CN117451728B - 基于视觉检测的造口产品生产检测系统 - Google Patents
基于视觉检测的造口产品生产检测系统 Download PDFInfo
- Publication number
- CN117451728B CN117451728B CN202311803493.8A CN202311803493A CN117451728B CN 117451728 B CN117451728 B CN 117451728B CN 202311803493 A CN202311803493 A CN 202311803493A CN 117451728 B CN117451728 B CN 117451728B
- Authority
- CN
- China
- Prior art keywords
- ostomy
- product
- abnormal
- image
- production
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 138
- 238000001514 detection method Methods 0.000 title claims abstract description 97
- 230000000007 visual effect Effects 0.000 title claims abstract description 50
- 230000002159 abnormal effect Effects 0.000 claims abstract description 123
- 239000002994 raw material Substances 0.000 claims abstract description 52
- 238000007405 data analysis Methods 0.000 claims abstract description 17
- 238000013523 data management Methods 0.000 claims abstract description 11
- 238000007726 management method Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 50
- 230000005856 abnormality Effects 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 21
- 230000003044 adaptive effect Effects 0.000 claims description 19
- 238000013138 pruning Methods 0.000 claims description 18
- 238000011179 visual inspection Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 13
- 238000007689 inspection Methods 0.000 claims description 12
- 239000000463 material Substances 0.000 claims description 11
- 239000000853 adhesive Substances 0.000 claims description 7
- 230000001070 adhesive effect Effects 0.000 claims description 7
- 230000001788 irregular Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000009966 trimming Methods 0.000 claims description 7
- 238000003326 Quality management system Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 5
- 210000000813 small intestine Anatomy 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 238000003908 quality control method Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000004332 deodorization Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 210000004185 liver Anatomy 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000003912 environmental pollution Methods 0.000 abstract description 6
- 238000011897 real-time detection Methods 0.000 abstract 1
- 230000001105 regulatory effect Effects 0.000 abstract 1
- 238000013461 design Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000001877 deodorizing effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- 208000012260 Accidental injury Diseases 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 238000007731 hot pressing Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000007794 irritation Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000003472 neutralizing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N21/13—Moving of cuvettes or solid samples to or from the investigating station
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Orthopedics, Nursing, And Contraception (AREA)
Abstract
本发明涉及视觉检测技术领域，公开了基于视觉检测的造口产品生产检测系统，通过原料供应模块提供造口产品制作所需要的原材料，输送模块将原材料输送到生产线，生产造口产品，实现自动化操作，保证生产过程中的安全，视觉检测模块对造口产品进行实时检测，检测造口产品的质量，解决环境污染对视觉检测的影响，控制模块监控和控制各个模块之间的协调运作，接收并处理视觉检测模块的数据，制定相应的生产策略，并实时调整生产参数以满足需求，数据管理和分析模块收集和分析生产过程中出现的异常造口产品图像的造成因素，为管理决策提供支持，安全模块保护生产过程中人员和设备的安全，检测并响应潜在的危险情况，确保生产环境的安全性和可靠性。
Description
技术领域
本发明涉及视觉检测技术领域，尤其涉及基于视觉检测的造口产品生产检测系统。
背景技术
随着科学技术的发展，通过图像处理和模式识别算法可以实现对物品的自动检测和分类。现阶段大多利用计算机视觉技术实现工业生产的质量检测，而造口产品生产系统的研究现状包括利用3D打印技术实现造口产品的个性化定制，利用机器人和自动化设备实现造口产品的自动化生产，利用新型材料提高造口产品的适配性、耐用性和生物相容性，并致力于解决造口产品生产中的稳定性和漏水问题。但没有考虑到计算机视觉技术对造口产品生产系统质量检测控制的帮助，且没有解决环境污染对计算机视觉技术的影响。
如申请公开号为CN113552123A公开了一种视觉检测方法和视觉检测装置，涉及智能检测领域，该方法包括：获取来自于远端的至少一个图像采集设备的图像检测数据，根据标准图像数据库和该图像检测数据得到检测结果，该检测结果包括图像检测数据是否异常以及当图像检测数据异常时所对应的异常类别，标准图像数据库包括正常的图像数据、异常的图像数据以及异常的图像数据所对应的异常类别；在该方法中，图像的采集与处理是分开的，能够使得布局更加灵活，且至少一个图像采集设备共用标准图像数据库、运算资源和处理资源，既能够降低在本地设置图像采集设备的成本，又能够利用更好的资源和更充足的数据来获得检测结果，从而提高视觉检测的质量。
如申请公开号为CN112240888A公开了一种视觉检测方法及视觉检测系统，利用该视觉检测系统依据该视觉检测方法该感应器侦测每一该产品经过该感应器的时间及数量，该一对多同步测速装置在每一该产品经过该感应器时记录下该产品的初始位置信息，然后对每一该产品的移动距离进行跟踪，该服务器控制同一该视觉检测装置中第m台相机检测第m+nM个该产品，其中m＝1、2……M，n＝0、1……，即该服务器实时获取每一该产品的移动距离，当该产品对应的移动距离不断增大使该产品进入了其对应的相机的拍摄范围，该服务器触发该相机对该产品拍照，解决单视觉在一定的时间无法处理复杂视觉检测内容的难题，且使得该产品的整体检测效率不受到该相机的拍照速度的影响，且显著提高了检测效率。
以上专利存在本背景技术提出的问题：没有考虑到计算机视觉技术对造口产品生产系统质量检测控制的帮助，且没有解决环境污染对计算机视觉技术的影响。为解决这一问题，本发明提出基于视觉检测的造口产品生产检测系统。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有基于视觉检测的造口产品生产检测系统存在的问题，提出了本发明。
因此，本发明目的是提供基于视觉检测的造口产品生产检测系统。
为解决上述技术问题，本发明提供如下技术方案：原料供应模块、输送模块、视觉检测模块、控制模块、数据管理和分析模块以及安全模块；
所述原料供应模块用于提供造口产品制作所需要的原材料；
所述原材料包括胶片材料、胶黏剂、防臭层和滤泡以及附件部件；
所述输送模块包括传送带、机器人臂和操作单元，用于将所述原材料从所述原料供应模块输送到生产线，生产所述造口产品；
所述视觉检测模块包括异常检测单元，用于将传感器采集的数据进行融合，利用异常甄别模型判断造口产品图像像素点的像素值的异常情况，并设置自适应阈值筛选异常造口产品图像，同时对异常造口产品图像进行异常修剪；
所述视觉检测模块采用高分辨率传感器，并将传感器采集的数据进行融合；
所述异常检测单元用于检测质量不合格的造口产品，建立异常甄别模型，所述异常甄别模型的函数表达式如下所示：
；
式中，表示造口产品图像像素点的像素值的异常情况，/>表示异常造口产品图像像素点的像素值，/>表示出现异常造口产品图像像素点的像素值的因素权重，/>表示所述造口产品的个数，/>表示出现异常造口产品图像像素点的像素值的特征系数，/>表示造口产品图像像素点的像素值的平均值；
所述控制模块用于监控和控制各个模块之间的协调运作，接收并处理所述视觉检测模块的数据，制定相应的生产策略，并实时调整生产参数以满足需求；
所述数据管理和分析模块包括数据收集单元和数据分析单元，用于收集和分析生产过程中出现的异常造口产品图像的造成因素，为管理决策提供支持；
所述安全模块包括物理防护、紧急停止按钮和安全传感器，用于保护生产过程中人员和设备的安全，检测并响应潜在的危险情况。
作为本发明所述基于视觉检测的造口产品生产检测系统的一种优选方案，其中：所述传送带用于传输、计数并分类所述造口产品，分类所述造口产品的函数表达式如下所示：
；
式中，表示输出的造口产品图像像素点的像素值，/>表示分类函数的法向量，/>表示向量的转置，/>表示输入的造口产品图像像素点特征，/>表示分类函数的位移项，/>表示分类函数的松弛项参数，/>，/>表示所述造口产品的个数；
分类所述造口产品的规则如下所示：
若所述造口产品图像的形状特征为圆状、纹理特征为凸起，则所述造口产品为结肠造口产品；
若所述造口产品图像的形状特征为长条状、纹理特征为平坦，则所述造口产品为小肠造口产品；
若所述造口产品图像的形状特征为扁平状、纹理特征为柔软，则所述造口产品为尿道造口产品；
若所述造口产品图像的形状特征为不规则状、纹理特征为不规则，则所述造口产品为肝胆造口产品。
作为本发明所述基于视觉检测的造口产品生产检测系统的一种优选方案，其中：所述机器人臂配合所述传送带分类所述原材料并根据所述视觉检测模块的结果进行操作；
所述操作单元用于对所述机器人臂进行控制和调整。
作为本发明所述基于视觉检测的造口产品生产检测系统的一种优选方案，其中：设置自适应阈值筛选异常造口产品图像，若造口产品图像像素点的像素值大于所述自适应阈值，则判定为质量不合格的造口产品，所述自适应阈值的函数表达式如下所示：
；
式中，表示造口产品图像的自适应阈值，/>表示造口产品图像像素点的像素值的平均值，/>表示造口产品图像像素点的像素值的方差，/>表示所述造口产品的个数。
作为本发明所述基于视觉检测的造口产品生产检测系统的一种优选方案，其中：利用下降速率对异常造口产品图像进行异常修剪，所述异常修剪的函数表达式如下所示：
；
式中，表示异常造口产品图像像素点的像素值的异常修剪速率，/>表示异常造口产品图像像素点的像素值的最大异常值，/>表示异常造口产品图像像素点的像素值的最大异常值的下一个异常值，/>表示所述造口产品的个数；
其中，所述异常修剪的规则如下所示：
将异常造口产品图像的异常修剪速率与阈值修剪速率/>进行对比；
若，则继续更新所述自适应阈值和异常修剪速率；
若，则将/>对应的异常造口产品图像像素点的像素值及其后的所有异常造口产品图像像素点的像素值归为正常；
自动更新所述自适应阈值和异常修剪速率，并重复按照上述规则执行。
作为本发明所述基于视觉检测的造口产品生产检测系统的一种优选方案，其中：所述控制模块连接整个生产过程中，包括实时监控造口产品生产环境的参数、控制所述输送模块中的所述机器人臂和所述操作单元、控制所述安全模块、接收并处理所述视觉检测模块的数据。
作为本发明所述基于视觉检测的造口产品生产检测系统的一种优选方案，其中：所述数据收集单元用于收集所述造口产品生产过程中出现的异常造口产品图像的造成因素；
所述数据分析单元用于分析当前所述造口产品生产过程中出现的异常造口产品图像的造成因素，并给予指导意见，给予所述指导意见的规则如下所示：
利用收集的造口袋生产过程中出现的历史异常造口袋图像与当前实时异常造口袋图像进行对比，根据历史异常造口袋图像对应的造成因素，来判定当前实时的异常造口袋图像的造成因素；
若所述因素为原材料质量，则对所述原材料进行抽样检测并与原材料供应商建立质量管理体系；
所述质量管理体系包括对所述原材料的生产工艺、质量控制和质量检测进行规范；
若所述因素为制造工艺，则优化制造工艺参数并加强对制造工艺的实时监控；
若所述因素为生产环境条件，则建立定期的环境监测体系并配置环境控制设备；
若所述因素为设备故障，则制定设备定期维护计划并引入备件供应。
作为本发明所述基于视觉检测的造口产品生产检测系统的一种优选方案，其中：所述物理防护是指通过所述安全传感器实时监测所述机器人臂周围的环境，并设置所述机器人臂的安全限位，控制所述机器人臂的运动范围不超出预设范围；
所述紧急停止按钮是指在发生紧急情况时立即停止所述机器人臂的运动；
所述安全传感器用于监测所述机器人臂的状态参数，并在异常情况下发出警报并触发所述紧急停止按钮，同时接收所述数据管理和分析模块的数据，预测潜在的安全风险。
基于视觉检测的造口产品生产检测方法，包括：S1、提供造口产品所需要的原材料；
S2、将所述原材料输送到生产线并生成所述造口产品；
S3、对所述造口产品进行实时检测，检测所述造口产品的质量；
S4、监控和控制所述生产线，接收并处理实时检测和分析的数据；
S5、收集并分析检测过程中出现的异常造口产品图像的造成因素；
S6、保护所述生产线中人员和设备的安全，及时检测并响应潜在的危险情况。
一种计算机设备，包括，存储器，用于存储指令；处理器，用于执行所述指令，使得所述设备执行实现基于视觉检测的造口产品生产检测方法。
一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被执行时，实现基于视觉检测的造口产品生产检测方法。
本发明的有益效果：本发明通过原料供应模块提供造口产品制作所需要的原材料，输送模块将原材料输送到生产线，生产造口产品，实现自动化操作，保证整个生产过程中的安全，提高设备的稳定性和可靠性，视觉检测模块对造口产品进行实时检测和分析，检测造口产品的质量，解决环境污染对视觉检测的影响，控制模块监控和控制各个模块之间的协调运作，接收并处理视觉检测模块的数据，制定相应的生产策略，并实时调整生产参数以满足需求，数据管理和分析模块收集和分析生产过程中出现的异常造口产品图像的因素，优化生产流程、预测故障和改进造口产品质量，为管理决策提供支持，安全模块保护生产过程中人员和设备的安全，检测并响应潜在的危险情况，确保生产环境的安全性和可靠性。
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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明基于视觉检测的造口产品生产检测系统的系统结构图。
图2为本发明基于视觉检测的造口产品生产检测系统所述的异常修剪速率和阈值修剪速率对比图。
图3为本发明基于视觉检测的造口产品生产检测方法的方法流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
再其次，本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
实施例1
本实施例中，提供了基于视觉检测的造口产品生产检测系统的整体结构示意图，如图1所示，基于视觉检测的造口产品生产检测系统包括原料供应模块、输送模块、视觉检测模块、控制模块、数据管理和分析模块以及安全模块。
这里的造口产品以造口袋为实际产品。
原料供应模块用于提供造口袋制作所需要的原材料。
原材料包括胶片材料、胶黏剂、防臭层和滤泡以及附件部件。
其中，造口袋是用于储存造口输出物的物品，所以该胶片材料需要是经过认证的医用级别胶片材料，这些胶片材料通常采用防水、耐腐蚀的聚合物，具有良好的密封性和防漏性，以避免造口输出物的泄露；该胶黏剂是确保造口袋贴附在患者的皮肤上，以保证密封和固定，所以该胶黏剂必须对皮肤友好，并且不会引起过敏或刺激，一般来说，胶黏剂会使用医用级别的透明胶水或特殊制剂，具有良好的粘附性和持久性；为了减少气味和防止气体积聚，部分造口袋会添加防臭层和滤泡，防臭层通常采用特殊材料，如活性炭等，具有吸附和中和气味的功能，滤泡用于排除气体，并允许空气通过，以维持造口袋的舒适度；附件部件包括可调节的背带、固定带和开关阀门，以方便患者的使用和管理。
输送模块包括传送带、机器人臂和操作单元，用于将原材料从原料供应模块输送到生产线，生产造口袋。
传送带用于传输、计数并分类造口袋，分类造口袋的函数表达式如下所示：
；
式中，表示输出的造口袋图像像素点的像素值，/>表示分类函数的法向量，/>表示向量的转置，/>表示输入的造口袋图像像素点特征，/>表示分类函数的位移项，/>表示分类函数的松弛项参数，/>，/>表示造口袋的个数。
其中，分类函数的法向量是指为了实现线性造口袋图像样本的超平面，分类函数的位移项是指为了实现线性造口袋图像样本的区分间隔带，能够相对低地表示每一个造口袋图像像素点距离超平面的远近，而/>的符号与/>的符号是否一致代表造口袋分类是否正确，分类函数的松弛项参数是为了不需要完全区分线性可分的造口袋图像样本，允许个别造口袋图像在分类区分间隔带里面。
分类造口袋的规则如下所示：
若造口袋图像的形状特征为圆状、纹理特征为凸起，则造口袋为结肠造口袋；
若造口袋图像的形状特征为长条状、纹理特征为平坦，则造口袋为小肠造口袋；
若造口袋图像的形状特征为扁平状、纹理特征为柔软，则造口袋为尿道造口袋；
若造口袋图像的形状特征为不规则状、纹理特征为不规则，则造口袋为肝胆造口袋。
其中，造口袋图像的形状特征可以从每一个图像像素点的像素值和梯度方向值得知，分别计算图像横坐标和纵坐标方向的梯度，由此可以计算出每个图像像素点位置的梯度方向值；造口袋图像的纹理特征可以利用图像的局部二值模式得知，将原始的LBP算子定义在3*3的窗口内，以窗口中心像素点为阈值，将相邻的8个图像像素点的灰度值与该阈值进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0，这样窗口内的8个像素点经比较可产生8位二进制数，即得到该窗口中心像素点的LBP值，该LBP值可以反映图像的纹理特征。
需要解释的是：结肠造口袋是用于收集结肠输出物，结肠输出物含有较多的固体成分，所以需要更大的容量且会有一定的凸起，呈现圆形或者椭圆形，需要更好的防臭设计；小肠造口袋用于收集小肠输出物，小肠输出物含有较多的液体成分，所以需要较小的容量且相对平坦，需要更强的粘附性；尿道造口袋用于收集尿道输出物，所以一般比较柔软，需要具有防漏设计且更柔软透气的材质；肝胆造口袋用于收集肝胆输出物，肝胆输出物大多黏稠性高、化学性质复杂，所以需要耐酸碱腐蚀的特殊材质，而且为了适应其位置和功能需求，所以需要不规则的形状和不规则的附着设计。
随着自动化技术的不断发展，传送带已经实现了从手动操作到自动化控制的转变，现代传送带可以通过各种传感器、编码器和控制系统来实现自动化的操作和监测，使得传送带的运行更加高效、安全和可靠，这里的传送带利用SVM算法实现对原材料的分类，通过摄像头对造口袋进行图像采集，通过造口袋图像的形状特征、附着特征和性能特征对造口袋进行分类并包装，大大提高了传送带的适用范围和效率，同时利用视觉检测模块对输送过程进行全程监测、诊断和预测维护，提高整个设备的稳定性和可靠性。
机器人臂配合传送带分类原材料并根据视觉检测模块的结果进行精确操作。
采用先进的机器人臂实现输送过程中的自动化，包括对识别出来的造口袋进行分类分拣操作，在传送带中精准定位并完成原材料的切割与成型、焊接与粘合、添加附件部件；利用机器人臂与人类共同工作，通过传感器识别并避免与人碰撞，从而提高生产效率和安全性；将机器人臂采用模块化设计，根据需求定制不同长度和灵敏度的臂部，以适应不同的工作步骤。
操作单元用于对机器人臂进行控制和调整，确保生产过程的协调和顺利进行。
该操作单元能够精准控制机器人臂的关节运动，实现各种复杂的姿态和路径规划，并设置控制参数，使得机器人臂在执行任务时能够保持平衡和稳定性，同时可以通过网络远程操控机器人臂，实现远程维护和操作。
视觉检测模块包括异常检测单元，用于将传感器采集的数据进行融合，利用异常甄别模型判断造口产品图像像素点的像素值的异常情况，并设置自适应阈值筛选异常造口产品图像，同时对异常造口产品图像进行异常修剪。
视觉检测模块采用具有抗干扰能力的高分辨率传感器，并将传感器采集的数据进行融合，提高检测的可靠性和鲁棒性。
异常检测单元用于检测质量不合格的造口袋，所述异常甄别模型的函数表达式如下所示：
；
式中，表示造口袋图像像素点的像素值的异常情况，/>表示造口袋图像像素点的像素值，/>表示出现异常造口袋图像像素点的像素值的权重，/>表示造口袋的个数，表示出现异常造口袋图像像素点的像素值的特征系数，/>表示造口袋图像像素点的像素值的平均值。
其中造口袋图像像素点的像素值的平均值的函数表达式如下所示：
；
式中，表示造口袋图像像素点的像素值的平均值，/>和/>分别表示造口袋图像像素点的像素值被判为异常前后的平均值，若造口袋图像像素点的像素值没有出现异常，则/>，同时设定/>为异常前造口袋图像像素点的像素值的平均值，设定/>为异常后造口袋图像像素点的像素值的平均值，其中造口袋图像像素点的像素值的取值范围为/>，平均值大于0.5为好。
权重是指出现异常的造口袋图像像素点的像素值时/>，没有出现异常的造口袋图像像素点的像素值时/>，特征系数/>是指出现异常的造口袋图像像素点的像素值时/>，没有出现异常的造口袋图像像素点的像素值时/>。
所以当时，造口袋图像像素点的像素值没有异常，当/>时，说明造口袋图像像素点的像素值有异常。
设置自适应阈值筛选异常造口袋图像，若造口袋图像像素点的像素值大于自适应阈值，则判定为质量不合格的造口袋，自适应阈值的函数表达式如下所示：
；
式中，表示造口袋图像的自适应阈值，/>表示造口袋图像像素点的像素值的平均值，/>表示造口袋图像像素点的像素值的方差，/>表示造口袋的个数。
大于自适应阈值的像素值则被判为异常，由连续的异常像素值组成异常序列。
提取各异常序列中异常像素值最大的值，并降序排列成一维序列，然后分别计算各异常序列的下降速率。
利用下降速率对异常造口袋图像像素点的像素值进行异常修剪，异常修剪的函数表达式如下所示：
；
式中，表示异常造口袋图像像素点的像素值的异常修剪速率，/>表示异常造口袋图像像素点的像素值的最大异常值，/>表示异常造口袋图像像素点的像素值的最大异常值的下一个异常值，/>表示造口袋的个数。
其中，异常修剪的规则如下所示：
将异常造口袋图像的异常修剪速率与阈值修剪速率/>进行对比，如图2所示；
若，则继续更新自适应阈值和异常修剪速率；
若，则将/>对应的异常造口袋图像像素点的像素值及其后的所有异常造口袋图像像素点的像素值归为正常；
自动更新自适应阈值和异常修剪速率，并重复按照上述规则执行。
在传感器受到环境污染时，就可能会造成噪声在多次叠加中放大，也有可能被误判为异常，从而带来较高的误报率，因此需要利用下降速率对异常造口袋图像像素点的像素值进行异常修剪。
现实生活中，造口袋的生产过程中出现异常可能由多种因素引起，包括原材料质量、制造工艺、生产环境条件和设备故障；制造造口袋所使用的原材料如果出现质量不合格或者有污染，就会导致最终造口袋的质量问题；制造造口袋所涉及的各个工艺环节，如切割、封口、热压等，如果操作不当或者设备故障，都可能导致造口袋的异常，包括封口不严、气密性差等；生产环境的温度、湿度、洁净度等条件对于医疗器械的生产至关重要，如果环境条件不符合要求，可能导致造口袋质量异常；生产线上使用的各种设备，如封口机、贴标机等，如果发生故障或者不正常磨损，也可能导致造口袋异常。
利用摄像头和传感器采集造口袋的图像，检测造口袋的质量，若造口袋的质量合格，则将造口袋输送到下一个生产步骤，若造口袋的质量不合格，则操作机器人臂将质量不合格的造口袋输送到异常检测单元，检测是否因为环境污染问题导致的异常值变多，根据异常修剪规则分辨是否是被环境污染的异常值。
控制模块用于监控和控制各个模块之间的协调运作，接收并处理视觉检测模块的数据，制定相应的生产策略，并实时调整生产参数以满足需求。
控制模块连接整个生产过程中，包括实时监控造口袋生产环境的参数、控制输送模块中的机器人臂和操作单元、控制安全模块、接收并处理视觉检测模块的数据。
将控制模块与云平台无缝连接，实现远程监控和智能化管理，并结合大数据和人工智能，实现对视觉检测模块中数据的接收和处理，同时采用模块化设计，提高控制模块的可扩展性和灵活性，方便后期的更新和升级。
数据管理和分析模块包括数据收集单元和数据分析单元，用于收集和分析生产过程中出现的异常造口袋图像的造成因素，通过对因素的收集和分析来优化生产流程、预测故障和改进产品质量，为管理决策提供支持。
数据收集单元用于收集造口袋生产过程中出现的异常造口袋图像的造成因素。
数据分析单元用于分析当前造口袋生产过程中出现的异常造口袋图像的造成因素，并给予指导意见，给予指导意见的规则如下所示：
利用收集的造口袋生产过程中出现的历史异常造口袋图像与当前实时异常造口袋图像进行对比，根据历史异常造口袋图像对应的造成因素，来判定当前实时的异常造口袋图像的造成因素；
若因素为原材料质量，则对原材料进行抽样检测并与原材料供应商建立质量管理体系；
质量管理体系包括对原材料的生产工艺、质量控制和质量检测进行规范；
若因素为制造工艺，则优化制造工艺参数并加强对制造工艺的实时监控；
若因素为生产环境条件，则建立定期的环境监测体系并配置环境控制设备；
若因素为设备故障，则制定设备定期维护计划并引入备件供应。
安全模块包括物理防护、紧急停止按钮和安全传感器，用于保护生产过程中人员和设备的安全，能够及时检测并响应潜在的危险情况，确保生产环境的安全性和可靠性。
物理防护是指通过安全传感器实时监测机器人臂周围的环境，并设置机器人臂的安全限位，控制机器人臂的运动范围不超出预设范围。
紧急停止按钮是指在发生紧急情况时立即停止机器人臂的运动。
安全传感器用于监测机器人臂的状态参数，并在异常情况下发出警报并触发紧急停止按钮，同时接收数据管理和分析模块的数据，预测潜在的安全风险。
现实生活中，为了促使企业稳定发展，需要管控生产过程中的安全生产风险，所以设计了安全模块，利用物理防护防止机器人臂与人员、物体发生碰撞，设置机器人臂的安全限位，确保机器人臂的运动范围不会超出预设范围，避免意外伤害和设备损坏；利用紧急停止按钮能够在发生紧急情况时立即停止机器人臂的运动，以避免进一步的危险；利用安全传感器监测机器人臂的各种状态参数，状态参数包括机器人臂的位置、姿态、力、力矩、电流、电压、温度和安全状态等参数，在异常情况下发出警报并在紧急情况下触发紧急停止按钮，同时接收数据管理和分析模块中的数据，预测潜在的安全风险，并提前采取措施，以防潜在危险。
实施例2
本实施例中，提供了基于视觉检测的造口产品生产检测方法的方法流程图，如图3所示，基于视觉检测的造口产品生产检测方法包括：
这里的造口产品以造口袋为实际产品。
S1、提供造口袋所需要的原材料。
制作造口袋所需要的原材料包括胶片材料、胶黏剂、防臭层和滤泡以及附件部件。
S2、将原材料输送到生产线并生成造口袋。
整个生产线利用传送带自动传输、计数并分类造口袋，并操作机器人臂在整个生产线过程中进行原材料的切割与成型、焊接与粘合、添加附件部件，造口袋的分类分拣，提高生产效率和安全性。
S3、对造口袋进行实时检测，检测造口袋的质量。
利用自适应阈值和异常修剪速率来排除由于环境污染造成的异常值，并利用异常分析模型分析出现异常造口袋图像的因素。
S4、监控和控制生产线，接收并处理实时检测和分析的数据。
监控整个生产线过程并控制生产线，保证生产线的安全并及时发现异常及时解决异常问题。
S5、收集并分析检测过程中出现的异常造口袋图像的造成因素。
利用分析因素的规则分析原材料质量、制造工艺、生产环境条件和设备故障这四种因素的解决办法，提供有效的决策意见。
S6、保护生产线中人员和设备的安全，及时检测并响应潜在的危险情况。
保护生产线中人员和设备的安全，在异常情况下发出警报并触发紧急停止按钮，预测潜在的安全风险，并提前采取措施，以防潜在危险。
实施例3
本实施例中，提供了一种计算机设备，包括存储器和处理器，存储器用于存储指令，处理器用于执行该指令，使得计算机设备执行实现上述基于视觉检测的造口产品生产检测方法的步骤。
实施例4
本实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被执行时实现上述基于视觉检测的造口产品生产检测方法的步骤。
该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (11)
1.基于视觉检测的造口产品生产检测系统，其特征在于：包括，
原料供应模块、输送模块、视觉检测模块、控制模块、数据管理和分析模块以及安全模块；
所述原料供应模块用于提供造口产品制作所需要的原材料；
所述原材料包括胶片材料、胶黏剂、防臭层和滤泡以及附件部件；
所述输送模块包括传送带、机器人臂和操作单元，用于将所述原材料从所述原料供应模块输送到生产线，生产所述造口产品；
所述视觉检测模块包括异常检测单元，用于将传感器采集的数据进行融合，利用异常甄别模型判断造口产品图像像素点的像素值的异常情况，并设置自适应阈值筛选异常造口产品图像，同时对异常造口产品图像进行异常修剪；
所述视觉检测模块采用高分辨率传感器，并将传感器采集的数据进行融合；
所述异常检测单元用于检测质量不合格的造口产品，建立异常甄别模型，所述异常甄别模型的函数表达式如下所示：
；
式中，表示造口产品图像像素点的像素值的异常情况，/>表示造口产品图像像素点的像素值，/>表示出现异常造口产品图像像素点的像素值的因素权重，/>表示所述造口产品的个数，/>表示出现异常造口产品图像像素点的像素值的特征系数，/>表示造口产品图像像素点的像素值的平均值；
所述控制模块用于监控和控制各个模块之间的协调运作，接收并处理所述视觉检测模块的数据，制定相应的生产策略，并实时调整生产参数以满足需求；
所述数据管理和分析模块包括数据收集单元和数据分析单元，用于收集和分析生产过程中出现的异常造口产品图像的造成因素，为管理决策提供支持；
所述安全模块包括物理防护、紧急停止按钮和安全传感器，用于保护生产过程中人员和设备的安全，检测并响应潜在的危险情况。
2.如权利要求1所述的基于视觉检测的造口产品生产检测系统，其特征在于：所述传送带用于传输、计数并分类所述造口产品，分类所述造口产品的函数表达式如下所示：
；
式中，表示输出的造口产品图像像素点的像素值，/>表示分类函数的法向量，/>表示向量的转置，/>表示输入的造口产品图像像素点特征，/>表示分类函数的位移项，/>表示分类函数的松弛项参数，/>，/>表示所述造口产品的个数；
分类所述造口产品的规则如下所示：
若所述造口产品图像的形状特征为圆状、纹理特征为凸起，则所述造口产品为结肠造口产品；
若所述造口产品图像的形状特征为长条状、纹理特征为平坦，则所述造口产品为小肠造口产品；
若所述造口产品图像的形状特征为扁平状、纹理特征为柔软，则所述造口产品为尿道造口产品；
若所述造口产品图像的形状特征为不规则状、纹理特征为不规则，则所述造口产品为肝胆造口产品。
3.如权利要求2所述的基于视觉检测的造口产品生产检测系统，其特征在于：所述机器人臂配合所述传送带分类所述原材料并根据所述视觉检测模块的结果进行操作；
所述操作单元用于对所述机器人臂进行控制和调整。
4.如权利要求3所述的基于视觉检测的造口产品生产检测系统，其特征在于：设置自适应阈值筛选异常造口产品图像，若造口产品图像像素点的像素值大于所述自适应阈值，则判定为质量不合格的造口产品，所述自适应阈值的函数表达式如下所示：
；
式中，表示造口产品图像的自适应阈值，/>表示造口产品图像像素点的像素值的平均值，/>表示造口产品图像像素点的像素值的方差，/>表示所述造口产品的个数。
5.如权利要求4所述的基于视觉检测的造口产品生产检测系统，其特征在于：利用下降速率对异常造口产品图像进行异常修剪，所述异常修剪的函数表达式如下所示：
；
式中，表示异常造口产品图像像素点的像素值的异常修剪速率，/>表示异常造口产品图像像素点的像素值的最大异常值，/>表示异常造口产品图像像素点的像素值的最大异常值的下一个异常值，/>表示所述造口产品的个数；
其中，所述异常修剪的规则如下所示：
将异常造口产品图像的异常修剪速率与阈值修剪速率/>进行对比；
若，则继续更新所述自适应阈值和异常修剪速率；
若，则将/>对应的异常造口产品图像像素点的像素值及其后的所有异常造口产品图像像素点的像素值归为正常；
自动更新所述自适应阈值和异常修剪速率，并重复按照上述规则执行。
6.如权利要求5所述的基于视觉检测的造口产品生产检测系统，其特征在于：所述控制模块连接整个生产过程中，包括实时监控造口产品生产环境的参数、控制所述输送模块中的所述机器人臂和所述操作单元、控制所述安全模块、接收并处理所述视觉检测模块的数据。
7.如权利要求6所述的基于视觉检测的造口产品生产检测系统，其特征在于：所述数据收集单元用于收集所述造口产品生产过程中出现的异常造口产品图像的造成因素；
所述数据分析单元用于分析当前所述造口产品生产过程中出现的异常造口产品图像的造成因素，并给予指导意见，给予所述指导意见的规则如下所示：
利用收集的造口袋生产过程中出现的历史异常造口袋图像与当前实时异常造口袋图像进行对比，根据历史异常造口袋图像对应的造成因素，来判定当前实时的异常造口袋图像的造成因素；
若所述因素为原材料质量，则对所述原材料进行抽样检测并与原材料供应商建立质量管理体系；
所述质量管理体系包括对所述原材料的生产工艺、质量控制和质量检测进行规范；
若所述因素为制造工艺，则优化制造工艺参数并加强对制造工艺的实时监控；
若所述因素为生产环境条件，则建立定期的环境监测体系并配置环境控制设备；
若所述因素为设备故障，则制定设备定期维护计划并引入备件供应。
8.如权利要求7所述的基于视觉检测的造口产品生产检测系统，其特征在于：所述物理防护是指通过所述安全传感器实时监测所述机器人臂周围的环境，并设置所述机器人臂的安全限位，控制所述机器人臂的运动范围不超出预设范围；
所述紧急停止按钮是指在发生紧急情况时立即停止所述机器人臂的运动；
所述安全传感器用于监测所述机器人臂的状态参数，并在异常情况下发出警报并触发所述紧急停止按钮，同时接收所述数据管理和分析模块的数据，预测潜在的安全风险。
9.基于视觉检测的造口产品生产检测方法，用于实现权利要求1-8任一项所述的基于视觉检测的造口产品生产检测系统，其特征在于：包括，
S1、提供造口产品所需要的原材料；
S2、将所述原材料输送到生产线并生成所述造口产品；
S3、对所述造口产品进行实时检测，检测所述造口产品的质量；
S4、监控和控制所述生产线，接收并处理实时检测和分析的数据；
S5、收集并分析检测过程中出现的异常造口产品图像的造成因素；
S6、保护所述生产线中人员和设备的安全，及时检测并响应潜在的危险情况。
10.一种计算机设备，其特征在于：包括，
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述设备执行实现如权利要求9所述的基于视觉检测的造口产品生产检测方法。
11.一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：该计算机程序被执行时，实现如权利要求9所述的基于视觉检测的造口产品生产检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311803493.8A CN117451728B (zh) | 2023-12-26 | 2023-12-26 | 基于视觉检测的造口产品生产检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311803493.8A CN117451728B (zh) | 2023-12-26 | 2023-12-26 | 基于视觉检测的造口产品生产检测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117451728A CN117451728A (zh) | 2024-01-26 |
| CN117451728B true CN117451728B (zh) | 2024-02-20 |
Family
ID=89589655
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311803493.8A Active CN117451728B (zh) | 2023-12-26 | 2023-12-26 | 基于视觉检测的造口产品生产检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117451728B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111601545A (zh) * | 2017-11-09 | 2020-08-28 | 11健康技术有限公司 | 造口术监测系统和方法 |
| WO2021146420A1 (en) * | 2020-01-15 | 2021-07-22 | Dark Canyon Laboratories, Llc | Systems and methods for assessing colonoscopy preparation |
| CN113916892A (zh) * | 2021-09-28 | 2022-01-11 | 南京理工大学 | 基于多目视觉的刹车盘涂胶缺陷检测装置及方法 |
| CN116852800A (zh) * | 2023-08-22 | 2023-10-10 | 湖北省亨德利医疗器械有限公司 | 一种医用造口袋生产设备 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2296143A1 (fr) * | 2000-01-18 | 2001-07-18 | 9071 9410 Quebec Inc. | Systeme d'inspection optique |
| EP3927291A1 (en) * | 2019-02-21 | 2021-12-29 | Coloplast A/S | A monitor device for an ostomy appliance |
| US11650167B2 (en) * | 2020-12-17 | 2023-05-16 | Seagate Technology Llc | Abnormal surface pattern detection for production line defect remediation |
-
2023
- 2023-12-26 CN CN202311803493.8A patent/CN117451728B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111601545A (zh) * | 2017-11-09 | 2020-08-28 | 11健康技术有限公司 | 造口术监测系统和方法 |
| WO2021146420A1 (en) * | 2020-01-15 | 2021-07-22 | Dark Canyon Laboratories, Llc | Systems and methods for assessing colonoscopy preparation |
| CN113916892A (zh) * | 2021-09-28 | 2022-01-11 | 南京理工大学 | 基于多目视觉的刹车盘涂胶缺陷检测装置及方法 |
| CN116852800A (zh) * | 2023-08-22 | 2023-10-10 | 湖北省亨德利医疗器械有限公司 | 一种医用造口袋生产设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117451728A (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220262224A1 (en) | Fall detection and reporting technology | |
| US7880607B2 (en) | Intelligent risk management system for first responders | |
| Augusto et al. | Management of uncertainty and spatio-temporal aspects for monitoring and diagnosis in a smart home | |
| Forkan et al. | An industrial IoT solution for evaluating workers' performance via activity recognition | |
| CN107092806A (zh) | 一种面向老人家居智能化的信息融合与预警方法 | |
| CN110764441A (zh) | 一种医院设备信息化监控系统 | |
| US20210279657A1 (en) | Systems and methods for maintaining worksite safety | |
| Abdelmoneem et al. | A survey on multi-sensor fusion techniques in IoT for healthcare | |
| CN117451728B (zh) | 基于视觉检测的造口产品生产检测系统 | |
| Sánchez et al. | Smart Protective Protection Equipment for an accessible work environment and occupational hazard prevention | |
| Mamun et al. | Remote patient physical condition monitoring service module for iWARD hospital robots | |
| Galar et al. | Prognostics and Remaining Useful Life (RUL) Estimation: Predicting with Confidence | |
| CN112418281A (zh) | 一种火灾探测传感器数据异常检测方法及系统 | |
| CN111803374B (zh) | 一种智慧血液储存装置及方法 | |
| CN116147697B (zh) | 一种氢氧化铝无人值守监测方法及系统 | |
| CN117197998A (zh) | 一种物联网的传感器集成看护系统 | |
| CN116175586A (zh) | 巡检机器人和基于巡检机器人的电力巡检方法及系统 | |
| CN115328986A (zh) | 一种电厂安全预警数据分析处理方法及系统 | |
| CN112287783A (zh) | 基于视觉与压力传感的病房智能看护识别方法及识别系统 | |
| Ivascu et al. | Real-time health status monitoring system based on a fuzzy agent model | |
| Mamun et al. | Patient condition monitoring modular hospital robot | |
| EP4089495A1 (en) | Analysis device and method for monitoring an operational state of an industrial system | |
| Neo et al. | Reliability Assessment of X-ray Machines: A Machine Learning-Based Prioritization Model | |
| Lavanya et al. | Fall Detection and Prevention using IoT in Senior Care Facilities | |
| Oates et al. | The implementation of a novel, bio-inspired, robotic security system |
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 |