【摘 要】
：
机器视觉作为人工智能的重要分支,随着钢铁行业智慧制造,人工智能推广应用也越来越得到重视,为了实现热轧产线智慧制造发展需求,提升生产效率,提出通过常规视频采集,采用机器视觉各类算法和模型进行分析,智能识别产线各个工艺段异常情况,及时输出预警信息或控制信号,实现人工智能机器视觉技术与流程制造业的深度融合。
论文部分内容阅读
机器视觉作为人工智能的重要分支,随着钢铁行业智慧制造,人工智能推广应用也越来越得到重视,为了实现热轧产线智慧制造发展需求,提升生产效率,提出通过常规视频采集,采用机器视觉各类算法和模型进行分析,智能识别产线各个工艺段异常情况,及时输出预警信息或控制信号,实现人工智能机器视觉技术与流程制造业的深度融合。
其他文献
1984年,我队从美国引进两套高精度无线电导航定位系统:阿戈和玛西兰系统。从订合同、培训到验收都在同年完成。阿戈系统是精度高、测距远的中频相位系统。工作频率为1.6—2.0千赫,最大工作距离740公里,发射功率100瓦,仪器定位精度为1.4米。既可按距离—距离方式工作,也可按双曲线方式工作。阿戈系统的缺点是巷识别能力只能在±5巷以内,
英国海洋研究所(IOS)已经同美国地质调查所(USGS)签订了一项对美国西海岸海底进行金属矿物调查的重要合同。这项合同调查将花费100万英磅,用了三个月时间,从加里福尼亚的圣地亚哥开始,最终测制出太平洋东部地区海域第一幅详细的地貌图,图幅位于500米等深线和200海里专属经济区边界之内,这个海域被认为富含金属矿。进行这项调查是由英国海洋研究所和美国地质调查所共同参与下由《Farnella》号船进行
特征检测是计算机视觉中的一个基本问题,特征检测器检测提取特征的能力直接影响着后续图像处理的效果.目前,手工制作的检测器提取可重复性特征效果差,而一些基于学习的检测器网络结构复杂、检测速度较慢.针对这些问题,提出了一种网络轻量化的特征检测器VGG(visual geometry group network)-Det.通过对传统VGG16网络模型进行层间删减以及结构调整,设计了一个紧凑型的网络模型,并
中厚板材在轧制过程中存在表面缺陷种类多、背景复杂的问题。为了能够实时准确地检测中厚板表面缺陷,首先设计了基于遗传算法-加权大津法(weighted OTSU method based on genetic algorithm, GA-W-OTSU)来实现缺陷感兴趣区域(region of interest, ROI)的提取,通过对类间方差函数进行加权优化,并采用遗传算法寻找最优阈值,分割出缺陷候选
以研究转炉出钢自动化为契机,对基于机器视觉钢流位置图像进行分析。通过一段在红外摄像机下拍摄到的转炉出钢过程视频,对红外钢流图像预处理、钢流位置的检测和追踪进行了探讨。利用先进的计算机视觉的图像识别和分析系统,通过阈值分割的方法在单帧图像中完成钢流的检测,得到钢流的状态信息,研究相关的动态目标追踪算法,探讨了钢流图像序列的动态追踪技术。
台大海洋研究所17名研究人员,乘新从挪威买来的"海研一"号海洋研究船在南海海域实施海洋物探、化学及地质采集、目前已完成首次南海勘探计划。在南海调查时,创了一项海底沉积物取样7.5米的记录(以往最长为4.5米)。该船装备有多频道反射地震测量仪及鱼探仪等新式装置,能进行海洋物探、海洋地质、海洋化学、海洋生物、等调查。
采用三维点云配准理论和物料中心坐标误差分析方法对天车自动抓取货物的精度进行分析计算,考虑库图坐标系、天车坐标系和视觉坐标系的误差,分析了传统ICP算法,建立了改进的ICP算法模型。通过坐标系原点测量、点云采集、误差分析、自动配准优化,最后获得库图坐标系下高精度点云图,通过现场应用验证,使钢卷柱心视觉坐标相对库图坐标的偏差减少了53%,达到了优化目标,并且消除了现场由于偏差过大造成的钢卷夹取失败现象
数字化已成为工业生产的趋势。生产现场的自动化程度很高,但是这些自动化系统中仍存在很多单体设备,这些单体设备不提供对外数据接口,常规的数据采集方法不适用于此情况。提供一种基于计算机视觉的方法,该方法将单体设备数据通过图片方式转存,经神经网络算法识别,挖掘出需要的数据。通过对某企业生产现场单体设备的数据采集,证明了该方法的有效性和可行性。
为阐明海洋板块的俯冲机制、日本列岛的地震机理,以及进行测深和海底热液矿床等多目的调查,自1983年以来,日本政府除依靠国内力量外,还与法、美、德等国合作,制订了一系列国际合作勘探调查计划,加上联合国的一些调查项目的实施,在日木近海展开了大规模的海底综合调查。首先是"深海2000"号深潜艇在相模湾发现了引起大洋板块俯冲的阶地构造痕迹。