-
公开(公告)号：CN111798516A
公开(公告)日：2020-10-20
申请号：CN202010618093.X
申请日：2020-07-01
申请人： 广东省特种设备检测研究院珠海检测院 , 华南理工大学
摘要： 本发明公开了一种桥式起重机设备运行状态量的检测及误差分析方法，包括：利用深度学习模型Mask R-CNN预测摄像头每帧画面中起重机部件的定位框、部件区域的实例分割以及部件关键点和自然标定物关键点；利用起重机上的自然标定物关键点建立世界坐标系，并与Mask R-CNN识别出的对应位置的像素坐标作为求解PnP问题的输入值，求解获得坐标变换的单应性矩阵，即得到当前帧的相机坐标到世界坐标的坐标变换矩阵；结合坐标变换矩阵，及Mask R-CNN预测的关键位置像素坐标，利用相机投影变换性质求出像素坐标对应的关键点世界坐标；依据求出的关键点世界坐标，计算起重机运行状态量；利用微分近似误差的方法，分析求取关键点世界坐标的计算误差，得出了计算误差的解析表达式。
-
公开(公告)号：CN109855993A
公开(公告)日：2019-06-07
申请号：CN201910159966.2
申请日：2019-03-04
IPC分类号： G01N3/32
摘要： 本发明涉及一种含缺陷埋地PE燃气管道寿命检测方法，对燃气管道进行测试，获得燃气管道的结构尺寸和运行参数；截取燃气管道，制备弯曲紧凑型试样；以预设频率f拉伸试样，拉伸过程中的拉伸应力在最大预设应力Fmax和最小预设应力Fmin直接往复变化；基于可靠性和有限元分析计算，根据最先失效原则，确定极限缺陷尺寸；建立疲劳裂纹扩展模型、计算疲劳循环次数，确定含缺陷埋地PE燃气管道剩余寿命。本发明可以较准确的估算含缺陷埋地PE燃气管道剩余寿命。
-
公开(公告)号：CN112881424A
公开(公告)日：2021-06-01
申请号：CN202110043377.5
申请日：2021-01-13
申请人： 广东省特种设备检测研究院珠海检测院 , 华南理工大学
摘要： 本发明公开了一种AI+荧光渗透小型管件表面缺陷检测及质量分级方法与系统，包括：采集荧光渗透处理后的管件表面图像，并将管件表面检测图片分类标注，将标注后的管件表面检测结果放入深度学习神经网络MaskR‑CNN训练集中训练；使用训练后的Mask R‑CNN检测管件表面图片上缺陷类型，并记数；提取管件表面图像缺陷区域，并计算图像缺陷区域面积、长度；根据无损检测质量分级标准，评价管件表面质量等级。所述系统包括工业相机固定支架、工业相机、镜头、上位机。
-
公开(公告)号：CN111798516B
公开(公告)日：2023-12-22
申请号：CN202010618093.X
申请日：2020-07-01
申请人： 广东省特种设备检测研究院珠海检测院 , 华南理工大学
IPC分类号： G06T7/73 , G06T7/80 , G06V10/82 , G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/096 , G06N3/084 , G06F17/16
摘要： 本发明公开了一种桥式起重机设备运行状态量的检测及误差分析方法，包括：利用深度学习模型Mask R‑CNN预测摄像头每帧画面中起重机部件的定位框、部件区域的实例分割以及部件关键点和自然标定物关键点；利用起重机上的自然标定物关键点建立世界坐标系，并与Mask R‑CNN识别出的对应位置的像素坐标作为求解PnP问题的输入值，求解获得坐标变换的单应性矩阵，即得到当前帧的相机坐标到世界坐标的坐标变换矩阵；结合坐标变换矩阵，及Mask R‑CNN预测的关键位置像素坐标，利用相机投影变换性质求出像素坐标对应的关键点世界坐标；依据求出的关键点世界坐标，计算起重机运行状态量；利用微分近似误差的方法，分析求取关键点世界坐
-
公开(公告)号：CN112767249B
公开(公告)日：2023-04-07
申请号：CN202110051552.5
申请日：2021-01-13
申请人： 广东省特种设备检测研究院珠海检测院 , 华南理工大学
摘要： 本发明公开了一种面向小型管件表面缺陷检测的图像展开拼接方法及系统，包括：在小型管件的前方、后方、左方、右方分别安装检测相机，用于采集小型管件侧面图片；建立小型管件图像展开模型，描述图像展开前与图像展开后坐标关系；均分小型管件圆柱体横截面圆心角并计算圆心角对应的弧长，进而计算得到小型管件表面沿母线展开前与展开后像素坐标；分别求得小型管件展开前世界坐标‑像素坐标间转换关系、展开后世界坐标‑像素坐标间转换关系，从而求得小型管件展开前像素坐标‑展开后像素坐标转换关系；采用相邻点双线性插值对展开后小型管件表面图像进行补全，使用展开后的小型管件表面图像进行图像拼接。
-
公开(公告)号：CN113086797B
公开(公告)日：2022-05-20
申请号：CN202110364902.3
申请日：2021-03-30
申请人： 广东省特种设备检测研究院珠海检测院 , 华南理工大学
摘要： 本发明公开了一种电梯液压缓冲器隐患识别深度学习装置及方法，所述装置包括磁吸式反射板、激光测距传感器和上位机。所述方法包括将电梯压入底坑对缓冲器进行压缩，随后将电梯重新提起使缓冲器复位，激光测距传感器实时采集缓冲器位移信息；构建长短时记忆模块及全连接层模块并联深度神经网络模型；构建长短时记忆模块及全连接层模块并联深度神经网络模型；长短时记忆模块识别电梯运行状态，截取完整位移变化信息、分段线性插值变换后输入全连接层模块识别缓冲器隐患；特征分析模块结合长短时记忆模块识别到的运行状态，计算特征信息，输入特征分析模块识别到隐患；分析全连接层模块输出的隐患与特征分析模块输出的隐患，确定最终隐患。
-
公开(公告)号：CN113086797A
公开(公告)日：2021-07-09
申请号：CN202110364902.3
申请日：2021-03-30
申请人： 广东省特种设备检测研究院珠海检测院 , 华南理工大学
摘要： 本发明公开了一种电梯液压缓冲器隐患识别深度学习装置及方法，所述装置包括磁吸式反射板、激光测距传感器和上位机。所述方法包括将电梯压入底坑对缓冲器进行压缩，随后将电梯重新提起使缓冲器复位，激光测距传感器实时采集缓冲器位移信息；构建长短时记忆模块及全连接层模块并联深度神经网络模型；构建长短时记忆模块及全连接层模块并联深度神经网络模型；长短时记忆模块识别电梯运行状态，截取完整位移变化信息、分段线性插值变换后输入全连接层模块识别缓冲器隐患；特征分析模块结合长短时记忆模块识别到的运行状态，计算特征信息，输入特征分析模块识别到隐患；分析全连接层模块输出的隐患与特征分析模块输出的隐患，确定最终隐患。
-
公开(公告)号：CN112767249A
公开(公告)日：2021-05-07
申请号：CN202110051552.5
申请日：2021-01-13
申请人： 广东省特种设备检测研究院珠海检测院 , 华南理工大学
摘要： 本发明公开了一种面向小型管件表面缺陷检测的图像展开拼接方法及系统，包括：在小型管件的前方、后方、左方、右方分别安装检测相机，用于采集小型管件侧面图片；建立小型管件图像展开模型，描述图像展开前与图像展开后坐标关系；均分小型管件圆柱体横截面圆心角并计算圆心角对应的弧长，进而计算得到小型管件表面沿母线展开前与展开后像素坐标；分别求得小型管件展开前世界坐标‑像素坐标间转换关系、展开后世界坐标‑像素坐标间转换关系，从而求得小型管件展开前像素坐标‑展开后像素坐标转换关系；采用相邻点双线性插值对展开后小型管件表面图像进行补全，使用展开后的小型管件表面图像进行图像拼接。
-
公开(公告)号：CN109650240B
公开(公告)日：2024-09-20
申请号：CN201910062986.8
申请日：2019-01-23
申请人： 广东省特种设备检测研究院珠海检测院
IPC分类号： B66B29/00
摘要： 本发明公开了一种基于自动扶梯故障检测的驱动装置，自动扶梯包括控制柜和电机，驱动装置包括输入端三相接线盒、输出端三相接线盒、驱动变频器、控制端接线盒以及至少三个接触器；其中，输入端三相接线盒，与控制柜的三相输出端连接；输出端三相接线盒，与电机的三相输入端连接；输入端三相接线盒还通过接触器KM5与输出端三相接线盒连接；驱动变频器，分别与输入端三相接线盒与输出端三相接线盒连接，其中驱动变频器通过接触器KM6和接触器KM7以互为正负的相序与输出端三相接线盒连接；控制端接线盒，分别与驱动变频器、接触器KM5、接触器KM6、接触器KM7以及自动扶梯检测装置的操作器连接，操作器可控制驱动变频器工作以及控制各接触器闭合或断开。
-
公开(公告)号：CN108508348B
公开(公告)日：2023-11-03
申请号：CN201810220262.7
申请日：2018-03-16
申请人： 广东省特种设备检测研究院珠海检测院 , 珠海市安粤科技有限公司
IPC分类号： G01R31/28
摘要： 本发明涉及一种控制电路接地故障保护功能检测装置及方法，包括：采样模块、信号调理模块、处理器以及阶梯线性负载电路模块，其中，所述阶梯线性负载模块包括多个功率继电器和多个功率电阻，所述功率电阻阻值呈阶梯状递增或递减；所述处理器与所述阶梯线性负载模块连接，用于控制所述阶梯线性负载模块的多个功率继电器依次闭合，得到每个所述功率继电器闭合时对应的接地泄露电流，根据所述接地泄露电流的变化趋势特征判断并显示控制电路接地故障保护功能是否正常。本发明操作过程方便，适合大范围应用推广，各种信号均是直接采集，测量精度高，可靠。
-
-
-
-
-
-
-
-
-
搜索结果
298 条记录 (耗时 0.061 秒)
