CN106140648A - 一种基于机器视觉的鸡胴体重量自动分级系统及分级方法 - Google Patents
一种基于机器视觉的鸡胴体重量自动分级系统及分级方法 Download PDFInfo
- Publication number
- CN106140648A CN106140648A CN201610692214.9A CN201610692214A CN106140648A CN 106140648 A CN106140648 A CN 106140648A CN 201610692214 A CN201610692214 A CN 201610692214A CN 106140648 A CN106140648 A CN 106140648A
- Authority
- CN
- China
- Prior art keywords
- chicken
- camera
- trunk
- carcass weight
- genetic ability
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/16—Sorting according to weight
- B07C5/28—Sorting according to weight using electrical control means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
- B07C2501/0081—Sorting of food items
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于机器视觉的鸡胴体重量自动分级系统及分级方法,其中分级系统包括安装在流水线上的暗箱,内设于暗箱的光源、工业相机和光电开关传感器,以及外设于暗箱的工控机;所述流水线贯穿过暗箱,所述暗箱的侧壁开设有通孔,流水线上的鸡胴体均依次通过穿过通孔进入暗箱并位于拍摄位置供工业相机采集原始图像和穿出暗箱经流水线传输后进行分级。本发明提供的一种基于机器视觉的鸡胴体重量自动分级系统及分级方法,实现非直接接触式的重量分级,能够在鸡胴体仅仅悬挂生产线而不接触任何其他物体时完成重量分级,从而避免分级环节污染鸡胴体情况的发生,同时可保证快速、稳定、精确的分级。
Description
技术领域
本发明涉及一种重量自动分级系统及方法,特别是涉及一种基于机器视觉的鸡胴体重量自动分级系统及分级方法,属于自动控制技术领域。
背景技术
鸡胴体定义为经过屠宰、放血、去毛、去爪、去内脏、去头等工序后肉鸡的整个躯体。胴体的分级一般依据产量和质量两个方面,产量是根据胴体的产肉率进行分级,对于鸡胴体而言,一般通过直接称重评定,依据重量大小分等级。胴体分级可以使加工企业、经销商和消费者对产品品质达成共识,实现公平合理定价,而重量分级则是胴体分级机制的基础环节,大型肉鸡屠宰厂不仅有整鸡生产线,也有肉鸡分割产品如鸡腿、鸡翅的生产线。因此,重量分级的作用不仅仅是对整鸡生产线进行分级,保证产品规格统一,同时还是两种生产线产品分配的依据:例如厂家会根据实际需求,将重量适中的鸡胴体分配到整鸡生产线,重量偏大或偏小的鸡胴体分配到分割生产线。
现在市场中使用的鸡胴体重量分级方法是在磅秤上称重,再分级。这其中分为自动分级和人工分级。国外及国内大型厂家使用的是自动分级系统,流水线上在线自动称重,数据录入电脑,电脑再控制机械装置进行分级;另外中小厂家还存在人工分级的现象,这种方法显然比自动分级系统效率低下,错误率高。虽然自动分级系统在线称重速度快,普遍能达到150个/分钟以上,称重精度高,一般可以精确到±1g,分级级数范围广,8—16级可调,但是不管自动分级系统采用哪种称重方式,都必须使鸡胴体与磅秤直接接触。而有研究指出车间内的案板、称台、工人手是鸡胴体及其分割产品污染的三个主要来源,这使得冲洗过的鸡胴体受到了二次污染,鸡胴体之间也因为称台容易产生交叉感染,这是自动分级系统最大的缺点与隐患。
发明内容
本发明的主要目的在于,克服现有技术中的不足,提供一种基于机器视觉的鸡胴体重量自动分级系统及分级方法,实现非直接接触式的重量分级,能够在鸡胴体仅仅悬挂生产线而不接触任何其他物体时完成重量分级,从而避免分级环节污染鸡胴体情况的发生,同时可保证快速、稳定、精确的分级。
为了达到上述目的,本发明所采用的技术方案是:
一种基于机器视觉的鸡胴体重量自动分级系统,包括安装在流水线上的暗箱,内设于暗箱的光源、工业相机和光电开关传感器,以及外设于暗箱的工控机。
其中,所述流水线贯穿过暗箱,所述暗箱的侧壁开设有通孔,流水线上的鸡胴体均依次通过穿过通孔进入暗箱并位于拍摄位置供工业相机采集原始图像和穿出暗箱经流水线传输后进行分级。
而且,所述光源用于对位于拍摄位置的鸡胴体提供拍摄用光,所述光电开关传感器用于检测鸡胴体进入暗箱并将检测信号发送给工业相机,所述工业相机用于根据接收到的检测信号启动采集原始图像并将原始图像发送给工控机,所述工控机用于对原始图像进行图像处理、并经图像处理后得到鸡胴体重量和分级结果。
本发明进一步设置为:所述暗箱包括箱体和顶盖,所述箱体包括依次相连的前板、左侧板、背板和右侧板;所述通孔成对设置,分别开设在左侧板和右侧板上。
本发明进一步设置为:所述工业相机和光电开关传感器均设置在前板的内表面,并与鸡胴体的拍摄位置正对分布。
本发明进一步设置为:所述光源为4个LED灯,成对设置在左侧板和右侧板上,并均朝向鸡胴体的拍摄位置提供拍摄用光。
本发明进一步设置为:所述背板的内表面铺置有黑色背景布。
本发明进一步设置为:所述箱体内设有两个隔板,两个隔板将箱体分隔为三个隔间;三个隔间依次沿流水线穿行暗箱方向分布,包括左隔间、中隔间和右隔间;所述光源、工业相机和光电开关传感器设置在中隔间内,所述左隔间用于拉开暗箱外的光线与中隔间的距离、以使暗箱外的光线不照进中隔间,所述工控机内嵌式安装于右隔间。
本发明进一步设置为:所述工业相机和光电开关传感器均安装在固定面板上,所述固定面板通过调节组件安装在中隔间。
本发明进一步设置为:所述调节组件包括分别安装在两个隔板之间水平分布的前后调节底座,架设于前后调节底座上水平分布的左右调节底座,以及与左右调节底座相垂直设置的高度调节杆;所述固定面板安装在高度调节杆的顶端。
本发明还提供一种基于机器视觉的鸡胴体重量自动分级系统的分级方法,包括以下步骤:
1)通过流水线的运输,流水线上的鸡胴体穿入暗箱,当光电开关传感器检测到鸡胴体位于拍摄位置时,工业相机拍摄鸡胴体获取彩色的初始图像、并将初始图像发送给工控机进行图像处理;
2)工控机对原始图像进行预处理,得到二值化图像;
2-1)将采集的彩色的初始图像通过灰度化处理变换成灰白图像;
2-2)通过滤波处理将灰白图像中的噪声进行去除而得到去噪图像;
2-3)对去噪图像进行形态学处理消除细小物体得到灰度化图像;
2-4)对灰度化图像进行阈值分割得到黑白图像;
2-5)对黑白图像中位于鸡胴体轮廓内的孔洞进行填充处理得到二值化图像;
3)从二值化图像中提取出鸡胴体的特征量,计算特征量的实际值;根据工控机预构建的鸡胴体重量数学模型得到鸡胴体重量预测值,通过将鸡胴体重量预测值与分级重量预设值相比较,得到分级结果并将分级结果显示于显示界面。
本发明的分级方法进一步设置为:所述步骤3)中的鸡胴体的特征量为4个,分别为鸡胴体投影面积、鸡胴体投影轮廓的长度、鸡胸部分高度和鸡胸部分面积;计算得到4个特征量的实际值,分别为鸡胴体投影面积实际值、鸡胴体投影轮廓的长度实际值、鸡胸部分高度实际值和鸡胸部分面积实际值;所述鸡胴体重量数学模型为其中,为鸡胴体重量预测值,Sr为鸡胴体投影面积实际值,Cr为鸡胴体投影轮廓的长度实际值,Ar为鸡胸部分高度实际值,Er为鸡胸部分面积实际值。
与现有技术相比,本发明具有的有益效果是:
本发明提供的基于机器视觉的鸡胴体重量自动分级系统,使用工业相机对输入暗箱中并位于拍摄位置的鸡胴体进行采集原始图像,再通过工控机对原始图像进行图像处理、并经图像处理后得到鸡胴体重量和分级结果,实现非直接接触式的重量分级,能够在鸡胴体仅仅悬挂生产线而不接触任何其他物体时完成重量分级,从而避免分级环节污染鸡胴体情况的发生,同时可保证快速、稳定、精确的分级。
本发明提供的基于机器视觉的鸡胴体重量自动分级系统的分级方法,采用机器视觉技术,它通过捕捉图像、处理图像和分析图像,使用工控机算法处理图像中的物体,提取出鸡胴体的图像特征量,将具体的图像特征量与鸡胴体实际重量根据数学模型建立关系,从而估算出图像中鸡胴体的重量,然后通过设定的重量等级标准,将鸡胴体划分到相应的等级中,图像处理快速高效,实现快速、稳定、精确的分级。
上述内容仅是本发明技术方案的概述,为了更清楚的了解本发明的技术手段,下面结合附图对本发明作进一步的描述。
附图说明
图1为本发明一种基于机器视觉的鸡胴体重量自动分级系统的装配示意图;
图2为本发明一种基于机器视觉的鸡胴体重量自动分级系统的正视结构示意图;
图3为本发明一种基于机器视觉的鸡胴体重量自动分级系统的侧视结构示意图;
图4为本发明一种基于机器视觉的鸡胴体重量自动分级系统的俯视结构示意图;
图5为本发明一种基于机器视觉的鸡胴体重量自动分级系统中调节组件的正视结构示意图;
图6为本发明一种基于机器视觉的鸡胴体重量自动分级系统中调节组件的侧视结构示意图;
图7为本发明一种基于机器视觉的鸡胴体重量自动分级系统中调节组件的俯视结构示意图;
图8为本发明的工控机图像处理得到的灰白图像;
图9为本发明的工控机图像处理得到的黑白图像;
图10为本发明的工控机图像处理得到的二值化图像。
具体实施方式
下面结合说明书附图,对本发明作进一步的说明。
如图1至图7所示,一种基于机器视觉的鸡胴体重量自动分级系统,包括安装在流水线10上的暗箱1,内设于暗箱1的光源2、工业相机3和光电开关传感器4,以及外设于暗箱1的工控机5;所述流水线10贯穿过暗箱1,所述暗箱1的侧壁开设有通孔11,流水线10上的鸡胴体100均依次通过穿过通孔11进入暗箱1并位于拍摄位置供工业相机3采集原始图像和穿出暗箱1经流水线10传输后进行分级。暗箱1的设置可以最大程度地排除外部光线对工业相机3捕捉图像的干扰,暗箱1宽度可设置为仅能拍摄到一个鸡胴体100,左右宽约为22cm即可。
所述光源2用于对位于拍摄位置的鸡胴体100提供拍摄用光,所述光电开关传感器4用于检测鸡胴体100进入暗箱1并将检测信号发送给工业相机3,所述工业相机3用于根据接收到的检测信号启动采集原始图像并将原始图像发送给工控机5,所述工控机5用于对原始图像进行图像处理、并经图像处理后得到鸡胴体重量和分级结果。
所述暗箱1包括箱体和顶盖12,所述箱体包括依次相连的前板13、左侧板14、背板15和右侧板16;所述通孔11成对设置,分别开设在左侧板14和右侧板16上。
所述工业相机3和光电开关传感器4均设置在前板13的内表面,并与鸡胴体100的拍摄位置正对分布。
所述光源2为4个LED灯,成对设置在左侧板14和右侧板16上,并均朝向鸡胴体100的拍摄位置提供拍摄用光。4个LED灯的设置,可为鸡胴体100提供均匀光源,保证没有反光和阴影。
所述背板15的内表面铺置有黑色背景布17,可避免反光,也有利于图像处理。
使用过程:光电开关传感器4与工业相机3的I/O端相接,每当有鸡胴体100从光电开关传感器4正前方经过时会发射一个脉冲到工业相机3,工业相机3接收到脉冲便捕捉一个图像,这样可以拍到的鸡胴体正好处于图像中央。工业相机3通过另一个端口(以太网口)将所捕捉的图像数据传输到工控机5进行图像处理。工控机5中安装有一套图像处理模块,用户可以实时看到工业相机3对每一个鸡胴体100捕捉的图像,同时显示当前鸡胴体100的估计重量和所划分的等级。
流水线10上的鸡胴体100通过穿过通孔11进入暗箱1进行拍摄,由于通孔的存在将导致一部分外界光线进入暗箱1内部。为了减少外界光线对拍摄的干扰,所述箱体内设有两个隔板18,两个隔板18将箱体分隔为三个隔间;三个隔间依次沿流水线10穿行暗箱方向分布,包括左隔间181、中隔间182和右隔间183;所述光源2、工业相机3和光电开关传感器4设置在中隔间182内,所述左隔间181用于拉开暗箱1外的光线与中隔间182的距离、以使暗箱1外的光线不照进中隔间182,所述工控机5内嵌式安装于右隔间183。通过隔板18的设置,可大幅减少外界光照对拍摄的影响。
所述工业相机3和光电开关传感器4均安装在固定面板6上,所述固定面板6通过调节组件7安装在中隔间182,可实现全方位调节,以保证工业相机3可以依次拍摄到流水线10上全部的鸡胴体100。
如图4至图7所示,所述调节组件7包括分别安装在两个隔板18之间水平分布的前后调节底座71,架设于前后调节底座71上水平分布的左右调节底座72,以及与左右调节底座72相垂直设置的高度调节杆73;所述固定面板6安装在高度调节杆73的顶端。
本发明还提供一种基于机器视觉的鸡胴体重量自动分级系统的分级方法,包括以下步骤:
1)通过流水线的运输,流水线上的鸡胴体穿入暗箱,当光电开关传感器检测到鸡胴体位于拍摄位置时,工业相机拍摄鸡胴体获取彩色的初始图像、并将初始图像发送给工控机进行图像处理;
2)工控机对原始图像进行预处理,得到二值化图像;
2-1)将采集的彩色的初始图像通过灰度化处理变换成如图8所示的灰白图像;
2-2)通过滤波处理将灰白图像中的噪声进行去除而得到去噪图像;
2-3)对去噪图像进行形态学处理消除细小物体得到灰度化图像;
2-4)对灰度化图像进行阈值分割得到如图9所示的黑白图像;
由于鸡胴体表面会有血渍、污渍,而这些物体在图像中显示颜色较深,灰度化以后灰度值较低,与背景灰度值接近,通过阈值分割操作后,不仅背景部分全部变成黑色,这些血渍、污渍也会变成黑色,所以在如图9所示的白色的鸡胴体区域中形成了黑色的小点,称之为孔洞,需要将它们去除;
2-5)对黑白图像中位于鸡胴体轮廓内的孔洞进行填充处理得到如图10所示的二值化图像;其中填充处理,即是将鸡胴体轮廓内的黑色孔洞变成白色;
3)从二值化图像中提取出鸡胴体的特征量,计算特征量的实际值;根据工控机预构建的鸡胴体重量数学模型得到鸡胴体重量预测值,通过将鸡胴体重量预测值与分级重量预设值相比较,得到分级结果并将分级结果显示于显示界面。
工控机所预构建的鸡胴体重量数学模型为,
其中,为鸡胴体重量预测值,Sr为鸡胴体投影面积实际值,Cr为鸡胴体投影轮廓的长度实际值,Ar为鸡胸部分高度实际值,Er为鸡胸部分面积实际值。
可从二值化图像中提取出4个鸡胴体的特征量,分别为鸡胴体投影面积、鸡胴体投影轮廓的长度、鸡胸部分高度和鸡胸部分面积。
然后根据4个鸡胴体的特征量计算得到4个特征量的实际值,分别为鸡胴体投影面积实际值、鸡胴体投影轮廓的长度实际值、鸡胸部分高度实际值和鸡胸部分面积实际值。
根据4个特征量的实际值以及鸡胴体重量数学模型,得到鸡胴体重量预测值。已知肉鸡常见的白羽肉鸡和黄羽肉鸡上市体重约为1.5-3.3kg/只,胴体率(鸡胴体重量占活体重量的百分比)约为70%,且较稳定,即常见肉鸡胴体体重为1050-2310g/只,所以可将鸡胴体分级重量预设值设置为1000-2500g/只;经重量比较,输出并显示分级结果于工控机显示界面。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种基于机器视觉的鸡胴体重量自动分级系统,其特征在于:包括安装在流水线上的暗箱,内设于暗箱的光源、工业相机和光电开关传感器,以及外设于暗箱的工控机;
所述流水线贯穿过暗箱,所述暗箱的侧壁开设有通孔,流水线上的鸡胴体均依次通过穿过通孔进入暗箱并位于拍摄位置供工业相机采集原始图像和穿出暗箱经流水线传输后进行分级;
所述光源用于对位于拍摄位置的鸡胴体提供拍摄用光,所述光电开关传感器用于检测鸡胴体进入暗箱并将检测信号发送给工业相机,所述工业相机用于根据接收到的检测信号启动采集原始图像并将原始图像发送给工控机,所述工控机用于对原始图像进行图像处理、并经图像处理后得到鸡胴体重量和分级结果。
2.根据权利要求1所述的一种基于机器视觉的鸡胴体重量自动分级系统,其特征在于:所述暗箱包括箱体和顶盖,所述箱体包括依次相连的前板、左侧板、背板和右侧板;所述通孔成对设置,分别开设在左侧板和右侧板上。
3.根据权利要求2所述的一种基于机器视觉的鸡胴体重量自动分级系统,其特征在于:所述工业相机和光电开关传感器均设置在前板的内表面,并与鸡胴体的拍摄位置正对分布。
4.根据权利要求1所述的一种基于机器视觉的鸡胴体重量自动分级系统,其特征在于:所述光源为4个LED灯,成对设置在左侧板和右侧板上,并均朝向鸡胴体的拍摄位置提供拍摄用光。
5.根据权利要求2所述的一种基于机器视觉的鸡胴体重量自动分级系统,其特征在于:所述背板的内表面铺置有黑色背景布。
6.根据权利要求2所述的一种基于机器视觉的鸡胴体重量自动分级系统,其特征在于:所述箱体内设有两个隔板,两个隔板将箱体分隔为三个隔间;三个隔间依次沿流水线穿行暗箱方向分布,包括左隔间、中隔间和右隔间;所述光源、工业相机和光电开关传感器设置在中隔间内,所述左隔间用于拉开暗箱外的光线与中隔间的距离、以使暗箱外的光线不照进中隔间,所述工控机内嵌式安装于右隔间。
7.根据权利要求2所述的一种基于机器视觉的鸡胴体重量自动分级系统,其特征在于:所述工业相机和光电开关传感器均安装在固定面板上,所述固定面板通过调节组件安装在中隔间。
8.根据权利要求7所述的一种基于机器视觉的鸡胴体重量自动分级系统,其特征在于:所述调节组件包括分别安装在两个隔板之间水平分布的前后调节底座,架设于前后调节底座上水平分布的左右调节底座,以及与左右调节底座相垂直设置的高度调节杆;所述固定面板安装在高度调节杆的顶端。
9.一种基于机器视觉的鸡胴体重量自动分级系统的分级方法,其特征在于,包括以下步骤:
1)通过流水线的运输,流水线上的鸡胴体穿入暗箱,当光电开关传感器检测到鸡胴体位于拍摄位置时,工业相机拍摄鸡胴体获取彩色的初始图像、并将初始图像发送给工控机进行图像处理;
2)工控机对原始图像进行预处理,得到二值化图像;
2-1)将采集的彩色的初始图像通过灰度化处理变换成灰白图像;
2-2)通过滤波处理将灰白图像中的噪声进行去除而得到去噪图像;
2-3)对去噪图像进行形态学处理消除细小物体得到灰度化图像;
2-4)对灰度化图像进行阈值分割得到黑白图像;
2-5)对黑白图像中位于鸡胴体轮廓内的孔洞进行填充处理得到二值化图像;
3)从二值化图像中提取出鸡胴体的特征量,计算特征量的实际值;根据工控机预构建的鸡胴体重量数学模型得到鸡胴体重量预测值,通过将鸡胴体重量预测值与分级重量预设值相比较,得到分级结果并将分级结果显示于显示界面。
10.根据权利要求9所述的一种基于机器视觉的鸡胴体重量自动分级系统的分级方法,其特征在于:所述步骤3)中的鸡胴体的特征量为4个,分别为鸡胴体投影面积、鸡胴体投影轮廓的长度、鸡胸部分高度和鸡胸部分面积;计算得到4个特征量的实际值,分别为鸡胴体投影面积实际值、鸡胴体投影轮廓的长度实际值、鸡胸部分高度实际值和鸡胸部分面积实际值;
所述鸡胴体重量数学模型为其中,为鸡胴体重量预测值,Sr为鸡胴体投影面积实际值,Cr为鸡胴体投影轮廓的长度实际值,Ar为鸡胸部分高度实际值,Er为鸡胸部分面积实际值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610692214.9A CN106140648B (zh) | 2016-08-19 | 2016-08-19 | 一种基于机器视觉的鸡胴体重量自动分级系统及分级方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610692214.9A CN106140648B (zh) | 2016-08-19 | 2016-08-19 | 一种基于机器视觉的鸡胴体重量自动分级系统及分级方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106140648A true CN106140648A (zh) | 2016-11-23 |
CN106140648B CN106140648B (zh) | 2018-08-24 |
Family
ID=57331436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610692214.9A Active CN106140648B (zh) | 2016-08-19 | 2016-08-19 | 一种基于机器视觉的鸡胴体重量自动分级系统及分级方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106140648B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107993203A (zh) * | 2017-11-27 | 2018-05-04 | 吉林省艾斯克机电股份有限公司 | 一种家禽胴体影像分级方法及其分级系统 |
CN108719424A (zh) * | 2018-06-04 | 2018-11-02 | 浙江海洋大学 | 一种基于机器视觉的水产品分类方法及系统 |
CN108801160A (zh) * | 2018-08-21 | 2018-11-13 | 杭州飞锐科技有限公司 | 种虾体形检测和选型设备及方法 |
CN108917616A (zh) * | 2018-08-21 | 2018-11-30 | 杭州飞锐科技有限公司 | 活体对虾生长表型检测设备及方法 |
CN109115777A (zh) * | 2018-09-12 | 2019-01-01 | 滁州学院 | 一种基于图像形变特征的鸡胸肉木质化程度分级系统及分级方法 |
CN110841935A (zh) * | 2019-11-08 | 2020-02-28 | 华南农业大学 | 一种基于机器视觉的活体鳗鱼重量分级分选方法及装置 |
CN111354034A (zh) * | 2019-04-02 | 2020-06-30 | 北京航空航天大学 | 面向轨道交通乘客表面积估算的图像识别系统及方法 |
CN111461136A (zh) * | 2019-01-21 | 2020-07-28 | 北京海益同展信息科技有限公司 | 数据处理方法、装置、系统、计算机可读存储介质 |
CN111696139A (zh) * | 2020-06-01 | 2020-09-22 | 南京农业大学 | 基于rgb图像的白羽种鸡群体体重估测系统和方法 |
CN112577425A (zh) * | 2020-11-24 | 2021-03-30 | 华南农业大学 | 种鸡性能测定仪和测定方法 |
CN114626895A (zh) * | 2022-04-01 | 2022-06-14 | 西南大学 | 基于机器视觉的草莓估价方法及远程采摘控制系统 |
CN116649248A (zh) * | 2023-06-21 | 2023-08-29 | 海阳市鼎立种鸡有限责任公司 | 一种精准控料的智能喂料系统及方法 |
US11934652B2 (en) | 2020-10-14 | 2024-03-19 | Samsung Electronics Co., Ltd. | Display apparatus and control method thereof |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4450073A (en) * | 1981-12-24 | 1984-05-22 | Burnett C H | Automatic weight grading and sorting apparatus |
CN1882248A (zh) * | 2003-12-13 | 2006-12-20 | Csb-系统公司 | 评估屠宰动物畜体的质量和数量的方法 |
CN103175844A (zh) * | 2012-03-16 | 2013-06-26 | 沈阳理工大学 | 一种金属零部件表面划痕缺陷检测方法 |
CN103185731A (zh) * | 2013-02-05 | 2013-07-03 | 南京农业大学 | 基于彩色图像纹理特征的检测牛肉嫩度的装置及其方法 |
CN105214961A (zh) * | 2015-09-28 | 2016-01-06 | 山东农业大学 | 一种食品加工流水线质量检测与重量分级的全自动设备 |
CN105300899A (zh) * | 2015-12-14 | 2016-02-03 | 南京农业大学 | 一种家禽多光谱图像数字定向采集装置和方法 |
CN206064839U (zh) * | 2016-08-19 | 2017-04-05 | 南京农业大学 | 一种基于机器视觉的鸡胴体重量自动分级系统 |
-
2016
- 2016-08-19 CN CN201610692214.9A patent/CN106140648B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4450073A (en) * | 1981-12-24 | 1984-05-22 | Burnett C H | Automatic weight grading and sorting apparatus |
CN1882248A (zh) * | 2003-12-13 | 2006-12-20 | Csb-系统公司 | 评估屠宰动物畜体的质量和数量的方法 |
CN103175844A (zh) * | 2012-03-16 | 2013-06-26 | 沈阳理工大学 | 一种金属零部件表面划痕缺陷检测方法 |
CN103185731A (zh) * | 2013-02-05 | 2013-07-03 | 南京农业大学 | 基于彩色图像纹理特征的检测牛肉嫩度的装置及其方法 |
CN105214961A (zh) * | 2015-09-28 | 2016-01-06 | 山东农业大学 | 一种食品加工流水线质量检测与重量分级的全自动设备 |
CN105300899A (zh) * | 2015-12-14 | 2016-02-03 | 南京农业大学 | 一种家禽多光谱图像数字定向采集装置和方法 |
CN206064839U (zh) * | 2016-08-19 | 2017-04-05 | 南京农业大学 | 一种基于机器视觉的鸡胴体重量自动分级系统 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107993203A (zh) * | 2017-11-27 | 2018-05-04 | 吉林省艾斯克机电股份有限公司 | 一种家禽胴体影像分级方法及其分级系统 |
CN108719424A (zh) * | 2018-06-04 | 2018-11-02 | 浙江海洋大学 | 一种基于机器视觉的水产品分类方法及系统 |
CN108801160A (zh) * | 2018-08-21 | 2018-11-13 | 杭州飞锐科技有限公司 | 种虾体形检测和选型设备及方法 |
CN108917616A (zh) * | 2018-08-21 | 2018-11-30 | 杭州飞锐科技有限公司 | 活体对虾生长表型检测设备及方法 |
CN109115777A (zh) * | 2018-09-12 | 2019-01-01 | 滁州学院 | 一种基于图像形变特征的鸡胸肉木质化程度分级系统及分级方法 |
CN111461136B (zh) * | 2019-01-21 | 2023-12-08 | 京东科技信息技术有限公司 | 数据处理方法、装置、系统、计算机可读存储介质 |
CN111461136A (zh) * | 2019-01-21 | 2020-07-28 | 北京海益同展信息科技有限公司 | 数据处理方法、装置、系统、计算机可读存储介质 |
CN111354034A (zh) * | 2019-04-02 | 2020-06-30 | 北京航空航天大学 | 面向轨道交通乘客表面积估算的图像识别系统及方法 |
CN110841935A (zh) * | 2019-11-08 | 2020-02-28 | 华南农业大学 | 一种基于机器视觉的活体鳗鱼重量分级分选方法及装置 |
CN110841935B (zh) * | 2019-11-08 | 2024-04-12 | 华南农业大学 | 一种基于机器视觉的活体鳗鱼重量分级分选方法及装置 |
CN111696139A (zh) * | 2020-06-01 | 2020-09-22 | 南京农业大学 | 基于rgb图像的白羽种鸡群体体重估测系统和方法 |
CN111696139B (zh) * | 2020-06-01 | 2024-02-02 | 南京农业大学 | 基于rgb图像的白羽种鸡群体体重估测系统和方法 |
US11934652B2 (en) | 2020-10-14 | 2024-03-19 | Samsung Electronics Co., Ltd. | Display apparatus and control method thereof |
CN112577425A (zh) * | 2020-11-24 | 2021-03-30 | 华南农业大学 | 种鸡性能测定仪和测定方法 |
CN114626895A (zh) * | 2022-04-01 | 2022-06-14 | 西南大学 | 基于机器视觉的草莓估价方法及远程采摘控制系统 |
CN116649248A (zh) * | 2023-06-21 | 2023-08-29 | 海阳市鼎立种鸡有限责任公司 | 一种精准控料的智能喂料系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106140648B (zh) | 2018-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106140648A (zh) | 一种基于机器视觉的鸡胴体重量自动分级系统及分级方法 | |
CN102221559B (zh) | 基于机器视觉的织物疵点在线自动检测方法及其装置 | |
CN101561402B (zh) | 基于机器视觉的猪肉外观品质实时检测分级方法与装置 | |
CN105651776A (zh) | 基于计算机视觉的牛胴体产肉量自动分级装置与方法 | |
CN106733701B (zh) | 马铃薯多级联合智能缺陷检测系统及检测方法 | |
CN108982514A (zh) | 一种铸件表面缺陷仿生视觉检测系统 | |
CN109165577A (zh) | 一种基于视频图像的早期森林火灾检测方法 | |
CN108287010B (zh) | 一种螃蟹多指标分级装置与方法 | |
CN103076288B (zh) | 一种基于计算机视觉的鱼肉自动分级装置和方法 | |
CN206064839U (zh) | 一种基于机器视觉的鸡胴体重量自动分级系统 | |
CN109269951A (zh) | 基于图像的浮选尾煤灰分、浓度、粗颗粒含量检测方法 | |
CN104574389A (zh) | 基于彩色机器视觉的电池片色差分选控制方法 | |
CN102147402A (zh) | 机器视觉技术快速检测鸡蛋新鲜度的方法 | |
CN103489006A (zh) | 一种基于计算机视觉的水稻病虫草害诊断方法 | |
CN106370667A (zh) | 一种玉米籽粒品质视觉检测装置及方法 | |
CN106918594A (zh) | 一种在线分析籽棉色特征和杂质的方法 | |
CN106548480A (zh) | 一种基于机器视觉的农产品体积快速测量装置及测量方法 | |
CN109918971A (zh) | 监控视频中人数检测方法及装置 | |
CN109829881A (zh) | 基于深度学习的鸟巢检测方法及系统 | |
Li et al. | Estimation of pig weight by machine vision: A review | |
CN109089992A (zh) | 一种基于机器视觉的鱼类新鲜度的分类方法及系统 | |
CN104198325A (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
CN106903075A (zh) | 一种鞋面logo多方位视觉检测方法及系统 | |
CN201508328U (zh) | 基于机器视觉的猪肉外观品质实时检测分级装置 | |
CN107993203A (zh) | 一种家禽胴体影像分级方法及其分级系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |