CN101281112A - 一种对网状粘连稻米的图像式自动分析方法 - Google Patents
一种对网状粘连稻米的图像式自动分析方法 Download PDFInfo
- Publication number
- CN101281112A CN101281112A CNA200810061439XA CN200810061439A CN101281112A CN 101281112 A CN101281112 A CN 101281112A CN A200810061439X A CNA200810061439X A CN A200810061439XA CN 200810061439 A CN200810061439 A CN 200810061439A CN 101281112 A CN101281112 A CN 101281112A
- Authority
- CN
- China
- Prior art keywords
- rice
- chalk
- grain
- image
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了一种对网状粘连稻米的图像式自动分析方法。该方法首先是在基准背光亮度等级下来成像稻米,通过自动分割使得网状粘连稻米分别属于不同的局部区域。其次是自动分割包括对胖圆形的粳米采用距离变换和分水岭变换进行分割,以及对细长形的籼米在分水岭变换后用圆形模板来判出凹角点,根据凹角点来判定分割线和去除错误分割线。用不同的色调着色完整精米、碎米、以及长度处于临界区的米粒,用不同色调来着色背景、垩白,最终算出籽粒数,每粒粒长、粒宽、籽粒长宽比,以及整精米率、碎米率、垩白度、垩白粒率,并形成分析报表。本发明克服了网状粘连稻米难以自动分析的问题,去除了要求分析样品不粘连摆放的限制。
Description
技术领域
本发明属于计算机数字图像处理领域,涉及到光源基准亮度分析技术、图像获取技术、图像增强技术、图像分割技术、二值及灰度图像处理技术、图像存储技术,特别涉及一种对网状粘连稻米的图像式自动分析方法。
背景技术
目前,我国稻米外观分析和评级一般采用国家标准GB/T 17891-1999规定的方法,通过人工完成。但是,人工分析的结果通常随着年龄、性别、识别能力等的不同而存在相当大的个体差异,即使同一人员也随其身体状况和情绪的变化产生不同的结果,难以保持统一、客观的标准,而且要求分析样品不粘连摆放的限制使得工作量巨大,难以满足稻米生产、管理和销售等部门,以及遗传育种中对稻米外观品质性状的快速分析和测定需要。
发明内容
本发明的目的在于针对现有技术的不足,提供一种对网状粘连稻米的图像式自动分析方法,以克服人工分析所带来的繁琐工作,提高工作效率和评测的客观性。
本发明的目的是通过以下技术方案来实现的:一种对网状粘连稻米的图像式自动分析方法,包括以下步骤:
(1)摄或扫描获取稻米外观图像;
(2)二值化稻米外观图像;
(3)分割网状粘连稻米;
(4)统计稻米总粒数;
(5)获取稻米粒形、整精米率、碎米率、垩白粒率和垩白度。
进一步地,所述二值化稻米外观图像具体包括以下步骤:
(A)选取阈值,阈值分割得到二值图像:稻米外观图像经过预处理后,采用最大间类方差法来获取阈值,或手动一次或多次点选背景或稻米目标,按图像亮度波动范围来确定阈值,然后进行阈值分割来将目标从背景中分出。
(B)修正二值图像:所述步骤(A)获得的二值图像存在孔洞和孤立的点,运用开运算来消除孤立的点,运用闭运算来消除孔洞。
进一步地,运用距离变换和分水岭变换分割胖圆形的粳米,并通过以下步骤分割细长形的籼米:
(A)去除错误分割线:以分割线端点为圆心做圆,然后从该分割线端点出发沿着稻米的边界按顺时针方向和逆时针方向进行搜索,当碰到圆周时停止搜索,这时可以得到两个交点,当两个交点与稻米相交部分的弧长大于五分之三圆周长时,则认为该端点为凹角点;正确的分割线两端均为凹角点,而错误的分割线至少有一个端点不是凹角点,根据该特征来去除错误分割线。
(B)基于凹角点分割细长形粘连稻米,具体包括以下步骤:
(a)对二值图像进行轮廓跟踪,轮廓曲线用链码表示。
(b)沿着链码用带方向的角点检测算法,计算粘连部位凹角的位置及方向。
(c)根据分割角点对的匹配规则,找出分割线所在的角点对。
(d)连接分割线所在的角点对,获得分割结果。
本发明的有益效果是:本发明克服了网状粘连稻米难以自动分析的问题,去除了要求分析样品不粘连摆放的限制。
附图说明
图1(a)网状粘连的籼米原图像;
图1(b)是网状粘连的粳米原图像;
图2(a)是对应图1(a)的二值化稻米图像;
图2(b)是对应图1(b)的二值化稻米图像;
图3是对应图2(b)稻米图像的分水岭分割结果示意图;
图4是网状粘连稻米的分割流程图;
图5(a)是对长形稻米的过分割导致结果错误示意图;
图5(b)是去除图5(a)中错误分割线获得正确结果示意图;
图6(a)是采用分水岭算法后的过分割示意图;
图6(b)是对应图6(a)中分割线端点的角点示意图;
图7(a)是角点方向定义示意图;
图7(b)是角点方向查找示意图;
图8(a)是从图5(b)中获得的稻米轮廓图;
图8(b)是根据图8(a)获得所有凹角点位置的结果示意图;
图8(c)是根据图8(b)凹角点位置和方向进行分割的结果示意图;
图8(d)是将图8(c)的分割线画到图5(b)上的结果示意图;
图9是对垩白的双阈值分割结果示意图;
图10是去除图9中牙胚和杂点后的结果示意图;
图11是本发明的方法流程图。
具体实施方式
以下结合附图对本发明作进一步说明。
依照本发明的技术方案,一种对网状粘连稻米的图像式自动分析方法,分为以下几个具体步骤完成。
1、拍摄或扫描获取稻米外观图像
本发明在稻米外观成像时,涉及到基准背光亮度的分析与构造。摄取图像的设备可以是数码相机、数码摄像头、扫描仪。
2、二值化稻米外观图像
二值化是将图像分成目标对象与背景两部分的一种操作,其关键是分割阈值的确定。
1)选取阈值
稻米图像经过预处理后,需要进行阈值分割来将目标从背景中分出。阈值可以人为指定,也可通过计算机自动获取。如图1所示,稻米图像背景比较单一,稻米和背景容易分离。本方法采用最大间类方差法来获取阈值,或手动一次或多次点选背景或稻米目标,按图像亮度波动范围来确定阈值,同时,也可以手动调整来确定阈值,以增加其灵活性。
2)修正二值图像
经过阈值分割后,得到二值图像,如图2所示。但是由于噪声的存在,二值图像中往往会存在一些孔洞和孤立的点,影响后续处理。而这些孔洞和点可以通过数学形态学运算来消除。
数学形态学运算是图像处理中的一种常见算法,其包括腐蚀、膨胀、开运算和闭运算4种基本运算。本方法中,采用开运算来消除孤立的点,采用闭运算来消除孔洞。
3、分割网状粘连稻米
采集到的稻米图像一般呈现出籽粒成片粘连的现象,如果不能把这种网状粘连的籽粒分离开,将严重影响分析的后续工作。对胖圆形的粳米,本发明采用距离变换和分水岭变换进行分割,其效果已经比较理想,如图3所示;但对细长形的籼米,分水岭变换会产生严重的过分割现象,或者有些粘连部位未被分割出来。
本发明对网状粘连稻米的分割流程如图4所示。
1)去除错误分割线
对于细长形的稻米,在进行分水岭变换后,因为过分割会产生一些多余的错误分割线,如图5(a)所示。从图中可以看出,细长形的稻米粘连部位有很明显的凹角点,即:正确的分割线两端一定均为凹角点,而错误的分割线至少有一个端点不是凹角点,本发明正是根据该特征来去除错误分割线的。在进行分水岭变换过程中,很容易找出分割线的端点(端点与背景是相邻的),但是怎么来判断端点是凹角点呢?在本发明中,采用一个圆形模板来判凹角点,如图6所示,图6(a)为过分割图像,图6(b)为图6(a)的二值图像,在图6(b)中,O为从图6(a)中对应过来的分割线端点。以O为圆心做半径为r的圆,然后从O点出发沿着稻米的边界顺时针方向和逆时针方向进行搜索,当碰到圆周时停止搜索,这时可以得到两个交点,如图6(b)中的A、B、C、D点所示。两个交点把圆周分成两部分,其一部分与背景相交,另一部分则与稻米相交,以与稻米相交部分的弧长来判断端点是否为凹角点,当弧长大于五分之三圆形模板周长时,则认为该端点为凹角点。被去除错误分割线的结果如图5(b)所示。
2)基于凹角点的细长形粘连稻米的分割
对于只有两颗米粒粘连的情况,找到角点后可以直接连接角点进行分割,但对粘连米粒数目大于2的情况,则要进行分割角点对的匹配。下面先看两个定义:
如图7(a)中,A、B为角点,定义AB或BA方向为分割线方向;从A点作米粒轮廓的切线AC、AD,构成∠CAD,然后作∠CAD的角平分线AE,定义EA的方向为角点A的方向,同理,FB为角点B的方向。
假设A的坐标为(x1,y1),B的坐标为(x2,y2),分割线方向可以通过下面公式得出:
α=Atan((y1-y2)/(x1-x2))
只要稍微修改,圆形模板可以在判断凹角点的同时,得出该角点的近似方向。前述是用与稻米相交的圆弧来判断凹角点,这里用与背景相交的圆弧来得出该角点的近似方向。如图7(b)所示,假设与背景相交圆弧的中点为E,其坐标为(x1,y1),而角点O的坐标为(x2,y2),则角点方向EO可以通过下面公式得出:
β=Atan((y1-y2)/(x1-x2))
在得到分割线方向和角点方向之后,根据下面规则进行分割角点对的匹配:
a)两角点方向相反,角点与分割线方向相同或相反;
b)分割线之间不能相交;
c)分割线不能穿过背景。
基于角点的长形粘连稻米分割步骤如下,分割中间过程及结果如图8所示。
第一步:对二值图像进行轮廓跟踪,轮廓曲线用链码表示,见图8(a)。
第二步:沿着链码用带方向的角点检测算法,计算粘连部位凹角的位置及方向,见图8(b)。
第三步:根据分割角点对的匹配规则,找出分割线所在的角点对,见图8(c)。
第四步:连接分割线所在的角点对获得分割结果,见图8(d)。
4、计算稻米总粒数
稻米被分割好之后,需要统计稻米总粒数。本发明采用连通域标记法进行,其处理过程如下:
第一步:寻找起始点。从上到下、从左至右扫描整幅图像,遇到的第一个对象点即为跟踪起点;
第二步:用漫水填充算法将该区域标记为背景,同时记下该区域的面积,且稻米总数增加1;
第三步:继续重复第一步、第二步,直到整图扫描完毕。
稻米总数计算结果如图9所示,输入该批米粒的重量后,便换算出千粒重。
5、计算稻米粒形
目前,我国粮食行业是按照国家标准GB/T 17891-1999的人工方法进行粒形测定,即用直尺测量10粒稻米的总长度和总宽度,从而计算出粒形的基本参数。本发明是利用稻米轮廓最小外接矩形(MER)来求取单粒稻米尺寸,从而计算出对应的稻米粒形。其步骤如下:
第一步:对二值图像进行轮廓追踪,得到一系列封闭区域,计算每个封闭区域轮廓的外接矩形面积,并记录外接矩形长度、宽度和面积;
第二步:图像逆时针旋转1度~3度后,重复第1步;对应旋转90度后,转入第三步;
第三步:统计每次旋转后封闭区域的矩形面积,求取封闭区域的最小外接矩形,记录最小外接矩形的长度(粒长)和宽度(粒宽);
第四步,计算最小外接矩形的长宽比(籽粒长宽比)。
6、求取整精米率和碎米率
根据国家标准GB 1350-1999中的3.7、3.8节规定,糙米碾磨成精度为国家标准一等大米时,米粒产生破碎,其中长度仍达到完整精米粒平均长度的五分之四以上(含五分之四)的米粒定义为整精米;而整精米率为整精米占净稻谷试样质量的百分率。
整精米率计算的是无量纲的质量百分率,因此,本发明用面积百分率代替质量百分率。由于米粒的破碎,面积百分率计算结果会大于质量百分率计算结果。但是,大量实验结果表明,面积百分率的误差随着整精米率的提高而提高,呈较强相关性,可以通过一个经验线性函数来分多档进行对应矫正。
整精米率计算的方法步骤如下:
第一步:用鼠标手动选取一部分完整精米粒,取其平均长度(计算米粒的长宽比时已经得到每颗米粒的长度),记为L;
第二步:记所有稻米目标的总面积为S1,整精米面积为S2,遍历每颗米粒,将当前米粒的面积加到S1,当前米粒的长度大于等于L的五分之四时,S2加上当前米粒的面积;
第三步:利用下面公式计算整精米率,碎米率(%)=1-整精米率(%)。
其中,k为按面积大小,分多档来表示与体积关系的矫正系数。
用不同的色调着色完整精米、碎米、以及长度处于临界区的米粒。还可分不同的大小来分别统计对应的碎米率。
7、求取稻米的垩白粒率及垩白度
根据国家标准GB 1350-1999中的3.3、3.5、3.6节规定,垩白是米粒胚乳中的白色不透明部分,包括腹白、心白和背白。垩白大小是将垩白米粒平放,米粒中垩白面积占该整粒米投影面积的百分率。
由于垩白是白色不透明的,其反射强于非垩白部分,在图像中表现为垩白部分的亮度高于非垩白部分。因此,可以利用两个阈值将图像分割成三个部分(背景部分、垩白部分和非垩白部分),分割算法如下:
在具体操作中,先将已被分割好的粘连米粒二值图像与原图像进行“与”操作,恢复图像的灰度信息,再用双阈值对图像进行分割。
经过阈值处理后得到如图9所示图像,虽然三部分被分割出来了,但还存在一些问题。米粒中的牙胚和由噪声引起的杂点亮度跟垩白相近,被分割到了垩白部分,为了更精确地计算垩白度,有必要去除牙胚和杂点的干扰。从图9中可以看出,牙胚和杂点的面积一般远小于垩白部分的面积,因此,可根据该特征来去除干扰,其具体步骤如下:
第一步:对分割好的图像用连通域标记法对垩白部分进行追踪,得到一系列封闭区域的面积;
第二步:对封闭区域进行判断,如果封闭区域面积低于面积限制阈值,则认为该区域为牙胚或杂点,转入第三步进行处理;如果封闭区域面积高于面积阈值,则认为该区域为正常稻米区域,转入第四步;
第三步:用非垩白部分灰度值对区域进行填充;
第四步:转入第二步,对下一封闭区域进行判断,直至所有区域判断完毕。
去除了牙胚和杂点的干扰后(如图10所示),接下来进行垩白粒率和垩白度的计算。根据国家标准GB 1350-1999中的3.4、3.6节规定,垩白粒率是有垩白的米粒占整个米样粒数的百分率。而垩白度是垩白面积总和占试样米粒面积总和的百分比。
计算垩白粒率需要知道垩白米粒数和整个米样粒数,而计算垩白度需要知道垩白总面积和试样米粒总面积(即:垩白部分总面积与非垩白部分总面积之和)。本发明中,对连通域标记法稍作修改来获取以上各项参数,其步骤如下:
第一步:寻找起始点。自上而下、从左至右扫描整幅图像,遇到的第一个目标对象点(非背景)即为跟踪起点;
第二步:用漫水填充算法将该区域标记为背景。修改的地方就在于该步中加入了以下操作:
a)开始标记时,Sum1=Sum1+1,S1=0;
b)标记过程中,如果当前点为垩白,则S1=S1+1;否则,S2=S2+1;
c)标记完成后,当S1>0时,Sum2=Sum2+1,S3=S3+S1。
Sum1:整个米样粒数;
Sum2:垩白米粒数;
S1:当前米粒垩白面积;
S2:非垩白部分总面积;
S3:垩白部分总面积。
第三步:继续重复第一步、第二步,直到整图扫描完毕,用不同色调来着色背景、垩白;
第四步:按照下面公式计算垩白粒率及垩白度。
Claims (9)
1.一种对网状粘连稻米的图像式自动分析方法,其特征在于,包括以下步骤:
(1)拍摄或扫描获取稻米外观图像。
(2)二值化稻米外观图像。
(3)分割网状粘连稻米。
(4)统计稻米总粒数。
(5)获取稻米粒形、整精米率、碎米率、垩白粒率和垩白度。
2.根据权利要求1所述的对网状粘连稻米的图像式自动分析方法,其特征在于,所述步骤(2)将稻米外观图像分成目标对象与背景两部分,具体包括以下步骤:
(A)选取阈值,阈值分割得到二值图像:稻米外观图像经过预处理后,采用最大间类方差法来获取阈值,或手动一次或多次点选背景或稻米目标,按图像亮度波动范围来确定阈值,然后进行阈值分割来将目标从背景中分出。
(B)修正二值图像:所述步骤(A)获得的二值图像存在孔洞和孤立的点,运用开运算来消除孤立的点,运用闭运算来消除孔洞。
3.根据权利要求1所述的对网状粘连稻米的图像式自动分析方法,其特征在于,所述步骤(3)中,运用距离变换和分水岭变换分割胖圆形的粳米,并通过以下步骤分割细长形的籼米:
(A)去除错误分割线:以分割线端点为圆心做圆,然后从该分割线端点出发沿着稻米的边界按顺时针方向和逆时针方向进行搜索,当碰到圆周时停止搜索,这时可以得到两个交点,当两个交点与稻米相交部分的弧长大于五分之三圆周长时,则认为该端点为凹角点;正确的分割线两端均为凹角点,而错误的分割线至少有一个端点不是凹角点,根据该特征来去除错误分割线。
(B)基于凹角点分割细长形粘连稻米,具体包括以下步骤:
(a)对二值图像进行轮廓跟踪,轮廓曲线用链码表示。
(b)沿着链码用带方向的角点检测算法,计算粘连部位凹角的位置及方向。
(c)根据分割角点对的匹配规则,找出分割线所在的角点对。
(d)连接分割线所在的角点对,获得分割结果。
4.根据权利要求1所述的对网状粘连稻米的图像式自动分析方法,其特征在于,所述步骤(4)包括以下步骤:
(A)寻找起始点:从上到下、从左至右扫描经过所述步骤(3)分割后的图像,遇到的第一个对象点即为跟踪起点。
(B)用漫水填充算法将该区域标记为背景,记下该区域的面积,同时稻米总数增加1。
(C)重复所述步骤(A)和(B),直到整张图扫描完毕。
5.根据权利要求1所述的对网状粘连稻米的图像式自动分析方法,其特征在于,所述步骤(5)中,通过以下步骤获取稻米粒形:
(A)对分割后的图像进行轮廓追踪,得到一系列封闭区域,获取每个封闭区域轮廓的外接矩形面积,并记录外接矩形长度、宽度和面积;
(B)图像逆时针旋转1~3°度后,重复步骤(A);对应旋转90°后,转入下一步骤;
(C)统计每次旋转后封闭区域的矩形面积,获取封闭区域的最小外接矩形,记录最小外接矩形的长度和宽度;
(D)获取最小外接矩形的长宽比。
7.根据权利要求1所述的对网状粘连稻米的图像式自动分析方法,其特征在于,所述步骤(5)中,利用两个阈值将分割后的图像分割成背景部分、垩白部分和非垩白部分,去除牙胚和杂点的干扰后计算垩白粒率及垩白度。
8.根据权利要求7所述的对网状粘连稻米的图像式自动分析方法,其特征在于,通过以下步骤去除牙胚和杂点的干扰:
(A)对分割后的图像用连通域标记法对垩白部分进行追踪,得到一系列封闭区域的面积。
(B)对封闭区域进行判断,如果封闭区域面积低于面积限制阈值,则认为该区域为牙胚或杂点,转入步骤(C)进行处理;如果封闭区域面积高于面积限制阈值,则认为该区域为正常稻米区域,转入步骤(D);
(C)用非垩白部分灰度值对区域进行填充;
(D)转入步骤(B),对下一封闭区域进行判断,直至所有区域判断完毕。
9.根据权利要求7所述的对网状粘连稻米的图像式自动分析方法,其特征在于,通过以下步骤计算垩白粒率及垩白度:
(A)寻找起始点:自上而下、从左至右扫描分割后的图像,遇到的第一个目标对象点即为跟踪起始点;
(B)用漫水填充算法将该区域标记为背景:开始标记时,Sum1=Sum1+1,S1=0;标记过程中,如果当前点为垩白,则S1=S1+1;否则,S2=S2+1;标记完成后,当S1>0时,Sum2=Sum2+1,S3=S3+S1;其中,Sum1:整个米样粒数;Sum2:垩白米粒数;S1:当前米粒垩白面积;S2:非垩白部分总面积;S3:垩白部分总面积。
(C)重复步骤(A)和(B),直到整图扫描完毕,用不同色调来着色背景、垩白;
(D)按照下面公式计算垩白粒率和垩白度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200810061439XA CN101281112A (zh) | 2008-04-30 | 2008-04-30 | 一种对网状粘连稻米的图像式自动分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200810061439XA CN101281112A (zh) | 2008-04-30 | 2008-04-30 | 一种对网状粘连稻米的图像式自动分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101281112A true CN101281112A (zh) | 2008-10-08 |
Family
ID=40013680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA200810061439XA Pending CN101281112A (zh) | 2008-04-30 | 2008-04-30 | 一种对网状粘连稻米的图像式自动分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101281112A (zh) |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102410828A (zh) * | 2010-08-09 | 2012-04-11 | 卓缤科技贸易公司 | 辨识邻接食物产品 |
CN102494977A (zh) * | 2011-11-29 | 2012-06-13 | 浙江工商大学 | 大米碎米率在线检测方法和系统 |
CN103226088A (zh) * | 2013-04-08 | 2013-07-31 | 贵州茅台酒股份有限公司 | 一种颗粒物计数方法及其装置 |
CN103411929A (zh) * | 2013-05-10 | 2013-11-27 | 中国水稻研究所 | 一种稻米透明度检测方法 |
WO2014002636A1 (ja) | 2012-06-27 | 2014-01-03 | 株式会社サタケ | 穀粒外観測定装置 |
CN103632157A (zh) * | 2012-08-24 | 2014-03-12 | 南京农业大学 | 单株小麦穗部籽粒数计数方法 |
CN103674957A (zh) * | 2013-12-25 | 2014-03-26 | 浙江工商大学 | 黄粒米粒检测方法及系统 |
CN104075965A (zh) * | 2014-07-02 | 2014-10-01 | 北京机械设备研究所 | 一种基于分水岭分割的显微图像颗粒粒度测量方法 |
CN104483243A (zh) * | 2014-11-21 | 2015-04-01 | 浙江工商大学 | 大米粘连米检测分割方法、装置及系统 |
CN105139405A (zh) * | 2015-09-07 | 2015-12-09 | 中国人民解放军理工大学 | 一种重叠碎米与整米的视觉分离检测方法 |
CN105894512A (zh) * | 2016-03-31 | 2016-08-24 | 中国农业大学 | 一种小区玉米果穗考种中粘连玉米果穗分割方法及装置 |
CN106650738A (zh) * | 2016-11-23 | 2017-05-10 | 中国农业大学 | 一种基于凹点匹配的玉米穗部粘连籽粒分割方法及系统 |
CN106918595A (zh) * | 2017-03-22 | 2017-07-04 | 扬州大学 | 一种整精米率批量测定方法及其设备 |
CN106971393A (zh) * | 2017-02-23 | 2017-07-21 | 北京农业信息技术研究中心 | 一种玉米籽粒的表型测量方法及系统 |
CN107240088A (zh) * | 2016-12-07 | 2017-10-10 | 浙江工商大学 | 粘连米粒的检测分割方法、系统以及装置 |
CN107300360A (zh) * | 2017-08-10 | 2017-10-27 | 山西农业大学 | 一种杂粮作物籽粒三轴尺寸快速检测算法 |
CN107843283A (zh) * | 2017-09-26 | 2018-03-27 | 中国水稻研究所 | 一种预测中长型糙米的整精米率方法 |
CN108010043A (zh) * | 2017-12-06 | 2018-05-08 | 凌云光技术集团有限责任公司 | 一种图像轮廓分割方法及装置 |
CN109142656A (zh) * | 2018-08-22 | 2019-01-04 | 广州粮将电子商务有限公司 | 大米品质检测展示方法 |
CN109724689A (zh) * | 2019-02-21 | 2019-05-07 | 哈尔滨工程大学 | 一种水中单气泡声特性的测量装置及测量方法 |
CN109727265A (zh) * | 2018-12-28 | 2019-05-07 | 北京行易道科技有限公司 | 目标分割方法及装置 |
CN109741394A (zh) * | 2018-12-10 | 2019-05-10 | 北京拓尔思信息技术股份有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN109752391A (zh) * | 2018-12-25 | 2019-05-14 | 中国农业大学 | 一种基于机器视觉的胡萝卜表面缺陷识别量化方法 |
CN110110697A (zh) * | 2019-05-17 | 2019-08-09 | 山东省计算中心(国家超级计算济南中心) | 基于方向矫正的多指纹分割提取方法、系统、设备及介质 |
CN110782440A (zh) * | 2019-10-22 | 2020-02-11 | 华中农业大学 | 一种作物籽粒性状测量方法 |
WO2020135056A1 (zh) * | 2018-12-29 | 2020-07-02 | 北京金山安全软件有限公司 | 一种图像处理方法及装置 |
CN111879735A (zh) * | 2020-07-22 | 2020-11-03 | 武汉大学 | 一种基于图像的大米外观品质检测方法 |
CN112730273A (zh) * | 2021-01-06 | 2021-04-30 | 淮阴工学院 | 一种便携式米质检测装置及其检测方法 |
CN113139934A (zh) * | 2021-03-26 | 2021-07-20 | 上海师范大学 | 一种水稻谷粒计数方法 |
CN117611927A (zh) * | 2024-01-22 | 2024-02-27 | 中储粮成都储藏研究院有限公司 | 一种稻谷互混率检测方法及装置 |
CN113139934B (zh) * | 2021-03-26 | 2024-04-30 | 上海师范大学 | 一种水稻谷粒计数方法 |
-
2008
- 2008-04-30 CN CNA200810061439XA patent/CN101281112A/zh active Pending
Cited By (45)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102410828B (zh) * | 2010-08-09 | 2015-11-18 | 卓缤科技贸易公司 | 辨识邻接食物产品 |
CN102410828A (zh) * | 2010-08-09 | 2012-04-11 | 卓缤科技贸易公司 | 辨识邻接食物产品 |
CN102494977A (zh) * | 2011-11-29 | 2012-06-13 | 浙江工商大学 | 大米碎米率在线检测方法和系统 |
US9607368B2 (en) | 2012-06-27 | 2017-03-28 | Satake Corporation | Grain appearance measuring apparatus |
WO2014002636A1 (ja) | 2012-06-27 | 2014-01-03 | 株式会社サタケ | 穀粒外観測定装置 |
CN103632157A (zh) * | 2012-08-24 | 2014-03-12 | 南京农业大学 | 单株小麦穗部籽粒数计数方法 |
CN103226088A (zh) * | 2013-04-08 | 2013-07-31 | 贵州茅台酒股份有限公司 | 一种颗粒物计数方法及其装置 |
CN103411929B (zh) * | 2013-05-10 | 2015-09-02 | 中国水稻研究所 | 一种稻米透明度检测方法 |
CN103411929A (zh) * | 2013-05-10 | 2013-11-27 | 中国水稻研究所 | 一种稻米透明度检测方法 |
CN103674957A (zh) * | 2013-12-25 | 2014-03-26 | 浙江工商大学 | 黄粒米粒检测方法及系统 |
CN104075965B (zh) * | 2014-07-02 | 2016-08-24 | 北京机械设备研究所 | 一种基于分水岭分割的显微图像颗粒粒度测量方法 |
CN104075965A (zh) * | 2014-07-02 | 2014-10-01 | 北京机械设备研究所 | 一种基于分水岭分割的显微图像颗粒粒度测量方法 |
CN104483243A (zh) * | 2014-11-21 | 2015-04-01 | 浙江工商大学 | 大米粘连米检测分割方法、装置及系统 |
CN105139405B (zh) * | 2015-09-07 | 2018-06-05 | 中国人民解放军理工大学 | 一种重叠碎米与整米的视觉分离检测方法 |
CN105139405A (zh) * | 2015-09-07 | 2015-12-09 | 中国人民解放军理工大学 | 一种重叠碎米与整米的视觉分离检测方法 |
CN105894512B (zh) * | 2016-03-31 | 2019-03-01 | 中国农业大学 | 一种小区玉米果穗考种中粘连玉米果穗分割方法及装置 |
CN105894512A (zh) * | 2016-03-31 | 2016-08-24 | 中国农业大学 | 一种小区玉米果穗考种中粘连玉米果穗分割方法及装置 |
CN106650738A (zh) * | 2016-11-23 | 2017-05-10 | 中国农业大学 | 一种基于凹点匹配的玉米穗部粘连籽粒分割方法及系统 |
CN106650738B (zh) * | 2016-11-23 | 2019-10-25 | 中国农业大学 | 一种基于凹点匹配的玉米穗部粘连籽粒分割方法及系统 |
CN107240088A (zh) * | 2016-12-07 | 2017-10-10 | 浙江工商大学 | 粘连米粒的检测分割方法、系统以及装置 |
CN106971393A (zh) * | 2017-02-23 | 2017-07-21 | 北京农业信息技术研究中心 | 一种玉米籽粒的表型测量方法及系统 |
CN106971393B (zh) * | 2017-02-23 | 2019-09-10 | 北京农业信息技术研究中心 | 一种玉米籽粒的表型测量方法及系统 |
CN106918595A (zh) * | 2017-03-22 | 2017-07-04 | 扬州大学 | 一种整精米率批量测定方法及其设备 |
CN107300360A (zh) * | 2017-08-10 | 2017-10-27 | 山西农业大学 | 一种杂粮作物籽粒三轴尺寸快速检测算法 |
CN107843283A (zh) * | 2017-09-26 | 2018-03-27 | 中国水稻研究所 | 一种预测中长型糙米的整精米率方法 |
CN108010043A (zh) * | 2017-12-06 | 2018-05-08 | 凌云光技术集团有限责任公司 | 一种图像轮廓分割方法及装置 |
CN109142656A (zh) * | 2018-08-22 | 2019-01-04 | 广州粮将电子商务有限公司 | 大米品质检测展示方法 |
CN109741394B (zh) * | 2018-12-10 | 2021-02-26 | 北京拓尔思信息技术股份有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN109741394A (zh) * | 2018-12-10 | 2019-05-10 | 北京拓尔思信息技术股份有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN109752391A (zh) * | 2018-12-25 | 2019-05-14 | 中国农业大学 | 一种基于机器视觉的胡萝卜表面缺陷识别量化方法 |
CN109752391B (zh) * | 2018-12-25 | 2020-06-30 | 中国农业大学 | 一种基于机器视觉的胡萝卜表面缺陷识别量化方法 |
CN109727265A (zh) * | 2018-12-28 | 2019-05-07 | 北京行易道科技有限公司 | 目标分割方法及装置 |
CN109727265B (zh) * | 2018-12-28 | 2022-03-22 | 北京行易道科技有限公司 | 目标分割方法及装置 |
WO2020135056A1 (zh) * | 2018-12-29 | 2020-07-02 | 北京金山安全软件有限公司 | 一种图像处理方法及装置 |
CN109724689A (zh) * | 2019-02-21 | 2019-05-07 | 哈尔滨工程大学 | 一种水中单气泡声特性的测量装置及测量方法 |
CN109724689B (zh) * | 2019-02-21 | 2021-11-30 | 哈尔滨工程大学 | 一种水中单气泡声特性的测量装置及测量方法 |
CN110110697A (zh) * | 2019-05-17 | 2019-08-09 | 山东省计算中心(国家超级计算济南中心) | 基于方向矫正的多指纹分割提取方法、系统、设备及介质 |
CN110110697B (zh) * | 2019-05-17 | 2021-03-12 | 山东省计算中心(国家超级计算济南中心) | 基于方向矫正的多指纹分割提取方法、系统、设备及介质 |
CN110782440A (zh) * | 2019-10-22 | 2020-02-11 | 华中农业大学 | 一种作物籽粒性状测量方法 |
CN111879735A (zh) * | 2020-07-22 | 2020-11-03 | 武汉大学 | 一种基于图像的大米外观品质检测方法 |
CN112730273A (zh) * | 2021-01-06 | 2021-04-30 | 淮阴工学院 | 一种便携式米质检测装置及其检测方法 |
CN113139934A (zh) * | 2021-03-26 | 2021-07-20 | 上海师范大学 | 一种水稻谷粒计数方法 |
CN113139934B (zh) * | 2021-03-26 | 2024-04-30 | 上海师范大学 | 一种水稻谷粒计数方法 |
CN117611927A (zh) * | 2024-01-22 | 2024-02-27 | 中储粮成都储藏研究院有限公司 | 一种稻谷互混率检测方法及装置 |
CN117611927B (zh) * | 2024-01-22 | 2024-04-16 | 中储粮成都储藏研究院有限公司 | 一种稻谷互混率检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101281112A (zh) | 一种对网状粘连稻米的图像式自动分析方法 | |
CN109377485B (zh) | 一种方便面包装缺陷机器视觉检测方法 | |
CN107153822A (zh) | 一种基于深度学习的半自动图像精标注方法 | |
CN108089544B (zh) | 一种鞋底喷胶机械人的轨迹生成方法及控制系统 | |
AU2015392660A1 (en) | Stepwise-refinement pavement crack detection method | |
CN102494976A (zh) | 一种超细晶粒钢晶粒的自动测量及其形态分类统计方法 | |
CN104463199A (zh) | 基于多特征及分割再校正的矿岩块度分类方法 | |
CN107025687B (zh) | 一种基于视觉依赖曲率估算的文物线图绘制方法 | |
CN101261685A (zh) | 基于图像矢量化技术的服装样片自动录入装置 | |
CN105404869A (zh) | 一种基于计算机视觉的水果外形分级方法 | |
CN110287898A (zh) | 一种光学卫星遥感影像云检测方法 | |
CN106780504B (zh) | 一种基于距离保持水平集的牛肉图像中背长肌自动分割方法 | |
CN111879735B (zh) | 一种基于图像的大米外观品质检测方法 | |
CN103198479A (zh) | 基于语义信息分类的sar图像分割方法 | |
CN109871900A (zh) | 一种基于图像处理的复杂背景下苹果的识别定位方法 | |
CN108921120A (zh) | 一种适应广泛零售场景下的香烟识别方法 | |
CN115294144B (zh) | 一种家具复合板表面缺陷识别方法 | |
CN103942808A (zh) | 粘连岩石颗粒图像的分割方法 | |
CN102881017A (zh) | 一种细胞分离方法 | |
CN106666767B (zh) | 一种基于视觉技术的高效葵花籽脱壳方法 | |
CN115661072A (zh) | 一种基于改进Faster RCNN算法的圆盘耙片表面缺陷检测方法 | |
CN101599172A (zh) | 非均匀光照的文本图像的亮度补偿分割方法 | |
Tang et al. | Leaf extraction from complicated background | |
CN103971367A (zh) | 水文资料图像分割方法 | |
CN110110810B (zh) | 一种鱿鱼质量等级识别分选方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20081008 |