CN105095958A - 一种蚕茧计数方法 - Google Patents
一种蚕茧计数方法 Download PDFInfo
- Publication number
- CN105095958A CN105095958A CN201410202227.4A CN201410202227A CN105095958A CN 105095958 A CN105095958 A CN 105095958A CN 201410202227 A CN201410202227 A CN 201410202227A CN 105095958 A CN105095958 A CN 105095958A
- Authority
- CN
- China
- Prior art keywords
- silk cocoon
- mark
- image
- pixel
- connected region
- 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 Analysis (AREA)
Abstract
本发明公开了一种蚕茧计数方法,该蚕茧计数方法中对采集到的图像进行与预处理和二值化将背景和蚕茧目标分离,确定二值化得到图像中目标像素点,并根据目标像素点的连通进行连通区域标记,将二值化图像中的目标区域标记为若干个连通区域,并统计各个连通区域的面积,根据面积计算蚕茧样本的蚕茧个数。基于自适应阈值分割算法对聚类后的图像进行二值化,大大提高了二值化的精度,进而提高了计数结果的准确性,且通过面积进行统计,不需要另外采用图形分割技术,就解决了因蚕茧粘连而导致计数不准的问题,且方法简单,计算量小,适用于Android设备,得到手持式蚕茧计数设备。
Description
技术领域
本发明涉及蚕茧计数技术领域,具体涉及一种蚕茧计数方法。
背景技术
当今社会的生物医学工程、遥感技术、军事、通讯、农业及工业等研究领域,经常需要统计类圆颗粒(比如玉米、大米等农作物种子、药片、钢材、细胞等)的数量来确定目标物的数量,检测目标物的质量。例如,医疗诊断上经常用测量人体血液的各类细胞数目来诊断人体的健康状况;工业上对打捆的钢材计数;农业上统计种子的发芽率及粮食的产量;生丝生产中检测绪下蚕茧的数目、蚕茧的剥茧层率来确定生产的生丝质量等。
目前的缫丝设备基本上是采用定纤控制系统的自动缫丝机,根据生丝规格要求自动控制生丝纤度,但是在生丝纤度的自动控制过程中由于车间温湿度变化、蚕茧的煮熟程度不同,以及生丝纤度控制机构间的差异等因素会引起生丝纤度的粗细变化。生丝纤度的粗细在实际生产过程中无法采用定量标示的方法进行直观反映,实验证实绪下蚕茧平均粒数与生丝纤度存在一一对应关系,可以通过检查绪下蚕茧粒数多少来了解纤度的变化情况,
以便进行实缫工艺参数的修正。传统的生丝生产管理是采用人工定期目测、手工记录、计算的方法,对每组缫丝设备绪下蚕茧粒数进行检测,这种方法存在着效率低、工作量大、实时效果差的缺点,不利于提高生丝品质、减少用工。因此,开发出能够快速、准确的自动判别绪下蚕茧粒数的计数系统,不仅能提高劳动生产率,而且还可以实现生丝纤度控制系统的实时修正,提高生丝质量。
公开号为CN103246920A的中国专利申请公开了一种蚕茧自动计数方法及系统,该方法中通过对灰度图像进行二值化处理,判断目标物体区域,然后根据目标物体区域的中心进行计数。由于可能出现蚕茧粘连的情况,进而出现目标物体区域无法区分,进而导致计数结果不准。
发明内容
针对现有技术的不足,本发明提供了一种蚕茧计数方法。
一种蚕茧计数方法,包括:
(1)采集蚕茧样本图像,并对采集到的蚕茧样本图像进行预处理,得到预处理后的图像;
(2)采用自适应阈值分割算法确定预处理后的图像的最佳阈值,利用该最佳阈值对预处理后的图像进行二值化,得到二值化图像;
(3)对所述二值化图像中进行连通区域进行标记,将二值化图像中的目标像素点标记为若干个连通区域,并统计各个连通区域的面积;
所述的目标像素点为二值化过程像素值大于最佳阈值的像素点;
(4)根据其面积计算各个区域的蚕茧个数,并以所有连通区域的蚕茧个数之和作为该蚕茧样本的蚕茧个数。
本发明在对采集到的图像进行与预处理和二值化将背景和蚕茧目标分离,确定二值化得到图像中目标像素点,并根据目标像素点的连通进行连通区域标记,将所述二值化图像中的目标区域标记为若干个连通区域,并统计各个连通区域的面积,根据面积计算蚕茧样本的蚕茧个数。
该方法过程简单,运算量小,适用于Android设备,可利用Android设备内置的摄像头直接采集蚕茧样本的图像,也可以通过其他设备获取蚕茧样本的图像,再发送给Android设备。
所述步骤(1)中对的预处理过程包括依次对采集到的蚕茧样本图像中值滤波、均值漂移和傅里叶变换。
均值漂移算法对于蚕茧图像来说比较合适,实现了一定的滤波去噪效果,关键是它能够增加求蚕茧中心、蚕茧边缘和背景之间的对比度,这对于后续进行图像分割是非常有用的,能够提高后续处理的精度。边界处的端点常常是伪端点,增加了蚕茧中心与边缘的对比度,能够加快图像分割的处理速度;傅里叶变换能够增加图像的亮度,(FFT变换),本发明中通常采用快速傅里叶变换,但是由于FFT变换采用蝶形算法,在对图像FFT变换前需要进行一次中值滤波,提前消除椒盐噪声。
所述步骤(2)包括:
(2-1)以背景点为背景、蚕茧像素点为前景,采用Ostu法确定最佳阈值;
(2-2)令聚类后的图像中大于最佳阈值的像素点的像素值为255,令聚类后的图像中小于或等于最佳阈值的像素点的像素值为0,得到二值化图像。
所述步骤(2-1)包括如下步骤:
(2-11)预处理后的图像进行按行按列、从左到右、从上到下的扫描,获取最大像素值和最小像素值,以最大像素值与最小像素值和的一半作为初始阈;
(2-12)将预处理后的图像中小于初始阈值的所有像素点作为集合A,将大于或等于初始阈值的所有像素点作为集合B;
(2-13)分别以集合A中所有像素点的平均像素值和集合B中所有像素点的平均像素值作为第一参考值和第二参考值,以第一参考值和第二参考值的平均值为最佳阈值。
所述步骤(3)通过以下步骤进行连通区域进行标记:
(3-1)按照从上到下,从左到右的顺序第一次遍历二值化图像中的所有像素点,若当前像素点为目标像素点,则扫描当前像素点左侧和上侧的2个4邻域像素点:
若二者均不是目标像素点,则采用新标记对当前像素点进行标记;
若二者中有一个为目标像素点,则采用二者中目标像素点的标记对当前像素点进行标记;
若二者都为目标像素点,且当二者的标记相同时,采用该标记对当前像素点进行标记,且当二者的标记不同时,采用二者中的任意一个的标记对当前像素点进行标记,并将对应的两个标记作为一个等价对;
(3-2)根据所有的等价对,将所有等价的标记归为一个等价组,针对每一个等价组,采用相同的标记对被该等价组中的标记所标记的目标像素点重新进行标记,具有相同标记的像素点组成一个连通区域。
通过连通区域标记将二值化图像中所有的目标像素点划分为若干个连通的区域,每个连通区域对应一定数量的蚕茧。实际上进行连通区域标记时可以采用4连通标记法(检测4邻域像素点)也可以采用8连通标记法(检测8邻域像素点),本发明中为保证标记速度,优选4连通标记法。
所述步骤(3)中计算各个连通区域的面积前还包括对每个连通区域进行孔洞填充:
遍历该连通区域,若当前像素点不是目标像素点,则将该像素点的像素值设置为目标像素点的像素值。
各个连通区域中可能存在一些非目标像素点,该像素点即可认为是该连通区域的孔洞,由于本发明中各个连通区域的面积为该连通区域中目标像素点的个数,由于存在孔洞,因此导致得到的连通区域中目标像素点的个数不是蚕茧对实际像素点的个数,而本发明中基于各个连通面积通过统计蚕茧个数,为保证计数的准确性,本发中对连通区域进行孔洞填充。
所述步骤(4)中根据公式:
n=[S/Saver+0.5]
计算各个连通区域的蚕茧个数,其中S为该连通区域的面积,Saver为单个蚕茧的基准面积,[S/Saver+0.5]表示对S/Saver+0.5取整。
传统轮廓查找的方法会出现很大的误差,本方法采用连通区域计算出每一个连通区域中蚕茧个数的总和来进行计数。由于单个蚕茧的面积值集中分布在一定的范围内,可以选择合适的面积大小作为单个蚕茧的基准面积,基本不可能出现小于该基准面积一半的蚕茧。所以本发明中计数时不统计面积小于基准面积一半的连通区域,即认为该连通区域的蚕茧个数为零。对于多个蚕茧粘连的情况通过对相除结果加0.5后取整进行逼近实际情况。
由于不考虑过小的连通区域,所述步骤(3)中计算各个连通区域的面积后还根据各个连通区域的面积对连通区域标记后的二值化图像进行腐蚀:
去掉面积小于单个蚕茧的基准面积的一半的连通区域的标记。
通过腐蚀减少连通区域的个数,这样可以提高减小计算的个数,提高处理速度。因此为提高速度,
本发明蚕茧计数方法中对采集到的图像进行与预处理和二值化将背景和蚕茧目标分离,确定二值化得到图像中目标像素点,并根据目标像素点的连通进行连通区域标记,将二值化图像中的目标区域标记为若干个连通区域,并统计各个连通区域的面积,根据面积计算蚕茧样本的蚕茧个数。基于自适应阈值分割算法对聚类后的图像进行二值化,大大提高了二值化的精度,进而提高了计数结果的准确性,且通过面积进行统计,不需要另外采用图形分割技术,就解决了因蚕茧粘连而导致计数不准的问题,且方法简单,计算量小,适用于Android设备,得到手持式蚕茧计数设备。
具体实施方式
下面将结合具体实施例对本发明进行详细说明。
本实施例的蚕茧计数方法基于Android设备完成。
一种蚕茧计数方法,包括:
(1)采集蚕茧样本图像,并对采集到的蚕茧样本图像进行预处理,得到预处理后的图像。
预处理包括依次对采集到的蚕茧样本图像中值滤波、均值漂移和傅里叶变换。通过预处理有效去除了噪声,且能够增加求蚕茧中心、蚕茧边缘和背景之间的对比度。
(2)采用自适应阈值分割算法确定预处理后的图像的最佳阈值,利用该最佳阈值对预处理后的图像进行二值化,得到二值化图像,具体包括:
(2-1)以背景点为背景、蚕茧像素点为前景,采用Ostu法确定最佳阈值;
(2-2)令聚类后的图像中大于最佳阈值的像素点的像素值为255,令聚类后的图像中小于或等于最佳阈值的像素点的像素值为0,得到二值化图像。
其中,步骤(2-1)包括如下步骤:
(2-11)预处理后的图像进行按行按列、从左到右、从上到下的扫描,获取最大像素值和最小像素值,以最大像素值与最小像素值和的一半作为初始阈值;
(2-12)将预处理后的图像中小于初始阈值的所有像素点作为集合A,将大于或等于初始阈值的所有像素点作为集合B;
(2-13)分别以集合A中所有像素点的平均像素值和集合B中所有像素点的平均像素值作为第一参考值和第二参考值,以第一参考值和第二参考值的平均值为最佳阈值。
(3)对二值化图像中进行连通区域进行标记,将二值化图像中的目标像素点标记为若干个连通区域,并统计各个连通区域的面积,其中,目标像素点为二值化过程像素值大于最佳阈值的像素点(即二值化图像中像素值为255的像素点)。
本实施例中通过以下步骤进行连通区域进行标记:
(3-1)按照从上到下,从左到右的顺序第一次遍历二值化图像中的所有像素点,若当前像素点为目标像素点,则扫描当前像素点左侧和上侧的2个4邻域像素点:
若二者均不是目标像素点,则采用新标记对当前像素点进行标记;
若二者中有一个为目标像素点,则采用二者中目标像素点的标记对当前像素点进行标记;
若二者都为目标像素点,且当二者的标记相同时,采用该标记对当前像素点进行标记,且当二者的标记不同时,采用二者中的任意一个的标记对当前像素点进行标记,并将对应的两个标记作为一个等价对;
(3-2)根据所有的等价对,将所有等价的标记归为一个等价组,针对每一个等价组,采用相同的标记对被该等价组中的标记所标记的目标像素点重新进行标记,具有相同标记的像素点组成一个连通区域。
(4)根据其面积计算各个连通区域的蚕茧个数,并以所有连通区域的蚕茧个数之和作为该蚕茧样本的蚕茧个数。根据公式:
n=[S/Saver+0.5]
计算各个连通区域的蚕茧个数,其中S为该连通区域的面积,Saver为单个蚕茧的基准面积,[S/Saver+0.5]表示对S/Saver+0.5取整。
为了更清晰的观察各个连通区域,在绘制连通区域边界矩形时,对每个连通区域值进行遍历获取各个连通区域的四个边界。本实施例中采用opencv中自带的矩形绘制函数使用最小外接矩形绘制每一个连通区域的边界矩形(OpenSourceComputerVisionLibrary。OpenCV是一个基于(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上)。为便于观察,把每个连通区域的标记值以及面积值标记在每个连通区域矩形框的旁边。
由于在研究时可能需要观察某个特定的连通区域,需要把特定的连通区域单独拿出来处理,本实施例中当需要观察某个特定连通区域时,连通区域进行扫描并通过指定要绘制连通区域的面积绘制特定的连通区域的边界矩形,从而把不需要的连通区域的边界矩形进行隐藏,这有利于研究中对实际数量与计数结果进行对比,并分析出现误差的原因。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种蚕茧计数方法,其特征在于,包括:
(1)采集蚕茧样本图像,并对采集到的蚕茧样本图像进行预处理,得到预处理后的图像;
(2)采用自适应阈值分割算法确定预处理后的图像的最佳阈值,利用该最佳阈值对预处理后的图像进行二值化,得到二值化图像;
(3)对所述二值化图像中进行连通区域进行标记,将二值化图像中的目标像素点标记为若干个连通区域,并统计各个连通区域的面积;
所述的目标像素点为二值化过程像素值大于最佳阈值的像素点;
(4)根据其面积计算各个连通区域的蚕茧个数,并以所有连通区域的蚕茧个数之和作为该蚕茧样本的蚕茧个数。
2.如权利要求1所述的蚕茧计数方法,其特征在于,所述步骤(1)中对的预处理过程包括依次对采集到的蚕茧样本图像中值滤波、均值漂移和傅里叶变换。
3.如权利要求2所述的蚕茧计数方法,其特征在于,所述步骤(2)包括:
(2-1)以背景点为背景、蚕茧像素点为前景,采用Ostu法确定最佳阈值;
(2-2)令聚类后的图像中大于最佳阈值的像素点的像素值为255,令聚类后的图像中小于或等于最佳阈值的像素点的像素值为0,得到二值化图像。
4.如权利要求3所述的蚕茧计数方法,其特征在于,所述步骤(2-1)包括如下步骤:
(2-11)预处理后的图像进行按行按列、从左到右、从上到下的扫描,获取最大像素值和最小像素值,以最大像素值与最小像素值和的一半作为初始阈值;
(2-12)将预处理后的图像中小于初始阈值的所有像素点作为集合A,将大于或等于初始阈值的所有像素点作为集合B;
(2-13)分别以集合A中所有像素点的平均像素值和集合B中所有像素点的平均像素值作为第一参考值和第二参考值,以第一参考值和第二参考值的平均值为最佳阈值。
5.如权利要求1~4所述的蚕茧计数方法,其特征在于,所述步骤(3)通过以下步骤进行连通区域进行标记:
(3-1)按照从上到下,从左到右的顺序第一次遍历二值化图像中的所有像素点,若当前像素点为目标像素点,则扫描当前像素点左侧和上侧的2个4邻域像素点:
若二者均不是目标像素点,则采用新标记对当前像素点进行标记;
若二者中有一个为目标像素点,则采用二者中目标像素点的标记对当前像素点进行标记;
若二者都为目标像素点,且当二者的标记相同时,采用该标记对当前像素点进行标记,且当二者的标记不同时,采用二者中的任意一个的标记对当前像素点进行标记,并将对应的两个标记作为一个等价对;
(3-2)根据所有的等价对,将所有等价的标记归为一个等价组,针对每一个等价组,采用相同的标记对被该等价组中的标记所标记的目标像素点重新进行标记,具有相同标记的像素点组成一个连通区域。
6.如权利要求5所述的蚕茧计数方法,其特征在于,所述步骤(3)中计算各个连通区域的面积前还包括对每个连通区域进行孔洞填充:
遍历该连通区域,若当前像素点不是目标像素点,则将该像素点的像素值设置为目标像素点的像素值。
7.如权利要求6所述的蚕茧计数方法,其特征在于,所述步骤(4)中根据公式:
n=[S/Saver+0.5]
计算各个连通区域的蚕茧个数,其中S为该连通区域的面积,Saver为单个蚕茧的基准面积,[S/Saver+0.5]表示对S/Saver+0.5取整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410202227.4A CN105095958B (zh) | 2014-05-12 | 2014-05-12 | 一种蚕茧计数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410202227.4A CN105095958B (zh) | 2014-05-12 | 2014-05-12 | 一种蚕茧计数方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105095958A true CN105095958A (zh) | 2015-11-25 |
CN105095958B CN105095958B (zh) | 2018-01-23 |
Family
ID=54576332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410202227.4A Active CN105095958B (zh) | 2014-05-12 | 2014-05-12 | 一种蚕茧计数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105095958B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106097369A (zh) * | 2016-06-16 | 2016-11-09 | 天津工业大学 | 一种smt物料盘x射线透视图像分割检测与计数统计方法及装置 |
CN106780537A (zh) * | 2017-01-11 | 2017-05-31 | 山东农业大学 | 一种基于图像处理的方格蔟蚕茧筛选装置及方法 |
CN106932408A (zh) * | 2017-03-20 | 2017-07-07 | 山东农业大学 | 一种基于图像处理的方格蔟污染蚕茧检测方法 |
CN107909138A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于安卓平台的类圆颗粒物计数方法 |
CN107909596A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于Android的药片计数方法 |
CN108108741A (zh) * | 2018-01-04 | 2018-06-01 | 中国计量大学 | 一种基于凹点自适应腐蚀的蚕茧自动计数方法 |
CN108596934A (zh) * | 2018-04-24 | 2018-09-28 | 中国计量大学 | 一种基于面积的蚕茧计数方法 |
CN108596891A (zh) * | 2018-04-23 | 2018-09-28 | 中国计量大学 | 一种面向多种类混合蚕茧的计数方法 |
CN109087314A (zh) * | 2018-08-16 | 2018-12-25 | 杭州电子科技大学 | 基于fpga的线阵图像连通域面积快速标记统计方法 |
CN109389139A (zh) * | 2017-08-11 | 2019-02-26 | 中国农业大学 | 一种蝗虫计数方法及装置 |
CN110544241A (zh) * | 2019-08-22 | 2019-12-06 | 云南电网有限责任公司 | 一种电力电缆金属横切面痕迹特征相识度匹配系统 |
CN113096095A (zh) * | 2021-04-12 | 2021-07-09 | 江苏理工学院 | 基于机器视觉的粘连药片计数方法及计数系统 |
CN115546462A (zh) * | 2022-12-01 | 2022-12-30 | 南京维拓科技股份有限公司 | 一种基于图像识别提取产品形状特征并计数的方法 |
CN115619811A (zh) * | 2022-12-16 | 2023-01-17 | 北京远舢智能科技有限公司 | 一种烟支数量的确定方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1442786A (zh) * | 2003-04-09 | 2003-09-17 | 沈佐锐 | 微小昆虫自动计数系统 |
US20040240749A1 (en) * | 2003-03-31 | 2004-12-02 | Seiko Epson Corporation | Image processing device, image processing method, and program |
CN102252623A (zh) * | 2011-06-24 | 2011-11-23 | 西安工程大学 | 基于视频差异分析的输电线路导/地线覆冰厚度测量方法 |
CN103246920A (zh) * | 2013-03-22 | 2013-08-14 | 浙江理工大学 | 一种蚕茧自动计数方法及系统 |
-
2014
- 2014-05-12 CN CN201410202227.4A patent/CN105095958B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040240749A1 (en) * | 2003-03-31 | 2004-12-02 | Seiko Epson Corporation | Image processing device, image processing method, and program |
CN1442786A (zh) * | 2003-04-09 | 2003-09-17 | 沈佐锐 | 微小昆虫自动计数系统 |
CN102252623A (zh) * | 2011-06-24 | 2011-11-23 | 西安工程大学 | 基于视频差异分析的输电线路导/地线覆冰厚度测量方法 |
CN103246920A (zh) * | 2013-03-22 | 2013-08-14 | 浙江理工大学 | 一种蚕茧自动计数方法及系统 |
Non-Patent Citations (1)
Title |
---|
左敏等: "基于等价对的图像连通域标记算法", 《计算机仿真》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106097369A (zh) * | 2016-06-16 | 2016-11-09 | 天津工业大学 | 一种smt物料盘x射线透视图像分割检测与计数统计方法及装置 |
CN106780537B (zh) * | 2017-01-11 | 2019-08-23 | 山东农业大学 | 一种基于图像处理的方格蔟蚕茧筛选装置及方法 |
CN106780537A (zh) * | 2017-01-11 | 2017-05-31 | 山东农业大学 | 一种基于图像处理的方格蔟蚕茧筛选装置及方法 |
CN106932408A (zh) * | 2017-03-20 | 2017-07-07 | 山东农业大学 | 一种基于图像处理的方格蔟污染蚕茧检测方法 |
CN106932408B (zh) * | 2017-03-20 | 2019-05-21 | 山东农业大学 | 一种基于图像处理的方格蔟污染蚕茧检测方法 |
CN109389139A (zh) * | 2017-08-11 | 2019-02-26 | 中国农业大学 | 一种蝗虫计数方法及装置 |
CN107909138A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于安卓平台的类圆颗粒物计数方法 |
CN107909596A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于Android的药片计数方法 |
CN108108741A (zh) * | 2018-01-04 | 2018-06-01 | 中国计量大学 | 一种基于凹点自适应腐蚀的蚕茧自动计数方法 |
CN108596891A (zh) * | 2018-04-23 | 2018-09-28 | 中国计量大学 | 一种面向多种类混合蚕茧的计数方法 |
CN108596934A (zh) * | 2018-04-24 | 2018-09-28 | 中国计量大学 | 一种基于面积的蚕茧计数方法 |
CN109087314A (zh) * | 2018-08-16 | 2018-12-25 | 杭州电子科技大学 | 基于fpga的线阵图像连通域面积快速标记统计方法 |
CN109087314B (zh) * | 2018-08-16 | 2021-08-31 | 杭州电子科技大学 | 基于fpga的线阵图像连通域面积快速标记统计方法 |
CN110544241A (zh) * | 2019-08-22 | 2019-12-06 | 云南电网有限责任公司 | 一种电力电缆金属横切面痕迹特征相识度匹配系统 |
CN113096095A (zh) * | 2021-04-12 | 2021-07-09 | 江苏理工学院 | 基于机器视觉的粘连药片计数方法及计数系统 |
CN115546462A (zh) * | 2022-12-01 | 2022-12-30 | 南京维拓科技股份有限公司 | 一种基于图像识别提取产品形状特征并计数的方法 |
CN115619811A (zh) * | 2022-12-16 | 2023-01-17 | 北京远舢智能科技有限公司 | 一种烟支数量的确定方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105095958B (zh) | 2018-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105095958A (zh) | 一种蚕茧计数方法 | |
CN105095957B (zh) | 一种基于图像分割的蚕茧计数方法 | |
Li et al. | In-field cotton detection via region-based semantic image segmentation | |
Boogaard et al. | Robust node detection and tracking in fruit-vegetable crops using deep learning and multi-view imaging | |
Sun et al. | Image processing algorithms for infield single cotton boll counting and yield prediction | |
CN111727457B (zh) | 一种基于计算机视觉的棉花作物行检测方法、装置及存储介质 | |
Tong et al. | Skewness correction and quality evaluation of plug seedling images based on Canny operator and Hough transform | |
CN106682570A (zh) | 一种植物的长势监控方法和装置 | |
KR101822410B1 (ko) | 작물 영상을 사용한 작물 생육 진단 장치 | |
CN103177261A (zh) | 一种基于图像识别技术的奶牛产奶量自动计量系统及其图像识别方法 | |
CN116109268B (zh) | 一种基于物联网的智慧农业监管系统及方法 | |
Ji et al. | In-field automatic detection of maize tassels using computer vision | |
CN115861721B (zh) | 基于图像数据的畜禽养殖喷雾设备状态识别方法 | |
CN115661650A (zh) | 一种基于物联网数据监测的农场管理系统 | |
CN104007733B (zh) | 一种对农业集约化生产进行监控的系统及方法 | |
Li et al. | Image detection and verification of visual navigation route during cotton field management period | |
Karimi et al. | Development of pixel-wise U-Net model to assess performance of cereal sowing | |
Wang et al. | The seedling line extraction of automatic weeding machinery in paddy field | |
EP3961568A1 (en) | Crop growth measurement system based on crop images, and method thereof | |
CN116897668B (zh) | 一种电驱农作物播种施肥控制方法及系统 | |
CN108596934A (zh) | 一种基于面积的蚕茧计数方法 | |
CN111369497B (zh) | 一种行走式树上果实连续计数方法及装置 | |
CN106683069A (zh) | 农田苗期行内作物-杂草识别方法 | |
CN111886982B (zh) | 一种旱地栽植作业质量实时检测系统的检测方法 | |
Li et al. | Vision-based navigation line extraction by combining crop row detection and RANSAC algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |