找到5项技术成果数据。
找技术>-
织物疵点检测系统
成熟度:正在研发
技术类型:-
应用行业:信息传输、软件和信息技术服务业
技术简介
技术投资分析:目前我国的织物疵点检测绝大多数由人工进行,工作效率低,目前的检验速度约20米/分。按目前的人工状况,浙江出入境检验检疫局出口纺织品只有40%多,内销纺织品实检不足20%。由于检验能力不足,经常导致因质量问题产生退货或索赔事件,影响出口创汇。织物疵点自动识别与检测系统采用计算机视觉,用摄像机和计算机代替人工对目标进行识别、跟踪和测量等,可最大限度地避免人为因素对检测结果的影响,实现客观评价。与人工方法相比,不会疲劳,不受生理、心理影响,在检测速度上占有明显的优势,特点是精确、快速、可靠以及数字化。本系统采用人工神经网络进行识别处理,具有学习功能,系统稳定性高,适应性强,可实时检测,可自动记录疵点图像,可输出识别结果。主要用于大中型纺织、印染、服装企业,商检部门,既用于在线织物疵点、印染色差检测,实现在线质量控制,又可进行织物、染色布的质量检测, 市场前景广阔。技术的应用领域前景分析:能用于纺织品自动快速检验与控制,能保证出口纺织质量,提高服装裁剪流水线裁片质量,其间接经济效益更为可观。我省纺织企业发达,服装企业众多,故我省纺织行业对织物疵点自动检测系统的需求较大,可形成产业。效益分析:本项目具有很好的市场前景和可观的经济效益。厂房条件建议:无备注:在现有设备基础上用于质量控制,每路约10~20万元人民币。用于质量检测每套约30~50万人民币。
-
一种坯布表面疵点在线检测装置
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种坯布表面疵点在线检测装置 本发明涉及一种坯布表面疵点在线检测装置,主机与从机通过以太网连接,摄像机组置于摄像机箱里面,各摄像机与从机通过安装在从机里面的图像采集卡来实现连接;从机接收主机指令开始图像采集并进行采集图像信息的处理,并向主机传送图像数据和图像处理结果信息,主机连接有疵点打标机,通过主机控制驱动疵点打标机对图像缺陷进行布边打标;旋转编码器通过弹性联轴器安装在下布辊上的同一轴线上,大功率LED条形阵列位于上布辊的侧面,通过活动铰链与固定上布辊的机架连接,采取单侧正向高角度离轴照明,LED条形阵列与摄像机拍摄轴线成θ’角,其中40°>θ’>15°,LED条形阵列可绕布辊轴心作角度为θ=25°的摆动定位。
-
基于机器视觉的纺织品表面质量检测技术以及其设备的研发
成熟度:正在研发
技术类型:-
应用行业:制造业
技术简介
本项目将机器视觉技术引入到验布机中,无需人眼,自动识别疵点,有效果地克服了人工检验的缺点,即效率低、误检率、漏检率高、易受主观因素的影响等不良特征检。系统构成由机架、滚筒、电机控制系统、张力控制系统构成,基本参数为: 幅宽:1.6-2.4m,速度:10-30m/min。 项目系统构成:机架、滚筒、电机控制系统、张力控制系统构成。基本参数: 幅宽:1.6-2.4m,速度:10-30m/min。技术指标:(1)人工检验效率(熟练工人)幅宽:1.6-2.0m,速度:10-15m/min,最多发现 70%的疵点。人员持续工作时间最多 4 个小时;(2)人工检验的缺点:效率低、误检率、漏检率高、易受主观因素的影响等不良特征;(3)自动验布机——机器视觉技术引入到验布中无需人眼,自动识别疵点,检验效率和准确率大大提高。
-
基于B样条小波和深度神经网络的织物疵点检测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种织物疵点自动检测方法包含深度神经网络模型训练和疵点图像检测两部分。深度神经网络模型训练主要是经过已有样本库的学习,实现在输入疵点图像的前提下,得到样本无疵点的重构图像。疵点图像检测如图所示。待测织物图像首先经过多次小波变换,得到保留大部分纹理信息的压缩图像并保存。然后把压缩图像输入到训练好的深度神经网络输入端,进行计算,在输出端得到重构的无疵点图像。随后把重构图像与保存的压缩图像做差值运算,得到只含有疵点的图像。最后通过对疵点图像的特征提取,分析出是否含有疵点及疵点的种类等。
-
基于机器视觉的纺织品表面质量检测技术以及其设备的研发
成熟度:通过中试
技术类型:-
应用行业:制造业
技术简介
本项目将机器视觉技术引入到验布机中,无需人眼,自动识别疵点,有效果地克服了人工检验的缺点,即效率低、误检率、漏检率高、易受主观因素的影响等不良特征检。系统构成由机架、滚筒、电机控制系统、张力控制系统构成,基本参数为:幅宽:1.6-2.4m,速度:10-30m/min。 项目系统构成:机架、滚筒、电机控制系统、张力控制系统构成。基本参数:幅宽:1.6-2.4m,速度:10-30m/min。 技术指标: (1)人工检验效率(熟练工人)幅宽:1.6-2.0m,速度:10-15m/min,最多发现70%的疵点。人员持续工作时间最多4个小时; (2)人工检验的缺点:效率低、误检率、漏检率高、易受主观因素的影响等不良特征; (3)自动验布机 —机器视觉技术引入到验布中无需人眼,自动识别疵点,检验效率和准确率大大提高。
找到5项技术成果数据。
找技术>-
织物疵点检测系统
成熟度:正在研发
技术类型:-
应用行业:信息传输、软件和信息技术服务业
技术简介
技术投资分析:目前我国的织物疵点检测绝大多数由人工进行,工作效率低,目前的检验速度约20米/分。按目前的人工状况,浙江出入境检验检疫局出口纺织品只有40%多,内销纺织品实检不足20%。由于检验能力不足,经常导致因质量问题产生退货或索赔事件,影响出口创汇。织物疵点自动识别与检测系统采用计算机视觉,用摄像机和计算机代替人工对目标进行识别、跟踪和测量等,可最大限度地避免人为因素对检测结果的影响,实现客观评价。与人工方法相比,不会疲劳,不受生理、心理影响,在检测速度上占有明显的优势,特点是精确、快速、可靠以及数字化。本系统采用人工神经网络进行识别处理,具有学习功能,系统稳定性高,适应性强,可实时检测,可自动记录疵点图像,可输出识别结果。主要用于大中型纺织、印染、服装企业,商检部门,既用于在线织物疵点、印染色差检测,实现在线质量控制,又可进行织物、染色布的质量检测, 市场前景广阔。技术的应用领域前景分析:能用于纺织品自动快速检验与控制,能保证出口纺织质量,提高服装裁剪流水线裁片质量,其间接经济效益更为可观。我省纺织企业发达,服装企业众多,故我省纺织行业对织物疵点自动检测系统的需求较大,可形成产业。效益分析:本项目具有很好的市场前景和可观的经济效益。厂房条件建议:无备注:在现有设备基础上用于质量控制,每路约10~20万元人民币。用于质量检测每套约30~50万人民币。
-
一种坯布表面疵点在线检测装置
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种坯布表面疵点在线检测装置 本发明涉及一种坯布表面疵点在线检测装置,主机与从机通过以太网连接,摄像机组置于摄像机箱里面,各摄像机与从机通过安装在从机里面的图像采集卡来实现连接;从机接收主机指令开始图像采集并进行采集图像信息的处理,并向主机传送图像数据和图像处理结果信息,主机连接有疵点打标机,通过主机控制驱动疵点打标机对图像缺陷进行布边打标;旋转编码器通过弹性联轴器安装在下布辊上的同一轴线上,大功率LED条形阵列位于上布辊的侧面,通过活动铰链与固定上布辊的机架连接,采取单侧正向高角度离轴照明,LED条形阵列与摄像机拍摄轴线成θ’角,其中40°>θ’>15°,LED条形阵列可绕布辊轴心作角度为θ=25°的摆动定位。
-
基于机器视觉的纺织品表面质量检测技术以及其设备的研发
成熟度:正在研发
技术类型:-
应用行业:制造业
技术简介
本项目将机器视觉技术引入到验布机中,无需人眼,自动识别疵点,有效果地克服了人工检验的缺点,即效率低、误检率、漏检率高、易受主观因素的影响等不良特征检。系统构成由机架、滚筒、电机控制系统、张力控制系统构成,基本参数为: 幅宽:1.6-2.4m,速度:10-30m/min。 项目系统构成:机架、滚筒、电机控制系统、张力控制系统构成。基本参数: 幅宽:1.6-2.4m,速度:10-30m/min。技术指标:(1)人工检验效率(熟练工人)幅宽:1.6-2.0m,速度:10-15m/min,最多发现 70%的疵点。人员持续工作时间最多 4 个小时;(2)人工检验的缺点:效率低、误检率、漏检率高、易受主观因素的影响等不良特征;(3)自动验布机——机器视觉技术引入到验布中无需人眼,自动识别疵点,检验效率和准确率大大提高。
-
基于B样条小波和深度神经网络的织物疵点检测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种织物疵点自动检测方法包含深度神经网络模型训练和疵点图像检测两部分。深度神经网络模型训练主要是经过已有样本库的学习,实现在输入疵点图像的前提下,得到样本无疵点的重构图像。疵点图像检测如图所示。待测织物图像首先经过多次小波变换,得到保留大部分纹理信息的压缩图像并保存。然后把压缩图像输入到训练好的深度神经网络输入端,进行计算,在输出端得到重构的无疵点图像。随后把重构图像与保存的压缩图像做差值运算,得到只含有疵点的图像。最后通过对疵点图像的特征提取,分析出是否含有疵点及疵点的种类等。
-
基于机器视觉的纺织品表面质量检测技术以及其设备的研发
成熟度:通过中试
技术类型:-
应用行业:制造业
技术简介
本项目将机器视觉技术引入到验布机中,无需人眼,自动识别疵点,有效果地克服了人工检验的缺点,即效率低、误检率、漏检率高、易受主观因素的影响等不良特征检。系统构成由机架、滚筒、电机控制系统、张力控制系统构成,基本参数为:幅宽:1.6-2.4m,速度:10-30m/min。 项目系统构成:机架、滚筒、电机控制系统、张力控制系统构成。基本参数:幅宽:1.6-2.4m,速度:10-30m/min。 技术指标: (1)人工检验效率(熟练工人)幅宽:1.6-2.0m,速度:10-15m/min,最多发现70%的疵点。人员持续工作时间最多4个小时; (2)人工检验的缺点:效率低、误检率、漏检率高、易受主观因素的影响等不良特征; (3)自动验布机 —机器视觉技术引入到验布中无需人眼,自动识别疵点,检验效率和准确率大大提高。
找到5项技术成果数据。
找技术>-
织物疵点检测系统
成熟度:正在研发
技术类型:-
应用行业:信息传输、软件和信息技术服务业
技术简介
技术投资分析:目前我国的织物疵点检测绝大多数由人工进行,工作效率低,目前的检验速度约20米/分。按目前的人工状况,浙江出入境检验检疫局出口纺织品只有40%多,内销纺织品实检不足20%。由于检验能力不足,经常导致因质量问题产生退货或索赔事件,影响出口创汇。织物疵点自动识别与检测系统采用计算机视觉,用摄像机和计算机代替人工对目标进行识别、跟踪和测量等,可最大限度地避免人为因素对检测结果的影响,实现客观评价。与人工方法相比,不会疲劳,不受生理、心理影响,在检测速度上占有明显的优势,特点是精确、快速、可靠以及数字化。本系统采用人工神经网络进行识别处理,具有学习功能,系统稳定性高,适应性强,可实时检测,可自动记录疵点图像,可输出识别结果。主要用于大中型纺织、印染、服装企业,商检部门,既用于在线织物疵点、印染色差检测,实现在线质量控制,又可进行织物、染色布的质量检测, 市场前景广阔。技术的应用领域前景分析:能用于纺织品自动快速检验与控制,能保证出口纺织质量,提高服装裁剪流水线裁片质量,其间接经济效益更为可观。我省纺织企业发达,服装企业众多,故我省纺织行业对织物疵点自动检测系统的需求较大,可形成产业。效益分析:本项目具有很好的市场前景和可观的经济效益。厂房条件建议:无备注:在现有设备基础上用于质量控制,每路约10~20万元人民币。用于质量检测每套约30~50万人民币。
-
一种坯布表面疵点在线检测装置
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种坯布表面疵点在线检测装置 本发明涉及一种坯布表面疵点在线检测装置,主机与从机通过以太网连接,摄像机组置于摄像机箱里面,各摄像机与从机通过安装在从机里面的图像采集卡来实现连接;从机接收主机指令开始图像采集并进行采集图像信息的处理,并向主机传送图像数据和图像处理结果信息,主机连接有疵点打标机,通过主机控制驱动疵点打标机对图像缺陷进行布边打标;旋转编码器通过弹性联轴器安装在下布辊上的同一轴线上,大功率LED条形阵列位于上布辊的侧面,通过活动铰链与固定上布辊的机架连接,采取单侧正向高角度离轴照明,LED条形阵列与摄像机拍摄轴线成θ’角,其中40°>θ’>15°,LED条形阵列可绕布辊轴心作角度为θ=25°的摆动定位。
-
基于机器视觉的纺织品表面质量检测技术以及其设备的研发
成熟度:正在研发
技术类型:-
应用行业:制造业
技术简介
本项目将机器视觉技术引入到验布机中,无需人眼,自动识别疵点,有效果地克服了人工检验的缺点,即效率低、误检率、漏检率高、易受主观因素的影响等不良特征检。系统构成由机架、滚筒、电机控制系统、张力控制系统构成,基本参数为: 幅宽:1.6-2.4m,速度:10-30m/min。 项目系统构成:机架、滚筒、电机控制系统、张力控制系统构成。基本参数: 幅宽:1.6-2.4m,速度:10-30m/min。技术指标:(1)人工检验效率(熟练工人)幅宽:1.6-2.0m,速度:10-15m/min,最多发现 70%的疵点。人员持续工作时间最多 4 个小时;(2)人工检验的缺点:效率低、误检率、漏检率高、易受主观因素的影响等不良特征;(3)自动验布机——机器视觉技术引入到验布中无需人眼,自动识别疵点,检验效率和准确率大大提高。
-
基于B样条小波和深度神经网络的织物疵点检测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种织物疵点自动检测方法包含深度神经网络模型训练和疵点图像检测两部分。深度神经网络模型训练主要是经过已有样本库的学习,实现在输入疵点图像的前提下,得到样本无疵点的重构图像。疵点图像检测如图所示。待测织物图像首先经过多次小波变换,得到保留大部分纹理信息的压缩图像并保存。然后把压缩图像输入到训练好的深度神经网络输入端,进行计算,在输出端得到重构的无疵点图像。随后把重构图像与保存的压缩图像做差值运算,得到只含有疵点的图像。最后通过对疵点图像的特征提取,分析出是否含有疵点及疵点的种类等。
-
基于机器视觉的纺织品表面质量检测技术以及其设备的研发
成熟度:通过中试
技术类型:-
应用行业:制造业
技术简介
本项目将机器视觉技术引入到验布机中,无需人眼,自动识别疵点,有效果地克服了人工检验的缺点,即效率低、误检率、漏检率高、易受主观因素的影响等不良特征检。系统构成由机架、滚筒、电机控制系统、张力控制系统构成,基本参数为:幅宽:1.6-2.4m,速度:10-30m/min。 项目系统构成:机架、滚筒、电机控制系统、张力控制系统构成。基本参数:幅宽:1.6-2.4m,速度:10-30m/min。 技术指标: (1)人工检验效率(熟练工人)幅宽:1.6-2.0m,速度:10-15m/min,最多发现70%的疵点。人员持续工作时间最多4个小时; (2)人工检验的缺点:效率低、误检率、漏检率高、易受主观因素的影响等不良特征; (3)自动验布机 —机器视觉技术引入到验布中无需人眼,自动识别疵点,检验效率和准确率大大提高。
找到5项技术成果数据。
找技术>-
织物疵点检测系统
成熟度:正在研发
技术类型:-
应用行业:信息传输、软件和信息技术服务业
技术简介
技术投资分析:目前我国的织物疵点检测绝大多数由人工进行,工作效率低,目前的检验速度约20米/分。按目前的人工状况,浙江出入境检验检疫局出口纺织品只有40%多,内销纺织品实检不足20%。由于检验能力不足,经常导致因质量问题产生退货或索赔事件,影响出口创汇。织物疵点自动识别与检测系统采用计算机视觉,用摄像机和计算机代替人工对目标进行识别、跟踪和测量等,可最大限度地避免人为因素对检测结果的影响,实现客观评价。与人工方法相比,不会疲劳,不受生理、心理影响,在检测速度上占有明显的优势,特点是精确、快速、可靠以及数字化。本系统采用人工神经网络进行识别处理,具有学习功能,系统稳定性高,适应性强,可实时检测,可自动记录疵点图像,可输出识别结果。主要用于大中型纺织、印染、服装企业,商检部门,既用于在线织物疵点、印染色差检测,实现在线质量控制,又可进行织物、染色布的质量检测, 市场前景广阔。技术的应用领域前景分析:能用于纺织品自动快速检验与控制,能保证出口纺织质量,提高服装裁剪流水线裁片质量,其间接经济效益更为可观。我省纺织企业发达,服装企业众多,故我省纺织行业对织物疵点自动检测系统的需求较大,可形成产业。效益分析:本项目具有很好的市场前景和可观的经济效益。厂房条件建议:无备注:在现有设备基础上用于质量控制,每路约10~20万元人民币。用于质量检测每套约30~50万人民币。
-
一种坯布表面疵点在线检测装置
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种坯布表面疵点在线检测装置 本发明涉及一种坯布表面疵点在线检测装置,主机与从机通过以太网连接,摄像机组置于摄像机箱里面,各摄像机与从机通过安装在从机里面的图像采集卡来实现连接;从机接收主机指令开始图像采集并进行采集图像信息的处理,并向主机传送图像数据和图像处理结果信息,主机连接有疵点打标机,通过主机控制驱动疵点打标机对图像缺陷进行布边打标;旋转编码器通过弹性联轴器安装在下布辊上的同一轴线上,大功率LED条形阵列位于上布辊的侧面,通过活动铰链与固定上布辊的机架连接,采取单侧正向高角度离轴照明,LED条形阵列与摄像机拍摄轴线成θ’角,其中40°>θ’>15°,LED条形阵列可绕布辊轴心作角度为θ=25°的摆动定位。
-
基于机器视觉的纺织品表面质量检测技术以及其设备的研发
成熟度:正在研发
技术类型:-
应用行业:制造业
技术简介
本项目将机器视觉技术引入到验布机中,无需人眼,自动识别疵点,有效果地克服了人工检验的缺点,即效率低、误检率、漏检率高、易受主观因素的影响等不良特征检。系统构成由机架、滚筒、电机控制系统、张力控制系统构成,基本参数为: 幅宽:1.6-2.4m,速度:10-30m/min。 项目系统构成:机架、滚筒、电机控制系统、张力控制系统构成。基本参数: 幅宽:1.6-2.4m,速度:10-30m/min。技术指标:(1)人工检验效率(熟练工人)幅宽:1.6-2.0m,速度:10-15m/min,最多发现 70%的疵点。人员持续工作时间最多 4 个小时;(2)人工检验的缺点:效率低、误检率、漏检率高、易受主观因素的影响等不良特征;(3)自动验布机——机器视觉技术引入到验布中无需人眼,自动识别疵点,检验效率和准确率大大提高。
-
基于B样条小波和深度神经网络的织物疵点检测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种织物疵点自动检测方法包含深度神经网络模型训练和疵点图像检测两部分。深度神经网络模型训练主要是经过已有样本库的学习,实现在输入疵点图像的前提下,得到样本无疵点的重构图像。疵点图像检测如图所示。待测织物图像首先经过多次小波变换,得到保留大部分纹理信息的压缩图像并保存。然后把压缩图像输入到训练好的深度神经网络输入端,进行计算,在输出端得到重构的无疵点图像。随后把重构图像与保存的压缩图像做差值运算,得到只含有疵点的图像。最后通过对疵点图像的特征提取,分析出是否含有疵点及疵点的种类等。
-
基于机器视觉的纺织品表面质量检测技术以及其设备的研发
成熟度:通过中试
技术类型:-
应用行业:制造业
技术简介
本项目将机器视觉技术引入到验布机中,无需人眼,自动识别疵点,有效果地克服了人工检验的缺点,即效率低、误检率、漏检率高、易受主观因素的影响等不良特征检。系统构成由机架、滚筒、电机控制系统、张力控制系统构成,基本参数为:幅宽:1.6-2.4m,速度:10-30m/min。 项目系统构成:机架、滚筒、电机控制系统、张力控制系统构成。基本参数:幅宽:1.6-2.4m,速度:10-30m/min。 技术指标: (1)人工检验效率(熟练工人)幅宽:1.6-2.0m,速度:10-15m/min,最多发现70%的疵点。人员持续工作时间最多4个小时; (2)人工检验的缺点:效率低、误检率、漏检率高、易受主观因素的影响等不良特征; (3)自动验布机 —机器视觉技术引入到验布中无需人眼,自动识别疵点,检验效率和准确率大大提高。
找到5项技术成果数据。
找技术>-
织物疵点检测系统
成熟度:正在研发
技术类型:-
应用行业:信息传输、软件和信息技术服务业
技术简介
技术投资分析:目前我国的织物疵点检测绝大多数由人工进行,工作效率低,目前的检验速度约20米/分。按目前的人工状况,浙江出入境检验检疫局出口纺织品只有40%多,内销纺织品实检不足20%。由于检验能力不足,经常导致因质量问题产生退货或索赔事件,影响出口创汇。织物疵点自动识别与检测系统采用计算机视觉,用摄像机和计算机代替人工对目标进行识别、跟踪和测量等,可最大限度地避免人为因素对检测结果的影响,实现客观评价。与人工方法相比,不会疲劳,不受生理、心理影响,在检测速度上占有明显的优势,特点是精确、快速、可靠以及数字化。本系统采用人工神经网络进行识别处理,具有学习功能,系统稳定性高,适应性强,可实时检测,可自动记录疵点图像,可输出识别结果。主要用于大中型纺织、印染、服装企业,商检部门,既用于在线织物疵点、印染色差检测,实现在线质量控制,又可进行织物、染色布的质量检测, 市场前景广阔。技术的应用领域前景分析:能用于纺织品自动快速检验与控制,能保证出口纺织质量,提高服装裁剪流水线裁片质量,其间接经济效益更为可观。我省纺织企业发达,服装企业众多,故我省纺织行业对织物疵点自动检测系统的需求较大,可形成产业。效益分析:本项目具有很好的市场前景和可观的经济效益。厂房条件建议:无备注:在现有设备基础上用于质量控制,每路约10~20万元人民币。用于质量检测每套约30~50万人民币。
-
一种坯布表面疵点在线检测装置
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种坯布表面疵点在线检测装置 本发明涉及一种坯布表面疵点在线检测装置,主机与从机通过以太网连接,摄像机组置于摄像机箱里面,各摄像机与从机通过安装在从机里面的图像采集卡来实现连接;从机接收主机指令开始图像采集并进行采集图像信息的处理,并向主机传送图像数据和图像处理结果信息,主机连接有疵点打标机,通过主机控制驱动疵点打标机对图像缺陷进行布边打标;旋转编码器通过弹性联轴器安装在下布辊上的同一轴线上,大功率LED条形阵列位于上布辊的侧面,通过活动铰链与固定上布辊的机架连接,采取单侧正向高角度离轴照明,LED条形阵列与摄像机拍摄轴线成θ’角,其中40°>θ’>15°,LED条形阵列可绕布辊轴心作角度为θ=25°的摆动定位。
-
基于机器视觉的纺织品表面质量检测技术以及其设备的研发
成熟度:正在研发
技术类型:-
应用行业:制造业
技术简介
本项目将机器视觉技术引入到验布机中,无需人眼,自动识别疵点,有效果地克服了人工检验的缺点,即效率低、误检率、漏检率高、易受主观因素的影响等不良特征检。系统构成由机架、滚筒、电机控制系统、张力控制系统构成,基本参数为: 幅宽:1.6-2.4m,速度:10-30m/min。 项目系统构成:机架、滚筒、电机控制系统、张力控制系统构成。基本参数: 幅宽:1.6-2.4m,速度:10-30m/min。技术指标:(1)人工检验效率(熟练工人)幅宽:1.6-2.0m,速度:10-15m/min,最多发现 70%的疵点。人员持续工作时间最多 4 个小时;(2)人工检验的缺点:效率低、误检率、漏检率高、易受主观因素的影响等不良特征;(3)自动验布机——机器视觉技术引入到验布中无需人眼,自动识别疵点,检验效率和准确率大大提高。
-
基于B样条小波和深度神经网络的织物疵点检测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种织物疵点自动检测方法包含深度神经网络模型训练和疵点图像检测两部分。深度神经网络模型训练主要是经过已有样本库的学习,实现在输入疵点图像的前提下,得到样本无疵点的重构图像。疵点图像检测如图所示。待测织物图像首先经过多次小波变换,得到保留大部分纹理信息的压缩图像并保存。然后把压缩图像输入到训练好的深度神经网络输入端,进行计算,在输出端得到重构的无疵点图像。随后把重构图像与保存的压缩图像做差值运算,得到只含有疵点的图像。最后通过对疵点图像的特征提取,分析出是否含有疵点及疵点的种类等。
-
基于机器视觉的纺织品表面质量检测技术以及其设备的研发
成熟度:通过中试
技术类型:-
应用行业:制造业
技术简介
本项目将机器视觉技术引入到验布机中,无需人眼,自动识别疵点,有效果地克服了人工检验的缺点,即效率低、误检率、漏检率高、易受主观因素的影响等不良特征检。系统构成由机架、滚筒、电机控制系统、张力控制系统构成,基本参数为:幅宽:1.6-2.4m,速度:10-30m/min。 项目系统构成:机架、滚筒、电机控制系统、张力控制系统构成。基本参数:幅宽:1.6-2.4m,速度:10-30m/min。 技术指标: (1)人工检验效率(熟练工人)幅宽:1.6-2.0m,速度:10-15m/min,最多发现70%的疵点。人员持续工作时间最多4个小时; (2)人工检验的缺点:效率低、误检率、漏检率高、易受主观因素的影响等不良特征; (3)自动验布机 —机器视觉技术引入到验布中无需人眼,自动识别疵点,检验效率和准确率大大提高。
找到5项技术成果数据。
找技术>-
织物疵点检测系统
成熟度:正在研发
技术类型:-
应用行业:信息传输、软件和信息技术服务业
技术简介
技术投资分析:目前我国的织物疵点检测绝大多数由人工进行,工作效率低,目前的检验速度约20米/分。按目前的人工状况,浙江出入境检验检疫局出口纺织品只有40%多,内销纺织品实检不足20%。由于检验能力不足,经常导致因质量问题产生退货或索赔事件,影响出口创汇。织物疵点自动识别与检测系统采用计算机视觉,用摄像机和计算机代替人工对目标进行识别、跟踪和测量等,可最大限度地避免人为因素对检测结果的影响,实现客观评价。与人工方法相比,不会疲劳,不受生理、心理影响,在检测速度上占有明显的优势,特点是精确、快速、可靠以及数字化。本系统采用人工神经网络进行识别处理,具有学习功能,系统稳定性高,适应性强,可实时检测,可自动记录疵点图像,可输出识别结果。主要用于大中型纺织、印染、服装企业,商检部门,既用于在线织物疵点、印染色差检测,实现在线质量控制,又可进行织物、染色布的质量检测, 市场前景广阔。技术的应用领域前景分析:能用于纺织品自动快速检验与控制,能保证出口纺织质量,提高服装裁剪流水线裁片质量,其间接经济效益更为可观。我省纺织企业发达,服装企业众多,故我省纺织行业对织物疵点自动检测系统的需求较大,可形成产业。效益分析:本项目具有很好的市场前景和可观的经济效益。厂房条件建议:无备注:在现有设备基础上用于质量控制,每路约10~20万元人民币。用于质量检测每套约30~50万人民币。
-
一种坯布表面疵点在线检测装置
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种坯布表面疵点在线检测装置 本发明涉及一种坯布表面疵点在线检测装置,主机与从机通过以太网连接,摄像机组置于摄像机箱里面,各摄像机与从机通过安装在从机里面的图像采集卡来实现连接;从机接收主机指令开始图像采集并进行采集图像信息的处理,并向主机传送图像数据和图像处理结果信息,主机连接有疵点打标机,通过主机控制驱动疵点打标机对图像缺陷进行布边打标;旋转编码器通过弹性联轴器安装在下布辊上的同一轴线上,大功率LED条形阵列位于上布辊的侧面,通过活动铰链与固定上布辊的机架连接,采取单侧正向高角度离轴照明,LED条形阵列与摄像机拍摄轴线成θ’角,其中40°>θ’>15°,LED条形阵列可绕布辊轴心作角度为θ=25°的摆动定位。
-
基于机器视觉的纺织品表面质量检测技术以及其设备的研发
成熟度:正在研发
技术类型:-
应用行业:制造业
技术简介
本项目将机器视觉技术引入到验布机中,无需人眼,自动识别疵点,有效果地克服了人工检验的缺点,即效率低、误检率、漏检率高、易受主观因素的影响等不良特征检。系统构成由机架、滚筒、电机控制系统、张力控制系统构成,基本参数为: 幅宽:1.6-2.4m,速度:10-30m/min。 项目系统构成:机架、滚筒、电机控制系统、张力控制系统构成。基本参数: 幅宽:1.6-2.4m,速度:10-30m/min。技术指标:(1)人工检验效率(熟练工人)幅宽:1.6-2.0m,速度:10-15m/min,最多发现 70%的疵点。人员持续工作时间最多 4 个小时;(2)人工检验的缺点:效率低、误检率、漏检率高、易受主观因素的影响等不良特征;(3)自动验布机——机器视觉技术引入到验布中无需人眼,自动识别疵点,检验效率和准确率大大提高。
-
基于B样条小波和深度神经网络的织物疵点检测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种织物疵点自动检测方法包含深度神经网络模型训练和疵点图像检测两部分。深度神经网络模型训练主要是经过已有样本库的学习,实现在输入疵点图像的前提下,得到样本无疵点的重构图像。疵点图像检测如图所示。待测织物图像首先经过多次小波变换,得到保留大部分纹理信息的压缩图像并保存。然后把压缩图像输入到训练好的深度神经网络输入端,进行计算,在输出端得到重构的无疵点图像。随后把重构图像与保存的压缩图像做差值运算,得到只含有疵点的图像。最后通过对疵点图像的特征提取,分析出是否含有疵点及疵点的种类等。
-
基于机器视觉的纺织品表面质量检测技术以及其设备的研发
成熟度:通过中试
技术类型:-
应用行业:制造业
技术简介
本项目将机器视觉技术引入到验布机中,无需人眼,自动识别疵点,有效果地克服了人工检验的缺点,即效率低、误检率、漏检率高、易受主观因素的影响等不良特征检。系统构成由机架、滚筒、电机控制系统、张力控制系统构成,基本参数为:幅宽:1.6-2.4m,速度:10-30m/min。 项目系统构成:机架、滚筒、电机控制系统、张力控制系统构成。基本参数:幅宽:1.6-2.4m,速度:10-30m/min。 技术指标: (1)人工检验效率(熟练工人)幅宽:1.6-2.0m,速度:10-15m/min,最多发现70%的疵点。人员持续工作时间最多4个小时; (2)人工检验的缺点:效率低、误检率、漏检率高、易受主观因素的影响等不良特征; (3)自动验布机 —机器视觉技术引入到验布中无需人眼,自动识别疵点,检验效率和准确率大大提高。
找到5项技术成果数据。
找技术>-
织物疵点检测系统
成熟度:正在研发
技术类型:-
应用行业:信息传输、软件和信息技术服务业
技术简介
技术投资分析:目前我国的织物疵点检测绝大多数由人工进行,工作效率低,目前的检验速度约20米/分。按目前的人工状况,浙江出入境检验检疫局出口纺织品只有40%多,内销纺织品实检不足20%。由于检验能力不足,经常导致因质量问题产生退货或索赔事件,影响出口创汇。织物疵点自动识别与检测系统采用计算机视觉,用摄像机和计算机代替人工对目标进行识别、跟踪和测量等,可最大限度地避免人为因素对检测结果的影响,实现客观评价。与人工方法相比,不会疲劳,不受生理、心理影响,在检测速度上占有明显的优势,特点是精确、快速、可靠以及数字化。本系统采用人工神经网络进行识别处理,具有学习功能,系统稳定性高,适应性强,可实时检测,可自动记录疵点图像,可输出识别结果。主要用于大中型纺织、印染、服装企业,商检部门,既用于在线织物疵点、印染色差检测,实现在线质量控制,又可进行织物、染色布的质量检测, 市场前景广阔。技术的应用领域前景分析:能用于纺织品自动快速检验与控制,能保证出口纺织质量,提高服装裁剪流水线裁片质量,其间接经济效益更为可观。我省纺织企业发达,服装企业众多,故我省纺织行业对织物疵点自动检测系统的需求较大,可形成产业。效益分析:本项目具有很好的市场前景和可观的经济效益。厂房条件建议:无备注:在现有设备基础上用于质量控制,每路约10~20万元人民币。用于质量检测每套约30~50万人民币。
-
一种坯布表面疵点在线检测装置
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种坯布表面疵点在线检测装置 本发明涉及一种坯布表面疵点在线检测装置,主机与从机通过以太网连接,摄像机组置于摄像机箱里面,各摄像机与从机通过安装在从机里面的图像采集卡来实现连接;从机接收主机指令开始图像采集并进行采集图像信息的处理,并向主机传送图像数据和图像处理结果信息,主机连接有疵点打标机,通过主机控制驱动疵点打标机对图像缺陷进行布边打标;旋转编码器通过弹性联轴器安装在下布辊上的同一轴线上,大功率LED条形阵列位于上布辊的侧面,通过活动铰链与固定上布辊的机架连接,采取单侧正向高角度离轴照明,LED条形阵列与摄像机拍摄轴线成θ’角,其中40°>θ’>15°,LED条形阵列可绕布辊轴心作角度为θ=25°的摆动定位。
-
基于机器视觉的纺织品表面质量检测技术以及其设备的研发
成熟度:正在研发
技术类型:-
应用行业:制造业
技术简介
本项目将机器视觉技术引入到验布机中,无需人眼,自动识别疵点,有效果地克服了人工检验的缺点,即效率低、误检率、漏检率高、易受主观因素的影响等不良特征检。系统构成由机架、滚筒、电机控制系统、张力控制系统构成,基本参数为: 幅宽:1.6-2.4m,速度:10-30m/min。 项目系统构成:机架、滚筒、电机控制系统、张力控制系统构成。基本参数: 幅宽:1.6-2.4m,速度:10-30m/min。技术指标:(1)人工检验效率(熟练工人)幅宽:1.6-2.0m,速度:10-15m/min,最多发现 70%的疵点。人员持续工作时间最多 4 个小时;(2)人工检验的缺点:效率低、误检率、漏检率高、易受主观因素的影响等不良特征;(3)自动验布机——机器视觉技术引入到验布中无需人眼,自动识别疵点,检验效率和准确率大大提高。
-
基于B样条小波和深度神经网络的织物疵点检测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种织物疵点自动检测方法包含深度神经网络模型训练和疵点图像检测两部分。深度神经网络模型训练主要是经过已有样本库的学习,实现在输入疵点图像的前提下,得到样本无疵点的重构图像。疵点图像检测如图所示。待测织物图像首先经过多次小波变换,得到保留大部分纹理信息的压缩图像并保存。然后把压缩图像输入到训练好的深度神经网络输入端,进行计算,在输出端得到重构的无疵点图像。随后把重构图像与保存的压缩图像做差值运算,得到只含有疵点的图像。最后通过对疵点图像的特征提取,分析出是否含有疵点及疵点的种类等。
-
基于机器视觉的纺织品表面质量检测技术以及其设备的研发
成熟度:通过中试
技术类型:-
应用行业:制造业
技术简介
本项目将机器视觉技术引入到验布机中,无需人眼,自动识别疵点,有效果地克服了人工检验的缺点,即效率低、误检率、漏检率高、易受主观因素的影响等不良特征检。系统构成由机架、滚筒、电机控制系统、张力控制系统构成,基本参数为:幅宽:1.6-2.4m,速度:10-30m/min。 项目系统构成:机架、滚筒、电机控制系统、张力控制系统构成。基本参数:幅宽:1.6-2.4m,速度:10-30m/min。 技术指标: (1)人工检验效率(熟练工人)幅宽:1.6-2.0m,速度:10-15m/min,最多发现70%的疵点。人员持续工作时间最多4个小时; (2)人工检验的缺点:效率低、误检率、漏检率高、易受主观因素的影响等不良特征; (3)自动验布机 —机器视觉技术引入到验布中无需人眼,自动识别疵点,检验效率和准确率大大提高。
找到5项技术成果数据。
找技术>-
织物疵点检测系统
成熟度:正在研发
技术类型:-
应用行业:信息传输、软件和信息技术服务业
技术简介
技术投资分析:目前我国的织物疵点检测绝大多数由人工进行,工作效率低,目前的检验速度约20米/分。按目前的人工状况,浙江出入境检验检疫局出口纺织品只有40%多,内销纺织品实检不足20%。由于检验能力不足,经常导致因质量问题产生退货或索赔事件,影响出口创汇。织物疵点自动识别与检测系统采用计算机视觉,用摄像机和计算机代替人工对目标进行识别、跟踪和测量等,可最大限度地避免人为因素对检测结果的影响,实现客观评价。与人工方法相比,不会疲劳,不受生理、心理影响,在检测速度上占有明显的优势,特点是精确、快速、可靠以及数字化。本系统采用人工神经网络进行识别处理,具有学习功能,系统稳定性高,适应性强,可实时检测,可自动记录疵点图像,可输出识别结果。主要用于大中型纺织、印染、服装企业,商检部门,既用于在线织物疵点、印染色差检测,实现在线质量控制,又可进行织物、染色布的质量检测, 市场前景广阔。技术的应用领域前景分析:能用于纺织品自动快速检验与控制,能保证出口纺织质量,提高服装裁剪流水线裁片质量,其间接经济效益更为可观。我省纺织企业发达,服装企业众多,故我省纺织行业对织物疵点自动检测系统的需求较大,可形成产业。效益分析:本项目具有很好的市场前景和可观的经济效益。厂房条件建议:无备注:在现有设备基础上用于质量控制,每路约10~20万元人民币。用于质量检测每套约30~50万人民币。
-
一种坯布表面疵点在线检测装置
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种坯布表面疵点在线检测装置 本发明涉及一种坯布表面疵点在线检测装置,主机与从机通过以太网连接,摄像机组置于摄像机箱里面,各摄像机与从机通过安装在从机里面的图像采集卡来实现连接;从机接收主机指令开始图像采集并进行采集图像信息的处理,并向主机传送图像数据和图像处理结果信息,主机连接有疵点打标机,通过主机控制驱动疵点打标机对图像缺陷进行布边打标;旋转编码器通过弹性联轴器安装在下布辊上的同一轴线上,大功率LED条形阵列位于上布辊的侧面,通过活动铰链与固定上布辊的机架连接,采取单侧正向高角度离轴照明,LED条形阵列与摄像机拍摄轴线成θ’角,其中40°>θ’>15°,LED条形阵列可绕布辊轴心作角度为θ=25°的摆动定位。
-
基于机器视觉的纺织品表面质量检测技术以及其设备的研发
成熟度:正在研发
技术类型:-
应用行业:制造业
技术简介
本项目将机器视觉技术引入到验布机中,无需人眼,自动识别疵点,有效果地克服了人工检验的缺点,即效率低、误检率、漏检率高、易受主观因素的影响等不良特征检。系统构成由机架、滚筒、电机控制系统、张力控制系统构成,基本参数为: 幅宽:1.6-2.4m,速度:10-30m/min。 项目系统构成:机架、滚筒、电机控制系统、张力控制系统构成。基本参数: 幅宽:1.6-2.4m,速度:10-30m/min。技术指标:(1)人工检验效率(熟练工人)幅宽:1.6-2.0m,速度:10-15m/min,最多发现 70%的疵点。人员持续工作时间最多 4 个小时;(2)人工检验的缺点:效率低、误检率、漏检率高、易受主观因素的影响等不良特征;(3)自动验布机——机器视觉技术引入到验布中无需人眼,自动识别疵点,检验效率和准确率大大提高。
-
基于B样条小波和深度神经网络的织物疵点检测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
一种织物疵点自动检测方法包含深度神经网络模型训练和疵点图像检测两部分。深度神经网络模型训练主要是经过已有样本库的学习,实现在输入疵点图像的前提下,得到样本无疵点的重构图像。疵点图像检测如图所示。待测织物图像首先经过多次小波变换,得到保留大部分纹理信息的压缩图像并保存。然后把压缩图像输入到训练好的深度神经网络输入端,进行计算,在输出端得到重构的无疵点图像。随后把重构图像与保存的压缩图像做差值运算,得到只含有疵点的图像。最后通过对疵点图像的特征提取,分析出是否含有疵点及疵点的种类等。
-
基于机器视觉的纺织品表面质量检测技术以及其设备的研发
成熟度:通过中试
技术类型:-
应用行业:制造业
技术简介
本项目将机器视觉技术引入到验布机中,无需人眼,自动识别疵点,有效果地克服了人工检验的缺点,即效率低、误检率、漏检率高、易受主观因素的影响等不良特征检。系统构成由机架、滚筒、电机控制系统、张力控制系统构成,基本参数为:幅宽:1.6-2.4m,速度:10-30m/min。 项目系统构成:机架、滚筒、电机控制系统、张力控制系统构成。基本参数:幅宽:1.6-2.4m,速度:10-30m/min。 技术指标: (1)人工检验效率(熟练工人)幅宽:1.6-2.0m,速度:10-15m/min,最多发现70%的疵点。人员持续工作时间最多4个小时; (2)人工检验的缺点:效率低、误检率、漏检率高、易受主观因素的影响等不良特征; (3)自动验布机 —机器视觉技术引入到验布中无需人眼,自动识别疵点,检验效率和准确率大大提高。