CN115841489B - 智能点检方法及平台 - Google Patents
智能点检方法及平台 Download PDFInfo
- Publication number
- CN115841489B CN115841489B CN202310142077.1A CN202310142077A CN115841489B CN 115841489 B CN115841489 B CN 115841489B CN 202310142077 A CN202310142077 A CN 202310142077A CN 115841489 B CN115841489 B CN 115841489B
- Authority
- CN
- China
- Prior art keywords
- initial
- preset
- distance
- current
- sub
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 121
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims 3
- 239000000523 sample Substances 0.000 claims 2
- 238000004590 computer program Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及智能点检技术领域,具体是一种智能点检方法及平台,包括获取各初始设备图像对应的初始零件区域内各预设点检零件对应的初始距离值,基于各预设点检零件对应的初始距离值生成第一距离值集合;控制点检机器人在点检时间采集多张当前设备图像,获取相互对应的初始设备图像和当前设备图像作为一组比对集合;获取各比对集合中的当前设备图像对应的当前零件区域内各预设点检零件对应的当前距离值,基于各预设点检零件对应的当前距离值生成第二距离值集合;按照区域比对次序依次对相应的第一坐标集合和第二坐标集合进行对比,得到距离总差值,若距离总差值大于预设距离差值,则停止比对,并将对应的初始零件区域作为异常区域发送至点检端。
Description
技术领域
本发明涉及智能点检技术,尤其涉及一种智能点检方法及平台。
背景技术
点检是指按照预先设定的周期和方法,对设备上的规定部位(点)进行有无异常的预防性周密检查的过程,通过对设备运行参数变化以及发展趋势的监测,能帮助维修人员在第一时间找到故障根源,对降低设备故障率和减少故障损失等也都具有重要的作用。点检一般包括对设备零部件是否发生松动进行检查、对仪器仪表是否正常显示进行检查等等,其中,对设备零部件是否发生松动进行检查是尤为重要的。
一般来说,设备表面的零部件是最容易发生松动的,例如,壳体、紧固螺栓等。现有技术中,在对设备的表面的零部件进行点检时,通常采用人工的方法进行点检,但是由于点检设备数量众多,而点检人员的数量又是有限的,因此点检人员在对设备进行点检时可能无法做到对点检设备表面零配件的全面检查,从而可能降低点检时的准确性以及点检时的效率。因此,如何提高对设备表面零部件点检时的准确性以及点检效率成了如今亟需解决的问题。
发明内容
本发明实施例提供一种智能点检方法及平台,可以提高对设备表面零配件点检时的准确性以及点检效率。
本发明实施例的第一方面,提供一种智能点检方法,包括:
控制点检机器人基于各采集距离采集点检设备在预设方位上对应的多张初始设备图像,对各所述初始设备图像进行区域划分得到多个初始零件区域;
获取各初始零件区域内各预设点检零件对应的第一子坐标集合,根据第一子坐标集合和预设原点坐标计算得到各预设点检零件对应的初始距离值,基于各预设点检零件对应的初始距离值生成各初始零件区域对应的第一距离值集合;
控制点检机器人在点检时间基于各采集距离采集点检设备在预设方位上对应的多张当前设备图像,根据各初始设备图像和各当前设备图像,得到相互对应的初始设备图像和当前设备图像作为一组比对集合;
对各比对集合中的当前设备图像进行区域划分得到多个当前零件区域,获取各当前零件区域内各预设点检零件对应的第二子坐标集合,根据第二子坐标集合和预设原点坐标计算得到各预设点检零件对应的当前距离值,基于各预设点检零件对应的当前距离值生成各当前零件区域对应的第二距离值集合;
按照区域比对次序依次对相应的第一距离值集合和第二距离值集合进行对比,得到第一距离值集合和第二距离值集合对应的距离总差值,若距离总差值大于预设距离差值,则停止比对,并将对应的初始零件区域作为异常区域发送至点检端。
可选地,在第一方面的一种可能实现方式中,对各所述初始设备图像进行区域划分得到多个初始零件区域,包括:
统计初始设备图像中点检设备的初始像素点数量,基于所述初始像素点数量和预设区域数量的比值得到区域像素点数量;
控制基准线基于预设扫描方向统计初始设备图像中点检设备的像素点数量,当像素点数量等于区域像素点数量时停止统计,将区域像素点数量对应的区域作为初始零件区域;
重复上述步骤,直至初始设备图像中点检设备的初始像素点数量统计完毕。
可选地,在第一方面的一种可能实现方式中,获取各初始零件区域内各预设点检零件对应的第一子坐标集合,根据第一子坐标集合和预设原点坐标计算得到各预设点检零件对应的初始距离值,包括:
提取初始零件区域内各预设点检零件对应的初始零件轮廓,获取所述初始零件轮廓对应的第一轮廓像素点,以及各第一轮廓像素点对应的初始像素点坐标,根据所有初始像素点坐标生成第一子坐标集合;
根据第一子坐标集合中各初始像素点坐标和预设原点坐标计算得到初始子距离,基于所有初始子距离计算得到各预设点检零件对应的初始距离值;
通过以下公式计算预设点检零件对应的初始距离值,;
其中,为预设点检零件对应的初始距离值,为预设点检零件对应的第个第一轮廓像素点的x轴坐标,为预设原点坐标的x轴坐标,为预设点检零件对应的第个第一轮廓像素点的y轴坐标,为预设原点坐标的y轴坐标,为预设点检零件对应的第一轮廓像素点数量的上限值。
可选地,在第一方面的一种可能实现方式中,根据各初始设备图像和各当前设备图像,得到相互对应的初始设备图像和当前设备图像作为一组比对集合,包括:
获取各初始设备图像每行对应的第一行像素点数量和各当前设备图像每行对应的第二行像素点数量,以及各初始设备图像每列对应的第一列像素点数量和各当前设备图像每列对应的第二列像素点数量;
根据相应行数对应的第一行像素点数量和第二行像素点数量得到子行数相似值,基于所有子行数相似值得到各初始设备图像和各当前设备图像对应的行数相似值;
根据相应列数对应的第一列像素点数量和第二列像素点数量得到子列数相似值,基于所有子列数相似值得到各初始设备图像和各当前设备图像对应的列数相似值;
基于所述行数相似值和所述列数相似值得到各初始设备图像和各当前设备图像对应得尺寸相似值,获取尺寸相似值最大的初始设备图像和当前设备图像作为一组比对集合。
可选地,在第一方面的一种可能实现方式中,获取各当前零件区域内各预设点检零件对应的第二子坐标集合,根据第二子坐标集合和预设原点坐标计算得到各预设点检零件对应的当前距离值,包括:
提取当前零件区域内各预设点检零件对应的当前零件轮廓,获取所述当前零件轮廓对应的第二轮廓像素点,以及各第二轮廓像素点对应的当前像素点坐标,根据所有当前像素点坐标生成第二子坐标集合;
根据第二子坐标集合中各当前像素点坐标和预设原点坐标计算得到当前子距离,基于所有当前子距离计算得到各预设点检零件对应的当前距离值。
可选地,在第一方面的一种可能实现方式中,按照区域比对次序依次对相应的第一坐标集合和第二坐标集合进行对比,得到第一坐标集合和第二坐标集合对应的距离总差值,包括:
按照区域比对次序依次获取相应的第一坐标集合和第二坐标集合作为第一比对集合和第二比对集合,获取第一比对集合和第二比对集合中相同编号处的预设点检零件对应的初始距离值和当前距离值,计算得到子距离差值;
根据所有子距离差值计算得到第一比对集合和第二比对集合对应的距离总差值;
通过以下公式计算第一比对集合和第二比对集合对应的距离总差值,,
其中,为第一比对集合和第二比对集合对应的距离总差值,为第一比对集合中第个预设点检零件对应的初始距离值,为第二比对集合中相同位置处的第个预设点检零件对应的当前距离值,为第一比对集合和第二比对集合中预设点检零件对应的零件数量的上限值,为距离总值权重值。
可选地,在第一方面的一种可能实现方式中,通过以下步骤得到区域比对次序,包括:
获取初始零件区域中各预设点检零件对应的历史故障频率,根据所有历史故障频率得到初始零件区域对应的故障总频率;
按照所述故障总频率从大到小依次对各初始零件区域进行排序,得到区域对比次序。
可选地,在第一方面的一种可能实现方式中,控制点检机器人基于各采集距离采集点检设备在预设方位上对应的多张初始设备图像,包括:
获取点检设备的尺寸信息,根据尺寸信息中的长度值和宽度值对基准距离进行偏移得到基准距离对应的预设距离;
通过以下公式计算基准距离对应的预设距离,,
其中,为基准距离对应的预设距离,为点检设备的长度值,为基准长度值,为长度偏移值,为点检设备的宽度值,为基准宽度值,为宽度偏移值,为基准距离,为预设距离权重值;
根据所述预设距离和采集数量得到多个采集距离,根据多个所述采集距离采集点检设备在预设方位上对应的多张初始设备图像。
可选地,在第一方面的一种可能实现方式中,根据所述预设距离和采集数量得到多个采集距离,根据多个所述采集距离采集点检设备在预设方位上对应的多张初始设备图像,包括:
根据多个所述采集距离获取多个采集位置点,获取点检机器人在各采集位置点采集的点检设备在相应预设方位的实时画面,并提取所述实时画面内校准标识牌的第一中心点,其中,所述点检设备在各预设方位的中心位置均预先设置校准标识牌;
获取实时画面的第二中心点,当所述第一中心点和所述第二中心点重叠时,生成采集信号,并响应所述采集信号采集相应采集位置点处的初始设备图像。
本发明实施例的第二方面,提供一种智能点检平台,包括:
初始模块,用于控制点检机器人基于各采集距离采集点检设备在预设方位上对应的多张初始设备图像,对各所述初始设备图像进行区域划分得到多个初始零件区域;
距离模块,用于获取各初始零件区域内各预设点检零件对应的第一子坐标集合,根据第一子坐标集合和预设原点坐标计算得到各预设点检零件对应的初始距离值,基于各预设点检零件对应的初始距离值生成各初始零件区域对应的第一距离值集合;
集合模块,用于控制点检机器人在点检时间基于各采集距离采集点检设备在预设方位上对应的多张当前设备图像,根据各初始设备图像和各当前设备图像,得到相互对应的初始设备图像和当前设备图像作为一组比对集合;
当前模块,用于对各比对集合中的当前设备图像进行区域划分得到多个当前零件区域,获取各当前零件区域内各预设点检零件对应的第二子坐标集合,根据第二子坐标集合和预设原点坐标计算得到各预设点检零件对应的当前距离值,基于各预设点检零件对应的当前距离值生成各当前零件区域对应的第二距离值集合;
比对模块,用于按照区域比对次序依次对相应的第一距离值集合和第二距离值集合进行对比,得到第一距离值集合和第二距离值集合对应的距离总差值,若距离总差值大于预设距离差值,则停止比对,并将对应的初始零件区域作为异常区域发送至点检端。
本发明的有益效果如下:1、本发明可以获取到不同位置点的当前设备图像,并将获取到的当前设备图像与初始设备图像进行比对,在比对过程中,本发明会将初始设备图像和当前设备图像划分为多个对应的初始零件区域和当前零件区域进行比对,这样可以缩小零件对比时的范围,快速锁定发生问题的区域。同时,本发明在比对时,还会依据区域对比次序依次将相应的区域进行比对,这样可以优先对容易发生故障的区域进行比对,从而可以使工作人员及时的做出相应的处理。
2、本发明在将对应的初始设备图像和当前设备图像进行比对时,会采用两步放大的方式对其进行比对。首先,本发明会依据对应的初始零件区域和当前零件区域中每个零件对应的轮廓像素点的坐标与原点坐标计算得到每个轮廓像素点与原点之间的子距离,再对所有子距离进行相加得到每个零件距离原点的总距离,这样可以通过对数据的初步放大得到每个零件与原点之间的距离,提高比对时的准确性。其次,本发明还会通过所有零件距离原点的总距离得到第一距离值集合和第二距离值集合,然后再得到相对应的第一距离值集合和第二距离值集合中相同编号的零件的子距离差值,通过所有零件的子距离差值得到相应区域的距离总差值,通过距离总差值和预设距离差值来判断比对的区域是否发生异常。这样可以通过对数据的再次放大得到对应的区域中所有零件之间的距离总差值,从而可以检测到零件位置微小的变化,提高点检时的准确性,同时还可以缩小零件进行比对时的范围,从而可以快速确定出现问题的区域,提高点检时的效率。
3、本发明在获取初始设备图像和当前设备图像时,会在不同位置点获取到多张初始设备图像和当前设备图像,并且还会根据每个设备的尺寸信息对每个设备对应的位置点进行调整,这样可以预防因设备太大而出现拍摄画面缺失的情况,也可以预防因设备太小而出现拍摄的画面不清晰的情况,在获取图像时,本发明还会通过设备对应的校准标识牌和实时画面的中心点对拍摄的图像进行校准,使采集到的图像位于中心位置,采集到对应的图像之后,本发明会形成多组比对集合进行比对,这样可以使比对时的数据更加全面、准确。
附图说明
图1为本发明实施例提供的一种智能点检方法的流程示意图。
图2为本发明实施例提供的智能点检平台的结构示意图。
图3为本发明实施例提供的一种电子设备的硬件结构示意图。
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做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。
参见图1,是本发明实施例提供的一种智能点检方法的流程示意图,图1所示方法的执行主体可以是软件和/或硬件装置。本申请的执行主体可以包括但不限于以下中的至少一个:用户设备、网络设备等。其中,用户设备可以包括但不限于计算机、智能手机、个人数字助理(Personal Digital Assistant,简称:PDA)及上述提及的电子设备等。网络设备可以包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算的由大量计算机或网络服务器构成的云,其中,云计算是分布式计算的一种,由一群松散耦合的计算机组成的一个超级虚拟计算机。本实施例对此不做限制。包括步骤S1至步骤S5,具体如下:
S1,控制点检机器人基于各采集距离采集点检设备在预设方位上对应的多张初始设备图像,对各所述初始设备图像进行区域划分得到多个初始零件区域。
在实际应用中,设备表面的零配件是构成设备的基本元件,零件虽小,但作用不小,设备若是没有零配件的应用,可能将会无法运行,因此对设备表面零配件的点检是十分重要的。
本发明在对设备表面的零配件进行点检时会首先获取各个点检设备对应的多张初始设备图像,通过将初始设备图像与后续在点检时间拍摄的当前设备图像进行对比来判断设备表面的零配件是否发生了松动、掉落等问题。其中,预设方位可以是正视、俯视、侧视等方位中的一种或多种。
进一步的,本发明在得到多张初始设备图像后,还会将每张初始设备图像中的设备区域划分为多个区域,即初始零件区域,这是由于设备表面上对应的零件可能会很多,将设备划分为多个区域,可以快速锁定发生问题的区域,提高点检时的效率。
在上述实施例的基础上步骤S1的具体实现方式可以是:
S11,获取点检设备的尺寸信息,根据尺寸信息中的长度值和宽度值对基准距离进行偏移得到基准距离对应的预设距离。
可以理解的是,由于每个设备的尺寸大小都不一样,若都采用统一的基准距离进行图像采集,可能会出现有的设备由于太大而拍摄不到整个设备的情况,以及由于设备太小而出现拍摄的画面不清晰的情况,因此本发明在采集时会根据每个设备的尺寸大小对基准距离进行调整,从而可以拍摄到整个设备。
通过以下公式计算基准距离对应的预设距离,,
其中,为基准距离对应的预设距离,为点检设备的长度值,为基准长度值,为长度偏移值,为点检设备的宽度值,为基准宽度值,为宽度偏移值,为基准距离,为预设距离权重值。
从上述公式中可以看出,点检设备的长度值越大,说明设备的长度也会越长,因为为了可以拍摄到整个设备,设备对应的预设距离也可以设置的越大,反之亦然。
点检设备的宽度值越大,说明设备的宽度也会越大,因为为了可以拍摄到整个设备,设备对应的预设距离也可以设置的越大,反之亦然。
S12,根据所述预设距离和采集数量得到多个采集距离,根据多个所述采集距离采集点检设备在预设方位上对应的多张初始设备图像。
进一步的,在得到预设距离后,本发明还会根据预设距离和采集数量得到点检设备在不同距离处拍摄到的图像,这样可以通过设备在不同距离处拍摄的图片使后续比对时的数据更加准确。
示例性的,点检设备的采集距离可以是预设距离和采集第x张图像时对应的张数的乘积,例如,若采集数量为3,则在拍摄第1张图像时采集距离可以是1和预设距离的乘积,拍摄第2张图像时采集距离可以是2和预设距离的乘积,拍摄第3张图像时采集距离可以是3和预设距离的乘积。
具体的,步骤S12包括步骤S121至步骤S122:
S121,根据多个所述采集距离获取多个采集位置点,获取点检机器人在各采集位置点采集的点检设备在相应预设方位的实时画面,并提取所述实时画面内校准标识牌的第一中心点,其中,所述点检设备在各预设方位的中心位置均预先设置校准标识牌。
本发明在各采集位置点进行图像采集时,为了使拍摄到的图像在正中心,还会通过校准标识牌对拍摄到的实时画面进行校准。其中,采集位置点可以由人工基于采集距离事先进行设置。
具体的,当点检机器人到达采集位置点后,本发明会获取到实时画面中的点检设备,以及点检设备对应的校准标识牌的中心位置,即第一中心点,以便后后续基于第一中心点对点检设备的位置进行校准。
S122,获取实时画面的第二中心点,当所述第一中心点和所述第二中心点重叠时,生成采集信号,并响应所述采集信号采集相应采集位置点处的初始设备图像。
在得到第一中心点后,为了对点检设备的位置进行校准,本发明还会得到拍摄画面的中心点,即第二中心点,通过第一中心点和第二中心点的位置来对点检设备的位置进行校准。
当所述第一中心点和所述第二中心点重叠时,说明此时拍摄到的设备图像可能已经位于中心位置了,因此可以响应采集信号对设备图像进行采集。此外,为了节省内存,若第一中心点和第二中心点没有重叠,则可以不响应采集信号对图像进行采集。
通过上述方式,可以采集到不同位置的初始设备图像,使后续进行对比时的数据可以更加全面、准确,并且可以使采集到的设备图像位于中间位置,可以预防拍摄到的图像出现画面缺失的情况。
进一步的,本发明在得到初始画面图像后,还会通过步骤S13至步骤S15对其进行区域划分,具体如下:
S13,统计初始设备图像中点检设备的初始像素点数量,基于所述初始像素点数量和预设区域数量的比值得到区域像素点数量。
例如,若预设区域数量为3,则区域像素点数量为初始设备图像中点检设备的总像素值(即初始像素点数量)和3的比值,即每个区域的平均像素点数量。
S14,控制基准线基于预设扫描方向统计初始设备图像中点检设备的像素点数量,当像素点数量等于区域像素点数量时停止统计,将区域像素点数量对应的区域作为初始零件区域。
上述预设扫描方向可以预先进行设置,例如可以是由图像的上端扫描至图像的下端,也可以是由图像的左端扫描至图像的右端。
此外,若存在零件出现在两个相邻的初始零件区域的交界处,同时存在于两个初始零件区域的情况,则可以根据零件在两个初始零件区域中的像素点占比,将零件划分至像素点占比多的初始零件区域中,再根据零件重新对该相邻的两个初始零件区域进行划分,使其中一个初始零件区域可以完全包括零件,也可以由人工对该相邻的两个初始零件区域重新进行划分。
这样可以使后续对比零件时快速找到各个零件对应的区域,若一个零件同时对应两个区域,则不便于后续的比对。
S15,重复上述步骤,直至初始设备图像中点检设备的初始像素点数量统计完毕。
通过上述方式,可以在后续比对时快速锁定发生问题的设备区域,提高点检时的效率。
S2,获取各初始零件区域内各预设点检零件对应的第一子坐标集合,根据第一子坐标集合和预设原点坐标计算得到各预设点检零件对应的初始距离值,基于各预设点检零件对应的初始距离值生成各初始零件区域对应的第一距离值集合。
具体的,本发明为了比对各设备区域中的零件是否发生松动、脱落等问题,会先获取到各设备区域中各零件的第一子坐标集合,根据第一子坐标集合和预设原点坐标计算得到各零件距离原点的初始距离值,然后再通过后续比对各零件距离原点的初始距离值是否发生改变来判断零件的位置是否发生改变。
其中,第一子坐标集合为初始零件区域内各预设点检零件对应的所有轮廓像素点坐标组成的集合。
在上述实施例的基础上步骤S2的具体实现方式可以是:
S21,提取初始零件区域内各预设点检零件对应的初始零件轮廓,获取所述初始零件轮廓对应的第一轮廓像素点,以及各第一轮廓像素点对应的初始像素点坐标,根据所有初始像素点坐标生成第一子坐标集合。
在实际应用中,提取初始零件轮廓时,可以采用现有技术中多种轮廓提取方法中任一种提取方法进行提取,例如掏空内部点法、追踪算法等。
S22,根据第一子坐标集合中各初始像素点坐标和预设原点坐标计算得到初始子距离,基于所有初始子距离计算得到各预设点检零件对应的初始距离值。
通过以下公式计算预设点检零件对应的初始距离值,;
其中,为预设点检零件对应的初始距离值,为预设点检零件对应的第个第一轮廓像素点的x轴坐标,为预设原点坐标的x轴坐标,为预设点检零件对应的第个第一轮廓像素点的y轴坐标,为预设原点坐标的y轴坐标,为预设点检零件对应的第一轮廓像素点数量的上限值。
上述公式的具体构思为:
由于每个零件都会对应的多个第一轮廓像素点,每个第一轮廓像素点的坐标都是不一样的,而原点坐标是固定的,因此可以通过每个第一轮廓像素点的坐标和原点坐标计算得到每个第一轮廓像素点距离原点的初始子距离,再通过所有初始子距离可以得到每个预设点检零件相对于原点的初始距离值。
S3,控制点检机器人在点检时间基于各采集距离采集点检设备在预设方位上对应的多张当前设备图像,根据各初始设备图像和各当前设备图像,得到相互对应的初始设备图像和当前设备图像作为一组比对集合。
上述获取多张当前设备图像的方式同S1(控制点检机器人基于各采集距离采集点检设备在预设方位上对应的多张初始设备图像,对各所述初始设备图像进行区域划分得到多个初始零件区域)中获取多张初始设备图像的方式类似,在此不做赘述。
在一些实施例中,可以将在同一位置点拍摄的初始设备图像和当前设备图像作为一组比对集合。
在另一些实施例中,可以通过步骤S31至步骤S34得到上述比对集合,具体如下:
S31,获取各初始设备图像每行对应的第一行像素点数量和各当前设备图像每行对应的第二行像素点数量,以及各初始设备图像每列对应的第一列像素点数量和各当前设备图像每列对应的第二列像素点数量。
在获取各初始设备图像每行对应的第一行像素点数量和各当前设备图像每行对应的第二行像素点数量时,可以根据预设方向从各初始设备图像和各当前设备图像的第一行像素点开始遍历,然后依次将每行对应的像素点数量进行记录得到对应的第一行像素点数量和第二行像素点数量。
同样的,在获取各初始设备图像每列对应的第一列像素点数量和各当前设备图像每列对应的第二列像素点数量时,也可以根据预设方向从各初始设备图像和各当前设备图像的第一列像素点开始遍历,然后依次将每行对应的像素点数量进行记录得到对应的第一列像素点数量和第二列像素点数量。
S32,根据相应行数对应的第一行像素点数量和第二行像素点数量得到子行数相似值,基于所有子行数相似值得到各初始设备图像和各当前设备图像对应的行数相似值。
例如,子行数相似值可以是初始设备图像中第1行像素点数量和当前设备图像中第1行像素点数量的比值。
通过子行数相似值可以得到初始设备图像和当前设备图像每行对应的长度相似值,子行数相似值越大,说明两者越相似,然后通过行数相似值便可以得到初始设备图像和当前设备图像的长度相似值,行数相似值越大,初始设备图像和当前设备图像的长度也会越接近。
S33,根据相应列数对应的第一列像素点数量和第二列像素点数量得到子列数相似值,基于所有子列数相似值得到各初始设备图像和各当前设备图像对应的列数相似值。
同样的,子列数相似值可以是初始设备图像中第1列像素点数量和当前设备图像中第1列像素点数量的比值。
通过子列数相似值可以得到初始设备图像和当前设备图像每列对应的宽度相似值,子列数相似值越大,说明两者越相似,然后通过列数相似值便可以得到初始设备图像和当前设备图像的宽度相似值,宽度数相似值越大,初始设备图像和当前设备图像的宽度也会越接近。
S34,基于所述行数相似值和所述列数相似值得到各初始设备图像和各当前设备图像对应得尺寸相似值,获取尺寸相似值最大的初始设备图像和当前设备图像作为一组比对集合。
上述尺寸相似值越大,说明初始设备图像和当前设备图像中的点检设备的尺寸也会越接近,两者拍摄时的位置和角度可能也会越相似,两张图片的相似度可能也会越高,因此可以将其作为一组比对集合进行比对。
通过上述方式,可以得到两张最为相似的初始设备图像和当前设备图像进行比对,提高比对时的准确性。
S4,对各比对集合中的当前设备图像进行区域划分得到多个当前零件区域,获取各当前零件区域内各预设点检零件对应的第二子坐标集合,根据第二子坐标集合和预设原点坐标计算得到各预设点检零件对应的当前距离值,基于各预设点检零件对应的当前距离值生成各当前零件区域对应的第二距离值集合。
上述对当前设备图像进行区域划分得到多个当前零件区域的方式同S1(控制点检机器人基于各采集距离采集点检设备在预设方位上对应的多张初始设备图像,对各所述初始设备图像进行区域划分得到多个初始零件区域)中划分多个初始零件区域的方式相同,在此不做赘述。
需要说明的是,当前设备图像中的多个当前零件区域与初始设备图像中的多个初始零件区域是相互对应的。
进一步的,为了将当前零件区域和对应的初始零件区域中的预设点检零件的位置进行比对,本发明还会获取到当前零件区域内各预设点检零件对应的第二子坐标集合,根据第二子坐标集合计算得到当前零件区域内各预设点检零件距离原点的当前距离值,通过当前距离值和初始距离值来判断预设点检零件的位置是否发生变化。
其中,第二子坐标集合为当前零件区域内各预设点检零件对应的所有轮廓像素点坐标组成的集合。
具体的,可以通过以下步骤得到各预设点检零件对应的当前距离值:
S41,提取当前零件区域内各预设点检零件对应的当前零件轮廓,获取所述当前零件轮廓对应的第二轮廓像素点,以及各第二轮廓像素点对应的当前像素点坐标,根据所有当前像素点坐标生成第二子坐标集合。
在实际应用中,提取当前零件轮廓时,也可以采用现有技术中多种轮廓提取方法中任一种提取方法进行提取。
S42,根据第二子坐标集合中各当前像素点坐标和预设原点坐标计算得到当前子距离,基于所有当前子距离计算得到各预设点检零件对应的当前距离值。
相应的,当前零件区域内各预设点检零件也会对应的多个第二轮廓像素点,通过第二轮廓像素点的坐标和原点坐标可以计算得到每个第二轮廓像素点距离原点的当前子距离,从而可以进一步得到当前零件区域内各预设点检零件相对于原点的当前距离值。
S5,按照区域比对次序依次对相应的第一距离值集合和第二距离值集合进行对比,得到第一距离值集合和第二距离值集合对应的距离总差值,若距离总差值大于预设距离差值,则停止比对,并将对应的初始零件区域作为异常区域发送至点检端。
具体的,在得到初始零件区域内各预设点检零件对应的初始距离值和当前零件区域内各预设点检零件对应的当前距离值后,便可以通过第一距离值集合和第二距离值集合内所有预设点检零件的位置变化差值,即距离总差值判断是否有零件发生了问题。
若距离总差值大于预设距离差值,则说明比对的区域中有零件发生了问题,此时可以将有问题的区域和有问题的零件发送至点检端进行后续的处理,然后再继续比对后一个区域,继续判断是否还有其他区域也发生了异常。
之所有将多个区域依次进行比对,是为了优先判断容易发生故障的区域,以便于可以对容易发生故障的区域进行及时的处理。
在上述实施例的基础上步骤S5的具体实现方式可以是:
S51,按照区域比对次序依次获取相应的第一坐标集合和第二坐标集合作为第一比对集合和第二比对集合,获取第一比对集合和第二比对集合中相同编号处的预设点检零件对应的初始距离值和当前距离值,计算得到子距离差值。
在实际应用中,可以由人工预先对各预设点检零件设置不同的编号,然后通过预设点检零件的编号得到第一比对集合和第二比对集合中相同编号的预设点检零件进行比对。
其中,在进行比对时,本发明会根据相同编号处的预设点检零件对应的初始距离值和当前距离值计算得到子距离差值,通过子距离差值判断预设点检零件的位置是否发生偏移,若子距离差值越大,则说明预设点检零件发生位置偏移的可能性就越大。
S52,根据所有子距离差值计算得到第一比对集合和第二比对集合对应的距离总差值。
通过以下公式计算第一比对集合和第二比对集合对应的距离总差值,,
其中,为第一比对集合和第二比对集合对应的距离总差值,为第一比对集合中第个预设点检零件对应的初始距离值,为第二比对集合中相同位置处的第个预设点检零件对应的当前距离值,为第一比对集合和第二比对集合中预设点检零件对应的零件数量的上限值,为距离总值权重值。
从上述公式中可以看出,各预设点检零件对应的子距离差值越大,第一比对集合和第二比对集合对应的距离总差值也会越大,说明此时比对的区域中很可能存在预设点检零件的位置发生了偏移或者脱落,因此可以将对应的区域和出现问题的预设点检零件发送至点检端,以便于点检人员可以及时的做出相应的处理,预防因零件出现问题而导致设备出现不能运行的情况。
此外,本发明还会通过以下步骤得到区域比对次序:
获取初始零件区域中各预设点检零件对应的历史故障频率,根据所有历史故障频率得到初始零件区域对应的故障总频率。
按照所述故障总频率从大到小依次对各初始零件区域进行排序,得到区域对比次序。
可以理解的是,故障总频率越大,说明该初始零件区域越容易出现问题,因此可以在比对时优先对该初始零件区域进行比对,以便于工作人员可以及时对该初始零件区域进行相应的处理。
通过上述方式,可以快速锁定发生问题的区域,提高点检时的效率,同时使工作人员可以及时发现各区域出现的问题,并做出相应的处理。
参见图2,是本发明实施例提供的智能点检平台的结构示意图,该智能点检平台包括:
初始模块,用于控制点检机器人基于各采集距离采集点检设备在预设方位上对应的多张初始设备图像,对各所述初始设备图像进行区域划分得到多个初始零件区域;
距离模块,用于获取各初始零件区域内各预设点检零件对应的第一子坐标集合,根据第一子坐标集合和预设原点坐标计算得到各预设点检零件对应的初始距离值,基于各预设点检零件对应的初始距离值生成各初始零件区域对应的第一距离值集合;
集合模块,用于控制点检机器人在点检时间基于各采集距离采集点检设备在预设方位上对应的多张当前设备图像,根据各初始设备图像和各当前设备图像,得到相互对应的初始设备图像和当前设备图像作为一组比对集合;
当前模块,用于对各比对集合中的当前设备图像进行区域划分得到多个当前零件区域,获取各当前零件区域内各预设点检零件对应的第二子坐标集合,根据第二子坐标集合和预设原点坐标计算得到各预设点检零件对应的当前距离值,基于各预设点检零件对应的当前距离值生成各当前零件区域对应的第二距离值集合;
比对模块,用于按照区域比对次序依次对相应的第一距离值集合和第二距离值集合进行对比,得到第一距离值集合和第二距离值集合对应的距离总差值,若距离总差值大于预设距离差值,则停止比对,并将对应的初始零件区域作为异常区域发送至点检端。
图2所示实施例的装置对应地可用于执行图1所示方法实施例中的步骤,其实现原理和技术效果类似,此处不再赘述。
参见图3,是本发明实施例提供的一种电子设备的硬件结构示意图,该电子设备30包括:处理器31、存储器32和计算机程序;其中
存储器32,用于存储所述计算机程序,该存储器还可以是闪存(flash)。所述计算机程序例如是实现上述方法的应用程序、功能模块等。
处理器31,用于执行所述存储器存储的计算机程序,以实现上述方法中设备执行的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地,存储器32既可以是独立的,也可以跟处理器31集成在一起。
当所述存储器32是独立于处理器31之外的器件时,所述设备还可以包括:
总线33,用于连接所述存储器32和处理器31。
本发明还提供一种可读存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中,可读存储介质可以是计算机存储介质,也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如,可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits,简称:ASIC)中。另外,该ASIC可以位于用户设备中。当然,处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品,该程序产品包括执行指令,该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令,至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述设备的实施例中,应理解,处理器可以是中央处理单元(英文:CentralProcessing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:DigitalSignal Processor,简称:DSP)、专用集成电路(英文:Application Specific IntegratedCircuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种智能点检方法,其特征在于,包括:
控制点检机器人基于各采集距离采集点检设备在预设方位上对应的多张初始设备图像,对各所述初始设备图像进行区域划分得到多个初始零件区域;
获取各初始零件区域内各预设点检零件对应的第一子坐标集合,根据第一子坐标集合和预设原点坐标计算得到各预设点检零件对应的初始距离值,基于各预设点检零件对应的初始距离值生成各初始零件区域对应的第一距离值集合;
控制点检机器人在点检时间基于各采集距离采集点检设备在预设方位上对应的多张当前设备图像,根据各初始设备图像和各当前设备图像,得到相互对应的初始设备图像和当前设备图像作为一组比对集合;
对各比对集合中的当前设备图像进行区域划分得到多个当前零件区域,获取各当前零件区域内各预设点检零件对应的第二子坐标集合,根据第二子坐标集合和预设原点坐标计算得到各预设点检零件对应的当前距离值,基于各预设点检零件对应的当前距离值生成各当前零件区域对应的第二距离值集合;
按照区域比对次序依次对相应的第一距离值集合和第二距离值集合进行对比,得到第一距离值集合和第二距离值集合对应的距离总差值,若距离总差值大于预设距离差值,则停止比对,并将对应的初始零件区域作为异常区域发送至点检端;
对各所述初始设备图像进行区域划分得到多个初始零件区域,包括:
统计初始设备图像中点检设备的初始像素点数量,基于所述初始像素点数量和预设区域数量的比值得到区域像素点数量;
控制基准线基于预设扫描方向统计初始设备图像中点检设备的像素点数量,当像素点数量等于区域像素点数量时停止统计,将区域像素点数量对应的区域作为初始零件区域;
重复上述步骤,直至初始设备图像中点检设备的初始像素点数量统计完毕;
获取各初始零件区域内各预设点检零件对应的第一子坐标集合,根据第一子坐标集合和预设原点坐标计算得到各预设点检零件对应的初始距离值,包括:
提取初始零件区域内各预设点检零件对应的初始零件轮廓,获取所述初始零件轮廓对应的第一轮廓像素点,以及各第一轮廓像素点对应的初始像素点坐标,根据所有初始像素点坐标生成第一子坐标集合;
根据第一子坐标集合中各初始像素点坐标和预设原点坐标计算得到初始子距离,基于所有初始子距离计算得到各预设点检零件对应的初始距离值;
通过以下公式计算预设点检零件对应的初始距离值,
其中,d1为预设点检零件对应的初始距离值,xi为预设点检零件对应的第i个第一轮廓像素点的x轴坐标,x0为预设原点坐标的x轴坐标,yi为预设点检零件对应的第i个第一轮廓像素点的y轴坐标,y0为预设原点坐标的y轴坐标,n为预设点检零件对应的第一轮廓像素点数量的上限值;
根据各初始设备图像和各当前设备图像,得到相互对应的初始设备图像和当前设备图像作为一组比对集合,包括:
获取各初始设备图像每行对应的第一行像素点数量和各当前设备图像每行对应的第二行像素点数量,以及各初始设备图像每列对应的第一列像素点数量和各当前设备图像每列对应的第二列像素点数量;
根据相应行数对应的第一行像素点数量和第二行像素点数量得到子行数相似值,基于所有子行数相似值得到各初始设备图像和各当前设备图像对应的行数相似值;
根据相应列数对应的第一列像素点数量和第二列像素点数量得到子列数相似值,基于所有子列数相似值得到各初始设备图像和各当前设备图像对应的列数相似值;
基于所述行数相似值和所述列数相似值得到各初始设备图像和各当前设备图像对应得尺寸相似值,获取尺寸相似值最大的初始设备图像和当前设备图像作为一组比对集合。
2.根据权利要求1所述的方法,其特征在于,
获取各当前零件区域内各预设点检零件对应的第二子坐标集合,根据第二子坐标集合和预设原点坐标计算得到各预设点检零件对应的当前距离值,包括:
提取当前零件区域内各预设点检零件对应的当前零件轮廓,获取所述当前零件轮廓对应的第二轮廓像素点,以及各第二轮廓像素点对应的当前像素点坐标,根据所有当前像素点坐标生成第二子坐标集合;
根据第二子坐标集合中各当前像素点坐标和预设原点坐标计算得到当前子距离,基于所有当前子距离计算得到各预设点检零件对应的当前距离值。
3.根据权利要求2所述的方法,其特征在于,
按照区域比对次序依次对相应的第一坐标集合和第二坐标集合进行对比,得到第一坐标集合和第二坐标集合对应的距离总差值,包括:
按照区域比对次序依次获取相应的第一坐标集合和第二坐标集合作为第一比对集合和第二比对集合,获取第一比对集合和第二比对集合中相同编号处的预设点检零件对应的初始距离值和当前距离值,计算得到子距离差值;
根据所有子距离差值计算得到第一比对集合和第二比对集合对应的距离总差值;
通过以下公式计算第一比对集合和第二比对集合对应的距离总差值,
4.根据权利要求3所述的方法,其特征在于,通过以下步骤得到区域比对次序,包括:
获取初始零件区域中各预设点检零件对应的历史故障频率,根据所有历史故障频率得到初始零件区域对应的故障总频率;
按照所述故障总频率从大到小依次对各初始零件区域进行排序,得到区域对比次序。
6.根据权利要求5所述的方法,其特征在于,
根据所述预设距离和采集数量得到多个采集距离,根据多个所述采集距离采集点检设备在预设方位上对应的多张初始设备图像,包括:
根据多个所述采集距离获取多个采集位置点,获取点检机器人在各采集位置点采集的点检设备在相应预设方位的实时画面,并提取所述实时画面内校准标识牌的第一中心点,其中,所述点检设备在各预设方位的中心位置均预先设置校准标识牌;
获取实时画面的第二中心点,当所述第一中心点和所述第二中心点重叠时,生成采集信号,并响应所述采集信号采集相应采集位置点处的初始设备图像。
7.一种智能点检平台,其特征在于,包括:
初始模块,用于控制点检机器人基于各采集距离采集点检设备在预设方位上对应的多张初始设备图像,对各所述初始设备图像进行区域划分得到多个初始零件区域;
距离模块,用于获取各初始零件区域内各预设点检零件对应的第一子坐标集合,根据第一子坐标集合和预设原点坐标计算得到各预设点检零件对应的初始距离值,基于各预设点检零件对应的初始距离值生成各初始零件区域对应的第一距离值集合;
集合模块,用于控制点检机器人在点检时间基于各采集距离采集点检设备在预设方位上对应的多张当前设备图像,根据各初始设备图像和各当前设备图像,得到相互对应的初始设备图像和当前设备图像作为一组比对集合;
当前模块,用于对各比对集合中的当前设备图像进行区域划分得到多个当前零件区域,获取各当前零件区域内各预设点检零件对应的第二子坐标集合,根据第二子坐标集合和预设原点坐标计算得到各预设点检零件对应的当前距离值,基于各预设点检零件对应的当前距离值生成各当前零件区域对应的第二距离值集合;
比对模块,用于按照区域比对次序依次对相应的第一距离值集合和第二距离值集合进行对比,得到第一距离值集合和第二距离值集合对应的距离总差值,若距离总差值大于预设距离差值,则停止比对,并将对应的初始零件区域作为异常区域发送至点检端;
对各所述初始设备图像进行区域划分得到多个初始零件区域,包括:
统计初始设备图像中点检设备的初始像素点数量,基于所述初始像素点数量和预设区域数量的比值得到区域像素点数量;
控制基准线基于预设扫描方向统计初始设备图像中点检设备的像素点数量,当像素点数量等于区域像素点数量时停止统计,将区域像素点数量对应的区域作为初始零件区域;
重复上述步骤,直至初始设备图像中点检设备的初始像素点数量统计完毕;
获取各初始零件区域内各预设点检零件对应的第一子坐标集合,根据第一子坐标集合和预设原点坐标计算得到各预设点检零件对应的初始距离值,包括:
提取初始零件区域内各预设点检零件对应的初始零件轮廓,获取所述初始零件轮廓对应的第一轮廓像素点,以及各第一轮廓像素点对应的初始像素点坐标,根据所有初始像素点坐标生成第一子坐标集合;
根据第一子坐标集合中各初始像素点坐标和预设原点坐标计算得到初始子距离,基于所有初始子距离计算得到各预设点检零件对应的初始距离值;
通过以下公式计算预设点检零件对应的初始距离值,
其中,d1为预设点检零件对应的初始距离值,xi为预设点检零件对应的第i个第一轮廓像素点的x轴坐标,x0为预设原点坐标的x轴坐标,yi为预设点检零件对应的第i个第一轮廓像素点的y轴坐标,y0为预设原点坐标的y轴坐标,n为预设点检零件对应的第一轮廓像素点数量的上限值;
根据各初始设备图像和各当前设备图像,得到相互对应的初始设备图像和当前设备图像作为一组比对集合,包括:
获取各初始设备图像每行对应的第一行像素点数量和各当前设备图像每行对应的第二行像素点数量,以及各初始设备图像每列对应的第一列像素点数量和各当前设备图像每列对应的第二列像素点数量;
根据相应行数对应的第一行像素点数量和第二行像素点数量得到子行数相似值,基于所有子行数相似值得到各初始设备图像和各当前设备图像对应的行数相似值;
根据相应列数对应的第一列像素点数量和第二列像素点数量得到子列数相似值,基于所有子列数相似值得到各初始设备图像和各当前设备图像对应的列数相似值;
基于所述行数相似值和所述列数相似值得到各初始设备图像和各当前设备图像对应得尺寸相似值,获取尺寸相似值最大的初始设备图像和当前设备图像作为一组比对集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310142077.1A CN115841489B (zh) | 2023-02-21 | 2023-02-21 | 智能点检方法及平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310142077.1A CN115841489B (zh) | 2023-02-21 | 2023-02-21 | 智能点检方法及平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115841489A CN115841489A (zh) | 2023-03-24 |
CN115841489B true CN115841489B (zh) | 2023-04-28 |
Family
ID=85580008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310142077.1A Active CN115841489B (zh) | 2023-02-21 | 2023-02-21 | 智能点检方法及平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115841489B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116817492B (zh) * | 2023-07-24 | 2024-07-26 | 江苏嘉泰蒸发设备股份有限公司 | 蒸发器数据处理方法及系统 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796046B (zh) * | 2019-10-17 | 2023-10-10 | 武汉科技大学 | 基于卷积神经网络的智能钢渣检测方法和系统 |
CN111930140B (zh) * | 2020-07-15 | 2023-02-03 | 招商局国际信息技术有限公司 | 一种基于无人机机器人的码头智能点检方法及系统 |
CN113362308A (zh) * | 2021-06-08 | 2021-09-07 | 深圳市华汉伟业科技有限公司 | 一种物体边缘的毛刺检测方法及装置、存储介质 |
CN113869385A (zh) * | 2021-09-18 | 2021-12-31 | 平安银行股份有限公司 | 基于目标检测的海报比对方法、装置、设备及存储介质 |
CN114926410A (zh) * | 2022-04-29 | 2022-08-19 | 江苏永占管道科技有限公司 | 制动盘外观缺陷检测方法 |
CN114662617B (zh) * | 2022-05-18 | 2022-08-09 | 国网浙江省电力有限公司杭州供电公司 | 基于多模态学习策略的多源数据编织系统处理方法及装置 |
CN115218134B (zh) * | 2022-07-08 | 2023-11-21 | 江苏天禧电力与照明景观工程技术有限公司 | 基于5g物联网的道路监控全景信息感知方法及系统 |
CN114937142B (zh) * | 2022-07-20 | 2022-09-23 | 北京智盟信通科技有限公司 | 基于图计算的电力设备故障诊断模型实现方法 |
CN115311811B (zh) * | 2022-10-11 | 2022-12-06 | 江苏安世朗智能科技有限公司 | 基于物联网的电气火灾远程报警处理方法及装置 |
CN115690387A (zh) * | 2022-11-17 | 2023-02-03 | 凤阳爱尔思轻合金精密成型有限公司 | 一种基于图像识别的合金表面检测系统 |
CN115564772B (zh) * | 2022-11-18 | 2023-03-07 | 深圳市大族封测科技股份有限公司 | 焊球识别方法、焊接设备及存储介质 |
-
2023
- 2023-02-21 CN CN202310142077.1A patent/CN115841489B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115841489A (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3282248B9 (en) | Inspection apparatus and quality control system for surface mounting line | |
CN115841489B (zh) | 智能点检方法及平台 | |
US11449983B2 (en) | Defect identification method and image analysis system | |
CN115082394A (zh) | 一种插件缺陷视觉检测识别方法、可读存储介质及设备 | |
CN110621150B (zh) | 印制电路板的组装方法及相关装置 | |
CN111681186A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN117635565A (zh) | 一种基于图像识别的半导体表面缺陷检测系统 | |
CN116468687A (zh) | 划伤缺陷检测方法、装置及存储介质、电子设备 | |
CN113538586A (zh) | 晶粒行列定位方法、装置和系统以及计算机可读存储介质 | |
CN116993725B (zh) | 一种柔性电路板智能贴片信息处理系统 | |
US20220290975A1 (en) | Method for measuring wafer profile | |
JP4017148B2 (ja) | パターン検査装置、歩留管理システム、パターン検査方法、基板製造方法およびプログラム | |
WO2024045428A1 (zh) | 电解极板的检测方法、检测装置、电子设备及存储介质 | |
JP2019003575A (ja) | 画像分析装置及び鉄道設備部品の保守管理方法 | |
CN109040724B (zh) | 一种结构光投影器的光斑畸变检测方法、装置及可读存储介质 | |
CN115311624B (zh) | 一种边坡位移监测方法、装置、电子设备及存储介质 | |
CN115546140A (zh) | 一种显示面板检测方法、系统及电子装置 | |
CN113012137B (zh) | 一种面板缺陷检查方法、系统、终端设备及存储介质 | |
JP2004515830A (ja) | 欠陥検出のための二次分散プロット技術 | |
CN112135511A (zh) | 一种pcb板锡膏印刷品检方法、装置及系统 | |
CN117115233B (zh) | 一种基于机器视觉的尺寸测量方法、装置及电子设备 | |
CN115760856B (zh) | 一种基于图像识别的零件间距测量方法、系统和存储介质 | |
CN117015166B (zh) | 一种电子元器件贴装系统 | |
CN117809255B (zh) | 一种报修方法及报修系统 | |
CN115631249B (zh) | 一种相机校正方法、装置、设备和存储介质 |
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 |