输出端与采集单元2输入端电性连接,所述视觉捕捉模块1用于进行视觉捕捉,所述采集单元2用于控制视觉捕捉模块1采集装填,所述采集单元2输出端与模糊匹配单元3输入端电性连接;
所述采集单元2包括信息探测模块201,所述信息探测模块201用于对输入图像信息进行协议探测处理定位,所述信息探测模块201输出端与处理器模块202输入端电性连接,所述处理器模块202用于对信息探测进行调用处理,所述信息探测模块201输入端与视频解码模块205输出端电性连接,所述视频解码模块205用于对视频进行信息进行解码获取调用,所述处理器模块202输出端与可编程逻辑控制模块206输入端电性连接,所述可编程逻辑控制模块206用于对处理策略进行调用处理,所述处理器模块202输出端与采集帧率控制模块203输入端电性连接,所述采集帧率控制模块203用于控制采集帧率,调节输入图像质量,所述采集帧率控制模块203输入端与灰度化处理模块204输出端电性连接,所述灰度化处理模块204用于对输入图像进行灰度化处理,其中,灰度化,在RGB模型中,如果R=G=B时,则彩色表示一种灰度颜色,其中R=G=B的值叫灰度值,因此,灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值),灰度范围为0-255,使得录入的灰度图像能够进行灰度值的录入,降低对图像色素的录入存储压力;
所述模糊匹配单元3用于对获得内容进行视觉匹配,所述视觉捕捉模块1输出端与捕捉驱动单元4输入端电性连接,所述捕捉驱动单元4用于控制外部运动机构带动视觉捕捉模块1进行运动捕捉,所述捕捉驱动单元4包括径向运动模块402,所述径向运动模块402输出端连接有轴向运动模块401和运行分析模块403,所述径向运动模块402和轴向运动模块401用于对视觉捕捉进行运动,所述运行分析模块403用于分析运动路径;
所述视觉捕捉模块1输出端与图像降噪单元5输入端电性连接,所述图像降噪单元5用于对获得的视觉信息进行降噪处理,所述视觉捕捉模块1输出端与视觉分析单元6输入端电性连接,所述视觉分析单元6用于对视觉内容进行分析,所述视觉分析单元6包括立体视觉匹配模块601,所述立体视觉匹配模块601用于对采集视觉进行分析,所述立体视觉匹配模块601输出端与多轴视觉录入模块605输入端电性连接,所述立体视觉匹配模块601输出端连接有角度计算模块602,所述角度计算模块602用于计算拍摄角度保证录入效果,所述角度计算模块602输出端还连接有像素分布计算模块603,所述像素分布计算模块603用于计算图像像素主体分布情况进行分析,所述像素分布计算模块603输出入端连接有智能补光模块604,所述智能补光模块604用于对视觉采集进行补光操作,所述像素分布计算模块603输入端连接有方向向量计算模块606,所述方向向量计算模块606。
所述模糊匹配单元3包括轮廓点定位模块301,所述轮廓点定位模块301用于对机器识别图像轮廓进行定位定点处理,所述轮廓点定位模块301输出入端连接有参数迭代模块306,所述参数迭代模块306用于对定位信息进行迭代更新,所述参数迭代模块306输出端连接有阈值分析模块307,所述阈值分析模块307用于分析阈值提供阈值更新参数,所述轮廓点定位模块301输出端与坐标预估模块302输入端电性连接,所述坐标预估模块302用于预估图像信息坐标,所述坐标预估模块302输出端连接有坐标定位模块303,所述坐标定位模块303用于通过坐标预估模块302与轮廓点定位模块301之间的参数变化进行图像识别的学习;
其中,轮廓定时识别包括通过对图像进行L个检测点得到坐标位置L;
根据监测点代入模型估计出模拟坐标位置Y(xoy)根据估计点坐标位置与实际坐标位置绝对值之和判断参数值;
根据计算优化参数值;运行结果基于原图像灰度值对比,计算峰值信噪比后,得到迭代的信号壁;
所述坐标定位模块303输出端与参数优化模块304输入端电性连接,所述参数优化模块304用于通过学习算法进行参数的优化判断,所述坐标预估模块302输入端还连接有参数判断模块305,所述参数判断模块305用于对预估信息进行参数判断,所述图像降噪单元5包括边界矢量处理模块501,所述边界矢量处理模块501用于对图像边界矢量值进行划定,所述边界矢量处理模块501输出端与像素提取模块502输入端电性连接。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种能够有效提升检测效率的机器视觉系统,包括视觉捕捉模块(1),其特征在于,所述视觉捕捉模块(1)输出端与采集单元(2)输入端电性连接,所述视觉捕捉模块(1)用于进行视觉捕捉,所述采集单元(2)用于控制视觉捕捉模块(1)采集装填,所述采集单元(2)输出端与模糊匹配单元(3)输入端电性连接,所述模糊匹配单元(3)用于对获得内容进行视觉匹配,所述视觉捕捉模块(1)输出端与捕捉驱动单元(4)输入端电性连接,所述捕捉驱动单元(4)用于控制外部运动机构带动视觉捕捉模块(1)进行运动捕捉,所述视觉捕捉模块(1)输出端与图像降噪单元(5)输入端电性连接,所述图像降噪单元(5)用于对获得的视觉信息进行降噪处理,所述视觉捕捉模块(1)输出端与视觉分析单元(6)输入端电性连接,所述视觉分析单元(6)用于对视觉内容进行分析。
2.根据权利要求1所述的一种能够有效提升检测效率的机器视觉系统,其特征在于,所述模糊匹配单元(3)包括轮廓点定位模块(301),所述轮廓点定位模块(301)用于对机器识别图像轮廓进行定位定点处理,所述轮廓点定位模块(301)输出入端连接有参数迭代模块(306),所述参数迭代模块(306)用于对定位信息进行迭代更新,所述参数迭代模块(306)输出端连接有阈值分析模块(307),所述阈值分析模块(307)用于分析阈值提供阈值更新参数,所述轮廓点定位模块(301)输出端与坐标预估模块(302)输入端电性连接,所述坐标预估模块(302)用于预估图像信息坐标,所述坐标预估模块(302)输出端连接有坐标定位模块(303),所述坐标定位模块(303)用于通过坐标预估模块(302)与轮廓点定位模块(301)之间的参数变化进行图像识别的学习,所述坐标定位模块(303)输出端与参数优化模块(304)输入端电性连接,所述参数优化模块(304)用于通过学习算法进行参数的优化判断。
3.根据权利要求2所述的一种能够有效提升检测效率的机器视觉系统,其特征在于,所述坐标预估模块(302)输入端还连接有参数判断模块(305),所述参数判断模块(305)用于对预估信息进行参数判断。
4.根据权利要求1所述的一种能够有效提升检测效率的机器视觉系统,其特征在于,所述采集单元(2)包括信息探测模块(201),所述信息探测模块(201)用于对输入图像信息进行协议探测处理定位,所述信息探测模块(201)输出端与处理器模块(202)输入端电性连接,所述处理器模块(202)用于对信息探测进行调用处理,所述信息探测模块(201)输入端与视频解码模块(205)输出端电性连接,所述视频解码模块(205)用于对视频进行信息进行解码获取调用,所述处理器模块(202)输出端与可编程逻辑控制模块(206)输入端电性连接,所述可编程逻辑控制模块(206)用于对处理策略进行调用处理,所述处理器模块(202)输出端与采集帧率控制模块(203)输入端电性连接,所述采集帧率控制模块(203)用于控制采集帧率,调节输入图像质量,所述采集帧率控制模块(203)输入端与灰度化处理模块(204)输出端电性连接,所述灰度化处理模块(204)用于对输入图像进行灰度化处理。
5.根据权利要求1所述的一种能够有效提升检测效率的机器视觉系统,其特征在于,所述图像降噪单元(5)包括边界矢量处理模块(501),所述边界矢量处理模块(501)用于对图像边界矢量值进行划定,所述边界矢量处理模块(501)输出端与像素提取模块(502)输入端电性连接。
6.根据权利要求1所述的一种能够有效提升检测效率的机器视觉系统,其特征在于,所述捕捉驱动单元(4)包括径向运动模块(402),所述径向运动模块(402)输出端连接有轴向运动模块(401)和运行分析模块(403),所述径向运动模块(402)和轴向运动模块(401)用于对视觉捕捉进行运动,所述运行分析模块(403)用于分析运动路径。
7.根据权利要求1所述的一种能够有效提升检测效率的机器视觉系统,其特征在于,所述视觉分析单元(6)包括立体视觉匹配模块(601),所述立体视觉匹配模块(601)用于对采集视觉进行分析,所述立体视觉匹配模块(601)输出端与多轴视觉录入模块(605)输入端电性连接,所述立体视觉匹配模块(601)输出端连接有角度计算模块(602),所述角度计算模块(602)用于计算拍摄角度保证录入效果。
8.根据权利要求7所述的一种能够有效提升检测效率的机器视觉系统,其特征在于,所述角度计算模块(602)输出端还连接有像素分布计算模块(603),所述像素分布计算模块(603)用于计算图像像素主体分布情况进行分析,所述像素分布计算模块(603)输出入端连接有智能补光模块(604),所述智能补光模块(604)用于对视觉采集进行补光操作,且智能补光模块(604)补光光源包括轴向漫射光源、漫射前置光源、直射前置光源、低角度暗视野光源和后置漫射光源。
9.根据权利要求8所述的一种能够有效提升检测效率的机器视觉系统,其特征在于,所述像素分布计算模块(603)输入端连接有方向向量计算模块(606),所述方向向量计算模块(606)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211050011.1A CN115457459A (zh) | 2022-08-30 | 2022-08-30 | 一种能够有效提升检测效率的机器视觉系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211050011.1A CN115457459A (zh) | 2022-08-30 | 2022-08-30 | 一种能够有效提升检测效率的机器视觉系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115457459A true CN115457459A (zh) | 2022-12-09 |
