CN212228765U - 一种用于深度学习的冷态重轨表面缺陷检测系统 - Google Patents
一种用于深度学习的冷态重轨表面缺陷检测系统 Download PDFInfo
- Publication number
- CN212228765U CN212228765U CN202020080664.4U CN202020080664U CN212228765U CN 212228765 U CN212228765 U CN 212228765U CN 202020080664 U CN202020080664 U CN 202020080664U CN 212228765 U CN212228765 U CN 212228765U
- Authority
- CN
- China
- Prior art keywords
- control unit
- industrial
- industrial field
- heavy rail
- data acquisition
- 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
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本实用新型是关于重轨生产质量控制及机器视觉检测技术领域,特别涉及一种用于深度学习的冷态重轨表面缺陷检测系统。包括数据采集模块、工业现场控制单元、工业现场辅助单元、系统控制单元:数据采集模块将图像信息上传至系统控制单元,工业现场控制单元分别与重轨传送装置、系统控制单元相连,工业现场辅助单元能接收来自系统控制单元的控制指令。本实用新型安装维护方便,不改造原有设备,不影响重轨生产。采用构件化模块,增加系统内聚,减少模块之间的耦合,使其能够根据不同的生产条件以及工艺需求进行重构。
Description
技术领域
本实用新型是关于重轨生产质量控制及机器视觉检测技术领域,特别涉及一种用于深度学习的冷态重轨表面缺陷检测系统。
背景技术
在实际的铁路运输中,重轨的表面承受各种光照、雨水侵蚀,列车机械振动,摩擦等,表面的缺陷将会直接影响到重轨的使用寿命,甚至发生断轨,脱轨等严重后果。冷态重轨表面检测作为重轨生产出厂前的最后一道检验工序,对于重轨的质量控制有着十分重要的意义。
在重轨的生产过程中,按照重轨表面缺陷的形成原因主要分为结疤、边裂、辊印、刮伤、划伤五类。结疤是钢轨表面形成的不规则翘起成疤状的金属层,其形状主要呈现为叶状,羽状。边裂为钢轨表面沿长度方向的一侧或者两侧出现破裂的现象。辊印是钢轨表面呈现等间距周期分布、外观形状不规则的凹凸缺陷。刮伤是在钢轨表面呈点状、条状或块状且低于轧制面的机械损伤,一般的,高温下产生的刮伤为灰黑色,常温下产生的刮伤即冷刮伤呈现为灰白色。划伤是钢轨表面呈线状且低于轧制面的机械损伤。
针对以上常见的重轨表面缺陷检测,目前主要有目测法、电涡流检测、漏磁检测、超声波检测和红外线检测五种检测技术。
目测法是人工肉眼寻找识别缺陷的方法。检测人员直接目测或使用放大镜对重轨表面进行检测,确定缺陷种类,测量缺陷的大小。但是目测法存在检测效率低,检测结果受主观因素影响大,检测精度低等问题;
涡流检测是基于电磁感应原理,当用带有正弦波电流激励的线圈的探头接近钢表面时,线圈周围的交变磁场在金属表面产生感应电涡流。电涡流产生与线圈磁场同频且反向的反磁通。当探头在金属表面移动遇到缺陷时,引起线圈阻抗的变化,检测该变化量就能检测到钢表面是否有缺陷及缺陷的种类、大小和尺寸。电涡流检测的检测精度和效率较高,但常常造成过检测,且操作弹性难以调节,对国内重轨产品检测效果差。
红外线检测技术的原理是通过高频感应线圈,在钢表面会产生感应电流,由于高频感应的集肤效应,感应穿透深度将小于1mm。在表面缺陷区域,感应电流会导致在单位长度的表面上消耗更多电能,引起钢局部表面温度上升。该升温取决于缺陷的平均深度、线圈工作频率、特定的输入电能、被检钢的电性能、热性能、感应线圈的宽度和钢的运动速度等因素。当其它各种因素在一定范围内保持恒定,就可通过检测局部温升值来计算缺陷深度,而局部温升可通过红外线检测技术加以检定。
漏磁检测法始于20世纪80年代,其检测原理是:在直流磁场的作用下,被检测钢板的表面磁化并接近饱和。此时在缺陷部位有几乎与缺陷体积成比例的磁力线外露,通过磁传感器可以把泄漏的磁力线检测到,从而推断出钢板表面上缺陷的大小。
超声波探伤是利用超声波的反射原理,当钢表面存在缺陷的地方,其回波和没有缺陷的部分明显不同,通过对其回波的检测就可探明缺陷的大小和种类。
以上红外线检测、漏磁检测和超声波检测用于热轧板等平直型钢表面具有一定的效果,但均存在探伤灵敏度一般,检测周期短、且难以用于重轨曲面检测,因此均难以满足重轨表面缺陷检测的要求。而且在实际的检测流程中,由于振动和钢轨运动造成的位置偏移,表面的灰尘和水渍也都对现有的检测技术提出了巨大的挑战。
随着深度神经网络的发展,深度学习在目标检测,自动驾驶,字符识别等领域都取得了重大的进展。基于深度学习的机器视觉重轨表面检测技术将为重轨检测开辟一个新的领域,对提高重轨表面缺陷检测水平起着至关重要的作用。深度学习的实现有赖于对重轨表面缺陷信息的采集分析,但现有技术中,并没有专门的装置。
实用新型内容
本实用新型的主要目的在于克服现有检测方法的不足,提供一种用于深度学习的冷态重轨表面缺陷检测系统。
本实用新型提供一种基于深度学习的冷态重轨表面缺陷检测系统,包括数据采集模块(DCM)、工业现场控制单元(IFCU)、工业现场辅助单元(IFAU)、系统控制单元(IMCU):
数据采集模块中集成有CCD线扫描工业相机,CCD线扫描工业相机设于重轨检测生产线上,数据采集模块通过千兆网线、路由器和图像采集卡将图像信息上传至系统控制单元。
工业现场控制单元通过线缆分别与重轨传送装置、系统控制单元相连,工业现场控制单元能根据系统控制单元发出的指令控制重轨检测生产线的运动状态;工业现场控制单元还连接现场报警装置、提供现场操作开关(供现场人员进行手动控制生产线前进、后退或停止);
工业现场的辅助单元包括气体冷却装置、供电模块和除尘装置;气体冷却装置安装于CCD线扫描工业相机和光源旁侧,除尘装置设于CCD线扫描工业相机上;供电模块用于对CCD线扫描工业相机和光源供电;工业现场辅助单元能接收来自系统控制单元的控制指令,实现对数据采集模块进行除尘、冷却、调节光源;
系统控制单元包括拼装式室内控制柜,室内控制柜内部集成有:工业级液晶显示器(ILCD)、处理控制单元(IPCU)、工业控制计算机(IPC)、电源管理单元(IPMU)、电气控制单元(IECU);
工业级液晶显示器通过电缆与工业控制计算机连接,用于实时显示重轨表面检测信息和缺陷信息;
处理控制单元用于接收数据采集模块、工业现场控制单元、工业现场辅助单元上传的模拟与数字信号,并对数据采集模块、工业现场控制单元、工业现场辅助单元上传的信号进行预处理(这里的信号预处理由杭州谱诚泰迪实业有限公司开发的TDS-DL重轨表面缺陷检测软件实现的),分别向数据采集模块、工业现场控制单元和工业现场辅助单元输出控制信号,并与工业计算机通讯;
电源管理单元通过电缆连接至工业现场控制单元、工业现场辅助单元和工业控制计算机;用于提供标准电源(提供5V、12V、24V等标准单元,其额定输入交流220V,50~60hz),额定输入电流<5A,并具有电源工作/异常显示功能);
电气控制单元通过电缆连接至电源管理单元并接入外部电源;工业控制计算机通过电缆与数据采集模块连接,接收数据采集模块上传的图像数据,对数据进行分析处理后将信号通过处理控制单元传输至工业现场控制单元。
作为一种改进,CCD线扫描工业相机共有六组,分别设置在重轨检测生产线的顶部、底部、左上部、左下部、右上部、右下部六个不同位置,以获得重轨表面的完整信息;六个光源也相应的设置在钢轨的六个部位,光线的方向与相机的照射方向成45°,以便为相机提供明亮清晰的视场。
