CN102410828A - 辨识邻接食物产品 - Google Patents
辨识邻接食物产品 Download PDFInfo
- Publication number
- CN102410828A CN102410828A CN2011102231863A CN201110223186A CN102410828A CN 102410828 A CN102410828 A CN 102410828A CN 2011102231863 A CN2011102231863 A CN 2011102231863A CN 201110223186 A CN201110223186 A CN 201110223186A CN 102410828 A CN102410828 A CN 102410828A
- Authority
- CN
- China
- Prior art keywords
- closed outline
- food product
- closed
- food
- outline
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
一种用于确定食物处理系统中邻接食物产品之间边界的方法,该方法使用食物产品的扫描数据以识别邻接食物产品的周边。任选地,来自扫描食物产品的数据首先被测试,以确定或预测是否有多于一个的制品。邻接食物产品的周边根据该扫描数据生成,且该周边信息被处理,以识别或估算产品之间的边界。例如,该边界可以被侵蚀,直到它分开成两部分。受原来周边约束的该两部分然后被扩大,以致所关注的区包含含有边界的重叠部分。所关注的区被分析,以定位该边界。在另一种方法中,参数形状被拟合到图像,以识别个别的制品。在另一种方法中,找出把周边分开成两个基本部分的最短线或表面。
Description
技术领域
本发明涉及一种用于自动识别食物处理系统中两件邻接食物产品制品之间的共用边界的方法,并且涉及一种用于在放置在传送机上的邻接食物产品之间进行鉴别的方法。
背景技术
食物处理系统的至少一部分经常包含按连续过程处理食物产品,同时食物产品在传送机系统,例如在带式传送机、滚筒传送机、金属丝网传送机、链条传送机等上面的两个不同位置之间被传送。本领域熟知,在这种食物处理系统中,食物产品可以被切割或用别的办法被分割成更小的部分。还有,脂肪、骨头或其他不需要的部分可以从食物产品剔除。已制备的食物产品,诸如已烘烤的食品,可以加糖霜、浇糖浆、冲裁、分块、预切片或用别的办法处理。食物产品的分块或剔除,通常是用高速分块机械完成的。例如见授予Bottemiller等人的美国专利No.7,621,806,本文全文引用该专利供参考。
通常,食物处理系统可以使用各种的不同扫描技术中的任一种以识别和表征食物产品。例如,扫描系统可以被用于识别传送机系统上食物产品的位置和取向,并可以进一步提供关于食物产品的两维和/或三维形状的信息。该信息将通常借助计算机被分析,以确定例如如何按照别的准则,最有效地把食物产品分块成需要的尺寸、重量或形状。例如,如果需要特定重量的食物产品部分,则可以采用来自扫描器的信息,以便控制切割食物产品的切割装置的操作,以获得需要的部分的尺寸。如果食物产品宽度和/或高度改变,例如使用食物产品的估算密度,片的厚度可以被改变,以获得需要的部分重量。
然而,当两件或更多物品在扫描期间是相互邻接时,自动扫描系统在正确识别和表征食物产品方面可能有困难。例如,当前的扫描系统可能把两件(或更多)邻接食物物品解释为单一物品。此外,即使该系统能够预测或确定有两件(或更多)食物物品,当前的扫描器通常不能识别邻接物品之间的共用边界。
由于诸多理由,有必要准确识别和辨识相接触的食物产品。例如,食物产品常常被扫描,以确定和优化进一步的处理,诸如剔除、切割、分块、包装等。例如,如果由于恰当辨识相接触的产品的失败,肉产品被不正确地切割,结果可以是消费者不接受的尺寸不足的部分。同样,如果扫描数据被用于识别食物产品的特定特征,例如鸡胸脯上的胸骨,而该识别的特征被用于规划或优化进一步的处理,则辨识相接触的产品的能力可能是特别重要的。对食物产品的精确统计,例如产品的数量、食物产品的长度、宽度和尺寸,以及食物产品的分类,要求精确地辨识相接触的食物产品。
发明内容
本发明内容被提供,是为了用简化形式介绍下面将在具体实施方式中进一步被描述的一系列概念。本发明内容不准备用于识别请求保护的主题的关键特征,也不准备被用于帮助确定请求保护的主题的范围。
一种用于识别两件邻接食物制品之间边界的方法被公开,其中邻接制品被扫描以生成扫描数据集合,该扫描数据集合被用于识别与该被扫描制品的周边对应的封闭轮廓,且该周边被分析以估算该两件制品之间边界的位置。
在一个实施例中,该轮廓的分析是通过侵蚀该轮廓直到该轮廓分开成两个分离部分,然后使该两部分生长或扩大,原来的封闭轮廓约束该生长。然后,与邻接边界相邻的重叠区被分析,以便例如通过识别连接重叠部分的相对侧的最短线段,估算共用边界的位置。
在特定实施例中,该扫描图像被转换为二进制图像,如果像素在封闭轮廓之外则该二进制图像有第一像素值,如果像素不在封闭轮廓之外则该二进制图像有第二像素值。对有第二值的每一像素,如果任何毗邻像素都有第一值,则设定该像素值为第一值。该侵蚀被继续,直到该封闭轮廓分开成两个分离的封闭轮廓。
在另一个实施例中,侵蚀封闭轮廓的步骤包含在围绕封闭轮廓的离散点,计算该封闭轮廓的局部斜率,并且,对每一离散点,沿局部地垂直于该封闭轮廓方向,把离散点向内移动固定量。侵蚀被继续,直到该封闭轮廓分叉。
在另一个实施例中,该周边是三维的轮廓。
在另一个实施例中,侵蚀封闭轮廓的步骤包含在递增的标高上识别与该被扫描的一对食物产品的周边对应的连续轮廓,直到该封闭轮廓分开成两个分离的封闭轮廓。
在另一个实施例中,分析封闭轮廓的步骤包含选择表征第一和第二制品中的至少一部分的理想形状;根据扫描数据识别与所选择的理想形状的至少一部分匹配的封闭轮廓的第一部分,并使该理想形状与该封闭曲线的第一部分拟合,以定义第一理想模型;根据扫描数据识别与所选择的理想形状的至少一部分匹配的封闭轮廓的第二部分,并使该理想形状与该封闭曲线的第二部分拟合,以定义第二理想模型;以及根据共用边界的区中的该第一和第二理想模型,计算共用边界位置。
在一个实施例中,分析封闭轮廓的步骤包括查找把封闭轮廓分割为两部分的最短线段,其中该两部分的尺寸之比是在指定范围之内。
附图说明
本发明前述各方面和许多伴随的优点,随着参照下面结合附图的详细描述对本发明有更好的理解,将变得更容易明白,附图中:
图1是按照本发明的用于辨识邻接食物产品的系统的示意图;
图2示出按照本发明的用于根据扫描数据识别两件邻接食物产品制品之间共用边界的方法;
图3A是按照本发明用于辨识相接触的食物的示例性方法的流程图;
图3B是用于从周边侵蚀图像的示例性方法的流程图;
图4A-4F示出图3A的方法的进程图;
图5概念地示出从周边图像侵蚀图像的替代方法;
图6示出从周边侵蚀图像的另一种替代方法;
图7是有特征形状的不同食物产品的图1所示系统的示意图;
