CN101907453A - 基于机器视觉的块状农产品尺寸在线测量方法与装置 - Google Patents

基于机器视觉的块状农产品尺寸在线测量方法与装置 Download PDF

Info

Publication number
CN101907453A
CN101907453A CN 201010237726 CN201010237726A CN101907453A CN 101907453 A CN101907453 A CN 101907453A CN 201010237726 CN201010237726 CN 201010237726 CN 201010237726 A CN201010237726 A CN 201010237726A CN 101907453 A CN101907453 A CN 101907453A
Authority
CN
China
Prior art keywords
agricultural products
massive agricultural
massive
image
machine vision
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.)
Granted
Application number
CN 201010237726
Other languages
English (en)
Other versions
CN101907453B (zh
Inventor
王开义
张水发
刘忠强
赵春江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Research Center for Information Technology in Agriculture
Original Assignee
Beijing Research Center for Information Technology in Agriculture
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Research Center for Information Technology in Agriculture filed Critical Beijing Research Center for Information Technology in Agriculture
Priority to CN2010102377269A priority Critical patent/CN101907453B/zh
Publication of CN101907453A publication Critical patent/CN101907453A/zh
Application granted granted Critical
Publication of CN101907453B publication Critical patent/CN101907453B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于机器视觉的块状农产品尺寸在线测量方法与装置，所述方法包括步骤：沿块状农产品传送方向，根据传送带的传送速度，通过设置时钟触发摄像机在一定的时间间隔内采集一帧块状农产品的图像；将所采集的块状农产品的图像进行预处理，并将块状农产品从其背景中分离；提取连通区域，得到独立块状农产品，计算块状农产品面积并去除面积不合格的块状农产品，随后计算包含面积合格的块状农产品的最小矩形，并计算矩形拟合度；将拟合度与尺寸合格的块状农产品差别超过设定门限值的判定为尺寸不合格的块状农产品，并计算块状农产品的合格率。本发明的方法具有结果更客观公正，并且不会对人的健康和块状农产品的卫生情况造成损害的优点。

Description

基于机器视觉的块状农产品尺寸在线测量方法与装置
技术领域
本发明涉及自动化生产过程在线质量检测领域，特别涉及一种基于机器视觉的块状农产品尺寸在线测量方法与装置。
背景技术
机器视觉是一项集合了数字图像处理、机械、控制、照明、光学、计算机软硬件等技术的一项综合技术。机器视觉系统可以实现对产品的无损害检测，快速获取大量信息，因此，机器视觉技术作为一种重要的检测手段已经日益引起人们的重视，并广泛地应用于成品检验和质量控制等领域。
生切块状农产品的合格率主要由块状农产品的尺寸和颜色两种外观特征决定。在机器视觉中，可以通过简单的颜色空间转换和自适应阈值法区分不同的颜色信息，因此，研究开发能够准确、高效、快捷的测量块状农产品尺寸的方法和装置，对块状农产品合格率检测以及块状农产品的大批量、自动化生产加工，具有重要意义。目前块状农产品的分选主要依靠感官评判的方法。感官评判是由训练有素的专业分选人员对块状农产品的尺寸和颜色等外观特征进行逐一评判来分选合格的块状农产品和不合格的块状农产品，但人的感觉器官的灵敏度受到经验、精神状态、身体状况以及周围环境等因素的干扰，并且长时间单调乏味的重复劳动，容易使人产生视觉疲劳，从而影响分选结果的准确性。目前还没用利用机器视觉对块状农产品合格率进行自动在线检测的方法和装置。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是自动测量块状农产品的尺寸，实现块状农产品合格率的在线检测。
(二)技术方案
为达到上述目的，本发明提出了一种基于机器视觉的块状农产品尺寸在线测量方法，包括步骤：
S1、沿块状农产品传送方向，根据传送带的传送速度，通过设置时钟触发摄像机在一定的时间间隔内采集一帧所述块状农产品的图像；
S2、将所采集的所述块状农产品的图像进行预处理，并将所述块状农产品从其背景中分离；
S3、提取连通区域，得到独立块状农产品，计算块状农产品面积并去除面积不合格的块状农产品，随后计算包含面积合格的块状农产品的最小矩形，并计算矩形拟合度；
S4、将拟合度与尺寸合格的块状农产品差别超过设定门限值的判定为尺寸不合格的块状农产品，并计算块状农产品的合格率。
其中，步骤S1中采集一帧所述块状农产品的图像的方法是：使待检测块状农产品通过振动器均匀地通过所述传送带传送到所述摄像机的下方，通过设置时钟触发所述摄像机采集图像，并将采集的图像通过光纤传输器传输至计算机。
其中，步骤S2的具体过程是：采用中值滤波法对所述块状农产品的图像进行去除噪声的预处理，并采用自适应阈值算法将所述块状农产品从其背景中分离。
其中，步骤S3的具体过程是：利用形态学开闭运算对与背景分离的所述块状农产品的图像进行空洞填充，然后利用序贯算法提取连通区域，从而获得所述块状农产品的面积，并根据面积合格的块状农产品通过阈值法去除面积不合格的块状农产品，接着利用霍夫变换计算包含所述面积合格的块状农产品的最小矩形、并计算矩形拟合度。
本发明还提供了一种基于机器视觉的块状农产品在线测量装置，其特征在于，包括鲜切刀具、位于所述鲜切刀具下方的振动器、与所述振动器连接的传送带、位于所述传送带上方的摄像机，与所述摄像机的输出连接的光纤传输器，所述光纤传输器的输出通过数据传输电缆与计算机连接，所述计算机内具有尺寸测量单元，
其中，还包括用于支撑所述摄像机的支架以及均匀分布在所述摄像机周围的LED光源。
其中，所述摄像机具有1394标准接口，并且所述信号光纤传输器的类型为IEEE1394。
其中，所述测量单元包括：图像输入设备控制模块、图像预处理模块、图像特征提取模块以及块状农产品合格率输出模块，其中，
所述图像输入设备控制模块用于采集块状农产品图像，
所述图像预处理模块用于将所采集的块状农产品的图像进行预处理，并将所述块状农产品从其背景中分离，
所述图像特征提取模块用于提取连通区域，得到独立块状农产品，计算块状农产品面积并去除面积不合格的块状农产品，随后计算包含面积合格的块状农产品的最小矩形，并计算矩形拟合度，
所述块状农产品合格率输出模块用于将拟合度与尺寸合格的块状农产品差别超过设定门限值的判定为尺寸不合格的块状农产品，并计算块状农产品的合格率。
(三)有益效果
本发明的上述技术方案具有如下优点：基于机器视觉的块状农产品在线测量方法模仿人的信息处理功能，利用高精度在线模式识别系统处理图像数据，并通过与标准的块状农产品特征信息比较、判别，区分合格的块状农产品和不合格的块状农产品，并得到块状农产品的合格率。
本发明与人工检测相比，结果更客观公正，并且不会对人的健康和块状农产品的卫生情况造成损害，将机器视觉用于块状农产品分选过程中，既可以解放劳动力，使人脱离重复乏味的简单劳动，又可以排除人的主观因素干扰，提高检测的可信度，该发明可以应用于块状农产品的自动化生产、检测过程。
附图说明
图1是本发明基于机器视觉的块状农产品尺寸在线测量装置实施例的装置示意图；
图2是本发明基于机器视觉的块状农产品尺寸在线测量装置的测量单元的示意图；
图3是本发明基于机器视觉的块状农产品尺寸在线测量方法的流程示意图。
其中：1、鲜切刀具；2、振动器；3、传送带；4、LED光源；5、摄像机；6、数据传输电缆；7、信号光纤传输器；8、计算机；9、支撑架。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
如图1所示为本发明的基于机器视觉的块状农产品尺寸在线测量装置，以土豆丁为例，其工作过程如下：土豆在鲜切刀具1中被切成土豆丁，经过振动器2，让土豆丁均匀地通过传送带3传送到摄像机5的CCD下方，调整支撑架9的高度和摄像机5的焦距，使摄像机5镜头的上边缘与传送带保持在一个水平面上，并使待测土豆丁在摄像机5中的大小合适，同时根据当前的光照环境调整LED光源4的亮度，为测量提供稳定可靠的光照条件，通过设置时钟触发摄像机在一定的时间间隔内采集图像，具有IEEE1394标准接口的信号光纤传输器7通过数据传输电缆6将摄像机5和计算机8连接，将摄像机5采集到的土豆丁图像传输给计算机8，摄像机5也具有IEEE1394标准接口，因为选用具有IEEE1394标准接口的工业数字摄像机，在数据传输过程中占有资源较少，适合于一台计算机与多台数字摄像机同时使用，能够对多条生产线进行在线检测；计算机8内的土豆丁尺寸测量单元模拟人的大脑对图像数据进行模式识别处理，最后由计算机8计算出被测土豆丁的合格率，并输出显示。
如图2所示，块状农产品尺寸测量单元包括图像输入设备控制模块、图像预处理模块、图像特征提取模块和块状农产品合格率输出模块等四大模块，其中图像输入设备控制模块的功能为控制相关设备在线采集土豆丁图像，图像预处理模块的功能为进行图像预处理以及把土豆丁从背景中分割出来，图像特征提取模块的功能为提取连通区域及其面积、用最小矩形拟合每个连通区域并计算其拟合度，并通过融合这两个特征区分合格的土豆丁和不合格的土豆丁，块状农产品合格率输出模块的功能为计算并输出块状农产品的尺寸和合格率。
如图3所示，块状农产品尺寸测量单元计算土豆丁的合格率的具体过程如下：
1、首先由图像输入设备控制模块如上所述控制相关设备在线采集一帧土豆丁图像；
2、图像预处理模块采用中值滤波法对所采集的土豆丁图像进行预处理，这是由于图像信息在采集过程中会受到很多噪声源的干扰，若不经过去噪，会对后续的背景分割带来影响。中值滤波法是一种基于排序统计理论的能有效抑制噪声的非线性平滑技术，其基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点，即可做到噪声抑制、滤波脉冲干扰及图像扫描噪声，又可以克服线性滤波器带来的图像细节模糊，保持图像边缘信息。
3、接着图像预处理模模块采用自适应阈值法将土豆丁从背景中分离出来，这是由于：当背景发生变化，如照明不均匀、有突发噪声，或者背景灰度变化较大、土豆丁灰度变化时，把土豆丁从背景中分割的阈值也可能发生变化，并且整幅图像用单一阈值不可能很好的分割，因此需要用自适应阈值的方法进行背景分割，使分割更加鲁棒。计算思路是，把图像分成一个个小区域，针对每一个小区域，选取一个阈值进行分割。
4、然后，图像特征提取模块采用形态学开闭运算进行二值图像空洞的填充并采用序贯算法进行连通区域的提取，这是由于：背景分割之后的二值图像，很明显的存在一些空洞，如果直接进行连通区域的提取，将会对计算连通区域的面积产生较大的影响，直接影响了后期土豆丁尺寸的测量结果，因此，采用数学形态学的开闭运算进行孔径的填充。
由于一帧图像中有很多土豆丁，为了测量土豆丁的尺寸，需要把土豆丁分割开来，因此，采用序贯算法提取连通区域。序贯算法通过对图像的二次扫描完成，其思路是在第一次扫描图像时，给像素值为1的邻点分配一个已经使用过的标记，如果像素的邻点有两种不同的标记，则用一个等价表记录所有的等价标记，在第二次扫描时，使用这一等价表来给某一连通成分中所有像素点分配唯一标记。
5、接下来，图像特征提取模块根据提取的连通区域计算土豆丁的面积，并采用阈值法选择面积合格的土豆丁，去除面积不合格的土豆丁。
6、接着图像特征提取模块通过多边形拟合计算面积合格的土豆丁的尺寸，这是由于：
通过连通区域的提取得到了独立的土豆丁的连通区域，由于噪声、背景分割和土豆丁本身形状的不规则及不确定性，使得到的连通区域形状差异较大，因此需要用多边形拟合每个连通区域，以便得到最终的土豆丁尺寸。
计算方法是：针对每个连通区域，计算其重心，然后通过霍夫变换的方法得到该连通区域的拟合矩形，并计算矩形拟合度。
7、最后，块状农产品合格率输出模块将拟合度与尺寸合格的土豆丁差别超过设定门限值的判定为尺寸不合格的土豆丁。
8、再由块状农产品合格率输出模块计算土豆丁的合格率，并通过计算机8显示。
下面进行土豆丁图像的下一帧的采集，然后重复进行上述过程。
本发明对瓜果、块状农产品的切块尺寸测量具有通用性，但由于产品种类很多，因此本发明只举一个用于土豆丁尺寸测量的实施实例，其它瓜果和块状农产品的切块尺寸测量可以参照该实施实例的方法，具体针对所测瓜果、块状农产品的切块特征，改变相关参数，就可以对新的切块尺寸进行测量了。
以上所述仅是本发明的实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (8)

1.一种基于机器视觉的块状农产品尺寸在线测量方法，其特征在于，包括步骤：
S1、沿块状农产品传送方向，根据传送带(3)的传送速度，通过设置时钟触发摄像机(5)在一定的时间间隔内采集一帧所述块状农产品的图像；
S2、将所采集的所述块状农产品的图像进行预处理，并将所述块状农产品从其背景中分离；
S3、提取连通区域，得到独立块状农产品，计算块状农产品面积并去除面积不合格的块状农产品，随后计算包含面积合格的块状农产品的最小矩形，并计算矩形拟合度；
S4、将拟合度与尺寸合格的块状农产品差别超过设定门限值的判定为尺寸不合格的块状农产品，并计算块状农产品的合格率。
2.如权利要求1所述的基于机器视觉的块状农产品尺寸在线测量方法，其特征在于，步骤S1中采集一帧所述块状农产品的图像的方法是：使待检测块状农产品通过振动器(2)均匀地通过所述传送带(3)传送到所述摄像机(5)的下方，通过设置时钟触发所述摄像机(5)采集图像，并将采集的图像通过光纤传输器(7)传输至计算机(8)。
3.如权利要求2所述的基于机器视觉的块状农产品尺寸在线测量方法，其特征在于，步骤S2的具体过程是：采用中值滤波法对所述块状农产品的图像进行去除噪声的预处理，并采用自适应阈值算法将所述块状农产品从其背景中分离。
4.如权利要求3所述的基于机器视觉的块状农产品尺寸在线测量方法，其特征在于，步骤S3的具体过程是：利用形态学开闭运算对与背景分离的所述块状农产品的图像进行空洞填充，然后利用序贯算法提取连通区域，从而获得所述块状农产品的面积，并根据面积合 格的块状农产品通过阈值法去除面积不合格的块状农产品，接着利用霍夫变换计算包含所述面积合格的块状农产品的最小矩形、并计算矩形拟合度。
5.一种基于机器视觉的块状农产品在线测量装置，其特征在于，包括鲜切刀具(1)、位于所述鲜切刀具(1)下方的振动器(2)、与所述振动器(2)连接的传送带(3)、位于所述传送带(3)上方的摄像机(5)，与所述摄像机(5)的输出连接的光纤传输器(7)，所述光纤传输器(7)的输出通过数据传输电缆(6)与计算机(8)连接，所述计算机(8)内具有尺寸测量单元。
6.如权利要求5所述的基于机器视觉的块状农产品在线测量装置，还包括用于支撑所述摄像机(5)的支架(9)以及均匀分布在所述摄像机(5)周围的LED光源(4)。
7.如权利要求6所述的基于机器视觉的块状农产品在线测量装置，其特征在于，所述摄像机(5)具有1394标准接口，并且所述信号光纤传输器(7)的类型为IEEE1394。
8.如权利要求5所述的基于机器视觉的块状农产品在线测量装置，其特征在于，所述测量单元包括：图像输入设备控制模块、图像预处理模块、图像特征提取模块以及块状农产品合格率输出模块，其中，
所述图像输入设备控制模块用于采集块状农产品图像，
所述图像预处理模块用于将所采集的块状农产品的图像进行预处理，并将所述块状农产品从其背景中分离，
所述图像特征提取模块用于提取连通区域，得到独立块状农产品，计算块状农产品面积并去除面积不合格的块状农产品，随后计算包含面积合格的块状农产品的最小矩形，并计算矩形拟合度，
所述块状农产品合格率输出模块用于将拟合度与尺寸合格的块状农产品差别超过设定门限值的判定为尺寸不合格的块状农产品，并计算块状农产品的合格率。 
CN2010102377269A 2010-07-23 2010-07-23 基于机器视觉的块状农产品尺寸在线测量方法与装置 Active CN101907453B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2010102377269A CN101907453B (zh) 2010-07-23 2010-07-23 基于机器视觉的块状农产品尺寸在线测量方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2010102377269A CN101907453B (zh) 2010-07-23 2010-07-23 基于机器视觉的块状农产品尺寸在线测量方法与装置

Publications (2)

Publication Number Publication Date
CN101907453A true CN101907453A (zh) 2010-12-08
CN101907453B CN101907453B (zh) 2012-01-11

Family

ID=43262978

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010102377269A Active CN101907453B (zh) 2010-07-23 2010-07-23 基于机器视觉的块状农产品尺寸在线测量方法与装置

Country Status (1)

Country Link
CN (1) CN101907453B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102495067A (zh) * 2011-11-29 2012-06-13 浙江工商大学 一种食用菌杂质在线识别系统
CN102654463A (zh) * 2012-04-13 2012-09-05 北京农业信息技术研究中心 西瓜品质无损检测方法及装置
CN102680488A (zh) * 2012-03-31 2012-09-19 北京农业信息技术研究中心 一种基于pca的块状农产品在线识别装置及方法
CN102721509A (zh) * 2012-05-22 2012-10-10 北京农业信息技术研究中心 粘连块状农产品在线分级方法
CN102837317A (zh) * 2011-06-20 2012-12-26 株式会社安川电机 拾取系统
CN103900499A (zh) * 2014-02-27 2014-07-02 中国烟草总公司北京市公司 基于计算机视觉技术的卷烟包装警语区域面积测定方法
CN104296665A (zh) * 2014-09-28 2015-01-21 苏州镭络视觉技术有限公司 一种基于机器视觉的工件尺寸测量方法及系统
WO2015176223A1 (zh) * 2014-05-20 2015-11-26 中国科学院自动化研究所 基于机器视觉和场地防滑道的粪量检测方法
CN106548480A (zh) * 2016-12-23 2017-03-29 蚌埠学院 一种基于机器视觉的农产品体积快速测量装置及测量方法
CN107063090A (zh) * 2017-04-11 2017-08-18 福州大学 一种水表表芯中玛瑙装配的在线检测方法
CN108362693A (zh) * 2018-01-12 2018-08-03 上海大学 一种基于图像处理的传送带上绝缘子合格率的检测方法
CN110274565A (zh) * 2019-04-04 2019-09-24 王彬 对象面积现场检测平台
CN111750805A (zh) * 2020-07-06 2020-10-09 山东大学 一种基于双目相机成像和结构光技术的三维测量装置及测量方法
CN113494936A (zh) * 2020-04-02 2021-10-12 山西农业大学 一种地下块茎作物生长监测装置及监测方法
CN114295639A (zh) * 2021-12-31 2022-04-08 珠海格力智能装备有限公司 视觉检测方法、视觉检测装置以及非易失性存储介质
CN114707904A (zh) * 2022-05-05 2022-07-05 江苏文友软件有限公司 一种基于大数据的质量检测方法及系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI463420B (zh) * 2012-03-13 2014-12-01 Tatung Co 連通元件標記的影像處理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009053194A (ja) * 2007-08-28 2009-03-12 Tokyo Electron Ltd 光回折における近似精緻回折モデルを用いた構造に係るプロファイルパラメータの決定
CN101650316A (zh) * 2009-09-15 2010-02-17 合肥安大电子检测技术有限公司 片烟结构在线检测装置及其检测方法
US20100066824A1 (en) * 2006-06-21 2010-03-18 Aew Delford Systems Limited Vision system using strobed illumination
CN101726693A (zh) * 2009-11-26 2010-06-09 绍兴电力局 一种在紫外图像上寻找电力设备放电区域的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100066824A1 (en) * 2006-06-21 2010-03-18 Aew Delford Systems Limited Vision system using strobed illumination
JP2009053194A (ja) * 2007-08-28 2009-03-12 Tokyo Electron Ltd 光回折における近似精緻回折モデルを用いた構造に係るプロファイルパラメータの決定
CN101650316A (zh) * 2009-09-15 2010-02-17 合肥安大电子检测技术有限公司 片烟结构在线检测装置及其检测方法
CN101726693A (zh) * 2009-11-26 2010-06-09 绍兴电力局 一种在紫外图像上寻找电力设备放电区域的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
《农机化研究》 20071031 黄星奕等 计算机视觉在脱水姜片在线分选中的应用 153-155 5-7 , 第10期 2 *
《微计算机信息》 20071231 赵杰文等 机器视觉实现方便面破损在线检测的研究 238-240 1-8 第23卷, 第10-1期 2 *
《浙江工程学院学报》 20030630 包晓敏等 计算机视觉技术在大米轮廓检测上的应用 104-107 1-8 第20卷, 第2期 2 *
《计算机科学》 20020331 宋培华等 边界跟踪与序贯算法在二值连通区域标记中的应用 108-109,139 1-8 第29卷, 第3期 2 *

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102837317A (zh) * 2011-06-20 2012-12-26 株式会社安川电机 拾取系统
CN102837317B (zh) * 2011-06-20 2015-05-06 株式会社安川电机 拾取系统
CN102495067A (zh) * 2011-11-29 2012-06-13 浙江工商大学 一种食用菌杂质在线识别系统
CN102495067B (zh) * 2011-11-29 2013-10-30 浙江工商大学 一种食用菌杂质在线识别系统
CN102680488B (zh) * 2012-03-31 2015-06-17 北京农业信息技术研究中心 一种基于pca的块状农产品在线识别装置及方法
CN102680488A (zh) * 2012-03-31 2012-09-19 北京农业信息技术研究中心 一种基于pca的块状农产品在线识别装置及方法
CN102654463A (zh) * 2012-04-13 2012-09-05 北京农业信息技术研究中心 西瓜品质无损检测方法及装置
CN102721509B (zh) * 2012-05-22 2014-09-03 北京农业信息技术研究中心 粘连块状农产品在线分级方法
CN102721509A (zh) * 2012-05-22 2012-10-10 北京农业信息技术研究中心 粘连块状农产品在线分级方法
CN103900499A (zh) * 2014-02-27 2014-07-02 中国烟草总公司北京市公司 基于计算机视觉技术的卷烟包装警语区域面积测定方法
WO2015176223A1 (zh) * 2014-05-20 2015-11-26 中国科学院自动化研究所 基于机器视觉和场地防滑道的粪量检测方法
CN104296665A (zh) * 2014-09-28 2015-01-21 苏州镭络视觉技术有限公司 一种基于机器视觉的工件尺寸测量方法及系统
CN106548480B (zh) * 2016-12-23 2023-05-26 蚌埠学院 一种基于机器视觉的农产品体积快速测量装置及测量方法
CN106548480A (zh) * 2016-12-23 2017-03-29 蚌埠学院 一种基于机器视觉的农产品体积快速测量装置及测量方法
CN107063090A (zh) * 2017-04-11 2017-08-18 福州大学 一种水表表芯中玛瑙装配的在线检测方法
CN108362693A (zh) * 2018-01-12 2018-08-03 上海大学 一种基于图像处理的传送带上绝缘子合格率的检测方法
CN110274565A (zh) * 2019-04-04 2019-09-24 王彬 对象面积现场检测平台
CN113494936A (zh) * 2020-04-02 2021-10-12 山西农业大学 一种地下块茎作物生长监测装置及监测方法
CN113494936B (zh) * 2020-04-02 2023-04-28 山西农业大学 一种地下块茎作物生长监测装置及监测方法
CN111750805A (zh) * 2020-07-06 2020-10-09 山东大学 一种基于双目相机成像和结构光技术的三维测量装置及测量方法
CN114295639A (zh) * 2021-12-31 2022-04-08 珠海格力智能装备有限公司 视觉检测方法、视觉检测装置以及非易失性存储介质
CN114707904A (zh) * 2022-05-05 2022-07-05 江苏文友软件有限公司 一种基于大数据的质量检测方法及系统

Also Published As

Publication number Publication date
CN101907453B (zh) 2012-01-11

Similar Documents

Publication Publication Date Title
CN101907453B (zh) 基于机器视觉的块状农产品尺寸在线测量方法与装置
CN109454006B (zh) 基于化纤丝锭绊丝缺陷在线检测和分级的装置的检测分级方法
CN105388162B (zh) 基于机器视觉的原料硅片表面划痕检测方法
CN101944231B (zh) 小麦穗部形态参数提取方法
CN101419058B (zh) 一种基于机器视觉的植物茎秆直径测量装置与测量方法
CN109507192A (zh) 一种基于机器视觉的磁芯表面缺陷检测方法
CN104198324B (zh) 基于计算机视觉的烟丝中叶丝比例测定方法
CN106442525B (zh) 用于核桃内部干瘪缺陷的在线检测方法
CN105181714A (zh) 一种基于图像处理的瓶装液体杂质检测系统及其检测方法
CN107993203B (zh) 一种家禽胴体影像分级方法及其分级系统
CN106248680A (zh) 一种基于机器视觉的电机换向器质量检测系统及检测方法
CN103792235A (zh) 漫透射光谱与图像信息融合的蜜瓜内部品质在线检测方法与装置
CN104056790A (zh) 一种马铃薯智能分选方法与装置
CN108445011A (zh) 一种基于深度学习的瑕疵检测系统及方法
CN205538710U (zh) 一种基于机器视觉的电感质量自动检测系统
CN102175692A (zh) 织物坯布疵点快速检测系统及方法
CN102654463A (zh) 西瓜品质无损检测方法及装置
CN107358270B (zh) 一种隧道墙体的渗水检测方法及装置
CN109241965A (zh) 图像处理的大蒜鳞芽方向识别及作业监控装置和方法
CN104048966B (zh) 一种基于大律法的布面疵点检测及分类方法
CN103544524A (zh) 棒材复核计数方法和装置
CN108776143A (zh) 一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置及方法
CN102680488B (zh) 一种基于pca的块状农产品在线识别装置及方法
CN107464232B (zh) 一种无人插秧机栽插质量的图像检测方法
CN115953627A (zh) 一种可对辣椒进行品级分类的图像识别系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant