自動檢測的案例
破曉“視”界：3C產(chǎn)品屏幕自動檢測技術(shù)解析與應(yīng)用展望
傳統(tǒng)的人工目視檢測，因其效率低下、標(biāo)準(zhǔn)不一、易疲勞等弊端，已成為制約產(chǎn)能與品質(zhì)提升的瓶頸。在此背景下，基于機器視覺的屏幕自動檢測設(shè)備應(yīng)運而生，正以其革命性的技術(shù)優(yōu)勢，重塑著現(xiàn)代生產(chǎn)線的質(zhì)量管控體系。
一、 技術(shù)核心：機器視覺與人工智能的深度融合
屏幕自動檢測設(shè)備的技術(shù)本質(zhì)，是模擬并超越人眼的感知與大腦的判斷能力。其核心工作原理可概括為“感知-處理-決策-執(zhí)行”的閉環(huán)。
高精度圖像采集（感知）：
設(shè)備通過架設(shè)在精密運動模組上的工業(yè)相機，在特定光源（如背光、同軸光、暗場光等）的配合下，對點亮狀態(tài)的屏幕進(jìn)行高速、多角度、多區(qū)域的圖像捕捉。為了應(yīng)對高分辨率（如4K、8K）屏幕的檢測需求，通常采用高像素面陣相機或線陣掃描相機，確保能夠捕捉到人眼難以察覺的微米級缺陷。
智能圖像處理與缺陷識別（處理與決策）：
這是整個系統(tǒng)的“大腦”，也是技術(shù)壁壘最高的部分。
傳統(tǒng)算法： 早期設(shè)備主要依賴傳統(tǒng)的圖像處理算法，如閾值分割、邊緣檢測、模板匹配、Blob分析等，來識別劃痕、臟污、亮點、暗點、 Mura（不均勻性）等常規(guī)缺陷。
人工智能（AI）與深度學(xué)習(xí)： 面對更為復(fù)雜、主觀性強的缺陷，如色斑、亮度不均、輕微閃爍等，傳統(tǒng)算法往往力不從心。深度學(xué)習(xí)技術(shù)，特別是基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的模型，通過海量的缺陷樣本數(shù)據(jù)進(jìn)行訓(xùn)練，學(xué)會了像經(jīng)驗豐富的質(zhì)檢員一樣“理解”什么是缺陷。它能有效區(qū)分干擾與真實缺陷，對模糊、不規(guī)則的缺陷具有極高的識別率和極低的誤判率，實現(xiàn)了檢測能力的質(zhì)的飛躍。
自動化控制與分揀（執(zhí)行）：
一旦識別出缺陷，系統(tǒng)會立即記錄缺陷的類型、位置、尺寸等信息，并生成檢測報告。同時，通過PLC或運動控制卡驅(qū)動機械手或分揀機構(gòu)，將不良品自動剔除出生產(chǎn)線，實現(xiàn)全自動化的“判決”與“執(zhí)行”。
展開 SJ5780輪廓掃描測量儀全自動在線檢測
中圖SJ5780在線智能螺紋輪廓掃描測量儀是一款大量程、高精度的主動掃描式綜合輪廓測量儀，可對航空發(fā)動機零部件高強度連接螺紋工件實現(xiàn)現(xiàn)場全自動在線檢測，自動檢測各種螺紋工件內(nèi)外徑尺寸、內(nèi)外輪廓形貌參數(shù)的綜合測量，解決螺紋的穩(wěn)定性問題，保障航空發(fā)動機的品質(zhì)質(zhì)量。
SJ5780在線智能螺紋輪廓掃描測量儀X軸、Z軸均為獨立運動系統(tǒng)，采用兩軸聯(lián)動運動控制算法，實現(xiàn)X、Z雙軸聯(lián)動掃描，在測量螺紋時，測針在工件表面做仿形運動掃描（主動掃描），既保持了恒測力，又保證了大的陡坡通過能力，工件調(diào)平操作簡單，同時避免了崩針、掛針等問題。還可全量程大范圍連續(xù)掃描，擁有長達(dá)數(shù)百毫米的持續(xù)爬坡能力，適合大范圍陡坡表面測量。大工件無需翻轉(zhuǎn)、傾斜調(diào)整，就可實現(xiàn)輕松測量。