图8示出两件邻接食物产品制品的扫描图像,其中该食物产品有特征形状;
图9A和9B示出应用于根据扫描数据获得的周边信息的折叠技术;和
图10示出应用于两件邻接食物产品制品的扫描图像的最短线段方法。
具体实施方式
图1示意地示出按照本发明的系统10。系统10包含传送机12,用于传送工作产品,诸如食物产品(在本例中是家禽胸脯)14a、14b、14c(统称食物产品14)。系统10还包含扫描系统16,用于当传送机12上的食物产品通过时扫描食物产品14。虽然只示出一台传送机12,但系统10可以利用多于一台传送机,例如,装载传送机、处理传送机和卸载传送机。在本系统中也可以利用其他的处理装备(未示出),例如用于处理、分块、操纵、加热或冷却等的装备。这种装备可以被用于广大的过程范围,包含例如,烹调、蒸、炸、焙、烤、烧、煮沸、打扁、冷冻、浸泡、碾压、修平、干燥、脱水、软化、切割、分块、剔除、切片、去骨、转向、或把食物产品卸下,这些都是本领域熟知的。传送机12、扫描系统16和其他处理装备被耦联到计算机或数据处理器22并受其控制。
下面更详细地描述前述系统,计算机22包含中央处理单元24(下文称为CPU)和存储器单元26。由不同类型食物产品的物理和/或解剖特征构成的数据,能够被存储在计算机存储器26中。同样,由需要的终端产品形状构成的数据,也能够被存储在计算机存储器26中。存储在计算机存储器中的数据,例如当改变生产线时,能够容易地被用户经由用户接口28选择。举例说,系统10可以被用于为特定顾客处理鸡胸脯。当顾客的订货单已被填写时,用户可以把计算机的模式切换到有不同物理和/或解剖特征的不同食物产品。计算机22还包含输出装置30,可用于显示或打印关于食物产品的处理的数据、信息或图像。
如图1所示,计算机22能够与网络系统32通信,该网络系统32允许该计算机与其他计算机对话和共享信息。如上面所指出,计算机22还能够驱动除扫描系统16之外的其他外围硬件。例如,计算机22能够指挥传送机12、切割装置18、切片机20、以及其他可以被利用的处理设备的操作。另外,计算机22能够从包含编码器34的各种不同传感器接收信息,以引导或指挥诸多系统。
传送机12在扫描系统16下面传送食物产品14。扫描系统16可以是各种不同类型。例如,扫描系统可以包括一个或更多成像部件36(示出两个),诸如视频摄像机,和一个或更多辐照部件38,诸如光源,被放置以便当食物产品14在成像部件36下面通过时照射食物产品14。在一个实施例中,该光源投射跨越运动的传送带40延伸的横向光束或片,以定义照明(或阴影)的锐和窄的线。当没有食物产品14与该光束相交时,该亮线形成跨越传送带40的直线。然而,当食物产品14通过该横向光束时,当由沿对角线向下指向食物产品14的成像部件36(本例中是视频摄像机)观看时,食物产品的上部不规则表面产生光的不规则形状线。该线从假如传送带40上没有食物产品时该线应占据的位置的位移,被视频摄像机检测。该位移代表食物产品沿光条纹的厚度。此外,食物产品的长度可以由皮带运行的距离确定,同时照明线被食物产品位移。在这方面,编码器34被集成在横切进给传送机12内,使编码器按对应于传送机正向运动的固定距离间隔产生脉冲。
替代视频摄像机,扫描站辐照部件38例如可以代之以由X射线设备构成,用于确定食物产品14的物理特征,包含它的形状、质量和重量。辐照的X射线可以沿X射线检测器(未示出)方向通过物体。该X射线与食物产品的质量成比例地被食物产品衰减。本实施例中的扫描系统16包含辐照食物产品14的X射线辐照部件38,以及包括接收被衰减的辐射的接收器38的成像部件36。接收器部分38可以与发生器36一体。
X射线的衰减能够因通过食物产品或被食物产品反射而出现。当辐射通过食物产品时,一定量的辐射被它通过的食物产品吸收,因而在被发送到食物产品的辐射和在它已经通过食物产品后被接收的辐射之间,应有量的关系。吸收的起因被相信存在于食物产品的分子内的化学键中。已经被衰减的辐射能够被收集和转换成可用的形式。例如,光电二极管可以被用于使可见范围中一定量的辐射转换为电压或电流信号。对X射线,闪烁材料可以被用于产生能被光电二极管检测的可见光。该方法在授予Vogeley,Jr的美国专利No.5,585,603中被描述,本文引用该专利供参考。
虽然前文的描述讨论的扫描,是使用成像部件36,例如视频摄像机或X射线检测器,以及辐照部件38,例如光源或X射线源,但其他两维或三维扫描技术也可以被使用。例如,使用各种不同频率的光、超声等,可以获得体积测量的扫描。有关形状和高度的表面信息,可以从食物产品表面的包含反射颜色的反射率获得。被扫描食物产品的反射率可以被用于与其他成像模态组合,以表征食物产品。另外技术的例子可以包含超声或莫尔条纹方法。此外,电磁成像技术可以被采用。因此,本发明不限于使用视频或X射线方法,而涵盖其他三维扫描技术。
被扫描装置测量/采集的数据和信息,被发送到计算机22,该计算机记录食物产品14在传送机12上沿横向及纵向两者相对于传送机12的位置,以及环绕食物产品整个面积的食物产品14的长度、宽度和厚度。利用该信息,处理器能够构建食物产品的面积图、面积分布图、以及体积分布图或三维表面图。知道食物产品的密度,处理器还能够确定食物产品或食物产品段的重量。例如,系统10可以包含本领域熟知的在线称重装置(未示出)。
扫描信息还能够被用于定出食物产品中是否有任何缺陷。这种缺陷可能包含撕开、孔、脂肪、骨头、或软骨。例如,如果X射线设备被使用,如果孔或撕开存在,该X射线将被衰减到比假如食物产品结构上无损伤时更小的程度。此外,对由生肉组成的食物产品,脂肪、骨头和软骨的密度不同于肉的密度。该密度的变化导致通过食物产品的X射线中衰减的差别。例如,骨头的密度大于肉的密度。因此,通过骨头的X射线将比通过肉的X射线衰减更大程度。结果是,靠扫描过程,食物产品中缺陷的存在以及位置和尺寸,可以被定出。前述扫描装置的例子被公开在美国专利No.6,563,904中,本文引用该专利,供参考。
应当理解,对自动扫描系统,诸如上面描述的系统10的挑战,在于相互相接触的或邻接的各个食物产品,诸如图1中的食物产品14b和14c之间的鉴别。邻接的相接触可以包含相邻产品的略微重叠。食物产品14b和14c的优化相继处理将靠食物产品14b和食物产品14c之间精确的辨识加以改进。例如,如果食物产品14b、14c需要被剔除、分块等,那么两块之间邻接的边界的精确识别或估算将是有帮助的。
现在同样地参考图2,图上示出根据扫描数据识别两件邻接食物产品制品之间共用边界的方法100。使用例如系统10的系统,传送机上的食物产品14被扫描102。如在上面所讨论,例如通过投射光的窄光束到传送带上,常用的扫描器可以容易地识别物理地分开的食物制品,当没有食物制品与该光束相交时,该扫描器生成一直线。然而,当两件食物制品相接触或邻接时,该扫描不能容易地辨识邻接制品,而该扫描数据可能包含多于一件制品。
任选地,系统10可以首先确定被扫描食物产品是否包含多于一件制品104,例如通过对食物产品称重,测量诸如长度、宽度、面积等物理参数,或分析食物产品的形状。例如,各种不同属性的矢量,诸如长度、颜色、表面反射率、重量、面积和/或体积,可以被用于预测扫描数据中代表着多个制品104。另外,扫描数据的每一集合可以被分析,以识别或估算邻接制品之间的共用边界,而分析的结果可以被用于确定是否存在邻接制品。无论两种情形中哪一种,邻接制品的外周边或轮廓被识别106。然后,代表外周边的封闭轮廓被分析,以确定或估算定义邻接制品之间边界的位置108。
应当理解,虽然在当前实施例中,封闭轮廓代表邻接制品的全部周边,但在一些情况中,有利或更有效的做法是,在分析数据之前,例如用只扫描制品的有关部分剪辑(crop)外周边。为了本申请的目的,代表外周边的封闭轮廓被定义为包含这种剪辑的封闭轮廓。在一个示例性实施例中,封闭的外周边可以用扫描制品的一部分定义,并用被扫描区的该部分的边界定义该封闭周边,或用垂直于皮带运行方向的线封闭该周边定义该封闭周边。另外,通过拟合标准的或理想化的形状,对部分地被扫描物品封闭轮廓,以便产生包括被扫描部分和被模拟部分的混合周边,可以定义该封闭周边。
按照本发明的一族方法的特定实施例,现在将参照图3A和3B被描述。在该实施例中,食物产品例如被用扫描系统16扫描112,以生成代表被扫描食物产品14b、14c的扫描信息,而该扫描信息被发送到计算机/处理器22。计算机22可以分析该扫描数据,以表征被扫描食物产品。例如识别它的位置、物理参数和其他物理属性。扫描数据被分析,以生成被扫描食物产品的周边114。通常是,该周边包括简单的封闭曲线或体积。应当理解,周边数据不可以被打印或用别的办法被显示,但仅仅可以按电子形式被存储在计算机存储器26中。
当扫描数据包含邻接食物产品116时,该系统进行识别。例如,计算机22可以使用扫描数据计算被扫描食物产品的长度、宽度、面积、体积和其他物理属性,且如果该计算值或值的组合超过预定阈值,则邻接的多个食物产品可以被推定。在另一个实施例中,特定食物产品的特征可以被用于识别何时邻接产品存在。例如,如果一般圆柱形食物产品正被处理,那么相对地细长的被扫描图像可能表明多个邻接产品。另外或此外,其他装置可以被用于识别何时存在邻接产品。例如,可以提供估算食物产品重量的秤。
如果在扫描数据中存在邻接食物产品,周边数据被侵蚀,直到被侵蚀的周边分开成两个性质不同的部分118。用于侵蚀周边数据的不同方法在下面讨论。在一个实施例中,例如,如果在预定数量的侵蚀步骤之后,周边数据不分开成两个性质不同的部分,那么该系统可以断定,该扫描数据不代表两件邻接制品。
在被侵蚀的周边分开成两个性质不同的部分之后,侵蚀步骤的逆步骤被进行,其中分离的部分被扩大或生长120,但分离部分的生长受原来周边的约束。该分离部分被扩大,直到原来周边被恢复。应当理解,食物的邻接制品之间的共用边界不受约束,因为原来周边不识别该边界(例如见图4A)。因此,随着分离的部分各自扩大,与食物制品之间的共用边界对应的不受约束区将重叠。该重叠区被识别为所关注的区122,而来自所关注的区的物理参数被用于估算两件食物制品之间边界的轮廓和位置124。然后,被估算的共用边界被应用于邻接产品126。
一种用于侵蚀周边的代表性方法,在图3B中示出。在该示例性方法中,扫描数据被转换为包括大量像素的二进制图像130,其中例如为1的像素值表示在周边之外的像素,而为0的像素值表示不在周边之外的像素132。然后,对每一像素,IF像素值=1AND任何直接邻近的像素有像素值=0,THEN设定该像素的值=0。重复该步骤,直到获得图像分离136。
虽然在该示例性实施例中,扫描数据被转换为二进制图像,但本领域熟练技术人员应当明白,用二进制图像工作不是必须的。例如,值得考虑的是,图像中的模拟值可以被使用,并可以选定阈值,以辨识在周边内的像素与在周边外的像素。在该情形中,1和0之外的值可以被用于表示当前边界内和外的像素。还值得考虑的是,侵蚀步骤可以等效地通过使背景扩大或扩张完成。
在一些应用中,食物产品可以包含窄的外围突出部分,这些部分可以包括皮、腱、脂肪等(见图4A中突出部149)。因此,有些时侯在分离时需要包含测试,其中,只有在分离时形成的两个分离部分在尺寸上与预定范围内尺寸可比较时,侵蚀处理过程才被结束。如果分离部分之一显著小于另一个,则侵蚀过程继续。例如,使侵蚀过程停止的测试,可以是当分离被获得且较小的分离部分的面积至少为较大分离部分的面积的50%(或某个另外的预定的百分比)的时候136。
分离后,侵蚀方法可以被应用于使分离部分扩大的逆过程,直到原来周边被填满,其中在每一点的扩大受原来周边的约束,且该两部分相互独立地被扩大。
该方法的应用现在将参照图4A-4F被描述。图4A示出沿部分153邻接的两块鸡胸脯151、152的扫描的图像150。在图4B中,该图像被转换成二进制图像153,其中周边155外的像素154被赋予第一值(如0,以交叉阴影线表示),而不在周边155外的像素156被赋予第二值(如1)。
图4C示出用上面描述的方法侵蚀周边,刚在分离之后,该图像包括第一部分151′和分离的第二部分152′。用于识别何时分离出现的特征检测算法是本领域熟知的。在上面讨论的扫描数据被转换为二进制图像的实施例中,检测何时分离出现以致有两个性质不同部分存在,尤其直接。在当前被称为斑点检测(blob detection)或形成斑点(blobbing)的方法中,图像像素被标示并根据它们的亮度和连通性被分组。如果在原来只含有一个物体的图像中多于一个物体被标示/检测,那么分离已经发生。在更复杂的成像中用于特征检测的方法也已知,例如包含等级集合方法(level set method)和快速前进方法,这些方法适合跟踪演变着的边界。
图4D示出第一和第二被侵蚀部分151′、152′的扩大,其中该扩大已经被原来周边155约束。然而,该第一和第二部分151′、152′是独立地被扩大的,从而被扩大部分在所关注的区157中重叠,如由虚线框所示。所关注的区157在图4E中被单独地示出。所关注的区157的物理性质被分析,以估算邻接食物制品之间的共用边界158。在当前实施例中,跨越所关注的区158延伸的最短线提供共用边界158的良好估算。在图4F中,估算的边界158被应用于定位食物产品的邻接制品之间的边界。
在实践中,如上所述,该方法可以在沿着传送带等运动的产品上被实施。例如,由于上游或下游处理的约束,移动的改变等,传送机速度可以显著变化。本领域熟练技术人员应当理解,产品的运动可以造成扫描图像的拉长或像素“拉伸”。值得考虑的是,本文公开的基于像素的侵蚀方法,可以按直接方式被修改,以适应这种图像拉长,例如,沿运行方向的部分时间像素跳过,或一些别的用于生成侵蚀的动态模板的装置。
在一些应用中,食物制品可能包含上面讨论的侵蚀方法可能可预测地产生错误分离的特征。例如,本领域熟练技术人员应当理解,家禽胸脯的胸骨部分是产品的相对薄的区,且常常在处理期间家禽胸脯被撕开或因别的原因部分地沿胸骨被分开(家禽胸脯的胸骨在下面更详细描述)。沿胸骨的撕开可能使上面描述的侵蚀方法把图像在胸骨分开,而不是在邻接制品之间的边界分开。然而,因为胸骨可以容易地被识别,该方法可以按直接方式被修改成忽略沿胸骨侵蚀引起的分离。
应当理解,在上面描述的用于侵蚀和受约束扩大的方法中,该受约束的扩大可能要求相对大量的迭代以生成所关注的重叠区。例如,如果两件制品被长且窄的块连接,诸如皮的瓣或结缔组织,则侵蚀步骤可以高效地进行,因为侵蚀是沿该连结的长的尺寸出现的。然而,该受约束的扩大将沿长度方向(即沿较短尺寸)进行,并可能因此要求相对大量的步骤以生成所关注的重叠区。值得考虑的是,上面描述的方法可以被修改,通过在特定阈值,例如给定数量的迭代或预定分数的被恢复的原来周边已经达到后,暂停受约束扩大,以改进效率。如果在达到阈值后,图像仍然包括两个分离部分,那么,简单的封闭轮廓,例如框,可以围绕每一分离部分被构建。然后,这些框可以被平移到食物制品上对应的位置,而诸如平分框之间距离的线这样的参数,可以被用于估算食物制品之间的边界。
本领域熟练技术人员应当明白,用于根据扫描数据侵蚀周边的其他方法,可以代之以被使用。例如,上面讨论的基于像素的侵蚀方法,可以在三维中被应用,其中邻接食物产品的三维扫描以二进制体元表示。扫描数据可以提供被扫描食物产品的三维周边表面,而该三维表面可以被向内侵蚀,直到获得分离。然后,分离部分可以在原来周边的约束下被扩大,而所关注的重叠体积能够被分析,基本上如在上面所讨论的。例如,分割所关注的区的最小面积平面可以为共用边界的位置提供最佳估算。另外,诸如凹陷、皱褶、或最小局部高度的这样的物理属性,可以被选择以估算邻接制品之间的共用边界。
在另一个实施例中,通过使邻接食物产品的二或三维周边离散化,并使每一离散点垂直于该点上的线或表面向内运动,可以完成侵蚀。周边上的每一点被向内移动预定的量,而该过程被重复,直到获得分离。然后,被侵蚀部分在原来周边的约束下被扩大,而所关注的重叠区被分析,以确定邻接制品之间共用边界的位置。图5概念性地示出该侵蚀方法是如何进行的。在侵蚀的第一步骤之前,来自两个一般圆形的邻接产品的扫描数据的周边255被示出。人们在概念上可以想象,使小球80环绕周边255的内部滚动,并随着该球沿周边255滚动,追踪对应于球80相反侧的点,就是说,从与周边255相接触或局部相切的点取跨越球80的直径d。这样得到的是被侵蚀的周边255′。如上面所讨论,侵蚀步骤被重复,直到分离出现。
在另一个尤其适合有一般像土墩形状的食物产品的实施例中,食物产品的两维扫描,是沿水平平面,例如通常是沿平行于传送带40的平面,以递增的标高进行。在选定的标高上扫描食物产品,在美国专利No.7,621,806中被描述,上面已经引用供参考。一般土墩形状的食物产品有比周边区更高地延伸的中央部分,例如对家禽胸脯,通常都是如此。例如,图6示出具有向上递增地移动的扫描平面的两块邻接家禽胸脯261、262的扫描的周边的序列。周边265示出包围两块胸脯的最外侧的周边。随着扫描平面向上移动,每次扫描得到的周边,通常都会相对于较低扫描平面向内侵蚀或移动。在某一标高上,扫描图像产生两个分离的封闭曲线266、267,该两曲线对应于在该扫描标高上食物产品制品的周边。然后,例如利用扩大分离的封闭曲线,或识别靠近分离的点的两条封闭曲线的特征(如平行线段),这些周边可以被分析,以识别邻接食物产品之间的共用边界。
在另一个实施例中,相接触的食物产品制品之间的共用边界的识别,可以用食物制品中具有的预期特征,诸如食物制品的形状或诸如特定解剖特征的特征的先有知识完成。例如,如下面参照图7和8所讨论的,如果食物产品有已知或预期的形状,那么该形状能够被用于促进识别邻接产品之间的边界。类似地,如下面参照图9A、9B和10所讨论,如果食物产品有固有物理特征,例如,诸如家禽胸脯的胸骨、大致对称性、或特定肉产品中骨头结构,那么该信息能够被用于促进识别邻接产品之间的边界。
现在参考图7,图7类似于图1,但被扫描食物产品包括一般圆柱形产品,例如,诸如饼干、馅饼等焙烤食品44a、44b、44c除外。各个部件的描述这里不再重复。应当理解,食品44a、44b、44c可以不是完美地圆的,且可以在直径上有些许变化。此外,焙烤食品可以是非常易压缩的且可以包含不规则和易流动的诸如糖霜的外层。例如,这样的产品可以在传送机系统12上被输送,以便被送至切割设备(未示出),该切割设备把食物产品切割或冲裁成楔形部分。
常用扫描系统,例如从单一食物制品44a的当从上方观看时的一般圆形的外形可以容易地识别该单一食物制品。单一食物制品44a的尺寸和位置可以容易被确定,以利于下游处理。然而,如果两件或更多食物制品44b、44c邻接着,则常用扫描系统可能被邻接制品44b、44c的相对拉长和不规则形状弄胡涂。此外,由于制品44b、44c的可压缩性和其他物理性质,这些制品可能共用相对长的邻接边界。
现在同样地参考图8,在该实施例中,扫描系统16生成扫描数据,可以被用于生成有邻接食物制品44b、44c的周边162的图像160。食物制品44b、44c的物理属性,在本例中是平面图的理想化形状(圆形),被用于定位两件食物制品44b、44c之间的共用边界164。首先,该理想化形状166被定尺寸和定位,以便与周边162的一部分匹配,如箭头90所示。任何合适的优化方法可以被用于定尺寸和定位该理想化形状166,例如最小二乘方拟合。第二理想化形状168类似地被定尺寸和定位在周边162的另一部分上,以便基本上充满周边162。应当理解,两个定尺寸和定位的理想化形状166、168可以重叠、相接触、或在含有两件食物制品44b、44c之间共用边界164的区中保持隔开。然后,所关注的区可以被分析,以估算共用边界164的位置。例如,共用边界164可以被定义为使所关注的区中两个按一定尺寸生成和准确定位的理想化形状166、168之间距离的平方最小化的曲线。另外,最接近地对应于该理想化形状的圆形弧可以被定义,其中这些弧在单一点上相接触。
虽然上面参照焙烤食品讨论的理想化形状,在几何上非常简单,但应当理解,被处理的许多食物制品都有相对地可预测的形状。这些食物制品的形状可以由食物制品的解剖本性得到。例如,鸡胸脯通常有一般地一致的形状,该形状可修改成用理想化模型表示。
在图9A和9B示出的另一个例子中,示出邻接食物产品(例如,如图1所示的鸡胸脯14b、14c)的周边的图像170,是根据来自扫描系统16的数据生成的。
扫描数据可以被用于定位食物产品中的物理特征或属性。例如,食物产品可以在食物产品的内部或周边上包含切割图形(cutout)、凹口、或其他类似的物理特征,这是食物产品的物理属性的象征,能够被用于确定食物产品的角度取向。对鱼、肉、或家禽食物产品,这些物理特征可以由解剖特征构成,或者涉及解剖特征。例如,家禽胸脯常常按蝴蝶特征处理,其中的胸脯大致绕被称为胸骨的中心软骨部分对称。该胸骨可以靠一端的缺口或凹口(那里颈部已被除去)和被相对地布置的凸出部识别。因此,胸骨通常可以在扫描数据中被识别。
图9A中的图像示出两块邻接家禽胸脯14b、14c(图1)的周边172。通过识别第一胸脯14b上的凹口173和凸出部174的尖,第一胸骨175的位置可以被定位。同样,通过识别第二胸脯14c上的凹口176和凸出部177的尖。第二胸骨178可以被定位。如上面所指出,家禽胸骨175、178对有关胸脯14b、14c定义大致的对称线。因此,周边172可以在软件中被处理,以便在识别胸骨175、178的线上把周边“折叠起来”,如图9B中箭头92所示。周边首先被折叠起来的部分以标有180的虚线表示,而周边其次被折叠起来的部分以标有182的虚线表示。
因为家禽胸脯14b、14c的对称性是不完美的,虚线180、182可能重叠、可能被间隙分开、或可能刚刚相接触。然而,无论如何,家禽胸脯14b、14c之间共用边界的位置可以通过分析周边172内所关注的区中线180、182的部分被确定。例如,使两条线180、182分叉的线可以被构造,以识别共用边界。
在图10示出的另一个例子中,系统10(图1)使用扫描数据,以便生成示出邻接食物产品(例如,如图1所示鸡胸脯14b、14c)周边192的图像190。通过按离散步骤围绕周边的前进,并计算周边192上从每一离散点到周边192上其它离散点的距离,分析周边192,其中,连接离散点的线段把被周边192包围的面积分割为满足最小面积关系的两部分。在本实施例中,邻接食物产品之间的共用边界被选定为最短线段198(或在三维情形是最小面积),该最短线段把周边或封闭轮廓192分开为两部分194、196,其中两部分的每一部分至少有整个周边192面积的预定分数。同样,邻接食物产品之间的边界,是把封闭轮廓192分割成两部分的最短线段198,其中该两部分的面积(或体积)比是在预定范围内。例如,候选界线可以是最短线段198,其中在线198一侧的被包围面积至少为线198相反侧的被包围面积的80%。应当理解,只有满足第二测试的点必须被测试。
虽然本发明已经就工作产品在食物本性方面被描述,值得考虑的是,公开的方法可以被应用于其他工作产品,诸如织物、玻璃板、铸件等等。
虽然说明性实施例已经被示出和描述,应当理解,各种改变能够在其中做出而不偏离本发明的精神和范围。
Claims (25)
1.一种用于自动识别食物处理系统中两件邻接食物产品制品之间的共用边界的方法,该方法包括步骤:
i.扫描包括邻接第二食物制品的第一食物制品的一对食物制品,其中的共用边界被定义在第一和第二食物制品之间以生成扫描数据集合;
ii.根据该扫描数据集合识别与该被扫描的一对食物制品的周边对应的封闭轮廓,其中该封闭轮廓包围该第一和第二食物制品;
iii.分析该封闭轮廓以估算第一和第二食物制品之间共用边界的位置。
2.权利要求1的方法,其中该扫描是用视频摄像机、X射线扫描系统以及超声扫描系统中的至少之一完成的。
3.权利要求1的方法,其中该分析封闭轮廓的步骤包括:
从外周边侵蚀该封闭轮廓,直到该封闭轮廓分开成两个分离的封闭轮廓;
使该两个分离的封闭轮廓从外周边生长,其中该两个分离的封闭轮廓受根据扫描数据集合识别的封闭轮廓约束,直到该两个分离的封闭轮廓定义跨越该共用边界延伸的所关注的重叠区;和
分析所关注的区以确定共用边界的位置。
4.权利要求3的方法,其中该分析重叠部分的步骤包括找出连接重叠部分的相对侧的最短线段。
5.权利要求3的方法,其中该侵蚀封闭轮廓的步骤包括:
把扫描图像转换为有多个像素的二进制图像,其中的每一像素,如果该像素在封闭轮廓之外则有第一值,如果该像素不在封闭轮廓之外则有第二值;
对有第二值的二进制图像中每一像素,如果任何毗邻像素都有第一值,则设定该像素值为第一值;和
如果任何毗邻像素都有第一值,则重复设定该像素值为第一值的步骤,直到该封闭轮廓分开成两个封闭轮廓。
6.权利要求3的方法,其中该侵蚀封闭轮廓的步骤包括:
在围绕封闭轮廓的离散点上,计算该封闭轮廓的局部斜率;
对每一离散点,沿局部地垂直于该封闭轮廓方向,把离散点向内移动固定量;和
重复把离散点向内移动的步骤,直到该封闭轮廓分叉。
7.权利要求3的方法,其中该封闭轮廓是三维轮廓,且其中该侵蚀封闭轮廓的步骤包括按三维侵蚀该封闭轮廓。
8.权利要求3的方法,其中该侵蚀封闭轮廓的步骤包括在递增的标高上识别与该被扫描的一对食物制品的周边对应的连续轮廓,直到该封闭轮廓分开成两个分离的封闭轮廓。
9.权利要求1的方法,其中该分析封闭轮廓的步骤包括:
为第一和第二食物制品选择最小尺寸;
识别跨越该封闭轮廓延伸并把封闭轮廓分割为两部分的最短线段,其中该两部分的每一部分至少如同被选择的最小尺寸那样大。
10.权利要求1的方法,其中该分析封闭轮廓的步骤包括:
选择表征第一和第二食物制品的至少一部分的理想形状;
根据扫描数据识别与所选择的理想形状的至少一部分匹配的封闭轮廓的第一部分,并使该理想形状与该封闭曲线的第一部分拟合以定义第一理想模型;
根据扫描数据识别与所选择的理想形状的至少一部分匹配的封闭轮廓的第二部分,并使该理想形状与该封闭曲线的第二部分拟合以定义第二理想模型;和
根据共用边界的区中该第一和第二理想模型,计算共用边界位置。
11.权利要求10的方法,其中该共用边界的位置是根据共用边界的区中该第一和第二理想模型之间的中点计算的。
12.权利要求1的方法,包括查找把封闭轮廓分割为两部分的最短线段的步骤,其中该两部分的尺寸之比是在指定范围之内。
13.权利要求1的方法,其中该扫描一对食物制品的步骤还包括扫描第三食物制品,其中该第三食物制品与第一和第二食物制品中的至少之一邻接。
14.一种用于在放置在传送机上的邻接食物产品之间进行鉴别的方法,包括:
i.当食物产品通过扫描系统时,扫描放置在传送机上的食物产品;
ii.预测何时被扫描食物产品包括多个制品,其中该多个制品是相接触的,以致至少一个共用边界被形成在该多个制品之间;
iii.如果被扫描食物产品被预测包括多个制品,那么:
(a)生成与该多个制品的周边对应的封闭轮廓;和
(b)分析该封闭轮廓以定位该多个制品之间的共用边界。
15.权利要求14的方法,其中该预测何时被扫描食物产品包括多个相接触的制品的步骤包括确定被扫描食物产品的至少一种物理属性,并且,如果该被确定的至少一种属性超过预定值,则预测多个相接触的制品被扫描。
16.权利要求15的方法,其中该被扫描食物产品的物理属性包括被扫描食物产品的长度、宽度、面积、体积和重量中的至少之一。
17.权利要求15的方法,其中该扫描是用视频摄像机、X射线扫描系统和超声扫描系统中的至少之一完成的。
18.权利要求14的方法,其中该分析封闭轮廓的步骤,包括:
从外周边侵蚀该封闭轮廓,直到该封闭轮廓分开成两个分离的封闭轮廓;
扩大该两个分离的封闭轮廓,其中该两个分离的封闭轮廓受被生成的封闭轮廓约束,直到该两个分离的轮廓定义所关注的重叠区;和
分析所关注的区以估算共用边界的位置。
19.权利要求18的方法,其中该分析所关注的重叠区的步骤,包括找出连接所关注的重叠区的相对侧的最短线段。
20.权利要求18的方法,其中该侵蚀封闭轮廓的步骤包括:
把封闭轮廓转换为有多个像素的二进制图像,其中的每一像素,如果该像素在封闭轮廓之外则有第一值,而如果该像素不在封闭轮廓之外则有第二值;
对有第二值的二进制图像中的每一像素,如果任何毗邻像素都有第一值,则设定该像素值为第一值;和
如果任何毗邻像素都有第一值,则重复设定该像素值为第一值的步骤,直到该封闭轮廓分开成两个分离的封闭轮廓。
21.权利要求18的方法,其中该侵蚀封闭轮廓的步骤包括:
在围绕封闭轮廓的离散点,计算该封闭轮廓的局部斜率;
对每一离散点,沿局部地垂直于该封闭轮廓方向,把离散点向内移动固定量;和
重复把离散点向内移动的步骤,直到该封闭轮廓分叉。
22.权利要求18的方法,其中该封闭轮廓是三维轮廓,且其中该侵蚀封闭轮廓的步骤包括按三维侵蚀该封闭轮廓。
23.权利要求18的方法,其中该侵蚀封闭轮廓的步骤包括在递增的标高上识别与该被扫描的一对食物制品的周边对应的连续轮廓,直到该封闭轮廓分开成两个分离的封闭轮廓。
24.权利要求14的方法,其中该分析封闭轮廓的步骤包括:
为第一和第二食物制品选择最小尺寸;
识别跨越该封闭轮廓延伸并把封闭轮廓分割为两部分的最短线段,其中该两部分的每一部分至少如同被选择的最小尺寸那样大。
25.权利要求14的方法,其中该分析封闭轮廓的步骤包括:
选择表征第一和第二食物制品的至少一部分的理想形状;
根据扫描数据识别与所选择的理想形状的至少一部分匹配的封闭轮廓的第一部分,并使该理想形状与该封闭曲线的第一部分拟合以定义第一理想模型;
根据扫描数据识别与所选择的理想形状的至少一部分匹配的封闭轮廓的第二部分,并使该理想形状与该封闭曲线的第二部分拟合以定义第二理想模型;和
根据共用边界的区中的该第一和第二理想模型,计算共用边界位置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/853,195 | 2010-08-09 | ||
US12/853,195 US8233668B2 (en) | 2010-08-09 | 2010-08-09 | Distinguishing abutting food product |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102410828A true CN102410828A (zh) | 2012-04-11 |
CN102410828B CN102410828B (zh) | 2015-11-18 |
Family
ID=44676296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110223186.3A Active CN102410828B (zh) | 2010-08-09 | 2011-08-05 | 辨识邻接食物产品 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8233668B2 (zh) |
CN (1) | CN102410828B (zh) |
CA (1) | CA2744755C (zh) |
GB (1) | GB2482768B (zh) |
IS (1) | IS2857B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9824434B2 (en) | 2015-08-18 | 2017-11-21 | Industrial Technology Research Institute | System and method for object recognition |
WO2020056966A1 (zh) * | 2018-09-21 | 2020-03-26 | 珠海格力电器股份有限公司 | 一种获得食物内部温度的方法及烹饪器具 |
CN114014136A (zh) * | 2021-11-12 | 2022-02-08 | 猫岐智能科技(上海)有限公司 | 光幕成像方法及系统 |
CN114364466A (zh) * | 2019-09-13 | 2022-04-15 | 卓缤科技贸易公司 | 带选择性的宽度拒绝系统的输送机 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8837830B2 (en) * | 2012-06-12 | 2014-09-16 | Xerox Corporation | Finding text in natural scenes |
DE102012018754A1 (de) | 2012-09-21 | 2014-03-27 | Weber Maschinenbau Gmbh Breidenbach | Lebensmittelverarbeitungsvorrichtung und Verfahren zum sequentiellen Scannen von Lebensmittelprodukten |
CN105580052A (zh) * | 2013-07-02 | 2016-05-11 | 豪夫迈·罗氏有限公司 | 食物体积和碳水化合物的估计 |
US9778651B2 (en) * | 2014-01-22 | 2017-10-03 | John Bean Technologies Corporation | System for cutting and unloading portions |
US10593074B1 (en) * | 2016-03-16 | 2020-03-17 | Liberty Mutual Insurance Company | Interactive user interface for displaying geographic boundaries |
US10696440B2 (en) | 2016-03-24 | 2020-06-30 | Labelpac Incorporated | Labeller and method of using the same |
JP6496333B2 (ja) * | 2017-01-30 | 2019-04-03 | ファナック株式会社 | 少なくとも1つのセンサを用いた物品搬送装置 |
US11375739B2 (en) | 2018-10-10 | 2022-07-05 | MP Equipment, LLC | Method of removing tissue from food product |
CA3110206A1 (en) * | 2018-11-07 | 2020-05-14 | Marel Salmon A/S | A food processing device and a method of providing images of food objects in a food processing device |
US11282288B2 (en) * | 2019-11-20 | 2022-03-22 | Shape Matrix Geometric Instruments, LLC | Methods and apparatus for encoding data in notched shapes |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1552097A1 (ru) * | 1988-04-25 | 1990-03-23 | Семипалатинский Технологический Институт Мясной И Молочной Промышленности | Устройство дл измерени адгезии пищевых продуктов |
EP0920620B1 (en) * | 1996-08-23 | 2004-10-13 | Her Majesty The Queen in Right of Canada, as represented by The Department of Agriculture and Agri-Food Canada | Method and apparatus for using image analysis to determine meat and carcass characteristics |
CA2531895A1 (en) * | 2004-12-30 | 2006-06-30 | Fmc Technologies, Inc. | Defining and checking conformance of an object shape to shape requirements |
CN1938132A (zh) * | 2004-04-05 | 2007-03-28 | 斯坎瓦格特国际公司 | 分切食品的方法和装置及切割设备在该装置中的使用 |
CN101281112A (zh) * | 2008-04-30 | 2008-10-08 | 浙江理工大学 | 一种对网状粘连稻米的图像式自动分析方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5041907A (en) | 1990-01-29 | 1991-08-20 | Technistar Corporation | Automated assembly and packaging system |
US5585603A (en) | 1993-12-23 | 1996-12-17 | Design Systems, Inc. | Method and system for weighing objects using X-rays |
EP0727760A3 (en) | 1995-02-17 | 1997-01-29 | Ibm | Product size detection system |
DE19834524A1 (de) | 1998-07-31 | 2000-02-10 | Nordischer Maschinenbau | Vorrichtung bzw. Verfahren zur Verarbeitung von Fleisch |
US6882740B1 (en) | 2000-06-09 | 2005-04-19 | The Ohio State University Research Foundation | System and method for determining a seed vigor index from germinated seedlings by automatic separation of overlapped seedlings |
GB2364894B8 (en) * | 2000-07-19 | 2010-07-07 | Fmc Corp | Three axis portioning method |
US6563904B2 (en) | 2000-12-01 | 2003-05-13 | Fmc Technologies, Inc. | Apparatus and method for detecting and removing undesirable material from workpieces |
ATE452537T1 (de) | 2004-02-20 | 2010-01-15 | Scanvaegt Int As | Verfahren und vorrichtung zum portionsschneiden von lebensmitteln oder dergleichen |
US7621806B2 (en) | 2004-12-30 | 2009-11-24 | John Bean Technologies Corporation | Determining the position and angular orientation of food products |
US7251537B1 (en) | 2004-12-30 | 2007-07-31 | Fmc Technologies, Inc. | Processing of work piece based on desired end physical criteria |
EP1950527B1 (en) * | 2005-11-16 | 2017-01-04 | ISHIDA CO., Ltd. | X-ray inspection device |
NO330219B1 (no) | 2009-08-26 | 2011-03-07 | Kjolas Stansekniver As | System for automatisk blogging av levende fisk |
-
2010
- 2010-08-09 US US12/853,195 patent/US8233668B2/en active Active
-
2011
- 2011-07-04 CA CA2744755A patent/CA2744755C/en not_active Expired - Fee Related
- 2011-07-05 IS IS8966A patent/IS2857B/is unknown
- 2011-07-28 GB GB1112964.0A patent/GB2482768B/en not_active Expired - Fee Related
- 2011-08-05 CN CN201110223186.3A patent/CN102410828B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1552097A1 (ru) * | 1988-04-25 | 1990-03-23 | Семипалатинский Технологический Институт Мясной И Молочной Промышленности | Устройство дл измерени адгезии пищевых продуктов |
EP0920620B1 (en) * | 1996-08-23 | 2004-10-13 | Her Majesty The Queen in Right of Canada, as represented by The Department of Agriculture and Agri-Food Canada | Method and apparatus for using image analysis to determine meat and carcass characteristics |
CN1938132A (zh) * | 2004-04-05 | 2007-03-28 | 斯坎瓦格特国际公司 | 分切食品的方法和装置及切割设备在该装置中的使用 |
CA2531895A1 (en) * | 2004-12-30 | 2006-06-30 | Fmc Technologies, Inc. | Defining and checking conformance of an object shape to shape requirements |
CN101281112A (zh) * | 2008-04-30 | 2008-10-08 | 浙江理工大学 | 一种对网状粘连稻米的图像式自动分析方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9824434B2 (en) | 2015-08-18 | 2017-11-21 | Industrial Technology Research Institute | System and method for object recognition |
TWI620131B (zh) * | 2015-08-18 | 2018-04-01 | 財團法人工業技術研究院 | 物品辨識系統與方法 |
WO2020056966A1 (zh) * | 2018-09-21 | 2020-03-26 | 珠海格力电器股份有限公司 | 一种获得食物内部温度的方法及烹饪器具 |
CN114364466A (zh) * | 2019-09-13 | 2022-04-15 | 卓缤科技贸易公司 | 带选择性的宽度拒绝系统的输送机 |
CN114014136A (zh) * | 2021-11-12 | 2022-02-08 | 猫岐智能科技(上海)有限公司 | 光幕成像方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CA2744755A1 (en) | 2012-02-09 |
CN102410828B (zh) | 2015-11-18 |
GB2482768B (en) | 2015-02-11 |
GB2482768A (en) | 2012-02-15 |
US20120034349A1 (en) | 2012-02-09 |
IS2857B (is) | 2013-11-15 |
CA2744755C (en) | 2015-08-11 |
US8233668B2 (en) | 2012-07-31 |
GB201112964D0 (en) | 2011-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102410828B (zh) | 辨识邻接食物产品 | |
US11641863B2 (en) | Method for processing products of the food processing industry | |
Oo et al. | A simple and efficient method for automatic strawberry shape and size estimation and classification | |
US5365596A (en) | Methods and apparatus for automatic image inspection of continuously moving objects | |
CN106770332B (zh) | 一种基于机器视觉的电子模切料缺陷检测实现方法 | |
US5353356A (en) | Product gauge methods and apparatus for use in the optical determination of the acceptability of products | |
US7265709B2 (en) | Surveilled subject imaging with object identification | |
CN105046697B (zh) | 一种基于多次随机圆检测及拟合度评估的啤酒瓶口定位方法 | |
CN107301637B (zh) | 近矩形平面状工业产品表面瑕疵检测方法 | |
US20050231421A1 (en) | Enhanced surveilled subject imaging | |
US11570998B2 (en) | Determining the thickness profile of work products | |
US20030105600A1 (en) | Apparatus and method for detecting contamination of object by a metal | |
WO2005106527A2 (en) | Surveilled subject privacy imaging | |
CN111652953B (zh) | 一种利用区域搜索和像素值抑制的安检图像伪影去除方法 | |
CN108346138A (zh) | 一种基于图像处理的表面缺陷检测方法及系统 | |
AU4467999A (en) | Automatic inspection of print quality using an elastic model | |
US20020085093A1 (en) | Lumber grading system | |
CN102331430A (zh) | 不规则形状肉异物检测系统 | |
JP2000163579A (ja) | 外観検査方法およびその装置 | |
JP2003123073A (ja) | 欠陥検出方法 | |
US20230366838A1 (en) | X-ray inspection apparatus and x-ray inspection method | |
US11992020B2 (en) | Determining measure of gaping in fish fillet item | |
JPS6342411A (ja) | 物体の三方向計測検査方法と装置 | |
CN107895353A (zh) | 一种交互式的深度图纹理拷贝瑕疵去除方法 | |
Liao et al. | On-line determination of pork color and intramuscular fat by computer vision |
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 |