CN115971563A - 一种基于图像识别的板材自动切割系统及其工作方法 - Google Patents
一种基于图像识别的板材自动切割系统及其工作方法 Download PDFInfo
- Publication number
- CN115971563A CN115971563A CN202211549956.8A CN202211549956A CN115971563A CN 115971563 A CN115971563 A CN 115971563A CN 202211549956 A CN202211549956 A CN 202211549956A CN 115971563 A CN115971563 A CN 115971563A
- Authority
- CN
- China
- Prior art keywords
- cutting
- image
- plate
- curve
- interpolation
- 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
- 238000005520 cutting process Methods 0.000 title claims abstract description 175
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims description 33
- 230000009467 reduction Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000000280 densification Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Numerical Control (AREA)
Abstract
本申请提供一种基于图像识别的板材自动切割系统及其工作方法,所述板材自动切割系统包括控制器、伺服电机、丝杠螺母、XYZ运动平台,电机承重轴、夹具、切割辅助定位区块、切割装置,所述切割装置包括相机、切割刀具;该切割系统结构完整,支撑刚度增强,自动化程度高,能形成完整的闭环系统,其提高传统切割装置的切割效率,并且改善劳动工人的劳动强度。
Description
技术领域
本申请属于板材自动切割领域,特别涉及一种基于图像识别的板材自动切割系统及其工作方法。
背景技术
随着中国机械制造业的发展,数控加工逐步取代传统加工方式,对于复杂曲线切割加工多需要借助辅助基准以及专业的工人进行加工。同时,当前一些传统板材切割机在切割操作前往往需要输入一些编程代码进行切割。手编程序一般需要有相关的编程基础,技术依赖性较高,不便于工人进行直接操作。编程在费时的同时又难以保证质量。目前仍有相当数量的数控线切割机基于手编程序运行,大大降低生产效率。基于此,如何方便快捷的切割有着复杂曲线轨迹的板材是亟需解决的问题。
发明内容
本申请主要目的是解决传统型切割机存在的问题,提出一种切割系统结构完整,支撑刚度增强,自动化程度高,能形成完整的闭环系统,其提高传统切割装置的切割效率,并且改善劳动工人的劳动强度。
为了达到上述目的,本申请采用如下方案:
一种基于图像识别的板材自动切割系统,所述板材自动切割系统包括XYZ运动平台,所述XYZ运动平台包括机身、机架、导轨,所述机身与所述机架垂直设置,用于支撑所述导轨,所述导轨包括沿X轴运动导轨、沿Y轴运动的电机承重导轨以及沿Z轴运动导轨,所述电机承重导轨下方,机身上方设置有电机承重结构,所述电机承重导轨至少为两个,以使板材与电机接触位置受力均匀;
所述电机承重导轨上方设置有切割平台,所述切割平台设置有板材放置区,所述板材放置区设置有所述切割辅助定位区块,其三个角设置定位角点,用于切割图像的定位;
所述沿X轴运动导轨上设置有切割装置,所述切割装置包括相机、切割刀具,所述相机位于切割刀具的一侧,用于获取需要切割的曲线,所述切割装置的一侧,通过连杆与所述至少一个夹具连接,用于根据板材的位置调整夹具的位置;所述相机上方电连接有控制器,切割装置上还设置有伺服电机,控制着切割装置的移动。
在本申请的一些实施例中,所述控制器对相机采集到的图像进行图像处理,降噪处理、曲线拟合,插补的算法程序内置于控制器中使伺服电机主动输出控制带动丝杠螺母进行传动。
在本申请的一些实施例中,板材两侧设置有夹具,用于固定板材,防止板材移动。
在本申请的一些实施例中,所述切割平台下方还设置有丝杠螺母,所述丝杠螺母位于所述至少电机承重导轨之间,所述丝杠螺母的一端设置有步进电机,用于带动丝杠螺母运动,进而使切割平台沿Y轴运动。
在本申请的一些实施例中,通过切割平台下方设计了两根电机承重导轨,使板材与电机接触位置受力更加均匀,既避免了板材切割平台直接作用于电机上造成的电机损耗,又提高了整个装置的稳定性与安全性。
在本申请的一些实施例中,使用控制器使伺服电机主动输出控制力。
在本申请的一些实施例中,所述切割辅助定位区块包括定位角点。
在本申请的一些实施例中,所述定位角点为三个黑块。
在本申请的一些实施例中,通过二维码进行定位角点位置识别。
在本申请的一些实施例中,所述导轨优选为4个。
在本申请的一些实施例中,所述丝杠螺母优选为3个。
在本申请的一些实施例中,所述控制器为单片机。
在本申请的一些实施例中,提供一种基于图像识别的板材自动切割系统的工作方法,将切割的曲线在板材上画出,将板材置于板材放置区,在切割平台上利用辅助定位区块对复杂的板材切割曲线进行定位,然后由相机进行拍照,基于内置入控制器的程序,将拍下的复杂曲线切割轨迹运用图像处理,处理后的图像由工作台上的切割刀具根据曲线轨迹实现XYZ运动平台自动化切割。
在本申请的一些实施例中,将切割的曲线在板材上画出,将板材置于板材放置区,在切割平台上利用辅助定位区块对板材切割曲线进行定位,然后由相机进行拍照;基于所述算法程序,将拍下的复杂曲线切割轨迹运用图像处理,通过图像灰度化、图像二值化以及降噪处理生成拟合切割曲线,自动生成线性插补程序,根据算法处理后的图像由控制器控制切割刀具根据识别的拟合曲线轨迹实现XYZ运动平台自动化切割。
在本申请的一些实施例中,将切割的曲线在板材上用蓝色笔画出,将板材置于板材放置区,在切割平台上利用辅助定位区块对复杂的板材切割曲线进行定位,然后由相机进行拍照。
在本申请的一些实施例中,灰度化时蓝色的权重为1,绿色和红色权重为0。
在本申请的一些实施例中,利用定位板上的黑色定位块的方向和距离对图像进行校正。
在本申请的一些实施例中,控制区能够输出指令供伺服电机驱动,伺服电机通过丝杠螺母进行传动,控制XYZ运动平台运动,再通过导轨将作动力输入到切割装置,将运动转化为切割运动。
在本申请的一些实施例中,所述伺服电机主动输出控制力,通过丝杠螺母减少摩擦,再通过导轨将作动力输入到XYZ运动平台,通过平台运动,进而控制刀具切割的高度和深度。
本申请与现有技术相比具有以下优点:
1)将传统的电机驱动的单向切割轴改进成了具有直角坐标系的XYZ多向电机驱动切割轴,使其能够更加精准高效的实现复杂曲线的板材切割。
2)在切割平台上引入切割辅助定位块,用于切割图像的定位,帮助切割机正确地解读和识别位置信息,使切割刀具能够精准切割。
3)本申请采用图像识别技术、二维码定位点位置识别技术、多向电机驱动切割技术。
4)基于现代二维码定位点位置识别技术,在切割系统上增加图像辅助定位区块,使得相机在缩放时能够根据辅助定位区块的实际距离,准确得到需要切割的实际距离。
5)通过在切割平台下方设置电机承重导轨,以使板材与电机接触位置受力均匀,既避免了板材切割平台直接作用于电机上造成的电机损耗,又提高了整个装置的稳定性与安全性。
6)采用算法程序,将程序内置于控制器中,从而实现图像中复杂曲线的任意切割,减少工作人员的编程任务,提高效率。
7)图像灰度化处理时采用蓝色笔进行曲线绘制,提高信噪比(SNR)。
8)该设备将机械设计、数控加工、编程技术相结合,弥补了传统切割机的不足,具有推广价值。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,对于本领域技术人员来讲,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的附图。
图1是本申请的切割系统的结构示意图;
图2是本申请的电机承重结构示意图;
图3为切割辅助定位块结构示意图;
图4为本申请的一个实施例中基于图像识别的板材自动切割系统的处理流程;
图5为本申请的又一实施例中基于图像识别的板材自动切割系统的处理流程;
图6为本申请的一个实施例中切割系统的数据处理流程;
1-伺服电机,2-相机,3-切割刀具,4-夹具,5-切割辅助定位区块,6-丝杠螺母,7-板材放置区,8-机身,9-机架,10-导轨,11-控制器,12-电机承重结构,13-电机承重导轨。
具体实施方式
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,所描述的实施例仅仅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,都属于本申请保护的范围。
如图1-6所示,一种基于图像识别的板材自动切割系统,所述板材自动切割系统包括XYZ运动平台,所述XYZ运动平台包括机身8、机架9、导轨,所述机身8与所述机架9垂直设置,用于支撑所述导轨,所述导轨包括沿X轴运动导轨、沿Y轴运动的电机承重导轨13以及沿Z轴运动导轨,所述电机承重导轨13下方,机身8上方设置有电机承重结构12,所述电机承重导轨13至少为两个,以使板材与电机接触位置受力均匀。
所述电机承重导轨13上方设置有切割平台,所述切割平台设置有板材放置区7,所述板材放置区7设置有所述切割辅助定位区块5,其三个角设置定位角点,用于切割图像的定位;通过在切割平台上引入切割辅助定位区块5,用于切割图像的定位,帮助切割机正确地解读和识别位置信息,使切割刀具3能够精准切割。
板材两侧设置有夹具4,用于固定板材,防止板材移动。
所述沿X轴运动导轨上设置有切割装置,所述切割装置包括相机、切割刀具3,所述相机位于切割刀具3的一侧,用于获取需要切割的曲线,所述切割装置的一侧,通过连杆与所述至少一个夹具4连接,用于根据板材的位置调整夹具4的位置;所述相机上方电连接有控制器11,切割装置上还设置有伺服电机,控制着切割装置的移动。
所述切割平台下方还设置有丝杠螺母6,所述丝杠螺母6位于所述至少电机承重导轨13之间,所述丝杠螺母6的一端设置有步进电机,用于带动丝杠螺母6运动,进而使切割平台沿Y轴运动。
通过切割平台下方设计了两根电机承重导轨13,使板材与电机接触位置受力更加均匀,既避免了板材切割平台直接作用于电机上造成的电机损耗,又提高了整个装置的稳定性与安全性。
本申请在线性切割机的基础上,将传统的电机驱动的单向切割轴改进成了具有直角坐标系的XYZ多向电机驱动切割轴,使其能够更加精准高效的实现复杂曲线的板材切割。
在本申请的一实施例中,首先将需要切割的曲线用蓝色笔在板材上画出,将板材置于切割平台上,由相机进行拍照,通过切割平台上的切割辅助定位区块对复杂的切割曲线进行定位,然后将相机拍摄的图像引入内置程序的控制器中,首先进行图像灰度化处理,将其转化为灰度范围为0-255的图像,再进行图像二值化处理,使图像中数据量大为减少,降低计算量,易得到凸显轨迹轮廓的图像,然后通过图像滤波程序降噪处理,拟合形成所需的切割曲线,与原图案进行对比,若合格则直接生成线性插补程序,若不合格,则由相机重新拍照,再次进行图像处理、曲线拟合,直至得到拟合程度良好的切割曲线,最后生成线插补程序。伺服电机驱动XYZ运动平台,多向切割轴根据图像识别、处理得到的切割轨迹进行自动化切割。
本申请首先采用二维码定位点位置识别技术,在切割平台上引入了切割辅助定位区块,首先寻找二维码的三个角的定位角点,对图像处理后的图像进行轮廓筛选,判断3个角点的位置信息,再通过图像灰度化、二值化以及图像滤波降噪等图像处理技术与现代二维码定位点位置识别技术相结合,来确定与目标切割曲线相拟合的切割轨迹,找到最佳的切割位置点,实现高精度切割。
本申请采用线性插补,通过逐个计算插补点来拟合切割轨迹,切割轨迹是插补点到插补曲线轨迹的映射,将插补点参数密化过程中计算出的参数值带入样条曲线参数化方程中,得到下一个插补点的具体坐标位置;在每个插补周期中,通过参数密化和轨迹计算两步,得到下一个插补点的坐标位置进而得到拟合的切割轨迹,然后向各轴控制系统发出相应的进给命令,从而驱动执行机构运动,循环多个插补周期进而完成全插补周期的切割任务。
本申请的灰度图像处理,以256个亮度级别,即灰度范围为0-255,来建立其数字图像的灰度图,采用RGB色彩空间模型,最小亮度以0表示,代表全黑;最大亮度以255表示,代表全白;
灰度化处理能够采用最大值法、平均值法和加权平均法之一的方式实现:
最大值法:
f(i,j)=max(R(i,j),G(i,j),B(i,j)) (1)
平均值法:
f(j,j)=(R(i,j),G(i,j),B(i,j))/3 (2)
加权平均法:
f(i,j)=0.2989*R(i,j)+0.5870*G(i,j)+0.1140*B(i,j) (3)
其中f(i,j)表示矩阵中的某点坐标R、G、B表示矩阵中包含颜色的可取数值。
所述二值化处理是按照一定的阈值将图像上的像素点的灰度值设置为0或255两种,整幅图像呈现出明显的黑白视觉效果,减少图像数据量,突显出目标的轮廓;二值图像的二维矩阵仅由0(代表黑色)和1(代表白色)组成。通过以下3种图像二值化方法之一来实现:
1)全局阈值法:在整幅图像处理中选取了统一的阈值,假设这个统一的阈值为T,将图像中值大于等于T的像素设定为1即白色,值小于T的像素设定为0即黑色;对于黑白颜色亦可反过来设定;
2)局部阈值法:将整幅图像以一定规则划分为N个窗口;再对这N个窗口分别使用全局阈值法,即每个窗口按各自的统一阈值进行二值化处理;
3)局部自适应阈值法:局部自适应阈值法是在局部阈值法的基础上,进一步合理化每个窗口阈值的设置。阈值产生是通过设定参数方程进行计算,将窗口像素平均值E、像素间差平方P、像素间均方根值Q局部特征考虑进来。
在本申请的一些实施例中,所述降噪处理是指将每个像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值;中值算法对噪声点进行滤波平滑时,首先在含噪的图像信号中以每个点f(i,j)为中心的滤波窗口内找到该滤波窗口的灰度中值点W2{(i,j)};然后对窗口内的各点均以该中值Median{f(i,j)}为基准计算该点的加权系数;最后对窗口内各像素点的灰度值与相应像素权值之积求和,并将结果作为点(i,j)的新灰度值f2(i,j)输出。其中值算法的表达式为:
式(4)中k为滤波窗口内的像素个数,Wk(i,j)为滤波窗口W2{f(i,j)}内的各像素点所对应的权值。
在本申请的所述控制器包括处理器和存储器。
其中,处理器用于对切割系统的动作进行控制管理;存储器,用于存储切割系统的程序代码、算法和数据。
处理器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,数字信号处理器和微处理器的组合等等,
在具体的实现中,存储器,用于存储本申请中的数据和执行本申请的软件程序。处理器可以通过运行或执行存储在存储器内的软件程序,以及调用存储在存储器内的数据,执行切割系统的各种功能。
另一方面,所述基于图像识别的板材自动切割系统的使用方法,具体为:将切割的曲线在板材上画出,将板材置于板材放置区7,在切割平台上利用辅助定位区块对复杂的板材切割曲线进行定位,然后由相机进行拍照;控制器判断相机拍摄的照片是否为理想照片,若是,发射脉冲,基于内置入控制器11的算法程序,将拍下的复杂曲线切割轨迹运用图像处理,将处理后的图像由控制单元控制,切割刀具3根据识别的拟合曲线轨迹实现XYZ运动平台自动化切割;若否,重新拍摄。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种基于图像识别的板材自动切割系统,其特征在于,所述板材自动切割系统包括XYZ运动平台,所述XYZ运动平台包括机身、机架、导轨;所述机身与所述机架垂直设置,用于支撑所述导轨;所述导轨包括沿X轴运动导轨、沿Y轴运动的电机承重导轨以及沿Z轴运动导轨;所述电机承重导轨下方,机身上方设置有电机承重结构,所述电机承重导轨至少为两个,以使板材与电机接触位置受力均匀;所述电机承重导轨上方设置有切割平台,所述切割平台设置有板材放置区,所述板材放置区设置有切割辅助定位区块,其三个角设置定位角点,用于切割图像的定位;
所述沿X轴运动导轨上设置有切割装置,所述切割装置包括相机、切割刀具,所述相机位于切割刀具的一侧,用于获取需要切割的曲线;
所述控制器中存储有程序算法,其中算法流程为图像处理、曲线拟合、插补程序,所述图像处理包括图像灰度化、图像二值化以及降噪处理。
2.根据权利要求1所述的一种基于图像识别的板材自动切割系统,其特征在于,图像处理后进行误差分析,若合格,生成插补程序。
3.根据权利要求1所述的一种基于图像识别的板材自动切割系统,其特征在于,板材两侧设置有夹具,用于固定板材,防止板材移动;所述切割装置的一侧,通过连杆与所述至少一个夹具连接,用于根据板材的位置调整夹具的位置。
4.根据权利要求1所述的一种基于图像识别的板材自动切割系统,其特征在于,所述相机上方电连接有控制器,所述切割装置上还设置有伺服电机,控制着切割装置的移动。
5.根据权利要求1所述的一种基于图像识别的板材自动切割系统,其特征在于,所述切割平台下方还设置有丝杠螺母,所述丝杠螺母位于所述至少电机承重导轨之间,所述丝杠螺母的一端设置有步进电机,用于带动丝杠螺母运动,进而使切割平台沿Y轴运动。
6.根据权利要求1所述的一种基于图像识别的板材自动切割系统,其特征在于,通过二维码进行定位角点位置识别。
7.根据权利要求1-6任一项所述的一种基于图像识别的板材自动切割系统的工作方法,其特征在于,将切割的曲线在板材上画出,将板材置于板材放置区,在切割平台上利用辅助定位区块对板材切割曲线进行定位,然后由相机进行拍照;基于所述算法程序,将拍下的复杂曲线切割轨迹运用图像处理,通过图像灰度化、图像二值化以及降噪处理生成拟合切割曲线,自动生成线性插补程序,根据算法处理后的图像由控制器控制切割刀具根据识别的拟合曲线轨迹实现XYZ运动平台自动化切割。
8.根据权利要求7所述的一种基于图像识别的板材自动切割系统,其特征在于,将切割的曲线在板材上用蓝色笔画出,将板材置于板材放置区,在切割平台上利用辅助定位区块对复杂的板材切割曲线进行定位,然后由相机进行拍照;通过切割平台上的切割辅助定位区块对复杂的切割曲线进行定位,然后将相机拍摄的图像引入内置程序的控制器中,首先进行图像灰度化处理,将其转化为灰度范围为0-255的图像,再进行图像二值化处理,使图像中数据量大为减少,降低计算量,得到凸显轨迹轮廓的图像,然后通过图像滤波程序降噪处理,拟合形成所需的切割曲线,与原图案进行对比,若合格则直接生成线性插补程序,若不合格,则由相机重新拍照,再次进行图像处理、曲线拟合,直至得到拟合程度良好的切割曲线,最后生成线插补程序。
伺服电机驱动XYZ运动平台,多向切割轴根据图像识别、处理得到的切割轨迹进行自动化切割。
9.根据权利要求7所述的一种基于图像识别的板材自动切割系统,其特征在于,所述插补程序为线性插补,通过逐个计算插补点来拟合切割轨迹,切割轨迹是插补点到插补曲线轨迹的映射,将插补点参数密化过程中计算出的参数值带入样条曲线参数化方程中,得到下一个插补点的具体坐标位置;在每个插补周期中,通过参数密化和轨迹计算两步,得到下一个插补点的坐标位置进而得到拟合的切割轨迹,然后向各轴控制系统发出相应的进给命令,从而驱动执行机构运动,循环多个插补周期进而完成全插补周期的切割任务。
10.根据权利要求7-9任一项所述的数据处理程序,其特征在于灰度化时蓝色的权重为1,绿色和红色权重为0;利用定位板上的黑色定位块的方向和距离对图像进行校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211549956.8A CN115971563A (zh) | 2022-12-05 | 2022-12-05 | 一种基于图像识别的板材自动切割系统及其工作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211549956.8A CN115971563A (zh) | 2022-12-05 | 2022-12-05 | 一种基于图像识别的板材自动切割系统及其工作方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115971563A true CN115971563A (zh) | 2023-04-18 |
Family
ID=85960283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211549956.8A Pending CN115971563A (zh) | 2022-12-05 | 2022-12-05 | 一种基于图像识别的板材自动切割系统及其工作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115971563A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117102959A (zh) * | 2023-10-25 | 2023-11-24 | 宁波经纬数控股份有限公司 | 一种切割机头的切割高度控制方法及切割设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101885152A (zh) * | 2010-05-06 | 2010-11-17 | 南京航空航天大学 | 一种自动找正的预印制图像板材数控切割方法 |
CN102630429A (zh) * | 2012-04-24 | 2012-08-15 | 广西大学 | 甘蔗切割防伤芽系统 |
CN102663127A (zh) * | 2012-04-24 | 2012-09-12 | 浙江大学 | 基于部首的书法字检索方法 |
CN110153567A (zh) * | 2019-04-04 | 2019-08-23 | 江苏大学 | 一种基于图像识别的激光切割系统 |
CN210306060U (zh) * | 2019-07-29 | 2020-04-14 | 湖南工学院 | 一种自动寻迹切割机 |
CN218903790U (zh) * | 2022-12-05 | 2023-04-25 | 青岛理工大学 | 一种基于图像识别的板材自动切割系统 |
-
2022
- 2022-12-05 CN CN202211549956.8A patent/CN115971563A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101885152A (zh) * | 2010-05-06 | 2010-11-17 | 南京航空航天大学 | 一种自动找正的预印制图像板材数控切割方法 |
CN102630429A (zh) * | 2012-04-24 | 2012-08-15 | 广西大学 | 甘蔗切割防伤芽系统 |
CN102663127A (zh) * | 2012-04-24 | 2012-09-12 | 浙江大学 | 基于部首的书法字检索方法 |
CN110153567A (zh) * | 2019-04-04 | 2019-08-23 | 江苏大学 | 一种基于图像识别的激光切割系统 |
CN210306060U (zh) * | 2019-07-29 | 2020-04-14 | 湖南工学院 | 一种自动寻迹切割机 |
CN218903790U (zh) * | 2022-12-05 | 2023-04-25 | 青岛理工大学 | 一种基于图像识别的板材自动切割系统 |
Non-Patent Citations (1)
Title |
---|
何将三: "用计算机图像处理的数控仿形加工法", 《制造技术与机床》, 23 November 1998 (1998-11-23), pages 25 - 27 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117102959A (zh) * | 2023-10-25 | 2023-11-24 | 宁波经纬数控股份有限公司 | 一种切割机头的切割高度控制方法及切割设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7747080B2 (en) | System and method for scanning edges of a workpiece | |
TWI398157B (zh) | 影像邊界掃描系統及方法 | |
CN108107837B (zh) | 一种基于视觉引导的玻璃加工装置及方法 | |
US20180122083A1 (en) | Method and device for straight line detection and image processing | |
CN111179233B (zh) | 基于激光切割二维零部件的自适应纠偏方法 | |
CN115971563A (zh) | 一种基于图像识别的板材自动切割系统及其工作方法 | |
CN113705268A (zh) | 一种二维码定位方法及系统 | |
CN113554757A (zh) | 基于数字孪生的工件轨迹三维重构方法及系统 | |
CN111105452A (zh) | 基于双目视觉的高低分辨率融合立体匹配方法 | |
CN114549599A (zh) | 晶圆快速预对准方法、装置、电子设备及存储介质 | |
CN207976755U (zh) | 一种基于机器视觉和plc的钢材仓储控制系统 | |
CN218903790U (zh) | 一种基于图像识别的板材自动切割系统 | |
CN112613425A (zh) | 一种面向小样本水下图像的目标识别方法及系统 | |
CN208673130U (zh) | 一种基于视觉引导的玻璃加工装置 | |
CN114092506B (zh) | 具有3d特征的扫描装置及扫描方法 | |
CN113326819B (zh) | 机器手素描绘画方法、装置及机器人工作台 | |
CN106413280B (zh) | 贴片机喂料器元件位置自动矫正装置及自动矫正方法 | |
CN114663348A (zh) | 烟丝桶残留物检测方法、装置、设备及存储介质 | |
CN112614182B (zh) | 基于深度学习的识别加工位置的方法、存储设备、移动终端 | |
CN111174706A (zh) | 地板安装检测方法、电子装置及存储介质 | |
CN112839168A (zh) | 一种自动调整aoi检测系统中相机成像分辨率的方法 | |
CN109202802A (zh) | 一种用于卡合装配的视觉引导系统及方法 | |
JPH1091225A (ja) | ロボットのための画像処理プログラム自動生成方法、その装置およびロボットプログラム自動修正方法 | |
JP3041056B2 (ja) | 半導体ペレットの検出方法 | |
CN116834023B (zh) | 一种打钉机器人控制系统 |
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 |