CN107490967A - 适应光照度突变的采摘机器人目标自主识别系统及其方法 - Google Patents

适应光照度突变的采摘机器人目标自主识别系统及其方法 Download PDF

Info

Publication number
CN107490967A
CN107490967A CN201710838647.5A CN201710838647A CN107490967A CN 107490967 A CN107490967 A CN 107490967A CN 201710838647 A CN201710838647 A CN 201710838647A CN 107490967 A CN107490967 A CN 107490967A
Authority
CN
China
Prior art keywords
mrow
fruit
picking robot
illuminance
camera
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.)
Granted
Application number
CN201710838647.5A
Other languages
English (en)
Other versions
CN107490967B (zh
Inventor
蔡磊
许睿
刘艳昌
孙乾坤
余周
赵立
马鹏博
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.)
Henan Institute of Science and Technology
Original Assignee
Henan Institute of Science and 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 Henan Institute of Science and Technology filed Critical Henan Institute of Science and Technology
Priority to CN201710838647.5A priority Critical patent/CN107490967B/zh
Publication of CN107490967A publication Critical patent/CN107490967A/zh
Application granted granted Critical
Publication of CN107490967B publication Critical patent/CN107490967B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/141—Control of illumination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/68—Food, e.g. fruit or vegetables

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Manipulator (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种适应光照度突变的采摘机器人目标自主识别方法，步骤如下：S1，计算最适亮度Vfit；S2，摄像机采集实时图像；S3，计算实时图像的帧亮度V；S4，计算实时图像的亮度补偿值b；S5，得到补偿图像；S6，建立HSV模型；S7，确定目标果实。以及一种适应光照度突变的采摘机器人目标自主识别系统，包括果蔬采摘机器人，果蔬采摘机器人上安装有控制器、摄像头和光照度传感器，在摄像头的上端面、左端面和右端面分别安装有一个伸缩的遮光罩，在摄像头下方或果蔬采摘机器人的机械臂的手爪下方安装有LED照明灯。本发明对图像进行补光处理，使光照突变的影响降到最低，为视觉系统对果实的识别提供一个准确的图像信息。

Description

适应光照度突变的采摘机器人目标自主识别系统及其方法
技术领域
本发明属于视频图像处理技术领域，具体涉及一种适应光照度突变的采摘机器人目标自主识别系统及其方法。
背景技术
为提高农业生产力、改变农业生产模式、解放农业劳动力不足，农业机器人应运而生了，果蔬采摘机器人是农业机器人的重要类型之一，目前许多国家已立项研究。视觉系统是果蔬采摘机器人的重要组成部分，准确识别与定位成熟过时是成功实现自动化采摘的关键。
但是机械手爪在采摘时需要在光照和树荫环境下相互切换，而这种光照的突变对目标物的确定造成较大影响，使果蔬采摘机器人无法对目标物进行识别，更无法对目标物进行抓取。
目前市场上研究的果蔬采摘机器人都是基于正常情况下，基于视觉系统进行目标果实采摘时受光照影响很大，而在真实的采摘环境中，果蔬采摘机器人的视觉系统所面对的光照强度不是一成不变的。随着果蔬采摘机器人的移动，机械手臂末端位置的变化，使果蔬采摘机器人的视觉系统所处场景中的光照强度也在时刻发生变化。在这样光照突变的真实场景下进行果实采摘的研究相对较少。
发明内容
本发明要解决的是现有果蔬采摘机器人在光照突变的状况下，难以对目标物进行识别和抓取的技术问题，从而提供一种可以减小光照突变对果蔬采摘机器人目标识别的影响的适应光照度突变的果蔬采摘机器人目标自主识别系统及其方法。
为解决上述技术问题，本发明所采用的技术方案如下：
一种适应光照度突变的采摘机器人目标自主识别方法，步骤如下：
S1，计算果蔬采摘机器人工作的最适亮度Vfit；
S1.1，获得果蔬采摘机器人在可识别条件下的最大光照强度；
S1.2，获得果蔬采摘机器人在可识别条件下的最小光照强度；
S1.3，求取最大光照强度和最小光照强度的均值，作为最适光照度强度Vfit；
S2，摄像机采集实时图像；
S3，计算实时图像的帧亮度V；
S4，计算实时图像的亮度补偿值b；
S5，根据步骤S4，对实时图像进行亮度补偿，得到补偿图像，补偿图像的亮度O为；
O＝a.*I+b/255 (3)；
式中，a为图像对比度调节系数，a＝1；b为亮度补偿值，当b<0时亮度降低，当b>0时亮度增加；
S6，对补偿图像建立HSV模型；
S6.1，对补偿图像的RGB进行归一化；
S6.2，计算补偿图像的HSV模型的S分量和H分量：
其中，θ为角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是:黄色为60°，青色为180°,品红为300°。
S7，确定目标果实；
S7.1，预先将目标果实的颜色划定一个色调区间，并设定色调区间的门限值；
S7.2，提取补偿图像中的像素点并与门限值进行比较，若大于等于门限值则将该像素点设定为目标像素点，否则设定为背景像素点，从而实现目标的分割，确定果实位置。
一种适应光照度突变的采摘机器人目标自主识别系统，包括果蔬采摘机器人，果蔬采摘机器人上安装有控制器、摄像头和光照度传感器，在摄像头的上端面、左端面和右端面分别安装有一个伸缩的遮光罩，在摄像头下方或果蔬采摘机器人的机械臂的手爪下方安装有LED照明灯；光照度传感器检测环境的光照强度并将检测信号传输至控制器内；控制器接收并处理后给遮光罩和LED照明灯发送控制命令，控制遮光罩的伸缩和LED照明灯的明灭；摄像头采集实时图像并将图像传输至控制器内，控制器进行处理后识别出目标果实给果蔬采摘机器人发送控制命令，使果蔬采摘机器人的机械臂采摘目标果实。
所述遮光罩包括导气管、电磁阀、气密室和遮光片，气密室的进气口与导气管连通，导气管通过电磁阀与外部气源连接，遮光片通过活塞安装在气密室内并在气密室内滑动，且电磁阀与控制器的输出端连接。
本发明中伸缩的遮光罩在控制器的控制下可以自动弹出和收回，当有阳光直射入镜头时，遮光罩可以及时的进行弹出，阻止强光进入摄像头，这样可以极大降低光线直接射入镜头的可能性，增大了果蔬采摘机器人视觉系统的检测范围。LED照明灯是为了在光线较暗时进行补光，使检测的场景处于较为稳定的光强中，视觉系统对果实的识别与定位更加准确。而且，本发明对图像进行补光处理，使光照突变的影响降到最低，为视觉系统对果实的识别提供一个准确的图像信息。
附图说明
图1为本发明系统流程图。
图2为本发明目标识别流程图。
图3位本发明伸缩遮光罩的结构示意图。
具体实施方式
一种适应光照度突变的采摘机器人目标自主识别系统，包括果蔬采摘机器人，果蔬采摘机器人上安装有控制器、摄像头和光照度传感器，在摄像头的上端面、左端面和右端面分别安装有一个伸缩的遮光罩，如图3所示，所述遮光罩包括导气管1、电磁阀2、气密室3和遮光片4，气密室3的进气口与导气管1连通，导气管1通过电磁阀2与外部气源连接，遮光片4通过活塞安装在气密室3内并在气密室3内滑动，且电磁阀与控制器的输出端连接。安装遮光罩的作用是为了增大应用场景的可调光照范围。
在摄像头下方或果蔬采摘机器人的机械臂的手爪下方安装有LED照明灯；光照度传感器检测环境的光照强度并将检测信号传输至控制器内；控制器接收并处理后给遮光罩和LED照明灯发送控制命令，控制遮光罩的伸缩和LED照明灯的明灭；摄像头采集实时图像并将图像传输至控制器内，控制器进行处理后识别出目标果实给果蔬采摘机器人发送控制命令，使果蔬采摘机器人的机械臂采摘目标果实。
