CN103521465B - 一种固体籽粒的自动检测与分选系统及方法 - Google Patents
一种固体籽粒的自动检测与分选系统及方法 Download PDFInfo
- Publication number
- CN103521465B CN103521465B CN201310520410.4A CN201310520410A CN103521465B CN 103521465 B CN103521465 B CN 103521465B CN 201310520410 A CN201310520410 A CN 201310520410A CN 103521465 B CN103521465 B CN 103521465B
- Authority
- CN
- China
- Prior art keywords
- solid grain
- parts
- information
- drive disk
- disk assembly
- 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
Links
Landscapes
- Sorting Of Articles (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种固体籽粒的自动检测与分选系统及方法,该系统包括传动部件、斜面翻滚部件、信号采集与处理部件和籽粒分选部件,其中传动部件具有多个传动通道,斜面翻滚部件具有多个传输通道,传动部件的传动通道的末端连接于斜面翻滚部件的传输通道的前端,斜面翻滚部件的传输通道的末端连接于籽粒分选部件,信号采集与处理部件安置于斜面翻滚部件的传输通道的上方。利用本发明,解决了固体籽粒的信号采集,特别是通过斜面翻滚部件,能够产生固体籽粒的多姿态信息,在进行模式识别时能够提高识别准确率,同时也解决了通过人工摆设固体籽粒所带来的困扰。
Description
技术领域
本发明属于现代农业装备技术领域,涉及一种固体籽粒的自动检测与分选系统及方法。
背景技术
“国以民为本,民以食为天,食以安为先”。食品食材、药品药材直接关系着人民群众的身体健康和生命安全,确保食品和药品的安全就是最大的民生。然而,当前我国出现了种种食品药品安全问题,这不仅影响了政府的公信度,还严重损害了人民的利益,给人民群众的生理和心里带来了极大的伤害,完善食品药品安全保障体系是国家发展和社会文明进步的重要标志。
农作物原材料的安全是保障食品药品安全的第一步。生活中大部分的食品药品原材料都是以固体籽粒的形式存在的,比如粮食作物中的大豆、花生、玉米、麦仁,药物作物中的冬青、枸杞、丹参、芡实等等。而这些农作物原材料不可避免的要进行杂质筛选、品种分类、质量检测等工序。因此,快速有效的检测以及分选农作物固体籽粒,不仅可以保障食品药品的安全性,而且可以提高农副产业的效益。
目前,国内对固体籽粒进行分选的系统还普遍存在一些问题。例如,针对玉米籽粒单倍体的分选系统,据专利CN102213685A所述,采用核磁共振装置检测油份的方法,虽然可以获得很好的检测和分选效果,但是鉴别速度仍有待提高的空间,并且仪器造价昂贵,难以面向大众用户普及;根据CN201789739中所述,采用图像处理方法区分单倍体,则需要人工预先摆正玉米籽粒胚面,不能连续自动化作业,同样费时费力。由此,真正能呈现固体籽粒运动过程中的多姿态、全自动、高通量的识别分选装置还未见报道。
尽管,在可见光范围,通过摄像机拍摄,计算机视觉处理方式进行食品药物检测的方式已经广泛应用,但是现有的固态籽粒分选系统检测技术单一化,并未加入红外摄像机或者微型图像光谱仪等多种测试手段。
发明内容
(一)要解决的技术问题
有鉴于此,本发明针对国内外缺少能呈现固体籽粒多姿态的自动分选装置的问题,提出了一种固体籽粒的自动检测与分选系统及方法。
(二)技术方案
为达到上述目的,本发明提供了一种固体籽粒的自动检测与分选系统,该系统包括传动部件1、斜面翻滚部件2、信号采集与处理部件3和籽粒分选部件4,其中传动部件1具有多个传动通道,斜面翻滚部件2具有多个传输通道,传动部件1的传动通道的末端连接于斜面翻滚部件2的传输通道的前端,斜面翻滚部件2的传输通道的末端连接于籽粒分选部件4,信号采集与处理部件3安置于斜面翻滚部件2的传输通道的上方。
上述方案中,所述传动部件1是由电机驱动,具有多个传动通道,每个传动通道每隔一定时间传送一颗籽粒至斜面翻滚部件2。优选地,所述传动部件1是传送带。
上述方案中,所述斜面翻滚部件2具有的多个传输通道分别对应传动部件1上的多个传动通道;所述斜面翻滚部件2的斜面整体与水平面呈一定角度,斜面表面具有凹凸纹理,以利于固体籽粒在下落过程中翻滚,从而产生多种姿态,获得更多固体籽粒信息。
上述方案中,所述信号采集与处理部件3包括相互连接的信号采集部件与信号处理部件,信号采集部件用于采集固体籽粒在翻滚过程中的信息,信号处理部件用于对信号采集部件采集的固体籽粒信息进行处理与计算,判断固体籽粒的属性信息,并向籽粒分选部件4发送该属性信息。优选地,所述信号处理部件对信号采集部件采集的固体籽粒信息进行处理与计算,判断固体籽粒的属性信息,是对信号采集部件采集的固体籽粒信息进行特征提取,使用特征检测或模式识别方法,通过计算与分析判断固体籽粒的物理属性。
上述方案中,所述籽粒分选部件4连接于斜面翻滚部件2的传输通道,由对应于翻滚部件多个传输通道的多个分选控制器构成,接收来自信号采集与处理部件3中信号处理部件对固体籽粒属性的分析结果,并按照该分析结果对斜面翻滚部件2的相应传输通道中的固体籽粒进行分选。
为达到上述目的,本发明还提供了一种固体籽粒的自动检测与分选方法,包括:
步骤1:籽粒传送;固体籽粒被置于传动部件上,随着传动部件的运动,固体籽粒被传送到斜面翻滚部件;
步骤2:动态信息采集;固体籽粒在斜面翻滚部件中翻滚运动时,信号采集与处理部件采集固体籽粒在翻滚过程中的信息;
步骤3:特征提取与鉴别;信号采集与处理部件对采集的固体籽粒信息进行处理与计算,判断固体籽粒的属性信息,并向籽粒分选部件发送该属性信息;
步骤4:籽粒分选;籽粒分选部件接收到该属性信息,根据该属性信息对固体籽粒进行分选。
上述方案中,步骤3中所述信号采集与处理部件对采集的固体籽粒信息进行处理与计算,判断固体籽粒的属性信息,是对采集的固体籽粒信息进行特征提取,使用特征检测或模式识别方法,通过计算与分析判断固体籽粒的物理属性。
(三)有益效果
从上述技术方案可以看出,本发明具有以下有益效果:
1、本发明提供的固体籽粒的自动检测与分选系统及方法,解决了固体籽粒的信息采集。即由于加入了斜面翻滚部件,能够让固体籽粒在下滚的过程中产生多姿态信息,使得信号采集部件可以捕捉到更多的信息,所以在进行模式识别时能够提高识别准确率,同时也解决了通过人工摆设固体籽粒所带来的困扰。
2、本发明提供的固体籽粒的自动检测与分选系统及方法,由于在信号采集部件处不仅提供了可见光范围的计算机视觉分选设备,并且可以加入了红外摄像机或微型光谱仪完成多种方式的信息采集,从而进行处理及识别分选,所以在信息采集处理阶段丰富了检测手段,满足了市场各种应用的需求。
3、本发明提供的固体籽粒的自动检测与分选系统及方法,由于其原理简单,即只采用了图像处理,模式识别的算法进行信息处理,并且整套装置只有传动、斜面翻滚、信号采集与处理和籽粒分选四个主要部件,所以在制造生产时便于实施,易于实现规模化分选,成本低廉,满足了市场各种应用的需求。
附图说明
为进一步说明本发明的技术内容,以下结合附图及实施案例对本发明详细说明如后,其中:
图1是本发明提供的固体籽粒的自动检测与分选系统的结构示意图;图中标号:1-传动部件;2-斜面翻滚部件;3-信号采集与处理部件;4-籽粒分选部件。
图2是本发明提供的固体籽粒的自动检测与分选方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
如图1所示,图1是本发明提供的一种固体籽粒的自动检测与分选系统的结构示意图,该系统包括传动部件1、斜面翻滚部件2、信号采集与处理部件3和籽粒分选部件4。其中,传动部件1具有多个传动通道,斜面翻滚部件2具有多个传输通道,传动部件1的传动通道的末端连接于斜面翻滚部件2的传输通道的前端,斜面翻滚部件2的传输通道的末端连接于籽粒分选部件4,信号采集与处理部件3安置于斜面翻滚部件2的传输通道的上方。
传动部件1是由电机驱动,具有多个传动通道,每个传动通道每隔一定时间传送一颗籽粒至斜面翻滚部件2。传动部件1一般是传送带。
斜面翻滚部件2,与传动部件1相连接,具有多个传输通道,分别对应传动部件1上的多个传动通道。斜面翻滚部件2的斜面整体与水平面呈一定角度,斜面表面具有凹凸纹理,以利于固体籽粒在下落过程中翻滚,从而产生多种姿态,获得更多固体籽粒信息。
信号采集与处理部件3,包括相互连接的信号采集部件与信号处理部件,信号采集部件用于采集固体籽粒在翻滚过程中的信息,信号处理部件用于对信号采集部件采集的固体籽粒信息进行处理与计算,判断固体籽粒的属性信息,并向籽粒分选部件4发送该属性信息。其中,信号处理部件对信号采集部件采集的固体籽粒信息进行处理与计算,判断固体籽粒的属性信息,是对信号采集部件采集的固体籽粒信息进行特征提取,使用特征检测或模式识别方法,通过计算与分析判断固体籽粒的物理属性。
籽粒分选部件4,连接于斜面翻滚部件2的传输通道,由对应于翻滚部件多个传输通道的多个分选控制器构成,接收来自信号采集与处理部件3中信号处理部件对固体籽粒属性的分析结果,并按照该分析结果对斜面翻滚部件2的相应传输通道中的固体籽粒进行分选。
基于图1示出的固体籽粒的自动检测与分选系统的结构示意图,图2示出了一种固体籽粒的自动检测与分选方法的流程图,该方法包括以下步骤:
步骤1:籽粒传送;固体籽粒被置于传动部件上,随着传动部件的运动,固体籽粒被传送到斜面翻滚部件;
步骤2:动态信息采集;固体籽粒在斜面翻滚部件中翻滚运动时,信号采集与处理部件采集固体籽粒在翻滚过程中的信息;
步骤3:特征提取与鉴别;信号采集与处理部件对采集的固体籽粒信息进行处理与计算,判断固体籽粒的属性信息,并向籽粒分选部件发送该属性信息;
其中,所述信号采集与处理部件对采集的固体籽粒信息进行处理与计算,判断固体籽粒的属性信息,是对采集的固体籽粒信息进行特征提取,使用特征检测或模式识别方法,通过计算与分析判断固体籽粒的物理属性;
步骤4:籽粒分选;籽粒分选部件接收到该属性信息,根据该属性信息对固体籽粒进行分选。
以下以玉米籽粒为例,采用本发明提供的一种固体籽粒的自动检测与分选系统及方法,对玉米籽粒单倍体进行筛选,在胚面存在Navajo标记的则可认定是杂合体,胚面不存在标记的则是单倍体。Navajo标记呈明显的紫黑色,因此可以通过可见光摄像头完成对此实施例的鉴别分选。
该固体籽粒的自动检测与分选系统,主要由传动部件、斜面翻滚部件、信号采集与处理部件和籽粒分选部件四部分构成。其中传动部件(即传送带)与斜面翻滚部件相连接,斜面翻滚部件有多个传输通道,其与籽粒分选部件相连接,并且在传输通道的上方安置信号采集与处理部件。传动部件是由电机驱动,其上包含多个传动通道,每个传动通道每隔一定时间传送一颗玉米籽粒,以便后续部件完成各自操作。斜面翻滚部件,连接于传动部件的尾部,分为多个传输通道,分别对应传送带多个传动通道。斜面整体与水平面呈一定角度,斜面表面有凹凸纹理,利于玉米籽粒在下落过程中翻滚,从而产生多种姿态。信号采集与处理部件为一套图像采集识别系统,是由图像采集设备和高速计算机构成,图像采集设备用于获取固体籽粒信息,一般为相机;高速计算机用于对获取的固体籽粒信息进行处理和分析。图像采集设备采用的是外触发方式采集图像。籽粒分选部件连接于斜面翻滚部件的尾部,是由对应于多个传输通道的分选控制器构成。
下面将分六个阶段做进一步说明。
系统复位阶段:启动控制系统程序,同时启动图像采集设备(即相机)及高速计算机处理程序。此时工作在外触发采集方式下的摄像头未收到触发信号,与传送带及分选控制器都处于静止状态。
籽粒传送阶段:传送带由电机传动,玉米籽粒由特定方式置于传送带6个通道内,每行分布6颗玉米籽粒,玉米籽粒间距为50mm,在传送带运动方向上的间距为100mm。当玉米籽粒运输至斜面翻滚部件时,系统会产生一个脉冲信号,发送至图像采集设备。
图像采集阶段:玉米籽粒进入斜面翻滚部件后,图像采集设备开始以60张/秒的速度,捕捉6颗玉米籽粒从斜面翻滚的多姿态图像,待玉米籽粒翻滚到部件底部时,停止拍摄,并把拍摄的图像传递给高速计算机。按照帧速率60帧/秒,分辨率是640×480。一个玉米籽粒从斜面上端到斜面下端的滚动时间大概是200ms到300ms之间。那么,通过相机可以拍摄到一个玉米籽粒在下落滚动过程中的12到18张图片。
图像处理阶段:高速计算机在接收到采集图片后,通过模式识别等相关算法对采集图像进行预处理、固体籽粒分割、特征提取和判别器分类,最终确定出六个通道对应的玉米籽粒是否为单倍体,并将判别结果传递给籽粒分选部件。
籽粒分选阶段:籽粒分选部件收到判别结果后,把六通道玉米籽粒属性结果以二进制信号形式传递给对应的六个分选控制器。例如,当分选控制器1收到控制信号为0时,则默认通道1内的玉米籽粒为单倍体,并允许通道1内的玉米籽粒通过分选部件;如果分选控制器1收到控制信号为1时,则默认通道1内的玉米籽粒为杂合体,并拒绝通道1内的种子通过分选部件,从而滤除了杂合体玉米籽粒。
系统往复阶段:传送带运动过一行玉米籽粒后,停顿5秒,再次启动运输玉米籽粒,玉米籽粒到达斜面翻滚部件时,控制系统再次给图像采集设备发送触发信号,触发器采集图像,图像采集成功后传输至高速计算机处理图像,将结果发送至分选控制部件,如此往复循环,使系统连续运行。
检测完成后,首先关闭系统控制程序,等待传送带和分选部件不再运动后,关闭图像采集设备和高速计算机。
综合以上步骤,此实施例证明,本发明提供的固体籽粒自动分选系统及方法对鉴别玉米单倍体的方法简明有效。实施例通过特定的拍摄环境,可对动态玉米籽粒胚面进行图像采集,并用图像处理的方法对单倍体玉米籽粒进行识别,此方法真正实现了实时监测运动过程中玉米籽粒的全自动分选功能,整个过程无需人为调整玉米籽粒姿态,彻底实现了全自动化的单倍体分选目的。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种固体籽粒的自动检测与分选系统,其特征在于,该系统包括传动部件(1)、斜面翻滚部件(2)、信号采集与处理部件(3)和籽粒分选部件(4),其中传动部件(1)具有多个传动通道,斜面翻滚部件(2)具有多个传输通道,传动部件(1)的传动通道的末端连接于斜面翻滚部件(2)的传输通道的前端,斜面翻滚部件(2)的传输通道的末端连接于籽粒分选部件(4),信号采集与处理部件(3)安置于斜面翻滚部件(2)的传输通道的上方;
其中,所述斜面翻滚部件(2)具有的多个传输通道分别对应传动部件(1)上的多个传动通道;所述斜面翻滚部件(2)的斜面整体与水平面呈一定角度,斜面表面具有凹凸纹理,以利于固体籽粒在下落过程中翻滚,从而产生多种姿态,获得更多固体籽粒信息。
2.根据权利要求1所述的固体籽粒的自动检测与分选系统,其特征在于,所述传动部件(1)是由电机驱动,具有多个传动通道,每个传动通道每隔一定时间传送一颗籽粒至斜面翻滚部件(2)。
3.根据权利要求2所述的固体籽粒的自动检测与分选系统,其特征在于,所述传动部件(1)是传送带。
4.根据权利要求1所述的固体籽粒的自动检测与分选系统,其特征在于,所述信号采集与处理部件(3)包括相互连接的信号采集部件与信号处理部件,信号采集部件用于采集固体籽粒在翻滚过程中的信息,信号处理部件用于对信号采集部件采集的固体籽粒信息进行处理与计算,判断固体籽粒的属性信息,并向籽粒分选部件(4)发送该属性信息。
5.根据权利要求4所述的固体籽粒的自动检测与分选系统,其特征在于,所述信号处理部件对信号采集部件采集的固体籽粒信息进行处理与计算,判断固体籽粒的属性信息,是对信号采集部件采集的固体籽粒信息进行特征提取,使用特征检测或模式识别方法,通过计算与分析判断固体籽粒的物理属性。
6.根据权利要求1所述的固体籽粒的自动检测与分选系统,其特征在于,所述籽粒分选部件(4)连接于斜面翻滚部件(2)的传输通道,由对应于翻滚部件多个传输通道的多个分选控制器构成,接收来自信号采集与处理部件(3)中信号处理部件对固体籽粒属性的分析结果,并按照该分析结果对斜面翻滚部件(2)的相应传输通道中的固体籽粒进行分选。
7.一种固体籽粒的自动检测与分选方法,应用于权利要求1至6中任一项所述的固体籽粒的自动检测与分选系统,包括:
步骤1:籽粒传送;固体籽粒被置于传动部件上,随着传动部件的运动,固体籽粒被传送到斜面翻滚部件;
步骤2:动态信息采集;固体籽粒在斜面翻滚部件中翻滚运动时,信号采集与处理部件采集固体籽粒在翻滚过程中的信息;
步骤3:特征提取与鉴别;信号采集与处理部件对采集的固体籽粒信息进行处理与计算,判断固体籽粒的属性信息,并向籽粒分选部件发送该属性信息;
步骤4:籽粒分选;籽粒分选部件接收到该属性信息,根据该属性信息对固体籽粒进行分选;
其中,步骤3中所述信号采集与处理部件对采集的固体籽粒信息进行处理与计算,判断固体籽粒的属性信息,是对采集的固体籽粒信息进行特征提取,使用特征检测或模式识别方法,通过计算与分析判断固体籽粒的物理属性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310520410.4A CN103521465B (zh) | 2013-10-29 | 2013-10-29 | 一种固体籽粒的自动检测与分选系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310520410.4A CN103521465B (zh) | 2013-10-29 | 2013-10-29 | 一种固体籽粒的自动检测与分选系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103521465A CN103521465A (zh) | 2014-01-22 |
CN103521465B true CN103521465B (zh) | 2015-12-16 |
Family
ID=49924023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310520410.4A Active CN103521465B (zh) | 2013-10-29 | 2013-10-29 | 一种固体籽粒的自动检测与分选系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103521465B (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103934217A (zh) * | 2014-05-04 | 2014-07-23 | 太仓浩湖五金制品有限公司 | 一种检测瓶体外观的检测装置 |
CN104084379B (zh) * | 2014-06-04 | 2017-07-14 | 中国农业大学 | 一种玉米种子图像精选装置及其使用方法 |
CN104368535B (zh) * | 2014-09-12 | 2017-08-11 | 东北农业大学 | 一种基于电磁振动的玉米粒群定向整列与智能分选装备 |
CN104588329A (zh) * | 2014-11-28 | 2015-05-06 | 中国科学院半导体研究所 | 基于近红外漫透射光谱的种子自动鉴别分选装置 |
CN105181513B (zh) * | 2015-06-08 | 2018-03-23 | 洛阳理工学院 | 箱体式谷物自动检测装置 |
CN104990890B (zh) * | 2015-06-24 | 2018-07-03 | 中国农业大学 | 固体单粒无损检测与自动化分选系统及固体单粒分选方法 |
CN105806751A (zh) * | 2016-03-24 | 2016-07-27 | 江苏大学 | 一种联合收割机粮箱中谷物破碎在线监测系统及方法 |
CN106311630A (zh) * | 2016-09-30 | 2017-01-11 | 东北农业大学 | 一种基于视觉与气吸选别的玉米种子整列分选机 |
CN106423903A (zh) * | 2016-09-30 | 2017-02-22 | 东北农业大学 | 一种多振源双面识别智能化玉米种子分选装置 |
CN107025469A (zh) * | 2017-06-02 | 2017-08-08 | 山东新活新材料科技有限公司 | 模板自动分选系统及其方法和可读存储介质及计算机设备 |
CN108015015A (zh) * | 2017-09-22 | 2018-05-11 | 大连工业大学 | 在线式低场核磁共振海参多通道分拣装置 |
CN110090809A (zh) * | 2018-01-31 | 2019-08-06 | 西派特(北京)科技有限公司 | 一种在线高速无损自动分拣单倍体玉米籽粒的装置 |
CN108838107A (zh) * | 2018-04-27 | 2018-11-20 | 丁涛 | 泡罩包装内容物的成像检测及剔除设备 |
CN109047033A (zh) * | 2018-06-27 | 2018-12-21 | 天津大学 | 滚动体全表面缺陷检测方法 |
CN109047004A (zh) * | 2018-06-27 | 2018-12-21 | 天津大学 | 滚珠不合格品剔除方法 |
CN108982511A (zh) * | 2018-06-27 | 2018-12-11 | 天津大学 | 滚动体不合格品剔除方法 |
CN108956620A (zh) * | 2018-06-27 | 2018-12-07 | 天津大学 | 滚珠全表面缺陷检测装置 |
CN109299736A (zh) * | 2018-09-18 | 2019-02-01 | 北京农业信息技术研究中心 | 产品批次混合度计算装置及方法 |
CN110385281B (zh) * | 2019-08-02 | 2020-08-11 | 中国农业大学 | 一种种子分选装置 |
CN112044795B (zh) * | 2020-09-25 | 2022-01-07 | 塔里木大学 | 一种库尔勒香梨外观品质检测装置 |
CN113634499A (zh) * | 2021-08-13 | 2021-11-12 | 安徽工程大学 | 一种沙棘生姜果脯生产的原料分拣装置 |
CN117102075B (zh) * | 2023-10-23 | 2023-12-26 | 南通科美自动化科技有限公司 | 一种非接触式圆管外观检测装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201249182Y (zh) * | 2008-08-29 | 2009-06-03 | 卡德尔·克然木 | 高粒度光电葡萄干分选机 |
CN102009042A (zh) * | 2010-11-25 | 2011-04-13 | 大连理工大学 | 一种粒子类物料形选装置 |
CN202021164U (zh) * | 2011-03-18 | 2011-11-02 | 青岛农业大学 | 一种花生外观品质检测和分拣装置 |
CN202479147U (zh) * | 2012-03-06 | 2012-10-10 | 武汉吉美粮油设备工程有限公司 | 色选机物料下滑的滑槽 |
CN203695451U (zh) * | 2013-10-29 | 2014-07-09 | 中国科学院半导体研究所 | 一种固体籽粒的自动检测与分选系统 |
-
2013
- 2013-10-29 CN CN201310520410.4A patent/CN103521465B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201249182Y (zh) * | 2008-08-29 | 2009-06-03 | 卡德尔·克然木 | 高粒度光电葡萄干分选机 |
CN102009042A (zh) * | 2010-11-25 | 2011-04-13 | 大连理工大学 | 一种粒子类物料形选装置 |
CN202021164U (zh) * | 2011-03-18 | 2011-11-02 | 青岛农业大学 | 一种花生外观品质检测和分拣装置 |
CN202479147U (zh) * | 2012-03-06 | 2012-10-10 | 武汉吉美粮油设备工程有限公司 | 色选机物料下滑的滑槽 |
CN203695451U (zh) * | 2013-10-29 | 2014-07-09 | 中国科学院半导体研究所 | 一种固体籽粒的自动检测与分选系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103521465A (zh) | 2014-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103521465B (zh) | 一种固体籽粒的自动检测与分选系统及方法 | |
CN103706574A (zh) | 一种固体籽粒自动分拣系统 | |
US9527115B2 (en) | Computer vision and machine learning software for grading and sorting plants | |
CN102855640A (zh) | 基于神经网络的水果等级分类系统 | |
CN102495066B (zh) | 基于高光谱透射图像采集系统的豆荚无损检测方法 | |
CN104949998A (zh) | 一种群体产地禽蛋表面脏污的在线视觉检测装置及其方法 | |
CN105466950A (zh) | 一种基于视觉的竹块在线检测方法及系统 | |
CN103528967B (zh) | 基于高光谱图像的过熟蓝靛果果实识别方法 | |
CN106203455A (zh) | 基于机器视觉的物料排正装置及圆柱形物料特征属性的识别方法 | |
CN107862333A (zh) | 一种在复杂环境下判断物体燃烧区域的方法 | |
CN206906259U (zh) | 肉类品质智能检测装置 | |
CN206882193U (zh) | 一种鱼类分拣装置 | |
CN103530988A (zh) | 一种草坪践踏及危害程度的预警方法 | |
CN203695451U (zh) | 一种固体籽粒的自动检测与分选系统 | |
CN102495067A (zh) | 一种食用菌杂质在线识别系统 | |
CN102519971A (zh) | 食用菌杂质在线识别装置及方法 | |
Khadabadi et al. | Disease detection in vegetables using image processing techniques: A review | |
Li et al. | Development of a real-time fruit recognition system for pineapple harvesting robots | |
CN109376257A (zh) | 基于图像处理的茶叶识别方法 | |
CN101172274A (zh) | 一种枸杞子分级分选装置及其方法 | |
CN103942792A (zh) | 医药检测机器人中基于序列图像时域特征的杂质检测方法 | |
CN110118735B (zh) | 一种检测香梨公母的高光谱成像检测方法及装置 | |
CN203470352U (zh) | 三摄像头视觉智能检测水果装置 | |
Dili | Classification of green coffee beans by convolutional neural network and its implementation on raspberry Pi and Camera Module | |
CN113516635B (zh) | 鱼菜共生系统及基于鱼类行为的蔬菜氮元素需求估算方法 |
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 |