CN107301634A - 一种机器人自动分拣方法及系统 - Google Patents
一种机器人自动分拣方法及系统 Download PDFInfo
- Publication number
- CN107301634A CN107301634A CN201710507460.7A CN201710507460A CN107301634A CN 107301634 A CN107301634 A CN 107301634A CN 201710507460 A CN201710507460 A CN 201710507460A CN 107301634 A CN107301634 A CN 107301634A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- robot
- bianry image
- color
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001514 detection method Methods 0.000 claims description 23
- 239000003086 colorant Substances 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 239000013589 supplement Substances 0.000 claims description 6
- 238000004040 coloring Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 239000003518 caustics Substances 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 230000006641 stabilisation Effects 0.000 claims description 2
- 238000011105 stabilization Methods 0.000 claims description 2
- 239000000047 product Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- B07C3/00—Sorting according to destination
- B07C3/02—Apparatus characterised by the means used for distribution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Abstract
本发明公开了一种机器人自动分拣方法及系统，获取稳定的视频流；将视频流图像转换为HSV颜色通道图像，利用S通道图像得到只包含目标的第一二值图像，利用H通道图像得到只包含目标的第二二值图像；所述目标即待分拣物品；获取所述第一二值图像中目标的轮廓，确定目标的形状；统计所述第二二值图像中的灰度总值，利用所述灰度总值确定所述目标的颜色。本发明的分拣方法能够准确地分辨出目标的形状和颜色，从而方便机器人准确地将物品放置于物品分类放置单元的相应区域，可以在一个工位上自动地对物品进行分类处理，极大地提高了机器人的分拣效率。
Description
技术领域
本发明涉及物料自动分拣领域，特别是一种机器人自动分拣方法及系统。
背景技术
传统的工业机器人都是采用机械的方式进行抓取和放置动作，无法在一个工位上自动地对物品进行分类处理，而有些自带视觉系统的工业机器人因集成的视觉功能简单，也无法做复杂的视觉检测，因此需要对传统的工业机器人的作业方式进行改进。
发明内容
本发明旨在提供一种机器人自动分拣方法及系统，使得机器人能自动根据物体的形状和颜色对物体进行分拣。
为解决上述技术问题，本发明所采用的技术方案是：一种机器人自动分拣方法，包括以下步骤：
1）获取视频流；
2）对所述视频流进行分析，通过帧差法判断是否为稳定的视频流图像，若是，则将所述视频流图像转换为HSV颜色通道图像，利用S通道图像得到只包含目标的第一二值图像，利用H通道图像得到只包含目标的第二二值图像；所述目标即待分拣物品；
3）获取所述第一二值图像中目标的轮廓，确定目标的形状；统计所述第二二值图像中的灰度总值，利用所述灰度总值确定所述目标的颜色。
步骤2）中获取稳定视频流的具体实现过程包括：采集获取到的视频流，通过帧差法判断视频流前后两帧图像对应像素的灰度值的差值，如果累加的差值小于图像总像素大小的百分之一，则认为视频流处于稳定的状态，即获得稳定的视频流图像。视频流图像获取过程简单可靠，容易实现。
步骤2）中获取第一二值图像的具体实现过程包括：将所述稳定的视频流图像转换为HSV颜色通道图像，对S通道的图像进行中值滤波和高斯滤波平滑处理，然后对平滑处理后的S通道图像用固定阈值分割方法进行分割，获取目标的第一二值图像，并利用形态学的膨胀和腐蚀方法对第一二值图像进行平滑处理。提高图像处理精度，从而更准确地获取目标的轮廓，方便后续处理。
步骤3）中，确定目标的形状的具体过程包括：
1）求取目标轮廓在第一二值图像中列方向上的极小值点和极大值点、行方向上的极小值点和极大值点；
2）以相邻极值点之间的距离为目标的边长，根据极值点的位置和边长值确定相邻边之间的夹角，由边长和夹角确定极值点围成的区域的面积，根据所述边长、夹角、面积判断所述目标的形状。
目标轮廓的面积可以直接通过OpenCV算子获取；四个极值点之间的相应距离为目标的边长；根据四个极值点的位置和边长又可以计算出夹角大小；而边长、夹角通过几何运算又能得出四个极值点围成的面积。四种形状的几何特性差别为：一、三角形的3个夹角，都是在60度左右，三条边长都大致相等，轮廓面积与由四个极值点围成的面积大致相等；二、正方形的夹角都在90度左右，四条边长都大致相等，轮廓面积与由四个极值点围成的面积大致相等；三、圆形的夹角都在90度左右，四条边长都大致相等，轮廓面积要比由四个极值点围成的面积大；四、长方形的夹角都在90度左右，两条长边长大致相等，两条短边长大致相等，长边比短边要大的多，轮廓面积与由四个极值点围成的面积大致相等。根据这些几何特性的差别就可以准确区分出目标的形状。
本发明中，确定目标颜色的具体实现过程包括：采用H通道图像分别对不同颜色进行固定阈值分割，获得各种颜色对应的第二二值图像，分别统计各种颜色对应的第二二值图像中的灰度总值，对于同一目标，判断灰度总值最大的第二二值图像对应的颜色，该颜色即为该目标的颜色。
本发明步骤3）之后，还进行如下处理：将目标的形状和颜色信息转换为数字信号，将所述数字信号发送给机器人，机器人接收所述数字信号进行相应的分拣，将待分拣物品准确地放在物品分类放置单元上。
相应地，本发明还提供了一种机器人自动分拣系统，包括：
视觉检测处理单元：用于获取视频流；
视觉算法处理单元：用于对所述视频流进行分析，通过帧差法判断是否为稳定的视频流图像，若是，将所述视频流图像转换为HSV颜色通道图像，利用S通道图像得到只包含目标的第一二值图像，利用H通道图像得到只包含目标的第二二值图像；，获取所述第一二值图像中目标的轮廓，确定目标的形状；统计所述第二二值图像中的灰度总值，利用所述灰度总值确定所述目标的颜色；所述目标即待分拣物品视觉检测处理单元。
进一步地，所述视觉检测处理单元包括检测平台；所述检测平台上方设有摄像头。
围绕所述摄像头设置有补充光源，当环境光较亮时，可将补充光源关闭，环境光较暗时再开启，补充光源的亮度也可调节，使得采集的图像更加清晰，从而提高图像处理精度。
进一步地，本发明的分拣系统还包括：
通信单元，用于将目标的形状和颜色信息转换为数字信号，将所述数字信号发送给机器人；
机器人：用于接收所述数字信号进行相应的分拣，将待分拣物品准确地放在物品分类放置单元上；
物品分类放置单元：用于放置所述待分拣物品。
与现有技术相比，本发明所具有的有益效果为：本发明的分拣方法能够准确地分辨出目标的形状和颜色，从而方便机器人准确地将物品放置于物品分类单元的相应区域，可以在一个工位上自动地对物品进行分类处理，极大地提高了机器人的分拣效率。
附图说明
图1为本发明分拣系统原理图；
图2为外部视觉检测处理单元的局部结构图；
图3为物品分类放置单元的结构图；
图4（a）～图4（b）为目标形状的分类特性图；
如图5所示为实施分拣过程的系统流程图。
具体实施方式
如图1所示，本发明分拣系统共包括四大部分：视觉检测处理单元2、物品分类放置单元4、PC端视觉算法处理单元以及工业机器人单元3。视觉检测处理单元2用于获取待检测图像；PC端视觉算法处理单元是利用电脑将采集到的待检图像用图像处理软件进行检测和分类，并将处理结果通过modbus协议发送给工业机器人单元3；工业机器人单元3接收到数字信号后就从视觉检测处理单元2抓取积木，并正确放置到物品分类放置单元4上。
视觉检测处理单元2和物品分类放置单元4就安装在工作台1上，可随时移动或组装。
图1中积木上的标识R表示红颜色，标识G表示绿颜色，标识Y表示黄颜色。
如图2所示，为外部视觉检测处理单元的局部结构图。子图像Ⅰ为视觉检测处理单元2的整体图，视觉检测处理单元2是由摄像头和光源组合设备201和检测平台202组成。放在检测平台202上的待检物品为绿色的正方形积木，积木的标识为绿色G。子图像Ⅱ为摄像头和光源组合设备202的细节图，其中包含了补充光源2011和摄像头2012。补充光源2011是可控的，当环境光较亮时，可将补充光源2011关闭，环境光较暗时再开启，光源的亮度也可调节。摄像头2012目前采用的是USB免驱摄像头，直接将USB连接到电脑上就可获取到实时图像。当摄像头2012检测到检测平台上有物品时，便会传送到PC端视觉算法处理单元进行计算。
如图3所示，为物品分类放置单元4的结构图，包括积木底板401，和放置红色R的积木列402，放置绿色G的积木列403，放置黄色Y的积木列404。积木上的标识R代表是红色的积木，标识G代表是绿色的积木，标识Y代表是黄色的积木。可以看到积木共有红、黄、绿三种颜色，及三角形、正方形、圆形和长方形四种形状的区分。
图4（a）表示三角形的特性图，图4（b）表示正方形的特性图。图4（a）～图4（b）的坐标都是根据参考坐标系X-Y而定，左上角为原点，往x或列方向和y或行方向延伸。A点表示目标物体在x或列方向上的极小值点，B点表示目标物体在x或列方向上的极大值点，C和D分别表示目标物体在y或行方向上的极小值点和极大值点。A,B,C,D四点之间的虚线连线表示由这四点组成的最小矩阵，在图4（a）中B点和D点重合，因此三条虚线构成三角形。对三角形、正方形、圆形和长方形的积木进行形状分类的具体内容是：获取目标轮廓后，求取轮廓面积，然后求取目标的A,B,C,D四个极值点，计算由这四个极值点链接的边长，夹角和围成的面积。形状的几何特性为：（1）三角形的3个夹角，都是在60度左右，三条边长都大致相等，轮廓面积与由四个极值点围成的三角形面积大致相等；（2）正方形的夹角都在90度左右，四条边长都大致相等，轮廓面积与由四个极值点围成的矩形面积大致相等；（3）圆形的夹角都在90度左右，四条边长都大致相等，轮廓面积要比由四个极值点围成的矩形面积大；（4）长方形的夹角都在90度左右，两条长边长大致相等，两条短边长大致相等，长边比短边要大的多，轮廓面积与由四个极值点围成的矩形面积大致相等。由这些几何特性就可以将这四种形状准确地进行区分。
如图5所示为实施分拣过程中的系统流程图，视觉检测处理单元2获取图像传送给PC端视觉算法处理单元，PC端将处理结果转为相应的信号，通过modbus协议发送给工业机器人单元3，工业机器人控制机器臂在检测平台上抓取物品，并正确放置到物品分类放置单元4。
待检测物品的种类为三角形、正方形、圆形和长方形，物品的颜色分为红色、黄色和绿色等，通过电脑判断置于检测平台上的积木的形状和颜色，获取到所有信息后，将信息转为数字信号，通过modbus协议发送给工业机器人进行分拣。图像处理相关算法都是采用OpenCV的算子，视觉检测的步骤为：（1）获取稳定的视频流图像：利用电脑采集USB摄像头获取到的视频流，通过帧差法判断视频流前后两帧图像对应像素的灰度值的差别，如果累加的灰度总值小于图像总像素大小的百分之一，则认为视频流处于比较稳定的状态，开始对图像进行下一步处理。（2）获取目标的第一二值图像：待检测物品在图像中称之为目标。将图像转为HSV颜色通道，对S通道的图像进行中值滤波和高斯滤波等平滑处理，用固定阈值分割方法进行分割，获取目标的第一二值图像，并利用形态学的膨胀和腐蚀方法对目标进行平滑处理。（3）判断目标的形状：得到目标的第一二值图像后，直接获取第一二值图像中目标的轮廓，求取目标轮廓在图像中列方向的极小值点和极大值点，再求行方向的极小值点和极大值点。对于形状的判断有四个几何特性：目标轮廓的面积、目标的边长特性、目标的夹角特性以及由四个极值点围成的面积。求取四个几何特性的方法：目标轮廓的面积可以直接通过OpenCV算子获取；四个极值点之间的相应距离为目标的边长；根据四个极值点的位置和边长又可以计算出夹角大小；而边长、夹角经过几何运算又能得出四个极值点围成的面积。四种形状的几何特性差别为：一、三角形的3个夹角，都是在60度左右，三条边长都大致相等，轮廓面积与由四个极值点围成的面积大致相等；二、正方形的夹角都在90度左右，四条边长都大致相等，轮廓面积与由四个极值点围成的面积大致相等；三、圆形的夹角都在90度左右，四条边长都大致相等，轮廓面积要比由四个极值点围成的面积大很多；四、长方形的夹角都在90度左右，两条长边长大致相等，两条短边长大致相等，长边比短边要大的多，轮廓面积与由四个极值点围成的面积大致相等。根据这些几何特性的差别就可以准确区分出目标的形状。（4）判断目标的颜色：因为红、绿、蓝这三种颜色在HSV图像中的H通道有特定的取值范围，因此能准确判断目标的颜色。采用H通道的图像分别对红、绿、蓝三种颜色进行固定阈值分割，分割之后会获取到相应的第二二值图像，统计第二二值图像中的灰度总值，对于同一目标判断哪种颜色分割后的第二二值图像的灰度总值最大，则目标的颜色判定为该颜色；（5）发送信号：形状和颜色都分类完成后，则将相关信息转为数字信号并通过modbus协议发送给工业机器人，工业机器人接收信号进行相应的分拣，将积木准确地放在物品分类放置单元上。
Claims (10)
1.一种机器人自动分拣方法，其特征在于，包括以下步骤：
1）获取视频流；
2）对所述视频流进行分析，通过帧差法判断是否为稳定的视频流图像，若是，则将所述视频流图像转换为HSV颜色通道图像，利用S通道图像得到只包含目标的第一二值图像，利用H通道图像得到只包含目标的第二二值图像；所述目标即待分拣物品；
3）获取所述第一二值图像中目标的轮廓，确定目标的形状；统计所述第二二值图像中的灰度总值，利用所述灰度总值确定所述目标的颜色。
2.根据权利要求1所述的机器人自动分拣方法，其特征在于，步骤2）中获取稳定视频流的具体实现过程包括：采集获取到的视频流，通过帧差法判断视频流前后两帧图像对应像素的灰度值的差值，如果累加的差值小于图像总像素大小的百分之一，则认为视频流处于稳定的状态，即获得稳定的视频流图像。
3.根据权利要求2所述的机器人自动分拣积木的方法，其特征在于，步骤2）中获取第一二值图像的具体实现过程包括：将所述稳定的视频流图像转换为HSV颜色通道图像，对S通道的图像进行中值滤波和高斯滤波平滑处理，然后对平滑处理后的S通道图像用固定阈值分割方法进行分割，获取目标的第一二值图像，并利用形态学的膨胀和腐蚀方法对第一二值图像进行平滑处理。
4.根据权利要求3所述的机器人自动分拣方法，其特征在于，步骤3）中，确定目标的形状的具体过程包括：
1）求取目标轮廓在第一二值图像中列方向上的极小值点和极大值点、行方向上的极小值点和极大值点；
2）以相邻极值点之间的距离为目标的边长，根据极值点的位置和边长值确定相邻边之间的夹角，由边长和夹角确定极值点围成的区域的面积，根据所述边长、夹角、面积判断所述目标的形状。
5.根据权利要求3所述的机器人自动分拣方法，其特征在于，确定目标颜色的具体实现过程包括：采用H通道图像分别对不同颜色进行固定阈值分割，获得各种颜色对应的第二二值图像，分别统计各种颜色对应的第二二值图像中的灰度总值，对于同一目标，判断灰度总值最大的第二二值图像对应的颜色，该颜色即为该目标的颜色。
6.根据权利要求1～5之一所述的机器人自动分拣方法，其特征在于，步骤3）之后，还进行如下处理：将目标的形状和颜色信息转换为数字信号，将所述数字信号发送给机器人，机器人接收所述数字信号进行相应的分拣，将待分拣物品准确地放在物品分类放置单元上。
7.一种机器人自动分拣系统，其特征在于，包括：
视觉检测处理单元：用于获取视频流；
视觉算法处理单元：用于对所述视频流进行分析，通过帧差法判断是否为稳定的视频流图像，若是，则将将所述视频流图像转换为HSV颜色通道图像，利用S通道图像得到只包含目标的第一二值图像，利用H通道图像得到只包含目标的第二二值图像；获取所述第一二值图像中目标的轮廓，确定目标的形状；统计所述第二二值图像中的灰度总值，利用所述灰度总值确定所述目标的颜色；所述目标即待分拣物品。
8.根据权利要求7所述的机器人自动分拣系统，其特征在于，所述视觉检测处理单元包括检测平台（202）；所述检测平台（202）上方设有摄像头（2012）。
9.根据权利要求8所述的机器人自动分拣系统，其特征在于，围绕所述摄像头（2012）设置有补充光源（2011）。
10.根据权利要求7所述的机器人自动分拣系统，其特征在于，还包括：
通信单元，用于将目标的形状和颜色信息转换为数字信号，将所述数字信号发送给机器人；
机器人：用于接收所述数字信号进行相应的分拣，将待分拣物品准确地放在物品分类放置单元上；
物品分类放置单元：用于放置所述待分拣物品。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710507460.7A CN107301634A (zh) | 2017-06-28 | 2017-06-28 | 一种机器人自动分拣方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710507460.7A CN107301634A (zh) | 2017-06-28 | 2017-06-28 | 一种机器人自动分拣方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107301634A true CN107301634A (zh) | 2017-10-27 |
Family
ID=60135162
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710507460.7A Pending CN107301634A (zh) | 2017-06-28 | 2017-06-28 | 一种机器人自动分拣方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107301634A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107741432A (zh) * | 2017-11-16 | 2018-02-27 | 天津商业大学 | 一种基于机器视觉的水果自动分拣机器人系统 |
| CN109968017A (zh) * | 2017-12-28 | 2019-07-05 | 中国科学院沈阳自动化研究所 | 一种乐高积木自动装配机组 |
| CN110070558A (zh) * | 2019-04-11 | 2019-07-30 | 西安星舟天启智能装备有限责任公司 | 一种基于图像处理和分区检测的统计分拣方法及装置 |
| CN110223350A (zh) * | 2019-05-23 | 2019-09-10 | 汕头大学 | 一种基于双目视觉的积木自动分拣方法及系统 |
| CN111242057A (zh) * | 2020-01-16 | 2020-06-05 | 南京理工大学 | 产品分拣系统、方法、计算机设备和存储介质 |
| CN112429444A (zh) * | 2020-11-02 | 2021-03-02 | 武汉理工大学 | 垃圾回收机器人及其控制方法 |
| CN112883881A (zh) * | 2021-02-25 | 2021-06-01 | 中国农业大学 | 一种条状农产品无序分拣方法及装置 |
| CN115364494A (zh) * | 2022-07-26 | 2022-11-22 | 福州市鹭羽智能科技有限公司 | 一种基于图样的积木自动堆放装置及方法 |
| CN115488876A (zh) * | 2022-06-22 | 2022-12-20 | 湖北商贸学院 | 一种基于机器视觉的机器人分拣方法和装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102129683A (zh) * | 2011-03-17 | 2011-07-20 | 上海大学 | 基于中医望诊的口唇图像自动分割方法 |
| US20120140980A1 (en) * | 2009-09-17 | 2012-06-07 | Nec Corporation | Image processing device, image processing method, sorter, and program |
| CN102728563A (zh) * | 2012-05-15 | 2012-10-17 | 陈延鹏 | 一种智能冬枣分拣机 |
| CN103593860A (zh) * | 2013-10-27 | 2014-02-19 | 沈阳建筑大学 | 一种针对任意不规则毛坯的剪裁方法 |
| CN104463167A (zh) * | 2014-11-20 | 2015-03-25 | 中国科学院上海微系统与信息技术研究所 | 一种餐厅自动结算方法及系统 |
| CN105550569A (zh) * | 2016-02-04 | 2016-05-04 | 东南大学 | 基于星座轨迹图像特征的设备指纹提取及设备识别方法 |
-
2017
- 2017-06-28 CN CN201710507460.7A patent/CN107301634A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120140980A1 (en) * | 2009-09-17 | 2012-06-07 | Nec Corporation | Image processing device, image processing method, sorter, and program |
| CN102129683A (zh) * | 2011-03-17 | 2011-07-20 | 上海大学 | 基于中医望诊的口唇图像自动分割方法 |
| CN102728563A (zh) * | 2012-05-15 | 2012-10-17 | 陈延鹏 | 一种智能冬枣分拣机 |
| CN103593860A (zh) * | 2013-10-27 | 2014-02-19 | 沈阳建筑大学 | 一种针对任意不规则毛坯的剪裁方法 |
| CN104463167A (zh) * | 2014-11-20 | 2015-03-25 | 中国科学院上海微系统与信息技术研究所 | 一种餐厅自动结算方法及系统 |
| CN105550569A (zh) * | 2016-02-04 | 2016-05-04 | 东南大学 | 基于星座轨迹图像特征的设备指纹提取及设备识别方法 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107741432A (zh) * | 2017-11-16 | 2018-02-27 | 天津商业大学 | 一种基于机器视觉的水果自动分拣机器人系统 |
| CN109968017A (zh) * | 2017-12-28 | 2019-07-05 | 中国科学院沈阳自动化研究所 | 一种乐高积木自动装配机组 |
| CN110070558A (zh) * | 2019-04-11 | 2019-07-30 | 西安星舟天启智能装备有限责任公司 | 一种基于图像处理和分区检测的统计分拣方法及装置 |
| CN110223350A (zh) * | 2019-05-23 | 2019-09-10 | 汕头大学 | 一种基于双目视觉的积木自动分拣方法及系统 |
| CN111242057A (zh) * | 2020-01-16 | 2020-06-05 | 南京理工大学 | 产品分拣系统、方法、计算机设备和存储介质 |
| CN112429444A (zh) * | 2020-11-02 | 2021-03-02 | 武汉理工大学 | 垃圾回收机器人及其控制方法 |
| CN112883881A (zh) * | 2021-02-25 | 2021-06-01 | 中国农业大学 | 一种条状农产品无序分拣方法及装置 |
| CN112883881B (zh) * | 2021-02-25 | 2023-10-31 | 中国农业大学 | 一种条状农产品无序分拣方法及装置 |
| CN115488876A (zh) * | 2022-06-22 | 2022-12-20 | 湖北商贸学院 | 一种基于机器视觉的机器人分拣方法和装置 |
| CN115364494A (zh) * | 2022-07-26 | 2022-11-22 | 福州市鹭羽智能科技有限公司 | 一种基于图样的积木自动堆放装置及方法 |
| CN115364494B (zh) * | 2022-07-26 | 2024-02-23 | 福州市鹭羽智能科技有限公司 | 一种基于图样的积木自动堆放装置及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107301634A (zh) | 一种机器人自动分拣方法及系统 | |
| CN109772733B (zh) | 一种基于视觉的缺陷竹块检测分拣装置及方法 | |
| CN104680519B (zh) | 基于轮廓和颜色的七巧板识别方法 | |
| Liu et al. | A method of segmenting apples at night based on color and position information | |
| CN114821114B (zh) | 一种基于视觉系统的坡口切割机器人图像处理方法 | |
| CN110286124B (zh) | 基于机器视觉的耐火砖测量系统 | |
| CN108491892A (zh) | 基于机器视觉的水果分拣系统 | |
| CN104899871B (zh) | 一种ic元件焊点空焊检测方法 | |
| CN113643280B (zh) | 一种基于计算机视觉的板材分拣系统及方法 | |
| CN106780526A (zh) | 一种铁氧体圆片表面裂痕识别方法 | |
| CN110763700A (zh) | 一种半导体元器件缺陷检测方法和设备 | |
| CN112883881B (zh) | 一种条状农产品无序分拣方法及装置 | |
| CN114235837A (zh) | 基于机器视觉的led封装表面缺陷检测方法、装置、介质及设备 | |
| CN111539927A (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测过程及算法 | |
| CN113744247A (zh) | 一种pcb焊点缺陷识别方法和系统 | |
| CN115512134A (zh) | 快件堆积异常预警方法、装置、设备及存储介质 | |
| CN113145473A (zh) | 一种水果智能分拣系统及方法 | |
| CN111833350A (zh) | 机器视觉检测方法与系统 | |
| JP7036485B1 (ja) | 欠陥検出方法、欠陥検出システム、及び、欠陥検出プログラム | |
| CN112798108B (zh) | 一种瓷砖自适应分色方法及装置 | |
| CN109977946B (zh) | 一种基于机器视觉的榛子轴向识别方法 | |
| CN113887644A (zh) | 物料点状态分类模型的构建方法及物料点自动呼料方法 | |
| Mariappan et al. | Automated visual inspection: Position identification of object for industrial robot application based on color and shape | |
| Sharan et al. | Automating the process of work-piece recognition and location for a pick-and-place robot in a SFMS | |
| Pop et al. | Colored object detection algorithm for visual-servoing application |
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: 20171027 |
|
| RJ01 | Rejection of invention patent application after publication |