CN115743195A - 一种矿用智能平板车 - Google Patents
一种矿用智能平板车 Download PDFInfo
- Publication number
- CN115743195A CN115743195A CN202211528067.3A CN202211528067A CN115743195A CN 115743195 A CN115743195 A CN 115743195A CN 202211528067 A CN202211528067 A CN 202211528067A CN 115743195 A CN115743195 A CN 115743195A
- Authority
- CN
- China
- Prior art keywords
- longitudinal
- module
- rail
- detection calibration
- track
- 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
Links
- 238000005065 mining Methods 0.000 title claims abstract description 29
- 230000009193 crawling Effects 0.000 claims abstract description 76
- 238000001514 detection method Methods 0.000 claims abstract description 74
- 230000007547 defect Effects 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 38
- 230000000007 visual effect Effects 0.000 claims abstract description 23
- 238000013500 data storage Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 12
- 230000002159 abnormal effect Effects 0.000 claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000009434 installation Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000004807 localization Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 abstract description 13
- 239000003245 coal Substances 0.000 abstract description 7
- 229910000831 Steel Inorganic materials 0.000 description 6
- 239000010959 steel Substances 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 5
- 230000009194 climbing Effects 0.000 description 4
- 230000007774 longterm Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
Images
Landscapes
- Machines For Laying And Maintaining Railways (AREA)
Abstract
本发明公开了一种矿用智能平板车,涉及采矿运输设备技术领域,在平板车上安装轨道巡检设备,巡检设备由图像采集模块、数据处理模块和数据存储模块组成,配合安装于轨道的声光报警器、纵向爬行检测标定模块能实现智能巡检;利用采集到的纵向爬行检测标定模块的图像计算轨道纵向爬行量,利用轨道图像,识别轨道的缺陷面积,根据轨道纵向爬行量和轨道的缺陷面积判定轨道是否出现异常情况,确保了轨道巡检可靠性;在出现轨道异常情况后,及时将异常轨道信息发送至后台,控制声光报警器报警,巡检人员可及时快速的找到异常轨道段,继而及时进行维护。新增加的结构全部按照于平板下方,不影响平板车的正常运煤作业。
Description
技术领域
本发明涉及采矿运输设备技术领域,具体而言,涉及一种矿用智能平板车。
背景技术
平板车是煤矿开采运输常用到的设备,将采到的煤矿装箱并放置于各平板车上,将各平板车首尾相接,并在矿场轨道的钢轨上行走。矿区的轨道一般比较偏远,往往在山区,因此容易受到滚石的撞击,掉落矿石的撞击,结合载重平板车在轨道钢轨上的长期行走,导致轨道容易损坏,例如出现轨道纵向爬行量过大,或者轨道钢轨密集型缺陷,这都威胁煤矿运输的安全隐患。目前一般都是工作人员沿着轨道利用检测设备进行巡检,但是普通人往往很难识别轨道的安全隐患,且工作量大,很容易出现疏忽的情况。
发明内容
本发明在于提供一种矿用智能平板车,其能够缓解上述问题。
为了缓解上述的问题,本发明采取的技术方案如下:
本发明提供了一种矿用智能平板车,其特征在于,包括车架,固定于所述车架顶部的平板,安装于所述车架底部的轨道行走机构,固定于所述平板前后边缘部的牵引挂接部,安装于所述车架并位于所述平板下方的图像采集模块、数据处理模块和数据存储模块;
所述图像采集模块用于采集轨道图像作为第一图像集,和采集安装于轨道的纵向爬行检测标定模块的时序图像作为第二图像集;
所述纵向爬行检测标定模块沿着轨道等距离布置有多个,并将轨道分为若干段,每段轨道对应一个所述纵向爬行检测标定模块,每个所述纵向爬行检测标定模块均具有自己在轨道的坐标,且表面刻有编号;
每个所述纵向爬行检测标定模块均装配有声光报警器,所述声光报警器用于在接收到报警指令后进行声光报警,每个所述纵向爬行检测标定模块均至少安装一个所述声光报警器;
所述数据处理模块用于对第一图像集进行轨道缺陷识别,得到缺陷面积,以及根据第二图像集计算轨道纵向爬行量;当所述缺陷面积大于缺陷面积阈值,或者所述轨道纵向爬行量大于轨道纵向爬行量阈值,则所述数据处理模块判定出现轨道异常情况;所述数据处理模块将出现轨道异常情况的轨道段所对应的纵向爬行检测标定模块的信息数据,无线发送至矿场监控后台,以及向该纵向爬行检测标定模块所在位的声光报警器无线发送报警指令;所述信息数据包括纵向爬行检测标定模块的坐标和编号;
所述数据存储模块用于存储所有的本地数据。
在本发明的一较佳实施方式中,所述纵向爬行检测标定模块包括安装于轨道钢轨侧部的纵向爬行检测标定模块A和安装于轨道基础的纵向爬行检测标定模块B,所述声光报警器安装于所述纵向爬行检测标定模块A和/或纵向爬行检测标定模块B;
所述轨道纵向爬行量的计算方法包括:
从第二图像集中获取t1时刻和t2时刻纵向爬行检测标定模块的图像;
计算t1时刻纵向爬行检测标定模块A和纵向爬行检测标定模块B的纵向相对距离LAB1,以及t2时刻纵向爬行检测标定模块A和纵向爬行检测标定模块B的纵向相对距离LAB2;
根据LAB1、LAB2以及图像尺寸转实物尺寸的转换系数计算纵向爬行检测标定模块所对应的轨道段的轨道纵向爬行量。
在本发明的一较佳实施方式中,对第一图像集进行轨道缺陷识别的方法包括图像预处理、缺陷定位和缺陷面积计算;
所述图像预处理包括灰度变换和轨道定位,所述缺陷定位包括中值滤波、二值化处理、形态学处理和图像分割,所述缺陷面积计算包括缺陷提取和计算缺陷面积。
在本发明的一较佳实施方式中,所述车架将所述平板下表面划分为左、中、右三列功能设备安装区,每列所述功能设备安装区均至少安装一个所述图像采集模块。
在本发明的一较佳实施方式中,所述数据处理模块通过第一无线传输设备与所述矿场监控后台无线通信连接,所述无线传输设备包括安装于所述平板下方的数据发射器,以及与所述数据发射器无线通信连接,并安装于所述矿场监控后台的远端数据接收器。
在本发明的一较佳实施方式中,所述声光报警器通过第二无线传输设备与所述数据处理模块实现近距离无线通信连接,所述第二无线传输设备包括安装于所述声光报警器的近端控制指令接收器,和与所述近端控制指令接收器在20米范围内能实现无线通信连接的所述数据发射器。
在本发明的一较佳实施方式中,所述平板下方还安装有卫星定位模块,使所述矿场监控后台能实时获取所述矿用智能平板车的位置信息。
在本发明的一较佳实施方式中,所述数据处理模块、数据存储模块、数据发射器和卫星定位模块均封装一固定于所述平板下表面的控制箱,所述控制箱内安装有蓄电池,用于向所述数据处理模块、数据发射器、卫星定位模块和图像采集模块供电。
与现有技术相比,本发明的有益效果是:
平板车为煤矿开采运输所要用到的设备,我们通过在其上安装轨道巡检设备,巡检设备由图像采集模块、数据处理模块和数据存储模块组成,配合安装于轨道的声光报警器、纵向爬行检测标定模块能实现智能巡检,且该巡检过程是在平板车运煤过程中同时实现,可大大提高巡检次数,减少巡检人员的工作量;
由于工作人员安装检测设备不完全规范,安装位置精度较低,因此本发明采用的智能化巡检方式相对于人为的利用检测设备巡检,大大的提高了巡检精度;
利用采集到的纵向爬行检测标定模块的图像计算轨道纵向爬行量(即轨道的钢轨纵向爬行),利用轨道图像,识别轨道的缺陷面积,根据轨道纵向爬行量和轨道的缺陷面积判定轨道是否出现异常情况,确保了轨道巡检可靠性;
在出现轨道异常情况后,及时将异常轨道信息发送至后台,且平板车还处于异常轨道时,就控制声光报警器报警,继而巡检人员可根据矿场监控后台接收到的异常信息,以及现场声光报警,及时快速的找到异常轨道段,继而及时进行维护。
巡检人员可以从数据存储模块中读取平板车的历史巡检数据,便于判断是简单维修轨道,还是全部更换轨道;
新增加的结构全部按照于平板下方,不影响平板车的正常运煤作业。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举本发明实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是矿用智能平板车的第一立体结构图;
图2是矿用智能平板车的仰视结构图;
图3是矿用智能平板车的第二立体结构图;
图4是矿用智能平板车的巡检工作示意框图;
图5是轨道纵向爬行量的计算方法流程图;
图6是轨道缺陷识别的方法流程图;
图中:1-车架,2-平板,3-轨道行走机构,4-牵引挂接部,5-图像采集模块,6-数据处理模块,7-数据存储模块,8-数据发射器,9-卫星定位模块,10-纵向爬行检测标定模块,11-功能设备安装区,12-矿用智能平板车,13-近端控制指令接收器,14-声光报警器,15-轨道,16-矿场监控后台,17-远端数据接收器,18-控制箱。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
请参照图1~图4,本发明公开了一种矿用智能平板车12,包括车架1,固定于车架1顶部的平板2,安装于车架1底部的轨道行走机构3,固定于平板2前后边缘部的牵引挂接部4,安装于车架1并位于平板2下方的图像采集模块5、数据处理模块6和数据存储模块7;
图像采集模块5用于采集轨道图像作为第一图像集,和采集安装于轨道15的纵向爬行检测标定模块10的时序图像作为第二图像集;
纵向爬行检测标定模块10沿着轨道等距离布置有多个,并将轨道分为若干段,每段轨道对应一个纵向爬行检测标定模块10,每个纵向爬行检测标定模块10均具有自己在轨道的坐标,且表面刻有编号;
每个纵向爬行检测标定模块10均装配有声光报警器14,声光报警器14用于在接收到报警指令后进行声光报警,每个纵向爬行检测标定模块10均至少安装一个声光报警器14;
数据处理模块6用于对第一图像集进行轨道缺陷识别,得到缺陷面积,以及根据第二图像集计算轨道纵向爬行量;当缺陷面积大于缺陷面积阈值,或者轨道纵向爬行量大于轨道纵向爬行量阈值,则数据处理模块6判定出现轨道异常情况;数据处理模块6将出现轨道异常情况的轨道段所对应的纵向爬行检测标定模块10的信息数据,无线发送至矿场监控后台16,以及向该纵向爬行检测标定模块10所在位的声光报警器14无线发送报警指令;信息数据包括纵向爬行检测标定模块10的坐标和编号;
数据存储模块7用于存储所有的本地数据。
在本发明中,图像采集模块5采用的广角摄像头,用于获取轨道的大范围图像,能够实现轨道钢轨的顶面和内外侧的图像获取。所有的广角摄像头的安装位置,与轨道行走机构3的轮子均有一个倾斜的夹角,以便实现最大范围的图像获取。
在本发明中,差异率阈值和轨道纵向爬行量阈值均人为设置写入程序,并烧录于可编程的数据处理模块6。
在本发明中,轨道行走机构3可以为无驱动行走机构或者有驱动行走机构。
在本发明的一个可选实施例中,纵向爬行检测标定模块10包括安装于轨道15钢轨侧部的纵向爬行检测标定模块10A和安装于轨道15基础的纵向爬行检测标定模块10B,声光报警器14安装于纵向爬行检测标定模块10A和/或纵向爬行检测标定模块10B。
如图5所示,轨道纵向爬行量的计算方法包括:
从第二图像集中获取t1时刻和t2时刻纵向爬行检测标定模块10的图像;
计算t1时刻纵向爬行检测标定模块10A和纵向爬行检测标定模块10B的纵向相对距离LAB1,以及t2时刻纵向爬行检测标定模块10A和纵向爬行检测标定模块10B的纵向相对距离LAB2;
根据LAB1、LAB2以及图像尺寸转实物尺寸的转换系数计算纵向爬行检测标定模块10所对应的轨道段的轨道纵向爬行量,这里的轨道指代的是钢轨,而不是轨道基础等其它结构。
轨道纵向爬行量的计算公式为:LAB2*δAB2- LAB1 *δAB1,其中,δAB1为t1时刻图像尺寸转实物尺寸的转换系数,δAB1为t2时刻图像尺寸转实物尺寸的转换系数,两个系数均可由像素尺寸与实际尺寸的比值获取。
在本发明的一个可选实施例中,对第一图像集进行轨道缺陷识别的方法包括图像预处理、缺陷定位和缺陷面积计算。
图像预处理部分主要是对铁轨区域定位,去除非铁轨区的干扰,减少后续工作量;缺陷定位主要是将缺陷从铁轨区域中分离出来;缺陷面积计算后,便可作为是否维修轨道的依据。
如图6所示,图像预处理包括灰度变换和轨道定位,缺陷定位包括中值滤波、二值化处理、形态学处理和图像分割,缺陷面积计算包括缺陷提取和计算缺陷面积。
为了减少图像处理时间,提高系统的实时性,需要把铁轨区从图像中分离出来。例如从铁路现场采集的一幅大小为640*480的图像。
由于煤矿运输平板车车轮长期的碾压,铁轨表面非常光滑,与图像背景形成鲜明对比,即铁轨区与非铁轨区在垂直方向上存在明显的灰度跳变。
对采集的图像进行灰度变化后在水平方向上进行投影,统计图像行像素的灰度值和投影图。在投影图中,x轴的[160,360_ ]区域存在显著跳变区域,根据上述分析该区域即为铁轨区。对该区域(铁轨顶面)和该区域周边符合铁轨尺寸比例的部分(为铁轨侧向)进行剪切,后即得到所需的铁轨图,该铁轨图的大小一般会缩小至原图像的一半以下,不仅减少了图像的存储空间,而且减少了后续图像处理的难度。
为了降低噪声对图像处理结果的影响,首先运用 3×3的窗口对前面得到的铁轨图进行中值滤波,然后采用阈值分割法提取缺陷。这里采用最佳阈值分割法,它是通过不断迭代来获取图像的最佳阈值图像,由于是现有技术,这里不多做说明。
最佳阈值图像的边缘部分经常会出现一些细小毛刺 ,这些毛刺由于与缺陷相近,很容易被误判成缺陷;另外铁轨区也有一些极为细小的缺陷,这类缺陷对铁轨性能不会构成影响。为了消除这两类干扰,依次采用图像形态学中开运算和闭运算对最佳阈值图像进行处理。通过开运算去除比结构元素更小的明亮细节,闭运算去除比结构元素更小的暗色细节 。结构元素选择 3 ×3 的正方形,小于该结构元素的明亮细节和暗色细节将被滤掉。
缺陷分割采用 Sobel算子,该算子利用像素点上下 、左右邻点的灰度加权算法,根据在边缘点处达到极值这一现象进行边缘的检测。对前面消除两类干扰后图像采用So-bel算子提取边缘后得到缺陷分割后的图像。
缺陷分割后的图像中除了缺陷还会有两条边界线,继而可采用二值图像边界跟踪法 ,取得这两条边界线后将其亮度值置为零 ,这样缺陷最终被完整的分离了出来,完成了缺陷提取。
缺陷提取后,为了衡量缺陷是否会对铁轨性能产生影响,需要一些客观的指标,一般采用简单区域描绘子作为区域的特征。本发明采用面积作为缺陷区域的特征 。输入二值图像后 ,采用连接成分标记来辨识二值图像中每一个对象 ,即统计图像中缺陷的个数。然后计算每个缺陷所包含的像素数目。之后根据图像尺寸转实物尺寸的转换系数,即可求出缺陷的实际面积大小。
在本发明的一个可选实施例中,为了能全面的采集到轨道的图像(顶面和内外侧面),车架1将平板2下表面划分为左、中、右三列功能设备安装区11,每列功能设备安装区11均至少安装一个图像采集模块5,见图1所示。
在本发明的一个可选实施例中,数据处理模块6通过第一无线传输设备与矿场监控后台16无线通信连接,无线传输设备包括安装于平板2下方的数据发射器8,以及与数据发射器8无线通信连接,并安装于矿场监控后台16的远端数据接收器17,见图4所示。
声光报警器14通过第二无线传输设备与数据处理模块6实现近距离无线通信连接,第二无线传输设备包括安装于声光报警器14的近端控制指令接收器13,和与近端控制指令接收器13在20米范围内能实现无线通信连接的数据发射器8。
在本发明的一个可选实施例中,平板2下方还安装有卫星定位模块9,使矿场监控后台16能实时获取矿用智能平板车的位置信息。
在本发明的一个可选实施例中,数据处理模块6、数据存储模块7、数据发射器8和卫星定位模块9均封装一固定于平板2下表面的控制箱18,控制箱18内安装有蓄电池,用于向数据处理模块6、数据发射器8、卫星定位模块9和图像采集模块5供电,见图1、2所示。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (10)
1.一种矿用智能平板车,其特征在于,包括车架,固定于所述车架顶部的平板,安装于所述车架底部的轨道行走机构,固定于所述平板前后边缘部的牵引挂接部,安装于所述车架并位于所述平板下方的图像采集模块、数据处理模块和数据存储模块;
所述图像采集模块用于采集轨道图像作为第一图像集,和采集安装于轨道的纵向爬行检测标定模块的时序图像作为第二图像集;
所述纵向爬行检测标定模块沿着轨道等距离布置有多个,并将轨道分为若干段,每段轨道对应一个所述纵向爬行检测标定模块,每个所述纵向爬行检测标定模块均具有自己在轨道的坐标,且表面刻有编号;
每个所述纵向爬行检测标定模块均装配有声光报警器,所述声光报警器用于在接收到报警指令后进行声光报警,每个所述纵向爬行检测标定模块均至少安装一个所述声光报警器;
所述数据处理模块用于对第一图像集进行轨道缺陷识别,得到缺陷面积,以及根据第二图像集计算轨道纵向爬行量;当所述缺陷面积大于缺陷面积阈值,或者所述轨道纵向爬行量大于轨道纵向爬行量阈值,则所述数据处理模块判定出现轨道异常情况;所述数据处理模块将出现轨道异常情况的轨道段所对应的纵向爬行检测标定模块的信息数据,无线发送至矿场监控后台,以及向该纵向爬行检测标定模块所在位的声光报警器无线发送报警指令;所述信息数据包括纵向爬行检测标定模块的坐标和编号;
所述数据存储模块用于存储所有的本地数据。
2.根据权利要求1所述的矿用智能平板车,其特征在于,所述纵向爬行检测标定模块包括安装于轨道钢轨侧部的纵向爬行检测标定模块A和安装于轨道基础的纵向爬行检测标定模块B,所述声光报警器安装于所述纵向爬行检测标定模块A和/或纵向爬行检测标定模块B。
3.根据权利要求2所述的矿用智能平板车,其特征在于,所述轨道纵向爬行量的计算方法包括:
从第二图像集中获取t1时刻和t2时刻纵向爬行检测标定模块的图像;
计算t1时刻纵向爬行检测标定模块A和纵向爬行检测标定模块B的纵向相对距离LAB1,以及t2时刻纵向爬行检测标定模块A和纵向爬行检测标定模块B的纵向相对距离LAB2;
根据LAB1、LAB2以及图像尺寸转实物尺寸的转换系数计算纵向爬行检测标定模块所对应的轨道段的轨道纵向爬行量。
4.根据权利要求1所述的矿用智能平板车,其特征在于,对第一图像集进行轨道缺陷识别的方法包括图像预处理、缺陷定位和缺陷面积计算。
5.根据权利要求4所述的矿用智能平板车,其特征在于,所述图像预处理包括灰度变换和轨道定位,所述缺陷定位包括中值滤波、二值化处理、形态学处理和图像分割,所述缺陷面积计算包括缺陷提取和计算缺陷面积。
6.根据权利要求1所述的矿用智能平板车,其特征在于,所述车架将所述平板下表面划分为左、中、右三列功能设备安装区,每列所述功能设备安装区均至少安装一个所述图像采集模块。
7.根据权利要求6所述的矿用智能平板车,其特征在于,所述数据处理模块通过第一无线传输设备与所述矿场监控后台无线通信连接,所述无线传输设备包括安装于所述平板下方的数据发射器,以及与所述数据发射器无线通信连接,并安装于所述矿场监控后台的远端数据接收器。
8.根据权利要求7所述的矿用智能平板车,其特征在于,所述声光报警器通过第二无线传输设备与所述数据处理模块实现近距离无线通信连接,所述第二无线传输设备包括安装于所述声光报警器的近端控制指令接收器,和与所述近端控制指令接收器在20米范围内能实现无线通信连接的所述数据发射器。
9.根据权利要求8所述的矿用智能平板车,其特征在于,所述平板下方还安装有卫星定位模块,使所述矿场监控后台能实时获取所述矿用智能平板车的位置信息。
10.根据权利要求9所述的矿用智能平板车,其特征在于,所述数据处理模块、数据存储模块、数据发射器和卫星定位模块均封装一固定于所述平板下表面的控制箱,所述控制箱内安装有蓄电池,用于向所述数据处理模块、数据发射器、卫星定位模块和图像采集模块供电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211528067.3A CN115743195A (zh) | 2022-12-01 | 2022-12-01 | 一种矿用智能平板车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211528067.3A CN115743195A (zh) | 2022-12-01 | 2022-12-01 | 一种矿用智能平板车 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115743195A true CN115743195A (zh) | 2023-03-07 |
Family
ID=85342007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211528067.3A Pending CN115743195A (zh) | 2022-12-01 | 2022-12-01 | 一种矿用智能平板车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115743195A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117162114A (zh) * | 2023-10-24 | 2023-12-05 | 铁科检测有限公司 | 一种轨道爬行量检测机器人系统 |
-
2022
- 2022-12-01 CN CN202211528067.3A patent/CN115743195A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117162114A (zh) * | 2023-10-24 | 2023-12-05 | 铁科检测有限公司 | 一种轨道爬行量检测机器人系统 |
CN117162114B (zh) * | 2023-10-24 | 2024-04-05 | 铁科检测有限公司 | 一种轨道爬行量检测机器人系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108491758B (zh) | 一种轨道检测方法及机器人 | |
CN106954042B (zh) | 一种无人机铁路线路巡检装置、系统及方法 | |
CN107043000A (zh) | 一种基于机器视觉的皮带运输机安全智能保障系统 | |
CN205898699U (zh) | 悬挂式单轨箱型梁巡检装置 | |
CN109238756B (zh) | 货车运行故障动态图像检测设备及检测方法 | |
CN111626204B (zh) | 一种铁路异物入侵监测方法及系统 | |
CN110595804A (zh) | 铁路货车走行部故障智能检测系统 | |
CN115743195A (zh) | 一种矿用智能平板车 | |
CN101424510B (zh) | 列车超限的检测方法及系统 | |
CN115937213A (zh) | 一种矿用单轨吊轨道自动巡检机器人可视化缺陷识别系统 | |
CN114565845A (zh) | 一种地下隧道智能巡检系统 | |
CN103422417A (zh) | 一种公路表面破损的动态识别系统与方法 | |
CN113011252B (zh) | 轨道异物侵限检测系统及方法 | |
CN211335993U (zh) | 一种地铁车辆360°故障图像检测系统 | |
CN115503788B (zh) | 一种有砟轨道道床断面扫描检测系统 | |
CN210591921U (zh) | 一种动车组全车身运行故障动态图像检测系统 | |
CN115782969A (zh) | 一种应用于铁路系统环境监测的数据采集系统 | |
CN116519703A (zh) | 基于线扫3d图像的集电靴碳滑板图像检测系统及方法 | |
CN111507300A (zh) | 一种保护区内打桩、钻探行为的快速识别方法 | |
CN112285111A (zh) | 一种受电弓前碳滑板缺陷检测方法、装置、系统和介质 | |
CN115372932A (zh) | 一种单轨吊可行驶性评估及巷道风险预测系统及方法 | |
Nichoha et al. | Development of modern methods and directions of rapid diagnostics of railway tracks defects by television methods | |
CN113640308B (zh) | 一种基于机器视觉的轨道异常监测系统 | |
CN113640307B (zh) | 一种采用机器视觉的轨道状况监测方法 | |
CN116129374B (zh) | 轨旁多功能探伤集群装置及其控制方法 |
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 |