CN102601063B - 一种竹片自动识别分级方法 - Google Patents
一种竹片自动识别分级方法 Download PDFInfo
- Publication number
- CN102601063B CN102601063B CN2012100493620A CN201210049362A CN102601063B CN 102601063 B CN102601063 B CN 102601063B CN 2012100493620 A CN2012100493620 A CN 2012100493620A CN 201210049362 A CN201210049362 A CN 201210049362A CN 102601063 B CN102601063 B CN 102601063B
- Authority
- CN
- China
- Prior art keywords
- bamboo chip
- value
- gray scale
- gray
- background
- 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.)
- Expired - Fee Related
Links
- 235000017166 Bambusa arundinacea Nutrition 0.000 title claims abstract description 157
- 235000017491 Bambusa tulda Nutrition 0.000 title claims abstract description 157
- 235000015334 Phyllostachys viridis Nutrition 0.000 title claims abstract description 157
- 241001330002 Bambuseae Species 0.000 title claims abstract description 155
- 239000011425 bamboo Substances 0.000 title claims abstract description 155
- 238000000034 method Methods 0.000 title description 14
- 230000003287 optical effect Effects 0.000 claims abstract description 16
- 230000004075 alteration Effects 0.000 claims description 31
- 238000009826 distribution Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000001737 promoting effect Effects 0.000 abstract 1
- 238000005375 photometry Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 239000003086 colorant Substances 0.000 description 6
- 239000002994 raw material Substances 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 241000209128 Bambusa Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000000985 reflectance spectrum Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
一种竹片自动识别分级方法，包括以下步骤：1)透过滤光片拍摄待分级竹片的竹片图像；2)在所述竹片图像的竹片部分和背景部分截取两个相同大小的截图，所述截图有N个像素，定义竹片部分、背景部分的截图的第i个像素的灰度值分别G竹片i和G背景i，以其差值(G竹片i-G背景i)作为截图中的第i个像素的样本灰度参考值Gi，根据样本灰度参考值Gi计算样本灰度平均值
和灰度波动值3)将测得的灰度波动值与预设灰度波动值阈值F阈比较，如果测得的灰度波动值比阈值F阈小，则判定无瑕疵，否则有瑕疵。本发明提供一种减少劳动强度、降低生产成本、提升分级效率和准确率的竹片自动识别分级方法。
Description
技术领域
本发明涉及竹制品原材料的自动识别分级方法。
背景技术
“宁可食无肉，不可居无竹”，中国人自古以来对竹子有着深厚的情感。各种各样的竹制品在中国人的日常生活中已成为不可缺少的生活必需品，比如舒适凉爽的麻将席、经济环保的竹地板等深受人们喜爱。然而目前竹制品市场上往往中低档的较多，高档的较少。
由于不同的竹子间，甚至同一竹子不同部位的竹片存在色差，而且由于蛀虫、霉变、裂缝、刮痕等原因，未经筛选的竹片原材料往往存在瑕疵，这些色差和瑕疵都直接影响了竹制品的质量。为了保证竹制品的质量，在竹制品制造过程中，必须先对竹片原材料进行色差和瑕疵分级。
目前，竹制品生产厂家对竹片进行分级时主要依靠人工，这种传统模式存在以下几个缺点：1、劳动强度大，增加了生产的成本；2、分级效率低下，会造成生产流水线延滞；3、无法实现生产中的实时和无接触检测，无法适应现代工业的质量控制和统计；4、人眼不可避免的视觉疲劳在分级过程中容易出现误判、漏检，使竹片分级的准确率大大下降，影响竹制品的质量。
发明内容
为了克服已有现有的竹片分级技术的劳动强度大、生产成本高、分级效率低、准确率较低的不足，本发明提供一种减少劳动强度、降低生产成本、提升分级效率和准确率的竹片自动识别分级方法。
本发明解决其技术问题所采用的技术方案是：
一种竹片自动识别分级方法，所述识别分级方法包括以下步骤：
1)透过滤光片拍摄待分级竹片的竹片图像；
2)在所述竹片图像的竹片部分和背景部分截取两个相同大小的截图，所述截图有N个像素，定义竹片部分、背景部分的截图的第i个像素的灰度值分别G竹片i和G背景i，以其差值(G竹片i-G背景i)作为截图中的第i个像素的样本灰度参考值Gi，根据样本灰度参考值Gi计算样本灰度平均值
和灰度波动值
3)将测得的灰度波动值与预设灰度波动值阈值F阈比较，如果测得的灰度波动值比阈值F阈小，则判定无瑕疵，否则有瑕疵。
进一步，所述1)中，选取中心波长λ1和λ2的两种滤光片，其中λ1的取值范围：500-600nm，λ2的取值范围：650-700nm；所述步骤2)中，计算两个截图的灰度平均值，分别记为G竹片和G背景，竹片的灰度平均值减去背景的灰度平均值，以其差值(G竹片-G背景)作为样本灰度平均值参考值G；设定对应中心波长λ1的灰度参考值为Gλ1，对应中心波长λ2的灰度参考值为Gλ2；
所述分级方法还包括以下步骤：4)计算表征竹片表面颜色的色指数，即G色＝Gλ2-Gλ1，当判定无瑕疵后，再比较测得的色指数与预设色指数分布阈值G阈的大小，如果测得的色指数比阈值G阈小，则判定无色差，为合格竹片，否则有色差。
再进一步，所述步骤1)中拍摄的工业相机的帧速率为30fps，每帧数据的传输和处理的时间约300ms。
所述步骤1)中，拍摄的工业相机带有LED光源照明系统。
本发明的技术构思为：机器视觉技术是近几年发展起来的很有潜力的技术，它将计算机的快速性、可靠性、可监控性、结果的可重复性与人类视觉的智能化和抽象能力结合起来。芬兰、美国、加拿大等国从20世纪80年代开始应用机器视觉技术针对木材的无损检测和分级作了大量的研究：其中加拿大Matrox公司与美国Venten公司合作开发的GS2000系统，以及芬兰Mecano公司的VDA系统已在当地木材及胶合板加工企业中应用。在我国竹产业蓬勃发展的大背景下，将这一技术运用到竹制品原材料的分级问题中，可有效地解决人工选片的缺点，实现竹片色差和瑕疵的自动识别分级，并且具有无接触、准确的特点，能以优于人眼的能力完成对竹片颜色的分级。将机器视觉技术运用于竹片分级，免去了人工分级的劳动过程，将大大提高识别的准确度和分拣效率，提高竹制品的质量，实现良好的经济效益，并且实现竹片分级从人工作业到自动化、智能化的跨越，其意义重大。
将竹制品原材料放在传送装置上，传送装置上方安装自主设计的滤光片和CCD系统，当竹片经过CCD镜头时，CCD透过滤光片采集竹片多光谱图像，将采集的竹片图像送至计算机进行处理，按照色指数分布，结合竹片分级的阈值标准自动实时识别，最后传送判别信息至控制系统分选，将存在色差、瑕疵的竹片剔除，从而实现竹片色差和瑕疵的自动识别分级。
本发明的有益效果主要表现在：
1、分级速度快，单个竹片识别时间低于300ms。
2、分级准确度高，原色竹片平均识别准确率达到95％以上。
3、由计算机控制，操作灵活，智能化，能实时和无接触检测。
4、采用根据竹片表面反射光谱，专为竹片颜色特征设计的滤光片系统，适用于对竹片色差、瑕疵的自动检测、识别和分级。
附图说明
图1为本发明专利的结构示意图。
图2为用机器视觉识别竹片色差和瑕疵的系统原理图。
图3为两种不同颜色竹片的表面反射光谱图。
图4为不同色竹片的光谱斜率点在斜率坐标系中的分布的示意图。
图5为光强的高斯分布图。
图6为竹片自动识别分级系统的色差、瑕疵筛选算法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1～图6，一种竹片自动识别分级方法，所述识别分级方法包括以下步骤：
1)透过滤光片拍摄待分级竹片的竹片图像；
2)在所述竹片图像的竹片部分和背景部分截取两个相同大小的截图，所述截图有N个像素，定义竹片部分、背景部分的截图的第i个像素的灰度值分别G竹片i和G背景i，以其差值(G竹片i-G背景i)作为截图中的第i个像素的样本灰度参考值Gi，根据样本灰度参考值Gi计算样本灰度平均值
和灰度波动值
3)将测得的灰度波动值与预设灰度波动值阈值F阈比较，如果测得的灰度波动值比阈值F阈小，则判定无瑕疵，否则有瑕疵。
进一步，所述1)中，选取中心波长λ1和λ2的两种滤光片，其中λ1的取值范围：500-600nm，λ2的取值范围：650-700nm；所述步骤2)中，计算两个截图的灰度平均值，分别记为G竹片和G背景，竹片的灰度平均值减去背景的灰度平均值，以其差值(G竹片-G背景)作为样本灰度平均值参考值G；设定对应中心波长λ1的灰度参考值为Gλ1，对应中心波长λ2的灰度参考值为Gλ2；
所述分级方法还包括以下步骤：4)计算表征竹片表面颜色的色指数，即G色＝Gλ2-Gλ1，当判定无瑕疵后，再比较测得的色指数与预设色指数分布阈值G阈的大小，如果测得的色指数比阈值G阈小，则判定无色差，为合格竹片，否则有色差。
本实施例的自动识别分级系统，包括LED光源、滤光片系统、测光算法、色差瑕疵筛选算法，下面就这几部分具体说明。
LED光源(4)：在竹片检测过程中，光源要尽可能地突出竹片的有用特征，即要突出竹片表面的颜色特征，而忽略竹片的纹理、竹节等特征。因此在光源照明设计中，需考虑以下几个问题：
(1)照明方式
本发明检测的是竹片正面的颜色，照明方式选用正面垂直照明。
(2)稳定性
光源的稳定性会影响分级系统识别的准确性和识别的效率，以恒流驱动的LED可工作在固定电流模式，亮度稳定性高，因此选择稳定性高的LED光源。
(3)亮度
光源发出的光经竹片反射后透过滤光片到达CCD拍摄图像，这个过程中，滤光片只允许特定波段的光通过，因此损失了大部分光能，光强度太弱则拍摄的图像质量低，为获取清晰高质量的竹片图像，光源的亮度应尽可能高，故选择高亮度的LED光源。
(4)光源颜色
由于本发明自制的滤光片系统含2个不同波段的拍摄通道，光源的光谱范围应该尽可能宽，以包含各种波长的光，故选择白色的LED光源。
(5)阴影
正面照明容易导致投影的阴影，采用环形灯具有一定的解决效果；另外竹片图像的背景也会产生一定的影响：暗背景有助于阴影的吸收，更能清晰地凸显竹片的边缘，增加竹片图像的质量。
综合考虑以上5个因素，本发明采用LED环形灯正面垂直照明，并采用暗背景拍摄。
滤光片系统：根据竹片表面的反射光谱图得出在640nm～700nm波段不同颜色的竹片反射率差异较大，因此该波段为竹片颜色的特征波段。运用斜率法，以500-600nm的斜率值作为x轴，以650-700nm的斜率值作为y轴，创建斜率的斜率直角坐标系，并在坐标系中画出了不同颜色竹片斜率点的分布图，如图3，设定一定的阈值就可以将不同颜色竹片的色差区分出来。因此，500-600nm波段和650-700nm波段是识别竹片色差合适的测光波段。考虑到滤光片的透过率等一系列问题，本发明设计了中心波长为531nm，半高宽为50nm和中心波长为686nm，半高宽为40nm的两种滤光片。
透过这两种滤光片拍摄可确定两个拍摄通道。
测光算法：测光算法是本系统的核心部分之一。对于同一物品拍摄时，采用不同的测光算法会得出不同效果的图像。为了得到能清晰地反映竹片表面颜色特征的图像，本发明设计了拍摄竹片照片时的测光算法。选取竹片分布区域和及其近邻背景分布区域(Area)，统计该区域内所包括的测光总流量(Sum)，然后减去背景值(bklum)，得到竹片的测光流量值，Flux＝Sum-Area*bklum。
光强的高斯分布图见附图5。
色差、瑕疵筛选算法：对竹片图像信号进行色差瑕疵筛选是本发明的核心部分之一，能完成对竹片图像特征的提取与判别，从而作出决策。
计算机(1)接收到竹片图像后，首先对竹片图像进行测光处理。
(1)灰度化及去除背景噪声
在获取竹片图像的过程中，不可避免地会受光照强度或其他环境噪声的干扰，为防止图像信息失真同时简化算法，本发明对竹片图片进行了灰度化与去除背景噪声的处理。
分别在竹片图像的竹片部分(标准颜色、有色差、瑕疵)和背景部分截取两个相同大小的图，运用软件对这两个截图部分的灰度值，并计算其灰度平均值，分别记为G竹片和G背景。竹片的灰度平均值减去背景的灰度平均值，以其差值(G竹片-G背景)作为样本灰度平均值参考值G，从而达到消除噪声的效果。
要识别瑕疵，尽靠灰色平均值很难判断，如截图中间有瑕疵，其灰度平均值可能与标准竹片接近，而其灰度波动值明显大于标准竹片，因此为了判别竹片是否存在瑕疵还需计算截图的灰度波动值，在所述竹片图像的竹片部分和背景部分截取两个相同大小的截图，所述截图有N个像素，定义竹片部分、背景部分的截图的第i个像素的灰度值分别G竹片i和G背景i，以其差值(G竹片i-G背景i)作为截图中的第i个像素的样本灰度参考值Gi，根据样本灰度参考值Gi计算样本灰度平均值
和灰度波动值
(2)建立色指数
本发明设计的竹片色差识别算法用经过一系列变换的竹片图像灰度值创建了能表征竹片表面颜色信息的色指数。
该分级系统采用的两种滤光片中心波长分别为λ1＝531nm，λ2＝686nm，透过这两个拍摄通道拍摄可得到同一竹片的两幅图像，求得其灰度参考值分别为Gλ1和Gλ2。将λ2通道下的灰度值Gλ2减去λ1通道下的灰度值Gλ1，则可得到一个表征竹片表面颜色的色指数，即G＝Gλ2-Gλ1。
(3)设计阈值，识别色差和瑕疵，并分别对色差竹片、瑕疵竹片和合格竹片计数
运用聚类算法，得到竹制品所需的标准原材料的色指数分布阈值G阈和灰度波动值阈值F阈。将待测竹片图像与阈值比较，色指数在阈值内则无色差，否则有色差；灰度波动值在阈值内则无瑕疵，否则有瑕疵。
本系统的色差、瑕疵筛选算法的流程图如附图5所示。根据流程图，先判断是否有瑕疵，若有瑕疵则瑕疵竹片计数增加1并同时将瑕疵竹片剔除，若无瑕疵则进行下一步判断是否有色差，若有色差则色差竹片计数增加1并同时将色差竹片剔除，若无色差，则为合格竹片(既无色差也无瑕疵)，合格竹片计数增加1。
对照附图1和附图2，本发明的具体实现步骤如下：
(1)安装好系统各部件，将滤光片系统3安装在CCD镜头2下，使CCD可透过滤光片拍摄，安装好LED环形光源4，使其对竹片表面垂直照明，设置好工业CCD相机2的参数，并将其与计算机1相连。
(2)将待检验的竹片5放置在背景6上，CCD相机2分别透过中心波长为531nm和686nm的两片滤光片对竹片正表面拍摄图像，并将图像信息数字化。
(3)将获得的竹片图像信息导入计算机1，计算机运用竹片色差和瑕疵筛选算法，根据灰度波动值和色指数判断是否有瑕疵和色差，并将信号传给机械控制执行模块。
(4)机械控制执行模块根据计算机发出的信号将有瑕疵和色差的竹片剔除，完成竹片色差瑕疵的自动识别与分级。
Claims (3)
1.一种竹片自动识别分级方法，其特征在于：所述识别分级方法包括以下步骤：
1)透过滤光片拍摄待分级竹片的竹片图像；选取中心波长λ1和λ2的两种滤光片，其中λ1的取值范围：500-600nm，λ2的取值范围：650-700nm；
2)在所述竹片图像的竹片部分和背景部分截取两个相同大小的截图，所述截图有N个像素，定义竹片部分、背景部分的截图的第i个像素的灰度值分别G竹片i和G背景i，以其差值(G竹片i-G背景i)作为截图中的第i个像素的样本灰度参考值Gi，根据样本灰度参考值Gi计算样本灰度平均值
和灰度波动值
计算两个截图的灰度平均值，分别记为G竹片和G背景，竹片的灰度平均值减去背景的灰度平均值，以其差值(G竹片-G背景)作为样本灰度平均值参考值G；设定对应中心波长λ1的灰度参考值为Gλ1，对应中心波长λ2的灰度参考值为Gλ2；
3)将测得的灰度波动值与预设灰度波动值阈值F阈比较，如果测得的灰度波动值比阈值F阈小，则判定无瑕疵，否则有瑕疵；
4)计算表征竹片表面颜色的色指数，即G色＝Gλ2-Gλ1，当判定无瑕疵后，再比较测得的色指数与预设色指数分布阈值G阈的大小，如果测得的色指数比阈值G阈小，则判定无色差，为合格竹片，否则有色差。
2.如权利要求1所述的一种竹片自动识别分级方法，其特征在于：所述步骤1)中拍摄的工业相机的帧速率为30fps，每帧数据的传输和处理的时间估计200ms。
3.如权利要求2所述的一种竹片自动识别分级方法，其特征在于：所述步骤1)中，拍摄的工业相机带有LED光源照明系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012100493620A CN102601063B (zh) | 2012-02-29 | 2012-02-29 | 一种竹片自动识别分级方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012100493620A CN102601063B (zh) | 2012-02-29 | 2012-02-29 | 一种竹片自动识别分级方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102601063A CN102601063A (zh) | 2012-07-25 |
| CN102601063B true CN102601063B (zh) | 2013-11-13 |
Family
ID=46519048
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2012100493620A Expired - Fee Related CN102601063B (zh) | 2012-02-29 | 2012-02-29 | 一种竹片自动识别分级方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102601063B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103792240B (zh) * | 2014-01-03 | 2016-05-04 | 广西师范大学 | 竹片智能检测系统 |
| CN105344618B (zh) * | 2015-10-21 | 2023-04-14 | 中国林业科学研究院木材工业研究所 | 矩形竹片缺棱缺陷及颜色分拣方法 |
| CN106269576B (zh) * | 2016-09-12 | 2018-09-14 | 中国矿业大学 | 一种煤矸石自动分选系统与方法 |
| CN106955854A (zh) * | 2017-03-13 | 2017-07-18 | 福建味家生活用品制造有限公司 | 一种竹材选色方法 |
| CN110057825B (zh) * | 2019-04-30 | 2024-02-09 | 中国地质大学（武汉） | 一种翡翠蛋面透明度效果分级仪器及其分级方法 |
| CN110567969B (zh) * | 2019-09-05 | 2023-05-30 | 浙江翼晟科技有限公司 | 用于织物缺陷检测的图像识别方法及其系统 |
| CN110756457A (zh) * | 2019-10-17 | 2020-02-07 | 广州乔拓科技有限公司 | 墙地砖自动识别分类系统及方法 |
| CN111709915A (zh) * | 2020-05-28 | 2020-09-25 | 拉萨经济技术开发区美第意户外用品有限公司 | 一种速干面料瑕疵的自动检测方法及系统 |
| CN112517443B (zh) * | 2020-11-21 | 2022-03-25 | 正安县田湾方竹种植农民专业合作社 | 一种饮料加工用方竹笋验收用质量检测设备 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ITBO20010037A1 (it) * | 2001-01-30 | 2002-07-30 | E L C O S S R L | Metodo per la classficazione della qualita' estetica di materiali planari e apparecchiatura per la selezione automatica di materiali planari |
| ATE422172T1 (de) * | 2003-11-18 | 2009-02-15 | Binder Co Ag | Verfahren und vorrichtung zur optimierten sortierung von altpapier und altkarton |
| CN201231229Y (zh) * | 2008-07-01 | 2009-05-06 | 华中农业大学 | 基于机器视觉的竹片色差自动识别分级装置 |
| CN101322969B (zh) * | 2008-07-18 | 2012-11-14 | 中国农业大学 | 一种检测分级方法 |
| CN101623693A (zh) * | 2008-12-31 | 2010-01-13 | 江西赛维Ldk太阳能高科技有限公司 | 一种将颜色有差异的硅料进行色选分离的方法 |
-
2012
- 2012-02-29 CN CN2012100493620A patent/CN102601063B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN102601063A (zh) | 2012-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102601063B (zh) | 一种竹片自动识别分级方法 | |
| CN205538740U (zh) | 一种智能木材表面缺陷检测系统 | |
| CN104871175B (zh) | 对食品质量进行评分和控制 | |
| CN101832941B (zh) | 一种基于多光谱图像的水果品质评价装置 | |
| CN107486415A (zh) | 基于机器视觉的篾片缺陷在线检测系统及检测方法 | |
| US20200018707A1 (en) | Appearance inspection device, lighting device, and imaging lighting device | |
| CN110415181A (zh) | 一种开放环境下烤烟rgb图像智能识别及等级判定方法 | |
| CN110445921A (zh) | 一种基于机器视觉的手机屏背光异物缺陷诊断方法及装置 | |
| CN103076288B (zh) | 一种基于计算机视觉的鱼肉自动分级装置和方法 | |
| CN106442561A (zh) | 用于检测柑橘表皮缺陷的在线图像采集系统及方法 | |
| CN109001212A (zh) | 一种基于机器视觉的不锈钢汤勺缺陷检测方法 | |
| CN102854148A (zh) | 基于多光谱图像技术的生鲜牛肉嫩度检测分级系统 | |
| CN104646315A (zh) | 一种具有黄曲霉素检测功能的农产品智能分选机 | |
| CN102521564A (zh) | 基于颜色和形状识别茶叶的方法 | |
| CN107614127A (zh) | 利用多反射和多角度视图的新型基于颜色的光学分级系统 | |
| CN203470363U (zh) | 一种可见光与红外物料复合分选设备 | |
| CN113600508B (zh) | 一种基于机器视觉的烟叶烟包霉变及杂物监测系统 | |
| CN106370667A (zh) | 一种玉米籽粒品质视觉检测装置及方法 | |
| CN106767449A (zh) | 烟叶的一致性辨选方法及装置 | |
| CN207238542U (zh) | 一种基于机器视觉的篾片缺陷在线检测系统 | |
| CN107679106A (zh) | 一种快速反应的色织面料设计生产方法 | |
| CN102539359A (zh) | 基于静态高光谱成像系统的肉品品质可视化检测装置 | |
| CN110412055B (zh) | 一种基于多光源暗场照明的透镜白雾缺陷检测方法 | |
| CN102495067B (zh) | 一种食用菌杂质在线识别系统 | |
| CN109102497A (zh) | 高分辨率的导光板图像缺陷检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201021 Address after: Room 1,020, Nanxun Science and Technology Pioneering Park, No. 666 Chaoyang Road, Nanxun District, Huzhou City, Zhejiang Province, 313000 Patentee after: Huzhou You Yan Intellectual Property Service Co.,Ltd. Address before: Hangzhou City, Zhejiang province 310014 City Zhaohui District Six Patentee before: ZHEJIANG University OF TECHNOLOGY |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221215 Address after: 276000 413, block B, Chuangxin building, high tech Industrial Development Zone, Linyi City, Shandong Province Patentee after: Linyi high tech Zone Talent vocational training school Co.,Ltd. Address before: 313000 room 1020, science and Technology Pioneer Park, 666 Chaoyang Road, Nanxun Town, Nanxun District, Huzhou, Zhejiang. Patentee before: Huzhou You Yan Intellectual Property Service Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20131113 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |