CN115631192B - 一种阀门试压机的控制方法、装置、设备及介质 - Google Patents
一种阀门试压机的控制方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115631192B CN115631192B CN202211552635.3A CN202211552635A CN115631192B CN 115631192 B CN115631192 B CN 115631192B CN 202211552635 A CN202211552635 A CN 202211552635A CN 115631192 B CN115631192 B CN 115631192B
- Authority
- CN
- China
- Prior art keywords
- valve
- information
- test
- abnormal
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/003—Machine valves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- 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
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及阀门检测的领域,尤其是涉及一种阀门试压机的控制方法、装置、设备及介质。方法包括:当检测到试压测试指令后,获取阀门图像信息以及测试机信息,然后对阀门图像信息进行图像特征分析,得到阀门特征信息,对阀门特征信息以及测试机信息进行三维空间重建,得到阀门测试模型,对阀门测试模型进行测试模拟训练,得到测试调整数值,然后基于测试调整数值确定测试机调节指令,控制阀门试压机的压杆与阀门进行校准,本申请具有提高阀门的水压测试效率的效果。
Description
技术领域
本申请涉及阀门检测的领域,尤其是涉及一种阀门试压机的控制方法、装置、设备及介质。
背景技术
阀门试压机集机电、液压、试压、液体介质贮存循环使用于一体,具有功能完善、性能稳定、自动化程度高等特点。广泛用于阀门的强度、密封和泄漏量等各项性能的测试。
目前,在使用阀门试压机对阀门进行阀门水压试验过程中,都是通过丝杆或者活塞杆将试压法兰与阀门法兰贴紧,试压法兰与阀门法兰之间通过密封圈进行密封。对于一些大口径高压力阀门,试压过程中对试压法兰的推力达到一千多吨,如果阀门两端法兰的平行度不够,不管施加多大的推力都有可能泄露。为了确保阀门试压成功,工作人员在试压初期对阀门的位置摆放进行细致调整,使得阀门两端法兰与试压法兰对应的平行度满足测试要求。
针对于上述相关技术,发明人认为在对阀门进行水压试验时,手动调整阀门位置的方式不仅耗费人力资源,而且难以保证平行度的准确性,从而存在降低阀门水压测试效率的缺陷。
发明内容
为了提高阀门的水压测试效率,本申请提供了一种阀门试压机的控制方法、装置、设备及介质。
第一方面,本申请提供一种阀门试压机的控制方法,采用如下的技术方案:
一种阀门试压机的控制方法,包括:
当检测到试压测试指令后,获取阀门图像信息以及测试机信息,阀门图像信息为以阀门试压机为中心从多方位拍摄的阀门图像信息,测试机信息为阀门试压机的工作参数信息;
对阀门图像信息进行图像特征分析,得到阀门特征信息;
对阀门特征信息以及测试机信息进行三维空间重建,得到阀门测试模型;
对阀门测试模型进行测试模拟训练,得到测试调整数值;
基于测试调整数值确定测试机调节指令,控制阀门试压机的压杆与阀门进行校准。
在另一种可能实现的方式中,对阀门特征信息以及测试机信息进行三维空间重建,得到阀门测试模型,包括:
获取实地空间信息,实地空间信息为阀门试压机所处的空间环境信息;
将阀门特征信息输入训练完善的图像定位算法,得到多组阀门空间坐标,一组阀门空间坐标用于表示所阀门特征信息中位于同一方位的空间坐标;
根据多组阀门空间坐标确定阀门的阀门空间模型,并对测试机信息以及实地空间信息进行数据分析,得到测试机模型以及实地模型;
将阀门空间模型、测试机模型以及实地模型进行定位结合,得到阀门测试模型。
在另一种可能实现的方式中,基于测试调整数值确定测试机调节指令,控制阀门试压机的压杆与阀门进行校准,之后还包括:
获取阀门测试信息,并对阀门测试信息进行数据拆解分析,得到阀门指标数据;
判断阀门指标数据是否满足于预设指标数据范围;
若阀门指标数据不满足预设指标数据范围,则基于阀门指标数据调取异常指标数据,并对异常指标数据进行分析,得到异常根原因信息。
在另一种可能实现的方式中,对异常指标数据进行分析,得到异常根原因信息,包括:
获取阀门设备信息,并基于阀门设备信息确定工艺流程节点信息以及标准工艺流程节点信息;
基于工艺流程节点信息与标准工艺流程节点信息构建流程节点群信息;
获取与工艺流程节点信息相对应的工艺节点位号信息以及流程顺序信息;
基于异常指标数据确定异常节点位号信息,并将异常节点位号信息与工艺节点位号信息进行匹配,得到流程节点群信息中的异常节点群信息;
基于流程顺序信息对异常节点群信息进行排序,得到异常节点群信息中的异常节点信息;
对异常节点信息相对应的工艺流程节点信息进行分析,得到工艺流程节点信息的异常根原因信息,并控制显示异常根原因信息。
在另一种可能实现的方式中,基于流程顺序信息对异常节点群信息进行排序,得到异常节点群信息中的异常节点信息,之后还包括:
对异常节点信息进行数据查询,得到生产批次信息;
调取生产批次信息中的生产视频信息,并对生产视频信息进行视觉帧处理,得到生产视觉帧;
对生产视觉帧进行分析筛选,生成视觉关键帧;
基于视觉关键帧确定目标地图点,并判断视觉关键帧是否与目标地图点存在关联,目标地图点为生产批次信息中不同阀门对应的地图点;
若视觉关键帧的特征点与目标地图点存在关联,则基于视觉关键帧的特征点对目标地图点进行更新。
在另一种可能实现的方式中,基于视觉关键帧确定目标地图点,包括:
判断视觉关键帧是否为初始关键帧;
若是,则提取实时视觉帧中具有深度值的特征点,并基于特征点构建地图点,得到目标地图点。
在另一种可能实现的方式中,对异常节点信息相对应的工艺流程节点信息进行分析,得到工艺流程节点信息的异常根原因信息,之后还包括:
基于异常根原因信息对异常节点信息进行分析,得到异常修复数据;
将异常修复数据与阀门测试模型相结合,得到阀门修复模型;
对阀门修复模型进行测试模拟训练,确定阀门修复模型是否满足测试需求;
若不满足,则基于测试模拟训练结果对异常修复数据进行调整,更新异常修复数据;
循环执行对阀门修复模型进行测试模拟训练,确定阀门修复模型是否满足测试需求,直至阀门修复模型满足测试需求,控制显示异常修复数据。
第二方面,本申请提供一种阀门试压机的控制装置,采用如下的技术方案:
一种阀门试压机的控制装置,包括:
信息获取模块,用于当检测到试压测试指令后,获取阀门图像信息以及测试机信息,阀门图像信息为以阀门试压机为中心从多方位拍摄的阀门图像信息,测试机信息为阀门试压机的工作参数信息;
特征分析模块,用于对阀门图像信息进行图像特征分析,得到阀门特征信息;
空间重建模块,用于对阀门特征信息以及测试机信息进行三维空间重建,得到阀门测试模型;
模拟训练模块,用于对阀门测试模型进行测试模拟训练,得到测试调整数值;
指令校准模块,用于基于测试调整数值确定测试机调节指令,控制阀门试压机的压杆与阀门进行校准。
在一种可能的实现方式中,空间重建模块在对阀门特征信息以及测试机信息进行三维空间重建,得到阀门测试模型时,具体用于:
获取实地空间信息,实地空间信息为阀门试压机所处的空间环境信息;
将阀门特征信息输入训练完善的图像定位算法,得到多组阀门空间坐标,一组阀门空间坐标用于表示所阀门特征信息中位于同一方位的空间坐标;
根据多组阀门空间坐标确定阀门的阀门空间模型,并对测试机信息以及实地空间信息进行数据分析,得到测试机模型以及实地模型;
将阀门空间模型、测试机模型以及实地模型进行定位结合,得到阀门测试模型。
在另一种可能的实现方式中,装置还包括:数据拆解模块、指标判断模块以及数据分析模块,其中,
数据拆解模块,用于获取阀门测试信息,并对阀门测试信息进行数据拆解分析,得到阀门指标数据;
指标判断模块,用于判断阀门指标数据是否满足于预设指标数据范围;
数据分析模块,用于若阀门指标数据不满足预设指标数据范围,则基于阀门指标数据调取异常指标数据,并对异常指标数据进行分析,得到异常根原因信息。
在另一种可能的实现方式中,数据分析模块在对异常指标数据进行分析,得到异常根原因信息时,具体用于:
获取阀门设备信息,并基于阀门设备信息确定工艺流程节点信息以及标准工艺流程节点信息;
基于工艺流程节点信息与标准工艺流程节点信息构建流程节点群信息;
获取与工艺流程节点信息相对应的工艺节点位号信息以及流程顺序信息;
基于异常指标数据确定异常节点位号信息,并将异常节点位号信息与工艺节点位号信息进行匹配,得到流程节点群信息中的异常节点群信息;
基于流程顺序信息对异常节点群信息进行排序,得到异常节点群信息中的异常节点信息;
对异常节点信息相对应的工艺流程节点信息进行分析,得到工艺流程节点信息的异常根原因信息,并控制显示异常根原因信息。
在另一种可能的实现方式中,装置还包括:数据查询模块、视觉帧处理模块、分析筛选模块、关联判断模块以及更新模块,其中,
数据查询模块,用于对异常节点信息进行数据查询,得到生产批次信息;
视觉帧处理模块,用于调取生产批次信息中的生产视频信息,并对生产视频信息进行视觉帧处理,得到生产视觉帧;
分析筛选模块,用于对生产视觉帧进行分析筛选,生成视觉关键帧;
关联判断模块,用于基于视觉关键帧确定目标地图点,并判断视觉关键帧是否与目标地图点存在关联,目标地图点为生产批次信息中不同阀门对应的地图点;
更新模块,用于若视觉关键帧的特征点与目标地图点存在关联,则基于视觉关键帧的特征点对目标地图点进行更新。
在另一种可能的实现方式中,关联判断模块在基于视觉关键帧确定目标地图点时,具体用于:
判断视觉关键帧是否为初始关键帧;
若是,则提取实时视觉帧中具有深度值的特征点,并基于特征点构建地图点,得到目标地图点。
在另一种可能的实现方式中,装置还包括:节点分析模块、数模组合模块、测试训练模块、数据更新模块以及循环修复模块,其中,
节点分析模块,用于基于异常根原因信息对异常节点信息进行分析,得到异常修复数据;
数模组合模块,用于将异常修复数据与阀门测试模型相结合,得到阀门修复模型;
测试训练模块,用于对阀门修复模型进行测试模拟训练,确定阀门修复模型是否满足测试需求;
数据更新模块,用于若不满足,则基于测试模拟训练结果对异常修复数据进行调整,更新异常修复数据;
循环修复模块,用于循环执行对阀门修复模型进行测试模拟训练,确定阀门修复模型是否满足测试需求,直至阀门修复模型满足测试需求,控制显示异常修复数据。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,至少一个应用程序配置用于:执行上述阀门试压机的控制方法。
第四方面,提供了一种计算机可读存储介质,存储介质存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如第一方面中任一可能的实现方式所示的阀门试压机的控制方法。
综上,本申请包括以下至少一种有益技术效果:
本申请提供了一种阀门试压机的控制方法、装置、设备及介质,与相关技术相比,在本申请中,在使用阀门试压机对阀门进行检测时,工作人员点击试压测试功能,生成试压测试指令,电子设备检测到试压测试指令后,获取阀门图像信息以及测试机信息,其中,阀门图像信息为以阀门试压机为中心从多方位拍摄的阀门图像信息,测试机信息为阀门试压机的工作参数信息,然后对阀门图像信息进行图像特征分析,得到阀门特征信息,然后对阀门特征信息以及测试机信息进行三维空间重建,得到阀门测试模型,然后对阀门测试模型进行测试模拟训练,得到测试调整数值,并基于测试调整数值确定测试机调节指令,控制阀门试压机的压杆与阀门进行自动校准,从而不仅保证了阀门试压机的压杆与阀门的平行度,而且降低了平行度校准的时间,达到了提高阀门水压测试效率的效果。
附图说明
图1是本申请实施例一种阀门试压机的控制方法的流程示意图;
图2是本申请实施例一种阀门试压机的控制装置的方框示意图;
图3是本申请实施例电子设备的示意图。
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,一种阀门试压机的控制方法、装置、设备及介质和/或B,可以表示:单独存在一种阀门试压机的控制方法、装置、设备及介质,同时存在一种阀门试压机的控制方法、装置、设备及介质和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种阀门试压机的控制方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制,如图1所示,该方法包括:
步骤S10,当检测到试压测试指令后,获取阀门图像信息以及测试机信息。
其中,阀门图像信息为以阀门试压机为中心从多方位拍摄的阀门图像信息,测试机信息为阀门试压机的工作参数信息。
具体地,在阀门试压机的测试平台正上方、正前方、正后方以及两侧具设置有图像拍摄装置,在工作人员将阀门放置于测试平台上后,电子设备通过平台正上的图像拍摄装置,确定阀门在测试平台上的占比,随后根据占比调节正前方、正后发以及两侧的图像拍摄装置至适当位置,以使得能够从全方位对阀门进行整体拍摄,以便于提高后续对阀门特征信息提取的完整性。
具体地,调节比例按照阀门占测试平台面积的比例来算,比如:当占比比例为1:3时,即表示当前阀门总体体积较小,控制调节比例为67%,正前方、正后方以及两侧的图像拍摄装置按照调节比例向阀门的方向靠近,当调节比例为100%时,即表示正前方、正后方以及两侧的图像拍摄装置与阀门相贴合。
在本申请实施例中,图像拍摄装置包括摄像头、相机以及扫描仪。
步骤S11,对阀门图像信息进行图像特征分析,得到阀门特征信息。
具体地,对图像拍摄装置获取到的多方位阀门图像信息进行图像识别,得到阀门正前方、正后方、正上方以及两侧的图像特征,然后根据图像拍摄装置拍摄时所对应的调节比例,对图像特征进行大小调整,并将调整后的图像特征按照拍摄方位进行特征重组,得到阀门特征信息。
在本申请实施例中,应用PointNet技术对阀门图像信息特征重组,其原理采用分层结构,将每幅阀门图像分为局部图像,从而将整体图像转化为局部点集,再对局部点集进行pointnet提取特征再重组,每一个分层称为抽象层,每一个抽象层组成:Samplinglayer, Grouping layer and PointNet layer。
步骤S12,对阀门特征信息以及测试机信息进行三维空间重建,得到阀门测试模型。
对于本申请实施例来说,通过对阀门特征信息以及测试机信息进行测量得到传递函数,对函数进行分解得到定向传递函数以及公共传递函数。同时抽取出传递函数内的时间差。对定向传递函数以及公共传递函数进行处理逼近,并将由逼近后得到的两种函数的时域冲激响应互相卷积,加入之前抽取得到的时间差得到不同方向与头相关的冲激响应即认定阀门测试模型建立成功。
步骤S13,对阀门测试模型进行测试模拟训练,得到测试调整数值。
对于本申请实施例来说,采用Simerics-MP以及复杂阀门CFD仿真的技术对阀门测试模型进行模拟训练,得到测试调整数值。
步骤S14,基于测试调整数值确定测试机调节指令,控制阀门试压机的压杆与阀门进行校准。
在本申请实施例中,设置于阀门试压机两侧的滑动装置,响应于测试机调节指令,带动着压杆进行滑动,使得压杆远离阀门试压机一端与阀门的法兰端相对齐。
本申请实施例提供了一种阀门试压机的控制方法,在使用阀门试压机对阀门进行检测时,工作人员点击试压测试功能,生成试压测试指令,电子设备检测到试压测试指令后,获取阀门图像信息以及测试机信息,其中,阀门图像信息为以阀门试压机为中心从多方位拍摄的阀门图像信息,测试机信息为阀门试压机的工作参数信息,然后对阀门图像信息进行图像特征分析,得到阀门特征信息,然后对阀门特征信息以及测试机信息进行三维空间重建,得到阀门测试模型,然后对阀门测试模型进行测试模拟训练,得到测试调整数值,并基于测试调整数值确定测试机调节指令,控制阀门试压机的压杆与阀门进行自动校准,从而不仅保证了阀门试压机的压杆与阀门的平行度,而且降低了平行度校准的时间,达到了提高阀门水压测试效率的效果。
本申请实施例的一种可能的实现方式,步骤S12具体包括步骤S121(图中未示出)、步骤S122(图中未示出)、步骤S123(图中未示出)以及步骤S124(图中未示出),其中,
步骤S121,获取实地空间信息。
其中,实地空间信息为阀门试压机所处的空间环境信息。
具体地,为了便于更好的模拟出阀门测试模型,本申请实施例中,对阀门试压机所处的空间信息进行调取,其中空间信息包括:空间体积参数、空间环境参数以及阀门试压机所处空间参数。
步骤S122,将阀门特征信息输入训练完善的图像定位算法,得到多组阀门空间坐标。
其中,一组阀门空间坐标用于表示所阀门特征信息中位于同一方位的空间坐标。
步骤S123,根据多组阀门空间坐标确定阀门的阀门空间模型,并对测试机信息以及实地空间信息进行数据分析,得到测试机模型以及实地模型。
步骤S124,将阀门空间模型、测试机模型以及实地模型进行定位结合,得到阀门测试模型。
本申请实施例的一种可能的实现方式,步骤S14之后还包括步骤S41(图中未示出)、步骤S42(图中未示出)以及步骤S43(图中未示出),其中,
步骤S41,获取阀门测试信息,并对阀门测试信息进行数据拆解分析,得到阀门指标数据。
具体地,将阀门测试信息中的参数进行提取,得到以key-velue形式的阀门指标数据。
步骤S42,判断阀门指标数据是否满足于预设指标数据范围。
在本申请实施例中,预设指标数据范围包括:阀门内气压小于0.2Mpa。
步骤S43,若阀门指标数据不满足预设指标数据范围,则基于阀门指标数据调取异常指标数据,并对异常指标数据进行分析,得到异常根原因信息。
本申请实施例的一种可能的实现方式,步骤S43具体包括步骤S431(图中未示出)、步骤S432(图中未示出)、步骤S433(图中未示出)、骤S434(图中未示出)、骤S435(图中未示出)以及步骤S436(图中未示出),其中,
步骤S431,获取阀门设备信息,并基于阀门设备信息确定工艺流程节点信息以及标准工艺流程节点信息。
具体地,在本申请实施例中,当阀门设备检测出现异常时,阀门设备会向电子设备发送报警信号,电子设备对报警信号进行接收,同时对接收到的报警信息进行查询,确定阀门设备在成产过程中产生报警信号的生产设备信息,并将与生产设备信息相绑定的工艺流程节点信息以及标准工艺流程节点信息进行获取,以便于后期进行数据查询。
步骤S432,基于工艺流程节点信息与标准工艺流程节点信息构建流程节点群信息。
具体地,利用区块链点对点特性,将工艺流程节点信息与标准工艺流程节点信息构建成流程节点群信息。
步骤S433,获取与工艺流程节点信息相对应的工艺节点位号信息以及流程顺序信息。
具体地,对工艺流程节点信息中的不同流程的工艺节点位号信息进行查询,得到与多个工艺流程节点信息相对应的工艺节点位号信息,同时对工艺流程节点信息绑定的流程时间信息获取,确定多和工艺流程节点信息的流程顺序信息。
步骤S434,基于异常指标数据确定异常节点位号信息,并将异常节点位号信息与工艺节点位号信息进行匹配,得到流程节点群信息中的异常节点群信息。
步骤S435,基于流程顺序信息对异常节点群信息进行排序,得到异常节点群信息中的异常节点信息。
具体地,根据工艺流程节点信息的流程顺序信息确定异常节点群信息中的异常节点信息,例如:异常节点群信息为A、B以及C三个不同的节点信息,根据流程顺序信息可知B节点为开始节点信息,A节点为第二节点信息,C节点为最终节点信息,异常节点群信息按照流程顺序信息进行排序后,异常节点群信息为B、A以及C,而异常节点信息为B节点信息
步骤S436,对异常节点信息相对应的工艺流程节点信息进行分析,得到工艺流程节点信息的异常根原因信息,并控制显示异常根原因信息。
本申请实施例的一种可能的实现方式,步骤S435具体包括步骤S351(图中未示出)、步骤352(图中未示出)、步骤S353(图中未示出)、步骤S354(图中未示出)以及步骤S355(图中未示出),其中,
为了更好的阐述本申请实施例的技术内容,对一下名词进行如下解释:
视觉帧:双目图像,或RGBD图像。
关键帧:基于视觉帧构建,主要组成为:{位姿,特征点集合,特征点对应的地图点集合(若特征点存在关联的地图点)},其中,位姿是通过PnP算法计算出来的。
视觉地图点:简称地图点,主要组成为:{世界坐标,最佳描述子,观测关键帧集合,观测距离范围,平均观测方向}。
观测关键帧:地图点与该关键帧的某个特征点有关联(被观测到)。
观测距离范围:观测关键帧与地图点距离的最小与最大值区间。
观测方向:世界坐标系下观测关键帧与地图点形成的直线方向。
步骤S351,对异常节点信息进行数据查询,得到生产批次信息。
在本申请实施例中,异常节点信息包括:生产批次信息、生产时间信息、生产型号信息以及生产流程节点,将异常节点信息中的不同种类信息进行分类筛选,得到生产批次信息。
步骤S352,调取生产批次信息中的生产视频信息,并对生产视频信息进行视觉帧处理,得到生产视觉帧。
具体地,根据生产批次信息对应生产时间信息调取生产视频信息,生产视频信息是由安装在生产车间内的摄像头拍摄得到的。
步骤S353,对生产视觉帧进行分析筛选,生成视觉关键帧。
对于本申请实施例来说,视觉关键帧为当前时间内的关键帧,是抽取前一时间段内的视觉帧得到的。视觉帧与关键帧的区别在于,视觉帧是每时每刻都在产生,而关键帧是将局部相近的多个视觉帧中找到最具有代表性的一个视觉帧。
具体地,一段动画,从本质上讲就是一段时间内连续播放的一定数量的画面。每一张画面,我们管它叫做“视觉帧”。至于为什么叫做“视觉帧”,是因为这些画面包含了时间和位置的变化关系,一定时间内连续快速播放若干个帧,就成了人眼中所看到的动画。同样时间内,播放的视觉帧数越多,画面看起来越流畅,即从多个视觉帧中挑选关键帧,并将关键字进行组合播放。
具体地,生成视觉关键帧的优点在于:
相近帧之间信息冗余度很高,关键帧是取局部相近帧中最有代表性的一帧,可以降低信息冗余度。举例来说,摄像头放在原处不动,普通帧还是要记录的,但关键帧不会增加。
关键帧选择时还会对图片质量、特征点质量等进行考察,在Bundle Fusion、RKDSLAM等RGB-D SLAM相关方案中常常用普通帧的深度投影到关键帧上进行深度图优化,一定程度上关键帧是普通帧滤波和优化的结果,防止无用的或错误的信息进入优化过程而破坏定位建图的准确性。
步骤S354,基于视觉关键帧确定目标地图点,并判断视觉关键帧是否与目标地图点存在关联。
其中,目标地图点为生产批次信息中不同阀门对应的地图点;
步骤S355,若视觉关键帧的特征点与目标地图点存在关联,则基于视觉关键帧的特征点对目标地图点进行更新。
本申请实施例的一种可能的实现方式,步骤S354具体包括:步骤S541(图中未示出)以及步骤S542(图中未示出),其中,
步骤S541,判断视觉关键帧是否为初始关键帧。
具体地,将生产批次中的第一个生产设备的视觉帧定义为初始关键帧。
步骤S542,若是,则提取实时视觉帧中具有深度值的特征点,并基于特征点构建地图点,得到目标地图点。
具体地,提取实时视觉帧中特征点的方法包括:Harris、ORB、SURF、SIFT等,在选用上述特征点的基础上,本申请实施例中,还增加了构建图像金字塔和特征点均匀化两个步骤,并增加了特征点的旋转主方向信息,旋转主方向信息用于两图像间的特征点匹配,最终得到基于特征点构建的目标地图点。
本申请实施例的一种可能的实现方式,步骤S436具体包括步骤S361(图中未示出)、步骤S362(图中未示出)、步骤S363(图中未示出)、步骤S364(图中未示出)以及步骤S365(图中未示出),其中,
步骤S361,基于异常根原因信息对异常节点信息进行分析,得到异常修复数据。
在本申请实施例中,获取历史异常根原因信息以及对应的异常修复数据,然后创建异常检测模型,然后以历史异常根原因信息以及对应的异常修复数据为训练样本,对异常检测模型进行训练,得到训练好异常检测模型,然后将异常根原因信息输入至训练好的异常检测模型,得到异常修复数据。
步骤S362,将异常修复数据与阀门测试模型相结合,得到阀门修复模型。
步骤S363,对阀门修复模型进行测试模拟训练,确定阀门修复模型是否满足测试需求。
步骤S364,若不满足,则基于测试模拟训练结果对异常修复数据进行调整,更新异常修复数据,。
步骤S365,循环执行对阀门修复模型进行测试模拟训练,确定阀门修复模型是否满足测试需求,直至阀门修复模型满足测试需求,控制显示异常修复数据。
上述实施例从方法流程的角度介绍一种阀门试压机的控制方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种阀门试压机的控制装置,具体详见下述实施例。
本申请实施例提供一种阀门试压机的控制装置,如图2所示,该阀门试压机的控制装置20具体可以包括:信息获取模块21、特征分析模块22、空间重建模块23、模拟训练模块24以及指令校准模块25,其中,
信息获取模块21,用于当检测到试压测试指令后,获取阀门图像信息以及测试机信息,阀门图像信息为以阀门试压机为中心从多方位拍摄的阀门图像信息,测试机信息为阀门试压机的工作参数信息;
特征分析模块22,用于对阀门图像信息进行图像特征分析,得到阀门特征信息;
空间重建模块23,用于对阀门特征信息以及测试机信息进行三维空间重建,得到阀门测试模型;
模拟训练模块24,用于对阀门测试模型进行测试模拟训练,得到测试调整数值;
指令校准模块25,用于基于测试调整数值确定测试机调节指令,控制阀门试压机的压杆与阀门进行校准。
本申请实施例的一种可能的实现方式,空间重建模块23在对阀门特征信息以及测试机信息进行三维空间重建,得到阀门测试模型时,具体用于:
获取实地空间信息,实地空间信息为阀门试压机所处的空间环境信息;
将阀门特征信息输入训练完善的图像定位算法,得到多组阀门空间坐标,一组阀门空间坐标用于表示所阀门特征信息中位于同一方位的空间坐标;
根据多组阀门空间坐标确定阀门的阀门空间模型,并对测试机信息以及实地空间信息进行数据分析,得到测试机模型以及实地模型;
将阀门空间模型、测试机模型以及实地模型进行定位结合,得到阀门测试模型。
本申请实施例的另一种可能的实现方式,装置20还包括:数据拆解模块、指标判断模块以及数据分析模块,其中,
数据拆解模块,用于获取阀门测试信息,并对阀门测试信息进行数据拆解分析,得到阀门指标数据;
指标判断模块,用于判断阀门指标数据是否满足于预设指标数据范围;
数据分析模块,用于若阀门指标数据不满足预设指标数据范围,则基于阀门指标数据调取异常指标数据,并对异常指标数据进行分析,得到异常根原因信息。
本申请实施例的另一种可能的实现方式,数据分析模块在对异常指标数据进行分析,得到异常根原因信息时,具体用于:
获取阀门设备信息,并基于阀门设备信息确定工艺流程节点信息以及标准工艺流程节点信息;
基于工艺流程节点信息与标准工艺流程节点信息构建流程节点群信息;
获取与工艺流程节点信息相对应的工艺节点位号信息以及流程顺序信息;
基于异常指标数据确定异常节点位号信息,并将异常节点位号信息与工艺节点位号信息进行匹配,得到流程节点群信息中的异常节点群信息;
基于流程顺序信息对异常节点群信息进行排序,得到异常节点群信息中的异常节点信息;
对异常节点信息相对应的工艺流程节点信息进行分析,得到工艺流程节点信息的异常根原因信息,并控制显示异常根原因信息。
本申请实施例的另一种可能的实现方式,装置20还包括:数据查询模块、视觉帧处理模块、分析筛选模块、关联判断模块以及更新模块,其中,
数据查询模块,用于对异常节点信息进行数据查询,得到生产批次信息;
视觉帧处理模块,用于调取生产批次信息中的生产视频信息,并对生产视频信息进行视觉帧处理,得到生产视觉帧;
分析筛选模块,用于对生产视觉帧进行分析筛选,生成视觉关键帧;
关联判断模块,用于基于视觉关键帧确定目标地图点,并判断视觉关键帧是否与目标地图点存在关联,目标地图点为生产批次信息中不同阀门对应的地图点;
更新模块,用于若视觉关键帧的特征点与目标地图点存在关联,则基于视觉关键帧的特征点对目标地图点进行更新。
本申请实施例的另一种可能的实现方式,关联判断模块在基于视觉关键帧确定目标地图点时,具体用于:
判断视觉关键帧是否为初始关键帧;
若是,则提取实时视觉帧中具有深度值的特征点,并基于特征点构建地图点,得到目标地图点。
本申请实施例的另一种可能的实现方式,装置20还包括:节点分析模块、数模组合模块、测试训练模块、数据更新模块以及循环修复模块,其中,
节点分析模块,用于基于异常根原因信息对异常节点信息进行分析,得到异常修复数据;
数模组合模块,用于将异常修复数据与阀门测试模型相结合,得到阀门修复模型;
测试训练模块,用于对阀门修复模型进行测试模拟训练,确定阀门修复模型是否满足测试需求;
数据更新模块,用于若不满足,则基于测试模拟训练结果对异常修复数据进行调整,更新异常修复数据;
循环修复模块,用于循环执行对阀门修复模型进行测试模拟训练,确定阀门修复模型是否满足测试需求,直至阀门修复模型满足测试需求,控制显示异常修复数据。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还从实体装置的角度介绍了一种电子设备,如图3所示,图3所示的电子设备300除常规配置装置外包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备300还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (9)
1.一种阀门试压机的控制方法,其特征在于,包括:
当检测到试压测试指令后,获取阀门图像信息以及测试机信息,所述阀门图像信息为以阀门试压机为中心从多方位拍摄的阀门图像信息,所述测试机信息为所述阀门试压机的工作参数信息;
对所述阀门图像信息进行图像特征分析,得到阀门特征信息;
对所述阀门特征信息以及测试机信息进行三维空间重建,得到阀门测试模型;
对所述阀门测试模型进行测试模拟训练,得到测试调整数值;
基于所述测试调整数值确定测试机调节指令,控制所述阀门试压机的压杆与所述阀门进行校准;
其中,所述对所述阀门特征信息以及测试机信息进行三维空间重建,得到阀门测试模型,包括:
获取实地空间信息,所述实地空间信息为所述阀门试压机所处的空间环境信息;
将所述阀门特征信息输入训练完善的图像定位算法,得到多组阀门空间坐标,其中,一组阀门空间坐标用于表示所阀门特征信息中位于同一方位的空间坐标;
根据所述多组阀门空间坐标确定所述阀门的阀门空间模型,并对所述测试机信息以及所述实地空间信息进行数据分析,得到测试机模型以及实地模型;
将所述阀门空间模型、所述测试机模型以及所述实地模型进行定位结合,得到阀门测试模型。
2.根据权利要求1所述的一种阀门试压机的控制方法,其特征在于,所述基于所述测试调整数值确定测试机调节指令,控制所述阀门试压机的压杆与所述阀门进行校准,之后还包括:
获取阀门测试信息,并对所述阀门测试信息进行数据拆解分析,得到阀门指标数据;
判断所述阀门指标数据是否满足于预设指标数据范围;
若所述阀门指标数据不满足所述预设指标数据范围,则基于所述阀门指标数据调取异常指标数据,并对所述异常指标数据进行分析,得到异常根原因信息。
3.根据权利要求2所述的一种阀门试压机的控制方法,其特征在于,所述对所述异常指标数据进行分析,得到异常根原因信息,包括:
获取阀门设备信息,并基于所述阀门设备信息确定工艺流程节点信息以及标准工艺流程节点信息;
基于所述工艺流程节点信息与所述标准工艺流程节点信息构建流程节点群信息;
获取与所述工艺流程节点信息相对应的工艺节点位号信息以及流程顺序信息;
基于所述异常指标数据确定异常节点位号信息,并将所述异常节点位号信息与所述工艺节点位号信息进行匹配,得到所述流程节点群信息中的异常节点群信息;
基于所述流程顺序信息对所述异常节点群信息进行排序,得到所述异常节点群信息中的异常节点信息;
对所述异常节点信息相对应的工艺流程节点信息进行分析,得到所述工艺流程节点信息的异常根原因信息,并控制显示所述异常根原因信息。
4.根据权利要求3所述的一种阀门试压机的控制方法,其特征在于,所述基于所述流程顺序信息对所述异常节点群信息进行排序,得到所述异常节点群信息中的异常节点信息,之后还包括:
对所述异常节点信息进行数据查询,得到生产批次信息;
调取所述生产批次信息中的生产视频信息,并对所述生产视频信息进行视觉帧处理,得到生产视觉帧;
对生产视觉帧进行分析筛选,生成视觉关键帧;
基于所述视觉关键帧确定目标地图点,并判断所述视觉关键帧是否与所述目标地图点存在关联,所述目标地图点为所述生产批次信息中不同阀门对应的地图点;
若所述视觉关键帧的特征点与所述目标地图点存在关联,则基于所述视觉关键帧的特征点对所述目标地图点进行更新。
5.根据权利要求4所述的一种阀门试压机的控制方法,其特征在于,所述基于所述视觉关键帧确定目标地图点,包括:
判断所述视觉关键帧是否为初始关键帧;
若是,则提取所述视觉关键帧中具有深度值的特征点,并基于所述特征点构建地图点,得到目标地图点。
6.根据权利要求3所述的一种阀门试压机的控制方法,其特征在于,所述对所述异常节点信息相对应的工艺流程节点信息进行分析,得到所述工艺流程节点信息的异常根原因信息,之后还包括:
基于所述异常根原因信息对所述异常节点信息进行分析,得到异常修复数据;
将所述异常修复数据与所述阀门测试模型相结合,得到阀门修复模型;
对所述阀门修复模型进行测试模拟训练,确定所述阀门修复模型是否满足测试需求;
若不满足,则基于测试模拟训练结果对所述异常修复数据进行调整,更新所述异常修复数据;
循环执行所述对所述阀门修复模型进行测试模拟训练,确定所述阀门修复模型是否满足测试需求,直至所述阀门修复模型满足测试需求,控制显示所述异常修复数据。
7.一种阀门试压机的控制装置,其特征在于,包括:
信息获取模块,用于当检测到试压测试指令后,获取阀门图像信息以及测试机信息,所述阀门图像信息为以阀门试压机为中心从多方位拍摄的阀门图像信息,所述测试机信息为所述阀门试压机的工作参数信息;
特征分析模块,用于对所述阀门图像信息进行图像特征分析,得到阀门特征信息;
空间重建模块,用于对所述阀门特征信息以及测试机信息进行三维空间重建,得到阀门测试模型;
模拟训练模块,用于对所述阀门测试模型进行测试模拟训练,得到测试调整数值;
指令校准模块,用于基于所述测试调整数值确定测试机调节指令,控制所述阀门试压机的压杆与所述阀门进行校准;
所述空间重建模块在对阀门特征信息以及测试机信息进行三维空间重建,得到阀门测试模型时,具体用于:
获取实地空间信息,实地空间信息为阀门试压机所处的空间环境信息;
将阀门特征信息输入训练完善的图像定位算法,得到多组阀门空间坐标,一组阀门空间坐标用于表示所阀门特征信息中位于同一方位的空间坐标;
根据多组阀门空间坐标确定阀门的阀门空间模型,并对测试机信息以及实地空间信息进行数据分析,得到测试机模型以及实地模型;
将阀门空间模型、测试机模型以及实地模型进行定位结合,得到阀门测试模型。
8.一种电子设备,其特征在于,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1~6任一项所述的阀门试压机的控制方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1~6任一项所述的阀门试压机的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211552635.3A CN115631192B (zh) | 2022-12-06 | 2022-12-06 | 一种阀门试压机的控制方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211552635.3A CN115631192B (zh) | 2022-12-06 | 2022-12-06 | 一种阀门试压机的控制方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115631192A CN115631192A (zh) | 2023-01-20 |
CN115631192B true CN115631192B (zh) | 2023-03-28 |
Family
ID=84909929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211552635.3A Active CN115631192B (zh) | 2022-12-06 | 2022-12-06 | 一种阀门试压机的控制方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115631192B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117290022B (zh) * | 2023-11-24 | 2024-02-06 | 成都瀚辰光翼生物工程有限公司 | 一种控制程序生成方法、存储介质和电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108693045A (zh) * | 2018-07-18 | 2018-10-23 | 和峻(广州)胶管有限公司 | 橡胶胶管在线高压定压测试系统 |
CN115393756A (zh) * | 2022-07-19 | 2022-11-25 | 中天动力科技(深圳)有限公司 | 一种基于视觉图像的水印识别方法、装置、设备及介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108213943B (zh) * | 2017-12-07 | 2020-02-21 | 苏州安特威阀门有限公司 | 一种智能阀门装配测试机 |
CN108845038B (zh) * | 2018-07-04 | 2020-10-09 | 荆州市世纪派创石油机械检测有限公司 | 一种阀门水压试验装置及试验方法 |
CN212567776U (zh) * | 2020-07-27 | 2021-02-19 | 四川中衡计量检测技术有限公司 | 一种压力表校验器 |
-
2022
- 2022-12-06 CN CN202211552635.3A patent/CN115631192B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108693045A (zh) * | 2018-07-18 | 2018-10-23 | 和峻(广州)胶管有限公司 | 橡胶胶管在线高压定压测试系统 |
CN115393756A (zh) * | 2022-07-19 | 2022-11-25 | 中天动力科技(深圳)有限公司 | 一种基于视觉图像的水印识别方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115631192A (zh) | 2023-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108647585B (zh) | 一种基于多尺度循环注意力网络的交通标识符检测方法 | |
CN110929577A (zh) | 一种基于YOLOv3的轻量级框架改进的目标识别方法 | |
CN111709265A (zh) | 基于注意力机制残差网络的摄像监控状态分类方法 | |
CN113793333B (zh) | 应用于工业质检的缺陷图片生成方法及装置 | |
CN112801047B (zh) | 缺陷检测方法、装置、电子设备及可读存储介质 | |
CN112149694B (zh) | 一种基于卷积神经网络池化模块的图像处理方法、系统、存储介质及终端 | |
CN115631192B (zh) | 一种阀门试压机的控制方法、装置、设备及介质 | |
CN110827312A (zh) | 一种基于协同视觉注意力神经网络的学习方法 | |
CN115439694A (zh) | 一种基于深度学习的高精度点云补全方法及装置 | |
CN112464912A (zh) | 基于YOLO-RGGNet的机器人端人脸检测方法 | |
CN114429208A (zh) | 基于残差结构剪枝的模型压缩方法、装置、设备及介质 | |
CN114972759A (zh) | 基于分级轮廓代价函数的遥感图像语义分割方法 | |
CN115098717A (zh) | 三维模型检索方法、装置、电子设备及存储介质 | |
CN112766381B (zh) | 有限样本下属性引导的sar图像生成方法 | |
CN114240770A (zh) | 一种图像处理方法、装置、服务器及存储介质 | |
CN113704276A (zh) | 地图更新方法、装置、电子设备及计算机可读存储介质 | |
CN114529689B (zh) | 基于对抗神经网络的陶瓷杯缺陷样本扩增方法及系统 | |
CN116612130A (zh) | 基于深度神经网络的烟雾分割方法、系统、设备及介质 | |
CN113034432B (zh) | 一种产品缺陷检测方法、系统、装置及存储介质 | |
CN115375965A (zh) | 一种目标场景识别的预处理方法、目标场景识别方法 | |
CN115345895A (zh) | 用于视觉检测的图像分割方法、装置、计算机设备及介质 | |
CN114820755A (zh) | 一种深度图估计方法及系统 | |
CN114782822A (zh) | 电力设备的状态检测方法、装置、电子设备及存储介质 | |
CN112288748B (zh) | 一种语义分割网络训练、图像语义分割方法及装置 | |
CN113870210A (zh) | 一种图像质量评估方法、装置、设备及存储介质 |
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 |