CN104056789B - 一种胡萝卜缺陷的图像量化检测方法 - Google Patents
一种胡萝卜缺陷的图像量化检测方法 Download PDFInfo
- Publication number
- CN104056789B CN104056789B CN201310086701.7A CN201310086701A CN104056789B CN 104056789 B CN104056789 B CN 104056789B CN 201310086701 A CN201310086701 A CN 201310086701A CN 104056789 B CN104056789 B CN 104056789B
- Authority
- CN
- China
- Prior art keywords
- carrot
- image
- area
- detection
- point
- 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
- 244000000626 Daucus carota Species 0.000 title claims abstract description 84
- 235000002767 Daucus carota Nutrition 0.000 title claims abstract description 84
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 230000007547 defect Effects 0.000 title claims abstract description 11
- 238000005336 cracking Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000011002 quantification Methods 0.000 claims abstract description 5
- 238000003708 edge detection Methods 0.000 claims abstract description 4
- 230000002950 deficient Effects 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000002474 experimental method Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000003628 erosive effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 7
- 238000012360 testing method Methods 0.000 abstract description 5
- 238000012271 agricultural production Methods 0.000 abstract description 2
- 235000013399 edible fruits Nutrition 0.000 description 4
- 235000012055 fruits and vegetables Nutrition 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000207199 Citrus Species 0.000 description 1
- 244000141359 Malus pumila Species 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000020971 citrus fruits Nutrition 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 238000010297 mechanical methods and process Methods 0.000 description 1
- 235000012015 potatoes Nutrition 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Sorting Of Articles (AREA)
Abstract
本发明公开了一种胡萝卜缺陷的图像量化检测方法与分拣装置，包括胡萝卜的青头、须根与开裂等缺陷的量化检测方法与分拣装置。清洗后的胡萝卜图像通过工业相机进行采集并传递给计算机处理，通过H分量进行二值化和边缘检测；然后分别进行青头、须根和开裂的检测；青头检测时通过R分量和S分量上进行青头和开裂的检测和量化，须根的检测通过抽取骨架求端点数进行。检测结果通过计算机控制分拣装置进行分拣。通过该方法实现了对胡萝卜青头比、须根数和开裂度的量化检测与分拣。客服了人工检测的主观性，量化检测更客观、科学，应用于农业生产、品质分级与商贸流通，提高了生产效率。
Description
技术领域
本发明涉及一种在农业科研领域内使用的农产品外观品质缺陷的检测方法，具体的说涉及一种胡萝卜青头、须根和开裂的图像量化检测方法。
背景技术
胡萝卜的分级销售有助于提高胡萝卜的市场竞争力以及增加经济效益，目前一些胡萝卜生产加工企业主要依靠人工肉眼，做一些简单的分级，然而该些方式检测和分级增加了人力，提高了生产成本，而且生产效率低，利润得不到大幅提高，不适合大规模生产和推广，还有一些果蔬生产加工企业采用依照胡萝卜的粗度，用不同间隙的滚轴这种机械的方法代替人工进行胡萝卜的分级，极大的提高了生产效率，解放了劳动力，但目前的这些机械分级设备只能胡萝卜的粗度进行分级，而胡萝卜的销售等级很多指标，如长度、青头、开裂等不能量化实现，还无法同时完成多个指标的较精确的分级，目前没有成熟的分级方法和分级设备，相关研究是一个有挑战性的课题。根据中华人民共和国国内贸易标准（SB/T10450-2007）胡萝卜销售等级要求（中华人民共和国商务部2007.12.28发布）等级标准，影响胡萝卜销售等级的关键指标有开裂、青头、须根等，其衡量准则比较模糊，为在线胡萝卜检测带来了困难，需要对胡萝卜进行准确检测需要对这些指标进行量化。
目前，对胡萝卜的外观品质分级主要靠人工目测分级，但如采用图像处理方法测量胡萝卜形态，不仅可以替代部分人工测量，而且获得更高精度的结果。虽然有文献报道计算机图像处理方法，用于苹果、柑橘、马铃薯等农产品，但这些基本集中在球型和类球型果蔬上，由于方法固有的局限性，在胡萝卜等锥形等非球型果蔬上应用受到限制。中国专利申请201010210313.1公开了一种新型的胡萝卜清洗分选机，但此专利申请中明确支出对胡萝卜份额品质分选是在人工分选工位上人工分选实现，并没有涉及有效的基于图像处理的自动分选方法。
发明内容
本发明所要解决的技术问题就是提供一种通过采用计算机图像处理方法来实现对胡萝卜进行青头、须根和开了进行量化测量的方法，并将胡萝卜进行缺陷检测分级。
本发明采用如下技术方案：
胡萝卜在滚轴传送带滚动，到工业相机下方时，拍摄得到胡萝卜彩色图像,胡萝卜在在滚轴的带动下自转，可拍摄不同侧面的多幅图像，然后将图像传给计算机进行预处理；
预处理过程为：将上述图像转化RGB和HSV分量图像，提取H分量图像，利用该分量进行二值化，得到二值化图像BW，并进行边缘检测，在二值化图像上求取胡萝卜区域面积Area1。
下一步进行胡萝卜的青头、须根和开裂的检测。
胡萝卜青头的图像量化检测方法，该方法包括如下步骤：
（1）在R分量上，将二值化后非胡萝卜区域的背景设置为0，去除背景的影响；
（2）将去除背景的红色分量的灰度图像进行阈值分割，分割阈值经实验确定为0.8，
（3）在上述分割图像上，求取黑色区域面积，即为青头部分面积Area2；
（4）求出青头比QingRato=Area2/Area1. QingRato∈[0.0,1.0]；
（5）查看QingRato的范围，如果QingRato接近于0，则此值较大，则此胡萝卜为青头的胡萝卜，值越大青头部分约大。
在上述第（3）步中，分割阈值由实验测定，根据所选材料不同略有调整。
在上述第（6）步中，机器分级时确定一青头比值，实验选择0.1比较合适。
胡萝卜须根的量化检测方法，该方法包括如下步骤：
（1）在二值化图像BW，进行腐蚀和膨胀，进行边界平滑，然后进行骨架抽取,获得胡萝卜的骨架图；
（2）对骨架图进行逐点扫描，如果该像素点的8联通区域有一个像素点为1，则此点为端点，计算端点个数N1；
（3）对骨架图进行逐点扫描，如果该像素点的8联通区域有2个像素点为1，则为普通点，不进行标记，如果该点的8联通区域大于2个像素点为1，标记该点为交叉点。
（4）计算每个端点与最近的交叉点的距离，如果小于一定的阈值，则使得端点数为N1-1，得到N；
（5）求须根数MumXu=（N-5）/2个。
在上述第（3）步中，若两个交叉点的距离小于一定的阈值，则合并交叉点，
在上述步骤中，涉及到的阈值为实验得到，实验选择10比较合适。
胡萝卜开裂的量化检测方法，该方法包括如下步骤：
（1）在S图像上将背景的阴影部分去除，然后进行开运算以去除杂点和边界毛刺；
（2）在S图像上进行二值化；
（3）对所有连通区进行标记，计算每个连通区的面积和长宽比，；
（4）将大于一定面积（如为1000像素点）并且同时满足长宽比大于一定程度（为10倍）的区域识别为开裂区域；
（5）计算开裂部分的面积Area3，计算开裂度KaiReto=Area3/Area1，KaiReto∈[0.0,1.0]；
（6）当开裂度大于一定程度的阈值，判断该胡萝卜开裂严重，为次品。
在上述步骤中，只要Area3>0既有开裂存在，开裂度KaiReto用来衡量胡萝卜开裂现象的严重程度。
检测的胡萝卜只要存在青头、须根和开裂现象的一种即判断为缺陷胡萝卜。
胡萝卜分拣装置，由1转动滚轴、2 传送链、3 电磁铁、4横轴、5 打果器组成，当计算机通过判断相机拍的摄胡萝卜有缺陷时，向分拣装置下达分拣指令，分拣指令控制电磁铁的通电与断电，打果器在横轴上往复滑动，将缺陷胡萝卜打掉。剩下的无缺陷的胡萝卜继续往前滚动，后面的转动滚轴由多个组成，组成一个平面，间隔不断增大，不同间隔设置S、M、L小中大多个分级口，滚动到不同宽度间隔位置时，自动落下，实现正常无缺陷胡萝卜的按照粗度分级。
本发明的有益效果是：
本发明所公开的一种胡萝卜青头、须根和开裂的图像量化检测方法和分拣装置，通过相机获取胡萝卜图像，通过计算机对获取的图像进行缺陷测量，实现了对胡萝卜青头比、须根数和开裂度的量化检测,并使用分拣装置将缺陷胡萝卜去除和按照粗度进行分级。客服了人工检测的主观性，量化检测更客观、科学，应用于农业生产、品质分级与商贸流通，提高了生产效率。
附图说明
图1是本发明的胡萝卜缺陷监测流程图。
图2是本发明的胡萝卜图像处理效果图。
图3是本发明的分拣装置示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例1，本发明所公开的一种胡萝卜青头、须根和开裂的图像量化检测方法，该方法包括用图像采集与预处理单元，胡萝卜青头量化检测单元、须根量化检测单元、开裂的图像量化检测单元，分拣装置构成。
图1示意性的示出了本发明的缺陷监测流程，首先将胡萝卜平放绿色分拣装置上，采用数码相机拍摄得到胡萝卜彩色图像,将图像传给计算机进行如下处理；将上述图像转化RGB和HSV分量图像，提取H分量图像，利用该分量进行二值化，得到二值化图像BW，并进行边缘检测，在二值化图像上求取胡萝卜区域面积Area1。最后将拍摄的图像传输给计算机以备测量特征使用，在本实施例中，采用计算机为普通的个人计算机，采用的数码相机为普通的彩色CCD数码相机。
图2示意性的给出了胡萝卜预处理、青头检测、须根检测、开裂检测的图像处理效果：
其中图像青头检测方法包括如下步骤：
（1）在R分量上，将二值化后非胡萝卜区域的背景设置为0，去除背景的影响；
（2）将去除背景的红色分量的灰度图像进行阈值分割，分割阈值经实验确定为0.8，
（3）在上述分割图像上，求取黑色区域面积，即为青头部分面积Area2；
（4）求出青头比QingRato=Area2/Area1. QingRato∈[0.0,1.0]；
（5）查看QingRato的范围，如果QingRato接近于0，则此值较大，则此胡萝卜为青头的胡萝卜，值越大青头部分约大；
在上述第（3）步中，分割阈值由实验测定，根据所选材料不同略有调整，在上述第（6）步中，机器分级时确定一青头比值，实验选择0.1比较合适。
其中胡萝卜须根的检测方法包括如下步骤：
（1）在二值化图像BW，进行腐蚀和膨胀，进行边界平滑，然后进行骨架抽取,获得胡萝卜的骨架图；
（2）对骨架图进行逐点扫描，如果该像素点的8联通区域有一个像素点为1，则此点为端点，计算端点个数N1；
（3）对骨架图进行逐点扫描，如果该像素点的8联通区域有2个像素点为1,则为普通点，不进行标记，如果该点的8联通区域大于2个像素点为1，标记该点为交叉点；
（4）计算每个端点与最近的交叉点的距离，如果小于一定的阈值，则使得端点个数为N1-1，得到N；
（5）求须根数MumXu=（N-5）/2个；
在上述第（3）步中，若两个交叉点的距离小于一定的阈值，则合并交叉点，在上述步骤中，涉及到的阈值为实验得到，实验选择10比较合适。
其中胡萝卜开裂的检测方法包括如下步骤：
（1）在S图像上将背景的阴影部分去除，然后进行开运算以去除杂点和边界毛刺；
（2）在S图像上进行二值化；
（3）对所有连通区进行标记，计算每个连通区的面积和长宽比，；
（4）将大于一定面积（如为1000像素点）并且同时满足长宽比大于一定程度（为10倍）的区域识别为开裂区域；
（5）计算开裂部分的面积Area3，计算开裂度KaiReto=Area3/Area1，KaiReto∈[0.0,1.0]；
（6）当开裂度大于一定程度的阈值，判断该胡萝卜开裂严重，为次品；
在上述步骤中，只要Area3>0既有开裂存在，开裂度KaiReto用来衡量胡萝卜开裂现象的严重程度。
图3示意性的给出了胡萝卜分拣装置的结构，并从俯视图、正视图、侧视图三个角度对该装置进行了描述，该装置由1转动滚轴、2 传送链、3 电磁铁、4横轴、5 打果器组成，当计算机通过判断相机拍的摄胡萝卜有缺陷时，向分拣装置下达分拣指令，分拣指令控制电磁铁的通电与断电，打果器在横轴上往复滑动，将缺陷胡萝卜打掉，转动滚轴由多个组成，组成一个平面，间隔不断增大，不同间隔设置S、L、M多个分级口，在传送链的带动下自转，带动放置在滚轮面上的胡萝卜滚动，滚动到不同宽度间隔位置时，自动落下，实现正常无缺陷胡萝卜的按照粗度分级。
Claims (3)
1.一种胡萝卜缺陷的图像量化检测方法，该方法包括图像采集单元，用来采集胡萝卜的彩色图像，采集所用的数码相机为普通工业相机，与上述的采集单元相连接的，是预处理单元和量化检测单元，这两个单元为通用的个人计算机，分拣装置与计算机串口连接，通过计算机向分拣装置下达分拣命令；其中预处理单元将采集单元采集的图像转化RGB和HSV分量图像，提取H分量图像，利用该分量进行二值化，得到二值化图像BW，并进行边缘检测，在二值化图像上求取胡萝卜图像的面积Area1、长度和粗度，并通过摄像机标定和回归方程计算出胡萝卜的重量、长度和粗度规格；量化检测单元包括胡萝卜青头检测、胡萝卜开裂检测和胡萝卜须根检测三个部分；所述胡萝卜青头检测的特征在于：
（1）在R分量上，将二值化后非胡萝卜区域的背景设置为0，去除背景的影响；
（2）将去除背景的红色分量的灰度图像进行阈值分割，分割阈值经实验确定为0.8；
（3）在上述分割图像上，求取黑色区域面积，即为青头部分面积Area2；
（4）求出青头比QingRato=Area2/Area1，QingRato∈[0.0,1.0]；
（5）查看QingRato的范围，如果QingRato接近于0，则为无青头的胡萝卜，此值越大青头部分越大。
2.根据权利要求1所述的一种胡萝卜缺陷的图像量化检测方法，其中须根检测步骤如下：
（1）在二值化图像BW，进行腐蚀和膨胀，进行边界平滑，然后进行骨架抽取,获得胡萝卜的骨架图；
（2）对骨架图进行逐点扫描，如果该像素点的8联通区域有一个像素点为1，则此点为端点，计算端点个数N1；
（3）对骨架图进行逐点扫描，如果该像素点的8联通区域有2个像素点为1，则为普通点，不进行标记，如果该点的8联通区域大于2个像素点为1，标记该点为交叉点；
（4）计算每个端点与最近的交叉点的距离，如果小于一定的阈值，则使得端点数为N1-1，得到N；
（5）求须根数MumXu=（N-5）/2个。
3.根据权利要求1所述的一种胡萝卜缺陷的图像量化检测方法，开裂检测包括以下步骤：
（1）在S图像上将背景的阴影部分去除，然后进行开运算以去除杂点和边界毛刺；
（2）在S图像上进行二值化；
（3）对所有连通区进行标记，计算每个连通区的面积和长宽比；
（4）将大于1000像素点并且同时满足长宽比大于10倍的区域识别为开裂区域；
（5）计算开裂部分的面积Area3，计算开裂度KaiReto=Area3/Area1，KaiReto∈[0.0,1.0]；
（6）当开裂度大于一定程度的阈值，判断该胡萝卜开裂严重，为次品。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310086701.7A CN104056789B (zh) | 2013-03-19 | 2013-03-19 | 一种胡萝卜缺陷的图像量化检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310086701.7A CN104056789B (zh) | 2013-03-19 | 2013-03-19 | 一种胡萝卜缺陷的图像量化检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104056789A CN104056789A (zh) | 2014-09-24 |
| CN104056789B true CN104056789B (zh) | 2017-05-17 |
Family
ID=51544889
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310086701.7A Expired - Fee Related CN104056789B (zh) | 2013-03-19 | 2013-03-19 | 一种胡萝卜缺陷的图像量化检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104056789B (zh) |
Families Citing this family (10)
| 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 |
| CN105562361B (zh) * | 2015-12-23 | 2017-12-22 | 西安工程大学 | 一种织物分拣机器人自主分拣方法 |
| CN106311628A (zh) * | 2016-08-29 | 2017-01-11 | 安徽兆晨农业科技发展有限公司 | 一种红枣分级装置 |
| CN109752391B (zh) * | 2018-12-25 | 2020-06-30 | 中国农业大学 | 一种基于机器视觉的胡萝卜表面缺陷识别量化方法 |
| CN109859171B (zh) * | 2019-01-07 | 2021-09-17 | 北京工业大学 | 一种基于计算机视觉和深度学习的楼面缺陷自动检测方法 |
| CN110110810B (zh) * | 2019-05-17 | 2021-03-26 | 北京禾泽方圆智能科技有限公司 | 一种鱿鱼质量等级识别分选方法 |
| CN110434090A (zh) * | 2019-08-23 | 2019-11-12 | 中山德著智能科技有限公司 | 一种胡萝卜表面瑕疵检测方法 |
| CN112517424B (zh) * | 2020-11-28 | 2022-07-15 | 河北东风养殖有限公司 | 一种动物育种中次品卵分拣回收装置及其操作方法 |
| CN113390834B (zh) * | 2021-06-23 | 2023-04-28 | 长江师范学院 | 一种基于视觉识别的脆李成熟度检测方法 |
| CN115382785A (zh) * | 2022-10-11 | 2022-11-25 | 山东农业大学 | 一种萝卜表面缺陷检测分拣平台及分拣方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201609697U (zh) * | 2010-02-08 | 2010-10-20 | 任超 | 一种柚子分选装置 |
| CN201669229U (zh) * | 2009-12-28 | 2010-12-15 | 塔里木大学 | 果品分级筛选装置 |
| CN201691027U (zh) * | 2010-06-29 | 2011-01-05 | 林周印 | 一种新型的胡萝卜清洗分选机 |
| JP4733411B2 (ja) * | 2005-03-10 | 2011-07-27 | ヤンマー株式会社 | 長物野菜の選別制御装置 |
| CN202642144U (zh) * | 2011-12-19 | 2013-01-02 | 青岛有田农业发展有限公司 | 一种全自动胡萝卜清洗分级包装装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004249249A (ja) * | 2003-02-21 | 2004-09-09 | Si Seiko Co Ltd | 情報付き物品処理装置 |
-
2013
- 2013-03-19 CN CN201310086701.7A patent/CN104056789B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4733411B2 (ja) * | 2005-03-10 | 2011-07-27 | ヤンマー株式会社 | 長物野菜の選別制御装置 |
| CN201669229U (zh) * | 2009-12-28 | 2010-12-15 | 塔里木大学 | 果品分级筛选装置 |
| CN201609697U (zh) * | 2010-02-08 | 2010-10-20 | 任超 | 一种柚子分选装置 |
| CN201691027U (zh) * | 2010-06-29 | 2011-01-05 | 林周印 | 一种新型的胡萝卜清洗分选机 |
| CN202642144U (zh) * | 2011-12-19 | 2013-01-02 | 青岛有田农业发展有限公司 | 一种全自动胡萝卜清洗分级包装装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104056789A (zh) | 2014-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104056789B (zh) | 一种胡萝卜缺陷的图像量化检测方法 | |
| CN109115785B (zh) | 一种铸件打磨质量检测方法、装置及其使用方法 | |
| CN109269951B (zh) | 基于图像的浮选尾煤灰分、浓度、粗颗粒含量检测方法 | |
| CN101320004A (zh) | 基于机器视觉的竹条缺陷在线检测方法 | |
| CN107578409B (zh) | 一种太阳能电池片外观断栅缺陷检测的方法 | |
| CN103913468B (zh) | 生产线上大尺寸lcd玻璃基板的多视觉缺陷检测设备及方法 | |
| CN108181316B (zh) | 一种基于机器视觉的竹条缺陷检测方法 | |
| CN107607554A (zh) | 一种基于全卷积神经网络的镀锌冲压件的瑕疵检测与分类方法 | |
| CN108230315B (zh) | 一种基于机器视觉的口罩带缺失检测方法 | |
| Miao et al. | An image processing-based crack detection technique for pressed panel products | |
| CN109001212A (zh) | 一种基于机器视觉的不锈钢汤勺缺陷检测方法 | |
| CN104268505A (zh) | 基于机器视觉的布匹疵点自动检测识别装置及方法 | |
| CN110084787B (zh) | 一种基于机器视觉的合成革涂胶在线监测方法 | |
| Samarawickrama et al. | Matlab based automated surface defect detection system for ceremic tiles using image processing | |
| CN105891231B (zh) | 一种基于图像处理的胡萝卜表面缺陷检测方法 | |
| CN105424709A (zh) | 一种基于图像标记的水果表面缺陷检测方法 | |
| CN102680494B (zh) | 基于机器视觉的抛光金属弧状面瑕疵实时检测方法 | |
| CN104537651A (zh) | 一种路面图像中裂缝比例检测算法及系统 | |
| CN110349125A (zh) | 一种基于机器视觉的led芯片外观缺陷检测方法及系统 | |
| CN104535589A (zh) | 一种低压电流互感器在线检测方法和装置 | |
| CN104952754B (zh) | 基于机器视觉的镀膜后硅片分选方法 | |
| CN108020554A (zh) | 一种带钢表面缺陷识别检测方法 | |
| Singh et al. | Machine vision system for tea quality determination-Tea Quality Index (TQI) | |
| CN102495067A (zh) | 一种食用菌杂质在线识别系统 | |
| CN107256549A (zh) | 一种基于机器视觉的竹条缺陷检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 266109 Qingdao Road, Chengyang District, Shandong, No. 700 the Great Wall Applicant after: Qingdao Agricultural University Applicant after: QINGDAO YOUTIAN AGRICULTURAL DEVELOPMENT Co.,Ltd. Applicant after: QINGDAO DAGU AGRICULTURAL INFORMATION CO.,LTD. Address before: 266109 Chengyang, Shandong,, Qingdao Agricultural University Applicant before: Qingdao Agricultural University Applicant before: QINGDAO DAGU AGRICULTURAL INFORMATION CO.,LTD. Applicant before: QINGDAO YOUTIAN AGRICULTURAL DEVELOPMENT Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Han Zhongzhi Inventor after: Geng Qichao Inventor after: Feng Yonglian Inventor after: Deng Limiao Inventor after: Wei Lei Inventor after: Request for anonymity Inventor before: Han Zhongzhi Inventor before: Deng Limiao Inventor before: Xu Yan Inventor before: Xiong Kai Inventor before: Wei Lei |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170517 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |