CN107030021A - 一种用于薯片生产线的视觉检测定位方法 - Google Patents

一种用于薯片生产线的视觉检测定位方法 Download PDF

Info

Publication number
CN107030021A
CN107030021A CN201710232789.7A CN201710232789A CN107030021A CN 107030021 A CN107030021 A CN 107030021A CN 201710232789 A CN201710232789 A CN 201710232789A CN 107030021 A CN107030021 A CN 107030021A
Authority
CN
China
Prior art keywords
potato chips
image
defect ware
production line
detection signal
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.)
Pending
Application number
CN201710232789.7A
Other languages
English (en)
Inventor
应伟军
范兴铎
李映平
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.)
Jiyang College of Zhejiang A&F University
Original Assignee
Jiyang College of Zhejiang A&F University
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 Jiyang College of Zhejiang A&F University filed Critical Jiyang College of Zhejiang A&F University
Priority to CN201710232789.7A priority Critical patent/CN107030021A/zh
Publication of CN107030021A publication Critical patent/CN107030021A/zh
Pending legal-status Critical Current

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
    • B07C5/04—Sorting according to size
    • 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
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • B07C5/362—Separating or distributor mechanisms
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems
    • 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • 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
    • B07C2501/0063—Using robots
    • 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
    • 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N2021/8909—Scan signal processing specially adapted for inspection of running sheets

Landscapes

  • Engineering & Computer Science (AREA)
  • Textile Engineering (AREA)
  • 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)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种用于薯片生产线的视觉检测定位方法，包括以下步骤：图像获取步骤：获取当前时刻薯片表面形貌的图像；图像处理步骤：对获取到的所述图像依次进行噪声处理、Hough变换检测处理、以及轮廓提取处理；图像判断步骤：将处理后的图像与经神经网络根据上一时刻处理的图像预测出来的参考图像进行比较，在两者的匹配度大于一预设值时，根据所述处理后的图像输出检测信号；在两者的匹配度小于一预设值时，根据所述参考图像输出检测信号；薯片剔除步骤：根据所述检测信号判断薯片是否为残次品，并且对残次品进行剔除。

Description

一种用于薯片生产线的视觉检测定位方法
技术领域
本发明涉及视觉工程技术系统，更具体的说是涉及一种用于薯片生产线的视觉检测定位方法。
背景技术
近年来，机器人技术在食品行业中得到了广泛应用，特别是一些自动化要求较高的食品行业。在薯片生产企业中，由于机器人技术的应用，不仅提高了薯片的生产效率，降低了劳动力成本，还有效保证了食品的安全，为企业带来了更大的经济效益。但在薯片质检岗位上，依然采用人工的方式进行薯片残次品的检查和剔除，其主要原因是目前大多数工业机器人仍利用“示教-再现”的方式，控制机器人完成点到点的工作。人工质检薯片的方式不仅费时耗力，卫生无法保证，而且长时间工作会导致眼部不适，据报道人工检测最多只能够达到80％的有效性。为此，急需提出一种能够提高效率的检测方法。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种用于薯片生产线的视觉检测定位方法，通过获取图像、处理图像、判断图像的匹配度、剔除薯片，可以提高对残次薯片的检测效率。
为实现上述目的，本发明提供了如下技术方案：
一种用于薯片生产线的视觉检测定位方法，包括以下步骤：
图像获取步骤：获取当前时刻薯片表面形貌的图像；
图像处理步骤：对获取到的所述图像依次进行噪声处理、Hough变换检测处理、以及轮廓提取处理；
图像判断步骤：将处理后的图像与经神经网络根据上一时刻处理的图像预测出来的参考图像进行比较，在两者的匹配度大于一预设值时，根据所述处理后的图像输出检测信号；在两者的匹配度小于一预设值时，根据所述参考图像输出检测信号；
薯片剔除步骤：根据所述检测信号判断薯片是否为残次品，并且对残次品进行剔除。
作为一种可实施的方式，所述薯片剔除步骤包括以下步骤：
残次品确定步骤：根据所述检测信号判断薯片是否为残次品，其中，判断的根据是薯片表面的纹路宽度，提取所述检测信号中关于薯片表面的纹路宽度的信息，再与预设的信息进行比对，判断薯片是否为残次品；
跟踪步骤：以生产线的速度为参考速度，控制机械手以参考速度移动，使之与被确定为残次品的薯片同步移动；
剔除步骤：在机械手与被确定为残次品的薯片同步移动后，将被确定为残次品的薯片剔除。
作为一种可实施的方式，所述薯片剔除步骤包括以下步骤：
残次品确定步骤：根据所述检测信号判断薯片是否为残次品，其中，判断的根据是薯片表面的纹路宽度，提取所述检测信号中关于薯片表面的纹路宽度的信息，再与预设的信息进行比对，判断薯片是否为残次品；
跟踪步骤：以生产线的移动速度为参考速度，控制机械手以参考速度移动，使之与被确定为残次品的薯片同步移动；
剔除步骤：在机械手与被确定为残次品的薯片同步移动后，将被确定为残次品的薯片剔除；
摄像头标定步骤：根据标定方程式对摄像头进行标定，其中，所述标定方程式为Pc＝R*Pw+T；式中，Pc为摄像头坐标，R为旋转矩阵，并且R＝R(α，β，γ)，α为绕x轴旋转角度，β为绕y轴旋转角度，γ为绕z轴旋转角度；式中，Pw为生产线坐标，T为平移向量。
作为一种可实施的方式，所述跟踪步骤包括以下步骤：
第一步，确定机械手与被确定为残次品的薯片之间的水平距离；
第二步，将所述水平距离与机械手的活动范围值进行对比；
第三步，根据所述水平距离与机械手的活动范围值的对比结果，调整所述机械手与被确定为残次品的薯片之间的最终距离；
其中，所述水平距离根据获取到的当前时刻薯片表面形貌的图像确定。
作为一种可实施的方式，在所述图像判断步骤中，根据以下方程式确定所述处理后的图像与所述参考图像的匹配度；
其中，d(A，B)为匹配度，n为图像分割的总份数，i为第i份分割的图像，μA(μi)为由所述处理后的图像分割的第i份图像的相关参数，μB(μi)为由所述参考图像分割的第i份图像的相关参数。
本发明相比于现有技术的有益效果在于：
本发明提供了一种用于薯片生产线的视觉检测定位方法，首先获取薯片表面形貌的图像，再对这图像进行噪声处理、Hough变换检测处理、以及轮廓提取处理，去除图像上的一些干扰因素；然后根据神经网络判断出图像中的薯片，确定薯片的信息；最后将残次薯片剔除。以上过程全部由机器人视觉实现，无需人眼参与，可以提高对残次薯片的检测效率。
附图说明
图1为本发明提供的用于薯片生产线的视觉检测定位方法流程图；
图2为图1提供的用于薯片生产线的视觉检测定位方法流程图中薯片剔除步骤的一方法流程图；
图3为图1提供的用于薯片生产线的视觉检测定位方法流程图中薯片剔除步骤的另一方法流程图；
图4为图2或者图3提供的薯片剔除步骤的方法流程图中跟踪步骤的方法流程图。
具体实施方式
以下结合附图，对本发明上述的和另外的技术特征和优点进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的部分实施例，而不是全部实施例。
参照图1，本发明提供了一种用于薯片生产线的视觉检测定位方法，包括步骤S100、步骤S200、步骤S300以及步骤S400。
在步骤S100中，获取图像，它具体是，获取当前时刻薯片表面形貌的图像；在实施的过程中，通常采用CCD摄像头对薯片生产线进行拍摄，获取到的图片是整条生产线的，当然其中也包括当前时刻薯片表面形貌的图像。这里的当前时刻是针对上一时刻而言的，以连续两次拍摄为例，第二次拍摄相对于第一次拍摄即当前时刻拍摄，相应的，第一次拍摄相对于第二次拍摄即上一时刻拍摄。之所以需要区别不同的时刻，是因为本发明中引入了神经网络作为辅助，通过该神经网络可以更准确地确定薯片的信息。例如，在两个薯片之间存在一形状与薯片类似的空格，而它的背景颜色又与薯片类似，这空格对处理器而言是识别盲区。但是通过神经网络可以识别出薯片，并且确定薯片的具体位置坐标。
在步骤S200中，对图像进行处理，它具体是，对获取到的图像依次进行噪声处理、Hough变换检测处理、以及轮廓提取处理；通过以上的处理，可以使薯片的外形轮廓更明显，并且是薯片表面的纹路也更明显。当然，这一步骤是针对整条薯片生产线的，并不仅针对生产线上的一薯片。而经过这一步骤处理的图像有利于处理器处理。
在步骤S300中，判断图像和参考图像的匹配度，它具体是，将处理后的图像与经神经网络根据上一时刻处理的图像预测出来的参考图像进行比较，在两者的匹配度大于一预设值时，根据处理后的图像输出检测信号；在两者的匹配度小于一预设值时，根据参考图像输出检测信号。实际上，这一步骤由处理器完成，关联到上一步骤，即对处理后的图像进行识别，比对的对象是参考图像，它是通过神经网络预测出来的。这里，神经网络是模糊算法，根据上一时刻处理的图像，可以预测出大体上的当前图像，经过比对，可以分出两者的差别，并输出相应的一个检测信号。
进一步的，对图像的判断是根据以下方程式确定处理后的图像与参考图像的匹配度；其中，d(A，B)为匹配度，n为图像分割的总份数，i为第i份分割的图像，μA(μi)为由处理后的图像分割的第i份图像的相关参数，μB(μi)为由参考图像分割的第i份图像的相关参数。这个方程式相当于二分法，它的大致原理是，先将薯片分割成多份，找出每一份上的共同点和不同点，从而确定匹配度，从而确定残次薯片。
在步骤S400中，剔除薯片。具体是，根据检测信号判断薯片是否为残次品，并且对残次品进行剔除。其实，经过上一步骤，可以确定出残次薯片。这一步骤，实际上是一执行步骤，它能够将残次薯片剔除。
参照图2，在一个实施例中，薯片剔除步骤S400包括步骤S410、步骤S420以及步骤S430，以下具体分析。
在步骤S410中，确定残次薯片。它具体是，根据检测信号判断薯片是否为残次品，其中，判断的根据是薯片表面的纹路宽度，提取检测信号中关于薯片表面的纹路宽度的信息，再与预设的信息进行比对，判断薯片是否为残次品；在任一薯片上，表面都有一些纹路，假如纹路宽度较大，说明该薯片可能已经破损，这是判断形状较大的薯片的一种方法，针对另一种形状较小的薯片，它本身就属于残次品，在步骤S300中通过神经网络即可辨认出。
在步骤S420中，跟踪残次品。它具体是，以生产线的速度为参考速度，控制机械手以参考速度移动，使之与被确定为残次品的薯片同步移动。这一过程可以使生产线在保持运作的情况下将残次薯片剔除。
在步骤S430中，剔除残次薯片。它具体是，在机械手与被确定为残次品的薯片同步移动后，将被确定为残次品的薯片剔除。
参照图3，在另一个实施例中，薯片剔除步骤S400包括步骤S410、步骤S420、步骤S430、以及步骤S440，以下具体分析。
在步骤S410中，确定残次薯片。它具体是，根据检测信号判断薯片是否为残次品，其中，判断的根据是薯片表面的纹路宽度，提取检测信号中关于薯片表面的纹路宽度的信息，再与预设的信息进行比对，判断薯片是否为残次品；在任一薯片上，表面都有一些纹路，假如纹路宽度较大，说明该薯片可能已经破损，这是判断形状较大的薯片的一种方法，针对另一种形状较小的薯片，它本身就属于残次品，在步骤S300中通过神经网络即可辨认出。
在步骤S420中，跟踪残次品。它具体是，以生产线的速度为参考速度，控制机械手以参考速度移动，使之与被确定为残次品的薯片同步移动。这一过程可以使生产线在保持运作的情况下将残次薯片剔除。
在步骤S430中，剔除残次薯片。它具体是，在机械手与被确定为残次品的薯片同步移动后，将被确定为残次品的薯片剔除。
在步骤S440中，标定摄像头。它具体是，根据标定方程式对摄像头进行标定，其中，标定方程式为Pc＝R*Pw+T；式中，Pc为摄像头坐标，R为旋转矩阵，并且R＝R(α，β，γ)，α为绕x轴旋转角度，β为绕y轴旋转角度，γ为绕z轴旋转角度；式中，Pw为生产线坐标，T为平移向量。这是步骤S430之后的一个附加步骤，它确定了摄像头的相对位置，在回到步骤S100，可以落实到某一时刻，某一位置上的图像。假如，生产线上的某一位置出现的残次薯片最多，可以通过这一步骤鉴定出来，设备维修人员也便于开展相关的排故工作。
参照图4，跟踪步骤430包括步骤S431、步骤S432以及步骤S433。
在步骤S431中，确定机械手与被确定为残次品的薯片之间的水平距离；
在步骤S432中，将水平距离与机械手的活动范围值进行对比；
在步骤S433中，根据水平距离与机械手的活动范围值的对比结果，调整机械手与被确定为残次品的薯片之间的最终距离；
其中，水平距离根据获取到的当前时刻薯片表面形貌的图像确定。
这是一个根据图像确定机械手动作的步骤，充分地利用了机器人视觉技术。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种用于薯片生产线的视觉检测定位方法，其特征在于，包括以下步骤：
图像获取步骤：获取当前时刻薯片表面形貌的图像；
图像处理步骤：对获取到的所述图像依次进行噪声处理、Hough变换检测处理、以及轮廓提取处理；
图像判断步骤：将处理后的图像与经神经网络根据上一时刻处理的图像预测出来的参考图像进行比较，在两者的匹配度大于一预设值时，根据所述处理后的图像输出检测信号；在两者的匹配度小于一预设值时，根据所述参考图像输出检测信号；
薯片剔除步骤：根据所述检测信号判断薯片是否为残次品，并且对残次品进行剔除。
2.根据权利要求1所述的用于薯片生产线的视觉检测定位方法，其特征在于，所述薯片剔除步骤包括以下步骤：
残次品确定步骤：根据所述检测信号判断薯片是否为残次品，其中，判断的根据是薯片表面的纹路宽度，提取所述检测信号中关于薯片表面的纹路宽度的信息，再与预设的信息进行比对，判断薯片是否为残次品；
跟踪步骤：以生产线的速度为参考速度，控制机械手以参考速度移动，使之与被确定为残次品的薯片同步移动；
剔除步骤：在机械手与被确定为残次品的薯片同步移动后，将被确定为残次品的薯片剔除。
3.根据权利要求1所述的用于薯片生产线的视觉检测定位方法，其特征在于，所述薯片剔除步骤包括以下步骤：
残次品确定步骤：根据所述检测信号判断薯片是否为残次品，其中，判断的根据是薯片表面的纹路宽度，提取所述检测信号中关于薯片表面的纹路宽度的信息，再与预设的信息进行比对，判断薯片是否为残次品；
跟踪步骤：以生产线的移动速度为参考速度，控制机械手以参考速度移动，使之与被确定为残次品的薯片同步移动；
剔除步骤：在机械手与被确定为残次品的薯片同步移动后，将被确定为残次品的薯片剔除；
摄像头标定步骤：根据标定方程式对摄像头进行标定，其中，所述标定方程式为Pc＝R*Pw+T；式中，Pc为摄像机坐标，R为旋转矩阵，并且R＝R(α，β，γ)，α为绕x轴旋转角度，β为绕y轴旋转角度，γ为绕z轴旋转角度；式中，Pw为生产线坐标，T为平移向量。
4.根据权利要求2或3所述的用于薯片生产线的视觉检测定位方法，其特征在于，所述跟踪步骤包括以下步骤：
第一步，确定机械手与被确定为残次品的薯片之间的水平距离；
第二步，将所述水平距离与机械手的活动范围值进行对比；
第三步，根据所述水平距离与机械手的活动范围值的对比结果，调整所述机械手与被确定为残次品的薯片之间的最终距离；
其中，所述水平距离根据获取到的当前时刻薯片表面形貌的图像确定。
5.根据权利要求1或2或3所述的用于薯片生产线的视觉检测定位方法，其特征在于，在所述图像判断步骤中，根据以下方程式确定所述处理后的图像与所述参考图像的匹配度；
其中，d(A，B)为匹配度，n为图像分割的总份数，i为第i份分割的图像，μA(μi)为由所述处理后的图像分割的第i份图像的相关参数，μB(μi)为由所述参考图像分割的第i份图像的相关参数。
CN201710232789.7A 2017-04-11 2017-04-11 一种用于薯片生产线的视觉检测定位方法 Pending CN107030021A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710232789.7A CN107030021A (zh) 2017-04-11 2017-04-11 一种用于薯片生产线的视觉检测定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710232789.7A CN107030021A (zh) 2017-04-11 2017-04-11 一种用于薯片生产线的视觉检测定位方法

Publications (1)

Publication Number Publication Date
CN107030021A true CN107030021A (zh) 2017-08-11

Family

ID=59535051

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710232789.7A Pending CN107030021A (zh) 2017-04-11 2017-04-11 一种用于薯片生产线的视觉检测定位方法

Country Status (1)

Country Link
CN (1) CN107030021A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111359907A (zh) * 2020-02-24 2020-07-03 南京农业大学 基于嵌入式深度学习的小麦感染赤霉病病粒率实时在线检测系统及方法
CN114047736A (zh) * 2022-01-12 2022-02-15 江苏狼王机械科技有限公司 一种成型裹粉油炸速冻智能制造系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102495077A (zh) * 2011-11-14 2012-06-13 无锡众望四维科技有限公司 机器视觉系统对输液瓶瓶身瑕疵的自动检测方法
US9355440B1 (en) * 2012-10-10 2016-05-31 Kla-Tencor Corp. Detection of selected defects in relatively noisy inspection data
CN105651776A (zh) * 2015-12-30 2016-06-08 中国农业大学 基于计算机视觉的牛胴体产肉量自动分级装置与方法
CN105665304A (zh) * 2016-02-01 2016-06-15 先驱智能机械（深圳）有限公司 物体的抓取与分拣系统及分拣盘

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102495077A (zh) * 2011-11-14 2012-06-13 无锡众望四维科技有限公司 机器视觉系统对输液瓶瓶身瑕疵的自动检测方法
US9355440B1 (en) * 2012-10-10 2016-05-31 Kla-Tencor Corp. Detection of selected defects in relatively noisy inspection data
CN105651776A (zh) * 2015-12-30 2016-06-08 中国农业大学 基于计算机视觉的牛胴体产肉量自动分级装置与方法
CN105665304A (zh) * 2016-02-01 2016-06-15 先驱智能机械（深圳）有限公司 物体的抓取与分拣系统及分拣盘

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王一丁等: "《数字图像处理》", 28 February 2015, 西安电子科技大学出版社 *
罗庆生: "《仿生四足机器人技术》", 30 April 2016 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111359907A (zh) * 2020-02-24 2020-07-03 南京农业大学 基于嵌入式深度学习的小麦感染赤霉病病粒率实时在线检测系统及方法
CN111359907B (zh) * 2020-02-24 2021-08-20 南京农业大学 基于嵌入式深度学习的小麦感染赤霉病病粒率实时在线检测系统及方法
CN114047736A (zh) * 2022-01-12 2022-02-15 江苏狼王机械科技有限公司 一种成型裹粉油炸速冻智能制造系统及方法

Similar Documents

Publication Publication Date Title
CN112233133B (zh) 基于otsu和区域生长法的电厂高温管道缺陷检测与分割方法
Zhao et al. On-tree fruit recognition using texture properties and color data
CN107038446B (zh) 一种主动照明下基于重叠边缘检测的夜间双果重叠番茄识别方法
CN104680519B (zh) 基于轮廓和颜色的七巧板识别方法
CN104361330B (zh) 一种玉米精准施药系统的作物行识别方法
CN107610104A (zh) 一种基于机器视觉的电梯补偿链r处裂纹检测方法
CN108596909A (zh) 空心圆柱工件表面缺陷检测系统及方法
CN106780526A (zh) 一种铁氧体圆片表面裂痕识别方法
CN110310275B (zh) 一种基于图像处理的链式传送带缺陷检测方法
CN109035214A (zh) 一种工业机器人物料形状识别方法
CN108109154A (zh) 一种工件的新型定位及数据获取方法
CN110097548B (zh) 一种基于机器视觉的钻孔缺陷检测系统及其检测方法
CN112990103A (zh) 一种基于机器视觉的串采二次定位方法
CN111340834A (zh) 基于激光雷达和双目相机数据融合的衬板装配系统及方法
CN112067618A (zh) 一种基于图形化的产品质量缺陷采集分析系统
CN113752086A (zh) 一种用于数控机床刀具状态检测的方法和装置
CN107030021A (zh) 一种用于薯片生产线的视觉检测定位方法
CN111882549B (zh) 一种灰绿色细小异纤自动检测识别方法及检测识别系统
CN113822810A (zh) 一种基于机器视觉的三维空间中工件的定位方法
CN115953397A (zh) 一种圆锥轴承保持器的工艺制备流程的监测方法及设备
CN108986160A (zh) 一种含有镜面反射光干扰的图像激光中心线提取方法
CN109410237B (zh) 一种基于激光三维相机的渣片图像分割方法
CN113758439A (zh) 热态环件轧制成形过程中几何参数在线测量方法及装置
Yang et al. Cherry recognition based on color channel transform
CN110349139A (zh) 一种基于神经网络分割的包装杂项检测方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20170811

RJ01 Rejection of invention patent application after publication