一种基于机器视觉的钢筋检测方法

    公开(公告)号:CN118640836A

    公开(公告)日:2024-09-13

    申请号:CN202410683866.0

    申请日:2024-05-29

    摘要: 本发明涉及钢筋检测技术领域,且公开了一种基于机器视觉的钢筋检测方法,包括以下步骤;步骤一、钢筋图像采集;步骤二、钢筋图像处理;在步骤一中通过摄像机扫描获取钢筋表面的图像数据,并转换为图像信号,将图像信号传送给图像处理系统;在步骤二中通过二值化技术对图像进行二值化处理,将钢筋和背景分离出来,再去除图像中的噪声,以达到更加清晰的图像,从而得到钢筋的形态信息。本发明通过采用二号电机、连接轴、驱动链轮、传动链条和两个从动链轮的配合,便于带动两个双向丝杆转动,两个双向丝杆在转动的同时带动驱动块和防滑夹板移动,使得将四个夹板夹持在钢筋外壁的两端,便于对钢筋进行快速限位固定,方便后续对钢筋进行检测作业。

    一种基于选择重复的钢筋优化断料方法

    公开(公告)号:CN116739159A

    公开(公告)日:2023-09-12

    申请号:CN202310652195.7

    申请日:2023-06-05

    IPC分类号: G06Q10/04 G06Q50/08

    摘要: 本发明为一种基于选择重复的钢筋优化断料方法,所述方法给定比例值percentage,根据钢筋零件信息进行随机组合,得到m个组合结果,并记录钢筋零件实时数量信息;计算每个组合结果的钢筋零件长度相加之和lsum,将组合结果按照lsum由大到小排列,随机生成一个0‑1的小数,若小数小于给定比例值percentage,则挑选最优解,否则挑选次优解;最优解是排第1的组合结果,次优解是排第2的组合结果;将最优解或者次优解根据钢筋零件实时数量进行复制,且复制到不能复制为止;重复上述过程,直至所有长度的钢筋零件实时数量信息全部为0,得到一组钢筋优化断料方案;同理得到多组钢筋优化断料方案,输出众多方案中的最优断料方案。该方法收敛速度极快且效果更好。

    一种基于浮动感知钢筋纵肋位置的方法及装置

    公开(公告)号:CN115007736A

    公开(公告)日:2022-09-06

    申请号:CN202210623691.5

    申请日:2022-06-02

    IPC分类号: B21D31/00 B21C51/00

    摘要: 本发明为一种基于浮动感知钢筋纵肋位置的方法及装置,该方法包括转动钢筋设备、浮动部分、传感器,设置钢筋纵肋转动的理想位置,保持浮动部分的凹槽与所设置的理想位置处于同一平面内;开机装置运行,将测试钢筋安装在转动钢筋设备上,使浮动部分与钢筋表面接触,转动钢筋使得钢筋纵肋与浮动部分的凹槽咬合,记录此时浮动部分的高度为当前批次钢筋的中断量;在控制器内输入中断量,安装待调整的钢筋,转动钢筋设备的控制器控制钢筋转动,当传感器检测到浮动部分高度达到转动程序中断量时,控制器终止旋转钢筋动作,此时浮动部分的凹槽与钢筋纵肋咬合,钢筋纵肋处于理想位置。无需知晓原始偏差大小,只需在钢筋纵肋到达理想位置时感知。

    一种结合EMD和TCN的太阳能辐射预测方法

    公开(公告)号:CN114611414A

    公开(公告)日:2022-06-10

    申请号:CN202210500606.6

    申请日:2022-05-10

    摘要: 本发明公开了一种结合EMD和TCN的太阳能辐射预测方法,包括获取太阳能辐射和气象历史数据;对历史数据之间进行相关性分析,去掉不相关的气象历史数据;进行填充缺失值和异常值校正,获得待处理历史数据;采用EMD对待处理太阳能辐射历史数据进行分解,得到多个分量;对每个分量分别结合待处理气象历史数据,得到每个分量的待输入数据;对各个待输入数据分别进行归一化处理,再分别输入到各自的TCN模型中,得到预测数据;再将所有预测数据进行张量的累加,得到太阳能辐射的预测值;对TCN模型的参数进行调整,再进行反归一化,得到最终的预测结果值。本发明将EMD和TCN结合,具有并行计算、低内存消耗等优势,提高太阳能辐射预测性能。

    一种基于TCN-Attention的太阳能辐射预测方法

    公开(公告)号:CN113780640A

    公开(公告)日:2021-12-10

    申请号:CN202111000385.8

    申请日:2021-08-27

    IPC分类号: G06Q10/04 G06N3/04 G06N3/08

    摘要: 本发明涉及一种基于TCN‑Attention的太阳能辐射预测方法,其工作过程为:步骤S1,对气象站采集的历史太阳辐射数据进行必要的清洗、转换和规约等一系列的数据预处理以及对数据归一化处理以使各指标处于同一数量级;步骤S2,将数据集划分为训练集、测试集;步骤S3,建立基于Attention机制的TCN网络训练模型;步骤S4,输入历史太阳辐射数据至训练完成的预测模型,输出未来1h超短期太阳辐射值;本发明通过TCN模型的隐藏层引入所述的Attention机制模块,用以突出关键的信息,进一步提高了精确的预测效果。

    一种基于基因评价遗传算法的一维下料方法

    公开(公告)号:CN116663660A

    公开(公告)日:2023-08-29

    申请号:CN202310652588.8

    申请日:2023-06-05

    IPC分类号: G06N3/126 G16B20/00 G06Q10/04

    摘要: 本发明为一种基于基因评价遗传算法的一维下料方法,通过将基因材料随机组合,可以直观地了解到每个基因的构成,同时也知道每根钢筋如何进行切割,在解码上花销的时间也就降低了,通过对染色体中的每一个基因进行评分,进而挑选出优秀的基因进行变异,最终更容易更快地得到最优解;利用新的变异方式,使得对个体的评估时间降低,加快了算法的收敛速度。

    一种基于点的形状轮廓识别方法
    10.
    发明公开

    公开(公告)号:CN117078979A

    公开(公告)日:2023-11-17

    申请号:CN202310966608.9

    申请日:2023-08-03

    摘要: 本发明为一种基于点的形状轮廓识别方法,所述识别方法包括以下内容:构建标准图形库,所述标准图形库中包括规则图形或自定义图形,标准图形库中图片尺寸记为m*n;获得待识别图纸中各形状的点数据;采用聚类算法将一群点在空间中划分为不同的簇,对每一个簇都应用凸包算法得到一个包裹住该簇所有点的凸多边形;将凸多边形压缩至m*n尺寸形成标准凸多边形,并记录压缩率;将标准凸多边形和标准图形库中的每个图形进行IoU比对,取得分最高的标准图形库中的图形为预测的凸多边形的轮廓;然后再以预测的形状为依据根据压缩率反映射得到原始尺寸的结果,实现图纸中形状轮廓的识别。可以应用于各种形状的识别和分析,具有高效、稳定和广泛适用性的特点。