作为一种改进,光源为LED白色条形光源。
作为一种改进,CCD线扫描工业相机搭载8mm~50mm光学变焦镜头。
作为一种改进,现场报警装置采用Lamb-5三色报警灯和MS-24下渣报警喇叭。
作为一种改进,系统控制单元的室内控制柜的柜板为冷板,室内控制柜的顶部配有风扇盘,室内控制柜的底部设置有接地端子和连线孔,连线孔用于提供电源线、信号线和控制线的连接。
在本实用新型中,处理控制单元进行信号预处理是对数据采集模块、工业现场控制单元、工业现场辅助单元上传的信号进行预处理;
其中,来自数据采集模块的信号包括:相机采样频率信号,相机工作状态信号;来自工业控制单元的信号包括:报警信号、重轨的运动信号;来自工业现场辅助单元的信号是指LED光源亮度调节信号,除尘、冷却设备工作状态信号。
本实用新型中,处理控制单元分别向工业现场控制单元、数据采集模块、工业现场辅助单元输出控制信号,以完成对钢轨表面缺陷检测的控制、报警、数据采集、辅助功能(除尘、冷却、光源调节)启动、初始化等。
其中,输出至工业现场控制单元的控制信号包括:开关量信号、检测状态信号、报警灯信号、喇叭信号、预留控制信号;输出至工业现场辅助单元的控制信号包括:除尘信号、冷却信号、光源调节信号;输出至数据采集模块的控制信号包括数据采集信号。
本实用新型中所使用的各功能模块或功能装置均为现有技术,可从市场公开采购,故对其具体结构、性能等参数不再赘述。本实用新型中,工业现场控制单元为自制的型号为IFCUT,处理控制单元型号为USB-4704,购于研华科技,电源管理单元为自制的型号为IPMUT。
与现有技术相比,本实用新型的有益效果是:
1、采用构件化模块,对冷态重轨表面缺陷检测系统进行模块化封装,增加系统内聚,减少模块之间的耦合,使其能够根据不同的生产条件以及工艺需求进行重构。
2、安装维护方便,不改造原有设备,不影响重轨生产。
3、使用六组工业相机,视野覆盖待测钢轨的整个表面。
4、人性化软件设计,界面直观友好,系统参数在线可调。
5、监测界面现场同步显示,报警及时准确。
6、自动历史数据存储,便于进行历史趋势分析和回放。
附图说明:
图1为本实用新型的系统功能构架示意图。
图2为本实用新型的系统模块组成与电气连接示意图。
图中的附图标记为:1-数据采集模块;2-工业现场辅助单元;3-工业现场控制单元;4-系统控制单元;5-连接线缆。
具体实施方式
下面结合附图与具体实施方式对本实用新型作进一步详细描述:
在此需要强调的是,本实用新型所述各部件均为实体硬件产品(包括各部件的相互位置关系和连接关系),涉及到的软件也为已开发完全的市售软件,通过存储于硬盘或其他存储程序并搭载于工业计算机上实现其功能。本实用新型不涉及软件的开发和具体计算内容,因此不涉及对安装在计算机中的特殊软件功能模块的运用。
如图1、图2所示的一种冷态重轨表面缺陷检测系统,包括数据采集模块1(DataCollection Module,DCM)、工业现场控制单元3(Industrial Field Control Unit,IFCU)、工业现场辅助单元2(Industrial Field Associated Unit,IFAU)、系统控制单元4(Industrial Monitoring Control Unit,IMCU),利用六个工业CCD线阵相机进行数据采集。并将所采集的数据传入到系统控制单元4(IMCU)进行实时图像数据处理,并返回缺陷信息,发出警报。
数据采集模块1中集成有搭载8mm~50mm光学变焦镜头的CCD线扫描工业相机,CCD线扫描工业相机设于重轨检测生产线上;CCD线扫描工业相机共有六组,分别设置在重轨检测生产线的顶部、底部、左上部、左下部、右上部、右下部六个不同位置,以获得重轨表面的完整信息;六个LED白色条形光源也相应的设置在钢轨的六个部位,光线的方向与相机的照射方向成45°,以便为相机提供明亮清晰的视场。
工业现场控制单元3通过线缆分别与数据采集模块1、工业现场辅助单元2、系统控制单元4相连,工业现场控制单元3能根据系统控制单元4发出的指令驱动工业现场辅助单元2、控制重轨检测生产线的运动状态;工业现场控制单元3还连接现场报警装置、提供现场操作开关(供现场人员进行手动控制生产线前进、后退或停止);现场报警装置采用Lamb-5三色报警灯和MS-24下渣报警喇叭。
工业现场的辅助单元包括气体冷却装置、供电模块和除尘装置;气体冷却装置安装于CCD线扫描工业相机和LED白色条形光源旁侧,除尘装置设于CCD线扫描工业相机上;供电模块用于对CCD线扫描工业相机和LED白色条形光源供电;工业现场辅助单元2能接收来自系统控制单元4的控制指令,实现对数据采集模块1进行除尘、冷却、调节光源;
系统控制单元4包括拼装式室内控制柜,室内控制柜内部集成有:工业级液晶显示器(ILCD)、处理控制单元(IPCU)、工业控制计算机(IPC)、电源管理单元(IPMU)、电气控制单元(IECU);
工业级液晶显示器通过电缆与工业控制计算机连接,用于实时显示重轨表面检测信息和缺陷信息;
处理控制单元用于接收数据采集模块1、工业现场辅助单元2、工业现场控制单元3上传的模拟与数字信号,并对数据采集模块1、工业现场辅助单元2、工业现场控制单元3、上传的信号进行预处理(这里的信号预处理由杭州谱诚泰迪实业有限公司开发的TDS-DL重轨表面缺陷检测软件实现的),分别向数据采集模块1、工业现场辅助单元2和工业现场控制单元3输出控制信号,并与工业计算机通讯;
电源管理单元通过电缆连接至工业现场控制单元3、工业现场辅助单元2、工业控制计算机(图2中电源管理单元通过电缆未与工业控制计算机相连,连接的是处理控制单元,请确认);用于提供标准电源(提供5V、12V、24V等标准单元,其额定输入交流220V,50~60hz),额定输入电流<5A,并具有电源工作/异常显示功能);
电气控制单元通过电缆连接至电源管理单元并接入外部电源;工业控制计算机通过电缆与数据采集模块1连接,接收数据采集模块1上传的图像数据,对数据进行分析处理后将信号通过处理控制单元传输至工业现场控制单元3。
系统控制单元4的室内控制柜的柜板为冷板,室内控制柜的顶部配有风扇盘,室内控制柜的底部设置有接地端子和连线孔,连线孔用于提供电源线、信号线和控制线的连接。
在本实用新型中,处理控制单元进行信号预处理是对工业现场控制单元3、工业现场辅助单元2上传的信号进行预处理;其中,来自工业控制单元的信号包括:报警信号、重轨的运动信号;来自工业现场辅助单元2的信号是指LED光源亮度调节信号。
本实用新型中,处理控制单元分别向工业现场控制单元3、数据采集模块1、工业现场辅助单元2输出控制信号,以完成对钢轨表面缺陷检测的控制、报警、数据采集、辅助功能(除尘、冷却、光源调节)启动等。
其中,输出至工业现场控制单元3的控制信号包括:开关量信号、检测状态信号、报警灯信号、喇叭信号、预留控制信号;输出至工业现场辅助单元2的控制信号包括:除尘信号、冷却信号、光源调节信号;输出至数据采集模块1的控制信号包括数据采集信号。
本实用新型具体实施过程如下:
步骤一、操作人员通过工业控制计算机(IPC)发出控制信号,具体为运行检测程序,启动重轨表面缺陷自动化检测生产线,初始化数据采集模块1的工业相机。处理控制单元(IPCU)将上述触发信号转译并传递到工业现场控制单元3(IFCU)、工业现场辅助单元2(IFAU)以及数据采集模块1(DCM),分别使重轨表面缺陷自动化检验生产线、工业相机、LED光源处于工作状态。
步骤二、数据采集模块1将通过工业相机将重轨表面信息实时采集,并将6通道图像数据通过千兆网线、路由器和图像采集卡将采集到的图像上传至工业控制计算机(IPC)的缺陷检测程序中。
步骤三、工业控制计算机(IPC)的缺陷检测程序将对接收到的图片数据实时进行缺陷检测,一方面,检测的结果和可视化界面会显示在工业级液晶显示器(ILCD),另一方面检测的结果将通过处理控制单元(IPCU)转化为开关量输出,并传递至工业现场控制单元3。
步骤四、当有缺陷检出时,检测程序将输出控制信号,并通过处理控制单元将控制信号转译并传递至工业现场控制单元3(IFCU)和数据采集模块1(DCM)。此时工业现场控制单元3(IFCU)将控制重柜表面缺陷检测生产线停止运动,同时报警装置将被触发,发出报警灯光提示和鸣笛提示。数据采集模块1接收到停止信息后将会停止数据采集。
步骤五、操作人员将根据工业级液晶显示器(ILCD)显示的缺陷信息,进行现场查验,并采取相应的处理措施。当确认完毕后,操作人员可继续启动检测系统,进行重轨的表面缺陷检测。
步骤六、在使用过程中,操作人员可根据现场的实际情况,操作工业控制计算机(IPC)上的检测软件,输出控制信号,通过处理控制单元的信号处理,触发现场辅助控制单元,进行设备除尘,设备冷却,光源调节。以达到系统的最佳工作状态。
步骤七、电源管理单元分别通过电缆5连接至处理控制单元、工业现场控制单元3、工业现场辅助单元2、工业控制计算机,用于为系统控制单元4、工业现场控制单元3提供标准电源(提供5V、12V、24V等标准电源),其额定输入交流220V,50~60HZ,额定输入电流小于5A,并具有电源工作/异常显示功能。
利用本实用新型,本领域技术人员可进行后续通过深度学习进行冷态重轨表面缺陷的检测。下面列举其中一个示例来说明利用本实用新型进行的后续深度学习过程。应当注意的是,以下内容并不属于本实用新型,可以理解为本实用新型的在本领域中的拓展。
步骤一:在现有的冷态重轨检测生产线的的基础上,利用上述冷态重轨表面缺陷检测装置进行重轨表面缺陷数据采集;定义重轨缺陷的种类,并使用目标检测数据集标注软件进行缺陷数据标注,主要标记缺陷的位置和种类。
步骤二:设计基于深度学习的深度学习网络:采用Faster_Rcnn网络结构设计构建训练用的卷积神经网络结构;确定好训练网络的参数,采用SGD和BP算法进行网络训练并用Adam算法进行网络参数的更新。
步骤三:利用制作好的缺陷数据集进行神经网络的训练,得到可应用于实际推断阶段的预训练模型。
步骤四:将训练好的模型加载到GPU上,连接冷态重轨表面缺陷检测软件,启动上述冷态重轨表面缺陷检测系统,通过工业计算机上的图像处理软件进行在线缺陷检测。(这里的图像处理软件指的是由杭州谱诚泰迪实业有限公司开发的TDS-DL重轨表面缺陷检测软件)
步骤五:工业现场辅助单元将工业相机采集的图像信息传至系统控制单元的工业计算机中,经过工业计算机上图像处理软件的处理,实时返回重轨表面缺陷信息,并将检测进程和检测结果显示在工业液晶显示器上。若检测出缺陷信息,处理控制单元则将该缺陷信息转译成缺陷触发信号,并通过工业现场控制单元控制报警装置发出警报。然后由工人进行缺陷确认和缺陷处理。
最后,需要注意的是,以上列举的仅是本实用新型的具体实施例。显然,本实用新型不限于以上实施例,还可以有很多变形。本领域的普通技术人员能从本实用新型公开的内容中直接导出或联想到的所有变形,均应认为是本实用新型的保护范围。
Claims (6)
1.一种用于深度学习的冷态重轨表面缺陷检测系统,其特征在于,包括数据采集模块、工业现场控制单元、工业现场辅助单元和系统控制单元;
所述数据采集模块中集成有CCD线扫描工业相机,CCD线扫描工业相机设于重轨检测生产线上,数据采集模块通过千兆网线、路由器和图像采集卡将图像信息上传至系统控制单元;
所述工业现场控制单元通过线缆分别与数据采集模块、工业现场辅助单元、系统控制单元相连,所述工业现场控制单元能根据系统控制单元发出的指令驱动工业现场辅助单元、控制重轨检测生产线的运动状态;工业现场控制单元还连接现场报警装置;
所述工业现场的辅助单元包括气体冷却装置、供电模块和除尘装置;气体冷却装置安装于CCD线扫描工业相机和光源旁侧,除尘装置设于CCD线扫描工业相机上;供电模块用于对CCD线扫描工业相机和光源供电;工业现场辅助单元能接收来自系统控制单元的控制指令,实现对数据采集模块进行除尘、冷却、调节光源;
所述系统控制单元包括拼装式室内控制柜,室内控制柜内部集成有:工业级液晶显示器、处理控制单元、工业控制计算机、电源管理单元和电气控制单元;
所述工业级液晶显示器通过电缆与工业控制计算机连接,用于实时显示重轨表面检测信息和缺陷信息;
所述处理控制单元用于接收数据采集模块、工业现场控制单元、工业现场辅助单元上传的模拟与数字信号,并对数据采集模块、工业现场控制单元、工业现场辅助单元上传的信号进行预处理,分别向数据采集模块、工业现场控制单元、工业现场辅助单元输出控制信号,并与工业计算机通讯;
所述电源管理单元通过电缆连接至工业现场控制单元、工业现场辅助单元和工业控制计算机;所述电气控制单元通过电缆连接至电源管理单元并接入外部电源;所述工业控制计算机通过电缆与数据采集模块连接,接收数据采集模块上传的图像数据,对数据进行分析处理后将信号通过处理控制单元传输至工业现场控制单元。
2.根据权利要求1所述的一种用于深度学习的冷态重轨表面缺陷检测系统,其特征在于,所述CCD线扫描工业相机共有六组,分别设置在重轨检测生产线的顶部、底部、左上部、左下部、右上部和右下部六个不同位置,以获得重轨表面的完整信息;六个光源也相应的设置在钢轨的六个部位,光线的方向与相机的照射方向成45°,以便为相机提供明亮清晰的视场。
3.根据权利要求2所述的一种用于深度学习的冷态重轨表面缺陷检测系统,其特征在于,所述光源为LED白色条形光源。
4.根据权利要求1所述的一种用于深度学习的冷态重轨表面缺陷检测系统,其特征在于,所述CCD线扫描工业相机搭载8mm~50mm光学变焦镜头。
5.根据权利要求1所述的一种用于深度学习的冷态重轨表面缺陷检测系统,其特征在于,所述现场报警装置采用Lamb-5三色报警灯和MS-24下渣报警喇叭。
6.根据权利要求1所述的一种用于深度学习的冷态重轨表面缺陷检测系统,其特征在于,所述系统控制单元的室内控制柜的柜板为冷板,室内控制柜的顶部配有风扇盘,室内控制柜的底部设置有接地端子和连线孔,连线孔用于提供电源线、信号线和控制线的连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202020080664.4U CN212228765U (zh) | 2020-01-14 | 2020-01-14 | 一种用于深度学习的冷态重轨表面缺陷检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202020080664.4U CN212228765U (zh) | 2020-01-14 | 2020-01-14 | 一种用于深度学习的冷态重轨表面缺陷检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN212228765U true CN212228765U (zh) | 2020-12-25 |
Family
ID=73913736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202020080664.4U Active CN212228765U (zh) | 2020-01-14 | 2020-01-14 | 一种用于深度学习的冷态重轨表面缺陷检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN212228765U (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112986277A (zh) * | 2021-04-01 | 2021-06-18 | 北京科技大学设计研究院有限公司 | 一种热轧带钢精轧辊印的检测方法 |
CN114460174A (zh) * | 2022-02-08 | 2022-05-10 | 苏州伟恒检测技术有限公司 | 一种钢轨检测系统及应用 |
-
2020
- 2020-01-14 CN CN202020080664.4U patent/CN212228765U/zh active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112986277A (zh) * | 2021-04-01 | 2021-06-18 | 北京科技大学设计研究院有限公司 | 一种热轧带钢精轧辊印的检测方法 |
CN114460174A (zh) * | 2022-02-08 | 2022-05-10 | 苏州伟恒检测技术有限公司 | 一种钢轨检测系统及应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN212228765U (zh) | 一种用于深度学习的冷态重轨表面缺陷检测系统 | |
WO2015055060A1 (zh) | 一种连铸坯表面质量在线检测方法 | |
CN108332689A (zh) | 一种检测表面粗糙度和表面损伤的光学测量系统及方法 | |
CN105181709A (zh) | 刹车片外观缺陷组合式多光源在线检测装置及方法 | |
CN103926554B (zh) | 智能电能表外观标识一致性检测装置及其方法 | |
CN103308525B (zh) | 一种用于金属线材生产的在线检测方法和装置 | |
CN104458750A (zh) | 一种基于机器视觉的铝型材表面缺陷自动检测设备 | |
CN109580642B (zh) | 一种膜材料涂胶面缺陷分析控制系统及其方法 | |
CN102601131A (zh) | 一种钢坯表面质量在线检测装置 | |
CN104535589A (zh) | 一种低压电流互感器在线检测方法和装置 | |
CN204287062U (zh) | Wis在线缺陷检测系统 | |
CN205049488U (zh) | 一种刹车片外观缺陷组合式多光源在线检测装置 | |
CN112485257A (zh) | 一种基于机器视觉的辊压机辊面磨损检测方法及装置 | |
CN103592312A (zh) | 基于机器视觉的线缆在线检测方法 | |
CN113430679B (zh) | 一种识别预氧化炉内碳纤维异常的生产平台 | |
Duan et al. | Study on surface defect vision detection system for steel plate based on virtual instrument technology | |
CN112881403A (zh) | 一种热轧带钢表面缺陷检测装置 | |
CN106944362B (zh) | 一种基于视频图像识别的智能分类提示方法、装置及系统 | |
CN203101288U (zh) | 一种ito导电玻璃的全自动光学检测系统 | |
CN112557063A (zh) | 一种基于视觉的跨座式单轨轮胎的胎面检测系统 | |
CN202158839U (zh) | 浮法玻璃在线板宽实时检测装置 | |
WO2023168985A1 (zh) | 一种基于激光扫描的阴极铜质量检测系统及方法 | |
CN102954966A (zh) | 热连铸钢坯表面质量检测系统 | |
CN209167149U (zh) | 一种天窗导轨光照检测工具 | |
CN103033520A (zh) | 热连铸钢坯表面质量检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |