CN106918594B - 一种在线分析籽棉色特征和杂质的方法 - Google Patents
一种在线分析籽棉色特征和杂质的方法 Download PDFInfo
- Publication number
- CN106918594B CN106918594B CN201510982292.8A CN201510982292A CN106918594B CN 106918594 B CN106918594 B CN 106918594B CN 201510982292 A CN201510982292 A CN 201510982292A CN 106918594 B CN106918594 B CN 106918594B
- Authority
- CN
- China
- Prior art keywords
- seed cotton
- color
- image
- cotton
- impurity
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8411—Application to online plant, process monitoring
- G01N2021/8416—Application to online plant, process monitoring and process controlling, not otherwise provided for
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明涉及籽棉色特征和杂质分析技术领域,尤其涉及利用籽棉生产线在线采集到的彩色图像分析籽棉的色特征和杂质的方法。首先利用彩色图像采集装置在籽棉加工线上拍照获取彩色图像,然后算得籽棉的反射率和黄度,之后有效地对彩色图像进行处理技术来获得待加工籽棉原料的总体含杂量、各非纤维性颗粒杂质的类别和含量信息,为籽棉加工线实时快速地根据图像检测反馈信息调整加工设备提供依据。
Description
技术领域
本发明涉及籽棉色特征和杂质分析技术领域,尤其涉及利用籽棉生产线在线采集到的彩色图像分析籽棉的色特征和杂质的方法。
背景技术
棉花在生长过程中如果遭受虫害、干旱或是冰冻等自然因素的影响,其颜色会由白色而变成暗色或是黄色。手采棉所含杂质主要是异性纤维、叶屑等,机采棉中所含杂质主要是棉枝、铃壳、僵瓣、叶屑等非纤维性颗粒。按照有关的分类分级标准,籽棉的色特征、含杂量和颜色是决定皮棉可纺性和售价的重要因素。
籽棉质量的检测方法包括人工检测法和仪器测试法。籽棉质量人工检测法是首先对加工前的整垛籽棉取样,由检验员通过人工目测或手感离线分析样品质量等级,然后依照相关经验人工调整籽棉加工设备的加工参数,实现籽棉加工过程的调整。籽棉质量仪器测试法也是首先对加工前的整垛籽棉取样,利用检测仪器离线测试籽棉的质量,然后在根据经验对加工设备做调整。两种检测途径都是离线检测,导致籽棉去杂质加工线不能实时快速地按照当前籽棉的色度和含杂量调整加工设备的参数。
自20世纪70年代以来,美国、澳大利亚等发达国家已开始着手于利用测试仪器替代人工实现籽棉质量等级的检测,并制定了机检籽棉的质量等级标准,效率和精度都较高。我国虽然是产棉大国,但是籽棉质量等级的确定却还一直是由经验丰富的检验员检测分类分级,
由于对照标准的不同,国内的籽棉质量评级与国外仪器测试法存在差距,导致评级程序繁琐。国内人工检测与仪器测试两种方法都是离线检测,凭借经验调整设备,不能实现加工参数的实时调整,使得不同质量等级的籽棉同时加工,混轧问题严重,很大程度地降低了皮棉的等级,造成了巨大的资源浪费,严重制约着我国棉花产业的转型升级。
因此,急需一种能够快速、有效、准确实现籽棉色特征与杂质在线检测分类的技术方法,满足根据籽棉性状参数实时调整加工工艺参数的要求。
发明内容
针对人工与仪器两种离线检测分级方法所导致的籽棉混级、混轧、巨大资源浪费的问题,本发明提供一种在线分析籽棉色特征和杂质的方法。本方法首先利用彩色图像采集装置在籽棉加工线上拍照获取彩色图像,然后算得籽棉的反射率和黄度,之后有效地对彩色图像进行处理技术来获得待加工籽棉原料的所含杂质情况,即为总体含杂量、各非纤维性颗粒杂质的类别和含量信息,为籽棉加工线实时快速地根据图像检测反馈信息调整加工设备提供依据。
本发明的技术方案如下:
一种在线分析籽棉色特征和杂质的方法,包括如下步骤:
(1)利用图像在线采集系统提取籽棉彩色图像;
(2)根据彩色图像信息算得籽棉的反射率和黄度;
(3)对彩色图像有效地进行处理来获得籽棉的总体含杂量、各植物性杂质、以及非纤维性颗粒杂质的类别和含量信息;
根据本发明优选的,所述步骤(1)中的彩色图像在线采集系统的结构功能简图如图1所示,由采样板3、采样驱动器4、图像采集模块5组成。采样驱动器4带动采样板3实现180°正反向旋转,图像采集模块用于采集籽棉图像。
根据本发明优选的,所述步骤(1)中所用的籽棉彩色图像采集模块如图2所示,由暗室51、工业相机52、环形光源53、光学玻璃板54组成。设置暗室51的目的是提供均衡的表面照明,避免反光、耀斑或其他光源的影响,得到清晰的数字图像,环形光源53提供稳定、可靠的照明,抑制拍摄籽棉时所产生的眩目光和反射等问题。光学玻璃板54为全透光的光学玻璃,作用是隔离开管型运送通道与拍照位置以及减少籽棉凹凸阴影的影响。
根据本发明优选的,所述步骤(1)利用籽棉图像在线采集系统提取籽棉彩色图像的具体步骤为:
(1-1)通过辅助风将籽棉1在管型运送通道2中向前送料;
(1-2)采样旋转电机4带动采样板3逆时针旋转180°,动过动力将籽棉紧紧地压实在图像采集模块5一侧;
(1-3)图像采集模块5的工业相机52工作采集籽棉彩色图像。
(1-4)拍照结束后,采样板依靠旋转电机反转返回原状态。在 实时拍照采样中,旋转电机以一定时间间隔开闭,实现工业相机不断地采集籽棉的图像。
根据本发明优选的,所述步骤(2)根据彩色图像信息计算籽棉的反射率、黄度,包括如下步骤:
(2-1)采用Nickerson-Hunter色度空间将RGB颜色空间通过线性处理转换到XYZ颜色空间:
(2-2)对籽棉拍照采集的图像点取平均值,并采取光源色度补偿操作:
式中:δX、δY、δZ为光源的色度补偿相关的修正系数;
(2-3)根据图像信息,计算籽棉的反射率、黄度:
(2-4)根据反射率和黄度的数值由色特征图得到籽棉的色特征级。
根据本发明优选的,所述步骤(3)有效地对彩色图像进行处理来获得籽棉所含杂质情况,即为总体上含杂量、各植物性杂质、以及非纤维性颗粒杂质的类别和含量信息,包括如下步骤:
(3-1)对彩色图像进行光照强度校正。利用搭建的系统中的工业相机获取棉花图像,与标准样图比较亮度,然后对正常拍摄的籽棉照片分别进行亮度补偿。
(3-2)对籽棉彩色图像进行矢量中值滤波,消除设备的噪声干扰造成的图像质量下降问题。具体做法是,集合P具有N个矢量P={p1,p2,…,pN},将它通过中值滤波器后得到pk=VMF{p1,p2,…,pN}。计算每个矢量到其余矢量的距离和选择最小值Sk,此时对应的pk满足滤波后的中值矢量:
(3-3)选取HSI颜色空间简化颜色分析处理的工作量,其计算公式如下:
(3-4)利用籽棉彩色图像初始聚类中心及聚类数目自适应调整的算法,通过图像信息获得其聚类中心及聚类数目。
(3-5)在HSI颜色空间中,利用FCM算法(改进模糊C均值聚类算法)对籽棉彩色图像进行分割,将每个籽棉彩色杂质分割为照片中的独立区域。
(3-6)对上述每个独立的区域提取籽棉杂质的形状特征参数信息。
(3-7)为了识别出籽棉图像中每个杂质的类型,利用BP神经网络设计一个既结合颜色同时又结合形状特征信息的籽棉杂质BP神经网络识别模型,这样可以方便的计算出棉样的总含杂量和每种类型杂质的含量。
根据本发明优选的,所述步骤(3-4)针对籽棉图像信息,利用初始聚类中心及聚类数目进行自适应调整的算法,具体算法过程为:
(3-4-1)对于籽棉彩色图像,待确定的籽棉彩色图像聚类中心集合为:R={ri,i=1,2,…,C},其中C=3,r1、r2和r3分别为深色系杂质、黄色系杂质以及正常白色系棉花纤维的颜色值。
(3-4-2)像素点xj与设定的某一个聚类中心ri的在HSI空间欧式距离为经过运算,如果有像素点满足xk/>说明xk为新发现的颜色杂质,将其加入到聚类中心合集R中进行求解,同时C=C+1,重复计算步骤(3-4-2),使得图像中的全部像素点完成该操作。
根据本发明优选的,所述步骤(3-5)在HSI颜色空间中利用FCM算法对籽棉图像信息进行分割,具体的步骤为:
(3-5-4)选取合适的矩阵范数比较U(k)与U(k+1),若||U(k+1)-U(k)||<ε,则停止算法迭代;否则k=k+1,跳转到第(3-5-2)步。
当运算迭代收敛后,可以获取籽棉含杂彩色图像聚类中心,并且可以得到照片中各个彩色封闭区域的杂质在各自聚类中心的隶属度数值,至此,算法在完成图像分割的同时,也提取出了各个籽棉杂质 的颜色信息。
FCM算法的控制流程图见图4所示。
本发明的有益效果是:本发明提供一种在机采棉加工车间现场在线分析籽棉色特征和杂质的方法,能够明显改善目前机采棉加工时人工根据手感目测、凭借经验判断棉花性状参数所造成的主观影响判断失误,能够显著改变先粗放加工、后离线检测所造成的加工与检测的工序脱节。本发明提出的籽棉中杂质种类及含量的测定方法,为各籽棉清理设备及皮棉清理设备的针对性调节提供了参考依据,能够最大程度的减少加工清理过程对棉花纤维的损伤。本发明为棉花加工过程提供直接的检测数据,能够将在线检测结果直接应用于指导现场生产设备的调节,为工艺优化提供了最直接的现场实时数据,为实现棉花加工的自动化、智能化提供准确的数据依据。
附图说明:
图1一种在线分析籽棉色特征和杂质的方法流程示意图;
图2籽棉彩色图像在线采集系统结构功能简图;
图3籽棉彩色图像采集模块;
图4HSI空间改进的模糊C均值聚类算法控制流程图;
图5籽棉彩色图像在线采集系统采集到的籽棉原始图像;
图6对图像进行矢量中值滤波后的图像;
图7HSI空间改进的模糊C均值聚类算法图像分割效果图;
图8形态学处理与聚类分割合成后的图像;
图9基于BP神经网络的籽棉彩色图像杂质识别模型。
其中,1:籽棉;2:输棉管道;3:采样板;4:采样驱动器;5:图像采集模块;51:暗室;52:工业相机;53:环形光源;54:光学玻璃板。
具体实施方式:
以下结合实施例和说明书附图对本发明做进一步说明,但不限于此。
(1)利用籽棉彩色图像在线采集系统采集籽棉原始图像,如图5所示;
(2)利用工业相机获得标准白色图像,与标准样图比较亮度,得出拍摄系统的光照不均匀性数据,然后对正常工作过程中的图像亮度进行一定的补偿;
(3)对籽棉图片采用矢量中值滤波,应用5×5窗口,如图6所示;
(4)在HSI颜色空间内,对籽棉图像应用改进FCM算法后,分割籽棉图像的结果如图7所示,浅蓝颜色的标定为黄色系的杂质,深蓝颜色的标定为深颜色系的杂质,黄色表示白色系籽棉,通过图像自动分割分类得到的效果良好;
(5)在图7中,杂质目标边缘较为粗糙,利用膨胀及腐蚀操作可以得到清晰连续的边界,同时采用区域填充操作可以消除杂质图块内部没有封闭的区域,如图8所示;
(6)对籽棉图像中分割完毕的独立杂质区域,分别提取杂质区域的面积、形态复杂度、圆度、伸长度、矩形度等形状特征参数信息;
(6-1)面积S:可用同一标记的区域中所有像素的个数表示;
(6-2)形态复杂度Df:描述单位面积图形周长的大小;
Df=L2/S
(6-3)圆度Dc:用来描述区域形状接近圆形的程度;
Dc=4πS/L2
(6-4)伸长度De:De=min(H,W)/max(H,W)
式中:H为高,W为宽;
(6-5)矩形度Dr:Dr=S/(H×W)。
(7)以改进BP神经网络为基础,构建结构为6-15-1的籽棉彩色图像杂质识别神经网络模型,如图9所示。把某个彩色杂质封闭图像区域的聚类中心、面积、形态复杂性、圆度、伸长度、矩形度作为输入,把表示棉枝、僵瓣、铃壳、杂草、叶屑、尘杂、不孕籽的值1~7作为输出。
用改进模糊C均值聚类算法对大量的籽棉杂质彩色照片进行图像分割,得到各杂质的聚类中心,再提取各杂质的形状特征,然后整理许多的人工识别分类样本集训练神经网络,识别出每个杂质的类型,可以方便的计算出棉样的总体含杂量和每种类型杂质的含量。
最后说明的是,上述实施例仅用以详细描述本发明的技术路线而非做出限制,利用本技术方案进行修改或等同替换而不脱离本发明技术方案的宗旨和范围的,均应涵盖在本发明权利要求范围内。
Claims (6)
1.一种在线分析籽棉色特征和杂质的方法,其特征在于,所述方法包括如下步骤:
(1)利用彩色图像在线采集系统提取籽棉的彩色图像;
(2)根据彩色图像信息算得籽棉的反射率和黄度;
(3)对彩色图像有效地进行处理来获得待加工籽棉原料的总体含杂量、各植物性杂质以及非纤维性颗粒杂质的类别和含量信息;
所述步骤(3)有效地对彩色图像进行处理来获得待加工籽棉原料的总体含杂量、各植物性杂质、以及非纤维性颗粒杂质的类别和含量信息,通过如下步骤实现:
(3-1)对彩色图像进行光照强度校正:利用搭建的系统中的工业相机获取棉花图像,与标准样图比较亮度,然后对正常拍摄的籽棉照片分别进行亮度补偿;
(3-2)对籽棉彩色图像进行矢量中值滤波,消除设备的噪声干扰造成的图像质量下降问题;
(3-3)选取HSI颜色空间简化颜色分析处理的工作量;
(3-4)利用籽棉彩色图像初始聚类中心及聚类数目自适应调整算法,通过图像信息获得其聚类中心及聚类数目;
(3-5)在HSI颜色空间中,利用FCM算法对籽棉彩色图像进行分割,将各籽棉彩色杂质分割为图片中的独立区域;
(3-6)对上述每个独立的封闭区域提取籽棉杂质的形状特征参数信息;
(3-7)为了识别出籽棉图像中每个杂质的类型,利用BP神经网络设计一个既结合颜色同时又结合形状特征信息的籽棉杂质BP神经网络识别模型,这样可以方便的计算出棉样的总体含杂量和每种类型杂质的含量。
2.根据权利要求1所述的方法,其特征在于,所述步骤(1)中彩色图像在线采集系统由采样板、采样驱动器、图像采集模块组成。
3.根据权利要求2所述的方法,其特征在于,所述步骤(1)中所用的图像采集模块由暗室、工业相机、环形光源、光学玻璃板组成。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述步骤(1)中彩色图像在线采集系统通过如下步骤采集籽棉彩色图像:
(1-1)通过辅助风将籽棉在管型运送通道中向前送料;
(1-2)采样旋转电机带动采样板逆时针旋转180°,通过动力将籽棉紧紧地压实在图像采集模块一侧;
(1-3)图像采集模块的工业相机工作采集籽棉彩色图像;
(1-4)拍照结束后,采样板依靠旋转电机反转返回原状态;在实时拍照采样中,旋转电机以一定时间间隔开闭,实现工业相机不断地采集籽棉的图像。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述步骤(2)是将彩色图像从RGB颜色空间转换到XYZ颜色空间,计算籽棉的反射率和黄度,并由色特征图得到籽棉的色特征级。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述籽棉色特征与杂质在线分析方法的检测结果信息包括籽棉的反射率、黄度的数值,与由色特征图得到的籽棉色特征级,以及籽棉总体含杂量、各植物性杂质以及非纤维性颗粒杂质的类别和含量信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510982292.8A CN106918594B (zh) | 2015-12-25 | 2015-12-25 | 一种在线分析籽棉色特征和杂质的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510982292.8A CN106918594B (zh) | 2015-12-25 | 2015-12-25 | 一种在线分析籽棉色特征和杂质的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106918594A CN106918594A (zh) | 2017-07-04 |
CN106918594B true CN106918594B (zh) | 2023-06-20 |
Family
ID=59457007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510982292.8A Active CN106918594B (zh) | 2015-12-25 | 2015-12-25 | 一种在线分析籽棉色特征和杂质的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106918594B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108288275A (zh) * | 2018-03-07 | 2018-07-17 | 安徽财经大学 | 一种基于移动智能终端的机采籽棉杂质检测方法 |
CN109146878A (zh) * | 2018-09-30 | 2019-01-04 | 安徽农业大学 | 一种基于图像处理的杂质检测方法 |
CN109738436A (zh) * | 2018-12-28 | 2019-05-10 | 安徽财经大学 | 一种籽棉杂质定量快速检测系统及方法 |
CN111950043A (zh) * | 2019-04-30 | 2020-11-17 | 青岛海尔科技有限公司 | 插花作品的智能提供方法及装置 |
CN110806373B (zh) * | 2019-10-08 | 2022-05-10 | 郑州轻工业学院 | 籽棉衣分率检测设备和籽棉衣分率检测方法 |
CN112461848A (zh) * | 2020-12-16 | 2021-03-09 | 石河子大学 | 一种激光增强的籽棉残膜在线检测系统 |
CN113019993B (zh) * | 2021-04-19 | 2022-09-09 | 济南大学 | 一种籽棉的杂质分类识别方法及系统 |
CN113705658B (zh) * | 2021-08-24 | 2024-03-19 | 浙江中烟工业有限责任公司 | 一种烟丝杂物智能识别方法 |
CN114486880B (zh) * | 2021-12-24 | 2024-06-04 | 石河子大学 | 棉花质量监管车载系统及应用方法 |
CN114460017A (zh) * | 2021-12-24 | 2022-05-10 | 石河子大学 | 籽棉品质快速检测系统 |
CN116167251B (zh) * | 2023-04-24 | 2023-07-04 | 四川省比杰智会科技有限公司 | 基于加工设备的自聚类工时定额建模方法 |
CN116698870B (zh) * | 2023-06-05 | 2024-01-23 | 东华大学 | 一种基于深度学习的机采籽棉疵点检测装置及检测方法 |
CN117011550B (zh) * | 2023-10-08 | 2024-01-30 | 超创数能科技有限公司 | 一种电子显微镜照片中的杂质识别方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6567538B1 (en) * | 1999-08-02 | 2003-05-20 | The United States Of America As Represented By The Secretary Of Agriculture | Real time measurement system for seed cotton or lint |
CN101398392A (zh) * | 2007-09-26 | 2009-04-01 | 中国科学院自动化研究所 | 一种基于hsi颜色空间的棉花杂质高速实时检测方法 |
CN101401545A (zh) * | 2008-11-21 | 2009-04-08 | 南京农业大学 | 一种陆地棉杂交种的育种方法 |
CN102680481A (zh) * | 2012-05-16 | 2012-09-19 | 陕西长岭纺织机电科技有限公司 | 棉纤维杂质的检测方法 |
-
2015
- 2015-12-25 CN CN201510982292.8A patent/CN106918594B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6567538B1 (en) * | 1999-08-02 | 2003-05-20 | The United States Of America As Represented By The Secretary Of Agriculture | Real time measurement system for seed cotton or lint |
CN101398392A (zh) * | 2007-09-26 | 2009-04-01 | 中国科学院自动化研究所 | 一种基于hsi颜色空间的棉花杂质高速实时检测方法 |
CN101401545A (zh) * | 2008-11-21 | 2009-04-08 | 南京农业大学 | 一种陆地棉杂交种的育种方法 |
CN102680481A (zh) * | 2012-05-16 | 2012-09-19 | 陕西长岭纺织机电科技有限公司 | 棉纤维杂质的检测方法 |
Non-Patent Citations (2)
Title |
---|
基于相对湿度的棉花回潮率在线检测;张成梁;冯显英;杨丙生;李蕾;;沈阳工业大学学报(第04期);全文 * |
高含水含杂低级棉的性能测试与分析;黄俊鹏;王瑞;董卫国;;山东纺织科技(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN106918594A (zh) | 2017-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106918594B (zh) | 一种在线分析籽棉色特征和杂质的方法 | |
CN106875373B (zh) | 基于卷积神经网络剪枝算法的手机屏幕mura缺陷检测方法 | |
Momin et al. | Machine vision based soybean quality evaluation | |
CN110415181A (zh) | 一种开放环境下烤烟rgb图像智能识别及等级判定方法 | |
CN103808263B (zh) | 谷粒粒形参数的高通量检测方法 | |
CN104198324B (zh) | 基于计算机视觉的烟丝中叶丝比例测定方法 | |
CN109507192A (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
CN107578409A (zh) | 一种太阳能电池片外观断栅缺陷检测的方法 | |
CN110403232A (zh) | 一种基于二级算法的烟支质量检测方法 | |
CN111462058B (zh) | 一种水稻有效穗快速检测方法 | |
CN104408473B (zh) | 基于距离度量学习的棉花品级分类方法及装置 | |
CN113554631B (zh) | 一种基于改进网络的芯片表面缺陷检测方法 | |
CN109145848B (zh) | 一种麦穗计数方法 | |
Constantino et al. | Plant height measurement and tiller segmentation of rice crops using image processing | |
CN104256882A (zh) | 基于计算机视觉的烟丝中再造烟叶比例测定方法 | |
CN110736709A (zh) | 一种基于深度卷积神经网络的蓝莓成熟度的无损检测方法 | |
CN109738436A (zh) | 一种籽棉杂质定量快速检测系统及方法 | |
Ji et al. | In-field automatic detection of maize tassels using computer vision | |
CN110648312A (zh) | 一种基于鳞片形态特征分析的羊毛与羊绒纤维识别方法 | |
Constantino et al. | Towards an automated plant height measurement and tiller segmentation of rice crops using image processing | |
CN110390322B (zh) | 一种用于深度学习的籽棉地膜高光谱可视化标签方法 | |
CN102495067B (zh) | 一种食用菌杂质在线识别系统 | |
CN115862004A (zh) | 一种玉米果穗表面缺陷检测方法及装置 | |
Chen et al. | Real-time grain breakage sensing for rice combine harvesters using machine vision technology | |
Wu et al. | Automatic kernel counting on maize ear using RGB images |
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 |