当有阳光直射镜头时，控制器通过控制电磁阀的通断，控制气体进充入以控制遮光片弹出，当检测光线较弱时通过控制气体抽出以实现遮光片收缩，不影响镜头的正常采光，遮光罩的长度为m，宽度为w。
遮光罩具体参数设置如下所示：
w＝D；
式中，Φ—遮光罩前缘内径；m—遮光罩的长度；f—镜头的焦距；d—画面对脚线的长度；D—镜头前透镜的直径。
所述的LED照明灯为功率可变的照明设备，当检测场景关照强度不足时，控制器通过LED照明灯进行补光，使光照强度增加到可识别的最小照强度以上，用此方法弥补光照强度不足问题，例如在傍晚进行采摘时因为光线不足使对目标果实进行识别与定位时有较大误差，用此方法可以很大的提高果实的识别率，同时也使果蔬采摘机器人工作的时间范围更大，减小太阳光照强度的依赖。
所述摄像头的光圈可调，可以使果蔬采摘机器人在不同光照强度的环境下能够对采集图像的光强进行自动调节，具体如下所示。
式中：Y为光场采样数据，Φ为编码光圈的码字，Ψ为过完备基，x为投影系数，α、β为常数。
当光线过亮或者过暗时，光圈大小按照等级逐级减小或者增大，通过这种调节的方式可使摄像头采集到的像素值更加准确，增大系统对图像的处理速度，提高视觉识别的效率。
一种适应光照度突变的采摘机器人目标自主识别方法，步骤如下：S1，计算果蔬采摘机器人工作的最适亮度Vfit。
S1.1，获得果蔬采摘机器人在可识别条件下的最大光照强度。
S1.2，获得果蔬采摘机器人在可识别条件下的最小光照强度。
S1.3，求取最大光照强度和最小光照强度的均值，作为最适光照度强度Vfit。
S2，摄像机采集实时图像。
S3，计算实时图像的帧亮度V。
S4，计算实时图像的亮度补偿值b；
S5，根据步骤S4，对实时图像进行亮度补偿，得到补偿图像，补偿图像的亮度O为：
O＝a.*I+b/255 (3)；
式中，a为图像对比度调节系数，a＝1；b为亮度补偿值，当b<0时亮度降低，当b>0时亮度增加。
S6，对补偿图像建立HSV模型。
一个图像的HSV空间可以由RGB空间转换得到，假设RGB成分已经被归一化，使得公式推导过程与度量单位无关。
S6.1，对补偿图像的RGB进行归一化。
S6.2，计算补偿图像的HSV模型的S分量和H分量。
其中，θ为为角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°，蓝色为240°。它们的补色是:黄色为60°，青色为180°，品红为300°。
S7，确定目标果实。
S7.1，预先将目标果实的颜色划定一个色调区间，并设定色调区间的门限值；
S7.2，提取补偿图像中的像素点并与门限值进行比较，若大于等于门限值则将该像素点设定为目标像素点，否则设定为背景像素点，从而实现目标的分割，确定果实位置。
确定目标果实使用的原理是：运用基于HSV模型的彩色图像分割算法，为改进的基于像素阈值分割和HSV彩色模型相结合的方法完成彩色图像中目标的分割，进而选取目标区域最低点代表物体，不用构建复杂的分类器，实现对彩色目标的自主识别。
在OpenCV中，利用cvGet2D()和cvSet2D()两个函数、CvScalar结构体，读取存放区IplImage结构体中每一帧图像的所有像素值构成的矩阵值，来获取每个像素点的H、S、V值。然后利用基于像素的颜色阈值分割算法判断图像中每一个像素点的特征属性是否满足阈值要求，来确定图像中该像素是属于目标区域还是背景区域，从而将目标物所在区域的法制设置为255(白色)，其余背景物体的法制设置为0(黑色)，从而实现果蔬采摘机器人对目标果实的自主识别。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种适应光照度突变的采摘机器人目标自主识别方法，其特征在于，步骤如下：S1，计算果蔬采摘机器人工作的最适亮度Vfit；
S1.1，获得果蔬采摘机器人在可识别条件下的最大光照强度；
S1.2，获得果蔬采摘机器人在可识别条件下的最小光照强度；
S1.3，求取最大光照强度和最小光照强度的均值，作为最适光照度强度Vfit；
S2，摄像机采集实时图像；
S3，计算实时图像的帧亮度V；
<mrow> <mi>V</mi> <mo>=</mo> <mfrac> <mn>1</mn> <msqrt> <mn>3</mn> </msqrt> </mfrac> <mrow> <mo>(</mo> <mi>R</mi> <mo>+</mo> <mi>G</mi> <mo>+</mo> <mi>B</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
S4，计算实时图像的亮度补偿值b；
S5，根据步骤S4，对实时图像进行亮度补偿，得到补偿图像，补偿图像的亮度O为；
O＝a.*I+b/255 (3)；
式中，a为图像对比度调节系数，a＝1；b为亮度补偿值，当b<0时亮度降低，当b>0时亮度增加；
S6，对补偿图像建立HSV模型；
S7，确定目标果实；
S7.1，预先将目标果实的颜色划定一个色调区间，并设定色调区间的门限值；
S7.2，提取补偿图像中的像素点并与门限值进行比较，若大于等于门限值则将该像素点设定为目标像素点，否则设定为背景像素点，从而实现目标的分割，确定果实位置。
2.根据权利要求1所述的适应光照度突变的采摘机器人目标自主识别方法，其特征在于：在步骤S6中，具体步骤为，S6.1，对补偿图像的RGB进行归一化；
S6.2，计算补偿图像的HSV模型的S分量和H分量：
<mrow> <mi>S</mi> <mo>=</mo> <mn>1</mn> <mo>-</mo> <mfrac> <msqrt> <mn>3</mn> </msqrt> <mi>V</mi> </mfrac> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <mi>R</mi> <mo>,</mo> <mi>G</mi> <mo>,</mo> <mi>B</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
<mrow> <mi>H</mi> <mo>=</mo> <mfenced open = "{" close = "}"> <mtable> <mtr> <mtd> <mi>&amp;theta;</mi> </mtd> <mtd> <mrow> <mi>G</mi> <mo>&gt;</mo> <mi>B</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>2</mn> <mi>&amp;pi;</mi> <mo>-</mo> <mi>&amp;theta;</mi> </mrow> </mtd> <mtd> <mrow> <mi>G</mi> <mo>&amp;le;</mo> <mi>B</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
<mrow> <mi>&amp;theta;</mi> <mo>=</mo> <msup> <mi>cos</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mo>&amp;lsqb;</mo> <mfrac> <mrow> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <mo>&amp;lsqb;</mo> <mrow> <mo>(</mo> <mi>R</mi> <mo>-</mo> <mi>G</mi> <mo>)</mo> </mrow> <mo>+</mo> <mrow> <mo>(</mo> <mi>R</mi> <mo>-</mo> <mi>B</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <mi>R</mi> <mo>-</mo> <mi>G</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <mrow> <mo>(</mo> <mi>G</mi> <mo>-</mo> <mi>B</mi> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <mi>R</mi> <mo>-</mo> <mi>B</mi> <mo>)</mo> </mrow> </mrow> </msqrt> </mfrac> <mo>&amp;rsqb;</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
其中，θ为角度度量，取值范围为0°～360°。
3.一种适应光照度突变的采摘机器人目标自主识别系统，其特征在于：包括果蔬采摘机器人，果蔬采摘机器人上安装有控制器、摄像头和光照度传感器，在摄像头的上端面、左端面和右端面分别安装有一个伸缩的遮光罩，在摄像头下方或果蔬采摘机器人的机械臂的手爪下方安装有LED照明灯；光照度传感器检测环境的光照强度并将检测信号传输至控制器内；控制器接收并处理后给遮光罩和LED照明灯发送控制命令，控制遮光罩的伸缩和LED照明灯的明灭；摄像头采集实时图像并将图像传输至控制器内，控制器进行处理后识别出目标果实给果蔬采摘机器人发送控制命令，使果蔬采摘机器人的机械臂采摘目标果实。
4.根据权利要求3所所述的适应光照度突变的采摘机器人目标自主识别系统，其特征在于：所述遮光罩包括导气管(1)、电磁阀(2)、气密室(3)和遮光片(4)，气密室(3)的进气口与导气管(1)连通，导气管(1)通过电磁阀(2)与外部气源连接，遮光片(4)通过活塞安装在气密室(3)内并在气密室(3)内滑动，且电磁阀与控制器的输出端连接。
CN201710838647.5A 2017-09-18 2017-09-18 适应光照度突变的采摘机器人目标自主识别系统及其方法 Active CN107490967B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710838647.5A CN107490967B (zh) 2017-09-18 2017-09-18 适应光照度突变的采摘机器人目标自主识别系统及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710838647.5A CN107490967B (zh) 2017-09-18 2017-09-18 适应光照度突变的采摘机器人目标自主识别系统及其方法

Publications (2)

Publication Number Publication Date
CN107490967A true CN107490967A (zh) 2017-12-19
CN107490967B CN107490967B (zh) 2020-07-24

Family

ID=60651826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710838647.5A Active CN107490967B (zh) 2017-09-18 2017-09-18 适应光照度突变的采摘机器人目标自主识别系统及其方法

Country Status (1)

Country Link
CN (1) CN107490967B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108574804A (zh) * 2018-07-04 2018-09-25 珠海市微半导体有限公司 一种用于视觉机器人的光源补偿系统及方法
CN109001206A (zh) * 2018-05-04 2018-12-14 华南农业大学 一种基于图像识别的水果缺陷检测方法以及检测系统
CN109368552A (zh) * 2018-10-22 2019-02-22 广州微牌智能科技有限公司 托盘入叉方法、装置、系统、设备和存储介质
CN112801885A (zh) * 2020-12-17 2021-05-14 中国人民解放军63623部队 一种调光自动补偿方法
CN114040123A (zh) * 2021-11-18 2022-02-11 北京华能新锐控制技术有限公司 巡检机器人的智能补光系统
CN116030368A (zh) * 2023-01-17 2023-04-28 西昌学院 门限自适应的花椒果实识别方法和花椒采摘设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101030014A (zh) * 2006-03-03 2007-09-05 富士通株式会社 图像捕获装置
CN101340511A (zh) * 2008-08-07 2009-01-07 中兴通讯股份有限公司 一种基于亮度检测的自适应视频图像增强方法
CN101356877A (zh) * 2008-09-19 2009-02-04 中国农业大学 一种温室环境下黄瓜采摘机器人系统及采摘方法
US20150146964A1 (en) * 2013-11-27 2015-05-28 Industrial Technology Research Institute Inspection apparatus, method, and computer program product for machine vision inspection
CN106210471A (zh) * 2016-07-19 2016-12-07 成都百威讯科技有限责任公司 一种室外面部识别方法和系统
CN205861216U (zh) * 2016-06-16 2017-01-04 天津才育科技有限公司 一种基于红外线的无干扰图像采集装置
CN107139182A (zh) * 2017-06-05 2017-09-08 重庆理工大学 一种柑橘采摘机器人系统及其控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101030014A (zh) * 2006-03-03 2007-09-05 富士通株式会社 图像捕获装置
CN101340511A (zh) * 2008-08-07 2009-01-07 中兴通讯股份有限公司 一种基于亮度检测的自适应视频图像增强方法
CN101356877A (zh) * 2008-09-19 2009-02-04 中国农业大学 一种温室环境下黄瓜采摘机器人系统及采摘方法
US20150146964A1 (en) * 2013-11-27 2015-05-28 Industrial Technology Research Institute Inspection apparatus, method, and computer program product for machine vision inspection
CN205861216U (zh) * 2016-06-16 2017-01-04 天津才育科技有限公司 一种基于红外线的无干扰图像采集装置
CN106210471A (zh) * 2016-07-19 2016-12-07 成都百威讯科技有限责任公司 一种室外面部识别方法和系统
CN107139182A (zh) * 2017-06-05 2017-09-08 重庆理工大学 一种柑橘采摘机器人系统及其控制方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109001206A (zh) * 2018-05-04 2018-12-14 华南农业大学 一种基于图像识别的水果缺陷检测方法以及检测系统
CN109001206B (zh) * 2018-05-04 2020-09-08 华南农业大学 一种基于图像识别的水果缺陷检测方法以及检测系统
CN108574804A (zh) * 2018-07-04 2018-09-25 珠海市微半导体有限公司 一种用于视觉机器人的光源补偿系统及方法
CN109368552A (zh) * 2018-10-22 2019-02-22 广州微牌智能科技有限公司 托盘入叉方法、装置、系统、设备和存储介质
CN112801885A (zh) * 2020-12-17 2021-05-14 中国人民解放军63623部队 一种调光自动补偿方法
CN114040123A (zh) * 2021-11-18 2022-02-11 北京华能新锐控制技术有限公司 巡检机器人的智能补光系统
CN116030368A (zh) * 2023-01-17 2023-04-28 西昌学院 门限自适应的花椒果实识别方法和花椒采摘设备
CN116030368B (zh) * 2023-01-17 2024-01-26 西昌学院 门限自适应的花椒果实识别方法和花椒采摘设备

Also Published As

Publication number Publication date
CN107490967B (zh) 2020-07-24

Similar Documents

Publication Publication Date Title
CN107490967A (zh) 适应光照度突变的采摘机器人目标自主识别系统及其方法
CN100359924C (zh) 图像处理器以及使用该图像处理器的面部检测器
CN101882034B (zh) 触摸装置的触摸笔颜色识别装置及方法
CN102572285B (zh) Ccd摄像机的日夜模式转换方法
US9460521B2 (en) Digital image analysis
CN102858072B (zh) 照明控制方法及系统
CN104202537A (zh) 一种红外摄像机的调光方法
CN107123227A (zh) 一种基于双波段的嵌入式图像火焰探测器及其识别方法
CN106295536A (zh) 一种自适应式虹膜识别装置及利用该装置进行虹膜识别的方法
WO2020238805A1 (zh) 人脸识别装置和门禁设备
CN112866581A (zh) 摄像头自动曝光补偿方法、装置及电子设备
CN110202576A (zh) 一种工件二维视觉引导抓取检测系统和方法
US10694091B2 (en) Imaging device with white balance compensation and related systems and methods
CN114627562A (zh) 多光谱人脸识别模组及方法
CN107016343A (zh) 一种基于贝尔格式图像的红绿灯快速识别方法
CN201247528Y (zh) 图像获取和处理装置
CN110399785A (zh) 一种基于深度学习与传统算法的树叶遮挡的检测方法
WO2021078145A1 (zh) 基于活体感应运动趋势检测的无线传感人脸识别装置
CN109001206A (zh) 一种基于图像识别的水果缺陷检测方法以及检测系统
CN108090910A (zh) 一种基于信息熵梯度简化pcnn模型的夜间室外番茄植株图像分割算法
CN110972376A (zh) 一种自动控制家居灯具开关的方法及系统
CN106910167A (zh) 自动化识别系统
CN206820844U (zh) 基于pm2.5传感器检测的透雾霾型摄像机
CN116133196A (zh) 基于场景识别的智能型教育照明灯具灯光调节方法
CN205864557U (zh) 一种具有自动补光功能的摄像机

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