CN118053088A - 基于ar眼镜工业生产中排线安装顺序及不稳定的分析方法 - Google Patents
基于ar眼镜工业生产中排线安装顺序及不稳定的分析方法 Download PDFInfo
- Publication number
- CN118053088A CN118053088A CN202410452186.8A CN202410452186A CN118053088A CN 118053088 A CN118053088 A CN 118053088A CN 202410452186 A CN202410452186 A CN 202410452186A CN 118053088 A CN118053088 A CN 118053088A
- Authority
- CN
- China
- Prior art keywords
- tag board
- glasses
- picture
- analyzing
- image
- 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.)
- Granted
Links
- 239000011521 glass Substances 0.000 title claims abstract description 55
- 238000009434 installation Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000009776 industrial production Methods 0.000 title claims abstract description 20
- 230000003190 augmentative effect Effects 0.000 title claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 39
- 238000012423 maintenance Methods 0.000 claims abstract description 22
- 238000007781 pre-processing Methods 0.000 claims abstract description 21
- 238000003709 image segmentation Methods 0.000 claims abstract description 17
- 238000004519 manufacturing process Methods 0.000 claims abstract description 11
- 238000006073 displacement reaction Methods 0.000 claims abstract description 4
- 238000004804 winding Methods 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 20
- 230000003373 anti-fouling effect Effects 0.000 claims description 15
- 238000010147 laser engraving Methods 0.000 claims description 11
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 5
- 239000002390 adhesive tape Substances 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000005484 gravity Effects 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 238000010276 construction Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及工业生成技术领域，具体涉及一种基于AR眼镜工业生产中排线安装顺序及不稳定的分析方法；佩戴设备，并获取标签板的排线安装任务信息；执行算法，算法包括预处理、图像分割、语义识别和变化检测；完成排线安装任务；拍摄图像，得到图片QI1；运行已经生产好的机器，运维时拍摄到接口图像，得到图片QI2，执行算法，分析图片QI2与图片QI1的之间的变化，设置阈值，当图片QI2与图片QI1的之间的变化超过阈值时，发出报警，通过上述方式，结合AR眼镜，获得正在生产时的大量排线的安装顺序提示信息；并在对机器产品在工作后，进行日常维护时，对抖动产生的排线松动带来的不稳定问题，进行自动分析预测。
Description
技术领域
本发明涉及工业生成技术领域，尤其涉及一种基于AR眼镜工业生产中排线安装顺序及不稳定的分析方法。
背景技术
在工业生产时，例如生产自动钻孔机时，很多情况下，需要把外部的传感器的线缆连接到电路板上，有时这种线缆会几十根乃至几百根，有时会出现颜色相同的情况，需要在线上用胶带编排字母、数字进行区别。
现有的方案是通过一个模板，让工人一一对比，编排线缆顺序。这种方案对于生产的工人而言，这十分复杂，容易出错；另外由于该生产动作十分精细，不能大规模使用机器人替代。
因此，提出一种基于AR眼镜工业生产中排线安装顺序及不稳定的分析方法是十分有必要的。
发明内容
本发明的目的在于提供一种基于AR眼镜工业生产中排线安装顺序及不稳定的分析方法，结合AR眼镜，获得正在生产时的大量排线的安装顺序提示信息；并在对机器产品在工作后，进行日常维护时，对抖动产生的排线松动带来的不稳定问题，进行自动分析预测。
为实现上述目的，本发明采用的一种基于AR眼镜工业生产中排线安装顺序及不稳定的分析方法，包括如下步骤：
佩戴设备，并获取标签板的排线安装任务信息，标签板包括标签板A和标签板B；
执行算法，算法包括预处理、图像分割、语义识别和变化检测，设置每次自动检测分析后提示，等待操作的间隔时间为T1；
完成排线安装任务；
将所述标签板A与电路板的排插接口处进行安装；
拍摄图像，得到图片QI1；
运行已经生产好的机器，运维时拍摄到接口图像，得到图片QI2，执行算法，分析图片QI2与图片QI1的之间的变化，设置阈值，当图片QI2与图片QI1的之间的变化超过阈值时，发出报警。
其中，在佩戴设备，并获取标签板的排线安装任务信息，标签板包括标签板A和标签板B的步骤中：
佩戴AR眼镜，打开光源，确保所述AR眼镜、所述光源与随身电脑建立连接；
手动把所有的线缆随意的插入所述标签板B的各个线槽中，固定好位置，并把线缆上原有用胶带印有字母、数字的标签翻面至所述AR眼镜能够观察的一侧，摆正所述标签板A和所述标签板B；
使用所述AR眼镜扫描所述标签板A上的二维码A和所述标签板B上的二维码B，经过所述随身电脑分析后，所述随身电脑获知当前任务信息，并把任务信息提供给所述AR眼镜进行显示。
其中，在执行算法，算法包括预处理、图像分割、语义识别和变化检测，设置每次自动检测分析后提示，等待操作的间隔时间为T1的步骤中：
在T1时间端内，根据所述AR眼镜提示的候选区域，完成一次把所述标签板B的候选区域线槽中的线缆取出，判别是否与所述标签板A的目标线槽信息一致后，放置到所述标签板A的目标线槽中。
其中，在完成排线安装任务的步骤中：
在间隔时间T1中，所述AR眼镜对所述标签板A的每个线槽按照从左往右、从上往下的顺序，提示其在所述标签板B的候选区域线槽的位置，直至所有标签板A的所有线槽被正确填满，使用激光雕刻机在线缆上用激光雕刻信息。
其中，在将所述标签板A与电路板的排插接口处进行安装的步骤之后：
在激光雕刻机靠近排插接口处的地方设置防污标签二维码C，所述防污标签二维码C与所述二维码A大小相同、内容相同。
其中，在拍摄图像，得到图片QI1的步骤中：
将所述标签板A向外移动，运维人员通过所述AR眼镜拍摄接口线缆的图像，在质量检查合格后，拍摄图片QI1发送至服务器，作为后期运维时的对比图像及生产记录。
其中，在执行算法，算法包括预处理、图像分割、语义识别和变化检测，设置每次自动检测分析后提示，等待操作的间隔时间为T1的步骤中：
采用预处理方式判断目标区域的范围，对图像进行畸变校正、仿射变换、统一像素大小，提取出所述标签板A和所述标签板B的区域Rb_A、Rb_B。
其中，在执行算法，算法包括预处理、图像分割、语义识别和变化检测，设置每次自动检测分析后提示，等待操作的间隔时间为T1的步骤中：
采用图像分割方式将所有Rb_B和插入所述标签板B的各个线槽中线缆的图像进行分割，同时计算出所述标签板A中待插入的线槽的区域。
其中，执行算法，算法包括预处理、图像分割、语义识别和变化检测，设置每次自动检测分析后提示，等待操作的间隔时间为T1的步骤中：
采用变化检测方式检测出对应的变化及变化值。
本发明的一种基于AR眼镜工业生产中排线安装顺序及不稳定的分析方法，通过佩戴设备，并获取标签板的排线安装任务信息，标签板包括标签板A和标签板B；执行算法，算法包括预处理、图像分割、语义识别和变化检测，设置每次自动检测分析后提示，等待操作的间隔时间为T1；完成排线安装任务；将所述标签板A与电路板的排插接口处进行安装；拍摄图像，得到图片QI1；运行已经生产好的机器，运维时拍摄到接口图像，得到图片QI2，执行算法，分析图片QI2与图片QI1的之间的变化，设置阈值，当图片QI2与图片QI1的之间的变化超过阈值时，发出报警；通过上述方式，结合所述AR眼镜，获得正在生产时的大量排线的安装顺序提示信息；并在对机器产品在工作后，进行日常维护时，对抖动产生的排线松动带来的不稳定问题，进行自动分析预测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的基于AR眼镜工业生产中排线安装顺序及不稳定的分析方法的步骤流程图。
图2是本发明的佩戴设备的步骤流程图。
具体实施方式
请参阅图1和图2，本发明提供了一种基于AR眼镜工业生产中排线安装顺序及不稳定的分析方法，包括如下步骤：
S1：佩戴设备，并获取标签板的排线安装任务信息，标签板包括标签板A和标签板B；
S2：执行算法，算法包括预处理、图像分割、语义识别和变化检测，设置每次自动检测分析后提示，等待操作的间隔时间为T1，在T1时间端内，根据所述AR眼镜提示的候选区域，完成一次把所述标签板B的候选区域线槽中的线缆取出，判别是否与所述标签板A的目标线槽信息一致后，放置到所述标签板A的目标线槽中；
S3：完成排线安装任务，在间隔时间T1中，所述AR眼镜对所述标签板A的每个线槽按照从左往右、从上往下的顺序，提示其在所述标签板B的候选区域线槽的位置，直至所有标签板A的所有线槽被正确填满，使用激光雕刻机在线缆上用激光雕刻信息；
S4：将所述标签板A与电路板的排插接口处进行安装；
S5：在激光雕刻机靠近排插接口处的地方设置防污标签二维码C，所述防污标签二维码C与所述二维码A大小相同、内容相同；
S6：拍摄图像，得到图片QI1，将所述标签板A向外移动，运维人员通过所述AR眼镜拍摄接口线缆的图像，在质量检查合格后，拍摄图片QI1发送至服务器，作为后期运维时的对比图像及生产记录；
S7：运行已经生产好的机器，运维时拍摄到接口图像，得到图片QI2，执行算法，分析图片QI2与图片QI1的之间的变化，设置阈值，当图片QI2与图片QI1的之间的变化超过阈值时，发出报警。
在本实施方式中，首先佩戴设备，并获取标签板的排线安装任务信息，标签板包括标签板A和标签板B。
再执行算法，算法包括预处理、图像分割、语义识别和变化检测，设置每次自动检测分析后提示，等待操作的间隔时间为T1，在T1时间端内，根据所述AR眼镜提示的候选区域，完成一次把所述标签板B的候选区域线槽中的线缆取出，判别是否与所述标签板A的目标线槽信息一致后，放置到所述标签板A的目标线槽中。
接着完成排线安装任务，在间隔时间T1中，所述AR眼镜对所述标签板A的每个线槽按照从左往右、从上往下的顺序，提示其在所述标签板B的候选区域线槽的位置，直至所有标签板A的所有线槽被正确填满，使用激光雕刻机在线缆上用激光雕刻信息，信息由用户定义，一般包括有该电缆连接的传感器、电缆的编号、以及用于辅助运维时变化检测算法减少计算量而使用的标记点等。
然后将所述标签板A与电路板的排插接口处进行安装，由于标签板的线槽的间距就是按照电路板的排插接口的间距定制的，所以可以很方便的把每个线槽安装在排插接口上。
在激光雕刻机靠近排插接口处的地方设置防污标签二维码C，所述防污标签二维码C与所述二维码A大小相同、内容相同。
接着拍摄图像，得到图片QI1，将所述标签板A向外移动，运维人员通过所述AR眼镜拍摄接口线缆的图像，在质量检查合格后，拍摄图片QI1发送至服务器，作为后期运维时的对比图像及生产记录，图片QI1内容能清晰显示每根线缆的激光雕刻信息，以及所述防污标签二维码C。
运行已经生产好的机器，运维时拍摄到接口图像，得到图片QI2，图片QI2的图像内容能清晰显示有每根线缆的激光雕刻信息及所述防污标签二维码C，执行算法，分析图片QI2与图片QI1的之间的变化，设置阈值，当图片QI2与图片QI1的之间的变化超过阈值时，发出报警。
其中在分析图片QI2与图片QI1的之间的变化的过程中：对拍摄到的标准图片QI1进行分析，分析的内容是原有的线缆上的各个标志点的区域离贴上的所述防污标签二维码C的重心OQRC(x,y)，x是横向坐标，y是纵向坐标。
如采用M2_trained模型，识别出标准图片QI1上标志点的区域RBBy(i6)，并计算出这些RBBy(i6)的图像中心位置ORBBy(i6,x,y)，x是横向坐标，y是纵向坐标。计算出每个ORBBy(i6,x,y)和OQRC(x,y)的图像距离DisAQI1(i6)。计算出ti6个DisAQI1(i6)的均值avg(DisAQI1(i6))和方差var(DisAQI1(i6))。
把输入的图像变成图像QI2。从而得到在图像QI2中，各个标志点区域中心与所述防污标签二维码C中心的均值avg(DisAQI2(i6))和方差var(DisAQI2(i6))。对比avg(DisAQI1(i6))和avg(DisAQI2(i6))的差，如果大于等于4个像素，那么就向运维人员发出提示，可能的情况是整体性脱落；对比var(DisAQI1(i6))和var(DisAQI2(i6))的差，如果大于等于3个像素，那么就在图像QI2中把每个线缆的方差显示出来，提醒运维人员从方差大向方差小的顺序，进行排查。
通过上述方式，结合所述AR眼镜，获得正在生产时的大量排线的安装顺序提示信息；并在对机器产品在工作后，进行日常维护时，对抖动产生的排线松动带来的不稳定问题，进行自动分析预测。
进一步地，在佩戴设备，并获取标签板的排线安装任务信息，标签板包括标签板A和标签板B的步骤中：
S11：佩戴AR眼镜，打开光源，确保所述AR眼镜、所述光源与随身电脑建立连接；
S12：手动把所有的线缆随意的插入所述标签板B的各个线槽中，固定好位置，并把线缆上原有用胶带印有字母、数字的标签翻面至所述AR眼镜能够观察的一侧，摆正所述标签板A和所述标签板B；
S13：使用所述AR眼镜扫描所述标签板A上的二维码A和所述标签板B上的二维码B，经过所述随身电脑分析后，所述随身电脑获知当前任务信息，并把任务信息提供给所述AR眼镜进行显示。
在本实施方式中，首先佩戴AR眼镜，打开光源，确保所述AR眼镜、所述光源与随身电脑建立连接；然后手动把所有的线缆随意的插入所述标签板B的各个线槽中，固定好位置，并把线缆上原有用胶带印有字母、数字的标签翻面至所述AR眼镜能够观察的一侧，摆正所述标签板A和所述标签板B，所述标签板A、所述标签板B是一模一样的，所以它们上面印的二维码也是一模一样的；再使用所述AR眼镜扫描所述标签板A上的二维码A和所述标签板B上的二维码B，经过所述随身电脑分析后，所述随身电脑获知当前任务信息，并把任务信息提供给所述AR眼镜进行显示。
进一步地，在执行算法，算法包括预处理、图像分割、语义识别和变化检测，设置每次自动检测分析后提示，等待操作的间隔时间为T1的步骤中：
采用预处理方式判断目标区域的范围，对图像进行畸变校正、仿射变换、统一像素大小，提取出所述标签板A和所述标签板B的区域Rb_A、Rb_B。
进一步地，在执行算法，算法包括预处理、图像分割、语义识别和变化检测，设置每次自动检测分析后提示，等待操作的间隔时间为T1的步骤中：
采用图像分割方式将所有Rb_B和插入所述标签板B的各个线槽中线缆的图像进行分割，同时计算出所述标签板A中待插入的线槽的区域。
进一步地，在执行算法，算法包括预处理、图像分割、语义识别和变化检测，设置每次自动检测分析后提示，等待操作的间隔时间为T1的步骤中：
采用变化检测方式检测出对应的变化及变化值。
在本实施方式中，采用预处理方式判断目标区域的范围，对图像进行畸变校正、仿射变换、统一像素大小，提取出所述标签板A和所述标签板B的区域Rb_A、Rb_B。
其中在对图像进行畸变校正中：寻找所述二维码A和所述二维码B，对二维码的类型进行选择，并识别出二维码的数字语义，使用查表法，根据数字语义在所述随身电脑中找到对应的工作任务定义；找出二维码的三个边角正方形，识别三个边角正方形，对整体图像算法进行全图的畸变校正；计算工作人员与所述标签板A和所述标签板B的观察偏角，如果三个方向上的观察偏角有一个大于等于45度，则发出提醒，告知工作人员调整观察姿态，直至三个方向上的观察偏角都小于45度，从而尽量减少畸变校正带来的微小误差。
其中在对图像进行仿射变换中：把图像转换成完全垂直的状态。
其中在对图像进行统一像素大小中：若图像小，则进行二次插值法；若偏大，则采用跳行列进行降分辨率的方法。
其中变化检测过程包括构建数据集、训练模型、估计变化：在构建数据集中，在现场实际工况下，把每个安装所需的线缆安装在所述标签板B上，然后人工手动标签，手动划分出激光雕刻机在线缆上标上一些标志点的方案的区域。选择YOLO-V7模型，采用服务器进行学习数据，识别出线缆上标上标志点的区域。
在估计变化中对拍摄到的标准图片QI1进行分析，分析的内容是原有的线缆上的各个标志点的区域离贴上的所述防污标签二维码C的重心OQRC(x,y)，x是横向坐标，y是纵向坐标。
如采用M2_trained模型，识别出标准图片QI1上标志点的区域RBBy(i6)，并计算出这些RBBy(i6)的图像中心位置ORBBy(i6,x,y)，x是横向坐标，y是纵向坐标。计算出每个ORBBy(i6,x,y)和OQRC(x,y)的图像距离DisAQI1(i6)。计算出ti6个DisAQI1(i6)的均值avg(DisAQI1(i6))和方差var(DisAQI1(i6))。
把输入的图像变成图像QI2。从而得到在图像QI2中，各个标志点区域中心与所述防污标签二维码C中心的均值avg(DisAQI2(i6))和方差var(DisAQI2(i6))。对比avg(DisAQI1(i6))和avg(DisAQI2(i6))的差，如果大于等于4个像素，那么就向运维人员发出提示，可能的情况是整体性脱落；对比var(DisAQI1(i6))和var(DisAQI2(i6))的差，如果大于等于3个像素，那么就在图像QI2中把每个线缆的方差显示出来，提醒运维人员从方差大向方差小的顺序，进行排查。
采用图像分割方式将所有Rb_B和插入所述标签板B的各个线槽中线缆的图像进行分割，同时计算出所述标签板A中待插入的线槽的区域。采用变化检测方式检测出对应的变化及变化值。本发明分析出每个线缆上的标志点的重心，计算每个线缆各自与所述防污标签二维码C的重心之间的距离。这些距离中的方差较大的会被认为可能出现了对应线缆滑动、松动的可能。这样可以减少由于角度、环境等因素带来的干扰。这样，通过实现本发明，用户可以结合所述AR眼镜，获得正在生产时的大量排线的安装顺序提示信息；并在对机器产品在工作后，进行日常维护时，对抖动产生的排线松动带来的不稳定问题，进行自动分析预测。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。
Claims (9)
1.一种基于AR眼镜工业生产中排线安装顺序及不稳定的分析方法，其特征在于，包括如下步骤：
佩戴设备，并获取标签板的排线安装任务信息，标签板包括标签板A和标签板B；
执行算法，算法包括预处理、图像分割、语义识别和变化检测，设置每次自动检测分析后提示，等待操作的间隔时间为T1；
完成排线安装任务；
将所述标签板A与电路板的排插接口处进行安装；
拍摄图像，得到图片QI1；
运行已经生产好的机器，运维时拍摄到接口图像，得到图片QI2，执行算法，分析图片QI2与图片QI1的之间的变化，设置阈值，当图片QI2与图片QI1的之间的变化超过阈值时，发出报警。
2.如权利要求1所述的基于AR眼镜工业生产中排线安装顺序及不稳定的分析方法，其特征在于，在佩戴设备，并获取标签板的排线安装任务信息，标签板包括标签板A和标签板B的步骤中：
佩戴AR眼镜，打开光源，确保所述AR眼镜、所述光源与随身电脑建立连接；
手动把所有的线缆随意的插入所述标签板B的各个线槽中，固定好位置，并把线缆上原有用胶带印有字母、数字的标签翻面至所述AR眼镜能够观察的一侧，摆正所述标签板A和所述标签板B；
使用所述AR眼镜扫描所述标签板A上的二维码A和所述标签板B上的二维码B，经过所述随身电脑分析后，所述随身电脑获知当前任务信息，并把任务信息提供给所述AR眼镜进行显示。
3.如权利要求2所述的基于AR眼镜工业生产中排线安装顺序及不稳定的分析方法，其特征在于，在执行算法，算法包括预处理、图像分割、语义识别和变化检测，设置每次自动检测分析后提示，等待操作的间隔时间为T1的步骤中：
在T1时间端内，根据所述AR眼镜提示的候选区域，完成一次把所述标签板B的候选区域线槽中的线缆取出，判别是否与所述标签板A的目标线槽信息一致后，放置到所述标签板A的目标线槽中。
4.如权利要求3所述的基于AR眼镜工业生产中排线安装顺序及不稳定的分析方法，其特征在于，在完成排线安装任务的步骤中：
在间隔时间T1中，所述AR眼镜对所述标签板A的每个线槽按照从左往右、从上往下的顺序，提示其在所述标签板B的候选区域线槽的位置，直至所有标签板A的所有线槽被正确填满，使用激光雕刻机在线缆上用激光雕刻信息。
5.如权利要求4所述的基于AR眼镜工业生产中排线安装顺序及不稳定的分析方法，其特征在于，在将所述标签板A与电路板的排插接口处进行安装的步骤之后：
在激光雕刻机靠近排插接口处的地方设置防污标签二维码C，所述防污标签二维码C与所述二维码A大小相同、内容相同。
6.如权利要求5所述的基于AR眼镜工业生产中排线安装顺序及不稳定的分析方法，其特征在于，在拍摄图像，得到图片QI1的步骤中：
将所述标签板A向外移动，运维人员通过所述AR眼镜拍摄接口线缆的图像，在质量检查合格后，拍摄图片QI1发送至服务器，作为后期运维时的对比图像及生产记录。
7.如权利要求2所述的基于AR眼镜工业生产中排线安装顺序及不稳定的分析方法，其特征在于，在执行算法，算法包括预处理、图像分割、语义识别和变化检测，设置每次自动检测分析后提示，等待操作的间隔时间为T1的步骤中：
采用预处理方式判断目标区域的范围，对图像进行畸变校正、仿射变换、统一像素大小，提取出所述标签板A和所述标签板B的区域Rb_A、Rb_B。
8.如权利要求7所述的基于AR眼镜工业生产中排线安装顺序及不稳定的分析方法，其特征在于，在执行算法，算法包括预处理、图像分割、语义识别和变化检测，设置每次自动检测分析后提示，等待操作的间隔时间为T1的步骤中：
采用图像分割方式将所有Rb_B和插入所述标签板B的各个线槽中线缆的图像进行分割，同时计算出所述标签板A中待插入的线槽的区域。
9.如权利要求8所述的基于AR眼镜工业生产中排线安装顺序及不稳定的分析方法，其特征在于，在执行算法，算法包括预处理、图像分割、语义识别和变化检测，设置每次自动检测分析后提示，等待操作的间隔时间为T1的步骤中：
采用变化检测方式检测出对应的变化及变化值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410452186.8A CN118053088B (zh) | 2024-04-16 | 基于ar眼镜工业生产中排线安装顺序及不稳定的分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410452186.8A CN118053088B (zh) | 2024-04-16 | 基于ar眼镜工业生产中排线安装顺序及不稳定的分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118053088A true CN118053088A (zh) | 2024-05-17 |
| CN118053088B CN118053088B (zh) | 2024-06-28 |
Family
ID=
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111625091A (zh) * | 2020-05-14 | 2020-09-04 | 佳都新太科技股份有限公司 | 基于ar眼镜的标签叠加方法及装置 |
| WO2021227402A1 (zh) * | 2020-05-13 | 2021-11-18 | 歌尔股份有限公司 | 一种图像显示方法、ar眼镜及存储介质 |
| CN116957482A (zh) * | 2023-06-05 | 2023-10-27 | 张家口卷烟厂有限责任公司 | 一种基于图像识别技术的工作辅助系统及方法 |
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021227402A1 (zh) * | 2020-05-13 | 2021-11-18 | 歌尔股份有限公司 | 一种图像显示方法、ar眼镜及存储介质 |
| CN111625091A (zh) * | 2020-05-14 | 2020-09-04 | 佳都新太科技股份有限公司 | 基于ar眼镜的标签叠加方法及装置 |
| CN116957482A (zh) * | 2023-06-05 | 2023-10-27 | 张家口卷烟厂有限责任公司 | 一种基于图像识别技术的工作辅助系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘媛;赵敏;: "野外大空间火焰目标红外图像的分割算法研究", 青岛大学学报(工程技术版), no. 01, 15 March 2009 (2009-03-15), pages 11 - 19 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108961236B (zh) | 电路板缺陷检测方法及装置 | |
| CN110580723B (zh) | 一种利用深度学习和计算机视觉进行精准定位的方法 | |
| CN107223246B (zh) | 图像标注方法、装置及电子设备 | |
| JP7197971B2 (ja) | 情報処理装置、情報処理装置の制御方法及びプログラム | |
| CN103189827B (zh) | 对象显示装置以及对象显示方法 | |
| US20190122070A1 (en) | System for determining alignment of a user-marked document and method thereof | |
| US9165365B2 (en) | Method and system for estimating attitude of camera | |
| CN102938077A (zh) | 基于双阈值二值化的在线式aoi图像检索方法 | |
| CN112200058B (zh) | 一种教辅资料智能批改的系统及方法 | |
| CN106446888A (zh) | 摄像模组多标识符识别方法及设备 | |
| CN208366871U (zh) | 检测系统 | |
| CN114581760B (zh) | 一种机房巡检的设备故障检测方法及系统 | |
| CN113298003B (zh) | 一种基于ar的航空电缆装配系统及方法 | |
| US11712807B2 (en) | Image processing apparatus, robot and robot system | |
| CN118053088B (zh) | 基于ar眼镜工业生产中排线安装顺序及不稳定的分析方法 | |
| US10740614B2 (en) | Information processing device, information processing method, and program storing medium | |
| CN110658215B (zh) | 一种基于机器视觉的pcb板自动拼接检测方法与装置 | |
| CN118053088A (zh) | 基于ar眼镜工业生产中排线安装顺序及不稳定的分析方法 | |
| CN113344977B (zh) | 一种基于图像处理的触头压力测量模型构建方法 | |
| US20180365269A1 (en) | Method and apparatus for improving the efficiency of remote diagnosis of electronic and other equipment | |
| KR101766787B1 (ko) | Gpu장치를 기반으로 하는 딥러닝 분석을 이용한 영상 보정 방법 | |
| CN116704518A (zh) | 一种文本识别方法及装置、电子设备、存储介质 | |
| JP2008269264A (ja) | 画像処理による多導体電線の追跡方法、装置及びプログラム並びにこれを用いた多導体電線の異常検出方法、装置及びプログラム | |
| CN111553210B (zh) | 车道线检测模型的训练方法、车道线检测方法及装置 | |
| CN117372434B (zh) | 一种用于pcb板生产用的定位系统及方法 |
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 | ||
| GR01 | Patent grant |