CN115582637A - 一种激光切割漏工序自动检测系统 - Google Patents
一种激光切割漏工序自动检测系统 Download PDFInfo
- Publication number
- CN115582637A CN115582637A CN202211469714.8A CN202211469714A CN115582637A CN 115582637 A CN115582637 A CN 115582637A CN 202211469714 A CN202211469714 A CN 202211469714A CN 115582637 A CN115582637 A CN 115582637A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- unit
- image
- model
- 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
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/70—Auxiliary operations or equipment
- B23K26/702—Auxiliary equipment
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/36—Removing material
- B23K26/38—Removing material by boring or cutting
Abstract
本发明公开一种激光切割漏工序自动检测系统,包括数据采集终端、数据处理终端、中央控制主机、远程控制终端和智能供电终端;本发明先通过数据采集终端对切割产品进行图像采集、图像转换、图像参数提取并构建产品实时的虚拟三维模型,再通过数据处理终端将产品的实时虚拟三维模型和产品的标准三维模型进行对比分析,以检测出具体遗漏工序并对中央控制主机输出检测结果,以及时准确的为用户直观的展示检测出的遗漏工序,相比传统的人工检测方式以及装置检测方式效率更块、精度更高,且整个检测过程完全实现自动化,成本相对较低,另外通过在系统各终端间采用无线数据传输芯片进行数据信号传输,保证了数据传输的完整性,使检测结果更加真实有效。
Description
技术领域
本发明涉及激光切割技术领域,尤其涉及一种激光切割漏工序自动检测系统。
背景技术
激光切割是利用高功率密度激光束照射被切割材料,使材料很快被加热至汽化温度,蒸发形成孔洞,随着光束对材料的移动,孔洞连续形成宽度很窄的(如0.1mm左右)切缝,完成对材料的切割,大多数激光切割机都由数控程序进行控制操作或做成切割机器人,激光切割作为一种精密的加工方法,几乎可以切割所有的材料,包括薄金属板的二维切割或三维切割,且由于没有刀具加工成本,所以激光切割设备也适用生产小批量的原先不能加工的各种尺寸的部件,激光切割成形技术在非金属材料领域也有着较为广泛的应用,不仅可以切割硬度高、脆性大的材料,如氮化硅、陶瓷、石英等,还能切割加工柔性材料,如布料、纸张、塑料板、橡胶等,且具有精度高,切割快速,不局限于切割图案限制,自动排版节省材料,切口平滑,加工成本低等特点,将逐渐改进或取代于传统的金属切割工艺设备。
目前,在激光切割的自动化生产过程中,由于切割加工工序繁多,导致遗漏工序的情况时有发生,若未及时将遗漏的加工工序及时检测出来,不仅降低了激光切割的质量,甚至对后续加工设备造成一定影响,而传统对激光切割漏工序的质量问题,通常采用人工抽检或检测装置检测的方式进行检测,其中人工抽检的检测方式不仅费时费力,对遗漏切割工序的检测精度也不够,不能满足日益增长的加工量,而现有的一些检测装置大都操作复杂,检测效率较低,且成本也较高,受成本控制,导致应用和推广均具有一定的局限性,因此,本发明提出一种激光切割漏工序自动检测系统以解决现有技术中存在的问题。
发明内容
针对上述问题,本发明的目的在于提出一种激光切割漏工序自动检测系统,解决传统针对激光切割漏工序的人工检测方式不仅费时费力,对遗漏切割工序的检测精度也不够的问题,解决现有的一些检测装置大都操作复杂,检测效率较低,且成本较高的问题。
为了实现本发明的目的,本发明通过以下技术方案实现:一种激光切割漏工序自动检测系统,包括数据采集终端、数据处理终端、中央控制主机、远程控制终端和智能供电终端,所述数据采集终端通过第一数据传输模块与数据处理终端连接,所述智能供电终端为系统供电,所述数据采集终端包括用于获取切割产品图像数据的图像获取模块、用于对获取图像进行数据转换的图像转换模块、用于对转换数据进行参数提取的参数提取模块和用于建立切割产品虚拟模型的三维建模模块;
所述数据处理终端通过第二数据传输模块与中央控制主机连接,所述数据处理终端包括用于存储标准数据的标准数据库、用于将切割产品虚拟模型与标准数据进行对比的模型对比模块和用于判断对比结果的对比判断模块;
所述中央控制主机通过第三数据传输模块与远程控制终端连接,所述中央控制主机包括用于控制系统的人机交互模块、用于警示用户发生漏工序的报警提示模块和用于存储历史检测数据的历史数据库。
进一步改进在于:所述图像获取模块包括图像传感器、图像处理单元和图像输出单元,所述图像转换模块包括差动放大器电路和A/D转换器,所述参数提取模块包括特征识别单元和特征提取单元,所述三维建模模块包括参数分析单元和模型建立单元,所述图像获取模块通过图像转换模块与参数提取模块连接,所述参数提取模块与三维建模模块连接。
进一步改进在于:所述图像传感器对切割产品进行图像采集,所述图像处理单元对采集图像进行图像去噪、图像增强和图像二值化处理,所述图像输出单元将处理后的图像的每个像素的灰度值以模拟电压值的形式通过串行移位方式传输至图像转换模块,所述差动放大器电路对接收到图像模拟电压值信号进行信号调理,所述A/D转换器将调理的图像模拟电压值信号转换为数字量信号。
进一步改进在于:所述特征识别单元以几何形状参数特征为计算对象对转换得到的数字量信号中的产品几何参数特征进行识别并标记,所述特征提取单元根据标记结果对产品的几何特征参数进行提取,所述参数分析单元采用基于机械神经网络的深度学习算法对提取的几何特征参数进行学习,并分析出三维建模所需模型参数,所述模型建立单元根据分析出的模型参数构建产品的实时虚拟三维模型并发送至数据处理终端。
进一步改进在于:所述标准数据库中存储的标准数据包括未遗漏工序的不同类型标准产品的三维模型数据以及完整的全套工序数据,所述模型对比模块包括模型提取单元和模型对比单元,所述模型提取单元对标准数据库中的标准三维模型数据进行提取,所述模型对比单元基于人工神经网络算法将接收到的实时虚拟三维模型与提取的标准三维模型进行对比分析。
进一步改进在于:所述对比判断模块包括结果判断单元和结果输出单元,所述结果判断单元根据模型对比模块的对比分析结果判断产品是否发生加工工序遗漏,所述结果输出单元在结果判断单元判定发生加工工序遗漏后,根据标准数据库输内存储的标准数据检测出对应的遗漏工序并输出漏工序检测结果至中央控制主机。
进一步改进在于:所述人机交互模块包括用于显示检测数据的液晶显示单元、用于输入系统控制参数的参数输入单元和用于将漏工序检测结果以图表的形式展示在液晶显示单元上的数据转换单元,所述报警提示模块包括发出声光警报的声光报警单元和用于对用户进行漏工序语音提示的语音提示单元。
进一步改进在于:所述远程控制终端包括智能移动手机和平板电脑,所述智能移动手机和平板电脑均安装有用于控制中央控制主机的主机控制APP,所述智能供电终端包括用于连接市电的外接供电模块、连接紧急备用电源的内置供电模块和用于对供电方式进行切换的供电切换模块。
进一步改进在于:所述第一数据传输模块、第二数据传输模块和第三数据传输模块均采用信号无损降噪算法对传输数据进行降噪,所述第一数据传输模块和第二数据传输模块采用近距离无线传输技术对数据进行传输,所述第三数据传输模块采用远距离无线传输技术对数据进行传输,所述第一数据传输模块和第二数据传输模块采用的近距离无线传输技术选自蓝牙通信或无线宽带通信中的其中一种,所述第三数据传输模块采用的远距离无线传输技术选自基于GSM通信系统的GPRS无线通信或扩频微波通信中的其中一种。
本发明的有益效果为:本发明包括数据采集终端、数据处理终端、中央控制主机、远程控制终端和智能供电终端,先通过数据采集终端对切割产品进行图像采集、图像转换、图像参数提取并构建产品实时的虚拟三维模型,再通过数据处理终端将产品的实时虚拟三维模型和产品的标准三维模型进行对比分析,以检测出具体遗漏工序并对中央控制主机输出检测结果,以及时准确的为用户直观的展示检测出的遗漏工序,相比传统的人工检测方式以及装置检测方式效率更块、精度更高,且整个检测过程完全实现自动化,操作简单,进一步提高了检测速度,且成本相对较低,另外通过在系统各终端间基于信号无损降噪算法采用无线数据传输芯片进行数据信号传输,保证了数据传输的完整性,使检测结果更加真实有效,可以满足大批量加工检测,具备良好的应用和推广前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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他的附图。
图1是本发明实施例一的系统结构示意图;
图2是本发明实施例二的系统结构示意图。
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他实施例,都属于本发明保护的范围。
实施例一
参见图1,本实施例提供了一种激光切割漏工序自动检测系统,包括数据采集终端、数据处理终端、中央控制主机、远程控制终端和智能供电终端,数据采集终端通过第一数据传输模块与数据处理终端连接,数据处理终端通过第二数据传输模块与中央控制主机连接,中央控制主机通过第三数据传输模块与远程控制终端连接,智能供电终端为系统供电,数据采集终端由图像获取模块、图像转换模块、参数提取模块和三维建模模块组成,其中图像获取模块用于获取切割产品图像数据,图像转换模块对获取图像进行数据转换,参数提取模块对转换数据进行参数提取,三维建模模块建立切割产品虚拟模型;
数据处理终端由标准数据库、模型对比模块和对比判断模块组成,其中标准数据库内存储有包括未遗漏工序的不同类型标准产品的三维模型数据以及完整的全套工序数据在内的标准数据,模型对比模块用于将切割产品虚拟模型与标准数据进行对比,对比判断模块用于判断切割产品虚拟模型与标准数据的对比结果;
中央控制主机由人机交互模块、报警提示模块和历史数据库组成,其中人机交互模块用于控制系统运行,报警提示模块用于警示用户发生漏工序,历史数据库用于存储历史检测数据,以供用户查看历史漏工序检测记录。
图像获取模块包括图像传感器、图像处理单元和图像输出单元,其中图像传感器对切割产品进行图像采集,图像处理单元对采集图像进行图像去噪、图像增强和图像二值化处理,图像输出单元将处理后的图像的每个像素的灰度值以模拟电压值的形式通过串行移位方式传输至图像转换模块。
图像转换模块包括差动放大器电路和A/D转换器,其中差动放大器电路对接收到图像模拟电压值信号进行信号调理,A/D转换器将调理的图像模拟电压值信号转换为数字量信号。
参数提取模块包括特征识别单元和特征提取单元,其中特征识别单元以几何形状参数特征为计算对象对转换得到的数字量信号中的产品几何参数特征进行识别并标记,特征提取单元根据标记结果对产品的几何特征参数进行提取。
三维建模模块包括参数分析单元和模型建立单元,参数分析单元采用基于机械神经网络的深度学习算法对提取的几何特征参数进行学习,并分析出三维建模所需模型参数,模型建立单元根据分析出的模型参数构建产品的实时虚拟三维模型并发送至数据处理终端。
模型对比模块包括用于对标准数据库中的标准三维模型数据进行提取的模型提取单元和基于人工神经网络算法将接收到的实时虚拟三维模型与提取的标准三维模型进行对比分析的模型对比单元,对比判断模块包括根据模型对比模块的对比分析结果判断产品是否发生加工工序遗漏的结果判断单元和结果输出单元,结果输出单元在结果判断单元判定发生加工工序遗漏后,根据标准数据库输内存储的标准数据检测出对应的遗漏工序并输出漏工序检测结果至中央控制主机。
人机交互模块由液晶显示单元、参数输入单元和数据转换单元构成,其中液晶显示单元用于显示检测数据的,参数输入单元用于输入系统控制参数,数据转换单元用于将漏工序检测结果以图表的形式展示在液晶显示单元上,报警提示模块包括发出声光警报的声光报警单元和用于对用户进行漏工序语音提示的语音提示单元。
远程控制终端包括智能移动手机和平板电脑,智能移动手机和平板电脑均安装有用于控制中央控制主机的主机控制APP,智能供电终端包括用于连接市电的外接供电模块、连接紧急备用电源的内置供电模块和用于对供电方式进行切换的供电切换模块,通过外接市电和内接紧急备用电源两种供电方式,使系统不会在紧急停电情况下也能继续使用一端时间。
第一数据传输模块、第二数据传输模块和第三数据传输模块均采用信号无损降噪算法对传输数据进行降噪,使传输数据避免受损,更为完整,第一数据传输模块和第二数据传输模块采用近距离无线传输技术对数据进行传输,具体为蓝牙通信,第三数据传输模块采用远距离无线传输技术对数据进行传输,具体为基于GSM通信系统的GPRS无线通信。
在产品激光切割加工过程中进行漏工序自动检测时,数据采集终端利用图像获取模块对切割后的产品进行产品图像采集,并将采集的图像进行包括图像去噪、图像增强和图像二值化在内的处理后以模拟电压值的形式通过串行移位方式传输至图像转换模块,接着图像转换模块对接收到的图像模拟电压值信号进行调理并转换为数字量信号,随后参数提取模块对图像数字量信号进行产品的几何特征参数提取,之后三维建模模块根据提取的几何特征参数构建产品的实时虚拟三维模型并传输至数据处理终端;
数据处理终端接收到实时虚拟三维模型后,模型对比模块先将实时虚拟三维模型与标准三维模型进行对比分析,对比判断模块再根据对比分析结果判断是否发生加工工序遗漏,并在发生加工工序遗漏后,根据标准数据库输内存储的全套工序数据检测出对应的遗漏工序并输出漏工序检测结果至中央控制主机;
中央控制主机接收到漏工序检测结果后通过人机交互模块对检测结果进行显示,同时报警提示模块对用户进行漏工序报警语音提示,已提示用户及时查看,历史数据库则对漏工序检测结果进行存储,作为历史数据,以供用户查看历史记录。
实施例二
参见图2,本实施例提供了一种激光切割漏工序自动检测系统,包括数据采集终端、数据处理终端、中央控制主机、远程控制终端、智能供电终端、漏工序补偿终端和系统自检终端,数据采集终端通过第一数据传输模块与数据处理终端连接,数据处理终端通过第二数据传输模块与中央控制主机连接,中央控制主机通过第三数据传输模块与远程控制终端连接,智能供电终端为系统供电,数据采集终端由图像获取模块、图像转换模块、参数提取模块和三维建模模块组成,其中图像获取模块用于获取切割产品图像数据,图像转换模块对获取图像进行数据转换,参数提取模块对转换数据进行参数提取,三维建模模块建立切割产品虚拟模型;
数据处理终端由标准数据库、模型对比模块和对比判断模块组成,其中标准数据库内存储有包括未遗漏工序的不同类型标准产品的三维模型数据以及完整的全套工序数据在内的标准数据,模型对比模块用于将切割产品虚拟模型与标准数据进行对比,对比判断模块用于判断切割产品虚拟模型与标准数据的对比结果;
中央控制主机由人机交互模块、报警提示模块和历史数据库组成,其中人机交互模块用于控制系统运行,报警提示模块用于警示用户发生漏工序,历史数据库用于存储历史检测数据,以供用户查看历史漏工序检测记录。
图像获取模块包括图像传感器、图像处理单元和图像输出单元,其中图像传感器对切割产品进行图像采集,图像处理单元对采集图像进行图像去噪、图像增强和图像二值化处理,图像输出单元将处理后的图像的每个像素的灰度值以模拟电压值的形式通过串行移位方式传输至图像转换模块。
图像转换模块包括差动放大器电路和A/D转换器,其中差动放大器电路对接收到图像模拟电压值信号进行信号调理,A/D转换器将调理的图像模拟电压值信号转换为数字量信号。
参数提取模块包括特征识别单元和特征提取单元,其中特征识别单元以几何形状参数特征为计算对象对转换得到的数字量信号中的产品几何参数特征进行识别并标记,特征提取单元根据标记结果对产品的几何特征参数进行提取。
三维建模模块包括参数分析单元和模型建立单元,参数分析单元采用基于机械神经网络的深度学习算法对提取的几何特征参数进行学习,并分析出三维建模所需模型参数,模型建立单元根据分析出的模型参数构建产品的实时虚拟三维模型并发送至数据处理终端。
模型对比模块包括用于对标准数据库中的标准三维模型数据进行提取的模型提取单元和基于人工神经网络算法将接收到的实时虚拟三维模型与提取的标准三维模型进行对比分析的模型对比单元,对比判断模块包括根据模型对比模块的对比分析结果判断产品是否发生加工工序遗漏的结果判断单元和结果输出单元,结果输出单元在结果判断单元判定发生加工工序遗漏后,根据标准数据库输内存储的标准数据检测出对应的遗漏工序并输出漏工序检测结果至中央控制主机。
人机交互模块由液晶显示单元、参数输入单元和数据转换单元构成,其中液晶显示单元用于显示检测数据的,参数输入单元用于输入系统控制参数,数据转换单元用于将漏工序检测结果以图表的形式展示在液晶显示单元上,报警提示模块包括发出声光警报的声光报警单元和用于对用户进行漏工序语音提示的语音提示单元。
远程控制终端包括智能移动手机和平板电脑,智能移动手机和平板电脑均安装有用于控制中央控制主机的主机控制APP,智能供电终端包括用于连接市电的外接供电模块、连接紧急备用电源的内置供电模块和用于对供电方式进行切换的供电切换模块,通过外接市电和内接紧急备用电源两种供电方式,使系统不会在紧急停电情况下也能继续使用一端时间。
第一数据传输模块、第二数据传输模块和第三数据传输模块均采用信号无损降噪算法对传输数据进行降噪,使传输数据避免受损,更为完整,第一数据传输模块和第二数据传输模块采用近距离无线传输技术对数据进行传输,具体为无线宽带通信,第三数据传输模块采用远距离无线传输技术对数据进行传输,具体为扩频微波通信。
漏工序补偿终端包括工件标记模块、工件识别模块、工件传输模块和补漏加工模块,其中工件标记模块用于对漏工序的产品进行标记,工件识别模块用于对漏工序的产品进行识别,工件传输模块用于将漏工序的产品传输至激光切割机处,补漏加工模块用于驱动激光切割机对产品漏加工处进行重新加工。
系统自检终端与检测系统各终端均无线连接,系统自检终端保用用于监测系统电路运行状态的电路运行检测模块、用于检测系统中各终端设备参数的系统参数检测模块和用于在系统自检发现问题是关闭系统的急停控制模块,通过系统自检终端对系统整体运行状态进行自检,便于用户及时发现系统自身故障问题。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种激光切割漏工序自动检测系统,其特征在于:包括数据采集终端、数据处理终端、中央控制主机、远程控制终端和智能供电终端,所述数据采集终端通过第一数据传输模块与数据处理终端连接,所述智能供电终端为系统供电,所述数据采集终端包括用于获取切割产品图像数据的图像获取模块、用于对获取图像进行数据转换的图像转换模块、用于对转换数据进行参数提取的参数提取模块和用于建立切割产品虚拟模型的三维建模模块;
所述数据处理终端通过第二数据传输模块与中央控制主机连接,所述数据处理终端包括用于存储标准数据的标准数据库、用于将切割产品虚拟模型与标准数据进行对比的模型对比模块和用于判断对比结果的对比判断模块;
所述中央控制主机通过第三数据传输模块与远程控制终端连接,所述中央控制主机包括用于控制系统的人机交互模块、用于警示用户发生漏工序的报警提示模块和用于存储历史检测数据的历史数据库。
2.根据权利要求1所述的一种激光切割漏工序自动检测系统,其特征在于:所述图像获取模块包括图像传感器、图像处理单元和图像输出单元,所述图像转换模块包括差动放大器电路和A/D转换器,所述参数提取模块包括特征识别单元和特征提取单元,所述三维建模模块包括参数分析单元和模型建立单元,所述图像获取模块通过图像转换模块与参数提取模块连接,所述参数提取模块与三维建模模块连接。
3.根据权利要求2所述的一种激光切割漏工序自动检测系统,其特征在于:所述图像传感器对切割产品进行图像采集,所述图像处理单元对采集图像进行图像去噪、图像增强和图像二值化处理,所述图像输出单元将处理后的图像的每个像素的灰度值以模拟电压值的形式通过串行移位方式传输至图像转换模块,所述差动放大器电路对接收到图像模拟电压值信号进行信号调理,所述A/D转换器将调理的图像模拟电压值信号转换为数字量信号。
4.根据权利要求3所述的一种激光切割漏工序自动检测系统,其特征在于:所述特征识别单元以几何形状参数特征为计算对象对转换得到的数字量信号中的产品几何参数特征进行识别并标记,所述特征提取单元根据标记结果对产品的几何特征参数进行提取,所述参数分析单元采用基于机械神经网络的深度学习算法对提取的几何特征参数进行学习,并分析出三维建模所需模型参数,所述模型建立单元根据分析出的模型参数构建产品的实时虚拟三维模型并发送至数据处理终端。
5.根据权利要求1所述的一种激光切割漏工序自动检测系统,其特征在于:所述标准数据库中存储的标准数据包括未遗漏工序的不同类型标准产品的三维模型数据以及完整的全套工序数据,所述模型对比模块包括模型提取单元和模型对比单元,所述模型提取单元对标准数据库中的标准三维模型数据进行提取,所述模型对比单元基于人工神经网络算法将接收到的实时虚拟三维模型与提取的标准三维模型进行对比分析。
6.根据权利要求1所述的一种激光切割漏工序自动检测系统,其特征在于:所述对比判断模块包括结果判断单元和结果输出单元,所述结果判断单元根据模型对比模块的对比分析结果判断产品是否发生加工工序遗漏,所述结果输出单元在结果判断单元判定发生加工工序遗漏后,根据标准数据库输内存储的标准数据检测出对应的遗漏工序并输出漏工序检测结果至中央控制主机。
7.根据权利要求1所述的一种激光切割漏工序自动检测系统,其特征在于:所述人机交互模块包括用于显示检测数据的液晶显示单元、用于输入系统控制参数的参数输入单元和用于将漏工序检测结果以图表的形式展示在液晶显示单元上的数据转换单元,所述报警提示模块包括发出声光警报的声光报警单元和用于对用户进行漏工序语音提示的语音提示单元。
8.根据权利要求1所述的一种激光切割漏工序自动检测系统,其特征在于:所述远程控制终端包括智能移动手机和平板电脑,所述智能移动手机和平板电脑均安装有用于控制中央控制主机的主机控制APP,所述智能供电终端包括用于连接市电的外接供电模块、连接紧急备用电源的内置供电模块和用于对供电方式进行切换的供电切换模块。
9.根据权利要求1所述的一种激光切割漏工序自动检测系统,其特征在于:所述第一数据传输模块、第二数据传输模块和第三数据传输模块均采用信号无损降噪算法对传输数据进行降噪,所述第一数据传输模块和第二数据传输模块采用近距离无线传输技术对数据进行传输,所述第三数据传输模块采用远距离无线传输技术对数据进行传输,所述第一数据传输模块和第二数据传输模块采用的近距离无线传输技术选自蓝牙通信或无线宽带通信中的其中一种,所述第三数据传输模块采用的远距离无线传输技术选自基于GSM通信系统的GPRS无线通信或扩频微波通信中的其中一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211469714.8A CN115582637B (zh) | 2022-11-22 | 2022-11-22 | 一种激光切割漏工序自动检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211469714.8A CN115582637B (zh) | 2022-11-22 | 2022-11-22 | 一种激光切割漏工序自动检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115582637A true CN115582637A (zh) | 2023-01-10 |
CN115582637B CN115582637B (zh) | 2023-06-30 |
Family
ID=84783183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211469714.8A Active CN115582637B (zh) | 2022-11-22 | 2022-11-22 | 一种激光切割漏工序自动检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115582637B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116342602A (zh) * | 2023-05-30 | 2023-06-27 | 四川都得利管业有限公司 | 一种塑料管生产质量的精细化检测方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819026A (zh) * | 2010-04-22 | 2010-09-01 | 江苏大学 | 一种水切割用超高压水射流长度和半径的测量方法 |
CN102508547A (zh) * | 2011-11-04 | 2012-06-20 | 哈尔滨工业大学深圳研究生院 | 基于计算机视觉的手势输入法构建方法及系统 |
CN103034344A (zh) * | 2012-11-16 | 2013-04-10 | 浙江工商大学 | 一种可佩戴无线运动传感器与视频融合系统 |
CN103753015A (zh) * | 2013-12-27 | 2014-04-30 | 深圳市光大激光科技股份有限公司 | 一种激光焊接机焊缝跟踪系统及焊缝跟踪方法 |
CN104599229A (zh) * | 2015-01-13 | 2015-05-06 | 河海大学 | 一种岩土体材料快速矢量化方法 |
CN106942837A (zh) * | 2017-03-22 | 2017-07-14 | 青岛小步科技有限公司 | 一种基于图像识别及三维建模技术的矫形鞋制作方法及系统 |
CN110160580A (zh) * | 2019-06-19 | 2019-08-23 | 重庆星禧科技发展有限公司 | 一种激光切割机器视觉检测系统及工作方法 |
EP3571001A2 (en) * | 2017-01-20 | 2019-11-27 | Ermaksan Makina Sanayi Ve Ticaret Anonim Sirketi | Fiber laser module for a laser cutting machine, using insulators of fibre coupling for providing the measurement of a retro-reflecting beam and protection of the fibre laser module |
-
2022
- 2022-11-22 CN CN202211469714.8A patent/CN115582637B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819026A (zh) * | 2010-04-22 | 2010-09-01 | 江苏大学 | 一种水切割用超高压水射流长度和半径的测量方法 |
CN102508547A (zh) * | 2011-11-04 | 2012-06-20 | 哈尔滨工业大学深圳研究生院 | 基于计算机视觉的手势输入法构建方法及系统 |
CN103034344A (zh) * | 2012-11-16 | 2013-04-10 | 浙江工商大学 | 一种可佩戴无线运动传感器与视频融合系统 |
CN103753015A (zh) * | 2013-12-27 | 2014-04-30 | 深圳市光大激光科技股份有限公司 | 一种激光焊接机焊缝跟踪系统及焊缝跟踪方法 |
CN104599229A (zh) * | 2015-01-13 | 2015-05-06 | 河海大学 | 一种岩土体材料快速矢量化方法 |
EP3571001A2 (en) * | 2017-01-20 | 2019-11-27 | Ermaksan Makina Sanayi Ve Ticaret Anonim Sirketi | Fiber laser module for a laser cutting machine, using insulators of fibre coupling for providing the measurement of a retro-reflecting beam and protection of the fibre laser module |
CN106942837A (zh) * | 2017-03-22 | 2017-07-14 | 青岛小步科技有限公司 | 一种基于图像识别及三维建模技术的矫形鞋制作方法及系统 |
CN110160580A (zh) * | 2019-06-19 | 2019-08-23 | 重庆星禧科技发展有限公司 | 一种激光切割机器视觉检测系统及工作方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116342602A (zh) * | 2023-05-30 | 2023-06-27 | 四川都得利管业有限公司 | 一种塑料管生产质量的精细化检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115582637B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111722714B (zh) | 一种基于ar技术的数字化变电站计量运检辅助方法 | |
CN105094128B (zh) | 用于自动读表的变电站巡检机器人 | |
CN204229230U (zh) | 用于自动读表的变电站巡检机器人 | |
CN110514957A (zh) | 变电站自动巡检方法和平台 | |
CN115582637A (zh) | 一种激光切割漏工序自动检测系统 | |
CN110738289A (zh) | 电力作业标准化的多维联动综合研判装置及其使用方法 | |
CN112562276A (zh) | 一种设备故障报警方法及系统 | |
CN113177614A (zh) | 一种城市轨道交通供电开关柜图像识别系统及方法 | |
CN201017232Y (zh) | 基于fisher的工业过程非线性故障诊断装置 | |
CN111474870A (zh) | 一种基于机器学习的故障诊断、检测系统 | |
CN201897572U (zh) | 一种玻璃破边检测系统 | |
CN113552562A (zh) | 一种超声波雷达自动标定系统及其方法 | |
CN113641155A (zh) | 一种高温锻件检测控制系统 | |
CN111597067A (zh) | 一种it故障现象反馈系统 | |
CN116068305A (zh) | 一种电弧铣削机床电气系统故障诊断装置 | |
CN208155515U (zh) | 基于机器视觉识别的气瓶压力变送器 | |
CN116277001A (zh) | 一种基于数字孪生的连铸机器人管理方法及其系统 | |
CN111590244A (zh) | 基于云端管控的车间机器焊缝焊偏实时检测方法与装置 | |
CN116108081A (zh) | 一种环境在线监测系统及环境监测方法 | |
CN113110985B (zh) | 一种用于防爆现场的设备诊断系统及操作终端 | |
CN211904203U (zh) | 一种机器视觉检测ai人工智能复判系统 | |
CN114035555A (zh) | 一种plc控制器故障检测系统 | |
CN202886945U (zh) | 基于物联网的金属标准件生产智控制装置 | |
CN111222716B (zh) | 一种工程安全预测预警装置 | |
CN205451374U (zh) | 工业安全检测的预警系统 |
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 |