CN116862855A - 一种基于图像处理的水润尾轴泄漏监测方法及系统 - Google Patents
一种基于图像处理的水润尾轴泄漏监测方法及系统 Download PDFInfo
- Publication number
- CN116862855A CN116862855A CN202310795120.4A CN202310795120A CN116862855A CN 116862855 A CN116862855 A CN 116862855A CN 202310795120 A CN202310795120 A CN 202310795120A CN 116862855 A CN116862855 A CN 116862855A
- Authority
- CN
- China
- Prior art keywords
- image
- leakage
- average gray
- tail shaft
- representing
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 34
- 241001270131 Agaricus moelleri Species 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 230000001629 suppression Effects 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 238000007781 pre-processing Methods 0.000 abstract description 2
- 238000007789 sealing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 239000000498 cooling water Substances 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000314 lubricant Substances 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种基于图像处理的水润尾轴泄漏监测方法及系统,涉及轴承系统技术领域,包括在利用图像采集装置采集尾轴使用前后的初始图像和的泄漏图像;将泄漏图像与初始图像比对得到差值图像后,对其预处理得到初步的边缘图像;计算初步的边缘图像的第一平均灰度和该图像中所有边缘的第二平均灰度,并得到低阈值;对初步的边缘图像进行聚类得到该图像中每种种类的边缘的第三平均灰度,根据第一平均灰度和第三平均灰度处理得到高阈值;利用高低阈值对初步的边缘图像优化得到最终的边缘图像;对最终的边缘图像中的边缘数量进行统计得到水滴数量。本申请能够利用图形处理算法对尾轴泄漏图像进行识别判断尾轴泄漏情况,及时提示异常情况。
Description
技术领域
本申请涉及轴承系统技术领域,具体涉及一种基于图像处理的水润尾轴泄漏监测方法及系统。
背景技术
尾轴密封装置对尾轴进行密封,防止舷外水进入船内,保证船舶安全,其中水润尾轴在密封装置内采用水作为冷却介质及润滑剂,防止尾轴旋转过程中摩擦产生高温。
通常情况下存在少量冷却水泄漏,属正常情况。泄漏冷却水断流可能造成轴承干摩擦,影响轴承性能。泄漏量过大可能是尾轴密封性能不好,舷外水进入船内造成。因此冷却水泄漏断流或过大均为异常情况,需及时处理防止发生事故。
对于泄漏断流,通常在密封装置内植入温度探头,通过检测温度异常升高确认泄漏断流,该方法存在检测相对滞后,当温度异常升高时,尾轴干摩擦已持续一段时间,影响尾轴寿命。
对于密封装置性能退化造成的舷外水泄漏,目前暂无有效的检测方式,仅通过定期巡视实现。
发明内容
针对现有技术中存在的缺陷,本申请的目的在于提供一种基于图像处理的水润尾轴泄漏监测方法及系统,能够利用图形处理算法对尾轴泄漏图像进行识别判断尾轴泄漏情况,及时提示异常情况。
为达到以上目的,采取的技术方案是:
本申请第一方面提供一种基于图像处理的水润尾轴泄漏监测方法,包括:
在尾轴附近预设位置设置监测点,在监测点设置图像采集装置,利用图像采集装置,采集尾轴使用前的初始图像和尾轴使用中的泄漏图像;
将泄漏图像与初始图像进行比对得到差值图像,对差值图像依次进行高斯滤波、寻找强度梯度、以及非极大值抑制得到初步的边缘图像,所述边缘图像中包括所有水滴的图像;
计算初步的边缘图像的第一平均灰度和该图像中所有边缘的第二平均灰度,根据所述两个平均灰度处理得到低阈值;
对初步的边缘图像进行聚类得到该图像中每种种类的边缘的第三平均灰度,根据所述第一平均灰度和所述第三平均灰度处理得到高阈值;
利用双阈值检测法,根据所述高阈值和所述低阈值对初步的边缘图像进行优化得到最终的边缘图像;
对最终的边缘图像中的边缘数量进行统计得到该图像中水滴的数量,根据水滴的数量判断泄漏情况。
一些实施例中,所述方法还包括在尾轴附近设置背景板,所述图像采集装置和所述背景板相对设置;
所述监测点位于尾轴泄漏点下方附近。
一些实施例中,所述差值图像采用下述公式计算得到:
Mi(x,y)=|Ii(x,y)-I0(x,y)|
其中,
Mi(x,y)用于表示第i帧的差值图像;
Ii(x,y)用于表示第i帧的泄漏图像;
I0(x,y)用于表示初始图像,初始图像为第0帧的泄漏图像;
i用于表示图像采集装置按照时间顺序采集的图像帧数;
x用于表示差值图像中的像素点的像素横坐标;
y用于表示差值图像中的像素点的像素纵坐标。
一些实施例中,采用Canny算法对所述差值图像依次进行高斯滤波、寻找强度梯度、以及非极大值抑制得到初步的边缘图像。
一些实施例中,所述第一平均灰度采用下述公式计算得到:
其中,
MPi用于表示第i帧的初步的边缘图像的第一平均灰度;
M用于表示初步的边缘图像的图像宽度;
N用于表示初步的边缘图像的图像高度;
GPi(x,y)用于表示第i帧的初步的边缘图像;
所述第二平均灰度采用下述公式计算得到:
其中,
MEi用于表示第i帧的初步的边缘图像的第二平均灰度;
n用于表示第i帧的初步的边缘图像中边缘像素点的个数。
一些实施例中,所述低阈值采用下述公式计算得到:
其中,
σ2用于表示低阈值。
一些实施例中,所述对初步的边缘图像进行聚类得到该图像中每种种类的边缘的第三平均灰度,具体包括如下步骤:
采用DBSCAN算法对初步的边缘图像进行聚类,以将该图像中存在连接关系的所有边缘像素点进行分类得到多个种类的边缘;
分别计算每种种类的边缘的平均灰度得到所述第三平均灰度;
所述第三平均灰度采用下述公式计算得到:
其中,
用于表示第i帧初步的边缘图像中第j类边缘的平均灰度;
j用于表示边缘的类别数;
nj用于表示第j类边缘的边缘像素点个数;
Gi(xk,yk)用于表示第i帧初步的边缘图像中第k个像素点的像素坐标;
xk用于表示所述第k个像素点的x轴像素坐标;
yk用于表示所述第k个像素点的y轴像素坐标。
一些实施例中,所述高阈值采用下述公式计算得到:
其中,
σ1用于表示高阈值。
一些实施例中,所述根据水滴的数量判断泄漏情况,具体包括如下步骤:
在水滴的数量不大于第一阈值时,判断泄漏断流;
在水滴的数量大于第一阈值且不大于第二阈值时,判断正常滴漏;第一阈值小于第二阈值;
在水滴的数量大于第二阈值时,判断舷外水泄漏。
一种基于图像处理的水润尾轴泄漏监测系统,应用所述的基于图像处理的水润尾轴泄漏监测方法。
本申请提供的技术方案带来的有益效果包括:
通过计算初步的边缘图像的第一平均灰度和该图像中所有边缘的第二平均灰度,根据所述两个平均灰度处理得到低阈值,以及通过对初步的边缘图像进行聚类得到该图像中每种种类的边缘的第三平均灰度,根据所述第一平均灰度和所述第三平均灰度处理得到高阈值,最后利用高低阈值对初步的边缘图像优化得到最终的边缘图像,通过提出新的高低阈值计算方式,得到更清晰准确的边缘图像,从而能从边缘图像中采集到更准确的水滴数量,提高泄漏检测精度。
附图说明
图1为本发明实施例中动基于图像处理的水润尾轴泄漏监测方法的流程图。
图2为本发明实施例中动基于图像处理的水润尾轴泄漏监测方法的应用示意图。
具体实施方式
以下结合附图及实施例对本申请作进一步详细说明。
如图1所示,本发明实施例提供一种基于图像处理的水润尾轴1泄漏监测方法包括在利用图像采集装置3采集尾轴1使用前后的初始图像和的泄漏图像;将泄漏图像与初始图像比对得到差值图像后,对其预处理得到初步的边缘图像;计算初步的边缘图像的第一平均灰度和该图像中所有边缘的第二平均灰度,并得到低阈值;对初步的边缘图像进行聚类得到该图像中每种种类的边缘的第三平均灰度,根据第一平均灰度和第三平均灰度处理得到高阈值;利用高低阈值对初步的边缘图像优化得到最终的边缘图像;对最终的边缘图像中的边缘数量进行统计得到水滴数量。本申请能够利用图形处理算法对尾轴1泄漏图像进行识别判断尾轴1泄漏情况,通过提出新的高低阈值计算方式,得到更清晰准确的边缘图像,从而能从边缘图像中采集到更准确的水滴数量,提高泄漏检测精度。其中,边缘由边缘像素点构成。
在一个具体实施例中,如图1和图2所示,基于图像处理的水润尾轴1泄漏监测方法,其特征在于,包括:
步骤S1、在尾轴1附近预设位置设置监测点,在监测点设置图像采集装置3,利用图像采集装置3,采集尾轴1使用前的初始图像和尾轴1使用中的泄漏图像。
步骤S2、将泄漏图像与初始图像进行比对得到差值图像,对差值图像依次进行高斯滤波、寻找强度梯度、以及非极大值抑制得到初步的边缘图像,上述边缘图像中包括所有水滴的图像。
步骤S3、计算初步的边缘图像的第一平均灰度和该图像中所有边缘的第二平均灰度,根据上述两个平均灰度处理得到低阈值。
步骤S4、对初步的边缘图像进行聚类得到该图像中每种种类的边缘的第三平均灰度,根据上述第一平均灰度和上述第三平均灰度处理得到高阈值。
步骤S5、利用双阈值检测法,根据上述高阈值和上述低阈值对初步的边缘图像进行优化得到最终的边缘图像。
步骤S6、对最终的边缘图像中的边缘数量进行统计得到该图像中水滴的数量,根据水滴的数量判断泄漏情况。
在本实施例中,Canny算法的实现步骤一般包括应用高斯滤波来平滑图像以去除噪声,找寻图像的强度梯度,应用非最大抑制技术来消除误检,应用双阈值的方法来决定可能的边缘。本发明采用新的计算方式能够自动获取高低阈值(原始canny算法中需人工明确高低阈值),并根据双阈值算法获取准确的尾轴泄漏边缘图像。
在较佳的实施例中,如图2所示,上述方法还包括在尾轴1附近设置背景板4,上述图像采集装置3和上述背景板4相对设置。尾轴1上设有密封装置2。
上述监测点位于尾轴1泄漏点下方附近。在水润尾轴1泄漏位置布置监控摄像头用于实时采集尾漏图像,并布置监控背景板4使监控背景单一,提高图像处理效果。
在较佳的实施例中,上述差值图像采用下述公式(1)计算得到:
Mi(x,y)=|Ii(x,y)-I0(x,y)| (1)
其中,Mi(x,y)用于表示第i帧的差值图像;Ii(x,y)用于表示第i帧的泄漏图像;I0(x,y)用于表示初始图像,初始图像为第0帧的泄漏图像;i用于表示图像采集装置3按照时间顺序采集的图像帧数;x用于表示差值图像中的像素点的像素横坐标;y用于表示差值图像中的像素点的像素纵坐标。
在较佳的实施例中,上述第一平均灰度采用下述公式(2)计算得到:
其中,MPi用于表示第i帧的初步的边缘图像的第一平均灰度;M用于表示初步的边缘图像的图像宽度;N用于表示初步的边缘图像的图像高度;GPi(x,y)用于表示第i帧的初步的边缘图像。
上述第二平均灰度采用下述公式(3)计算得到:
其中,MEi用于表示第i帧的初步的边缘图像的第二平均灰度;n用于表示第i帧的初步的边缘图像中边缘像素点的个数。
在较佳的实施例中,上述低阈值采用下述公式(4)计算得到:
其中,σ2用于表示低阈值。
在较佳的实施例中,上述对初步的边缘图像进行聚类得到该图像中每种种类的边缘的第三平均灰度,具体包括如下步骤:
采用DBSCAN算法对初步的边缘图像进行聚类,以将该图像中存在连接关系的所有边缘像素点进行分类得到多个种类的边缘。
分别计算每种种类的边缘的平均灰度得到上述第三平均灰度。
上述第三平均灰度采用下述公式(5)计算得到:
其中,用于表示第i帧初步的边缘图像中第j类边缘的平均灰度;j用于表示边缘的类别数;nj用于表示第j类边缘的边缘像素点个数;Gi(xk,yk)用于表示第i帧初步的边缘图像中第k个像素点的像素坐标;xk用于表示上述第k个像素点的x轴像素坐标;yk用于表示上述第k个像素点的y轴像素坐标。
在较佳的实施例中,上述高阈值采用下述公式(6)计算得到:
其中,σ1用于表示高阈值。
在较佳的实施例中,上述根据水滴的数量判断泄漏情况,具体包括如下步骤:
在水滴的数量不大于第一阈值时,判断泄漏断流。
在水滴的数量大于第一阈值且不大于第二阈值时,判断正常滴漏;第一阈值小于第二阈值。
在水滴的数量大于第二阈值时,判断舷外水泄漏。
在本实施例中,第一阈值和第二阈值根据现场实际调试情况手动输入。
本发明还公开一种基于图像处理的水润尾轴1泄漏监测系统的实施例,应用上述方法,通过图像处理算法自动判别水润尾轴1的正常滴漏、泄漏断流以及舷外水泄漏解决温度探头探测泄漏断流时间滞后、舷外水泄漏无法检测的情况。
本申请不局限于上述实施方式,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,这些改进和润饰也视为本申请的保护范围之内。
Claims (10)
1.一种基于图像处理的水润尾轴泄漏监测方法,其特征在于,包括:
在尾轴附近预设位置设置监测点,在监测点设置图像采集装置,利用图像采集装置,采集尾轴使用前的初始图像和尾轴使用中的泄漏图像;
将泄漏图像与初始图像进行比对得到差值图像,对差值图像依次进行高斯滤波、寻找强度梯度、以及非极大值抑制得到初步的边缘图像,所述边缘图像中包括所有水滴的图像;
计算初步的边缘图像的第一平均灰度和该图像中所有边缘的第二平均灰度,根据所述两个平均灰度处理得到低阈值;
对初步的边缘图像进行聚类得到该图像中每种种类的边缘的第三平均灰度,根据所述第一平均灰度和所述第三平均灰度处理得到高阈值;
利用双阈值检测法,根据所述高阈值和所述低阈值对初步的边缘图像进行优化得到最终的边缘图像;
对最终的边缘图像中的边缘数量进行统计得到该图像中水滴的数量,根据水滴的数量判断泄漏情况。
2.如权利要求1所述的基于图像处理的水润尾轴泄漏监测方法,其特征在于,所述方法还包括在尾轴附近设置背景板,所述图像采集装置和所述背景板相对设置;
所述监测点位于尾轴泄漏点下方附近。
3.如权利要求1所述的基于图像处理的水润尾轴泄漏监测方法,其特征在于,所述差值图像采用下述公式计算得到:
Mi(x,y)=|Ii(x,y)-I0(x,y)|
其中,
Mi(x,y)用于表示第i帧的差值图像;
Ii(x,y)用于表示第i帧的泄漏图像;
I0(x,y)用于表示初始图像,初始图像为第0帧的泄漏图像;
i用于表示图像采集装置按照时间顺序采集的图像帧数;
x用于表示差值图像中的像素点的像素横坐标;
y用于表示差值图像中的像素点的像素纵坐标。
4.如权利要求1所述的基于图像处理的水润尾轴泄漏监测方法,其特征在于,采用Canny算法对所述差值图像依次进行高斯滤波、寻找强度梯度、以及非极大值抑制得到初步的边缘图像。
5.如权利要求3所述的基于图像处理的水润尾轴泄漏监测方法,其特征在于,所述第一平均灰度采用下述公式计算得到:
其中,
MPi用于表示第i帧的初步的边缘图像的第一平均灰度;
M用于表示初步的边缘图像的图像宽度;
N用于表示初步的边缘图像的图像高度;
GPi(x,y)用于表示第i帧的初步的边缘图像;
所述第二平均灰度采用下述公式计算得到:
其中,
MEi用于表示第i帧的初步的边缘图像的第二平均灰度;
n用于表示第i帧的初步的边缘图像中边缘像素点的个数。
6.如权利要求5所述的基于图像处理的水润尾轴泄漏监测方法,其特征在于,所述低阈值采用下述公式计算得到:
其中,
σ2用于表示低阈值。
7.如权利要求6所述的基于图像处理的水润尾轴泄漏监测方法,其特征在于,所述对初步的边缘图像进行聚类得到该图像中每种种类的边缘的第三平均灰度,具体包括如下步骤:
采用DBSCAN算法对初步的边缘图像进行聚类,以将该图像中存在连接关系的所有边缘像素点进行分类得到多个种类的边缘;
分别计算每种种类的边缘的平均灰度得到所述第三平均灰度;
所述第三平均灰度采用下述公式计算得到:
其中,
用于表示第i帧初步的边缘图像中第j类边缘的平均灰度;
j用于表示边缘的类别数;
nj用于表示第j类边缘的边缘像素点个数;
Gi(xk,yk)用于表示第i帧初步的边缘图像中第k个像素点的像素坐标;
xk用于表示所述第k个像素点的x轴像素坐标;
yk用于表示所述第k个像素点的y轴像素坐标。
8.如权利要求7所述的基于图像处理的水润尾轴泄漏监测方法,其特征在于,所述高阈值采用下述公式计算得到:
其中,
σ1用于表示高阈值。
9.如权利要求1所述的基于图像处理的水润尾轴泄漏监测方法,其特征在于,所述根据水滴的数量判断泄漏情况,具体包括如下步骤:
在水滴的数量不大于第一阈值时,判断泄漏断流;
在水滴的数量大于第一阈值且不大于第二阈值时,判断正常滴漏;第一阈值小于第二阈值;
在水滴的数量大于第二阈值时,判断舷外水泄漏。
10.一种基于图像处理的水润尾轴泄漏监测系统,其特征在于,应用如权利要求1到9中任一项所述的基于图像处理的水润尾轴泄漏监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310795120.4A CN116862855A (zh) | 2023-06-30 | 2023-06-30 | 一种基于图像处理的水润尾轴泄漏监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310795120.4A CN116862855A (zh) | 2023-06-30 | 2023-06-30 | 一种基于图像处理的水润尾轴泄漏监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116862855A true CN116862855A (zh) | 2023-10-10 |
Family
ID=88218323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310795120.4A Pending CN116862855A (zh) | 2023-06-30 | 2023-06-30 | 一种基于图像处理的水润尾轴泄漏监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116862855A (zh) |
-
2023
- 2023-06-30 CN CN202310795120.4A patent/CN116862855A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108107051B (zh) | 基于机器视觉的锂电池缺陷检测系统及方法 | |
CN110400290B (zh) | 一种太阳能电池片色差的检测方法、装置及存储介质 | |
CN109146860A (zh) | 全自动机械设备安装泄露检测方法及装置 | |
CN110443278B (zh) | 一种太阳能电池片栅线粗细异常的检测方法、装置及设备 | |
CN116563283B (zh) | 基于图像处理的蒸汽锅炉气体泄露检测方法及检测装置 | |
CN113487563B (zh) | 一种基于el图像的光伏组件隐裂自适应检测方法 | |
CN115029704B (zh) | 一种用于不锈钢酸洗工艺的智能控制方法及装置 | |
CN117252872B (zh) | 一种手机屏幕缺陷视觉检测方法及系统 | |
CN113808104B (zh) | 一种基于分块的金属表面缺陷检测方法及系统 | |
CN114049320A (zh) | 一种基于图片相似度的器件缺失ai质检方法与装置 | |
US7639860B2 (en) | Substrate inspection device | |
CN116862855A (zh) | 一种基于图像处理的水润尾轴泄漏监测方法及系统 | |
CN111626104B (zh) | 一种基于无人机红外热像的电缆隐患点检测方法和装置 | |
CN115965773B (zh) | 基于物联网大数据的气体泄漏检测系统 | |
CN115861315B (zh) | 缺陷检测方法和装置 | |
CN112489018A (zh) | 一种电力线智能巡线方法及巡线 | |
CN116363584A (zh) | 一种基于机器视觉的船舶液体管道泄漏监测方法 | |
CN112907524B (zh) | 基于图像处理的铁路货车防火板故障检测方法 | |
CN110634124A (zh) | 一种区域检测的方法及设备 | |
CN112801963B (zh) | 一种视频图像遮挡检测方法及系统 | |
CN115049641A (zh) | 一种用于机械零件异常检测的电数据处理方法及系统 | |
CN113793321A (zh) | 基于机器视觉的铸件表面缺陷动态检测方法及装置 | |
CN110728679A (zh) | 一种管接头漏水智能监测方法 | |
CN116309574B (zh) | 一种面板漏制程缺陷检测方法、系统、设备及存储介质 | |
CN114264933B (zh) | 一种集成电路板的故障检测方法和故障检测系统 |
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 |