Family
ID=84301631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211050011.1A Withdrawn CN115457459A (zh) | 2022-08-30 | 2022-08-30 | 一种能够有效提升检测效率的机器视觉系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115457459A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117292101A (zh) * | 2023-11-21 | 2023-12-26 | 南通黛圣婕家居科技有限公司 | 基于计算机视觉的智能除尘系统 |
-
2022
- 2022-08-30 CN CN202211050011.1A patent/CN115457459A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117292101A (zh) * | 2023-11-21 | 2023-12-26 | 南通黛圣婕家居科技有限公司 | 基于计算机视觉的智能除尘系统 |
CN117292101B (zh) * | 2023-11-21 | 2024-02-09 | 南通黛圣婕家居科技有限公司 | 基于计算机视觉的智能除尘系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197546B (zh) | 人脸识别中光照处理方法、装置、计算机设备及存储介质 | |
CN106886216B (zh) | 基于rgbd人脸检测的机器人自动跟踪方法和系统 | |
JP6305171B2 (ja) | シーン内の物体を検出する方法 | |
EP0932114A2 (en) | A method of and apparatus for detecting a face-like region and observer tracking display | |
US20040239762A1 (en) | Adaptive background image updating | |
CN109781737B (zh) | 一种软管表面缺陷的检测方法及其检测系统 | |
CN105513053A (zh) | 一种用于视频分析中背景建模方法 | |
CN116309607B (zh) | 基于机器视觉的船艇式智能水上救援平台 | |
CN104268519A (zh) | 基于模式匹配的图像识别终端及其识别方法 | |
CN111783693A (zh) | 果蔬采摘机器人的智能识别方法 | |
CN108898132A (zh) | 一种基于形状上下文描述的太赫兹图像危险品识别方法 | |
CN112348018A (zh) | 基于巡检机器人的数显式仪表读数识别方法 | |
CN115457459A (zh) | 一种能够有效提升检测效率的机器视觉系统 | |
Changhui et al. | Overlapped fruit recognition for citrus harvesting robot in natural scenes | |
CN113996500A (zh) | 一种基于视觉点胶机器人的点胶智能识别系统 | |
CN111325773A (zh) | 运动目标的检测方法、装置、设备及可读存储介质 | |
CN114257736A (zh) | 一种工件自适应拍摄方法 | |
CN111666869B (zh) | 一种基于宽动态处理的人脸识别方法、装置及电子设备 | |
CN111881924B (zh) | 结合光照不变性与短曝光光照增强的暗光车照识别方法 | |
CN112861645A (zh) | 红外摄像头弱光环境补偿方法、装置及电子设备 | |
CN115862121B (zh) | 基于多媒体资源库的人脸快速匹配方法 | |
CN116452976A (zh) | 一种煤矿井下安全检测方法 | |
Wang et al. | An efficient method of shadow elimination based on image region information in HSV color space | |
CN114820707A (zh) | 一种用于摄像头目标自动追踪的计算方法 | |
CN113344987A (zh) | 复杂背景下电力设备的红外与可见光图像配准方法及系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20221209 |