工件螺紋全參數(shù)掃描測量：鋸齒、錐形、梯形螺紋大中小徑、作用中徑、螺距牙型角、螺旋升角、齒頂?shù)谆“霃健⑼S度等。
SJ5780在線智能螺紋輪廓掃描測量儀的測量速度較傳統(tǒng)輪廓儀提升了5倍，抬針時間＜0.1s。操作流暢、迅速、高效，用于長軸類、筒類、曲面零件、絲杠、螺紋等高精度部件的內(nèi)外徑尺寸、內(nèi)外輪廓形貌參數(shù)測量，非常適合航空、軍工、船舶、高鐵、新能源汽車、醫(yī)療等行業(yè)。該產(chǎn)品支持量程定制，適用于各行業(yè)領(lǐng)域的實驗室或工作現(xiàn)場使用。
展開 看EFD在瞬間執(zhí)行自動檢測功能！
快捷操作 #9
看EFD在瞬間執(zhí)行自動檢測功能！
EFD的模型檢測(“Check Geometry”)功能快速和簡單地告訴你CAD模型是否存在任何幾何錯誤、無效接觸(“invalid contacts”)或縫隙以及如果存在，他們的位置。這意味著你節(jié)省花在修正問題上的時間，從而更多時間用于處理工程結(jié)果。
左邊水泵模型中，顯示流體區(qū)域("Show Fluid Region")選項確定模型沒有錯誤，并通過藍(lán)色突出，在三維模型中能簡單看到流體區(qū)域。的確如此簡單！請點擊右下短片觀看EFD快速確定和更正CAD模型錯誤的球閥實例。
EFD不同于您已見過的任何流體仿真工具…
然而，它一定是您將永遠(yuǎn)希望使用的工具。
展開 溫度自動檢測儀表中應(yīng)用的數(shù)字溫度傳感芯片
物體的溫度是用專門的儀器-溫度計來進(jìn)行測量的，即溫度自動檢測儀表。
溫度是空調(diào)與燃?xì)夤こ讨幸粋€非常重要的參數(shù)，因此溫度的測量是必不可少的。溫度反映了周圍環(huán)境或物體冷熱的程度，但它不能直接加以測量，只能借助于冷熱不同物體之間的熱交換以及物體的某些物理性質(zhì)隨冷熱程度不同而變化的特性來加以間接測量。
熱力學(xué)定律指出，當(dāng)任意兩個冷熱程度不同的物體相接觸時，必然發(fā)生熱交換現(xiàn)象。熱量將由冷熱程度較高的物體傳向冷熱程度較低的物體，直至兩物體的冷熱程度達(dá)到一致，即處于熱平衡狀態(tài)。根據(jù)這一原理，我們就選擇某一物體同被測物質(zhì)相接觸來測量該物質(zhì)的溫度。而所選擇物體的某一種物理量(如液體的體積、導(dǎo)體的電阻等)必須是連續(xù)地、單值地隨溫度變化而變化，并且復(fù)現(xiàn)性好。當(dāng)兩者相接觸達(dá)到熱平衡狀態(tài)時，所選擇的物體與被測物質(zhì)的溫度就相同，于是通過對所選擇物體的某一物理量的測量，即可得出被測物質(zhì)的溫度位，這是接觸法測溫原理，還有非接觸法測溫。
物體的溫度是用專門的儀器一溫度計來進(jìn)行測量的。目前，在不同的測溫范圍和不同的使用場合已經(jīng)用于測溫的物質(zhì)和由它們制成的溫度計有下列幾種類型：
(1)利用液體或固體熱脹冷縮的特性，以液體的體積變化或固體的變形來測量溫度，如玻璃管液體溫度計和雙金屬溫度計等。
(2)利用液體或氣體在定容下熱脹冷縮后的壓力變化或某種液體的飽和蒸汽壓力隨溫度變化的特性來測量溫度。如充液、充氣和充蒸汽的壓力表式溫度計。
(3)利用導(dǎo)體或半導(dǎo)體熱電效應(yīng)的特性來測量溫度，如熱電偶溫度計。
(4)利用導(dǎo)體或半導(dǎo)體的電阻隨溫度而變化的特性來測量溫度，如熱電阻溫度計。
(5)利用物體熱輻射強度隨溫度而變化的特性來測量溫度，如光學(xué)高溫計、光電高溫計、全輻射式高溫計、紅外溫度計等。
展開 
設(shè)備 | 百倍杠桿賦能智能制造，機器視覺行業(yè)迎來爆發(fā)式增長
機器視覺的快速發(fā)展首先源于先進(jìn)工業(yè)制造業(yè)對高精度快速檢測的需求。比如在3C電子組裝中，傳統(tǒng)制造業(yè)大量使用人工裝配和檢測，而先進(jìn)制造產(chǎn)線則大量使用機器視覺技術(shù)完成零件定位、自動組裝、自動檢測等工序；面板制造由于涉及到微米級的加工制造，因此傳統(tǒng)人眼已經(jīng)無法勝任，必須使用機器視覺技術(shù)進(jìn)行定位、加工和檢測，才能保障生產(chǎn)效率和產(chǎn)品良率。其他各行業(yè)比如汽車、印刷、電池、玻璃、PCB和工業(yè)機器人等均存在大量機器視覺應(yīng)用場景。
圖示：機器視覺系統(tǒng)構(gòu)成示意圖，圖片來源：CINNO Research
機器視覺在面板制造行業(yè)的應(yīng)用
在面板制造過程中，使用機器視覺的相關(guān)檢測設(shè)備貫穿在整個制造過程中，應(yīng)用最廣泛的即AOI自動光學(xué)檢測機和AVI自動畫面檢測機。AOI自動光學(xué)檢測機在每一個細(xì)分工藝段均會被使用，主要用于檢測表面Particle異物顆粒、斷線等微觀不良。AVI自動畫面檢測機，目的是將顯示面板點亮后利用機器視覺系統(tǒng)自動檢測畫面是否有缺陷，取代早期的人工目視檢測。
顯示行業(yè)主要光學(xué)檢測設(shè)備中，陣列廠主要檢測TFT基板的微觀缺陷和線路缺陷等，核心技術(shù)是可以自動識別檢測微米級尺寸的缺陷，精度要求高，設(shè)備國產(chǎn)化率較低，主要代表廠商有以色列奧寶科技Orbotech、韓國HB Tech和韓國DIT等，國內(nèi)中導(dǎo)光電在該領(lǐng)域有布局，但份額較低。
TFT-LCD成盒廠和模組廠的主要光學(xué)檢測設(shè)備是面板自動點燈檢測設(shè)備，主要檢測面板畫面品質(zhì)，要求將面板畫面點亮，在各種預(yù)先設(shè)計好的畫面下使用機器視覺技術(shù)檢測各類畫面顯示缺陷，如畫面不均(Mura)、點不良、線不良等，其中Mura檢測對機器視覺算法要求非常高。
展開 基于立體視覺的自動駕駛?cè)S目標(biāo)檢測，精度可媲美激光雷達(dá)！
3.2 定性結(jié)果
圖7顯示了Kitti數(shù)據(jù)集中幾個場景的定性檢測結(jié)果。可以看出，在常見的街道場景中，我們的方法能夠準(zhǔn)確地檢測到場景中的物體，并且檢測到的3D方框在正視圖像和點云上都能很好地對齊。特別是當(dāng)目標(biāo)距離攝像機很遠(yuǎn)時，我們的方法仍然能夠獲得如(A)和(B)所示的準(zhǔn)確檢測結(jié)果，這得益于我們的IDA模塊。在現(xiàn)場出現(xiàn)太多車輛或被他人嚴(yán)重遮擋的情況下，我們的方法也有可能成功定位這些物體，如(C)所示。
四、結(jié)論
在這項工作中，我們提出了一種端到端的學(xué)習(xí)框架，用于自動駕駛中基于立體圖像的三維目標(biāo)檢測。它既不依賴深度圖像作為輸入，也不需要多級或后處理算法。
我們引入立體RPN模塊產(chǎn)生一對聯(lián)合感興趣區(qū)，避免了左右圖像對中同一目標(biāo)的復(fù)雜匹配，降低了背景對深度估計的干擾。特別設(shè)計的實例深度感知(IDA)模塊，在沒有密集深度圖的情況下，聚焦于對象，直接進(jìn)行實例深度回歸。此外，我們的方法通過視差自適應(yīng)和匹配代價的重新加權(quán)，更加關(guān)注遠(yuǎn)處的目標(biāo)。
我們的方法具有輕量級的網(wǎng)絡(luò)體系結(jié)構(gòu)，與現(xiàn)有的基于圖像的性能相比取得了令人印象深刻的改進(jìn)。與一些深度圖監(jiān)督方法相比，我們的方法也獲得了與之相當(dāng)?shù)男阅堋?/span>
展開 中科云圖電力檢測自動機場
隨著黑色大箱子打開，無人機緩緩升空，不一會500千伏超高壓變電站的檢修數(shù)據(jù)便被快速檢測出來，數(shù)據(jù)也被同步上傳至后臺。完成任務(wù)后，無人機又自動回巢，自動充電等待下一次作業(yè)。
由中科云圖研發(fā)的無人機正在對電網(wǎng)進(jìn)行巡檢。中科云圖供圖
這是佛山中科云圖智能科技有限公司（下稱“中科云圖”）開發(fā)的無人機自動巡檢系統(tǒng)，能夠有效解決輸電線路巡檢工作量大、人力成本高、效率低且有安全隱患的問題。
支持企業(yè)攻關(guān)核心關(guān)鍵技術(shù)，是佛山科技系統(tǒng)的一項重要工作。中科云圖于2019年落戶佛山，是一家致力于地理空間智能產(chǎn)品研發(fā)并提供低空無人機遙感網(wǎng)運營服務(wù)的高科技企業(yè)，在核心關(guān)鍵技術(shù)研發(fā)和商業(yè)模式創(chuàng)新上取得重大突破，已成為國內(nèi)領(lǐng)先的低空無人機遙感網(wǎng)運營商。
為無人機裝上“大腦”
近年來，無人機被越來越多地應(yīng)用于各行業(yè)進(jìn)行信息采集，但整個飛行過程仍然需要人工操作，且采集到的數(shù)據(jù)也需要人工處理才能真正使用。
“什么時候無人機能真正實現(xiàn)‘無人’化？”是中科云圖思考的問題。
作為公司的創(chuàng)始人，同時也是研發(fā)團(tuán)隊的領(lǐng)頭人，中國科學(xué)院院士、廣東省科學(xué)院廣州地理研究所首席科學(xué)家周成虎長期從事地理信息系統(tǒng)與遙感應(yīng)用研究，面向國家需求，發(fā)展新技術(shù)促使他著手對長期積累的科研成果進(jìn)行轉(zhuǎn)化，制作理想中的“無人機遙感系統(tǒng)”。
遙感技術(shù)是從遠(yuǎn)距離感知目標(biāo)反射或者自身輻射的電磁波、可見光、紅外線，對目標(biāo)進(jìn)行探測和識別的技術(shù)。2017年，周成虎提出了地理空間智能概念，并將之與無人機技術(shù)相結(jié)合。
展開 Delfoi CUT 3D切割和精加工工藝離線編程軟件丨衡祖仿真
Delfoi CUT工藝特點
● 自動檢測 CAD 特征
● 基于 CAD 特征的刀具路徑自動生成
● 內(nèi)部工具庫和創(chuàng)建附加工具的能力
● 可用于廣泛的應(yīng)用，如機器人去毛刺、精加工以及激光切割和等離子切割
● 機器人工具更換管理
● 對所有外部機器人軸（例如龍門定位器、直線軌道和多軸定位設(shè)備）進(jìn)行自動化、無限制的管理
● 輕松快速地微調(diào)所有切割軌跡和通過點
● 多功能校準(zhǔn)工具可確保刀具路徑非常高的精度
高級功能
● 將 CNC 刀具路徑從 CAD/CAM 程序自動導(dǎo)入仿真模型
● 支持文件格式，例如 *.apt/aptsource、*.txt 或其他 ASCII 坐標(biāo)格式
模擬
● 用于單元布局建模的范圍廣泛的組件庫——超過 1000 個默認(rèn)機器人和定位器模型以及數(shù)十個智能參數(shù)化組件，例如傳送帶、光電池和安全屏障
● 通過視覺反饋自動檢測碰撞和“未遂”事件
● 單元布局規(guī)劃和單元內(nèi)組件的輕松定位
● 審查機器人的運動范圍
● 通過視覺反饋自動檢測違反軸限制
● 自動檢測奇異點
● 快速有效地模擬創(chuàng)建的切割程序，無論是實時還是設(shè)置為可變速度。
● 可選擇以 3D-PDF 或 AVI 格式保存模擬程序并輕松與他人共享文件
導(dǎo)入 CAD 數(shù)據(jù)
● 該程序廣泛支持以不同格式導(dǎo)入 CAD 數(shù)據(jù)。支持通用格式， STEP 以及原生 CAD 格式。
展開 基于Python的復(fù)雜環(huán)境中車道線自動檢測系統(tǒng)
夜間版: 在馬路上尋找車道線并跟蹤
配置環(huán)境
conda create -n env_lane python=3.6
conda activate env_lane
pip install opencv-contrib-python==3.4.9.31 -i https://mirrors.aliyun.com/pypi/simple/
pip install matplotlib -i https://mirrors.aliyun.com/pypi/simple/
pip install sklearn -i https://mirrors.aliyun.com/pypi/simple/
pip install jupyter -i https://mirrors.aliyun.com/pypi/simple/
使用卡爾曼濾波器在夜間環(huán)境中進(jìn)行車道檢測
自動駕駛計算機視覺技術(shù)的一個重要里程碑是在道路上尋找車道標(biāo)記。在這里，我們描述了在夜間環(huán)境中檢測車道的過程。
挑戰(zhàn)性
·低光強度·難以調(diào)整各種光強度的參數(shù)·邊緣檢測不良·陰影，突然的高強度汽車大燈
我們的方法，這些步驟中描述了我們的方法：
1) 我們對每個視頻幀執(zhí)行伽瑪校正，以設(shè)置光強度
2) 從圖像中裁剪出“感興趣的區(qū)域”，因此我們只能在ROI部分上查找泳道。它有助于降低計算成本并提高fps。
3) 應(yīng)用雙邊濾波器消除噪聲并平滑視頻幀，但保留邊緣。
4) 應(yīng)用HSV濾鏡為固定范圍內(nèi)的像素創(chuàng)建蒙版
5) 經(jīng)過這些預(yù)處理（伽瑪校正和濾波）后，我們使用Canny邊緣檢測器檢測邊緣。
展開 避免自動駕駛事故，CV領(lǐng)域如何檢測物理攻擊？
對抗性檢測的不一致性閾值是通過網(wǎng)格搜索得到的，在本實驗中設(shè)置為 0.11。作為比較，作者重新實現(xiàn)了另外兩種最先進(jìn)的防御方法：Dependency Detection [8]和 Multiversion[9]。
LanCe 對所有的音頻物理對抗性攻擊都能達(dá)到 92% 以上的檢測成功率。相比之下，Dependency Detection 平均達(dá)到 89% 的檢測成功率，而 Multiversion 的平均檢測成功率只有 74%。然后，作者評估了 LanCe 的恢復(fù)性能。TOP-K 指數(shù)中的 K 值被設(shè)定為 6。由于 Multiversion[9]不能用于恢復(fù)，作者重新實現(xiàn)了另一種方法 Noise Flooding[10]作為比較。作者使用沒有數(shù)據(jù)恢復(fù)的原始 CNN 模型作為基線方法。
表 8 給出了整體的音頻恢復(fù)性能評估。應(yīng)用本文提出的恢復(fù)方法 LanCe 后，預(yù)測準(zhǔn)確率明顯提高，從平均 8% 提高到了平均 85.8%，即恢復(fù)準(zhǔn)確率為 77.8%。Dependency Detection 和 Noise Flooding 的平均準(zhǔn)確率都較低，分別為 74% 和 54%。
表 8. 音頻對抗性攻擊數(shù)據(jù)恢復(fù)評估
3、SentiNet：針對深度學(xué)習(xí)系統(tǒng)的物理攻擊檢測[3]
這篇文章重點關(guān)注的是圖像處理領(lǐng)域的物理攻擊檢測問題，具體是指針對圖像的局部物理攻擊，即將對手區(qū)域限制在圖像的一小部分，生成 “對抗性補丁” 攻擊。這種局部限制有利于設(shè)計魯棒的且物理上可實現(xiàn)的攻擊，具體攻擊形式可以是放置在視覺場景中的對手對象或貼紙。反過來，這些類型的攻擊通常使用無界擾動來確保攻擊對角度、照明和其他物理條件的變化具有魯棒性。
展開 用于自動駕駛的實時車道線檢測和智能告警
作者 |
Priya Dwivedi（編譯:ronghuaiyang）
來源 |
AI公園
知圈
|
進(jìn)“域控制器群”請加微13636581676,備注
域
導(dǎo)讀
車道線檢測 + 距離告警 + 轉(zhuǎn)彎曲率半徑計算。
代碼：https://github.com/MaybeShewill-CV/lanenet-lane-detection
來自模型的車道線預(yù)測
介紹
自動駕駛將在未來十年給旅行帶來革命性的變化。目前，自動駕駛應(yīng)用正在進(jìn)行各種應(yīng)用案例的測試，包括乘用車、機器人出租車、自動商業(yè)送貨卡車、智能叉車和用于農(nóng)業(yè)的自動拖拉機。
自動駕駛需要一個計算機視覺感知模塊來理解和導(dǎo)航環(huán)境。感知模塊的作用包括：
檢測車道線
檢測其他物體：車輛、人、環(huán)境中的動物
跟蹤檢測到的對象
預(yù)測他們可能的運動
一個好的感知系統(tǒng)應(yīng)該能夠在各種駕駛條件下 —— 白天/晚上，夏天/冬天，雨雪等等，實時做到這一點。在這篇博客中，我們著眼于一個實時模型，用于檢測車道線、其他車輛等，并生成警報。
訓(xùn)練一個實時的車道線檢測器
車道檢測問題通常被定義為語義或?qū)嵗指顔栴}，目標(biāo)是識別屬于車道類別的像素。
TUSimple是車道檢測任務(wù)常用的數(shù)據(jù)集。該數(shù)據(jù)集包含3626個道路場景的標(biāo)注視頻剪輯。每個剪輯有20幀。這些數(shù)據(jù)是通過安裝在車上的攝像頭捕捉到的。下面分享了一個示例圖像及其標(biāo)注。
展開 
法蘭直管的生產(chǎn)線
一、法蘭直管生產(chǎn)線的流程：
直管法蘭焊接生產(chǎn)線就是用于各種行業(yè)的直管與法蘭自動焊接，從管子堆放工位→自動上管→自動焊接→自動下管→成品工位，實現(xiàn)整個流程全部自動化控制。
二、法蘭直管生產(chǎn)線的組成：
它由多智能自動化系統(tǒng)組成。
自動送管系統(tǒng)：實現(xiàn)物料與每個工位之間的物流傳送，使工藝流程更合理、效率更高。
直管法蘭自動焊接 自動送管系統(tǒng)
自動上下管系統(tǒng)：縮短待機時間，減少行吊使用，提高生產(chǎn)效率。
直管法蘭自動焊接 自動上下管系統(tǒng)
直管法蘭四點自動焊機：適用不同管徑，4把焊內(nèi)外同時焊接，減少人工，節(jié)省成本，提高產(chǎn)能
直管法蘭四點自動焊機
橢圓度跟蹤系統(tǒng)：焊接時隨工件自動調(diào)整，補償管道的橢圓及端面跳動對焊接的影響。
直管法蘭四點自動焊機 橢圓度跟蹤系統(tǒng)
自動檢測系統(tǒng)：自動檢測法蘭端面與管子端面距離，法蘭內(nèi)表面與管子外表面距離，為焊接系統(tǒng)提供精確的
直管法蘭 自動檢測系統(tǒng)
焊接質(zhì)量：成型均勻美觀，滿足射線檢測或超聲波檢測合格率98%以上；滿足承壓試驗或沖擊、拉伸、彎曲等力學(xué)性能檢驗要求。
以上就是小編所說，不理解的歡迎留言。
展開 Delfoi ARC機器人離線編程軟件特點介紹丨衡祖仿
模擬
● 用于單元布局建模的廣泛組件庫——超過 2000 個默認(rèn)機器人和工件定位器模型以及數(shù)十個智能參數(shù)化組件，例如傳送帶、光幕和安全屏障
● 通過視覺反饋自動檢測碰撞和“未遂”事件
● 單元布局規(guī)劃和單元內(nèi)組件的快速定位
● 審查機器人的工作范圍
● 通過視覺反饋自動檢測違反軸限制
● 自動檢測機器人奇點問題
● 快速有效地模擬創(chuàng)建的焊接程序，無論是實時還是設(shè)置為可變速度
● 可選擇以 3D-PDF 或 AVI 格式保存模擬程序并輕松共享文件
導(dǎo)入 CAD 數(shù)據(jù)
該程序廣泛支持以不同格式導(dǎo)入 CAD 數(shù)據(jù)。支持通用格式以及 CAD 軟件特定格式。
數(shù)據(jù)傳輸
● 強大且經(jīng)過測試的后處理器，包括下載到機器人控制器并從機器人控制器上傳，適用于所有主要機器人品牌，如 ABB、KUKA、Yaskawa、Motoman、Reis、CLOOS、IGM、Kawasaki、Fanuc、OTC Daihen、Nachi、Staübli 和 Hyundai
● 外部 I/O 設(shè)備的命令，例如使用 PLC 邏輯，也很容易實現(xiàn)。
展開 178文章復(fù)現(xiàn)：基于matlab的微震圖像去噪，利用同步壓縮連續(xù)小波變換進(jìn)行自動微震去噪和起始檢測 ￥25.9
文章復(fù)現(xiàn)：基于matlab的微震圖像去噪，利用同步壓縮連續(xù)小波變換進(jìn)行自動微震去噪和起始檢測，SS-CWT 可對時間和頻率變化的噪聲進(jìn)行自適應(yīng)過濾，可以去除小幅值信號中的大部分噪聲，檢測地震事件并估算地震發(fā)生時間。程序已調(diào)通，可直接運行。
“高鐵豎硬幣”已經(jīng)不算啥了……
今年四月份接手杭黃高鐵后，鐵路工程人員每天根據(jù)檢測數(shù)據(jù)給出作業(yè)方案，精準(zhǔn)找出需要整治地點，進(jìn)行有效整治，很多時候，大家都是要趁著凌晨0:00-4:00爭分奪秒抓緊時間施工。
沿線維護(hù)保養(yǎng)驚現(xiàn)“黑科技”
為了保障杭黃高鐵投入使用后安全可靠，如今在沿線維護(hù)保養(yǎng)中，也使用了很多“黑科技”。在杭州供電段富陽牽引變電所內(nèi)，記者見到了一臺萌萌的機器人正在自主檢測變電所內(nèi)的各項重要部位。
工作人員介紹，這臺外形酷似“瓦力”的全自動檢測機器人，可以自動檢測開關(guān)、連接是否正常，在自動檢測判斷的同時能上傳后臺供專業(yè)人員分析，大大節(jié)省了人力，還能做到24小時保障安全，目前屬于全路首創(chuàng)。
此外，杭州供電段組建了一只供電故障快速處理隊伍，及時處理影響高鐵運行安全的隱患。
全國鐵路將于2019年1月5日零時起
實施新列車運行圖
長三角鐵路新運行圖客運運力創(chuàng)歷史新高
杭黃鐵路計劃開行旅客列車36對
“復(fù)興號”動車組
開行覆蓋長三角高鐵線！
來源：錢江晚報
展開 