CN104949998A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN104949998A CN104949998A CN201510376714.7A CN201510376714A CN104949998A CN 104949998 A CN104949998 A CN 104949998A CN 201510376714 A CN201510376714 A CN 201510376714A CN 104949998 A CN104949998 A CN 104949998A
- Authority
- CN
- China
- Prior art keywords
- eggs
- beasts
- birds
- egg
- shell
- 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)
Abstract
本发明公开了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,涉及禽蛋加工分级技术领域。本方法是:①禽蛋图像的采集;②禽蛋图像的预处理;③提取颜色特征参数,将禽蛋根据壳色分为青壳蛋和白壳蛋;④提取禽蛋表面脏污特征参数:脏污面积与整蛋面积的比值,脏污块数;⑤找出区分干净禽蛋和脏禽蛋的特征参数范围;⑥建立自动识别模型,判别禽蛋的脏污。本发明利用机器视觉进行检测,对应用环境具有不挑剔性,具有良好的推广应用前景;高效率、高智能,能够实现无损检测。
Description
技术领域
本发明涉及禽蛋加工分级技术领域,尤其涉及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。
具体地说,本发明利用机器视觉技术采集禽蛋的彩色图像,将禽蛋群体动态图像分割为单个禽蛋图像,并对其进行图像预处理,然后提取颜色特征参数,将禽蛋根据壳色分为青壳蛋和白壳蛋,再提取图像中脏污面积与整蛋面积的比值和脏污块数作为特征参数,找出干净禽蛋和脏禽蛋的特征参数范围,建立自动识别模型,从而达到群体产地禽蛋表面脏污检测和分级的目的。
背景技术
禽蛋表面脏污检测及分选是禽蛋产地初检的需要。产地禽蛋表面脏污包括毛发、粪便和血斑等等,这些脏污严重影响其流通及食用品质。随着大众对农产品质量要求的提高,禽蛋的表面脏污检测已成为消费者密切关注的问题。
目前,已有学者针对禽蛋表面脏污的检测进行了研究。屠康等(江苏大学学报,2007,28(3):189-192)建立了利用计算机视觉检测鸡蛋表面污斑的装置, 且其分级污斑鸡蛋和干净鸡蛋的准确率达到92.7%;M.H.Dehrouyen等(International Journal of Advanced Science and Technology,2010,17)运用图像处理技术对鸡蛋表面的脏斑和血斑进行研究,准确率分别达到85%和82%;贾超等(内蒙古农业大学硕士学位论文,2011)开发了一套基于图像处理的动态群体鸡蛋表面脏斑、血斑等污物的自动检测系统;乐立强等(食品科学,2012,33(6):203-208)研究了基于机器视觉的皮蛋斑点检测,通过图像获取系统得到皮蛋表面斑点的整体颜色特征,采用计算机软件对皮蛋表面斑点进行量值化处理得出蛋壳亮度值。对于禽蛋的表面脏污,研究者们做了很多研究,主要是利用机器视觉技术。
经检索,现有的检测技术是:
1、对禽蛋表面脏污的研究主要是静态的,很难对其实现批量检测;
2、对禽蛋表面脏污的检测由于受禽蛋壳色影响较大,往往只选取一种壳色的禽蛋进行研究;
3、将禽蛋的表面脏污分为脏斑、血斑等,降低了检测正确率,且在实际应用中一般主要是将禽蛋分为干净禽蛋或脏禽蛋即可。
发明内容
本发明的目的在于克服现有技术存在的局限,提供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。
本发明的目的是这样实现的:
首先,将禽蛋放置在匀速运动的传送带上,光源位于传送带的下方,光源通过传送带棍子间的空隙透射放置在传送带上的禽蛋,在暗箱侧面下方设置有光电传感器,当禽蛋运行至与光电传感器同一水平线时,光电传感器被触发,通过暗箱顶部的相机采集群体禽蛋在动态下的透射图像;
然后,计算机对图像进行一系列的图像处理,先提取颜色特征参数,将禽蛋根据壳色分为青壳蛋和白壳蛋,再提取脏污面积与整蛋面积的比值和脏污块数,以这二个作为特征参数;
最后,找出区分干净禽蛋和脏禽蛋的特征参数范围,建立自动识别模型,从而达到禽蛋表面脏污检测的目的。
在本发明中主要完成以下几项工作:
1、采集群体禽蛋的动态图像;
2、对采集到的禽蛋图像进行图像预处理;
3、提取颜色特征参数,将禽蛋根据壳色分为青壳蛋和白壳蛋;
4、提取禽蛋表面脏污特征参数:脏污面积与整蛋面积的比值,脏污块数;
5、找出区分干净禽蛋和脏禽蛋的特征参数范围;
6、建立自动识别模型,判别禽蛋的脏污。
具体地说:
一、一种群体产地禽蛋表面脏污的在线视觉检测装置(简称装置)
本装置由计算机、工业相机、暗箱、传送带、装置台,光电传感器、禽蛋和光源组成;
其位置和连接关系是:
在装置台上安装有传送带,在传送带的上方设置有暗箱,在暗箱的顶部正中设置有工业相机;在传送带的下方设置有光源,光源通过传送带棍子间的空隙透射放置在传送带上的禽蛋;在暗箱侧面下方设置有光电传感器,当禽蛋运行至与光电传感器同一水平线时,光电传感器被触发;工业相机通过数据线与计算机相连。
二、一种群体产地禽蛋表面脏污的在线视觉检测方法(简称方法)
本方法包括下列步骤:
①禽蛋图像的采集
A、将禽蛋按每排3枚放置在匀速运动的传送带上,每当有一排禽蛋运行至与光电传感器同一水平线时,光电传感器被触发,暗箱顶部的相机自动拍照,采集群体鸭蛋在动态下的透射图像;
B、每张图像中有9枚禽蛋,第一排禽蛋触发光电传感器,相机拍照后,第一排禽蛋继续前进;当第二排禽蛋再次触发光电传感器使相机拍照,这样,第一排禽蛋就会被第二次拍照;第二排禽蛋继续前进,当第三排禽蛋又触发光电传感器使相机拍照时,第一排禽蛋就会被第三次拍照;
因此,对于每一排禽蛋来说,都会被拍到3次。
②禽蛋图像的预处理
A、由于图像是由运动的禽蛋触发光电传感器拍照获得,每张图像中有9枚禽蛋,且禽蛋在图像中的位置较为固定,故可以通过预定的窗口将9枚禽蛋依次从图像中裁剪出来,得到单枚禽蛋的图像;
B、增强图像对比度,由于青壳蛋较白壳蛋整个图像背景偏暗,在边缘检测时会由于目标和背景对比度不大而致使整个边缘检测达不到预想的结果;
C、利用图像聚类分割函数将图像周围的亮光部分去除;
D、对图像进行背景去除;
③提取颜色特征参数,将禽蛋根据壳色分为青壳蛋和白壳蛋
A、提取经预处理后的禽蛋彩色图像R、G、B、H、S和I值;
(R、G、B、H、S、I分别代表红色、绿色、蓝色、色调、饱和度和强度)
B、分别比较青壳蛋和白壳蛋R、G、B、H、S、I值,找到区分青壳蛋和白壳蛋的颜色特征参数;
C、经比较得出,区分青壳蛋和白壳蛋的最优结果是当R>=23500时,为白壳蛋,反之则为青壳蛋;
④提取禽蛋表面脏污特征参数:脏污面积与整蛋面积的比值,脏污块数
A、用imclearborder函数去除与图像边缘相连的对象;
B、对图中的对象进行标记,提取禽蛋边缘检测后的脏污块数N;
C、通过函数regionprops提取对象属性,从而获得禽蛋的最大面积(即禽蛋面积)和禽蛋表面脏污面积,并求出它们之间的比值c。
⑤找出区分干净禽蛋和脏禽蛋的特征参数范围
通过比较青壳蛋和白壳蛋的脏污面积与整蛋面积的比值,脏污块数这二个特征参数,得出:
对于白壳蛋,当N<=2且c<=0.15时,为白壳干净蛋,反之,为白壳脏蛋;对于青壳蛋,当N<=3且c<=0.2时,为青壳干净蛋,反之,为青壳脏蛋;
⑥建立自动识别模型,判别禽蛋的脏污
A、综合禽蛋被拍到的3次图像,即禽蛋的随机3面的图像;
B、根据以上的颜色特征参数范围和脏污特征参数范围,对每次的禽蛋图像进行一次判断;
C、对于禽蛋壳色的判断,当3组判断结果中有2组及以上相同时,最终判断结果与这2组判断结果相同;对于禽蛋脏污的判断,只要有1组的判断结果显示禽蛋为脏蛋,最终结果为脏蛋,否则为干净蛋。
本发明具有以下优点和积极效果:
①判别禽蛋表面脏污之前,加入了对壳色的判别,避免了壳色对判别结果的影响;
②判别禽蛋表面脏污时,综合了脏污面积与整蛋面积的比值,脏污块数这二个特征参数;
③利用机器视觉进行检测,对应用环境具有不挑剔性,具有良好的应用推广前景;
④高效率、高智能,能够实现无损检测。
附图说明
图1是本装置的结构示意图(整体);
图2是本装置的结构示意图(局部);
图3是图像处理软件的工作流程图。
图中:
1—计算机;
2—工业相机;
3—暗箱;
4—传送带;
5—装置台;
6—光电传感器;
7—禽蛋;
8—光源。
具体实施方式
下面结合附图和实施例详细说明:
一、装置
1、总体
如图1、图2,本装置由计算机1、工业相机2、暗箱3、传送带4、装置台5、光电传感器6、禽蛋7和光源8组成;
其位置和连接关系是:
在装置台5上安装有传送带4,在传送带4的上方设置有暗箱3,在暗箱3的顶部正中设置有工业相机2;在传送带4的下方设置有光源8,光源8通过传送带4棍子间的空隙透射放置在传送带上的禽蛋7;在暗箱3侧面下方设置有光电传感器6,当禽蛋7运行至与光电传感器6同一水平线时,光电传感器6被触发;工业相机2通过数据线与计算机1相连。
2、功能部件
1)计算机1
计算机1是一种通用外购件,如选用CPU Intel Core i5-3210M 2.50GHz/内存8G,Windows 8.1系统。
计算机1内置有图像处理软件(后面说明)。
其功能是存储禽蛋7的彩色图像,并对图像进行处理。
2)工业相机2
工业相机2是一种通用外购件,如选用彩色CCD摄像机【彩色CCD摄像机(德国IDS\4002826889)为工业相机】;其功能是采集禽蛋7的彩色图像。
3)暗箱3
暗箱3是一种方形箱;其功能是保障采集的图像不受外界光源影响,并用于固定工业相机2。
4)传送带4
传送带4是一种通用外购件,如选用ZYF-J3分选机;其功能是传送并翻转禽蛋7。
5)装置台5
装置台5是一种通用外购件,如选用ZYF-J3分选机;其功能是为暗箱3、传送带4、禽蛋7和光源8提供安装台。
6)光电传感器6
光电传感器6是一种通用外购件,如选用F&C CR-10P光电传感器;其功能是当禽蛋7通过时,传递信号给计算机1中的图像采集卡。
7)光源8
光源8是一种通用外购件,如选用LED黄色冷光源;其功能是透射禽蛋7。
3、工作机理
将禽蛋7放置在匀速运动的传送带4上,光源8位于传送带4的下方,光源8通过传送带4棍子间的空隙透射放置在传送带4上的禽蛋7,在暗箱3侧面下方设置有光电传感器6,当禽蛋7运行至与光电传感器6同一水平线时,光电传感器6被触发,通过暗箱3顶部的相机2采集群体禽蛋在动态下的透射图像。
二、方法
如图3,所述的图像处理软件的工作流程:
a、读取图像-301;
b、图像对比度增强、聚类分割去除图像周围亮光部分、图像背景去除-302;
c、提取颜色特征参数,将禽蛋根据壳色分为青壳蛋和白壳蛋-303;
d、针对禽蛋壳色,综合禽蛋被拍到的3张图像,当3组判断结果中有2组及以上相同时,最终判断结果与这2组判断结果一样-304;
e、提取禽蛋表面脏污特征参数:脏污面积与整蛋面积的比值c,脏污块数N-305;
f、将红色分量R作为壳色判断特征参数,判断R>=23500是否成立-306,是则判断为白壳禽蛋-307,否则判断为青壳禽蛋-308;
g1、针对白壳禽蛋,判断N<=2且c<=0.15是否成立-309,是则判断为白壳干净蛋-311;否则判断为白壳脏蛋-312;
g2、针对青壳禽蛋,判断N<=3且c<=0.2是否成立-310,是则判断为青壳干净蛋-313;否则判断为青壳脏蛋-314;
h、综合禽蛋被拍到的3张图像,只要有1组的判断结果显示禽蛋为脏蛋,最终判断结果为脏蛋,否则为干净蛋-315;
i、结束-316。
三、检测结果
本试验样品是由湖北神丹健康食品有限公司提供的产地鸭蛋,将鸭蛋分为干净蛋和脏蛋二个等级,只需经过鸭蛋图像采集、图像处理、模式判别等过程就可以实现禽蛋的快速无损判断。与事先的人为判断结果相比,鸭蛋壳色判别正确率为92%,鸭蛋表面脏污判别的正确率为92%。
Claims (3)
1.一种群体产地禽蛋表面脏污的在线视觉检测装置,其特征在于:
由计算机(1)、工业相机(2)、暗箱(3)、传送带(4)、装置台(5),光电传感器(6)、禽蛋(7)和光源(8)组成;
在装置台(5)上安装有传送带(4),在传送带(4)的上方设置有暗箱(3),在暗箱(3)的顶部正中设置有工业相机(2);在传送带(4)的下方设置有光源(8),光源(8)通过传送带(4)棍子间的空隙透射放置在传送带上的禽蛋(7);在暗箱(3)侧面下方设置有光电传感器(6),当禽蛋(7)运行至与光电传感器(6)同一水平线时,光电传感器(6)被触发;工业相机(2)通过数据线与计算机(1)相连。
2.按权利要求1所述的在线视觉检测装置,其特征在于所述的计算机(1)内置有图像处理软件;所述的图像处理软件的工作流程:
a、读取图像(301);
b、图像对比度增强、聚类分割去除图像周围亮光部分、图像背景去除(302);
c、提取颜色特征参数,将禽蛋根据壳色分为青壳蛋和白壳蛋(303);
d、针对禽蛋壳色,综合禽蛋被拍到的3张图像,当3组判断结果中有2组及以上相同时,最终判断结果与这2组判断结果一样(304);
e、提取禽蛋表面脏污特征参数:脏污面积与整蛋面积的比值c,脏污块数N(305);
f、将红色分量R作为壳色判断特征参数,判断R>=23500是否成立(306),是则判断为白壳禽蛋(307),否则判断为青壳禽蛋(308);
g1、针对白壳禽蛋,判断N<=2且c<=0.15是否成立(309),是则判断为白壳干净蛋(311);否则判断为白壳脏蛋(312);
g2、针对青壳禽蛋,判断N<=3且c<=0.2是否成立(310),是则判断为青壳干净蛋(313);否则判断为青壳脏蛋(314);
h、综合禽蛋被拍到的3张图像,只要有1组的判断结果显示禽蛋为脏蛋,最终判断结果为脏蛋,否则为干净蛋(315)。
3.基于权利要求1、2所述在线视觉检测装置的在线视觉检测方法,其特征在于包括下列步骤:
①禽蛋图像的采集
A、将禽蛋按每排3枚放置在匀速运动的传送带上,每当有一排禽蛋运行至与光电传感器同一水平线时,光电传感器被触发,暗箱顶部的相机自动拍照,采集群体鸭蛋在动态下的透射图像;
B、每张图像中有9枚禽蛋,第一排禽蛋触发光电传感器,相机拍照后,第一排禽蛋继续前进;当第二排禽蛋再次触发光电传感器使相机拍照,这样,第一排禽蛋就会被第二次拍照;第二排禽蛋继续前进,当第三排禽蛋又触发光电传感器使相机拍照时,第一排禽蛋就会被第三次拍照;
因此,对于每一排禽蛋来说,都会被拍到3次;
②禽蛋图像的预处理
A、由于图像是由运动的禽蛋触发光电传感器拍照获得,每张图像中有9枚禽蛋,且禽蛋在图像中的位置较为固定,故可以通过预定的窗口将9枚禽蛋依次从图像中裁剪出来,得到单枚禽蛋的图像;
B、增强图像对比度,由于青壳蛋较白壳蛋整个图像背景偏暗,在边缘检测时会由于目标和背景对比度不大而致使整个边缘检测达不到预想的结果;
C、利用图像聚类分割函数将图像周围的亮光部分去除;
D、对图像进行背景去除;
③提取颜色特征参数,将禽蛋根据壳色分为青壳蛋和白壳蛋
A、提取经预处理后的禽蛋彩色图像R、G、B、H、S和I值;
B、分别比较青壳蛋和白壳蛋R、G、B、H、S、I值,找到区分青壳蛋和白壳蛋的颜色特征参数;
C、经比较得出,区分青壳蛋和白壳蛋的最优结果是当R>=23500时,为白壳蛋,反之则为青壳蛋;
④提取禽蛋表面脏污特征参数:脏污面积与整蛋面积的比值,脏污块数
A、用imclearborder函数去除与图像边缘相连的对象;
B、对图中的对象进行标记,提取禽蛋边缘检测后的脏污块数N;
C、通过函数regionprops提取对象属性,从而获得禽蛋的最大面积即禽蛋面和禽蛋表面脏污面积,并求出它们之间的比值c;
⑤找出区分干净禽蛋和脏禽蛋的特征参数范围
通过比较青壳蛋和白壳蛋的脏污面积与整蛋面积的比值,脏污块数这二个特征参数,得出:
对于白壳蛋,当N<=2且c<=0.15时,为白壳干净蛋,反之,为白壳脏蛋;对于青壳蛋,当N<=3且c<=0.2时,为青壳干净蛋,反之,为青壳脏蛋;
⑥建立自动识别模型,判别禽蛋的脏污
A、综合禽蛋被拍到的3次图像,即禽蛋的随机3面的图像;
B、根据以上的颜色特征参数范围和脏污特征参数范围,对每次的禽蛋图像进行一次判断;
C、对于禽蛋壳色的判断,当3组判断结果中有2组及以上相同时,最终判断结果与这2组判断结果相同;对于禽蛋脏污的判断,只要有1组的判断结果显示禽蛋为脏蛋,最终结果为脏蛋,否则为干净蛋。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510376714.7A CN104949998A (zh) | 2015-07-01 | 2015-07-01 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510376714.7A CN104949998A (zh) | 2015-07-01 | 2015-07-01 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104949998A true CN104949998A (zh) | 2015-09-30 |
Family
ID=54164812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510376714.7A Pending CN104949998A (zh) | 2015-07-01 | 2015-07-01 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104949998A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105372247A (zh) * | 2015-10-28 | 2016-03-02 | 重庆远创光电科技有限公司 | 用于芯片自动检测的框架 |
CN105388159A (zh) * | 2015-12-14 | 2016-03-09 | 重庆远创光电科技有限公司 | 芯片图像获取装置 |
CN105445273A (zh) * | 2015-12-14 | 2016-03-30 | 重庆远创光电科技有限公司 | 芯片图像快速获取装置 |
CN105572135A (zh) * | 2015-12-14 | 2016-05-11 | 重庆远创光电科技有限公司 | 一种对空调芯片上共晶焊进行合格检测的系统 |
CN105572140A (zh) * | 2015-12-14 | 2016-05-11 | 重庆远创光电科技有限公司 | 芯片图像检测系统 |
CN105572142A (zh) * | 2015-12-14 | 2016-05-11 | 重庆远创光电科技有限公司 | 一种双相机芯片检测系统 |
CN106370668A (zh) * | 2016-08-22 | 2017-02-01 | 华中农业大学 | 一种咸蛋内部品质的在线视觉检测装置及其方法 |
CN108051449A (zh) * | 2018-01-30 | 2018-05-18 | 华中农业大学 | 基于形态学边缘检测的咸鸭蛋表面裂纹在线视觉检测方法 |
CN108344667A (zh) * | 2018-02-12 | 2018-07-31 | 广州蓝月亮实业有限公司 | 一种油污剥离的测试方法 |
CN110455806A (zh) * | 2018-05-07 | 2019-11-15 | 南京农业大学 | 一种鸡蛋动态图像采集设备 |
CN110927167A (zh) * | 2019-10-31 | 2020-03-27 | 北京海益同展信息科技有限公司 | 一种禽蛋检测方法、装置、电子设备及存储介质 |
CN111948214A (zh) * | 2020-07-17 | 2020-11-17 | 同济大学 | 一种用于图像脏污等级分类的装置及方法 |
CN113570597A (zh) * | 2021-09-01 | 2021-10-29 | 南通中煌工具有限公司 | 基于人工智能的泥头车车厢脏污程度的判定方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1485616A (zh) * | 2002-09-23 | 2004-03-31 | 华中农业大学 | 禽蛋品质无损自动检测分级设备及方法 |
CN102179374A (zh) * | 2010-12-23 | 2011-09-14 | 华中农业大学 | 禽蛋品质自动检测分选设备及其方法 |
CN103983190A (zh) * | 2014-05-22 | 2014-08-13 | 华中农业大学 | 群体产地鸭蛋外形尺寸的视觉检测分级装置及其方法 |
-
2015
- 2015-07-01 CN CN201510376714.7A patent/CN104949998A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1485616A (zh) * | 2002-09-23 | 2004-03-31 | 华中农业大学 | 禽蛋品质无损自动检测分级设备及方法 |
CN102179374A (zh) * | 2010-12-23 | 2011-09-14 | 华中农业大学 | 禽蛋品质自动检测分选设备及其方法 |
CN103983190A (zh) * | 2014-05-22 | 2014-08-13 | 华中农业大学 | 群体产地鸭蛋外形尺寸的视觉检测分级装置及其方法 |
Non-Patent Citations (2)
Title |
---|
QIAOHUA WANG ET AL.: "Detection and classification on surface smudges of duck eggs based on machine vision technology", 《JOURNAL OF FOOD,AGRICULTURE & ENVIRONMENT》 * |
屠康 等: "基于计算机视觉的鸡蛋污斑检测", 《江苏大学学报》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105372247A (zh) * | 2015-10-28 | 2016-03-02 | 重庆远创光电科技有限公司 | 用于芯片自动检测的框架 |
CN105388159A (zh) * | 2015-12-14 | 2016-03-09 | 重庆远创光电科技有限公司 | 芯片图像获取装置 |
CN105445273A (zh) * | 2015-12-14 | 2016-03-30 | 重庆远创光电科技有限公司 | 芯片图像快速获取装置 |
CN105572135A (zh) * | 2015-12-14 | 2016-05-11 | 重庆远创光电科技有限公司 | 一种对空调芯片上共晶焊进行合格检测的系统 |
CN105572140A (zh) * | 2015-12-14 | 2016-05-11 | 重庆远创光电科技有限公司 | 芯片图像检测系统 |
CN105572142A (zh) * | 2015-12-14 | 2016-05-11 | 重庆远创光电科技有限公司 | 一种双相机芯片检测系统 |
CN106370668B (zh) * | 2016-08-22 | 2019-01-18 | 华中农业大学 | 一种咸蛋内部品质的在线视觉检测装置及其方法 |
CN106370668A (zh) * | 2016-08-22 | 2017-02-01 | 华中农业大学 | 一种咸蛋内部品质的在线视觉检测装置及其方法 |
CN108051449A (zh) * | 2018-01-30 | 2018-05-18 | 华中农业大学 | 基于形态学边缘检测的咸鸭蛋表面裂纹在线视觉检测方法 |
CN108344667A (zh) * | 2018-02-12 | 2018-07-31 | 广州蓝月亮实业有限公司 | 一种油污剥离的测试方法 |
CN108344667B (zh) * | 2018-02-12 | 2021-03-23 | 广州蓝月亮实业有限公司 | 一种油污剥离的测试方法 |
CN110455806A (zh) * | 2018-05-07 | 2019-11-15 | 南京农业大学 | 一种鸡蛋动态图像采集设备 |
CN110455806B (zh) * | 2018-05-07 | 2021-09-10 | 南京农业大学 | 一种鸡蛋动态图像采集设备 |
CN110927167A (zh) * | 2019-10-31 | 2020-03-27 | 北京海益同展信息科技有限公司 | 一种禽蛋检测方法、装置、电子设备及存储介质 |
CN111948214A (zh) * | 2020-07-17 | 2020-11-17 | 同济大学 | 一种用于图像脏污等级分类的装置及方法 |
CN113570597A (zh) * | 2021-09-01 | 2021-10-29 | 南通中煌工具有限公司 | 基于人工智能的泥头车车厢脏污程度的判定方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Omid et al. | An expert egg grading system based on machine vision and artificial intelligence techniques | |
Zhang et al. | Applications of computer vision techniques to cotton foreign matter inspection: A review | |
CN104764744A (zh) | 一种禽蛋新鲜度的视觉检测装置及其方法 | |
CN104094118B (zh) | 通过显微图像自动识别全血样品中血小板的方法和设备 | |
CN103345617B (zh) | 中药识别的方法及其系统 | |
Rahamathunnisa et al. | Vegetable disease detection using k-means clustering and svm | |
Lin et al. | The identification and filtering of fertilized eggs with a thermal imaging system | |
Tamilselvi et al. | Unsupervised machine learning for clustering the infected leaves based on the leaf-colours | |
CN103026984B (zh) | 群体孵化蛋成活性的视觉检测分级装置及其方法 | |
Sarkar | Machine vision for quality control in the food industry | |
KR101743270B1 (ko) | 다수의 플랑크톤이 응집 혹은 산재해 있는 현미경 영상에서 딥러닝을 이용하여 개개 플랑크톤을 분리 및 인식하는 방법 | |
CN109255757A (zh) | 一种机器视觉自然放置葡萄串果梗区域分割方法 | |
CN105894536A (zh) | 基于视频跟踪的禽畜行为分析方法及系统 | |
CN113252568A (zh) | 基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端 | |
CN115861721B (zh) | 基于图像数据的畜禽养殖喷雾设备状态识别方法 | |
Saifullah | K-means clustering for egg embryo’s detection based-on statistical feature extraction approach of candling eggs image | |
Kovalev et al. | Deep learning in big image data: Histology image classification for breast cancer diagnosis | |
CN109115775A (zh) | 一种基于机器视觉的槟榔等级检测方法 | |
de Castro Pereira et al. | Detection and classification of whiteflies and development stages on soybean leaves images using an improved deep learning strategy | |
Garcia et al. | Acquisition of digital images and identification of Aedes Aegypti mosquito eggs using classification and deep learning | |
Zhang et al. | Fully automatic system for fish biomass estimation based on deep neural network | |
Li et al. | Development of a real-time fruit recognition system for pineapple harvesting robots | |
CN107220972B (zh) | 一种基于红外图像的禽蛋品质鉴别方法 | |
CN201041547Y (zh) | 基于多光谱图像的纹理分析鉴别不同品种绿茶的装置 |
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 |
Application publication date: 20150930 |
|
WD01 | Invention patent application deemed withdrawn after publication |