CN107064150B - 一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别装置及鉴别方法 - Google Patents
一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别装置及鉴别方法 Download PDFInfo
- Publication number
- CN107064150B CN107064150B CN201710392831.1A CN201710392831A CN107064150B CN 107064150 B CN107064150 B CN 107064150B CN 201710392831 A CN201710392831 A CN 201710392831A CN 107064150 B CN107064150 B CN 107064150B
- Authority
- CN
- China
- Prior art keywords
- egg
- eggs
- fertilized
- light source
- image
- 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
- G01N2021/845—Objects on a conveyor
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
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)
- Meat, Egg Or Seafood Products (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别装置及鉴别方法,包括蛋托、计算机、工业相机、传输机构、光源机构、分级机械手臂。蛋托与传输机构上的传输皮带摩擦配合;工业相机通过一根支撑杆固定在传输机构的正上方,工业相机与传输机构一侧连接。工业相机连接计算机,光源机构放置在地面上,设置在传输机构的正下方,光源机构与工业相机相对应;分级机械手臂安装在传输机构尾部的一侧。本发明一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别装置及鉴别方法,利用机器视觉采集种蛋图像,通过图像预处理后,建立无精蛋与受精蛋鉴别模型;实现褐壳种蛋自动化无损检测,实现孵化早期的褐壳种蛋鉴别。
Description
技术领域
本发明涉及褐壳种蛋检测技术及设备领域,具体是一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别装置及鉴别方法。
背景技术
我国历来就是禽蛋的生产和消费大国,禽蛋产量长期位居世界首位,但我国的种蛋检测技术水平与检测装备自动化程度远远落后于发达国家,与禽蛋大国的地位十分不符,迫切需要改变这个局面。
目前,国内的养殖场中鸡种蛋孵化率要求在90%以上,但在实际生产过程中,很多养殖场都无法达到这个标准。若在种蛋孵化早期就将无精蛋剔除出来,能提高种蛋孵化率,我国每年的种蛋产量将增加数亿颗,被鉴别出的无精蛋可以供给消费者食用,能减少浪费、节省资源。当前的种蛋检测,大多是在孵化后期进行人工照蛋器,劳动强度大,效率低,增大种蛋的损坏风险。
因此,越来越多的国内外很多学者对种蛋无损检测进行研究。常用的检测方法主要有光电检测法、敲击振动法、光谱法、机器视觉法等几大类。光电检测法不适用于厚壳的种蛋,敲击振动法易受外界的干扰,光谱法成本过高,机器视觉法多用于白壳种蛋的鉴别。现有的研究绝大多数是以白壳种蛋为研究对象,针对褐壳种蛋的鉴别非常少,而褐壳种蛋在日常生活中比较常见。因此,研究出一种快速、准确区分孵化早期褐壳无精蛋与受精蛋的方法是十分必要的。由于人工检测效率过低,很多学者试图设计出一种禽蛋自动检测装置取代人工,朱涛等人设计了一种孵化蛋品质在线自动检测分选机,该装置采用的是链传动机构进行鸡蛋传输,这种传输方式的稳定性差,不适于鸡蛋这种易碎品,而且照蛋装置的光源只能上升到离孵化蛋较近的地方,无法完全密闭,可能会造成漏光。设计出适用于种蛋检测的机械装置是一项具有深远意义的工作。
发明内容
针对现有技术中种蛋鉴别方面的不足,本发明提供一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别装置及鉴别方法,利用机器视觉采集种蛋图像,通过图像预处理后,提取图像特征参数,建立无精蛋与受精蛋鉴别模型;实现褐壳种蛋自动化无损检测,实现孵化早期的褐壳种蛋鉴别。
本发明采取的技术方案为:
一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别装置,包括蛋托、计算机、工业相机、传输机构、光源机构、分级机械手臂。蛋托与传输机构上的传输皮带摩擦配合;工业相机通过一根支撑杆固定在传输机构的正上方,工业相机与传输机构一侧连接。工业相机连接计算机,光源机构放置在地面上,设置在传输机构的正下方,光源机构与工业相机相对应;分级机械手臂安装在传输机构尾部的一侧。
所述蛋托包括多个放蛋孔,每一个放蛋孔设计为圆形,且在放蛋孔的内周等距离设计四个凸缘;在放蛋孔的外周、与凸缘相对的地方设计四根护杆,用于保护鸡蛋;
所述蛋托两侧下部设计成的台阶状,用于与传输皮带摩擦配合;蛋托上面均匀分布四根凸起的立柱,将一托完成检测的孵化蛋从传输皮带上取下。
所述传输机构包括挡板、传输皮带、滚筒、第一电动机、传动皮带、主动杆、挡圈;
两块挡板通过一根主动杆相连,在两块挡板上都均匀分布一定数量的滚筒,传输皮带与滚筒紧密配合,每个滚筒的两边均装有挡圈,挡圈的外径略大于滚筒,用于将传输皮带轴向固定;
当一托蛋放置在传输皮带时,启动第一电动机,通过传动皮带带动主动杆转动,主动杆带动传输皮带在滚筒的支撑下转动,蛋托就可以平稳的在传输机构上移动。
所述光源机构包括第二电动机、曲柄滑块机构、光源架、光源;其中光源包括灯座、散热片、卤素灯、遮光垫圈;
光源架由四根导轨和两个长方形框架组成,稳定的放置在地面上,光源被轴向固定在光源架的四根导轨上,可以沿着四根导轨上下滑动;
灯座两边设计为阶梯状结构,光源上升到光源架的顶部时,灯座的上部能够高于光源架的顶部,使遮光垫圈与种蛋接触,防止漏光;
遮光垫圈采用的是可伸缩的橡胶垫圈,便于光源与被测种蛋柔性相接;
卤素灯是一种发热量较大的光源,在灯座的底部装有金属片进行散热;
蛋托移动到工业相机正下方时,第二电动机驱动曲柄滑块机构,使光源上升至光源架顶部,接通光源,然后进行种蛋照片的采集,图像采集完成后,光源下降。
所述分级机械手臂由底座、转杆、第一连杆、第二连杆、执行末端组成,它们之间两两铰接。
所述分级机械手臂包含四个活动构件,四个低副,没有高副,计算得出分级机械手臂的执行末端有四个自由度:两个移动、两个转动,两个移动位于同一个平面,两个转动所在的平面相互垂直,且两个移动与其中一个转动共面,能够完成实验需要的无精蛋抓取过程。
本发明一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别装置及鉴别方法,优点在于:
1、操作简便,适用性好。
2、机器视觉技术是一种无损检测手段,对种蛋无损伤,检测准确率高。
3、基于机器视觉技术设计出一个自动化鉴别装置,实现检测智能化,效率极高。
4、确定了适用鉴别褐壳种蛋的图像特征B分量、I分量、S分量,区分度高。
5、运用多元线性回归的方法建模,算法简单,判别准确率较高。
6、选用单个鸡蛋轮廓上最近的点与中心的距离为分割半径,有效减少背景区域面积,消除干扰。
附图说明
图1是本发明装置整体结构示意图。
图2是本发明装置蛋托的结构示意图。
图3是本发明装置蛋托的局部结构示意图。
图4是本发明装置传输机构立体结构示意图。
图5是本发明装置传输机构侧视结构示意图。
图6是本发明装置光源机构的结构示意图。
图7是本发明装置光源机构的局部结构示意图。
图8是本发明装置机械手臂的示意图。
图9是本发明方法的总工作流程图。
图10是本发明方法的图像处理流程图。
图11是本发明方法的检测过程流程图。
图12是图片分割并编号的原理图。
其中:1-蛋托、1.1-立柱、1.2-护杆、1.3-凸缘;
2-计算机;
3-工业相机;
4-传输机构、4.1-挡板、4.2-传输皮带、4.3-滚筒、4.4-第一电动机;
4.5-传动皮带、4.6-主动杆、4.7-挡圈;
5-光源机构、5.1-第2电动机、5.2-曲柄滑块机构、5.3-光源架、5.4-光源、5.4.1-灯座、5.4.2-散热片、5.4.3-卤素灯、5.4.4-遮光垫圈;
6-分级机械手臂、6.1-底座、6.2-转杆、6.3-第一连杆、6.4-第二连杆、6.5-执行端。
具体实施方式
一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别装置,
一、总体装置:
如图1所示,本发明装置包括蛋托1、计算机2、工业相机3、传输机构4、光源机构5、分级机械手臂6。
工业相机3通过一根支撑杆与传输机构4的一侧的挡板4.1相连,固定在传输机构4的正上方;光源机构5放置在地面上,位于传输机构4的正下方,与工业相机2相对,分级机械手臂6安装在传输机构4尾部的一侧。
2、各部分结构:
1)、蛋托1:
如图2、图3所示,蛋托1的每一个放蛋孔设计为圆形,且在放蛋孔的内周等距离设计四个凸缘1.3,在它的外周与凸缘相对的地方设计四根护杆1.2保护鸡蛋,在蛋托1边的下部设计成台阶状,可以与传输机构4上的传输皮带4.2配合,且蛋托1上面均匀分布四根凸起的立柱1.1,便于将一托完成检测的孵化蛋从传输皮带4.2上取下。
2)、传输机构4:
如图4、图5所示,本发明装置的传输机构4由挡板4.1、传输皮带4.2、滚筒4.3、第一电动机4.4、传动皮带4.5、主动杆4.6、挡圈4.7等构成。
从传输机构的斜视图可以看到,它的两块挡板4.1通过一根主动杆4.6相连,在两块挡板4.6上都均匀分布一定数量的滚筒4.3,传输皮带4.2与滚筒4.3紧密配合;从传输机构4的斜视图上可以看到,每个滚筒4.3的两边均装有挡圈4.7,挡圈4.7的外径略大于滚筒4.3,可以将传输皮带4.2轴向固定。当一托蛋放置在传输皮带4.2时,启动第一电动机4.4,通过传动皮带4.5带动主动杆4.6转动,主动杆4.6带动传输皮带4.2在滚筒4.3的支撑下转动,蛋托1就可以平稳的在传输机构4上移动。
3)光源机构:
如图6、7所示,本发明装置的光源机构5由第二电动机5.1、曲柄滑块机构5.2、光源架5.3、光源5.4构成,其中光源5.4包括灯座5.4.1、散热片5.4.2、卤素灯5.4.3、遮光垫圈5.4.4。
光源架5.3由四根导轨和两个长方形框架组成,稳定的放置在地面上,光源被轴向固定在光源架的四根导轨上,可以沿着四根导轨上下滑动。光源的灯座5.4.1两边设计为阶梯状结构,这样光源上升到光源架5.3的顶部时,灯座5.4.1的上部能够高于光源架5.3的顶部,使遮光垫圈5.4.4与种蛋接触,防止漏光。由于鸡蛋易碎,光源上的遮光垫圈5.4.4采用的是可伸缩的橡胶垫圈,便于光源5.4与被测种蛋柔性相接。卤素灯5.4.3是一种发热量较大的光源,在灯座5.4.1的底部装有金属片进行散热。蛋托1移动到工业相机3正下方时,第二电动机5.1驱动曲柄滑块机构5.2,使光源5.4上升至光源架5.3顶部接通光源5.4,然后进行种蛋照片的采集,图像采集完成后,光源5.4下降。
4)分级机械手臂:
如图8所示,本发明装置的分级机械手臂由底座6.1、转杆6.2、第一连杆6.3、第2连杆6.4、执行末端6.5组成,两两铰接。
本发明设计的机械手中包含四个活动构件,四个低副,没有高副,计算得出机械手臂的执行末端6.5有四个自由度:两个移动、两个转动,两个移动位于同一个平面,两个转动所在的平面相互垂直,且两个移动与其中一个转动共面,能够完成实验需要的无精蛋抓取过程。
一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别方法,包括以下步骤:
①运输步骤601:
一个装满7日龄褐壳种蛋的蛋托1放置在传输机构4的传输皮带4.2上,启动第一电动机4.4,传输皮带4.2开始工作,蛋托1在传输皮带4.2的带动下向前运动,直至蛋托1触发开关,产生出一个信号被控制系统接收后,传输机构4停止运动;
②采集图片步骤602:
控制系统发送执行指令给光源机构5的第二电动机5.1,第二电动机5.1启动使曲柄滑块机构5.2推动光源5.4竖直向上运动,直至弹性遮光垫圈5.4.4与种蛋之间无缝接触,卤素灯5.4.3接通将蛋托1上的种蛋照亮,工业相机3进行图像采集,并储存至计算机2中;
③设置阈值步骤603:
将受精蛋、无精蛋分别置于蛋托1上,工业相机3每次采集一次的图像,分类建立数据库,进行图像分割处理,提取每个小区域图像的特征参数B分量、I分量、S分量,用多元回归方法得到判别方程Y=1.27-3.272*B+1.981*I-0.749*S,设置判定无精蛋和受精蛋的阈值0.5,当单个种蛋特征参数代入判别方程得到的Y值>=0.5时,判别为受精蛋,否则为无精蛋;
④:图像分割并编号步骤604:
由于每次拍摄时,工业相机3和传输皮带4.2上蛋托1的位置相对固定,则每一幅图像中的待鉴别种蛋的位置也相对固定,因此对整幅图像进行固定小面积区域分割,将每枚鸡蛋划分在对应的小区域中,并对每个小区域按一定规则编号;
⑤:检测步骤605:
取编号为1的小区域图像的B、I、S分量,提取其对应的特征分量并利用步骤③进行判别,识别出无精蛋在蛋托上的坐标,将坐标信息存储在计算机2中;
⑥:分级步骤606:
控制系统根据无精蛋的坐标发送对应的指令给分级机械手臂6,当下一托蛋触发开关使传输机构4停止运转时,分级机械手臂6将上一个蛋托1中相应坐标位置上的无精蛋挑出。至此,第一托7日龄褐壳种蛋的鉴别全部完成;
继续下一托种蛋的鉴别,依次循环进行步骤①-⑥。
如图10所示,所述图像分割并编号步骤604的子工作流程如下:
Ⅰ、图像分割并编号-701:
对已知的样本采集的图像进行分割并编号,图像分割并编号的原理如图12所示,按6(枚/行)×5(行)=30(枚)的矩阵分割,并依次编号为1-30;
Ⅱ、提取特征分量-702:
提取每个样本蛋图片的B、I、S分量,运用多元回归法得到的判别模型为:
Y值=1.27-3.272*B+1.981*I-0.749*S
当样品蛋为受精蛋时Y值范围为:Y≥0.5;
当样品蛋为无精蛋时Y值范围为:Y<0.5;
Ⅲ、设定Y值-703:
设定判别无精蛋的阈值为0.5;
Y≥0.5时,判别为受精蛋;
Y<0.5时,判别为无精蛋。
如图10所示,所述检测步骤605的子工作流程如下:
a、提取对应编号种蛋的特征分量-801:
利用软件Matlab2012取编号后小区域图像的特征分量;
b、从1号提取各图像的B、I、S分量802:
从编号为1的区域开始提取每个小区域的B、I、S分量,代入公式:
Y值=1.27-3.272*B+1.981*I-0.749*S
c、判断条件Y<0.5-803:
通过计算机提取的特征参数,利用步骤Ⅲ设定的阈值0.5进行判别,若Y<0.5,则被测蛋为无精蛋(804),计算机输出0,确定出该无精蛋在蛋托上的位置,发送指令给分级机械手臂,再进入步骤d;反之,若Y≥0.5,则被测蛋为受精蛋(805),计算机输出1,再进入步骤d;
d、编号加1-806:
计算机输出0或1后编号加1;
e、编号=30-807:
判断编号是否为30-807,是则进入步骤f,否则跳转到步骤b;
f、结束-808。
本发明的检测结果:
本发明的试验样品是荆州峪口禽业有限公司购买的京粉2号褐壳鸡蛋,分别将7日龄的种蛋分为两类:受精蛋、无精蛋。无精蛋判别准确率为92%,受精蛋判别准确率为97.1%,总体正确率为95%。
Claims (3)
1.一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别方法,其特征在于包括以下步骤:
①:运输步骤(601):
一个装满7日龄褐壳种蛋的蛋托(1)放置在传输机构(4)的传输皮带(4.2)上,启动第一电动机(4.4),传输皮带(4.2)开始工作,蛋托(1)在传输皮带(4.2)的带动下向前运动,直至蛋托(1)触发开关,产生出一个信号被控制系统接收后,传输机构(4)停止运动;
②:采集图片步骤(602):
控制系统发送执行指令给光源机构(5)的第二电动机(5.1),第二电动机(5.1)启动使曲柄滑块机构(5.2)推动光源(5.4)竖直向上运动,直至弹性遮光垫圈(5.4.4)与种蛋之间无缝接触,卤素灯(5.4.3)接通将蛋托(1)上的种蛋照亮,工业相机(3)进行图像采集,并储存至计算机(2)中;
③:设置阈值步骤(603):
将受精蛋、无精蛋分别置于蛋托(1)上,工业相机(3)每次采集一次的图像,分类建立数据库,进行图像分割处理,提取每个小区域图像的特征参数B分量、I分量、S分量,用多元回归方法得到判别方程Y=1.27-3.272*B+1.981*I-0.749*S,设置判定无精蛋和受精蛋的阈值0.5,当单个种蛋特征参数代入判别方程得到的Y值>=0.5时,判别为受精蛋,否则为无精蛋;
④:图像分割并编号步骤(604):
由于每次拍摄时,工业相机(3)和传输皮带(4.2)上蛋托(1)的位置相对固定,则每一幅图像中待鉴别种蛋的位置也相对固定,因此对整幅图像进行固定小面积区域分割,将每枚鸡蛋划分在对应的小区域中,并对每个小区域按一定规则编号;
⑤:检测步骤(605):
取编号为1的小区域图像的B、I、S分量,提取其对应的特征分量并利用步骤③进行判别,识别出无精蛋在蛋托上的坐标,将坐标信息存储在计算机(2)中;
⑥:分级步骤(606):
控制系统根据无精蛋的坐标发送对应的指令给分级机械手臂(6),当下一托蛋触发开关使传输机构(4)停止运转时,分级机械手臂(6)将上一个蛋托中相应坐标位置上的无精蛋挑出;至此,第一托7日龄褐壳种蛋的鉴别全部完成;
继续下一托种蛋的鉴别,依次循环进行步骤①-⑥。
2.根据权利要求1所述一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别方法,其特征在于:所述图像分割并编号步骤(604)的子工作流程如下:
Ⅰ、图像分割并编号(701):
对已知的样本采集的图像进行分割并编号,按6×5=30的矩阵分割,并依次编号为1-30;
Ⅱ、提取特征分量(702):
提取每个样本蛋图片的B、I、S分量,运用多元回归法得到的判别模型为:
Y值=1.27-3.272*B+1.981*I-0.749*S
当样品蛋为受精蛋时Y值范围为:Y≥0.5;
当样品蛋为无精蛋时Y值范围为:Y<0.5;
Ⅲ、设定Y值(703):
设定判别无精蛋的阈值为0.5;
Y≥0.5时,判别为受精蛋;
Y<0.5时,判别为无精蛋。
3.根据权利要求1所述一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别方法,其特征在于:所述检测步骤(605)的子工作流程如下:
a、提取对应编号种蛋的特征分量(801):
利用软件Matlab2012取编号后小区域图像的特征分量;
b、从1号提取各图像的B、I、S分量(802):
从编号为1的区域开始提取每个小区域的B、I、S分量,代入公式:
Y值=1.27-3.272*B+1.981*I-0.749*S
c、判断条件Y<0.5(803):
通过计算机提取的特征参数,利用步骤Ⅲ设定的阈值0.5进行判别,若Y<0.5,则被测蛋为无精蛋(804),计算机输出0,确定出该无精蛋在蛋托上的位置,发送指令给分级机械手臂,再进入步骤d;反之,若Y≥0.5,则被测蛋为受精蛋(805),计算机输出1,再进入步骤d;
d、编号加1(806):
计算机输出0或1后编号加1;
e、编号=30(807):
判断编号是否为30-(807),是则进入步骤f,否则跳转到步骤b;
f、结束(808)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710392831.1A CN107064150B (zh) | 2017-05-27 | 2017-05-27 | 一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别装置及鉴别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710392831.1A CN107064150B (zh) | 2017-05-27 | 2017-05-27 | 一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别装置及鉴别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107064150A CN107064150A (zh) | 2017-08-18 |
CN107064150B true CN107064150B (zh) | 2023-05-23 |
Family
ID=59615470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710392831.1A Active CN107064150B (zh) | 2017-05-27 | 2017-05-27 | 一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别装置及鉴别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107064150B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108967260B (zh) * | 2018-09-28 | 2023-08-04 | 华裕农业科技有限公司 | 种蛋孵化系统 |
CN110930360A (zh) * | 2019-10-21 | 2020-03-27 | 北京海益同展信息科技有限公司 | 禽蛋检测、图像处理方法、装置、电子设备及存储介质 |
CN110927167A (zh) * | 2019-10-31 | 2020-03-27 | 北京海益同展信息科技有限公司 | 一种禽蛋检测方法、装置、电子设备及存储介质 |
CN111122582B (zh) * | 2019-11-11 | 2023-03-07 | 京东科技信息技术有限公司 | 一种禽蛋检测方法、图像处理方法及装置 |
CN111570330B (zh) * | 2020-06-16 | 2021-10-01 | 华中农业大学 | 整盘种鸭蛋中无精蛋的机器视觉挑选装置及其方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3212936B2 (ja) * | 1997-12-09 | 2001-09-25 | 株式会社前川製作所 | 異常鶏卵の非破壊検出方法 |
CN101672839B (zh) * | 2009-09-25 | 2012-11-14 | 南京农业大学 | 一种基于计算机视觉的种蛋孵化品质检测方法 |
JP6041236B2 (ja) * | 2011-04-27 | 2016-12-07 | 條一郎 坪井 | 検卵装置 |
CN103158950A (zh) * | 2011-12-19 | 2013-06-19 | 常州五星禽蛋有限公司 | 鸡蛋托盘 |
DE102012016911B3 (de) * | 2012-08-22 | 2013-06-20 | Technische Universität Dresden | Verfahren und Anordnung zur Detektion von Keimscheiben in befruchteten unbebrüteten Geflügeleieern |
CN103026984B (zh) * | 2012-12-12 | 2014-08-27 | 华中农业大学 | 群体孵化蛋成活性的视觉检测分级装置及其方法 |
CN203241402U (zh) * | 2013-03-21 | 2013-10-16 | 广东温氏食品集团股份有限公司 | 一种照蛋器 |
JP2014191685A (ja) * | 2013-03-28 | 2014-10-06 | Nissan Motor Co Ltd | 画像処理装置および画像処理方法 |
US9659405B2 (en) * | 2015-04-01 | 2017-05-23 | Toshiba Medical Systems Corporation | Image processing method and apparatus |
CN206848182U (zh) * | 2017-05-27 | 2018-01-05 | 华中农业大学 | 一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别装置 |
-
2017
- 2017-05-27 CN CN201710392831.1A patent/CN107064150B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107064150A (zh) | 2017-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107064150B (zh) | 一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别装置及鉴别方法 | |
CN106872465B (zh) | 基于机器视觉的禽类受精蛋检测筛选装置 | |
CN103706575B (zh) | 一种基于两级图像采集的镜片在线分级分拣装置及方法 | |
CN202010662U (zh) | 水果外观品质实时检测分级系统装置 | |
CN104483320B (zh) | 工业脱硝催化剂的数字化缺陷检测装置与检测方法 | |
CN103026984B (zh) | 群体孵化蛋成活性的视觉检测分级装置及其方法 | |
CN111006608B (zh) | 透明板材通孔视觉检测系统及方法 | |
CN102589441A (zh) | 盆栽水稻表型参数的全自动无损测量系统及测量方法 | |
CN102539441A (zh) | 一种批量检验电路板上元器件焊接正确性的检验方法 | |
CN109211927B (zh) | 检测系统及检测方法 | |
CN103736672A (zh) | 一种镜片在线分级分拣装置 | |
EP1549136B1 (en) | Systems and methods for rapidly and accurately identifying live eggs within a stream of eggs | |
CN202799873U (zh) | 种蛋自动识别分拣设备 | |
CN102960265A (zh) | 一种非侵入式蛋胚存活状态检测方法及装置 | |
CN104520693A (zh) | 种蛋检查装置以及种蛋检查方法 | |
CN212301356U (zh) | 一种轮毂焊缝视觉检测装置 | |
CN116636481A (zh) | 家禽产蛋性能和蛋品质智能测定方法及设备 | |
CN202938348U (zh) | 一种打火机火焰检测装置 | |
CN111721782A (zh) | 光学检测设备 | |
CN206848182U (zh) | 一种基于机器视觉技术的褐壳无精蛋和受精蛋鉴别装置 | |
CN111570330B (zh) | 整盘种鸭蛋中无精蛋的机器视觉挑选装置及其方法 | |
CN114289339A (zh) | 一种芯片自动化检测方法和装置 | |
CN108575820B (zh) | 一种种蛋无损识别设备和方法 | |
CN111458344A (zh) | 一种口罩缺陷视觉检测方法、设备、存储介质 | |
CN217505679U (zh) | 工件缺陷检测装置 |
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 |