CN106780537A - 一种基于图像处理的方格蔟蚕茧筛选装置及方法 - Google Patents
一种基于图像处理的方格蔟蚕茧筛选装置及方法 Download PDFInfo
- Publication number
- CN106780537A CN106780537A CN201710018548.2A CN201710018548A CN106780537A CN 106780537 A CN106780537 A CN 106780537A CN 201710018548 A CN201710018548 A CN 201710018548A CN 106780537 A CN106780537 A CN 106780537A
- Authority
- CN
- China
- Prior art keywords
- pixel
- value
- silk cocoon
- cocoon
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M11/00—Counting of objects distributed at random, e.g. on a surface
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于图像处理的方格蔟蚕茧筛选装置及方法，该装置包括台架、工作台、方格簇和CMOS摄像头。CMOS摄像头通过一个支架固定于工作台上，方格蔟位于CMOS摄像头下方；本发明结合图像处理技术进行方格蔟蚕茧自动计数及筛选，使用CMOS摄像机，对采集到的图像采用二值化、腐蚀分割算法并利用区域特征提取，对方格蔟蚕茧图片进行处理，有效的将蚕茧从方格蔟里分离了出来，然后通过对目标连通域进行标记，并统计目标连通域的数量得出蚕茧数量，利用每个目标连通域的面积区域描绘子进行特征提取，通过对连通域面积的判断，区分出双宫茧，特小茧等不良茧，计数效果准确快速。
Description
(一)技术领域
本发明涉及一种基于图像处理的方格蔟蚕茧筛选装置及方法。
(二)背景技术
方格蔟已经成为我国蚕业生产中广泛使用的蔟具，尤其以纸板方格蔟的使用量最大。随着方格蔟的大量使用，相继研发了多款方格蔟自动采茧设备，但这些设备的结构复杂，自动化程度不高，仍需要人工辅助操作，且无蚕茧分选功能，无法识别双宫茧、特小茧等不良茧。对方格蔟内的蚕茧进行采集的常用方式依然是传统的手工采茧，采完后再进行数量统计和不良茧的筛选，统计筛选的效率和精准率低下，多数、漏数、错选的情况时常发生。因此，需要开发出一种高效、高精确度的蚕茧采集装置及系统，使其可以对方格蔟内的蚕茧进行采集，并在采集过程中直接进行数量统计和筛选。而随着图像处理技术的快速发展，将图像处理技术与图像识别技术应用于蚕茧采集与统计领域，将对蚕茧采集、统计与筛选方式产生重大的影响。
(三)发明内容
为了解决上述问题，本发明提供了一种基于图像处理的方格蔟蚕茧筛选装置及方法。本发明利用CMOS摄像头采集到的图像进行处理分析，在采集过程中直接进行数量统计和筛选。
一种基于图像处理的方格蔟蚕茧筛选装置，包括台架、工作台、方格簇、CMOS摄像头；台架用于支撑工作台；CMOS摄像头悬于方格簇正上方，能正对方格簇上的蚕茧拍照，使用CMOS摄像头能完整的采集到方格蔟上蚕茧的原始图像。
本发明对采集到的原始图像进行处理，得到方格簇中蚕茧和不良蚕茧的数量。
一种基于图像处理的方格蔟蚕茧筛选方法，步骤如下：
1、使用CMOS摄像头对方格蔟蚕茧进行图像采集。
2、设定阈值L0,对采集到的原始方格蔟蚕茧图像进行二值化处理，灰度值超过阈值L0的像素判定为目标区域，从而得到二值化图像。利用Otus法确定阈值L0，方法如下：
2.1统计灰度图像总的像素数N，并找出最小灰度值Lmin和最大灰度值Lmax，则灰度图像的灰度范围为[Lmin，Lmax]。假设阈值为T，T在[Lmin，Lmax]范围内，则灰度图像的像素灰度值被阈值T分为两部分C0和C1。C0由灰度值在[Lmin，T-1]范围内的像素组成，C1由灰度值在[T，Lmax]范围内的像素组成，则区域C0和C1的概率分别为：P1＝1-P0。区域C0和C1的平均灰度分别为： 灰度图像的平均灰度为：μ＝P0μ0+P1μ1,C0和C1两个区域的总方差为：将T在[Lmin，Lmax]范围内以像素灰度值每次增加1的方式依次取值，使最大的T值便是最佳区域分割阈值L。
2.2在阈值L上下各10个灰度值的范围内对阈值进行调节，得到使二值化图像分割效果最清楚的阈值L0，使用阈值L0对灰度图像进行二值化，大于阈值L0的像素点的像素灰度值为255，小于阈值L0的像素点的像素灰度值为0，这样就得到了二值化后的图片。
3、对二值化图片进行腐蚀分割、形态学运算，选择灰度值为255的点所组成的连通域(即蚕茧图像)作为目标区域，具体方法如下：
3.1对二值化图片进行8×8的正方形结构元素腐蚀，腐蚀1到2次将方格蔟与蚕茧粘连部分分开；
3.2对腐蚀后二值化图像像素值为255的像素点标记为若干个连通域，并把这些连通域作为目标连通域。
标记过程如下：
按由左至右，由上至下的顺序遍历二值化图像中的所有像素点，将像素值为255的像素点作为目标像素点，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两个4邻域像素点：
如果当前像素点左侧和上侧的两个4邻域像素点都不是目标像素点，则用新的标号对当前像素点进行标记；
如果当前像素点左侧和上侧的两个4邻域像素点中有一个为目标像素点，则用两者中目标像素点的标号对当前像素点进行标记；
如果当前像素点左侧和上侧的两个4邻域像素点都为目标像素点，并且两者有相同的标号时，采用该标号对当前像素点进行标记；
如果当前像素点左侧和上侧的两个4邻域像素点都为目标像素点，但两者的标号不同时，采用两者中的任意一个的标号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；
根据所有的等价对，将所有等价的标号归为一个等价组，针对每一个等价组，采用相同的标号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，具有相同标号的像素点组成一个连通区域。
3.3确定被标记的目标连通域的主轴，然后计算能够将连通域完全包含的形状特征的主轴方向上的最小长度m和与之垂直方向上的最小宽度n，则长度为m、宽度为n连通区域外接矩形就是该连通域的最小外接矩形；
3.4统计所有被标记的目标连通域的最小外接矩形的长和宽，根据图像中的蚕茧大小设置长和宽的范围，遍历所有被标记的目标连通域，寻找满足蚕茧长和宽的连通域，即为表示蚕茧的连通域。统计目标区域的个数，即为方格蔟中蚕茧的个数。
步骤1)中采集原始图像时,在方格蔟旁边放一个精度为1mm、长度为10cm的标尺,并保证该标尺能被摄像头拍到。拍摄完成后，测量采集到的原始图像上的标尺长度为λcm,则图像的比例尺为：真实物体横截面积与采集到的原始图像中物体的面积比为：将真实的一个蚕茧抽象为一个椭圆形，测量其最长轴长度l1与最短轴的长度l2,则在采集到的原始图像上蚕茧的最长轴的长度最短轴的长度为重复测量多个真实的蚕茧，找到l1的一个最大值和最小值及l2的一个最大值和最小值计算出相对应的原始图像上的l1'的一个最大值和一个最小值l2'的一个最大值和一个最小值忽略掉腐蚀所引起的连通区域形变，把和看作最小外接矩形长的范围，把和看作最小外接矩形宽的范围，当某连通域最小外接矩形的长m满足并且宽n满足时，这个连通域是蚕茧连通域。
4、求出每个目标区域所包含像素的数量，并将其作为该区域的面积特征；
5、通过对区域面积的判断，筛选出双宫茧，特小茧等不良茧：
如果目标物体区域的面积s满足s1>s>s2，则将当前目标区域看作单个正常蚕茧区域；
如果目标物体区域的面积s满足s≥s1，则将当前目标区域看作不良茧中的双宫茧区域；
如果目标物体区域的面积s满足s≤s2，则将当前目标区域看作不良茧中的特小茧区域。
通过步骤3.4中的方法，得到真实物体横截面积与采集到的原始图像中物体的面积比为：以双宫茧和特小茧的长轴方向为水平方向，分别测量双宫茧和特小茧的横截面积ψ1和ψ2，分别测量多个双宫茧和特小茧的横截面积,分别求其横截面积的平均值和可得到原始图像中对应的代表双宫茧区域的平均面积代表特小茧区域的平均面积因此s1、s2为双宫茧和特小茧的分界值。
本发明的有益效果：
本发明给出了一种将方格蔟与蚕茧分离的方法，可用于直接对方格蔟内的蚕茧进行采摘，并统计其数量，克服了将蚕茧采摘后计数因为有重叠阻挡所造成的计数不准确，并且可以将此方法用于基于机器视觉的自动采茧机，实现对方格蔟内蚕茧准确定位与采摘。
(四)附图说明
图1是方格蔟蚕茧图像采集装置总装图。
图中1.台架2.工作台3.方格蔟4.CMOS摄像头。
(五)具体实施方式：
下面将结合具体实例对本发明进行详细说明：
一种基于图像处理的方格蔟内蚕茧数量筛选装置，包括：台架、工作台、方格簇、CMOS摄像头；台架用于支撑工作台；CMOS摄像头通过一个支架固定于工作台上，使其镜头悬于工作台正上方，能正对工作台拍照。方格蔟位于CMOS摄像头下方，并保证CMOS摄像头能完整的采集到方格簇的图像。
一种基于图像处理的方格蔟蚕茧筛选方法，步骤如下：
1、使用CMOS摄像头对方格蔟蚕茧进行图像采集。
2、设定阈值L0,对采集到的原始方格蔟蚕茧图像进行二值化处理，灰度值超过阈值L0的像素判定为目标区域，从而得到二值化图像。利用Otus法确定阈值L0，方法如下：
2.1统计灰度图像总的像素数N，并找出最小灰度值Lmin和最大灰度值Lmax，则灰度图像的灰度范围为[Lmin，Lmax]。假设阈值为T，T在[Lmin，Lmax]范围内，则灰度图像的像素灰度值被阈值T分为两部分C0和C1。C0由灰度值在[Lmin，T-1]范围内的像素组成，C1由灰度值在[T，Lmax]范围内的像素组成，则区域C0和C1的概率分别为：P1＝1-P0。区域C0和C1的平均灰度分别为： 灰度图像的平均灰度为：μ＝P0μ0+P1μ1,C0和C1两个区域的总方差为：将T在[Lmin，Lmax]范围内以像素灰度值每次增加1的方式依次取值，使最大的T值便是最佳区域分割阈值L。
2.2在阈值L上下各10个灰度值的范围内对阈值进行调节，得到使二值化图像分割效果最清楚的阈值L0，使用阈值L0对灰度图像进行二值化，大于阈值L0的像素点的像素灰度值为255，小于阈值L0的像素点的像素灰度值为0，这样就得到了二值化后的图片。
3、对二值化图片进行腐蚀分割、形态学运算，选择灰度值为255的点所组成的连通域(即蚕茧图像)作为目标区域，具体方法如下：
3.1对二值化图片进行8×8的正方形结构元素腐蚀，腐蚀1到2次将方格蔟与蚕茧粘连部分分开；
3.2对腐蚀后二值化图像像素值为255的像素点标记为若干个连通域，并把这些连通域作为目标连通域。
标记过程如下：
按由左至右，由上至下的顺序遍历二值化图像中的所有像素点，将像素值为255的像素点作为目标像素点，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两个4邻域像素点：
如果当前像素点左侧和上侧的两个4邻域像素点都不是目标像素点，则用新的标号对当前像素点进行标记；
如果当前像素点左侧和上侧的两个4邻域像素点中有一个为目标像素点，则用两者中目标像素点的标号对当前像素点进行标记；
如果当前像素点左侧和上侧的两个4邻域像素点都为目标像素点，并且两者有相同的标号时，采用该标号对当前像素点进行标记；
如果当前像素点左侧和上侧的两个4邻域像素点都为目标像素点，但两者的标号不同时，采用两者中的任意一个的标号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；
根据所有的等价对，将所有等价的标号归为一个等价组，针对每一个等价组，采用相同的标号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，具有相同标号的像素点组成一个连通区域。
3.3确定被标记的目标连通域的主轴，然后计算能够将连通域完全包含的形状特征的主轴方向上的最小长度m和与之垂直方向上的最小宽度n，则长度为m、宽度为n连通区域外接矩形就是该连通域的最小外接矩形；
3.4统计所有被标记的目标连通域的最小外接矩形的长和宽，根据图像中的蚕茧大小设置长和宽的范围，遍历所有被标记的目标连通域，寻找满足蚕茧长和宽的连通域，即为表示蚕茧的连通域。统计目标区域的个数，即为方格蔟中蚕茧的个数。
步骤1中采集原始图像时,在方格蔟旁边放一个精度为1mm、长度为10cm的标尺,并保证该标尺能被摄像头拍到。拍摄完成后，测量采集到的原始图像上的标尺长度为λcm,则图像的比例尺为：真实物体横截面积与采集到的原始图像中物体的面积比为：将真实的一个蚕茧抽象为一个椭圆形，测量其最长轴长度l1与最短轴的长度l2,则在采集到的原始图像上蚕茧的最长轴的长度最短轴的长度为重复测量多个真实的蚕茧，找到l1的一个最大值和最小值及l2的一个最大值和最小值可计算出相对应的原始图像上的l1'的一个最大值和一个最小值l2'的一个最大值和一个最小值忽略掉腐蚀所引起的连通区域形变，把和看作最小外接矩形长的范围，把和看作最小外接矩形宽的范围，当某连通域最小外接矩形的长m满足并且宽n满足时，这个连通域是蚕茧连通域。
4、求出每个目标区域所包含像素的数量，并将其作为该区域的面积特征；
5、通过对区域面积的判断，筛选出双宫茧，特小茧等不良茧：
如果目标物体区域的面积s满足s1>s>s2，则将当前目标区域看作单个正常蚕茧区域；
如果目标物体区域的面积s满足s≥s1，则将当前目标区域看作不良茧中的双宫茧区域；
如果目标物体区域的面积s满足s≤s2，则将当前目标区域看作不良茧中的特小茧区域。
通过步骤3.4中的方法，可以得到真实物体横截面积与采集到的原始图像中物体的面积比为：以双宫茧和特小茧的长轴方向为水平方向，分别测量双宫茧和特小茧的横截面积ψ1和ψ2，可以分别测量多个双宫茧和特小茧的横截面积,分别求其横截面积的平均值和可得到原始图像中对应的代表双宫茧区域的平均面积代表特小茧区域的平均面积因此可以把s1、s2看作双宫茧和特小茧的分界值。
本发明的保护范围不限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。
Claims (3)
1.一种基于图像处理的方格蔟蚕茧筛选方法，其特征在于步骤如下：
1)使用CMOS摄像头对方格蔟蚕茧进行图像采集；
2)设定阈值L0,对采集到的原始方格蔟蚕茧图像进行二值化处理，灰度值超过阈值L0的像素判定为目标区域，从而得到二值化图像；利用Otus法确定阈值L0，方法如下：
2.1统计灰度图像总的像素数N，并找出最小灰度值Lmin和最大灰度值Lmax，则灰度图像的灰度范围为[Lmin，Lmax]；假设阈值为T，T在[Lmin，Lmax]范围内，则灰度图像的像素灰度值被阈值T分为两部分C0和C1；C0由灰度值在[Lmin，T-1]范围内的像素组成，C1由灰度值在[T，Lmax]范围内的像素组成，则区域C0和C1的概率分别为：P1＝1-P0；区域C0和C1的平均灰度分别为： 灰度图像的平均灰度为：μ＝P0μ0+P1μ1,C0和C1两个区域的总方差为：将T在[Lmin，Lmax]范围内以像素灰度值每次增加1的方式依次取值，使最大的T值便是最佳区域分割阈值L；
2.2在阈值L上下各10个灰度值的范围内对阈值进行调节，得到使二值化图像分割效果最清楚的阈值L0，使用阈值L0对灰度图像进行二值化，大于阈值L0的像素点的像素灰度值为255，小于阈值L0的像素点的像素灰度值为0，这样就得到了二值化后的图片；
3)对二值化图片进行腐蚀分割、形态学运算，选择灰度值为255的点所组成的连通域即蚕茧图像作为目标区域，具体方法如下：
3.1对二值化图片进行8×8的正方形结构元素腐蚀，腐蚀1到2次将方格蔟与蚕茧粘连部分分开；
3.2对腐蚀后二值化图像像素值为255的像素点标记为若干个连通域，并把这些连通域作为目标连通域；
3.3确定被标记的目标连通域的主轴，然后计算能够将连通域完全包含的形状特征的主轴方向上的最小长度m和与之垂直方向上的最小宽度n，则长度为m、宽度为n连通区域外接矩形就是该连通域的最小外接矩形；
3.4统计所有被标记的目标连通域的最小外接矩形的长和宽，根据图像中的蚕茧大小设置长和宽的范围，遍历所有被标记的目标连通域，寻找满足蚕茧长和宽的连通域，即为表示蚕茧连通域；统计目标区域的个数，即为方格蔟中蚕茧的个数；
4)求出每个目标区域所包含像素的数量，并将其作为该区域的面积特征；
5)通过对区域面积的判断，筛选出双宫茧或特小茧：
如果目标物体区域的面积s满足s1>s>s2，则将当前目标区域看作单个正常蚕茧区域；
如果目标物体区域的面积s满足s≥s1，则将当前目标区域看作不良茧中的双宫茧区域；
如果目标物体区域的面积s满足s≤s2，则将当前目标区域看作不良茧中的特小茧区域；
通过步骤3.4中的方法，得到真实物体横截面积与采集到的原始图像中物体的面积比为：以双宫茧和特小茧的长轴方向为水平方向，分别测量双宫茧和特小茧的横截面积ψ1和ψ2，分别测量多个双宫茧和特小茧的横截面积,分别求其横截面积的平均值和得到原始图像中对应的代表双宫茧区域的平均面积代表特小茧区域的平均面积
2.如权利要求1所述的一种基于图像处理的方格蔟蚕茧筛选方法，其特征在于所述3.2中标记方法如下：
按由左至右，由上至下的顺序遍历二值化图像中的所有像素点，将像素值为255的像素点作为目标像素点，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两个4邻域像素点：
如果当前像素点左侧和上侧的两个4邻域像素点都不是目标像素点，则用新的标号对当前像素点进行标记；
如果当前像素点左侧和上侧的两个4邻域像素点中有一个为目标像素点，则用两者中目标像素点的标号对当前像素点进行标记；
如果当前像素点左侧和上侧的两个4邻域像素点都为目标像素点，并且两者有相同的标号时，采用该标号对当前像素点进行标记；
如果当前像素点左侧和上侧的两个4邻域像素点都为目标像素点，但两者的标号不同时，采用两者中的任意一个的标号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；
根据所有的等价对，将所有等价的标号归为一个等价组，针对每一个等价组，采用相同的标号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，具有相同标号的像素点组成一个连通区域。
3.如权利要求1所述的一种基于图像处理的方格蔟蚕茧筛选方法，其特征在于所述步骤3.4中蚕茧连通域通过以下方法确定：
所述步骤1)中采集原始图像时,在方格蔟旁边放一个精度为1mm、长度为10cm的标尺,并保证该标尺能被摄像头拍到；拍摄完成后，测量采集到的原始图像上的标尺长度为λcm,则图像的比例尺为：真实物体横截面积与采集到的原始图像中物体的面积比为：将真实的一个蚕茧抽象为一个椭圆形，测量其最长轴长度l1与最短轴的长度l2,则在采集到的原始图像上蚕茧的最长轴的长度最短轴的长度为重复测量多个真实的蚕茧，找到l1的一个最大值和最小值及l2的一个最大值和最小值计算出相对应的原始图像上的l1'的一个最大值和一个最小值l2'的一个最大值和一个最小值忽略掉腐蚀所引起的连通区域形变，把和看作最小外接矩形长的范围，把和看作最小外接矩形宽的范围，当某连通域最小外接矩形的长m满足并且宽n满足时，这个连通域为蚕茧连通域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710018548.2A CN106780537B (zh) | 2017-01-11 | 2017-01-11 | 一种基于图像处理的方格蔟蚕茧筛选装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710018548.2A CN106780537B (zh) | 2017-01-11 | 2017-01-11 | 一种基于图像处理的方格蔟蚕茧筛选装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106780537A true CN106780537A (zh) | 2017-05-31 |
| CN106780537B CN106780537B (zh) | 2019-08-23 |
Family
ID=58949155
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710018548.2A Active CN106780537B (zh) | 2017-01-11 | 2017-01-11 | 一种基于图像处理的方格蔟蚕茧筛选装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106780537B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN107736313A (zh) * | 2017-10-31 | 2018-02-27 | 四川省农业机械研究设计院 | 蚕宝监控方法及系统 |
| CN108109133A (zh) * | 2017-10-31 | 2018-06-01 | 青岛大学 | 一种基于数字图像处理技术的蚕卵自动计数方法 |
| 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 |
| CN109035244A (zh) * | 2018-08-14 | 2018-12-18 | 张家港江苏科技大学产业技术研究院 | 自动摘茧系统、自动摘茧机及摘茧方法 |
| CN109509200A (zh) * | 2018-12-26 | 2019-03-22 | 深圳市繁维医疗科技有限公司 | 基于轮廓提取的棋盘格角点检测方法、装置以及计算机可读存储介质 |
| CN109684948A (zh) * | 2018-12-11 | 2019-04-26 | 歌尔股份有限公司 | 检测物体网孔异常的方法、装置及系统 |
| CN109816396A (zh) * | 2017-11-22 | 2019-05-28 | 财团法人资讯工业策进会 | 工段历程追踪系统及工段历程追踪方法 |
| CN111931651A (zh) * | 2020-08-11 | 2020-11-13 | 北华航天工业学院 | 一种视觉检测图像处理系统及其处理方法 |
| CN112149629A (zh) * | 2020-10-19 | 2020-12-29 | 广西壮族自治区蚕业技术推广站 | 母种自动选择系统 |
| CN114847244A (zh) * | 2022-06-21 | 2022-08-05 | 安徽理工大学 | 可移动双模式采茧机器人 |
| CN115294139A (zh) * | 2022-10-08 | 2022-11-04 | 中国电建集团江西省电力设计院有限公司 | 基于图像的边坡裂缝监测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN105095957A (zh) * | 2014-05-12 | 2015-11-25 | 浙江理工大学 | 一种基于图像分割的蚕茧计数方法 |
| CN105095958A (zh) * | 2014-05-12 | 2015-11-25 | 浙江理工大学 | 一种蚕茧计数方法 |
-
2017
- 2017-01-11 CN CN201710018548.2A patent/CN106780537B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN105095957A (zh) * | 2014-05-12 | 2015-11-25 | 浙江理工大学 | 一种基于图像分割的蚕茧计数方法 |
| CN105095958A (zh) * | 2014-05-12 | 2015-11-25 | 浙江理工大学 | 一种蚕茧计数方法 |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| 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 |
| CN107736313A (zh) * | 2017-10-31 | 2018-02-27 | 四川省农业机械研究设计院 | 蚕宝监控方法及系统 |
| CN108109133A (zh) * | 2017-10-31 | 2018-06-01 | 青岛大学 | 一种基于数字图像处理技术的蚕卵自动计数方法 |
| CN108109133B (zh) * | 2017-10-31 | 2021-10-12 | 青岛大学 | 一种基于数字图像处理技术的蚕卵自动计数方法 |
| CN107736313B (zh) * | 2017-10-31 | 2023-05-23 | 四川省农业机械研究设计院 | 蚕宝监控方法及系统 |
| CN109816396A (zh) * | 2017-11-22 | 2019-05-28 | 财团法人资讯工业策进会 | 工段历程追踪系统及工段历程追踪方法 |
| 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 |
| CN109035244A (zh) * | 2018-08-14 | 2018-12-18 | 张家港江苏科技大学产业技术研究院 | 自动摘茧系统、自动摘茧机及摘茧方法 |
| CN109035244B (zh) * | 2018-08-14 | 2022-08-30 | 张家港江苏科技大学产业技术研究院 | 自动摘茧系统、自动摘茧机及摘茧方法 |
| CN109684948A (zh) * | 2018-12-11 | 2019-04-26 | 歌尔股份有限公司 | 检测物体网孔异常的方法、装置及系统 |
| CN109684948B (zh) * | 2018-12-11 | 2021-07-27 | 歌尔股份有限公司 | 检测物体网孔异常的方法、装置及系统 |
| CN109509200A (zh) * | 2018-12-26 | 2019-03-22 | 深圳市繁维医疗科技有限公司 | 基于轮廓提取的棋盘格角点检测方法、装置以及计算机可读存储介质 |
| CN109509200B (zh) * | 2018-12-26 | 2023-09-29 | 深圳市繁维医疗科技有限公司 | 基于轮廓提取的棋盘格角点检测方法以及计算机可读存储介质 |
| CN111931651A (zh) * | 2020-08-11 | 2020-11-13 | 北华航天工业学院 | 一种视觉检测图像处理系统及其处理方法 |
| CN111931651B (zh) * | 2020-08-11 | 2024-01-30 | 北华航天工业学院 | 一种视觉检测图像处理系统及其处理方法 |
| CN112149629A (zh) * | 2020-10-19 | 2020-12-29 | 广西壮族自治区蚕业技术推广站 | 母种自动选择系统 |
| CN114847244B (zh) * | 2022-06-21 | 2023-11-24 | 安徽理工大学 | 可移动双模式采茧机器人 |
| CN114847244A (zh) * | 2022-06-21 | 2022-08-05 | 安徽理工大学 | 可移动双模式采茧机器人 |
| CN115294139A (zh) * | 2022-10-08 | 2022-11-04 | 中国电建集团江西省电力设计院有限公司 | 基于图像的边坡裂缝监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106780537B (zh) | 2019-08-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106780537A (zh) | 一种基于图像处理的方格蔟蚕茧筛选装置及方法 | |
| CN109550712B (zh) | 一种化纤丝尾丝外观缺陷检测系统及方法 | |
| CN104198324B (zh) | 基于计算机视觉的烟丝中叶丝比例测定方法 | |
| CN109684906B (zh) | 基于深度学习的检测红脂大小蠹的方法 | |
| CN109454006A (zh) | 化纤丝锭绊丝缺陷在线检测和分级的装置及其检测分级方法 | |
| CN109255787A (zh) | 基于深度学习和图像处理技术的丝锭划痕检测系统及方法 | |
| CN111462058B (zh) | 一种水稻有效穗快速检测方法 | |
| CN107392890B (zh) | 一种fpc铜线表面氧化缺陷检测方法及其检测系统 | |
| AU2020103260A4 (en) | Rice blast grading system and method | |
| WO2011115666A2 (en) | Computer vision and machine learning software for grading and sorting plants | |
| CN110189383B (zh) | 基于机器学习的中医舌色苔色定量分析方法 | |
| CN107804514A (zh) | 一种基于图像识别的牙刷分拣方法 | |
| CN106932408B (zh) | 一种基于图像处理的方格蔟污染蚕茧检测方法 | |
| CN108416814B (zh) | 一种菠萝头部的快速定位与识别方法及系统 | |
| Patki et al. | Cotton leaf disease detection & classification using multi SVM | |
| CN104198325A (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
| CN106483129A (zh) | 一种基于运动目标识别的白带滴虫自动检测的方法 | |
| CN111126143A (zh) | 一种基于深度学习的运动评判指导方法及系统 | |
| CN116229265A (zh) | 一种自动无损提取大豆植株表型的方法 | |
| CN112084851A (zh) | 手卫生效果检测方法、装置、设备及介质 | |
| CN111798472A (zh) | 一种基于hsi空间的绪下茧分割和识别方法 | |
| CN113128581A (zh) | 基于机器学习的能见度检测方法、装置、系统和存储介质 | |
| CN116883309A (zh) | 一种大豆表型获取方法 | |
| CN116797824A (zh) | 一种基于视觉系统的鸡蛋活性自动检测方法及系统 | |
| CN116258844A (zh) | 一种棉花叶片表型性状快速精准鉴定方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |