CN104483243A - 大米粘连米检测分割方法、装置及系统 - Google Patents
大米粘连米检测分割方法、装置及系统 Download PDFInfo
- Publication number
- CN104483243A CN104483243A CN201410675431.8A CN201410675431A CN104483243A CN 104483243 A CN104483243 A CN 104483243A CN 201410675431 A CN201410675431 A CN 201410675431A CN 104483243 A CN104483243 A CN 104483243A
- Authority
- CN
- China
- Prior art keywords
- rice
- adhesion
- grain
- image
- detects
- 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.)
- Granted
Links
Landscapes
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种通过使用计算机视觉的方式检测出大米图像中粘连在一起的米粒,并将其分割开来的大米粘连米检测分割方法、装置及系统。大米粘连米检测分割方法包括米粒图像获取,得到米粒RGB图像;图像预处理,将获取到的RGB图像进行处理得到背景为白色,米粒轮廓线为黑色的二值黑白图像;粘连米检测,在获得的二值黑白图像上检测各米粒的轮廓线,确定轮廓线上的边界点,根据边界点处的曲率方向判断是否是粘连米,若是,确定粘连米的分割点组合。粘连米分割,根据粘连米的分割点组合对粘连米进行分割。
Description
技术领域
本发明涉及大米检测技术领域,且特别涉及一种大米粘连米检测分割方法、装置及系统。
背景技术
我国是世界上最大的稻米生产国。水稻种植面积约占世界种植总面积的22.8%,总产量占世界总产量的35%。稻米产业在我国具有举足轻重的战略地位。稻米品质质量检测已经成为制约我国大米生产、销售和出口的瓶颈。为促进粮食结构调整、粮食流通体制改革和提高我国粮食国际竞争力,1986年,我国颁发了稻米国家标准—GB1350-1986;1999年,国家质量技术监督局发布了最新修订的稻米国家标准—GB1350-1999,并新制定了优质稻米的国家标准—GB/T17891-1999。这些标准较大地提高了技术指标,明确地规定了大米质量的标准,拉开了大米品种质量档次。
大米的外观是大米品质的一项十分重要的指标,也是影响大米市场价格的重要因素。目前常规检验主要通过分级人员肉眼观测进行。这种方法虽然简单并且成本低。但其主观性较大,效率较低,可重复性较差,且劳动强度很大。因此借助计算机视觉技术对大米品质进行检测受到了越来越多的关注。首先通过图像采集系统获得检测大米的高清晰度图像,然后结合计算机图像处理技术与色度学理论进行分析及计算来获得碎米率,大米的垩白度和黄米粒率等性能指标,可以极大地提高检测质量。而在通过数字图像检测大米的碎米率,垩白米度,黄米率等指标时,采集的数字图像需要先经过一些预处理技术,包括图像滤波,二值图像,检测大米的轮廓线,计算大米的个数等。
目前已经提出的很多检测算法中都是对大米的摆放位置有一定的约束条件的,即不能互相接触。不然在做检测时会将粘连的大米认定为是一粒米,因此造成检测错误。事实上在实际检测中,尤其是在线检测中,无法做到被检测的大米一定能摆放到互不接触的位置,总是或多或少地会有粘连的米粒出现,因此如何正确获得粘连的米粒信息并将其正确分割就是一个亟需解决的问题。
发明内容
本发明为了克服现有大米检测方法及设备将粘连米认定为一粒米从而严重影响检测结果的问题,提供一种大米粘连米检测分割方法、装置及系统。
依据本发明的一个方面,本发明提供一种通过使用计算机视觉的方式检测出大米图像中粘连在一起的米粒,并将其分割开来的大米粘连米检测分割方法,包括:
米粒图像获取,得到米粒RGB图像;
图像预处理,将获取到的RGB图像进行处理得到背景为白色,米粒轮廓线为黑色的二值黑白图像;
粘连米检测,在获得的二值黑白图像上检测各米粒的轮廓线,确定轮廓线上的边界点,根据边界点处的曲率方向判断是否是粘连米,若是,确定粘连米的分割点组合。
粘连米分割,根据粘连米的分割点组合对粘连米进行分割。
于本发明一实施例中,图像预处理包括:
将获取到的RGB图像转换成灰度图像;
滤波去除噪声;
采用类间最大方差法计算自适应分割阈值;
按照计算出的阈值将灰度图像变换成米粒为白色,背景为黑色的二值黑白图像。
于本发明一实施例中,粘连米检测包括:
将米粒轮廓线中的曲率方向定义为0~7八个方向,且定义方向前后22.5度夹角范围内的曲率方向都归类到该方向上;
检测米粒轮廓中由于米粒弯曲形成的轮廓线,根据轮廓线的走向,将弯曲部分中最中央的位置作为边界点,然后再确定边界点处的曲率方向,并将曲率方向按定义的八个方向进行归类;
逐次检测米粒的轮廓线,判断是否有指向米粒外部的曲率方向及对应的边界点;若是,认定有米粒粘连;
获得所有指向米粒外部的曲率方向及边界点,再确定两两之间曲率方向夹角大于等于135度且直线距离最短的两个边界点,形成至少一组以上的粘连米粒分割点组合。
于本发明一实施例中,粘连米分割包括:
确定出分割点组合中每个边界点的前第三个及后第三个轮廓像素点;
判断这四个轮廓像素点的位置,将四个轮廓像素点连接成两条不相交的直线;
将米粒轮廓二值黑白图像上分割点组合中各边界点及其前后第一轮廓像素点和第二像轮廓像素点删除掉。
根据本发明的另一方面,本发明还提供一种大米粘连米检测分割装置,包括米粒图像获取单元、图像预处理单元、粘连米检测单元以及粘连米分割单元。米粒图像获取单元得到米粒RGB图像。图像预处理单元将获取到的RGB图像进行处理得到背景为白色,米粒轮廓线为黑色的二值黑白图像。粘连米检测单元在获得的二值黑白图像上检测各米粒的轮廓线,确定轮廓线上的边界点,根据边界点处的曲率方向判断是否是粘连米,若是,确定粘连米的分割点组合。粘连米分割单元根据粘连米的分割点组合对粘连米进行分割。
于本发明一实施例中,米粒图像获取单元包括摄像头和光源。
于本发明一实施例中,摄像头为24位真彩色高清数字摄像头,分辨率大于1024*768,光源为环形光源。
此外,根据本发明的又一个方面,本发明还提供一种大米粘连米检测分割系统,包括本体、米粒放置装置、以上大米粘连米检测分割装置、显示装置以及供电装置。米粒放置装置抽屉式设置于本体。大米粘连米检测分割装置设置于本体。显示装置设置于本体表面,且电性连接大米粘连米检测分割装置,实时显示粘连米的检测情况以及分割图像。供电装置电性连接大米粘连米检测分割装置和显示装置。
于本发明一实施例中,大米粘连米检测分割系统中,米粒图像获取单元设置于本体的顶部,图像预处理单元、粘连米检测单元以及粘连米分割单元集成在位于本体底部的主板上。
根据本发明的大米粘连米检测分割方法、装置以及系统,通过检测预处理后的二值黑白图像上米粒的轮廓线,并在该轮廓线上确定边界点。通过判断边界点处的曲率方向来判断是否存在粘连米。一旦发现存在粘连米,则根据粘连米的分割点组合进行粘连米分割。本发明采用计算机视觉的方式来检测大量米粒中的粘连米,并对其进行分割以满足后续的大米质量检测,不仅大大提高了大米质量检测的检测精度,同时也减少了大米质量检测的人工成本。
此外,在本发明中,采用高清数字摄像头来实现米粒图像的获取,其采集的是数字图像,便于后续的分割。同时在图像采集时采用环形光源提供光照,使得采集到的数字图像信息准确不失真。
为让本发明的上述和其它目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合附图,作详细说明如下。
附图说明
图1所示为本发明一实施例提供的大米粘连米检测分割方法的流程图。
图1a所示为图1中图像预处理的流程图。
图1b所示为图1中粘连米检测的流程图。
图1c所示为图1中粘连米分割的流程图。
图2所示为本发明一实施例提供的大米粘连米检测分割装置的原理框图。
图3所示为本发明一实施例提供的大米粘连米检测分割系统的结构示意图。
图4所示为本发明定义的曲率方向示意图。
图5所示为本发明中曲率方向为0的归类示意图。
图6所示为本发明中曲率方向为2的归类示意图。
图7所示为非粘连米粒的边界点处的曲率方向示意图。
图8所示为另一非粘连米粒的边界点处的曲率方向示意图。
图9所示为其中一种两颗粘连米粒轮廓线及边界点处的曲率方向示意图。
图10所示为图9经分割后的米粒轮廓线示意图。
图11所示为另一种两颗粘连米粒轮廓线及边界点处的曲率方向示意图。
图12所示为图11经分割后的米粒轮廓线示意图。
图13所示为其中一种三颗粘连米粒轮廓线及边界点处的曲率方向示意图。
图14所示为图13经分割后的米粒轮廓线示意图。
图15所示为另一种三颗粘连米粒轮廓线及边界点处的曲率方向示意图。
图16所示为图15经分割后的米粒轮廓线示意图。
图17所示为四颗粘连米粒轮廓线及边界点处的曲率方向示意图。
图18所示为图17经分割后的米粒轮廓线示意图。
具体实施方式
如图1所示,本发明提供的大米粘连米检测分割方法,该方法采用使用计算机视觉的方式检测出大米图像中粘连在一起的米粒,并将其分割。具体包括:
步骤S1:米粒图像获取,得到米粒RGB图像。
步骤S2:图像预处理,将获取到的RGB图像进行处理得到背景为白色,米粒轮廓线为黑色的二值黑白图像。
步骤S3:粘连米检测,在获得的二值黑白图像上检测各米粒的轮廓线,确定轮廓线上的边界点,根据边界点处的曲率方向判断是否是粘连米,若是,确定粘连米的分割点组合。
步骤S4:粘连米分割,根据粘连米的分割点组合对粘连米进行分割。
在步骤S2中,图像预处理的步骤包括:将获取到的RGB图像转换成灰度图像(步骤S21)。滤波去除噪声(步骤S22)。于本实施例中,采用3*3中值滤波来去除灰度图像中的噪声。采用类间最大方差法计算自适应分割阈值(步骤S23)。类间最大方差法是一种按照灰度图像的灰度特性,将灰度图像分为背景和目标两部分。于本实施例中,目标即为米粒。类间最大方差法具有极小的错分概率,可准确的将背景和米粒进行区分。按照计算出的阈值将灰度图像变换成米粒为白色,背景为黑色的二值黑白图像(步骤S24)。
在步骤S2中,若出现如图9,图11,图13,图15以及图17所示的粘连米,则被认定为是一粒米。
在经预处理后形成的二值黑白图像上进行粘连米检测(步骤S3),具体为:
如图4所示,首先,将米粒轮廓线中的曲率方向定义为0~7八个方向,且定义每一方向前后22.5度夹角范围内的曲率方向都归类到该方向上(步骤S31)。如图5所示,在方向0的上下22.5度夹角范围内的曲率方向都归类为方向0。如图6所示,在方向2的左右22.5度夹角范围内的曲率方向都归类为方向2。同样的,其他6个方向也按照上述原理将曲率方向进行归类。
其次,检测米粒轮廓中由于米粒弯曲形成的轮廓线,根据轮廓线的走向,将弯曲部分中最中央的位置作为边界点,然后再确定边界点处的曲率方向,并将曲率方向按定义的八个方向进行归类(步骤S32)。
接着,判断是否有指向米粒外部的曲率方向及对应的边界点(步骤S33)。
若是,获得所有指向米粒外部的曲率方向及边界点,再确定两两之间曲率方向夹角大于等于135度且直线距离最短的两个边界点,形成至少一组以上的粘连米粒分割点组合(步骤S34)。
具体而言,若某一米粒的所有边界点出的曲率方向均朝向米粒内部,如图7中的2,6,7三个方向以及图8中的0,4方向。此时,则认为图7以及图8所示的米粒为非粘连米粒。
若某一米粒发现除了有指向米粒内部的方向,还有指向米粒外部的曲率方向,并且指向米粒轮廓线外部的曲率方向有一定的规律,则认定该米粒为粘连米。如图9所示,米粒轮廓线上两个边界点处的曲率方向均指向米粒外部,且这两个曲率方向的夹角角度大于等于135度。可以看出这两个曲率方向所在的边界点就是两颗米粒粘连接触点。同样的,在图11中,曲率方向2和6之间的夹角也大于135度,可以确定曲率方向2和6所对应的两个边界点为两颗米粒粘连接触点,即分割点组合。
图13所示为三颗粘连米粒轮廓线及边界点处的曲率方向示意图,从该图中可以看出,有四个边界点处的曲率方向指向米粒外部,分别是2,6,3,7四个方向。其中2和6,3和7,2和7,以及3和6有四对组合的方向夹角角度都大于等于135度。但是进一步分析2,6,3,7四个边界点之间的直线距离,可以发现最短距离属于2和6以及3和7两对组合,由此能够确定分割点组合为2和6以及3和7所对应的边界点。
如图15所示,当检测到在外部米粒闭合轮廓线内部还有一个小的闭合轮廓线。当出现该种情况,则可以确定一定存在米粒粘连,且内部的小闭合轮廓线内的部分是米粒的外部,即指向小闭合轮廓线内部的曲率方向应该归结为指向米粒外部的曲率方向。故在图15中存在4,7,2,6,3,7六个指向米粒外部的曲率方向。其中4和7,2和6以及3和7这三对组合其曲率方向夹角角度都大于等于135度,并且这三对组合中每组边界点之间的直线距离都是最短的,由此确定分割点组合是4和7,2和6以及3和7对应的边界点。
同样的,在图17中,指向米粒外部的曲率方向有2,6,3,0,2,5。其中2和6,3和0以及2和5这三对组合其曲率方向夹角角度都大于等于135度,并且这三对组合中每组边界点之间的直线距离都是最短的。由此确定分割点组合是2和6,3和0以及2和5所对应的边界点。
通过上述多种粘连米的检测分析,可以得出,当存在粘连米时,指向米粒轮廓线外部的曲率方向有一定的规律,该规律为:两两之间曲率方向夹角大于等于135度且曲率方向所对应的两个边界点之间的直线距离最短。通过该规律可以准确地获取粘连米的分割点组合。
在得到粘连米的分割点组合后进行粘连米分割(步骤S4)。具体步骤如下:
确定出分割点组合中每个边界点的前第三个及后第三个轮廓像素点(步骤S41)。判断这四个轮廓像素点的位置,将四个轮廓像素点连接成两条不相交的直线(步骤S42)。将米粒轮廓二值黑白图像上分割点组合中各边界点及其前后第一轮廓像素点和第二像轮廓像素点删除掉(步骤S43)。分割后形成如图10,图12,图14,图16以及图18所示的米粒轮廓,完成粘连米的分割。
本发明采用计算机视觉的方式来检测大量米粒中的粘连米,并对其进行切割以满足后续的大米质量检测,不仅大大提高了大米质量检测的检测精度,同时也减少了大米质量检测的人工成本。
与上述大米粘连米检测分割方法相对应的,如图2所示,本发明还提供一种大米粘连米检测分割装置包括米粒图像获取单元1、图像预处理单元2、粘连米检测单元3以及粘连米分割单元4。米粒图像获取单元1得到米粒RGB图像。图像预处理单元2将获取到的RGB图像进行处理得到背景为白色,米粒轮廓线为黑色的二值黑白图像。粘连米检测单元3在获得的二值黑白图像上检测各米粒的轮廓线,确定轮廓线上的边界点并根据边界点处的曲率方向判断是否是粘连米,若是,确定粘连米的分割点组合。粘连米分割单元4根据粘连米的分割点组合对粘连米进行分割。
于本实施例中,米粒图像获取单元1包括摄像头11和光源12。摄像头11为24位真彩色高清数字摄像头,分辨率大于1024*768,光源12为环形光源。然而,本发明对此不作任何限定。
如图3所示,本发明还提供一种包括上述大米粘连米检测分割装置的大米粘连米检测分割系统。在该系统中,米粒图像获取单元1设置在本体100的顶部,而图像预处理单元2、粘连米检测单元3以及粘连米分割单元4集成在位于本体100底部的嵌入式主板200上。
本体100的中部设置有米粒放置装置300,且本体100的内壁上设置有实现米粒放置装置300抽出或推回的滑槽101。于本实施例中,米粒放置装置300为黑底的米粒放置托盘。然而,本发明对此不作任何限定。
为方便用户实时观察粘连米的检测情况以及分割图像,本体100的表面设置有显示装置400。于本实施例中,显示装置400为触摸式LED液晶显示屏。该触摸式LED液晶显示屏不仅可用于实时显示检测情况以及分割图像,同时还能指示操作步骤,进一步对分割后的米粒图像实施碎米率,垩白米率,黄米率等相关检测。
于本实施例中,大米粘连米检测分割系统还包括为大米粘连米检测分割装置及显示装置400提供电能的供电装置500。供电装置500设置于本体100的底部。
综上所述,本发明提供的大米粘连米检测分割方法、装置以及系统通过检测粘连米的粘连接触点来实现对粘连米的分割,不仅大大降低了人工检测的成本,同时也避免了由于粘连米而产生的错误检测,提高了大米碎米率,垩白度和黄米粒率等性能指标的检测精度。
虽然本发明已由较佳实施例揭露如上,然而并非用以限定本发明,任何熟知此技艺者,在不脱离本发明的精神和范围内,可作些许的更动与润饰,因此本发明的保护范围当视权利要求书所要求保护的范围为准。
Claims (9)
1.一种大米粘连米检测分割方法,其特征在于,通过使用计算机视觉的方式检测出大米图像中粘连在一起的米粒,并将其分割开来,包括:
米粒图像获取,得到米粒RGB图像;
图像预处理,将获取到的RGB图像进行处理得到背景为白色,米粒轮廓线为黑色的二值黑白图像;
粘连米检测,在获得的二值黑白图像上检测各米粒的轮廓线,确定轮廓线上的边界点,根据边界点处的曲率方向判断是否是粘连米,若是,确定粘连米的分割点组合;
粘连米分割,根据粘连米的分割点组合对粘连米进行分割。
2.根据权利要求1所述的大米粘连米检测分割方法,其特征在于,所述图像预处理包括:
将获取到的RGB图像转换成灰度图像;
滤波去除噪声;
采用类间最大方差法计算自适应分割阈值;
按照计算出的阈值将灰度图像变换成米粒为白色,背景为黑色的二值黑白图像。
3.根据权利要求1所述的大米粘连米检测分割方法,其特征在于,所述粘连米检测包括:
将米粒轮廓线中的曲率方向定义为0~7八个方向,且定义所述方向前后22.5度夹角范围内的曲率方向都归类到该方向上;
检测米粒轮廓中由于米粒弯曲形成的轮廓线,根据轮廓线的走向,将弯曲部分中最中央的位置作为边界点,然后再确定边界点处的曲率方向,并将所述曲率方向按定义的八个方向进行归类;
逐次检测米粒的轮廓线,判断是否有指向米粒外部的曲率方向及对应的边界点;若是,认定有米粒粘连;
获得所有指向米粒外部的曲率方向及边界点,再确定两两之间曲率方向夹角大于等于135度且直线距离最短的两个边界点,形成至少一组以上的粘连米粒分割点组合。
4.根据权利要求1所述的大米粘连米检测分割方法,其特征在于,所述粘连米分割包括:
确定出分割点组合中每个边界点的前第三个及后第三个轮廓像素点;
判断这四个轮廓像素点的位置,将四个轮廓像素点连接成两条不相交的直线;
将米粒轮廓二值黑白图像上分割点组合中各边界点及其前后第一轮廓像素点和第二像轮廓像素点删除掉。
5.一种大米粘连米检测分割装置,其特征在于,包括:
米粒图像获取单元,得到米粒RGB图像;
图像预处理单元,将获取到的RGB图像进行处理得到背景为白色,米粒轮廓线为黑色的二值黑白图像;
粘连米检测单元,在获得的二值黑白图像上检测各米粒的轮廓线,确定轮廓线上的边界点,根据边界点处的曲率方向判断是否是粘连米,若是,确定粘连米的分割点组合;
粘连米分割单元,根据粘连米的分割点组合对粘连米进行分割。
6.根据权利要求5所述的大米粘连米检测分割装置,其特征在于,所述米粒图像获取单元包括摄像头和光源。
7.根据权利要求6所述的大米粘连米检测分割装置,其特征在于,所述摄像头为24位真彩色高清数字摄像头,分辨率大于1024*768,所述光源为环形光源。
8.一种大米粘连米检测分割系统,其特征在于,包括:
本体;
米粒放置装置,抽屉式设置于所述本体;
如权利要求5~7任一项所述的大米粘连米检测分割装置,设置于所述本体;
显示装置,设置于所述本体表面,且电性连接所述大米粘连米检测分割装置,实时显示粘连米的检测情况以及分割图像;
供电装置,电性连接所述大米粘连米检测分割装置和显示装置。
9.根据权利要求8所述的大米粘连米检测分割系统,其特征在于,权利要求5~7任一项所述的大米粘连米检测分割装置中,所述米粒图像获取单元设置于本体的顶部,图像预处理单元、粘连米检测单元以及粘连米分割单元集成在位于本体底部的主板上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410675431.8A CN104483243B (zh) | 2014-11-21 | 2014-11-21 | 大米粘连米检测分割方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410675431.8A CN104483243B (zh) | 2014-11-21 | 2014-11-21 | 大米粘连米检测分割方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104483243A true CN104483243A (zh) | 2015-04-01 |
CN104483243B CN104483243B (zh) | 2017-02-22 |
Family
ID=52757812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410675431.8A Expired - Fee Related CN104483243B (zh) | 2014-11-21 | 2014-11-21 | 大米粘连米检测分割方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104483243B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139405A (zh) * | 2015-09-07 | 2015-12-09 | 中国人民解放军理工大学 | 一种重叠碎米与整米的视觉分离检测方法 |
CN105319223A (zh) * | 2015-12-07 | 2016-02-10 | 浙江工商大学 | 一种垩白米的检测方法和检测系统 |
CN106607344A (zh) * | 2017-02-17 | 2017-05-03 | 河南省现代富博智能装备科技有限公司 | 定向播种用的玉米种粒动态图像精选装置及方法 |
CN107240088A (zh) * | 2016-12-07 | 2017-10-10 | 浙江工商大学 | 粘连米粒的检测分割方法、系统以及装置 |
CN110500950A (zh) * | 2018-05-16 | 2019-11-26 | Juki株式会社 | 检查装置 |
CN114049494A (zh) * | 2022-01-13 | 2022-02-15 | 安徽高哲信息技术有限公司 | 粮食籽粒标注方法及设备、存储介质 |
CN114486877B (zh) * | 2020-10-23 | 2024-01-19 | 合肥美亚光电技术股份有限公司 | 大米品质检测方法、设备以及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61107139A (ja) * | 1984-10-30 | 1986-05-26 | Satake Eng Co Ltd | 米粒品位測定装置 |
CN101281112A (zh) * | 2008-04-30 | 2008-10-08 | 浙江理工大学 | 一种对网状粘连稻米的图像式自动分析方法 |
CN104075965A (zh) * | 2014-07-02 | 2014-10-01 | 北京机械设备研究所 | 一种基于分水岭分割的显微图像颗粒粒度测量方法 |
-
2014
- 2014-11-21 CN CN201410675431.8A patent/CN104483243B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61107139A (ja) * | 1984-10-30 | 1986-05-26 | Satake Eng Co Ltd | 米粒品位測定装置 |
CN101281112A (zh) * | 2008-04-30 | 2008-10-08 | 浙江理工大学 | 一种对网状粘连稻米的图像式自动分析方法 |
CN104075965A (zh) * | 2014-07-02 | 2014-10-01 | 北京机械设备研究所 | 一种基于分水岭分割的显微图像颗粒粒度测量方法 |
Non-Patent Citations (4)
Title |
---|
GONG ZHANG ET AL.: ""Separation of Touching Grain Kernels in an Image by Ellipse Fitting Algorithm"", 《BIOSYSTEMS ENGINEERING》 * |
凌云: ""基于机器视觉的谷物外观品质检测技术研究",凌云,中国博士学位论文全文数据库 工程科技Ⅰ辑,第3期,第44-46、48页", 《中国优秀博士学位论文全文数据库(博士) 工程科技Ⅰ辑》 * |
李同强 等: ""基于计算机视觉的大米整精米率检测",李同强 等,中国粮油学报,第26卷第8期,第115页", 《中国粮油学报》 * |
杨蜀秦 等: ""连接大米籽粒图像的自动分割算法研究",杨蜀秦 等,农机化研究,第3期,第62-64页", 《农机化研究》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139405A (zh) * | 2015-09-07 | 2015-12-09 | 中国人民解放军理工大学 | 一种重叠碎米与整米的视觉分离检测方法 |
CN105139405B (zh) * | 2015-09-07 | 2018-06-05 | 中国人民解放军理工大学 | 一种重叠碎米与整米的视觉分离检测方法 |
CN105319223A (zh) * | 2015-12-07 | 2016-02-10 | 浙江工商大学 | 一种垩白米的检测方法和检测系统 |
CN105319223B (zh) * | 2015-12-07 | 2018-03-20 | 浙江工商大学 | 一种垩白米的检测方法和检测系统 |
CN107240088A (zh) * | 2016-12-07 | 2017-10-10 | 浙江工商大学 | 粘连米粒的检测分割方法、系统以及装置 |
CN106607344A (zh) * | 2017-02-17 | 2017-05-03 | 河南省现代富博智能装备科技有限公司 | 定向播种用的玉米种粒动态图像精选装置及方法 |
CN106607344B (zh) * | 2017-02-17 | 2019-01-25 | 河南省现代富博智能装备科技有限公司 | 定向播种用的玉米种粒动态图像精选装置及方法 |
CN110500950A (zh) * | 2018-05-16 | 2019-11-26 | Juki株式会社 | 检查装置 |
CN114486877B (zh) * | 2020-10-23 | 2024-01-19 | 合肥美亚光电技术股份有限公司 | 大米品质检测方法、设备以及存储介质 |
CN114049494A (zh) * | 2022-01-13 | 2022-02-15 | 安徽高哲信息技术有限公司 | 粮食籽粒标注方法及设备、存储介质 |
CN114049494B (zh) * | 2022-01-13 | 2022-04-22 | 安徽高哲信息技术有限公司 | 粮食籽粒标注方法及设备、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104483243B (zh) | 2017-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104483243A (zh) | 大米粘连米检测分割方法、装置及系统 | |
CN105067638B (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
CN104504388B (zh) | 一种路面裂缝识别和特征提取算法及系统 | |
CN107578409B (zh) | 一种太阳能电池片外观断栅缺陷检测的方法 | |
Dang et al. | A fruit size detecting and grading system based on image processing | |
CN104537651B (zh) | 一种路面图像中裂缝比例检测方法及系统 | |
CN115082419A (zh) | 一种吹塑箱包生产缺陷检测方法 | |
Sun et al. | Evaluation and analysis the chalkiness of connected rice kernels based on image processing technology and support vector machine | |
CN105701476A (zh) | 一种基于机器视觉的生产线产品自动化识别系统及方法 | |
CN102426649A (zh) | 一种简单的高准确率的钢印数字自动识别方法 | |
CN104616275A (zh) | 一种缺陷检测方法和装置 | |
CN110490826B (zh) | 一种照相机中雾滴样本图像处理方法 | |
CN106228157B (zh) | 基于图像识别技术的彩色图像文字段落分割与识别方法 | |
CN103308430A (zh) | 一种测量种子千粒重的方法及装置 | |
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 | |
CN105513082A (zh) | 一种成捆棒材识别计数方法和装置 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN109146878A (zh) | 一种基于图像处理的杂质检测方法 | |
CN103440035A (zh) | 一种三维空间中的手势识别系统及其识别方法 | |
CN103914833A (zh) | 一种自动检测票据是否残缺的方法及系统 | |
CN102901735B (zh) | 利用计算机对工件缺损、裂变、变形进行自动检测的系统 | |
CN104458747A (zh) | 一种水稻垩白测算方法 | |
WO2023231262A1 (zh) | 基于视觉振频识别的提升钢丝绳张力检测方法 | |
CN105319223A (zh) | 一种垩白米的检测方法和检测系统 | |
CN112014413A (zh) | 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170222 Termination date: 20191121 |