KR20200103450A - 카메라를 이용한 기기의 고장진단 방법 및 그 시스템 - Google Patents

카메라를 이용한 기기의 고장진단 방법 및 그 시스템 Download PDF

Info

Publication number
KR20200103450A
KR20200103450A KR1020190021971A KR20190021971A KR20200103450A KR 20200103450 A KR20200103450 A KR 20200103450A KR 1020190021971 A KR1020190021971 A KR 1020190021971A KR 20190021971 A KR20190021971 A KR 20190021971A KR 20200103450 A KR20200103450 A KR 20200103450A
Authority
KR
South Korea
Prior art keywords
location
target device
camera
computer
state
Prior art date
Application number
KR1020190021971A
Other languages
English (en)
Other versions
KR102238754B1 (ko
Inventor
배영철
Original Assignee
전남대학교산학협력단
대양전기 주식회사
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 전남대학교산학협력단, 대양전기 주식회사 filed Critical 전남대학교산학협력단
Priority to KR1020190021971A priority Critical patent/KR102238754B1/ko
Publication of KR20200103450A publication Critical patent/KR20200103450A/ko
Application granted granted Critical
Publication of KR102238754B1 publication Critical patent/KR102238754B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • 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
    • G06T7/001—Industrial image inspection using an image reference approach
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

본 발명은 기기의 고장진단 방법에 관한 것으로, 보다 구체적으로는 회전기기의 축 정렬 또는 위치 변동 상태를 카메라로 추적하여 고장 여부를 사전에 진단할 수 있는 카메라를 이용한 기기의 고장진단 방법 및 그 시스템에 관한 것이다.

Description

카메라를 이용한 기기의 고장진단 방법 및 그 시스템{Fault diagnostic of large rotating machinery using camera}
본 발명은 기기의 고장진단 방법에 관한 것으로, 보다 구체적으로는 회전기기의 축 정렬 또는 위치 변동 상태를 카메라로 추적하여 고장 여부를 사전에 진단할 수 있는 카메라를 이용한 기기의 고장진단 방법 및 그 시스템에 관한 것이다.
스마트공장이란 설계·개발, 제조 및 유통·물류 등 생산 과정에 디지털 자동화 솔루션이 결합된 정보통신기술(ICT)을 적용하여 생산성, 품질, 고객만족도를 향상시키는 지능형 생산공장을 말한다.
현재 스마트공장에서 사용되는 기기들의 고장진단은 기기에 진동 센서, 음향센서, 전압 전류 센서 등 다수의 IoT센서를 설치하고, 센서들에서 수집된 신호들을 분석함으로써 이루어진다.
이러한 고장진단 방법은 많은 개수의 센서를 부착하여 기기의 상태를 정밀하게 계측할 수 있는 장점이 있으나 투자대비 수익률(ROI:return on investment) 측면에서 효율이 낮은 단점이 있다.
본 발명은 상술한 문제점을 해결하기 위해 안출된 것으로 본 발명의 목적은 하나의 카메라를 이용하여 적은 비용으로도 기기의 고장을 진단할 수 있는 카메라를 이용한 기기의 고장진단 방법 및 그 시스템
상기의 목적을 달성하기 위하여 본 발명은 진동하거나 회전축을 갖는 기기(이하, '대상 기기'라 함)의 고장진단 방법으로서, 계측수단이 상기 대상 기기와 이격된 서로 다른 복수의 위치(이하, '계측 위치'라 함)에서 상기 대상 기기의 상태를 계측하는 단계; 컴퓨터가 상기 대상 기기의 상태를 대상 기기의 위치(이하, '제1 기기 위치'라 함)로 변환하여 학습하는 단계; 상기 대상 기기가 동작한 후에 상기 계측 수단이 상기 각 계측 위치에서 상기 대상 기기의 상태를 계측하는 단계; 상기 컴퓨터가 동작 후에 계측된 상기 대상 기기의 상태를 위치(이하, '제2 기기 위치'라 함)로 변환하여 획득하는 단계; 상기 컴퓨터가 동일한 계측 위치에서의 제1 기기 위치와 제2 기기 위치를 서로 비교하여 임계 개수 이상의 위치 차이가 발생할 경우 상기 대상 기기를 고장으로 진단하는 단계;를 포함하는 것을 특징으로 하는 기기의 고장진단 방법을 제공한다.
바람직한 실시예에 있어서, 상기 계측수단은 카메라이며, 상기 제1 기기 위치는 상기 카메라에서 촬영된 영상에 가상 격자를 위치시키고 상기 가상 격자 상에서 상기 대상 기기가 위치하는 좌표로 계산된다.
바람직한 실시예에 있어서, 상기 제1 기기 위치의 학습은 합성곱신경망(CNN:Convolutional Neural Network)을 통해 이루어진다.
또한, 본 발명은 상기 고장진단 방법을 수행하는 계측수단 및 컴퓨터를 포함하는 기기의 고장진단 시스템을 더 제공한다.
본 발명은 다음과 같은 우수한 효과를 가진다.
본 발명의 일 실시예에 따른 고장진단 방법에 의하면, 하나의 카메라를 이용하여 기기의 고장을 진단할 수 있으므로 적은 비용으로 기기의 고장진단을 수행할 수 있으며, 카메라가 기기에 부착되는 것이 아니라 기기와 이격된 위치에서 영상을 촬영하므로 기존에 기기에 부착되어 기기의 상태를 계측하는 진동 센서들과 비교하여 진단의 정확성을 향상시킬 수 있는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 고장진단 시스템을 보여주는 도면,
도 2는 본 발명의 일 실시예에 따른 고장진단 시스템이 획득한 제1 기기 위치를 설명하기 위한 도면,
도 3은 본 발명의 일 실시예에 따른 고장진단 시스템이 획득한 제2 기기 위치를 설명하기 위한 도면이다.
본 발명에서 사용되는 용어는 가능한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 특정한 경우는 출원인이 임의로 선정한 용어도 있는데 이 경우에는 단순한 용어의 명칭이 아닌 발명의 상세한 설명 부분에 기재되거나 사용된 의미를 고려하여 그 의미가 파악되어야 할 것이다.
이하, 첨부한 도면에 도시된 바람직한 실시예들을 참조하여 본 발명의 기술적 구성을 상세하게 설명한다.
그러나 본 발명은 여기서 설명되는 실시예에 한정되지 않고 다른 형태로 구체화될 수도 있다. 명세서 전체에 걸쳐 동일한 참조번호는 동일한 구성요소를 나타낸다.
도 1은 본 발명의 일 실시예에 따른 고장진단 시스템을 보여주는 도면이다.
도 1을 참조하면, 본 발명의 고장진단 방법은 고장진단 시스템을 통해 이루어지며, 상기 고장진단 시스템은 계측수단(100) 및 컴퓨터(200)를 포함하여 이루어진다.
또한, 상기 계측수단(100)은 영상을 촬영하는 카메라이며, 음향센서나 진동센서를 이용할 수도 있다.
다만, 상기 음향센서나 진동센서의 경우 신호 처리를 통해 계측된 정보를 위치 정보로 변환하는 과정이 필요하다.
또한, 상기 카메라(100)는 고장 진단 대상인 대상기기(10)와 소정의 거리 이격되어 위치하며, 격자 상의 서로 다른 계측 위치(20)로 이동하며 촬영하기 위한 구조물(도시하지 않음)에 체결된다.
또한, 상기 대상기기(10)는 진동하거나 회전축을 갖는 회전기기이다.
그러나 본 발명의 고장진단 방법은 고정되어 있더라도 자연재해 등에 의해 움직일 가능성이 있는 건축물 등에도 적용이 가능하다.
또한, 상기 컴퓨터(200)는 상기 카메라(100)와 연결되고, 상기 카메라(100)로부터 상기 대상기기(10)의 영상을 입력받아 상기 대상기기(10)의 고장을 진단한다.
또한, 상기 컴퓨터(200)는 일반적인 퍼스널 컴퓨터뿐만 아니라 임베디드 시스템, 스마트 기기 등, 영상 처리가 가능한 장치라면 어떠한 장치로도 대체가 가능하다.
또한, 상기 컴퓨터(200)에는 상기 카메라(100)가 촬영한 영상을 이용하여 상기 대상 기기(10)의 고장을 진단하는 진단 프로그램이 설치된다.
또한, 상기 진단 프로그램은 별도의 기록 매체에 저장되어 제공될 수 있으며, 상기 기록매체는 본 발명을 위하여 특별히 설계되어 구성된 것들이거나 컴퓨터 소프트웨어 분야에서 통상의 지식을 가진 자에게 공지되어 사용 가능한 것일 수 있다.
예를 들면, 상기 기록매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD, DVD와 같은 광 기록 매체, 자기 및 광 기록을 겸할 수 있는 자기-광 기록 매체, 롬, 램, 플래시 메모리 등 단독 또는 조합에 의해 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치일 수 있다.
또한, 상기 진단 프로그램은 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등이 단독 또는 조합으로 구성된 프로그램일 수 있고, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라, 인터프리터 등을 사용하여 컴퓨터에 의해 실행될 수 있는 고급 언어 코드로 짜여진 프로그램일 수 있다.
이하에서는 본 발명의 일 실시예에 따른 고장진단 방법을 상세히 설명한다.
본 발명의 고장진단 방법은 먼저, 상기 카메라(100)가 서로 다른 복수의 계측 위치(20)에서 대상기기(10)의 영상을 촬영하고, 촬영된 영상을 컴퓨터(200)로 전송한다.
또한, 영상의 촬영은 계측 위치들(20) 각각에서 복수 회 이루어지며, ROI의 향상을 위해 하나의 카메라(100)로 촬영하는 것이 바람직하다.
다음, 상기 컴퓨터(200)는 촬영된 영상들을 이용하여 각 계측 위치에서 대상기기의 위치(이하, '제1 기기 위치'라 함)를 학습한다.
도 2는 상기 제1 기기 학습위치를 학습하는 방법을 설명하기 위한 것으로 상기 컴퓨터(200)는 동일한 계측 위치에서 촬영된 영상들을 합성곱 신경망(CNN:Convolutional neural network)과 같은 인공신경망을 통해 위치를 학습한다.
그러나 상기 컴퓨터(200)는 합성곱 신경망 이외에 결정 트리(Decision tree), K-최근접 이웃 알고리즘, 로지스틱 회귀분석(Logistic Regression)과 같은 머신러닝을 함께 이용하거나 대체 이용하여 상기 제1 기기 위치를 학습할 수 있다.
또한, 상기 제1 기기 위치는 도 2에 도시한 바와 같이 입력된 영상(110)에 좌표를 갖는 가상 격자(120)를 위치시키고 상기 가상 격자(120)상에서 대상기기 영상(11)의 좌표를 찾음으로써 획득된다.
또한, 상기 제1 기기 위치는 x축 상에서 두 개의 최외곽 좌표(xa,xb) y축 상에서 두 개의 최외곽 좌표(ya,yb)로 획득될 수 있다.
또한, 상기 제1 기기 위치는 각각의 계측위치(20)에서 촬영된 영상들을 학습하여 복수 개로 획득되며, 도 1에 예시와 같이 계측위치가 20개일 경우 상기 제1 기기 위치는 20개로 획득된다.
다음, 상기 대상 기기(10)가 동작한 후, 또는 동작 중에 상기 카메라(100)는 상기 계측 위치(20)들을 이동하여 영상촬영을 수행하여 촬영된 영상을 상기 컴퓨터(200)로 전송한다.
그러면, 상기 컴퓨터(200)는 촬영된 영상을 상기 가상 격자 상에 놓고 영상 내에서 대상기기의 위치(이하, '제2 기기 위치'라 함)를 학습한다.
또한, 상기 제2 기기 위치는 상기 제1 기기 위치와 동일하게 영상 내에서 대상 기기 영상의 좌표(도 2의 (xa',x')(ya',yb') 참조)로 획득된다.
다음, 상기 제1 기기 위치와 상기 제2 기기 위치를 서로 비교하여 기기 위치의 차이(도 2의 da, db 참조)가 발생할 경우 상기 대상기기가 고장이 발생한 것으로 진단한다.
자세하게는 임계 개수 이상의 차이가 발생할 경우 고장이 발생한 것으로 진단하며, 예를 들면, 20개의 계측위치에서 획득된 영상들 중, 2개 이상의 영상에서 위치 차이가 발생한 경우 고장이 발생한 것으로 진단할 수 있다.
그러나 상기 2개의 임계 개수는 설계자에 의해 변경이 가능하다.
따라서, 본 발명의 일 실시예에 따른 고장진단 방법은 하나의 카메라를 이용하여 기기의 고장을 진단할 수 있으므로 적은 비용으로 기기의 고장진단을 수행할 수 있으며, 기기에 부착되는 것이 아니라 기기와 이격된 위치에서 영상을 촬영하므로 기존에 기기에 부착되어 기기의 상태를 계측하는 진동 센서들과 비교하여 진단의 정확성을 향상시킬 수 있는 장점이 있다.
또한, 본 발명의 실시예에서는 상기 각 계측위치(20)들에서 촬영된 2차원의 영상을 서로 비교하여 고장 발생여부를 판단하는 것을 설명하였으나 상기 계측위치(20)들에서 촬영된 영상들을 하나의 3차원 데이터로 재구성하여 학습하고, 3차원 데이터들을 서로 비교함으로써 고장 발생여부를 판단할 수도 있다.
이렇게 3차원 데이터를 비교하는 방법은 2차원 영상들을 서로 비교하는 방법에 비해 외란에 더욱 강인하게 고장 발생여부를 판단할 수 있는 장점이 있다.
이상에서 살펴본 바와 같이 본 발명은 바람직한 실시예를 들어 도시하고 설명하였으나, 상기한 실시예에 한정되지 아니하며 본 발명의 정신을 벗어나지 않는 범위 내에서 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변경과 수정이 가능할 것이다.
10:대상기기 100:카메라
200:컴퓨터

Claims (4)

  1. 진동하거나 회전축을 갖는 기기(이하, '대상 기기'라 함)의 고장진단 방법으로서,
    계측수단이 상기 대상 기기와 이격된 서로 다른 복수의 위치(이하, '계측 위치'라 함)에서 상기 대상 기기의 상태를 계측하는 단계;
    컴퓨터가 상기 대상 기기의 상태를 대상 기기의 위치(이하, '제1 기기 위치'라 함)로 변환하여 학습하는 단계;
    상기 대상 기기가 동작한 후에 상기 계측 수단이 상기 각 계측 위치에서 상기 대상 기기의 상태를 계측하는 단계;
    상기 컴퓨터가 동작 후에 계측된 상기 대상 기기의 상태를 위치(이하, '제2 기기 위치'라 함)로 변환하여 획득하는 단계;
    상기 컴퓨터가 동일한 계측 위치에서의 제1 기기 위치와 제2 기기 위치를 서로 비교하여 임계 개수 이상의 위치 차이가 발생할 경우 상기 대상 기기를 고장으로 진단하는 단계;를 포함하는 것을 특징으로 하는 기기의 고장진단 방법.
  2. 제 1 항에 있어서,
    상기 계측수단은 카메라이며,
    상기 제1 기기 위치는 상기 카메라에서 촬영된 영상에 가상 격자를 위치시키고 상기 가상 격자 상에서 상기 대상 기기가 위치하는 좌표로 계산되는 것을 특징으로 하는 기기의 고장진단 방법.
  3. 제 1 항 또는 제 2 항에 있어서,
    상기 제1 기기 위치의 학습은 합성곱신경망(CNN:Convolutional Neural Network)을 통해 이루어지는 것을 특징으로 하는 기기의 고장진단 방법.
  4. 제 3 항의 고장진단 방법을 수행하는 계측수단 및 컴퓨터를 포함하는 기기의 고장진단 시스템.
KR1020190021971A 2019-02-25 2019-02-25 카메라를 이용한 기기의 고장진단 방법 및 그 시스템 KR102238754B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190021971A KR102238754B1 (ko) 2019-02-25 2019-02-25 카메라를 이용한 기기의 고장진단 방법 및 그 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190021971A KR102238754B1 (ko) 2019-02-25 2019-02-25 카메라를 이용한 기기의 고장진단 방법 및 그 시스템

Publications (2)

Publication Number Publication Date
KR20200103450A true KR20200103450A (ko) 2020-09-02
KR102238754B1 KR102238754B1 (ko) 2021-04-09

Family

ID=72449798

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190021971A KR102238754B1 (ko) 2019-02-25 2019-02-25 카메라를 이용한 기기의 고장진단 방법 및 그 시스템

Country Status (1)

Country Link
KR (1) KR102238754B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002321266A (ja) * 2001-04-24 2002-11-05 Juo:Kk 金型監視装置及び金型監視方法
KR20170066099A (ko) * 2015-12-04 2017-06-14 주식회사 원프레딕트 회전체 진단 장치 및 방법
KR20190012434A (ko) * 2017-07-27 2019-02-11 한국해양대학교 산학협력단 영상기반 회전축 토크 센싱 시스템 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002321266A (ja) * 2001-04-24 2002-11-05 Juo:Kk 金型監視装置及び金型監視方法
KR20170066099A (ko) * 2015-12-04 2017-06-14 주식회사 원프레딕트 회전체 진단 장치 및 방법
KR20190012434A (ko) * 2017-07-27 2019-02-11 한국해양대학교 산학협력단 영상기반 회전축 토크 센싱 시스템 및 방법

Also Published As

Publication number Publication date
KR102238754B1 (ko) 2021-04-09

Similar Documents

Publication Publication Date Title
US11004235B2 (en) Method and apparatus for determining position and orientation of bucket of excavator
US9058538B1 (en) Bundle adjustment based on image capture intervals
JP6551565B2 (ja) 工程解析装置、工程解析方法、及び工程解析プログラム
US9465976B1 (en) Feature reduction based on local densities for bundle adjustment of images
US11526783B2 (en) Abnormality determination device, learning device, and abnormality determination method
CN111353971A (zh) 基于图像的维修预测和操作误差检测
JP6636214B1 (ja) 診断装置、診断方法及びプログラム
JP2019159961A (ja) 検査システム、画像識別システム、識別システム、識別器生成システム、及び学習データ生成装置
JP2018051721A (ja) 異常検出装置、異常検出方法及びプログラム
CN115471625A (zh) 一种云机器人平台大数据智能决策方法和系统
JP2019191117A (ja) 画像処理装置、画像処理方法及びプログラム
JP2022554302A (ja) 製造プロセスのためのシステム、方法、および媒体
CN111752733A (zh) 气动系统中的异常检测
TW202028901A (zh) 異常因子推估裝置、異常因子推估方法及程式產品
CN105203302A (zh) 用于检测解像力的方法及解像力检测装置
CN111161153B (zh) 宽景拼接方法、装置及存储介质
JP2015520377A (ja) 直交下層ダミーフィルを有するオーバレイターゲット
KR20220064098A (ko) 기계학습 기반 고장 진단 장치 및 방법
CN105630661A (zh) 用于自动化跨系统程序调试的方法和装置
US20170147736A1 (en) Automated scan chain diagnostics using emission
CN116012681A (zh) 基于声振信号融合的管道机器人电机故障诊断方法及系统
KR102238754B1 (ko) 카메라를 이용한 기기의 고장진단 방법 및 그 시스템
CN105654474A (zh) 基于视觉引导的机械臂定位方法及装置
KR102198028B1 (ko) 스마트 팩토리 가상설계에 따른 설비배치에 대한 설비위치 검증방법
WO2021134506A1 (zh) 宽景拼接方法、装置及存储介质

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant