CN106875412B - 一种两个重叠果实的分割定位方法 - Google Patents

一种两个重叠果实的分割定位方法 Download PDF

Info

Publication number
CN106875412B
CN106875412B CN201710111867.8A CN201710111867A CN106875412B CN 106875412 B CN106875412 B CN 106875412B CN 201710111867 A CN201710111867 A CN 201710111867A CN 106875412 B CN106875412 B CN 106875412B
Authority
CN
China
Prior art keywords
image
fruits
dividing
target
quadrilateral
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.)
Expired - Fee Related
Application number
CN201710111867.8A
Other languages
English (en)
Other versions
CN106875412A (zh
Inventor
杨长辉
李扬
胡友呈
王毅
刘洒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University of Technology
Original Assignee
Chongqing University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing University of Technology filed Critical Chongqing University of Technology
Priority to CN201710111867.8A priority Critical patent/CN106875412B/zh
Publication of CN106875412A publication Critical patent/CN106875412A/zh
Application granted granted Critical
Publication of CN106875412B publication Critical patent/CN106875412B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T3/147—
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture

Abstract

本发明涉及一种两个重叠果实的分割定位方法，尤其适用于果实颜色与背景色具有较大色差的类圆形果实，一种两个重叠果实的分割定位方法：输入仅为两个果实相互重叠的原始图像Io，二值化处理，得到以果实区域为目标区的二值图像IS，再逐步在二值图像IS上选取目标区域的最小外接仿射矩形、目标矩形、两个ROI子区域，通过连接两个ROI子区域的中心点得到将目标矩形分割为两个四边形区域的分割线，再通过分别确定两个四边形区域的重心来确定两个果实的位置；最后分别以两个四边形区域的重心为圆心，再分别以两个重心到分割线与目标矩形的任意一个交点的距离为半径，画圆，将两个圆形区域判定为两个果实分别所在区域。

Description

一种两个重叠果实的分割定位方法
技术领域
本发明涉及一种用于摘取果实时对两个互相重叠的果实进行分割定位的方法，尤其适用于果实颜色与背景色具有较大色差的类圆形果实。
背景技术
随着近几年果实采摘劳动力的大幅度减少，人工采摘果实的成本越来越高。因此，对果实采摘机器人的需求量越来越大，对果实采摘机器人要求也越来越高。决定采摘机器人采摘效率的关键因素就是对果实采摘点的定位。由于果实往往会出现互相重叠的现象，采摘机器人对果实采摘点定位时会将重叠的果实作为一个果实处理，容易产生较大的定位偏差，不能抓取到果实，最终导致采摘失败。现有技术中，对于重叠果实的识别和定位主要采用以下几种方法：基于边缘曲率的识别方法、基于凸壳的识别以及基于支持向量机的识别方法。
果树上的果实发生相互重叠是非常普遍的现象，例如发生两个果实重叠、三个果实重叠甚至是三个以上的果树重叠，不过一般是两个果实重叠的现象居多。现有技术还没有专门针对两个果实重叠的分割定位方法，采用现有技术中的重叠果实的识别定位方法来进行两个果实重叠的分割和定位存在计算量大、运算速度慢的缺点，不利于提高机器人的采摘效率。
发明内容
针对现有技术中存在的上述不足，本发明提供一种基于色差的果实重叠分割定位方法，能够快速将图像中一个由两个重叠果实构成的果实区域分割成两个单独的果实区域，从而保证采摘点能够被准确定位。
为实现上述目的，本发明采用了如下技术手段：一种两个重叠果实的分割定位方法，包括以下步骤：
步骤1：输入仅为两个果实相互重叠的原始图像Io，对原始图像Io进行二值化处理，得到以果实区域为目标区域并以树枝和树叶区域为背景区域的二值图像IS；所述二值图像IS中目标区域内各像素点的灰度值均为255；所述背景区域内各像素点的灰度值均为0；
步骤2：框选出二值图像IS中目标区域的最小外接仿射矩形，使目标区域中的像素全部落在所述最小外接仿射矩形内；
步骤3：将步骤2中最小外接仿射矩形的长和宽分别缩减到原始长度的75％～85％，得到目标矩形；
步骤4：提取目标矩形内灰度值均为0的像素点，组成ROI区域；
步骤5：分别选取位于目标矩形两长边上中部位置处的两个ROI子区域，作为两个目标ROI子区域；
步骤6：分别提取两个目标ROI子区域的中心点，连接所述两个中心点并分别向两端延长至目标矩形的两条边上，从而得到将目标矩形分割为两个四边形区域的分割线；
步骤7：分别选取两个四边形区域，通过距离变换分别计算出两个四边形区域的重心；
步骤8：分别以两个四边形区域的重心为圆心，再分别以两个重心到分割线与目标矩形的任意一个交点的距离为半径，画圆，将两个圆形区域判定为两个果实分别所在区域，从而完成对两个重叠果实的分割和定位。
优选的，步骤1中的原始图像Io为RGB图像，所述二值图像IS按照如下步骤生成：
步骤201：将原始图像Io转换到HSV颜色空间，从而获取原始图像的H分量图，设H分量图中第i个像素的H分量值为Ti；
步骤202：设置分割阈值[Tmin，Tmax]，Tmin为分割阈值的下限，Tmax为分割阈值的上限；
步骤203：按照如下公式遍历H分量图中每一个像素，对H分量图进行二值化：
Figure GDA0002366681290000021
其中,T为二值化后的H分量图中第i个像素的灰度值；
步骤204：对二值化后的H分量图进行形态学滤波，以消除图像中存在的噪点、孔洞和毛刺，从而得到二值图像IS。
进一步的，用于柑橘采摘时，分割阈值为[11,25]。
进一步的，用于苹果采摘时，分割阈值为[210,255]。
优选的，步骤1中的原始图像Io为RGB图像，所述二值图像IS按照如下步骤生成：
步骤501：遍历原始图像Io计算其每个像素的色差值，其中，第i个像素的色差值C，按如下公式：C＝2.0R-G-B，其中，R、G和B分别表示该像素在红色通道、绿色通道和蓝色通道下的灰度值；
步骤502：按照如下公式遍历原始图像Io中每一个像素，对原始图像Io进行二值化：
Figure GDA0002366681290000022
其中,T为二值化后的原始图像Io中第i个像素的灰度值；
步骤503：对二值化后的原始图像Io进行形态学滤波，以消除图像中存在的噪点、孔洞和毛刺，从而得到二值图像IS。
优选的，步骤3中目标矩形的长和宽均为最小外接仿射矩形原始长度的80％。
优选的，步骤8中以重心到分割线与目标矩形的两个交点中距离更短的距离为半径，画圆。
优选的，步骤7中采用城市街区距离进行距离变换以提取四边形区域的重心，按如下步骤进行：
步骤801：计算四边形区域内每个像素点与距离其最近的四边形区域外背景区域内的像素点的城市街区距离Dε(p,q)，按如下公式：
Dε(p,q)＝|x-s|+|y-t|，其中，p代表目标区域中的像素点，其坐标为(x,y)；q代表背景区域中的像素点，其坐标为(s,t)；
步骤802：将步骤801中计算出的城市街区距离Dε(p,q)的值作为灰度值赋值给四边形区域内对应像素点，从而生成四边形灰度区域；
步骤803：选取四边形灰度区域中灰度值最大的像素点，作为重心。
进一步的，步骤803中，如果同时存在若干个灰度值并列最大的像素点，所述像素点形成一个局部中心区域，则选取该局部中心区域的中心作为重心。
与现有技术相比，本发明具有如下有益效果：
本发明没有直接以目标区域(果实区域)作为处理对象来提取果实的轮廓，而是利用果实重叠后均会产生的两个ROI子区域的中心点来找出将目标矩形分割为两个四边形区域的分割线，再根据四边形区域的重心以重心到分割线与目标矩形的任意一个交点的距离为半径，画圆，将两个圆形区域判定为两个果实分别所在区域。其中，圆心的位置坐标即为采摘机器人对果实的定位坐标，圆形区域的半径大小影响着采摘机器人的采摘末端张口的大小。
1、本发明采用简单的计算公式简单，相对较少的参数，能够大大减少运算量，提高运算速度，使采摘机器人能快速的对两个重叠果实进行分割和定位，并根据圆形区域的大小确定采摘末端的张口大小，从而大大提高采摘机器人的采摘效率。
2、本发明将原始图像Io转换到HSV颜色空间，只选取H(色调)分量图，通过忽略V(明度)分量图来抵抗光线强弱变化对目标区域及背景区域划分的影响，特别是光照强度较高时(果实和树叶均会产生较高的反光)，从而保证能正确的划分出果实区域和树枝、树叶组成的背景区域。
3、在光照强度较低时，由于果实表面和树叶仅会产生微小的反光，对R、G、B各颜色分量的影响较小，在RGB颜色空间下对RGB的原始图像Io进行二值化处理，既能保证目标区域与背景区域的准确划分，又能够提高运算速度。
附图说明
图1为本发明的流程框图；
图2为步骤1中的二值图像IS；
图3为选取目标矩形后的所形成的图像；
图4为目标矩形内提取ROI区域后所形成的图像；
图5为生成分割线后所形成的图像；
图6为选取一个四边形区域的重心后所述形成的图像；
图7为在二值图像IS上完成两个重叠果实的分割和定位后的效果图；
图8为在原始图像Io上完成两个重叠果实的分割和定位后的最终效果图；
图9为实施例2的最终效果图；
图10为实施例3的最终效果图。
具体实施方式
下面结合附图和具体实施方式对本发明的技术方案作进一步的说明。
实施例1
本实施例用于柑橘采摘
一种两个重叠果实的分割定位方法，如图1所示，包括以下步骤：
步骤1：输入仅为两个果实相互重叠的原始图像Io，对原始图像Io进行二值化处理，如图2所示，得到以果实区域为目标区域并以树枝和树叶区域为背景区域的二值图像IS；所述二值图像IS中目标区域内各像素点的灰度值均为255；所述背景区域内各像素点的灰度值均为0；
步骤2：框选出二值图像IS中目标区域的最小外接仿射矩形，使目标区域中的像素全部落在所述最小外接仿射矩形内；
步骤3：如图3所示，将步骤2中最小外接仿射矩形的长和宽分别缩减到原始长度的80％，得到目标矩形。
步骤4：如图4所示，提取目标矩形内灰度值均为0的像素点，组成ROI区域；
步骤5：分别选取位于目标矩形两长边上中部位置处的两个ROI子区域，作为两个目标ROI子区域；
步骤6：如图5所示，分别提取两个目标ROI子区域的中心点，连接所述两个中心点并分别向两端延长至目标矩形的两条边上，从而得到将目标矩形分割为两个四边形区域的的分割线；
步骤7：分别选取两个四边形区域，通过距离变换分别计算出两个四边形区域的重心；如图6所示，选取一个四边形区域的重心后所述形成的图像。
步骤8：如图7所示，分别以两个四边形区域的重心为圆心，再分别以两个重心到分割线与目标矩形的任意一个交点的距离为半径，画圆，将两个圆形区域判定为两个果实分别所在区域，从而完成对两个重叠果实的分割和定位。
根据步骤8中所确定出的圆心坐标以及半径，在原始图像Io上分别画出两个圆形区域，两个重叠果实的分割和定位后的最终效果图，如图8所示。
本实施例中，步骤1中的原始图像Io为RGB图像，所述二值图像IS按照如下步骤生成：
步骤201：将原始图像Io转换到HSV颜色空间，从而获取原始图像的H分量图，设H分量图中第i个像素的H分量值为Ti；
步骤202：设置分割阈值为[11,25]；
步骤203：按照如下公式遍历H分量图中每一个像素，对H分量图进行二值化：
Figure GDA0002366681290000051
其中,T为二值化后的H分量图中第i个像素的灰度值；
步骤204：对二值化后的H分量图进行形态学滤波，以消除图像中存在的噪点、孔洞和毛刺，从而得到二值图像IS。
本实施例中，步骤8中以重心到分割线与目标矩形的两个交点中距离更短的距离为半径，画圆。由于果实的真实半径会小于其重心到任意一个ROI子区域中心的距离，因此选取重心到分割线与目标矩形的两个交点中距离更短的距离为半径所画的圆，更加接近果实的真实大小，从而使得采摘末端的张口大小能够更好的与果实大小匹配。
本实施例中，步骤7中采用城市街区距离进行距离变换以提取四边形区域的重心，采用城市街区距离进行距离变换使重心位置的计算更加简便快速，能够满足果实采摘的实时性要求，按如下步骤进行：
步骤801：计算四边形区域内每个像素点与距离其最近的四边形区域外背景区域内的像素点的城市街区距离Dε(p,q)，按如下公式：
Dε(p,q)＝|x-s|+|y-t|，其中，p代表目标区域中的像素点，其坐标为(x,y)；q代表背景区域中的像素点，其坐标为(s,t)；
步骤802：将步骤601中计算出的城市街区距离Dε(p,q)的值作为灰度值赋值给四边形区域内对应像素点，从而生成四边形灰度区域；
步骤803：选取四边形灰度区域中灰度值最大的像素点，作为重心。
进一步的，步骤803中，如果同时存在若干个灰度值并列最大的像素点，所述像素点形成一个局部中心区域，则选取该局部中心区域的中心作为重心。
实施例2
本实施例用于苹果采摘，与实施例1所不同的是：
步骤3中最小外接仿射矩形的长和宽分别缩减到原始长度的75％，得到目标矩形。
步骤202中的分割阈值为[210,255]；
步骤203：按照如下公式遍历H分量图中每一个像素，对H分量图进行二值化：
Figure GDA0002366681290000061
其中,T为二值化后的H分量图中第i个像素的灰度值。
本实施例的最终效果图如图9所示，完成了两个重叠果实的分割和定位。
实施例3
本实施例用于柑橘采摘，与实施例1所不同的是：
本实施例中，步骤1中的原始图像Io为RGB图像，所述二值图像IS按照如下步骤生成：
步骤501：遍历原始图像Io计算其每个像素的色差值，其中，第i个像素的色差值C，按如下公式：C＝2.0R-G-B，其中，R、G和B分别表示该像素在红色通道、绿色通道和蓝色通道下的灰度值；
步骤502：按照如下公式遍历原始图像Io中每一个像素，对原始图像Io进行二值化：
Figure GDA0002366681290000062
其中,T为二值化后的原始图像Io中第i个像素的灰度值；
步骤503：对二值化后的原始图像Io进行形态学滤波，以消除图像中存在的噪点、孔洞和毛刺，从而得到二值图像IS。
步骤3中最小外接仿射矩形的长和宽分别缩减到原始长度的85％，得到目标矩形。
本实施例的最终效果图如图10所示，完成了两个重叠果实的分割和定位。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种两个重叠果实的分割定位方法，其特征在于：包括以下步骤：
步骤1：输入仅为两个果实相互重叠的原始图像Io，对原始图像Io进行二值化处理，得到以果实区域为目标区域并以树枝和树叶区域为背景区域的二值图像IS；所述二值图像IS中目标区域内各像素点的灰度值均为255；所述背景区域内各像素点的灰度值均为0；
步骤2：框选出二值图像IS中目标区域的最小外接仿射矩形，使目标区域中的像素全部落在所述最小外接仿射矩形内；
步骤3：将步骤2中最小外接仿射矩形的长和宽分别缩减到原始长度的75％～85％，得到目标矩形；
步骤4：提取目标矩形内灰度值均为0的像素点，组成ROI区域；
步骤5：分别选取位于目标矩形两长边上中部位置处的两个ROI子区域，作为两个目标ROI子区域；
步骤6：分别提取两个目标ROI子区域的中心点，连接所述两个中心点并分别向两端延长至目标矩形的两条边上，从而得到将目标矩形分割为两个四边形区域的的分割线；
步骤7：分别选取两个四边形区域，通过距离变换分别计算出两个四边形区域的重心；
步骤8：分别以两个四边形区域的重心为圆心，再分别以两个重心到分割线与目标矩形的任意一个交点的距离为半径，画圆，将两个圆形区域判定为两个果实分别所在区域，从而完成对两个重叠果实的分割和定位。
2.根据权利要求1所述的两个重叠果实的分割定位方法，其特征在于：步骤1中的原始图像Io为RGB图像，所述二值图像IS按照如下步骤生成：
步骤201：将原始图像Io转换到HSV颜色空间，从而获取原始图像的H分量图，设H分量图中第i个像素的H分量值为Ti；
步骤202：设置分割阈值[Tmin，Tmax]，Tmin为分割阈值的下限，Tmax为分割阈值的上限；
步骤203：按照如下公式遍历H分量图中每一个像素，对H分量图进行二值化：
Figure FDA0002366681280000011
其中,T为二值化后的H分量图中第i个像素的灰度值；
步骤204：对二值化后的H分量图进行形态学滤波，以消除图像中存在的噪点、孔洞和毛刺，从而得到二值图像IS。
3.根据权利要求2所述的两个重叠果实的分割定位方法，其特征在于：用于柑橘采摘时，分割阈值为[11,25]。
4.根据权利要求2所述的两个重叠果实的分割定位方法，其特征在于：用于苹果采摘时，分割阈值为[210,255]。
5.根据权利要求1所述的两个重叠果实的分割定位方法，其特征在于：步骤1中的原始图像Io为RGB图像，所述二值图像IS按照如下步骤生成：
步骤501：遍历原始图像Io计算其每个像素的色差值，其中，第i个像素的色差值C，按如下公式：C＝2.0R-G-B，其中，R、G和B分别表示该像素在红色通道、绿色通道和蓝色通道下的灰度值；
步骤502：按照如下公式遍历原始图像Io中每一个像素，对原始图像Io进行二值化：
Figure FDA0002366681280000021
其中,T为二值化后的原始图像Io中第i个像素的灰度值；
步骤503：对二值化后的原始图像Io进行形态学滤波，以消除图像中存在的噪点、孔洞和毛刺，从而得到二值图像IS。
6.根据权利要求1所述的两个重叠果实的分割定位方法，其特征在于：步骤3中目标矩形的长和宽均为最小外接仿射矩形原始长度的80％。
7.根据权利要求1所述的两个重叠果实的分割定位方法，其特征在于：步骤8中以重心到分割线与目标矩形的两个交点中距离更短的距离为半径，画圆。
8.根据权利要求1所述的两个重叠果实的分割定位方法，其特征在于：步骤7中采用城市街区距离进行距离变换以提取四边形区域的重心，按如下步骤进行：
步骤801：计算四边形区域内每个像素点与距离其最近的四边形区域外背景区域内的像素点的城市街区距离Dε(p,q)，按如下公式：
Dε(p,q)＝|x-s|+|y-t|，其中，p代表目标区域中的像素点，其坐标为(x,y)；q代表背景区域中的像素点，其坐标为(s,t)；
步骤802：将步骤801中计算出的城市街区距离Dε(p,q)的值作为灰度值赋值给四边形区域内对应像素点，从而生成四边形灰度区域；
步骤803：选取四边形灰度区域中灰度值最大的像素点，作为重心。
9.根据权利要求8所述的两个重叠果实的分割定位方法，其特征在于：步骤803中，如果同时存在若干个灰度值并列最大的像素点，所述像素点形成一个局部中心区域，则选取该局部中心区域的中心作为重心。
CN201710111867.8A 2017-02-28 2017-02-28 一种两个重叠果实的分割定位方法 Expired - Fee Related CN106875412B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710111867.8A CN106875412B (zh) 2017-02-28 2017-02-28 一种两个重叠果实的分割定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710111867.8A CN106875412B (zh) 2017-02-28 2017-02-28 一种两个重叠果实的分割定位方法

Publications (2)

Publication Number Publication Date
CN106875412A CN106875412A (zh) 2017-06-20
CN106875412B true CN106875412B (zh) 2020-06-23

Family

ID=59168077

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710111867.8A Expired - Fee Related CN106875412B (zh) 2017-02-28 2017-02-28 一种两个重叠果实的分割定位方法

Country Status (1)

Country Link
CN (1) CN106875412B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109800619B (zh) * 2017-11-16 2022-07-01 湖南生物机电职业技术学院 成熟期柑橘果实图像识别方法
CN108262267B (zh) * 2017-12-29 2019-10-18 北京农业智能装备技术研究中心 一种水果分选中的多果检测方法与装置
CN109035271A (zh) * 2018-07-19 2018-12-18 迈克医疗电子有限公司 图像分割方法和装置、分析仪器和存储介质
CN110288617B (zh) * 2019-07-04 2023-02-03 大连理工大学 基于共享抠图和roi渐变的人体切片图像自动分割方法
CN110532993B (zh) * 2019-09-04 2022-03-08 深圳市捷顺科技实业股份有限公司 一种人脸防伪方法、装置、电子设备及介质
CN113095224A (zh) * 2021-04-13 2021-07-09 山东瑞智飞控科技有限公司 一种无人机巡查河道漂浮物的识别方法和装置
CN113129326B (zh) * 2021-06-17 2021-11-12 苏州高视半导体技术有限公司 灰度图像的自适应阈值分割方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101710424A (zh) * 2009-12-22 2010-05-19 中国矿业大学(北京) 矿石图像分割方法
CN104636722A (zh) * 2015-01-26 2015-05-20 江苏大学 一种采摘机器人的重叠果实快速跟踪识别方法
CN105701829A (zh) * 2016-01-16 2016-06-22 常州大学 一种套袋绿色果实图像分割方法
CN105825171A (zh) * 2016-03-10 2016-08-03 江苏大学 一种基于rgb-d的树上果实快速识别定位方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101710424A (zh) * 2009-12-22 2010-05-19 中国矿业大学(北京) 矿石图像分割方法
CN104636722A (zh) * 2015-01-26 2015-05-20 江苏大学 一种采摘机器人的重叠果实快速跟踪识别方法
CN105701829A (zh) * 2016-01-16 2016-06-22 常州大学 一种套袋绿色果实图像分割方法
CN105825171A (zh) * 2016-03-10 2016-08-03 江苏大学 一种基于rgb-d的树上果实快速识别定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
自然环境下杨梅果实图像的分割方法研究;徐黎明 等;《沈阳农业大学学报》;20160615;第47卷(第3期);第334-341页 *

Also Published As

Publication number Publication date
CN106875412A (zh) 2017-06-20

Similar Documents

Publication Publication Date Title
CN106875412B (zh) 一种两个重叠果实的分割定位方法
CN109785316B (zh) 一种芯片表观缺陷检测方法
CN106570511B (zh) 基于计算机视觉的键盘字符缺陷在线检测系统和方法
CN107633503B (zh) 一种自动检测谷粒中残留秸秆的图像处理方法
Chen et al. A novel color edge detection algorithm in RGB color space
CN103310218B (zh) 一种重叠遮挡果实精确识别方法
CN108319973A (zh) 一种树上柑橘果实检测方法
CN108181316B (zh) 一种基于机器视觉的竹条缺陷检测方法
CN107527343B (zh) 一种基于图像处理的双孢蘑菇分级方法
CN112136505A (zh) 一种基于视觉选择注意机制的水果采摘顺序规划方法
CN103295013A (zh) 一种基于成对区域的单幅图像阴影检测方法
CN111583193B (zh) 基于几何轮廓模板匹配的开心果骨架提取装置及其算法
Hannan et al. A real-time machine vision algorithm for robotic citrus harvesting
Feng et al. A separating method of adjacent apples based on machine vision and chain code information
CN107886096A (zh) 一种输电线路的绝缘子脱落缺陷检测方法
CN112132153A (zh) 基于聚类和形态学处理的番茄果实识别方法及系统
CN114627116B (zh) 一种基于人工智能的织物疵点识别方法及系统
CN107886493B (zh) 一种输电线路的导线分股缺陷检测方法
Choudhary et al. Image processing algorithm for fruit identification
CN111401364A (zh) 一种基于颜色特征和模板匹配相结合的车牌定位算法
CN107992875A (zh) 一种基于图像带通滤波的显著目标检测方法
Zong et al. Traffic light detection based on multi-feature segmentation and online selecting scheme
Cheng et al. Power pole detection based on graph cut
CN111798472A (zh) 一种基于hsi空间的绪下茧分割和识别方法
CN111401121A (zh) 一种基于超像素特征提取实现柑橘分割方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200623

Termination date: 20210228

CF01 Termination of patent right due to non-payment of annual fee