CN103246920B - 一种蚕茧自动计数方法及系统 - Google Patents

一种蚕茧自动计数方法及系统 Download PDF

Info

Publication number
CN103246920B
CN103246920B CN201310094664.4A CN201310094664A CN103246920B CN 103246920 B CN103246920 B CN 103246920B CN 201310094664 A CN201310094664 A CN 201310094664A CN 103246920 B CN103246920 B CN 103246920B
Authority
CN
China
Prior art keywords
silk cocoon
image
target object
central point
object region
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.)
Active
Application number
CN201310094664.4A
Other languages
English (en)
Other versions
CN103246920A (zh
Inventor
黄静
章涵博
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.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
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 Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201310094664.4A priority Critical patent/CN103246920B/zh
Publication of CN103246920A publication Critical patent/CN103246920A/zh
Application granted granted Critical
Publication of CN103246920B publication Critical patent/CN103246920B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种蚕茧自动计数方法及系统,方法包括:(1)采集蚕茧图像;(2)对蚕茧图像进行预处理;(3)对预处理后的蚕茧图像进行二值化处理,超过阈值的像素预判为目标物体区域,且标记这些像素;(4)对二值化处理后的图像进行孔洞填充;(5)对孔洞填充后的蚕茧二值图像进行腐蚀分割;(6)查找蚕茧图像中目标物体的中心点,中心点的数量即为蚕茧图像中蚕茧的数量。本发明结合图像处理技术经过改进的算法融合进行蚕茧自动计数系统设计,使用高速CCD摄像机,通过对摄像机进行控制采集蚕茧图片并存储,采用改进的腐蚀算法、查找中心点算法对蚕茧图片处理,计数效果准确快速,本发明可应用到缫丝企业中对蚕茧计数。

Description

一种蚕茧自动计数方法及系统
技术领域
本发明涉及蚕茧计数技术领域,具体涉及一种基于图像处理的蚕茧自动计数方法及系统。
背景技术
医学、工程及农业等研究领域,经常需要统计类圆颗粒物质(农作物种子、钢材、细胞等)的数量来检测物质的品质。例如医疗诊断上测量血液的细胞数目;工业上把一定数目的钢材打捆;农业种子培育上的种子发芽率;缫丝生产中的茧层率及在渔业上的科学投饵。
手工计数是最传统的计数方法。但是,当计数时间过长,视觉极度疲劳,导致计数的效率和准确率低下,特别是在有些物品不能用手直接接触,多数、漏数的现象时常发生。在要求快速准确计数的场合,其缺点表现的犹为突出。因此,开发出能够快速、准确的自动计数系统,不仅能提高生产率,而且还可以提高产品的质量,实现蚕茧数目统计的自动化。
随着计算机图像处理技术的快速发展,通过计算机图像处理技术与机器视觉技术、模式识别技术、人工智能的结合应用,解决了在工、农、医上传统方法的不足,提高了在工、农、医上品质检测的快速性、准确性和效率,并采用计算机控制摄像机采集图像、图像处理、自动计数并分析结果,实现了生产的自动化。
例如,公开号为CN1442786A的中国专利申请公开了一种微小昆虫的自动计数系统,属于自动测量、计数领域,该自动计数系统,按照以下步骤进行操作,1.图像采集,利用数码相机或CCD摄像头与图像采集卡的组合设备将昆虫的图像采集到并送入计算机输入端;2.利用计算机程序处理图像数据,将彩色图转化为灰度图;3.对灰度图进行阈值分割,变为二值图;4.对二值图进行连通区域标记;5.进行目标体识别和非目标体过滤;6.计数连通区域所含昆虫的个数;7.将计数结果显示给用户。
发明内容
本发明提供了一种蚕茧自动计数方法及系统,计数效果快速准确。
一种蚕茧自动计数方法,包括如下步骤:
(1)采集蚕茧图像;采用CCD摄像机采集蚕茧图片;
(2)对所述蚕茧图像进行预处理;
(3)对预处理后的蚕茧图像进行二值化处理,超过阈值的像素预判为目标物体区域,预计算该目标物体区域的面积S,且标记这些像素;
(4)孔洞填充:
扫描二值化后的图像,判断当前像素是否带有标记,选取非标记的像素,再判断该非标记的像素的4邻域中的像素,若4邻域中的像素均带有标记,则将所述非标记的像素判定为孔洞,对所述非标记的像素重新进行标记得到孔洞填充后的蚕茧二值图像;
(5)腐蚀分割:
针对孔洞填充后的蚕茧二值图像,通过面积阈值S1和S2(S2<S1)判定各目标物体区域;
若目标物体区域的面积S符合:S1>S>S2,认定当前目标物体区域为单个蚕茧;
若目标物体区域的面积S符合:S≥S1,则对该目标物体区域进行腐蚀分割直至该目标物体区域的面积S符合:S1>S>S2,则认定当前目标物体区域为单个蚕茧;记录腐蚀分割的次数N;
若目标物体区域的面积S符合:S≤S2,则对该目标物体区域进行腐蚀去除;
(6)查找蚕茧图像中目标物体的中心点
针对各个认定为单个蚕茧的目标物体区域,确定对应的边界,根据边界计算中心点,中心点的数量即为蚕茧图像中蚕茧的数量。
作为优选,步骤(6)中所述中心点的查找方法为:
所述中心点的坐标为(X,Y),
X=S/(x1,x2……xn
Y=S/(y1,y2……yn
其中S为当前的认定为单个蚕茧的目标物体区域面积,
x1,x2……xn为边界内所包含的各个像素的横坐标;
y1,y2……yn为边界内所包含的各个像素的纵坐标;
认定为单个蚕茧的目标物体区域若曾经过偶数次的腐蚀分割(N为偶数),则采用4邻域确定对应的边界,否则采用8邻域确定对应的边界;
当认定为单个蚕茧的目标物体区域为一个孤立点时,直接标记该孤立点为中心点。
作为优选,还包括对所述中心点进行修正算法,所述修正算法包括:
以任意步骤进行如下两种操作:
(1)对任意两个中心点作如下判断:
若这两个中心点的距离小于设定值,取这两个中心点坐标的平均值为新的中心点,并删除原来的两个中心点;
(2)对任意两个中心点作如下判断:
以第一中心点为圆心,R1为半径做圆C1
以第二中心点为圆心,R2为半径的圆C2
若圆C1包含圆C2,删除第二中心点;
R1=R(1)-N
R(1)为参照圆的半径,所述参照圆的面积为与第一中心点相对应的目标物体区域的面积S;
N为与第一中心点相对应的目标物体区域经过腐蚀分割的次数;
经修正算法删除部分中心点后,剩余的中心点的数量即为蚕茧图像中蚕茧的数量。
作为优选,步骤(2)中所述预处理为判定滤波及图像增强。
更优选,所述判定滤波采用空域算法,包括以任意次序进行三种滤波方式中的至少一种,三种滤波方式分别为Gabor滤波、频域滤波和中值滤波。
作为优选,步骤(2)中所述二值化处理采用HSI二值化。
在图像二值化处理过程中采用HSI阀值二值化,通过在RGB色彩空间上选择一小块区域,将RGB色彩空间模型转换到HSI色彩空间模型,获取这小块区域H分量、S分量和I分量的值,实现自适应阈值分割。大于阈值的像素将被标记,即目标物体的各个像素被标记了,这对后续的处理很方面,通过像素是否标记进行判断和处理。
本发明还提供了一种蚕茧自动计数系统,包括图像采集与存储单元、图像处理单元和显示单元,
所述图像采集与存储单元包括:
CCD摄像机,用于采集蚕茧图片数据;
图像采集控制器,用于控制CCD摄像机采集蚕茧图片数据并传输给存储单元;
存储单元,用于存储CCD摄像机采集的蚕茧图片数据,等待图像处理单元调取;
所述图像处理单元包括:
图像处理控制器,用于调取存储单元中的蚕茧图片数据进行A/D转换,并将A/D转换后的数据重新存入存储单元中;
算法处理模块,用于对存储单元中经A/D转换后的数据依次进行预处理、二值化处理、孔洞填充和腐蚀分割处理,并将处理后的数据存入存储单元中;
自动计数模块,用于对存储单元中经算法处理模块的数据通过查找目标物体的中心点进行计数,并将计数结果传输给显示单元。
与现有技术相比,本发明的有益效果为:
本发明结合图像处理技术经过改进的算法融合进行蚕茧自动计数系统设计,使用高速CCD摄像机,通过对摄像机进行控制采集蚕茧图片并存储,采用改进的腐蚀算法、查找中心点算法对蚕茧图片处理,计数效果准确快速,本发明可应用到缫丝企业中对蚕茧计数。
附图说明
图1是本发明的结构示意图。
图2是本发明对蚕茧技术的软件流程图。
具体实施方式
如图1所示,为实现本发明计数方法的装置结构示意图,包括图像采集与存储单元1、图像处理单元2和显示单元3。图像采集与存储单元1与图像处理单元2之间连接有第一通信总线,图像处理单元与显示单元3之间连接有第二通信总线。
图像采集与存储单元1包括一个高速的CCD摄像机、存储单元及图像采集控制器,显示单元3包括显示器,图像处理单元2包括图像处理控制器、算法处理模块与自动计数模块。
图像采集控制器通过转换计算机的控制信号控制CCD摄像机采集蚕茧图片,并将采集的蚕茧图片存储在存储单元中;CCD摄像机采用一种高速USB2.0驱动的高清晰摄像机,它的分辨率最高可达到1280×1024,它自带一种A/D转换装置,可以快速高效地将采集的Bayer格式的蚕茧图片转换为RGB格式。
图像处理模块2包括一个与图像采集与存储模块1相连接的图像处理控制器,该图像处理控制器用于控制图像采集与存储单元1进行图像信息采集并对采集到指纹数据进行A/D转换。在蚕茧图片采集阶段,在设置的时间间隔内采集若干幅图片到内存,并将A/D转换后的数据传输到存储单元。
如图2所示,图像采集与存储单元1采集的蚕茧图片,通过图像处理控制器进行控制对图片的处理,经过算法处理模块和自动计数模块,将计数结果在显示单元3上显示。
算法处理模块中进行的处理过程包括:(1)预处理(图像滤波);(2)HSI二值化;(3)孔洞填充;(4)腐蚀分割。
(1)预处理:
算法处理模块中进行预处理过程为判定滤波及图像增强,滤波实现采用空域算法,用不同的窗口模块对图像卷积运算。Gabor滤波器对于蚕茧图像来说比较合适,实现了Gabor滤波,其中有一个参数是各点的频率(除了大块背景区域外,整个蚕茧图像都有一个固定的频率,各点的差别对于Gabor滤波的影响不是很大),这个参数对于滤波的帮助并不是很大,但是,它最大的用处就是求蚕茧的边界线,这对于后面的伪细节点的判断是有用的,因为,边界处的端点常常是伪端点,它能够被用来调整蚕茧图像的大小,去掉多余的过大的背景区域,以加快之后的处理速度;频域滤波的目的是为了分析图像滤波处理的效果,这里可以采用高斯低通滤波、巴特沃思滤波和同态滤波;由于FFT变换采用蝶形算法,在频域滤波后最好进行一次中值滤波,尽早消除一些椒盐噪声。
(2)HSI二值化:
算法处理模块中的HSI二值化采用HSI阈值分割方法对图像进行二值化,通过在RGB色彩空间上选择一小块区域,将RGB色彩空间模型转换到HSI色彩空间模型,获取这小块区域H分量、S分量和I分量的值,实现自适应阈值分割,大于阈值的像素预判为目标物体区域,预计算该目标物体区域的面积S,且标记这些像素。
(3)孔洞填充:
扫描二值化后的图像,判断当前像素是否带有标记,选取非标记的像素,再判断该非标记的像素的4邻域中的像素,若4邻域中的像素均带有标记,则将非标记的像素判定为孔洞,对非标记的像素重新进行标记,实现孔洞填充,得到孔洞填充后的蚕茧二值图像;
(4)腐蚀分割:
针对孔洞填充后的蚕茧二值图像,通过面积阈值S1和S2(S2<S1)判定各目标物体区域;
若目标物体区域的面积S符合:S1>S>S2,认定当前目标物体区域为单个蚕茧,可直计数,不需要腐蚀处理;
若目标物体区域的面积S符合:S≥S1,则对该目标物体区域进行腐蚀分割直至该目标物体区域的面积S符合:S1>S>S2,则认定当前目标物体区域为单个蚕茧;记录腐蚀分割的次数N;
若目标物体区域的面积S符合:S≤S2,则对该目标物体区域进行腐蚀去除。
对于粘连在一起的目标物体,随着腐蚀次数的增加,目标物体之间逐渐分开,直至完全分离,腐蚀算法的好处是分割目标的同时把微小的噪声目标腐蚀掉了,由于腐蚀一次,目标物体减小了一圈,减少计算中心点的时间,提高速度。
自动计数模块中进行查找中心点和中心点修正。
查找中心点
针对各个认定为单个蚕茧的目标物体区域,确定对应的边界,根据边界计算中心点,中心点的数量即为蚕茧图像中蚕茧的数量。
中心点的查找方法为:
所述中心点的坐标为(X,Y),
X=S/(x1,x2……xn
Y=S/(y1,y2……yn
其中S为当前的认定为单个蚕茧的目标物体区域面积,
x1,x2……xn为边界内所包含的各个像素的横坐标;
y1,y2……yn为边界内所包含的各个像素的纵坐标;
认定为单个蚕茧的目标物体区域若曾经过偶数次的腐蚀分割(N为偶数),则采用4邻域确定对应的边界,否则采用8邻域确定对应的边界;
当认定为单个蚕茧的目标物体区域为一个孤立点时,直接标记该孤立点为中心点。
中心点修正:
对上述步骤中确定的中心点,用修正算法进行修正,修正算法包括以任意步骤进行如下两种操作:
(1)对任意两个中心点作如下判断:
若这两个中心点的距离小于设定值,取这两个中心点坐标的平均值为新的中心点,并删除原来的两个中心点;
(2)对任意两个中心点作如下判断:
以第一中心点为圆心,R1为半径做圆C1
以第二中心点为圆心,R2为半径的圆C2
若圆C1包含圆C2,删除第二中心点;
R1=R(1)-N
R(1)为参照圆的半径,所述参照圆的面积为与第一中心点相对应的目标物体区域的面积S;
N为与第一中心点相对应的目标物体区域经过腐蚀分割的次数;
经修正算法删除部分中心点后,剩余的中心点的数量即为蚕茧图像中蚕茧的数量。
显示单元3显示图片中的蚕茧个数。对查找到并经过修正的中心点,将其存放在一个容器中,通过对容器的大小进行计算就可统计出图像中蚕茧的数目。
蚕茧计数方法流程如下:
a、蚕茧图像采集与存储,图像采集与存储单元1采集蚕茧图片数据,并通过图像采集控制器将采集的蚕茧图片数据存入存储单元中;
b、图像处理,算法处理模块读取存储单元中的蚕茧图片数据,对其进行预处理,并将预处理后的蚕茧图像数据重新存入存储单元;通过自动计数模块查找蚕茧图像中目标物体的中心点,通过标记中心点进行计数。
c、结果显示,显示单元3显示图像处理单元2所处理的结果,并将结果显示在显示器上.
本发明的腐蚀算法采用改进的基于两个面积阈值的腐蚀算法,改进了传统基于单阈值先验知识的腐蚀算法。通过采用两个面积阈值S1、S2(S2<S1),处在这个范围内的目标区域不再进行分割,记为单个目标物体,直接对其计数,不在[S2,S1]范围内的目标区域继续分割,直到目标区域位于[S2,S1]范围内。具有判断准确、处理速度快的特点,解决了由于蚕茧的大小相差比较大,传统的腐蚀分割造成误差比较大的问题,实现了快速、高效分割粘连目标物体。
本发明采用4邻域与8邻域相结合的方法,改进了传统的只采用一种边界生成算法。通过在不同次数的腐蚀过程中,即偶数次腐蚀采用8邻域、奇数次腐蚀采用4邻域的方法,对于不同的腐蚀次数,即当腐蚀的次数为Num,从1到Num之间的数值,是2的倍数采用4邻域,否则采用8邻域。当前点为一个孤立点时,标记为中心点;当前点属于一个区域,通过对区域再次腐蚀,通过计算腐蚀后的区域面积与各个像素点的坐标值的和求平均值即为中心点,并作标记。解决了用一种方法生成边界耗时比较大,提高了边界生成速度。通过区域计算的中心点在一个区域误差很大,对各个中心点进行修正,因为对于两个中心点其距离小于110个像素,取其平均值为新的中心点,并删除原来的两个中心点,对于非深度重叠及粘连能够很好的识别。如果过一个中心点的圆,以相同半径过另一个中心点的圆相互包含,删除第二个中心点。
本发明的主要应用包括:医疗中的细胞个数统计、农业中种子计数、钢材生产中的打捆计数、缫丝过程中蚕茧个数统计等。

Claims (7)

1.一种蚕茧自动计数方法,其特征在于,包括如下步骤:
(1)采集蚕茧图像;
(2)对所述蚕茧图像进行预处理;
(3)对预处理后的蚕茧图像进行二值化处理,超过阈值的像素预判为目标物体区域,预计算该目标物体区域的面积S,且标记这些像素;
(4)孔洞填充:
扫描二值化后的图像,判断当前像素是否带有标记,选取非标记的像素,再判断该非标记的像素的4邻域中的像素,若4邻域中的像素均带有标记,则将所述非标记的像素判定为孔洞,对所述非标记的像素重新进行标记得到孔洞填充后的蚕茧二值图像;
(5)腐蚀分割:
针对孔洞填充后的蚕茧二值图像,通过面积阈值S1和S2判定各目标物体区域,S2<S1;
若目标物体区域的面积S符合:S1>S>S2,认定当前目标物体区域为单个蚕茧;
若目标物体区域的面积S符合:S≥S1,则对该目标物体区域进行腐蚀分割直至该目标物体区域的面积S符合:S1>S>S2,则认定当前目标物体区域为单个蚕茧;记录腐蚀分割的次数N;
若目标物体区域的面积S符合:S≤S2,则对该目标物体区域进行腐蚀去除;
(6)查找蚕茧图像中目标物体的中心点
针对各个认定为单个蚕茧的目标物体区域,确定对应的边界,根据边界计算中心点,中心点的数量即为蚕茧图像中蚕茧的数量。
2.根据权利要求1所述的方法,其特征在于,步骤(6)中所述中心点的查找方法为:
所述中心点的坐标为(X,Y),
X=S/(x1,x2……xn)
Y=S/(y1,y2……yn)
其中S为当前的认定为单个蚕茧的目标物体区域面积,
x1,x2……xn为边界内所包含的各个像素的横坐标;
y1,y2……yn为边界内所包含的各个像素的纵坐标;
认定为单个蚕茧的目标物体区域若曾经过偶数次的腐蚀分割,即N为偶数,则采用4邻域确定对应的边界,否则采用8邻域确定对应的边界;
当认定为单个蚕茧的目标物体区域为一个孤立点时,直接标记该孤立点为中心点。
3.根据权利要求1或2所述的方法,其特征在于,还包括对所述中心点进行修正算法,所述修正算法包括:
以任意步骤进行如下两种操作:
(1)对任意两个中心点作如下判断:
若这两个中心点的距离小于设定值,取这两个中心点坐标的平均值为新的中心点,并删除原来的两个中心点;
(2)对任意两个中心点作如下判断:
以第一中心点为圆心,R1为半径做圆C1
以第二中心点为圆心,R2为半径的圆C2
若圆C1包含圆C2,删除第二中心点;
R1=R(1)-N
R(1)为参照圆的半径,所述参照圆的面积为与第一中心点相对应的目标物体区域的面积S;
N为与第一中心点相对应的目标物体区域经过腐蚀分割的次数;
经修正算法删除部分中心点后,剩余的中心点的数量即为蚕茧图像中蚕茧的数量。
4.根据权利要求1所述的方法,其特征在于,步骤(2)中所述预处理为判定滤波及图像增强。
5.根据权利要求4所述的方法,其特征在于,所述判定滤波采用空域算法,包括以任意次序进行三种滤波方式中的至少一种,三种滤波方式分别为Gabor滤波、频域滤波和中值滤波。
6.根据权利要求1所述的方法,其特征在于,步骤(2)中所述二值化处理采用HSI二值化。
7.一种蚕茧自动计数系统,包括图像采集与存储单元、图像处理单元和显示单元,其特征在于,
所述图像采集与存储单元包括:
CCD摄像机,用于采集蚕茧图片数据;
图像采集控制器,用于控制CCD摄像机采集蚕茧图片数据并传输给存储单元;
存储单元,用于存储CCD摄像机采集的蚕茧图片数据,等待图像处理单元调取;
所述图像处理单元包括:
图像处理控制器,用于调取存储单元中的蚕茧图片数据进行A/D转换,并将A/D转换后的数据重新存入存储单元中;
算法处理模块,用于对存储单元中经A/D转换后的数据依次进行预处理、二值化处理、孔洞填充和腐蚀分割处理,并将处理后的数据存入存储单元中;
自动计数模块,用于对存储单元中经算法处理模块的数据通过查找目标物体的中心点进行计数,并将计数结果传输给显示单元。
CN201310094664.4A 2013-03-22 2013-03-22 一种蚕茧自动计数方法及系统 Active CN103246920B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310094664.4A CN103246920B (zh) 2013-03-22 2013-03-22 一种蚕茧自动计数方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310094664.4A CN103246920B (zh) 2013-03-22 2013-03-22 一种蚕茧自动计数方法及系统

Publications (2)

Publication Number Publication Date
CN103246920A CN103246920A (zh) 2013-08-14
CN103246920B true CN103246920B (zh) 2015-11-18

Family

ID=48926431

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310094664.4A Active CN103246920B (zh) 2013-03-22 2013-03-22 一种蚕茧自动计数方法及系统

Country Status (1)

Country Link
CN (1) CN103246920B (zh)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105095958B (zh) * 2014-05-12 2018-01-23 浙江理工大学 一种蚕茧计数方法
CN105095957B (zh) * 2014-05-12 2018-01-02 浙江理工大学 一种基于图像分割的蚕茧计数方法
CN105405145B (zh) * 2015-11-17 2019-07-16 四川飞拓信息技术有限公司 一种基于图像分割技术的颗粒数粒方法
CN105654173B (zh) * 2016-01-06 2018-04-17 大连海洋大学 工业螺母区域标定与个数检测方法
CN106127293A (zh) * 2016-07-06 2016-11-16 太仓诚泽网络科技有限公司 一种昆虫自动计数系统及其计数方法
CN106780435A (zh) * 2016-11-18 2017-05-31 郑州云海信息技术有限公司 一种物体计数方法及装置
CN106780537B (zh) * 2017-01-11 2019-08-23 山东农业大学 一种基于图像处理的方格蔟蚕茧筛选装置及方法
CN106960452A (zh) * 2017-05-08 2017-07-18 山东农业大学 一种基于图像处理的垂直坐标式自动采茧机控制装置
CN107767361A (zh) * 2017-08-28 2018-03-06 江苏理工学院 一种金刚砂线颗粒计数方法、存储设备及终端设备
CN108108741A (zh) * 2018-01-04 2018-06-01 中国计量大学 一种基于凹点自适应腐蚀的蚕茧自动计数方法
CN108596891A (zh) * 2018-04-23 2018-09-28 中国计量大学 一种面向多种类混合蚕茧的计数方法
CN108596934A (zh) * 2018-04-24 2018-09-28 中国计量大学 一种基于面积的蚕茧计数方法
CN108960096B (zh) * 2018-06-22 2021-08-17 深圳市恒天伟焱科技股份有限公司 基于立体视觉和红外成像的人体识别方法
CN109325937B (zh) * 2018-08-20 2020-08-25 中国科学院自动化研究所 目标体的数量统计方法、装置及系统
CN110120054A (zh) * 2019-05-15 2019-08-13 深圳铂石空间科技有限公司 基于图像处理的自动计数方法及装置、介质、电子设备
CN111507956B (zh) * 2020-04-15 2023-04-07 广西科技大学 一种纳米线数量统计方法及系统
CN111768384B (zh) * 2020-06-29 2024-04-26 深圳赛桥生物创新技术有限公司 基于三维扫描成像的细胞计数方法及系统
CN112446421A (zh) * 2020-11-06 2021-03-05 湖州市质量技术监督检测研究院 一种基于机器视觉的蚕茧计数与识别方法
CN112308028B (zh) * 2020-11-25 2023-07-14 四川省农业科学院蚕业研究所 一种家蚕幼虫智能计数方法
CN113744184A (zh) * 2021-07-27 2021-12-03 江苏农林职业技术学院 一种基于图像处理的乌鳢卵子计数方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0554135A (ja) * 1991-08-21 1993-03-05 Fujitsu Ltd 簡易型物体の個数計測方式
US5481620A (en) * 1991-09-27 1996-01-02 E. I. Du Pont De Nemours And Company Adaptive vision system
CN1442786A (zh) * 2003-04-09 2003-09-17 沈佐锐 微小昆虫自动计数系统
CN101794406A (zh) * 2010-04-06 2010-08-04 湖南省植物保护研究所 烟粉虱成虫密度自动计数系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0554135A (ja) * 1991-08-21 1993-03-05 Fujitsu Ltd 簡易型物体の個数計測方式
US5481620A (en) * 1991-09-27 1996-01-02 E. I. Du Pont De Nemours And Company Adaptive vision system
CN1442786A (zh) * 2003-04-09 2003-09-17 沈佐锐 微小昆虫自动计数系统
CN101794406A (zh) * 2010-04-06 2010-08-04 湖南省植物保护研究所 烟粉虱成虫密度自动计数系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于CCD 的图像数据采集技术的物料计数系统研究;陈岳林 等;《光学技术》;20071130;52-55 *

Also Published As

Publication number Publication date
CN103246920A (zh) 2013-08-14

Similar Documents

Publication Publication Date Title
CN103246920B (zh) 一种蚕茧自动计数方法及系统
CN109325935B (zh) 一种基于无人机图像的输电线路检测方法
CN109447945B (zh) 基于机器视觉和图形处理的小麦基本苗快速计数方法
CN111860375A (zh) 一种植保无人机地面监控系统及其监控方法
Lu et al. A novel image measurement algorithm for common mushroom caps based on convolutional neural network
CN111681253B (zh) 基于颜色与形态特征的叶片图像分割方法及系统
CN112069985B (zh) 基于深度学习的高分辨率大田图像稻穗检测与计数方法
CN105095958A (zh) 一种蚕茧计数方法
CN113536958B (zh) 导航路径提取方法、装置、农业机器人和存储介质
US11676376B2 (en) Method for detecting field navigation line after ridge sealing of crops
CN102930279B (zh) 用于产品数量检测的图像识别方法
de Silva et al. Towards agricultural autonomy: crop row detection under varying field conditions using deep learning
Roggiolani et al. Hierarchical approach for joint semantic, plant instance, and leaf instance segmentation in the agricultural domain
Shuai et al. An improved YOLOv5-based method for multi-species tea shoot detection and picking point location in complex backgrounds
CN109509173A (zh) 一种细菌菌落的计数方法及计数装置
CN113326925A (zh) 基于密度图回归的卷积神经网络的花量统计方法、系统、设备及介质
CN115687850A (zh) 一种农田的灌溉需水量计算方法及装置
CN110866906B (zh) 基于图像边缘提取的三维培养人体心肌细胞搏动检测方法
CN111950349A (zh) 基于语义分割的田间导航线提取方法
Lee et al. Applying cellular automata to hyperspectral edge detection
Shen et al. Yolov5-based model integrating separable convolutions for detection of wheat head images
Bajpai et al. A Robust and Accurate Potato Leaf Disease Detection System Using Modified AlexNet Model
CN103778426A (zh) 绿色作物特征提取方法以及农情信息检测视觉系统
Liu et al. Adaptive threshold segmentation for cotton canopy image in complex background based on logistic regression algorithm
CN103226709A (zh) 一种美国白蛾幼虫网幕图像识别方法

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