CN103177257A - 一种鸡腿菇图像识别方法与分级方法 - Google Patents

一种鸡腿菇图像识别方法与分级方法 Download PDF

Info

Publication number
CN103177257A
CN103177257A CN201310119961XA CN201310119961A CN103177257A CN 103177257 A CN103177257 A CN 103177257A CN 201310119961X A CN201310119961X A CN 201310119961XA CN 201310119961 A CN201310119961 A CN 201310119961A CN 103177257 A CN103177257 A CN 103177257A
Authority
CN
China
Prior art keywords
image
cap
coprinus comatus
minor axis
coordinate
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
Application number
CN201310119961XA
Other languages
English (en)
Inventor
袁俊杰
李萍萍
李晓文
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.)
Jiangsu University
Original Assignee
Jiangsu University
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 Jiangsu University filed Critical Jiangsu University
Priority to CN201310119961XA priority Critical patent/CN103177257A/zh
Publication of CN103177257A publication Critical patent/CN103177257A/zh
Pending legal-status Critical Current

Links

Images

Abstract

本发明公开了一种鸡腿菇图像识别方法与分级方法,包括:对菌盖边界轮廓进行识别的步骤;菌盖轮廓图像修复的步骤;菌盖特征提取的步骤。将鸡腿菇依以下方法进行分级:菌盖短轴直径<20mm,为四级;菌盖短轴直径在20-30mm之间,为三级;菌盖短轴直径在30-40mm之间,为二级;菌盖短轴直径>40mm,为一级。本发明适用于食用菌工厂化生产中的在线监测、识别与分级,可应用于鸡腿菇的工厂化生产。

Description

一种鸡腿菇图像识别方法与分级方法
技术领域
本发明属于农业信息化领域,具体涉及的是一种鸡腿菇图像识别与分级。
背景技术
鸡腿菇子实体质感柔软、组织脆嫩、含水率高,在自动化采摘时会不可避免的产生机械损伤,对采摘后的分级工作增加不必要的误差,在采摘之前实现鸡腿菇的识别与分级对鸡腿菇的工厂化生产具有重要意义。鸡腿菇的图像识别属于农业信息化领域,主要采用图像识别的方法确定鸡腿菇的轮廓。但由于鸡腿菇属于簇状生长,相互之间有不同程度的重叠和遮挡且遮挡部分多发生在菌盖部位,使得鸡腿菇的图像识别难度增加;同时由于有重叠和遮挡现象,识别出的图像轮廓也与真实的鸡腿菇轮廓相差较大。
目前国内外不少学者基于机器视觉技术,对蘑菇、香菇等食用菌品种开展研究。例如周云山、李强等[1]研究了蘑菇采摘机器人的工作过程,在图像信息获取方面,研究了蘑菇和苗床图象信息的数字特征、蘑菇边界的提取算法。Chen HH[2]等人对香菇的大小自动进行了分级,所研制的香菇分级系统可以实现香菇3个级别大小的分级及异色香菇、破损香菇的识别和剔除。俞高红等[3]研究了蘑菇单体检测定位算法,采用Fourier描述子来重建蘑菇的边界,可以将多个重叠的蘑菇图像有效分割开来。黄星奕[4]提出了一种基于计算机图像处理技术的畸形秀珍菇识别方法,以分形维数、相对位移、菌盖偏心率、菌柄弯曲度等4个指标作为特征变量,采用支持向量机模式识别方法建立畸形秀珍菇判别模型,研究表明,利用机器视觉技术能很好地识别畸形秀珍菇。李江波[5]运用计算机视觉技术和神经网络算法采用掩模去背景、中值滤波、边缘亮度补偿等技术对图像进行处理,选取香菇菇盖最大直径、圆形度、色调均值及缺陷区域总面积与香菇图像总面积的比值作为鲜香菇分级的特征参数,对香菇进行自动检测,识别精度可达94.2%。
目前对各种食用菌的图像识别研究基本上都是基于单体进行的,没有考虑到自然生长状态下鸡腿菇簇状生长的特性。由于鸡腿菇在自然生长状态下由于有重叠和遮挡的现象,现有技术识别出的图像轮廓与真实的鸡腿菇轮廓相差较大。针对鸡腿菇群体图像相互重叠的问题,首先要将每个单体各自分开,然后对分割后有缺陷的图像进行一定的修复。本发明针对鸡腿菇群体图像提出了一种基于图像数字特征分析的重叠图像分割算法及基于Hough变换对被遮挡图像的修复算法,实现了鸡腿菇采摘前的图像修复。由于国内并无权威的鸡腿菇分级标准,本发明参照香菇、双孢菇等鲜菇分级标准,以菌盖直径为指标,将鸡腿菇分为四个等级,运用计算机视觉技术和图像处理技术,实现了鸡腿菇采摘前的识别与分级。
参考文献:
[1]周云山,李强.李红英,等.计算机视觉在蘑菇采摘机器上的应用[J].农业工程学报.1995,1l(4):27-32.
[2]Chen HH,Ting CH.The development of a machine vision system for shiitake grading[J].Journal of Food Quality.2004,27(5):352-365.
[3]俞高红,赵匀,李革,等.基于机器视觉的蘑菇单体检测定位算法及其边界描述[J].农业工程学报,2005(6):101-104.
[4]黄星奕,姜爽,陈全胜,等.基于机器视觉技术的畸形秀珍菇识别[J].农业工程学报,2010,26(10):350-354.
[5]李江波,王靖宇,苏忆楠,等.鲜香菇外部品质计算机视觉检测与分级研究[J].农产品加工·学刊,2010(10):4-7
发明内容
本发明提出一种鸡腿菇图像识别方法与分级方法,使识别出的图像轮廓更接近真实的鸡腿菇轮廓,并提供一种鸡腿菇的分级方法。
为了解决以上技术问题, 本发明基于Hough变换的鸡腿菇图像修复和分级方法,利用regionprops函数计算修复后的鸡腿菇菌盖图像直径,并以此建立一种鸡腿菇的分级方法,具体技术方案如下:
一种鸡腿菇图像识别方法,其特征在于包括以下步骤:
步骤一,对菌盖边界轮廓进行识别的步骤;
步骤二,菌盖轮廓图像修复的步骤; 
步骤三,菌盖特征提取的步骤。
所述菌盖轮廓识别的步骤包括以下过程:
Figure 1804DEST_PATH_IMAGE001
将原始图像大小调整到与图像处理相适应尺寸;
Figure 738816DEST_PATH_IMAGE002
在R-0.5G+0.5B分量下将原始图像转化为灰度图像;
Figure 262201DEST_PATH_IMAGE003
根据灰度值变化确定两个鸡腿菇图像重叠处的边界轮廓,实现对重叠图像进行分割;用3×3的中值滤波器对菌盖图像进行平滑处理;
Figure 3630DEST_PATH_IMAGE004
通过腐蚀3次后再膨胀3次,去除边界干扰,再对图像中的孔洞进行填充,提取分割后的菌盖图像边界轮廓。
所述菌盖轮廓图像修复的步骤包括以下过程:
Figure 245256DEST_PATH_IMAGE001
菌盖轮廓图像中心的获取过程
将菌盖轮看作一椭圆,将中心在原点且两个半轴与坐标轴重合的标准参数椭圆
Figure 582696DEST_PATH_IMAGE006
                                                         (1)
经旋转变换和平移变换后得到
Figure 226167DEST_PATH_IMAGE008
                             (2)
消去参数θ后,得
Figure 561333DEST_PATH_IMAGE009
        (3)
 (p,q)为椭圆中心坐标,a和b分别为椭圆的长轴和短轴,β为转角;
利用连接椭圆上切线方向相同的两点,这两点之间的线段中点是椭圆的中心这一定理,使用Sobel算子进行边缘检测,统计所有的边缘像素点坐标;再设两对称点的坐标分别为(x1,y1)和(x2,y2),则中点坐标为:x=(x1+x2)/2,y=(y1+y2)/2;初始化一个二维累加数组A(m,n)=0,对所有坐标中心点(x,y)计算,使累加器数组A(x,y)加1,累加器数组A中的最大值所对应的坐标即为椭圆的中心(p,q),将椭圆的圆心视为菌盖轮廓中心;
Figure 103304DEST_PATH_IMAGE002
菌盖轮廓图像椭圆短轴与转角的获取过程
将中心坐标(p,q)代入式(3),在三维空间中采用Hough变换对参数a,b,β进行统计,对椭圆长短轴设置约束,阈值分别为原始图像所检测出的长短轴大小,得到峰值最高的一组参数即为椭圆的a,b,β;所得到的椭圆即为拟合的菌盖轮廓曲线。
所述菌盖特征提取的步骤包括以下过程:
Figure 182119DEST_PATH_IMAGE001
采用中值滤波器对上述图像处理过程中产生的新噪声进行平滑处理;
Figure 680096DEST_PATH_IMAGE002
使用线性结构元素,分别对图像进行水平方向和垂直方向膨胀运算3次,将像素加到菌盖轮廓图像的对象边缘;
Figure 514060DEST_PATH_IMAGE003
对图像中的孔洞进行填充,然后使用菱形结构元素对图像进行平滑处理,采用8邻域顺序法对图像的连通区域进行标记,将不同连通区域标记为不同值;
Figure 464698DEST_PATH_IMAGE004
使用regionprops函数计算并标记出菌盖短轴直径D。
对采集的鸡腿菇样品图像,经所述鸡腿菇图像识别方法后得到每一个样品的菌盖直径值,建立以菌盖短轴直径为指标的分级标准。
所述鸡腿菇分级方法为:
Figure 347204DEST_PATH_IMAGE001
所述菌盖短轴直径<20mm,为四级;
Figure 34710DEST_PATH_IMAGE002
所述菌盖短轴直径在20-30mm之间,为三级;
所述菌盖短轴直径在30-40mm之间,为二级;
Figure 415192DEST_PATH_IMAGE004
所述菌盖短轴直径>40mm,为一级。
 
本发明采用上述技术方案具有如下有益效果:本发明解决了鸡腿菇群体生长状态下图像识别时存在的重叠问题,基于灰度图像的灰度值特征将重叠遮挡的单体图像分割,基于Hough变换对菌盖图像进行椭圆拟合,将复杂的群体图像分割为一个个单体图像,使识别出的图像轮廓更接近于真实的鸡腿菇轮廓。本发明可以实现鸡腿菇的在线检测和识别。本发明进一步提出了以菌盖短轴直径为指标的鸡腿菇分级方法,对实现机器自动分级、食用菌工厂化生产具有重要意义。
附图说明:
图1是图像转化后的灰度值。
图2是对重叠部分进行分割、平滑、填充等处理后提取的边界轮廓;其中a、b分别为采用中值滤波和腐蚀膨胀处理后的图像,c为提取的边界轮廓图。
图3是修复后的鸡腿菇轮廓图像。
图4是鸡腿菇边界轮廓提取与hough变换修复对照图。
 
具体实施方式
下面结合附图,对本发明的技术方案作进一步详细说明。
    步骤1)将原始图像大小调整到与图像处理相适应尺寸;
    步骤2)在R-0.5G+0.5B分量下将步骤1)所得的图像转化为灰度图像,见图1;
步骤3)获取步骤2)所得图像的灰度值,根据灰度值变化确定两个鸡腿菇图像重叠处的边界轮廓,实现对重叠图像进行分割;首先确定两个鸡腿菇单体的中心坐标,连接两个中心的连线上图像灰度值呈现增大-减小-增大-减小的趋势,则出现“凹点”的位置即为两个菇体的交接分割处,即为第一个边界点。然后以这个点作为有效边界初始点,搜索下一个边界点。以四分之一边界为例,假定有效初始边界点的坐标为(i,j),在8邻域连通下,根据边界像素点的梯度方向,考察(i+1,j)、(i,j+1)、(i+1,j+1)这三个像素点,选取灰度值较低的一个点作为下一个边界像素点。依次循环,直到搜索到初始边界点停止搜索,得到鸡腿菇单体边界轮廓图。
步骤4)用3×3的中值滤波器对步骤分割所得的菌盖图像进行平滑处理;经平滑处理后通过腐蚀3次后再膨胀3次,去除边界干扰,再对图像中的孔洞进行填充,提取分割后的菌盖图像边界轮廓。图2a、2b分别为采用中值滤波和腐蚀膨胀处理后的图像,图2c为提取的边界轮廓。
将菌盖轮廓近似看作椭圆,基于Hough变换的鸡腿菇菌盖轮廓图像椭圆拟合修复的过程:
    步骤5)获取步骤4)所得菌盖轮廓图像中心:将中心在原点且两个半轴与
坐标轴重合的标准参数椭圆旋转变换和平移变换后,利用连接椭圆上切线方向相同的两点,这两点之间的线段中点是椭圆的中心这一定理,使用Sobel算子进行边缘检测,统计所有的边缘像素点坐标;再对所有坐标的中心点计算,累加器数组中的最大值对应的坐标即为椭圆的中心,将其视为菌盖中心;
步骤6)获取步骤4)所得菌盖轮廓图像长短轴与转角和步骤5)所得的中心坐标,在三维空间中采用Hough变换对参数进行统计,对椭圆长短轴设置约束,阈值分别为原始图像所检测出的长短轴大小,得到峰值最高的一组参数即为椭圆的长短轴和转角;所得到的椭圆即为拟合的菌盖轮廓曲线,如图3所示。
对菌盖图像进行特征值提取过程:
    步骤7)采用中值滤波器对步骤1-6)图像处理过程中产生的新噪声进行平
滑处理;
    步骤8)使用线性结构元素,分别对步骤7)所得图像进行水平方向和垂直
方向膨胀运算3次,将像素加到图像的对象边缘;
    步骤9)对步骤8)所得图像中的孔洞进行填充,然后使用菱形结构元素进
行平滑处理,采用8邻域顺序法对连通区域进行标记,将不同连通区域标记为不
同值;
    步骤10)使用regionprops函数计算并标记出菌盖短轴直径D。
以下为对鸡腿菇分级。
    步骤11)对采集的鸡腿菇样品图像,经步骤1-10)后得到每一个样品的菌盖短轴直径值。
步骤12)建立以菌盖短轴直径为指标的分级标准:
所述菌盖直径<20mm,为四级;
所述菌盖短轴直径在20-30mm之间,为三级;
所述菌盖短轴直径在30-40mm之间,为二级;
所述菌盖短轴直径>40mm,为一级。
图4为在8邻域连通下,根据边界像素点的梯度方向,选取灰度值较低的一个点作为下一个边界像素点,依次循环提取鸡腿菇的边界轮廓图。利用连接椭圆上切线方向相同的两点,这两点之间的线段中点是椭圆的中心这一定理,使用Sobel算子进行边缘检测,统计所有的边缘像素点坐标;再对所有坐标的中心点计算,累加器数组中的最大值对应的坐标即为椭圆的中心,将其视为菌盖中心;然后再在三维空间中采用Hough变换对参数进行统计,对椭圆长短轴设置约束,阈值分别为原始图像所检测出的长短轴大小,得到峰值最高的一组参数即为椭圆的长短轴和转角;所得到的椭圆即为拟合的菌盖轮廓曲线。

Claims (6)

1.一种鸡腿菇图像识别方法,其特征在于包括以下步骤:
步骤一,对菌盖边界轮廓进行识别的步骤;
步骤二,菌盖轮廓图像修复的步骤; 
步骤三,菌盖特征提取的步骤。
2.一种如权利要求1所述的鸡腿菇图像识别方法,其特征在于所述菌盖轮廓识别的步骤包括以下过程:
将原始图像大小调整到与图像处理相适应尺寸;
在R-0.5G+0.5B分量下将原始图像转化为灰度图像;
根据灰度值变化确定两个鸡腿菇图像重叠处的边界轮廓,实现对重叠图像进行分割;
用3×3的中值滤波器对菌盖图像进行平滑处理;
通过腐蚀3次后再膨胀3次,去除边界干扰,再对图像中的孔洞进行填充,提取分割后的菌盖图像边界轮廓。
3.一种如权利要求1所述的鸡腿菇图像识别方法,其特征在于所述菌盖轮廓图像修复的步骤包括以下过程:
菌盖轮廓图像中心的获取过程
将菌盖轮看作一椭圆,将中心在原点且两个半轴与坐标轴重合的标准参数椭圆
Figure 752878DEST_PATH_IMAGE002
                                                         (1)
经旋转变换和平移变换后得到
Figure 287764DEST_PATH_IMAGE004
                             (2)
消去参数θ后,得
Figure 401214DEST_PATH_IMAGE005
        (3)
 (p,q)为椭圆中心坐标,a和b分别为椭圆的长轴和短轴,β为转角;
利用连接椭圆上切线方向相同的两点,这两点之间的线段中点是椭圆的中心这一定理,使用Sobel算子进行边缘检测,统计所有的边缘像素点坐标;再设两对称点的坐标分别为(x1,y1)和(x2,y2),则中点坐标为:x=(x1+x2)/2,y=(y1+y2)/2;初始化一个二维累加数组A(m,n)=0,对所有坐标中心点(x,y)计算,使累加器数组A(x,y)加1,累加器数组A中的最大值所对应的坐标即为椭圆的中心(p,q),将椭圆的圆心视为菌盖轮廓中心;
菌盖轮廓图像椭圆短轴与转角的获取过程:将中心坐标(p,q)代入式(3),在三维空间中采用Hough变换对参数a,b,β进行统计,对椭圆长短轴设置约束,阈值分别为原始图像所检测出的长短轴大小,得到峰值最高的一组参数即为椭圆的a,b,β;所得到的椭圆即为拟合的菌盖轮廓曲线。
4.一种如权利要求1所述的鸡腿菇图像识别方法,其特征在于所述菌盖特征提取的步骤包括以下过程:
(1) 采用中值滤波器对上述图像处理过程中产生的新噪声进行平滑处理;
(2) 使用线性结构元素,分别对图像进行水平方向和垂直方向膨胀运算3次,将像素加到菌盖轮廓图像的对象边缘;
(3) 对图像中的孔洞进行填充,然后使用菱形结构元素对图像进行平滑处理,采用8邻域顺序法对图像的连通区域进行标记,将不同连通区域标记为不同值;
(4) 使用regionprops函数计算并标记出菌盖短轴直径D。
5.一种基于如权利要求1-5所述的鸡腿菇图像识别方法的鸡腿菇分级方法,其特征在于:对采集的鸡腿菇样品图像,经所述鸡腿菇图像识别方法后得到每一个样品的菌盖直径值,建立以菌盖短轴直径为指标的分级标准。
6.一种如权利要求5所述的的鸡腿菇分级方法,其特征在于所述鸡腿菇分级标准为:
所述菌盖短轴直径<20mm,为四级;
所述菌盖短轴直径在20-30mm之间,为三级;
所述菌盖短轴直径在30-40mm之间,为二级;
所述菌盖短轴直径>40mm,为一级。
CN201310119961XA 2013-04-09 2013-04-09 一种鸡腿菇图像识别方法与分级方法 Pending CN103177257A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310119961XA CN103177257A (zh) 2013-04-09 2013-04-09 一种鸡腿菇图像识别方法与分级方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310119961XA CN103177257A (zh) 2013-04-09 2013-04-09 一种鸡腿菇图像识别方法与分级方法

Publications (1)

Publication Number Publication Date
CN103177257A true CN103177257A (zh) 2013-06-26

Family

ID=48637098

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310119961XA Pending CN103177257A (zh) 2013-04-09 2013-04-09 一种鸡腿菇图像识别方法与分级方法

Country Status (1)

Country Link
CN (1) CN103177257A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105891231A (zh) * 2015-01-26 2016-08-24 青岛农业大学 一种基于图像处理的胡萝卜表面缺陷检测方法
CN106203527A (zh) * 2016-07-12 2016-12-07 沈阳东之昕智能科技有限公司 一种用于水果去核的视觉识别方法
CN107564000A (zh) * 2017-09-06 2018-01-09 南京晓庄学院 基于计算机视觉的猴头菇无损检测分级方法
CN107749036A (zh) * 2017-10-25 2018-03-02 三峡大学 一种基于视频信号的放养式养殖场管理系统
CN108171693A (zh) * 2017-12-27 2018-06-15 合肥市雅视智能科技有限公司 一种自动检测劣质蘑菇的方法
CN109345554A (zh) * 2018-09-12 2019-02-15 南京农业大学 一种基于rgb-d相机的粘连蘑菇视觉原位测量方法
CN109447045A (zh) * 2018-12-26 2019-03-08 安徽大学 一种基于深度学习卷积神经网络的食用菌快速识别系统及方法
CN110084799A (zh) * 2019-04-24 2019-08-02 扬州龙科信息科技有限公司 一种基于深度相机的褐菇菌盖伞区视觉在线测量方法
CN111476488A (zh) * 2020-04-09 2020-07-31 吴昊 一种菌种培养生长用品质评价预估系统及方法
CN111899184A (zh) * 2020-03-31 2020-11-06 珠海市杰理科技股份有限公司 图像缺陷修复、神经网络训练方法、装置、设备和系统
CN111986192A (zh) * 2020-08-31 2020-11-24 华中科技大学 一种基于机器视觉的香菇破损检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090129629A1 (en) * 2007-11-21 2009-05-21 Po-Feng Cheng Method And Apparatus For Adaptive Object Detection
CN101976334A (zh) * 2010-10-26 2011-02-16 广东威创视讯科技股份有限公司 一种抗干扰的触摸点识别方法及装置
CN102831398A (zh) * 2012-07-24 2012-12-19 中国农业大学 基于深度图像的树上苹果识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090129629A1 (en) * 2007-11-21 2009-05-21 Po-Feng Cheng Method And Apparatus For Adaptive Object Detection
CN101976334A (zh) * 2010-10-26 2011-02-16 广东威创视讯科技股份有限公司 一种抗干扰的触摸点识别方法及装置
CN102831398A (zh) * 2012-07-24 2012-12-19 中国农业大学 基于深度图像的树上苹果识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
付鹏: "基于机器视觉的苹果检测与识别关键技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
付鹏: "基于机器视觉的苹果检测与识别关键技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 01, 15 January 2013 (2013-01-15), pages 138 - 1725 *
韦宏强、张建伟、宋晓辉、戴正国: "基于边界跟踪及Hough变换的椭圆检测算法", 《长春理工大学学报(自然科学版)》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105891231B (zh) * 2015-01-26 2019-01-18 青岛农业大学 一种基于图像处理的胡萝卜表面缺陷检测方法
CN105891231A (zh) * 2015-01-26 2016-08-24 青岛农业大学 一种基于图像处理的胡萝卜表面缺陷检测方法
CN106203527A (zh) * 2016-07-12 2016-12-07 沈阳东之昕智能科技有限公司 一种用于水果去核的视觉识别方法
CN107564000A (zh) * 2017-09-06 2018-01-09 南京晓庄学院 基于计算机视觉的猴头菇无损检测分级方法
CN107749036A (zh) * 2017-10-25 2018-03-02 三峡大学 一种基于视频信号的放养式养殖场管理系统
CN108171693B (zh) * 2017-12-27 2020-09-11 合肥市雅视智能科技有限公司 一种自动检测劣质蘑菇的方法
CN108171693A (zh) * 2017-12-27 2018-06-15 合肥市雅视智能科技有限公司 一种自动检测劣质蘑菇的方法
CN109345554A (zh) * 2018-09-12 2019-02-15 南京农业大学 一种基于rgb-d相机的粘连蘑菇视觉原位测量方法
CN109447045A (zh) * 2018-12-26 2019-03-08 安徽大学 一种基于深度学习卷积神经网络的食用菌快速识别系统及方法
CN110084799A (zh) * 2019-04-24 2019-08-02 扬州龙科信息科技有限公司 一种基于深度相机的褐菇菌盖伞区视觉在线测量方法
CN111899184A (zh) * 2020-03-31 2020-11-06 珠海市杰理科技股份有限公司 图像缺陷修复、神经网络训练方法、装置、设备和系统
CN111899184B (zh) * 2020-03-31 2023-11-28 珠海市杰理科技股份有限公司 图像缺陷修复、神经网络训练方法、装置、设备和系统
CN111476488A (zh) * 2020-04-09 2020-07-31 吴昊 一种菌种培养生长用品质评价预估系统及方法
CN111476488B (zh) * 2020-04-09 2021-08-13 乐清市泰博恒电子科技有限公司 一种菌种培养生长用品质评价预估系统及方法
CN111986192A (zh) * 2020-08-31 2020-11-24 华中科技大学 一种基于机器视觉的香菇破损检测方法
CN111986192B (zh) * 2020-08-31 2022-05-27 华中科技大学 一种基于机器视觉的香菇破损检测方法

Similar Documents

Publication Publication Date Title
CN103177257A (zh) 一种鸡腿菇图像识别方法与分级方法
CN103310218B (zh) 一种重叠遮挡果实精确识别方法
Bao et al. Field-based architectural traits characterisation of maize plant using time-of-flight 3D imaging
CN105718945B (zh) 基于分水岭和神经网络的苹果采摘机器人夜间图像识别方法
CN105067638B (zh) 基于机器视觉的轮胎胎膜表面字符缺陷检测方法
CN103530878B (zh) 一种基于融合策略的边缘提取方法
CN110232389B (zh) 一种基于绿色作物特征提取不变性的立体视觉导航方法
CN103886589B (zh) 面向目标的自动化高精度边缘提取方法
CN103295018B (zh) 一种枝叶遮挡果实精确识别方法
CN103870808A (zh) 一种手指静脉识别方法
CN104732536A (zh) 一种基于改进形态学的亚像素边缘检测方法
CN101526994B (zh) 一种与采集设备无关的指纹图像分割方法
CN103810474A (zh) 一种基于多特征低秩矩阵表示的车牌检测方法
CN101551853A (zh) 复杂静态彩色背景下的人耳检测方法
CN103473764A (zh) 一种遥感影像目标变化检测方法
CN102663386B (zh) 机械轴承环形分布压印字符的在线检测方法
CN103699900A (zh) 卫星影像中建筑物水平矢量轮廓自动批量提取方法
CN111754538B (zh) Usb表面缺陷检测的阈值分割方法
CN103778627A (zh) 一种基于sar图像的海域溢油检测方法
CN106157266A (zh) 一种果园果实图像获取方法
CN103500343A (zh) 基于mnf变换结合扩展属性滤波的高光谱影像分类方法
CN107909083A (zh) 一种基于轮廓匹配优化的矩形检测提取方法
CN103065299A (zh) 超声图像边缘提取方法和装置
CN108710862A (zh) 一种高分辨率遥感影像水体提取方法
Liu et al. Development of a machine vision algorithm for recognition of peach fruit in a natural scene

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

Application publication date: 20130626