CN104056790A - 一种马铃薯智能分选方法与装置 - Google Patents
一种马铃薯智能分选方法与装置 Download PDFInfo
- Publication number
- CN104056790A CN104056790A CN201310087835.0A CN201310087835A CN104056790A CN 104056790 A CN104056790 A CN 104056790A CN 201310087835 A CN201310087835 A CN 201310087835A CN 104056790 A CN104056790 A CN 104056790A
- Authority
- CN
- China
- Prior art keywords
- potato
- grading
- image
- detection
- detection method
- 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
Links
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Sorting Of Articles (AREA)
Abstract
本发明公开了一种马铃薯智能分选方法与装置,包括马铃薯机械分选装置、马铃薯分级控制方法和马铃薯外观品质检测方法。马铃薯智能分级装置为在机械分选装置的基础上添加计算机视觉检测装置与智能分级控制装置。分级控制方法包括拍照控制和分级控制方法。马铃薯外观品质分级方法包括图像采集和预处理、形状检测、绿皮检测和缺陷检测方法;根据国家标准以及马铃薯外部特征,采用近似椭圆法求得椭圆度来对马铃薯形状进行分级;根据颜色特性,采用R分量和H分量值来检测绿皮现象;采用自动阈值分割来检测缺陷,并且以缺陷的面积比来判断缺陷。本发明所提出的分级装置和分级方法克服了人工检测的主观性、效率低等不足,量化检测更客观、科学,适合应用于马铃薯产后品质分级与商贸流通,提高生产效率。
Description
技术领域
本发明涉及农业领域内使用的农产品外观品质检测方法与装置,具体的说是涉及一种马铃薯分级检测方法与装置,参照国家出口标准,根据马铃薯的重量及外观特征,对马铃薯进行实时检测与分级。
背景技术
我国是世界上最大的马铃薯生产国, 而马铃薯品质检测绝大部分仍停留在靠人工感官进行识别判断阶段, 这种主观评定效率低,其客观性、准确性较差, 难以满足高标准分级的要求, 不利于实现自动化。利用机器视觉进行检测可以排除人为主观因素的干扰, 表面缺陷、形状是马铃薯外观品质的重要特征, 通过对这些特征指标进行定量测量, 可以完成马铃薯外部缺陷、形状等指标的综合检测和分级。
目前大部分马铃薯加工企业中使用的马铃薯的分级装置一般都只是通过重量进行分级,利用天平或者压力传感器获取重量信息,然后通过按照杠杆原理或者控制电路进行分级。但这些装置只能按照重量分级,对于有缺陷的马铃薯薯块,无法自动挑出。这样的设备在实际应用操作过程中,需要额外增加人力先将次品挑出,然后再按照重量分级,这样就会增加人力,提高了生产成本,无法真正达到完全的机械化和自动化。
虽然现在对基于计算机视觉的马铃薯分级方法和设备研究比较多,但一般只限于实验室研究,真正应用于实际生产加工过程中的不多,有些分级算法虽然有了比较高识别率,但算法比较复杂,运行效率满足不了实时检测的要求,无法直接应用于实时检测和分级过程中。
发明内容
本发明为了解决现有马铃薯分级设备只能按照重量分级,以及有些设备虽然能按照外观特征分级,但分级算法比较复杂,不能很好地满足实时检测的要求等问题,提出了比较实用的一种马铃薯分级控制方法以及马铃薯外观特征分级算法。
本发明采用以下技术方案予以实现:
1.一种马铃薯分级装置
本发明提出的马铃薯分级装置解决现有马铃薯机械分级设备只能按照重量分级,而无法对马铃薯外观特征进行检测并分级。
为了解决上述技术问题,本发明采用以下技术方案予以实现:
现有的马铃薯分机械装置可以实现按照马铃薯的重量实现自动分级,为了实现马铃薯外观特征自动检测和分级,在机械分级装置的基础上,增加计算机视觉检测装置和智能分级控制装置。
(1)计算机视觉检测装置,包括:密闭灯箱、工业摄像头、光源、图像采集卡,计算机(上位机);
在机械装置的轨道上方安装灯箱,灯箱结构为长方体,由型钢搭建而成,尺寸为60cm×60cm×32cm,其正上方固定一个上下可调支架,用于安装工业摄像头,摄像头与托盘顶端的垂直距离为320mm,在灯箱的顶部安装LED环形光源。箱体内部完全用黑色环保软片粘贴,摄像头通过图像采集卡相连到计算机上。
(2)智能分级控制装置,包括:光电传感器、打果器、压力传感器、智能控制器
在某个托盘的两侧安装光电传感器用来计算经过的托盘数,在次品区安装打果器来执行分级结果,在计算机视觉检测装置的后面安装压力传感器来获取马铃薯的重量信息。智能控制器根据光传感器的计数信息发送信号到上位机来控制拍照,接收上位机的分级结果并将结果发送给打果器。
结合附图阅读本发明实施方式的详细描述后,本发明的其他特点和优点将变得更加清楚。
2.一种马铃薯分级控制方法
整个马铃薯自动分级系统的工作原理为:模拟马铃薯手工分级过程,先将次品挑出,然后再根据马铃薯的重量来进行分级。当放置在输送链托盘上的马铃薯通过图像采集区域时,通过CCD摄像头采集每个马铃薯图像;然后通过压力传感器获取马铃薯的重量信息。在马铃薯随传输带传输过程中,计算机对采集到的图像进行处理,判定马铃薯是否有缺陷或畸形,若存在,刚将马铃薯定为次品并通过串口发送1到对应分级控制装置,分级执行器将次品马铃薯送到相应的收集区。对于非次品,根据压力传感器发送的重量,参照马铃薯重量分级标准来划分等级,分级执行机构根据获得的分级信息将不同等级的马铃薯送到相应的收集区。
马铃薯分级控制方法包括拍照控制和分级控制两个单元。
拍照控制单元的流程:在分级过程中,采用光传感器作为计数器来记录通过的托盘个数。通过计数器来控制拍照间隔,来保证每个托盘只拍一次,计数器每增加一个数,即发送信号给上位机,上位机收到信号就拍照。
分级控制单元的流程为:上位机图像处理模块处理结束后,将分级结果(0或1)发送给下位机。下位机将信号保存在队列中,构成一个控制序列。以固定的时间间隔(计数器增1)从队头取控制信号,根据控制信号来执行相应分级动作,若为1,则输入高压给电磁铁通电,从而将托盘打翻,让马铃薯翻滚到相应等级的收集区,达到分级的效果。
3.一种马铃薯外观特征检测方法:
根据马铃薯国家出口标准以及马铃薯外形特点,采用近似椭圆法求得椭圆度来对马铃薯形状进行分级; 根据颜色特性, 采用R分量和H分量值来检测绿皮现象;采用自动阈值分割来检测缺陷,并且以缺陷的面积来判断缺陷。主要包括以下内容:
首先通过计算机视觉系统采集马铃薯图像,将图像传给计算机进行如下处理:提取R分量图像,对该分量图像进行二值化,并进行形状学操作、滤波等操作,得到二值化图像,并进行边缘检测,在二值化图像上求得马铃薯区域面积Area1。
一种马铃薯形状分级方法,该方法主要包括以下步骤:
(1)提取马铃薯R分量图像
(2)对R分量图像进行阈值分割得到二值图像,分割阈值经多次实验确实为115
(3)在上述二值图像上,求取白色区域(即马铃薯区域)周长Cm
(4)在上述二值图像上,求得白色区域等效椭圆的长半轴长a和短半轴长b,并计算等效椭圆的周长Cd,计算公式为:
(5)计算马铃薯区域的椭圆度C=Cm/Cd,C∈(0.0,1.0];
(6)查看C的范围,如果C接近与1,即此值较大,则此马铃薯形状越规则;值越小则说明马铃薯的形状越不规则,越接近于畸形。经过实验发现马铃薯形状的规则度Result与椭圆度C之间的关系如下:
在上述第(2)步中,分割阈值由实验测定,根据所选材料不同以及图像采集环境略有调整。
一种马铃薯绿皮检测方法,主要步骤如下:
(1)提取马铃薯R分量图像;
(2)对R分量图像进行阈值分割得到二值图像,分割阈值经多次实验确实为115;
(3)将RGB图像转换为HSV图像,并提取H分量图像;
(4)对于白色区域内的各个象素点P,重复以下步骤:
①从R分量图像上取P点的R分量值r;
②从R分量图像上取P点的H分量值h;
③判断以下条件是否满足:
r∈[0,190]且h∈[60,90]
若条件满足,则判断此点属于绿皮区域,标记该象素点;
(5)累计各个标记点求得绿皮的面积Area2;
(6)求出绿皮比GRato=Area2/Area1, GRato∈[0.0,1.0];
(7)查看GRato的范围,如果GRato接近与1,即此值较大,则此马铃薯为绿薯,值越大绿皮部分越大。
在上述第(2)步中,分割阈值由实验测定,根据所选材料及图像采集环境不同略有调整;在上述第(4)步中,r和h的值可根据所选材料及图像采集环境略有调整;在上述第(7)步中,机器分级时确定一绿皮比值,实验选择0.08比较合适。
一种马铃薯缺陷检测方法:
根据中华人民共和国农业行业标准NY/T1066-2006,马铃薯外部缺陷包括表皮变绿、二次生长、畸形、裂沟、干皱、机械损伤、虫眼、病斑和腐烂等。对于二次生长、畸形和表皮变绿等缺陷,可以通过形状和颜色绿皮检测方法实现。本部分主要讨论除以上三种情况之外的缺陷的检测方法。
具体步骤如下所示:
(1)提取马铃薯R分量图像;
(2)采用自适应阈值分割方法对R分量图像进行阈值分割;
(3)对分割后的二值图像进行形态学操作、去噪;
(4)在得到的二值图像上,对马铃薯区域内图像取反,分离出缺陷区域;
(5)计算缺陷区域面积Area3;
(6)计算缺陷比DRato= Area3/Area1, DRato∈[0.0,1.0];
(7)查看DRato的范围,如果GRato接近与1,即此值较大,说明缺陷部分面积越大。
在上述第(2)步中,分割阈值由实验测定,根据所选材料及图像采集环境不同略有调整;在上述第(7)步中,机器分级时确定一缺陷比值,实验选择0.09比较合适。
附图说明
图1是本发明的机械装置示意图。
图2是本发明的结构示意图。
图3 是本发明的分级流程图。
图4 是预处理效果图。
图5 是绿皮检测效果图。
图6 是各类缺陷检测效果图。
图7现场作业图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达到目的与功效易于明白理解,下面结合具体图示,进一步阐述本发明。
参照图1所示,一种马铃薯分级装置,该装置接通电源后,通过5步进电机带动12轨道运动。每经过一个托盘6,11光电传感器发送一个信号到3智能控制器(下位机),智能控制器接收到信号即发送信号到2计算机(上位机),上位机接收到信号,控制9工业相机进行拍照,并将拍摄的图像传给上位机进行处理。上位机对所拍摄的图像进行处理并根据外观特征检测方法进行分级,得到分级结果(是否为次品),并将分级结果(0或1)发送给智能控制器。智能控制器接收到分级结果,若是1(次品)则发信号到13次品区的14打果器,打果器打翻托盘,则马铃薯进入13次品收集区。当马铃薯传送到10压力传感器时,压力传感器获取重量信息并发送到4机械控制器,机械控制器根据重量信息进行分级,若马铃薯为非次品,机械控制器发送信号到15重量等级出口的对应等级的打电器,该打电器打翻托盘,马铃薯刚会滚到相应重量等级的分级区内。
参照图2所示,一种马铃薯分级检测方法,该方法包括马铃薯分级控制方法和马铃薯外观特征检测方法。分级控制方法包括拍照控制单元和分级控制单元;外观特征检测方法包括图像采集和预处理单元、形状检测单元、绿皮检测单元和缺陷检测单元。
参照图3所示,分级控制方法包括拍照控制单元和分级控制单元。拍照控制单元的流程:在分级过程中,采用光传感器作为计数器来记录通过的托盘个数。通过计数器来控制拍照间隔,来保证每个托盘只拍一次,计数器每增加一个数,即发送信号给上位机,上位机收到信号就拍照。
分级控制单元的流程为:上位级处理完后,将分级结果(0或1)发送给下位机。下位机将信号保存在队列中,构成一个控制序列。以固定的时间间隔(计数器增1)从队头取控制信号,根据控制信号来执行相应分级动作,若为1,则输入高压给电磁铁通电,从而将托盘打翻,让马铃薯翻滚到相应等级的收集区,达到分级的效果。
本发明还公开了一种马铃薯外观特征分级方法,根据马铃薯国家出口标准以及马铃薯外形特点,采用近似椭圆法求得椭圆度来对马铃薯形状进行分级; 根据颜色特性, 采用R分量和H分量值来检测绿皮现象;采用自动阈值分割来检测缺陷,并且以缺陷的面积来判断缺陷。
主要包括以下内容:
首先通过计算机视觉系统采集马铃薯图像,将图像传给计算机进行如下处理:参照图4所示,提取R分量图像,对该分量图像进行二值化,并进行形状学操作、滤波等操作,得到二值化图像,并进行边缘检测,在二值化图像上求得马铃薯区域面积Area1。
一种马铃薯形状分级方法,该方法主要包括以下步骤:
(1)提取马铃薯R分量图像
(2)对R分量图像进行阈值分割得到二值图像,分割阈值经多次实验确实为115
(3)在上述二值图像上,求取白色区域(即马铃薯区域)周长Cm
(4)在上述二值图像上,求得白色区域等效椭圆的长半轴长a和短半轴长b,并计算等效椭圆的周长Cd,计算公式为:
(5)计算马铃薯区域的椭圆度C=Cm/Cd,C∈(0.0,1.0];
(6)查看C的范围,如果C接近与1,即此值较大,则此马铃薯形状越规则;值越小则说明马铃薯的形状越不规则,越接近于畸形。经过实验发现马铃薯形状的规则度Result与椭圆度C之间的关系如下:
在上述第(2)步中,分割阈值由实验测定,根据所选材料不同以及图像采集环境略有调整。
一种马铃薯绿皮检测方法,主要步骤如下:
(1)提取马铃薯R分量图像;
(2)对R分量图像进行阈值分割得到二值图像,分割阈值经多次实验确实为115;
(3)将RGB图像转换为HSV图像,并提取H分量图像;
(4)对于白色区域内的各个象素点P,重复以下步骤:
①从R分量图像上取P点的R分量值r;
②从R分量图像上取P点的H分量值h;
③判断以下条件是否满足:
r∈[0,190]且h∈[60,90]
若条件满足,则判断此点属于绿皮区域,标记该象素点为红色,标记的结果如图5所示;
(5)累计各个标记点求得绿皮的面积Area2;
(6)求出绿皮比GRato=Area2/Area1, GRato∈[0.0,1.0];
(7)查看GRato的范围,如果GRato接近与1,即此值较大,则此马铃薯为绿薯,值越大绿皮部分越大。
在上述第(2)步中,分割阈值由实验测定,根据所选材料及图像采集环境不同略有调整;在上述第(4)步中,r和h的值可根据所选材料及图像采集环境略有调整;在上述第(7)步中,机器分级时确定一绿皮比值,实验选择0.08比较合适。
参照图6所示,马铃薯缺陷检测方法的具体步骤如下所示:
(1)提取马铃薯R分量图像;
(2)采用自适应阈值分割方法对R分量图像进行阈值分割;
(3)对分割后的二值图像进行形态学操作、去噪;
(4)在得到的二值图像上,对马铃薯区域内图像取反,分离出缺陷区域;
(5)计算缺陷区域面积Area3;
(6)计算缺陷比DRato= Area3/Area1, DRato∈[0.0,1.0];
(7)查看DRato的范围,如果GRato接近与1,即此值较大,说明缺陷部分面积越大。
在上述第(2)步中,分割阈值由实验测定,根据所选材料及图像采集环境不同略有调整;在上述第(7)步中,机器分级时确定一缺陷比值,实验选择0.09比较合适。
Claims (9)
1.一种马铃薯智能分选方法与装置包括马铃薯分级装置和分级检测方法。
2.根据权利要求1所述的一种马铃薯分级检测方法,包括马铃薯分级控制方法和马铃薯外观特征检测方法。
3.根据权利要求1所述的马铃薯分级装置,其特征在于,对现有机械装置进行改造,增加计算机视觉检测装置和智能分级控制装置,实现基于外观特征的马铃薯分级检测。
4.根据权利要求2所述的马铃薯分级控制方法,其特征在于,所述的控制方法包括两个单元:拍照控制单元和分级控制单元;拍照控制单元控制摄像头拍照间隔,分级控制单元根据上位机分级结果来执行分级。
5.根据权利要求2所述的马铃薯外观特征检测方法,其特征在于,所述的检测方法包括以下四部分:图像采集和预处理单元、马铃薯形状检测方法、马铃薯绿皮检测方法和马铃薯缺陷检测方法。
6.根据权利要求5所述的图像采集和预处理单元,其特征在于,首先通过计算机视觉系统采集马铃薯图像,将图像传给计算机进行如下处理:提取R分量图像,对该分量图像进行二值化,并进行形状学操作、滤波等操作,得到二值化图像,并进行边缘检测,在二值化图像上求得马铃薯区域面积Area1。
7.根据权利要求5所述的马铃薯形状检测方法,其特征在于,首先首先提取马铃薯R分量图像,并进行二值化处理,然后求马铃薯区域的椭圆度,根据椭圆度来判断马铃薯的形状规则度。
8.根据权利要求5所述的马铃薯绿皮检测方法,其特征在于:提取马铃薯R分量图像并进行二值化,提取马铃薯H分量图像,对于马铃薯区域内各点根据R分量值和H分量值判断是否为绿皮,并计算绿皮面积,根据绿皮面积占整个马铃薯面积的比例判断是否有绿皮。
9.根据权利要求5所述的马铃薯缺陷检测方法,其特征在于:提取R分量并用自适应阈值进行二值化,在进行必要的预处理后,对马铃薯区域内图像取反得到缺陷区域,通过缺陷区域的面积来判断是否存在缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310087835.0A CN104056790A (zh) | 2013-03-19 | 2013-03-19 | 一种马铃薯智能分选方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310087835.0A CN104056790A (zh) | 2013-03-19 | 2013-03-19 | 一种马铃薯智能分选方法与装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104056790A true CN104056790A (zh) | 2014-09-24 |
Family
ID=51544890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310087835.0A Pending CN104056790A (zh) | 2013-03-19 | 2013-03-19 | 一种马铃薯智能分选方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104056790A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106238342A (zh) * | 2016-09-14 | 2016-12-21 | 郑州轻工业学院 | 全景视觉马铃薯分选和缺陷检测装置及其分选检测方法 |
CN106872473A (zh) * | 2017-02-21 | 2017-06-20 | 中国矿业大学 | 一种基于机器视觉的马铃薯缺陷检测识别系统设计 |
CN106881279A (zh) * | 2017-03-10 | 2017-06-23 | 胡珂 | 一种可以检测篮球圆度和表面缺陷的篮球堆叠方法 |
CN106951916A (zh) * | 2016-08-31 | 2017-07-14 | 惠州学院 | 一种基于多分辨率分析法和Adaboost算法的马铃薯品质分级方法 |
CN107350168A (zh) * | 2017-08-28 | 2017-11-17 | 宁夏大学 | 一种马铃薯快速无损检测自动分级装置与方法 |
CN107520144A (zh) * | 2016-06-20 | 2017-12-29 | 新疆农业大学 | 一种基于机器视觉技术的哈密瓜分级机 |
CN107843601A (zh) * | 2017-10-18 | 2018-03-27 | 上海斐讯数据通信技术有限公司 | 一种基于图像处理的pcb板定位识别系统及方法 |
CN108760759A (zh) * | 2018-06-04 | 2018-11-06 | 惠州学院 | 一种马铃薯外部品质检测装置及方法 |
CN110426990A (zh) * | 2019-07-12 | 2019-11-08 | 广州禄仕食品有限公司 | 一种适用于丸子筛选的智能方法和装置 |
CN112970032A (zh) * | 2018-11-07 | 2021-06-15 | 格立莫农业机械制造有限两合公司 | 用于对收获根茎作物的机器的运行进行调节的方法 |
CN113436131A (zh) * | 2020-03-04 | 2021-09-24 | 上海微创卜算子医疗科技有限公司 | 缺陷检测方法、装置、电子设备和存储介质 |
CN115007489A (zh) * | 2022-06-09 | 2022-09-06 | 蒲丰(海宁)智能装备有限公司 | 一种基于人工智能技术的马铃薯分级分选装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101322969A (zh) * | 2008-07-18 | 2008-12-17 | 中国农业大学 | 一种检测分级方法 |
CN201186270Y (zh) * | 2008-03-22 | 2009-01-28 | 宁夏大学 | 基于机器视觉的多通道果品分级分选系统 |
CN101486033A (zh) * | 2009-03-09 | 2009-07-22 | 中国农业大学 | 一种果品分检装置及板栗分检方法 |
CN102259096A (zh) * | 2011-07-19 | 2011-11-30 | 中机美诺科技股份有限公司 | 基于图像识别的马铃薯外部损伤检测分级装置 |
CN202984135U (zh) * | 2012-12-19 | 2013-06-12 | 青岛有田农业发展有限公司 | 一种马铃薯智能分选装置 |
-
2013
- 2013-03-19 CN CN201310087835.0A patent/CN104056790A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201186270Y (zh) * | 2008-03-22 | 2009-01-28 | 宁夏大学 | 基于机器视觉的多通道果品分级分选系统 |
CN101322969A (zh) * | 2008-07-18 | 2008-12-17 | 中国农业大学 | 一种检测分级方法 |
CN101486033A (zh) * | 2009-03-09 | 2009-07-22 | 中国农业大学 | 一种果品分检装置及板栗分检方法 |
CN102259096A (zh) * | 2011-07-19 | 2011-11-30 | 中机美诺科技股份有限公司 | 基于图像识别的马铃薯外部损伤检测分级装置 |
CN202984135U (zh) * | 2012-12-19 | 2013-06-12 | 青岛有田农业发展有限公司 | 一种马铃薯智能分选装置 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107520144A (zh) * | 2016-06-20 | 2017-12-29 | 新疆农业大学 | 一种基于机器视觉技术的哈密瓜分级机 |
CN106951916A (zh) * | 2016-08-31 | 2017-07-14 | 惠州学院 | 一种基于多分辨率分析法和Adaboost算法的马铃薯品质分级方法 |
CN106238342A (zh) * | 2016-09-14 | 2016-12-21 | 郑州轻工业学院 | 全景视觉马铃薯分选和缺陷检测装置及其分选检测方法 |
CN106238342B (zh) * | 2016-09-14 | 2018-05-15 | 郑州轻工业学院 | 全景视觉马铃薯分选和缺陷检测装置及其分选检测方法 |
CN106872473A (zh) * | 2017-02-21 | 2017-06-20 | 中国矿业大学 | 一种基于机器视觉的马铃薯缺陷检测识别系统设计 |
CN106881279B (zh) * | 2017-03-10 | 2019-07-09 | 石维清 | 一种可以检测篮球圆度和表面缺陷的篮球堆叠方法 |
CN106881279A (zh) * | 2017-03-10 | 2017-06-23 | 胡珂 | 一种可以检测篮球圆度和表面缺陷的篮球堆叠方法 |
CN107350168A (zh) * | 2017-08-28 | 2017-11-17 | 宁夏大学 | 一种马铃薯快速无损检测自动分级装置与方法 |
CN107843601A (zh) * | 2017-10-18 | 2018-03-27 | 上海斐讯数据通信技术有限公司 | 一种基于图像处理的pcb板定位识别系统及方法 |
CN107843601B (zh) * | 2017-10-18 | 2020-10-23 | 江西鸿宇电路科技有限公司 | 一种基于图像处理的pcb板定位识别系统及方法 |
CN108760759A (zh) * | 2018-06-04 | 2018-11-06 | 惠州学院 | 一种马铃薯外部品质检测装置及方法 |
CN112970032A (zh) * | 2018-11-07 | 2021-06-15 | 格立莫农业机械制造有限两合公司 | 用于对收获根茎作物的机器的运行进行调节的方法 |
CN110426990A (zh) * | 2019-07-12 | 2019-11-08 | 广州禄仕食品有限公司 | 一种适用于丸子筛选的智能方法和装置 |
CN113436131A (zh) * | 2020-03-04 | 2021-09-24 | 上海微创卜算子医疗科技有限公司 | 缺陷检测方法、装置、电子设备和存储介质 |
CN115007489A (zh) * | 2022-06-09 | 2022-09-06 | 蒲丰(海宁)智能装备有限公司 | 一种基于人工智能技术的马铃薯分级分选装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104056790A (zh) | 一种马铃薯智能分选方法与装置 | |
CN109454006B (zh) | 基于化纤丝锭绊丝缺陷在线检测和分级的装置的检测分级方法 | |
CN111310645B (zh) | 货物堆积量的溢仓预警方法、装置、设备及存储介质 | |
CN101907453B (zh) | 基于机器视觉的块状农产品尺寸在线测量方法与装置 | |
CN105388162B (zh) | 基于机器视觉的原料硅片表面划痕检测方法 | |
CN103226088B (zh) | 一种颗粒物计数方法 | |
CN102854192B (zh) | 一种基于苹果表面缺陷检测系统的苹果表面缺陷检测方法 | |
CN104574389A (zh) | 基于彩色机器视觉的电池片色差分选控制方法 | |
CN108344743A (zh) | 一种基于机器视觉药品泡罩包装缺陷检测方法及系统 | |
CN106548182A (zh) | 基于深度学习和主成因分析的路面裂纹检测方法及装置 | |
CN112893159B (zh) | 一种基于图像识别的煤矸石分拣方法 | |
CN107084992A (zh) | 一种基于机器视觉的胶囊检测方法及系统 | |
CN111266315A (zh) | 基于视觉分析的矿石物料在线分拣系统及其方法 | |
CN104483320A (zh) | 工业脱硝催化剂的数字化缺陷检测装置与检测方法 | |
CN104198497A (zh) | 一种基于视觉显著图和支持向量机的表面缺陷检测方法 | |
CN111080691A (zh) | 一种光伏组件红外热斑检测方法、装置 | |
CN104198324A (zh) | 基于计算机视觉的烟丝中叶丝比例测定方法 | |
CN102706274A (zh) | 工业结构化场景中机器视觉精确定位机械零件的系统 | |
CN110554052A (zh) | 一种人造板表面缺陷检测方法及其系统 | |
CN104118609A (zh) | 贴标质量检测方法和装置 | |
CN103785622A (zh) | 基于机器视觉的零件分拣装置及方法 | |
CN104132945A (zh) | 一种基于光纤传导的棒材表面质量在线视觉检测装置 | |
CN106872473A (zh) | 一种基于机器视觉的马铃薯缺陷检测识别系统设计 | |
CN105718964A (zh) | 一种输电线防振锤的视觉检测方法 | |
CN210775265U (zh) | 一种人造板表面缺陷检测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140924 |