CN107511339A - 一种基于机器视觉和神经网络算法的机采绿茶分级试验台 - Google Patents

一种基于机器视觉和神经网络算法的机采绿茶分级试验台 Download PDF

Info

Publication number
CN107511339A
CN107511339A CN201710748766.1A CN201710748766A CN107511339A CN 107511339 A CN107511339 A CN 107511339A CN 201710748766 A CN201710748766 A CN 201710748766A CN 107511339 A CN107511339 A CN 107511339A
Authority
CN
China
Prior art keywords
machine
green tea
neural network
test platform
network algorithm
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
CN201710748766.1A
Other languages
English (en)
Inventor
吴正敏
曹成茂
胡梦柯
谢承建
李正
方梁菲
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.)
Anhui Agricultural University AHAU
Original Assignee
Anhui Agricultural University AHAU
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 Anhui Agricultural University AHAU filed Critical Anhui Agricultural University AHAU
Priority to CN201710748766.1A priority Critical patent/CN107511339A/zh
Publication of CN107511339A publication Critical patent/CN107511339A/zh
Pending legal-status Critical Current

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B07SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07CPOSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00Sorting 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
    • B07C5/04Sorting according to size
    • B07C5/10Sorting according to size measured by light-responsive means
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B07SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07CPOSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00Sorting 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
    • B07C5/36Sorting apparatus characterised by the means used for distribution
    • B07C5/363Sorting apparatus characterised by the means used for distribution by means of air
    • B07C5/365Sorting apparatus characterised by the means used for distribution by means of air using a single separation means

Abstract

本发明公开了一种基于机器视觉技术和神经网络算法的机采绿茶分级试验台,机采绿茶物料通过供料系统均匀滑落至相机镜头,检测系统拍摄物料图像并将采集到的图像传输给图像采集卡,分级系统对图像数据进行处理,运用神经网络算法进行分级并将分级结果输出给执行机构,执行机构执行分级系统指令,吹出满足条件的物料。试验台可通过调整滑槽倾角、高度、槽间距,设置相机曝光时间,调整气阀的控制面积以及整体的气源压力,匹配相机采样时间与茶叶本身流过该相机的时间,并使PLC接收指令时间和发出控制信号的时间略小于茶叶从检测系统到达执行机构的时间,进而对不同加工阶段(鲜叶、理条后、烘干后)的机采绿茶进行分级,通过测试分级正确率和效率,寻找机采绿茶最佳分级方案,为设计机采绿茶分级设备提供理论依据和试验基础。

Description

一种基于机器视觉和神经网络算法的机采绿茶分级试验台
技术领域
[0001]本发明涉及-麵親茶分级试验台,類働来说,_—纏于机器视觉技 术和神经网络算法的机采绿茶分级试验台。
背景技术
[0002]名优绿茶采摘环节的瓶颈问题是制约我国绿茶产业发展的重要因素,受茶园管理 水平、茶树品种、地形地貌二设备等因素的影响,现有的机采设备采摘的鲜叶往往存在长短 不齐、老^嫩不均、茎梗含量高、匀净^低等问题,一般只能用来制作大众茶,优质绿茶特别是 级别^高的名优绿茶,还得靠人工采摘,加上劳动力逐渐短缺和劳动力成本不断上涨,名优 茶的采摘问题日渐突出。近些年二图像处理技术和分类算法越来越多的应用于采茶机械的 设计中,这从一定程度上提高了采摘机器的识别能力,但效率依然很低,名优绿茶机械化采 摘的瓶颈问题,短期内还是无法突破。对不同加工阶段(鲜叶、理条后、烘干后)的机采绿茶 进行分级,从机采大众茶_中分选出名优茶,是名优绿茶实实现全程机械化的新思路,传统的 茶叶分级方法可以使机采鲜叶原料在一定程度上按大小归类,有效的将正常芽叶与断碎芽 叶和杂物等进行分离,但分级效果离名优茶鲜叶的要求还有一定的差距。
发明内容
[0003]本发明提供了一种基于机器视觉技术和神经网络算法的机采绿茶分级试验台,通 过获得机采绿茶物料图像,利用图像处理技术分析机采绿茶物料的形态特征,建立名优绿 茶标准样本,再利用神经网络算法进行分类,将符合条件的名优绿茶通过气动执行机构吹 出,实现从机采大众绿茶中分选出名优绿茶。
[0004] 本发明的目的在于提供一种基于机器视觉技术和神经网络算法的机采绿茶分级 试验台,该试验台包括: 供料系统,用于将所述的机采茶物料均匀滑落至所述检测系统; 检测系统,与所述分级系统连接,用于采集所述的机采绿茶物料图像,并将采集到的图 像数据传输给所述的分级系统; 分级系统,与所述的执行机构连接,用于将所述的机采绿茶物料图像数据进行处理,运 用神经网络算法分级并将分级结果输出给执行机构; 执行机构,执行分级系统指令,吹出满足条件的物料; 出料口,用于收集满足条件和不满足条件的物料。
[0005] 进一步,所述试验台还设置有支架、工控机、试验平台,所述的供料系统、检测系 统、执行机构、出料口安装在支架上,所述的试验平台上还设置有上位机; 进一步,所述供料机构包括:振动喂料器、进料口、滑槽、可调支架,所述的振动喂料器 位于进料口上方,所述的进料口与所述的滑槽相连接,固定在所述的可调支架上,所述可调 支架通过螺丝调节,用于调整滑槽的倾角和高度; 进一•步,所述检测系统包括:光源、镜头、相机、图像米集卡、处理器,所述光源、镜头、相 机、安忐在滑丨曰下方,所述相机可u置曝光时间,所述图像采集卡、处理器设置于试验平台 上,所述相机与所述图像采集卡连接; 进一步,所述分级^系统包括:图像采集处理程序、神经网络分级算法、控制信号输出程 序及用户界面,图像米集处理程序基于NI的LABVIEW进行开发,神经网络分类算法调用 MATLAB节点实现,控制信号输出程序基于0PC通信技术实现,用户界面方便用户进行参数设 定、试验现象结果观察; 进一步,所述执行机构包括:PLC、喷嘴、高速电磁阀、气泵,所述PLC用于接收控制信号 控制所述高速电磁阀,所述喷嘴、高速电磁阀固定在检测系统下方支架上,所述喷嘴可调节 控制面积,所述气泵固定在试验平台上,可调节气源压力,所述高速电磁阀通过气管与所述 喷嘴和气栗连接; 进一步二所述出料口包括名优茶出料口和次茶出料口,所述名优茶出料口用于收集满 足要求的机采绿茶物料,所述次^出料口用于收集不满足要求的机采绿茶物料。
[0006]进一步,所述试验台机采绿茶物料图像采集处理基于LABVIEW VISION模块编写, 基于LABVIEW VISION模块获取图像并进行处理,将采集到的图像进行标定、提亮、二值化处 理、,再对所述的二值图像进行形态学处理,最后提取二值图像的参数特征进行分析; 进一步,所述试验台机采绿茶物料神经网络分级算法设计如下: (1) 根据粒子分析的结果,选出适合绿茶分级的特征参数凸包面积、凸包周长、长轴长 度、短轴长度4个特征作为输入,并对输入参数进行归一化的处理,避免量级差异带来的影 响;输出层选择单一向量作为输出,避免输出不稳定,根据名优绿茶品质标准,用卜3表示分 别表示单芽、一芽一叶和一芽两叶的情况; (2) 隐层和隐单元的数目均确定为1; (3) 输入机采绿茶样本的数据和标准比对数据并将网络权值初始化;为每一个样本计 算其隐层和输出层的输出以及输出误差;判定误差是否满足要求,若不满足误差要求则更 新权值和阈值,并返回输出计算,直到满足要求; (4) 根据在学习过程中所积累的各层系数进行计算得到输出结果,并与期望值比较得 出最终的分类。
[0007] 本发明公开了一种基于机器视觉技术和神经网络算法的机采绿茶分级试验台,机 采绿茶物料通过供料系统均匀滑落至相机镜头,检测系统拍摄物料图像并将采集到的图像 数据传输给图像采集卡,分级系统对图像数据进行处理,运用神经网络算法进行分级并将 分级结果输出给执行机构,执行机构执行分级系统指令,吹出满足条件的物料。试验台可通 过调整滑槽倾角、高度、槽间距,设置相机曝光时间,调整气阀的控制面积以及整体的气源 压力,匹配相机采样时间与茶叶本身流过该相机的时间,并使PLC接收数据时间和发出控制 信号的时间略小于茶叶从检测系统到达执行机构的时间,进而对不同加工阶段(鲜叶、理条 后、烘干后)的机采绿茶进行分级,测试分级正确率和效率,寻找机采绿茶最佳分级方案,为 设计机采绿茶分级设备提供理论依据和试验基础。
附图说明
[0008] 图1是本发明实施方案中提供的机采绿茶分级试验台的硬件构成图; 图2是本发明实施方案中提供的机采绿茶分级试验台图像处理流程图; 图3是本发明实施方案中提供的神经网络算法程序设计流程图; 图4是本发明实施方案中提供的机采绿茶分级试验台神经网络分级程序; 图5是本发明实施方案中提供的机采绿茶分级试验台用户显示界面; 图6是本发明实施方案中提供的机采绿茶分级试验台工作原理图; 图7是本发明实施方案中提供的机采绿茶分级试验台总体结构图。
[0009] 1、底座2、相机、光源可调支架3、光源4、相机5、固定支架6、滑槽7、滑槽可调 支架8、气泵9、上位机10、试验平台11、气管I2、高速电磁阀I3、喷嘴14、次茶出料口 15、名优茶出料口。
[0010]
具体实施方式
[0011] 为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对 本发明进行进一步的详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明, 并不用于限定发明。
[0012] 图1示出了本发明实施例提供的基于机器视觉技术和神经网络算法的机采绿茶分 级试验台的硬件构成。
[0013] 该试验台包括: 供料系统,用于将所述的机采茶物料均匀滑落至所述检测系统; 检测系统,与所述分级系统连接,用于采集所述的机采绿茶物料图像,并将采集到的图 像数据传输给所述的分级系统; 分级系统,与所述的执行机构连接,用于将所述的机采绿茶物料图像数据进行处理,运 用神经网络算法分级并将分级结果输出给执行机构; 执行机构,执行分级系统指令,吹出满足条件的物料; 出料口,用于收集满足条件和不满足条件的物料。
[0014]在本发明实施例中,进一步,所述试验台还设置有支架、工控机、试验平台,所述的 供料系统、检测系统、执行机构、出料口安装在支架上,所述的试验平台上还设置有上位机; 供料机构包括:振动喂料器、进料口、滑槽、可调支架,所述的振动喂料器位于进料口上方, 所述的进料口与所述的滑槽相连接,固定在所述的可调支架上,所述可调支架通过螺丝调 节,用于调整滑槽的倾角和高度; 检测系统包括:光源、镜头、相机、图像采集卡、处理器,所述光源、镜头、相机、安装在滑 槽下方,所述相机可设置曝光时间,所述图像采集卡、处理器设置于试验平台上,所述相机 与所述图像采集卡连接; 执行机构包括:PLC、喷嘴、高速电磁阀、气栗,所述PLC用于接收控制信号控制所述高速 电磁阀,所述喷嘴、高速电磁阀固定在检测系统下方支架上,所述喷嘴可调节控制面积,所 述气泵固定在试验平台上,可调节气源压力,所述高速电磁阀通过气管与所述喷嘴和气泵 连接; ' 出料口包括名优茶出料口和次茶出料口,所述名优茶出料口用于收集满足要求的机采 绿茶物料,所述次茶出料口用于收集不满足要求的机采绿茶物料。
[0015]图2示出了机采绿茶物料图像采集处理流程,机采绿茶物料图像采集处理基于 LABVIEW VISION模块头现,基于LABVIEW VISION模块获取图像并进行处理,将采集到的图 像进行标定、提亮、二值化处理、,再对所述的二值图像进行形态学处理,最后提取二值图像 的参数特征进行分析。
[0016]如图3、4所示,试验台机采绿茶物料神经网络分级算法设计如下: (1) 根据粒子分析的结果,选出适合绿茶分级的特征参数凸包面积、凸包周长、长轴长 度、短轴长度4个特征作为输入,并对输入参数进行归一化的处理,避免量级差异带来的影 响;输出层选择单一向量作为输出,避免输出不稳定,根据名优绿茶品质标准,用数字丨^。 表示分别表示单芽、一芽一叶和一芽两叶的情况; (2) 隐层和隐单元的数目均确定为1; (3) 输入机采绿茶样本的数据和标准比对数据并将网络权值初始化;为每一个样本计 算其隐层和输出层的输出以及输出误差;判定误差是否满足要求,若不满足误差要求则更 新权值和阈值,并返回输出计算,直到满足要求; (4) 根据在学习过程中所积累的各层系数进行计算得到输出结果,并与期望值比较得 出最终的分类。
[0017]图5示出了分级系统用户界面,分级系统包括:图像采集处理程序、神经网络分级 算法、控制信号输出程序及用户界面,图像采集处理程序基于NI的LABVIEW进行开发,神经 网络分类算法调用MATLAB节点实现,控制信号输出程序基于0PC通信技术实现,用户界面方 便用户进行参数设定、试验现象结果观察。
[0018]本发明涉及一种基于机器视觉技术和神经网络算法的机采绿茶分级的试验台,用 以解决的技术问题是:通过调整滑槽倾角、高度、槽间距,设置相机曝光时间,调整气阀的控 制面积以及整体的气源压力,匹配相机采样时间与茶叶本身流过该相机的时间,并使PLC接 收数据时间和发出控制信号的时间略小于茶叶从检测系统到达执行机构的时间,进而对不 同加工阶段(鲜叶、理条后、烘干后)的机采绿茶进行分级,测试分级正确率和效率,寻找机 采绿茶最佳分级方案, >本发明涉及一种基于机器视觉技术和神经网络算法的机采绿茶分级的试验台,该试验 台采用机器视觉技术和神经网络算法,通过相机获得机采绿茶物料图像,分析机采绿茶物 料的形态特征,建立名优绿茶标准样本,再利用神经网络算法进行分级,将符合条件的名优 绿茶通过气动执行机构吹出,实现从机采大众绿茶中分选出名优绿茶,为设计机采绿茶分 级设备提供理论依据和试验基础。
[0019]本发明的明显效果是:搭建了一种用于机采绿茶分级的试验台,其优势在于关键 参数可调,给优化机械结构和程序算法带来了便利,在分级影响因素较多的情况下通过多 因素试验寻找最佳的机采绿茶分级方案。
[0020]下面结合附图及具体实施例对本发明的应用原理作进一步描述。
[0021]如图6,7所示机采绿茶分级试验台工作原理图和总体结构图,包括底座i,滑槽可 调支架7、相机、光源可调支架2等均安装在底座1上,滑槽6固定在滑槽可调支架7上,滑槽可 调支架7通过螺栓安装在固定支架5上,根据物料的形态特征和整个装置的试验需求,滑槽6 的最大调整高度设定为5〇cm,倾角范围为60°- 75。,滑槽槽间距为5mm,相机4、光源3安装在 滑槽下方的相机、光源可调支架2上,可根据物料下落情况调整相机4、光源3位置,当物料下 落至镜头前,确保获取最佳的物料图像,选用CCD工业相机获取物料图像,物料图像通过图 像采集卡传输给试验平台10的上位机9,通过图像处理算法和神经网络分级算法判定该物 料是否满足条件,执行机构喷嘴13、MAC高速电磁阀12安装在固定支架5上,喷嘴13通过气管 11连接MAC高速电磁阀12,MAC高速电磁阀12通过气管11连接气栗8,MAC高速电磁阀12用西 门子PLC控制,执行分级系统发出指令,喷出满足要求的物料。
[0022]当物料从料斗经滑槽滑至检测设备CCD相机前,相机开始拍摄该物料照片,照片经 图像采集卡传输给上位机,利用LABVIEW VISION模块对获取的图像进行标定、提亮、二值化 等处理后,对二值图像进行形态学分析并提取物料的凸包面积、凸包周长、长轴长度、短 轴长度等特征参数作为神经网络分级系统的输入,输入参数经归一化处理后,创建神经网 络并设置参数进行训练、对输入数据进行预测,判定该物料是否满足条件,若满足条件,则 高电平信号发送给执行机构控制器,电磁阀动作,气流进入喷嘴将该物料喷出,进入名优茶 出料口 15;若不满足条件,则低电平信号发送给执行机构控制器,电磁阀不动作,喷嘴无气 流进入,物料直接进入次茶出料口 14。
[00f]本发明实施例提供的基于机器视觉技术和神经网络算法的机采绿茶分级试验台, 机采绿茶物料通过供料系统均匀滑落至相机镜头,检测系统拍摄物料图像并将采集到的图 像数据传输给图像采集卡,分级系统对图像数据进行处理,运用神经网络算法进行分级并 将分级结果输出给执行机构,执行机构执行分级系统指令,吹出满足条件的物料。试验台可 通过调整滑槽倾角、高度、槽间距,设置相机曝光时间,调整气阀的控制面积以及整体的气 源压力,匹配相机采样时间与茶叶本身流过该相机的时间,并使PLC接收数据时间和发出控 制信号的时间略小于茶叶从检测系统到达执行机构的时间,进而对不同加工阶段(鲜叶、理 条后、烘干后)的机采绿茶进行分级,测试分级正确率和效率,寻找机采绿茶最佳分级方案, 为设计机采绿茶分级设备提供理论依据和试验基础。具有较强的推广与应用价值。
[0024]以上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、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (9)

1. 一种基于机器视觉技术和神经网络算法的机采绿茶分级试验台,其特征在于,该试 验台包括: 供料系统,用于将所述的机采绿茶物料均匀滑落至所述检测系统; 检测系统,与分级系统连接,用于采集机采绿茶物料图像,并将采集到的图像数据传输 给所述的分级系统; _ _ 分级系统,与执行机构连接,用于将所述的机采绿茶物料图像数据进行处理,运用神经 网络算法分级并将分级结果输出给执行机构; 执行机构,执行分级系统指令,吹出满足条件的物料; 出料口,用于收集满足条件和不满足条件的物料。
2. 如权利要求1所述的基于机器视觉技术和神经网络算法的机采绿茶分级试验台,其 特征在于,该试验台还设置有支架、工控机、试验平台,所述的供料系统、检测系统、执行机 构、出料口安装在支架上,所述的试验平台上还设置有上位机。
3. 如权利要求1所述的基于机器视觉技术和神经网络算法的机采绿茶分级试验台,其 特征在于,所述供料机构包括:振动喂料器、进料口、滑槽、可调支架,所述的振动喂料器位 于进料口上方,所述的进料口与所述的滑槽相连接,固定在所述的可调支架上,所述可调支 架通过螺丝调节,用于调整滑槽的倾角和高度。
4.如权利要求1所述的基于机器视觉技术和神经网络算法的机采绿茶分级试验台,其 特征在于,所述检测系统包括:光源、镜头、相机、图像采集卡、处理器,所述光源、镜头、相 机、安装在滑槽下方,所述相机可设置曝光时间,所述图像采集卡、处理器设置于试验平台 上,所述相机与所述图像采集卡连接。
5.如权利要求1所述的基于机器视觉技术和神经网络算法的机采绿茶分级试验台,其 特征在于,所述执行机构包括:PLC、喷嘴、高速电磁阀、气泵,所述PLC用于接收控制信号控 制所述高速电磁阀,所述喷嘴、高速电磁阀固定在检测系统下方支架上,所述喷嘴可调节控 制面积,所述气栗固定在试验平台上,可调节气源压力,所述高速电磁阀通过气管与所述喷 嘴和气泵连接。
6. 如权利要求1所述的基于机器视觉技术和神经网络算法的机采绿茶分级试验台,其 特征在于,所述出料口包括名优茶出料口和次茶出料口,所述名优茶出料口用于收集满足 要求的机采绿茶物料,所述次茶出料口用于收集不满足要求的机采绿茶物料。
7. 如权利要求1-6之一所述的基于机^视觉技术和神经网络算法的机采绿茶分级试验 台,其特征在于,所述分,系统包括:图像采集处理程序、神经网络分级算法、控制信号输出 程序及用户界面,图像米集处理程序基于NI的LABVIEW进行开发,神经网络分类算法调用 MATLAB节点实现,控制信号输出程序基于〇pC通信技术实现,用户界面方便用户进行参数设 定、试验现象结果观察。
8. 如权利、要求7所述的基于机器视觉技术和神经网络算法的机采绿茶分级试验台,其 特征在于,所述试验台机米绿糸物料图像米集处理程序基于LABVIEW VISI〇N模块编写,基 于LABVIEW VISK)罐块获取图像并进行处理,将采集到的图像进行标定、提亮、二值化处 理,再对所删-、删彳紐衍彡态学处51,最尉舰二麵麵麵特征进行分析。
9.如权利巧1或7臓_于机器概技术婦经嶋籠_親茶分级试验台, 所述试验台机采绿茶物料神经网络分级算法为: (1)根据粒子分析的结果,选出适合绿茶分级的特征参数凸包面积、凸包周长、长轴长 度、短轴长度4个特征作为输入,并对输入参数进行归一化的处理,避免量级差异带来的影 响;输出层选择单一向量作为输出,避免输出不稳定,根据名优绿茶品质标准,用1 -3表示分 别表示单芽、一芽一叶和一芽两叶的情况; ⑵隐层和隐单元的数目均确定为1; (3) 输入机采绿茶样本的数据和标准比对数据,并将网络权值初始化;为每一个样本计 算其隐层和输出层的输出以及输出误差;判定误差是否满足要求,若不满足误差要求则更 新权值和阈值,并返回输出计算,直到满足要求; (4) 根据在学习过程中所积累的各层系数进行计算得到输出结果,并与期望值比较得 出最终的结果。
CN201710748766.1A 2017-08-28 2017-08-28 一种基于机器视觉和神经网络算法的机采绿茶分级试验台 Pending CN107511339A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710748766.1A CN107511339A (zh) 2017-08-28 2017-08-28 一种基于机器视觉和神经网络算法的机采绿茶分级试验台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710748766.1A CN107511339A (zh) 2017-08-28 2017-08-28 一种基于机器视觉和神经网络算法的机采绿茶分级试验台

Publications (1)

Publication Number Publication Date
CN107511339A true CN107511339A (zh) 2017-12-26

Family

ID=60724260

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710748766.1A Pending CN107511339A (zh) 2017-08-28 2017-08-28 一种基于机器视觉和神经网络算法的机采绿茶分级试验台

Country Status (1)

Country Link
CN (1) CN107511339A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110807969A (zh) * 2019-11-28 2020-02-18 深圳市华兴鼎盛科技有限公司 一种机器视觉识别教学系统及教学方法
CN111784718A (zh) * 2020-07-11 2020-10-16 吉林大学 一种离散物料堆积状态智能在线预测装置及预测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2034878U (zh) * 1988-04-14 1989-03-29 浙江工学院 光电式电脑茶叶拣梗机
CN202192031U (zh) * 2011-08-08 2012-04-18 合肥泰禾光电科技有限公司 茶叶分选机
CN102521564A (zh) * 2011-11-22 2012-06-27 常熟市董浜镇华进电器厂 基于颜色和形状识别茶叶的方法
CN204746901U (zh) * 2015-02-04 2015-11-11 赣州市武夷源实业有限公司 一种茶叶色选装置
CN105312254A (zh) * 2015-11-13 2016-02-10 四川雅安雅泉茶业有限公司 一种可调节式多功能茶叶色选机
CN105457907A (zh) * 2015-09-23 2016-04-06 浙江工业大学义乌科学技术研究院有限公司 一种袋泡茶图像采集与分拣装置
CN205914417U (zh) * 2016-08-26 2017-02-01 福建品品香茶业有限公司 一种茶叶色选机

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2034878U (zh) * 1988-04-14 1989-03-29 浙江工学院 光电式电脑茶叶拣梗机
CN202192031U (zh) * 2011-08-08 2012-04-18 合肥泰禾光电科技有限公司 茶叶分选机
CN102521564A (zh) * 2011-11-22 2012-06-27 常熟市董浜镇华进电器厂 基于颜色和形状识别茶叶的方法
CN204746901U (zh) * 2015-02-04 2015-11-11 赣州市武夷源实业有限公司 一种茶叶色选装置
CN105457907A (zh) * 2015-09-23 2016-04-06 浙江工业大学义乌科学技术研究院有限公司 一种袋泡茶图像采集与分拣装置
CN105312254A (zh) * 2015-11-13 2016-02-10 四川雅安雅泉茶业有限公司 一种可调节式多功能茶叶色选机
CN205914417U (zh) * 2016-08-26 2017-02-01 福建品品香茶业有限公司 一种茶叶色选机

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吴正敏等: "基于图像处理技术和神经网络实现机采茶的分级", 《茶叶科学》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110807969A (zh) * 2019-11-28 2020-02-18 深圳市华兴鼎盛科技有限公司 一种机器视觉识别教学系统及教学方法
CN111784718A (zh) * 2020-07-11 2020-10-16 吉林大学 一种离散物料堆积状态智能在线预测装置及预测方法
CN111784718B (zh) * 2020-07-11 2021-09-10 吉林大学 一种离散物料堆积状态智能在线预测装置及预测方法

Similar Documents

Publication Publication Date Title
CN101905215B (zh) 数字化水稻考种机
CN107437094B (zh) 基于机器学习的木板分拣方法及系统
US9527115B2 (en) Computer vision and machine learning software for grading and sorting plants
CN107121436B (zh) 一种硅料品质的智能鉴别方法及鉴别装置
CN112544242B (zh) 基于ai云计算的水稻全自动脱粒及产量分析系统
CN107511339A (zh) 一种基于机器视觉和神经网络算法的机采绿茶分级试验台
CN104138851B (zh) 基于振动给料与成像识别的大颗粒物料分选系统及方法
CN103706574A (zh) 一种固体籽粒自动分拣系统
CN109220226A (zh) 果实自动识别分类及采摘的果园智能化系统
CN104138854A (zh) 基于伪双能射线成像的矿石分选系统及方法
CN104070016B (zh) 一种小颗粒农业物料质量实时检测与分级装置及方法
CN105868784A (zh) 一种基于sae-svm的病虫害检测系统
CN108107049A (zh) 联合收获机粮箱籽粒含杂率与破碎率实时监测装置及方法
CN104198324B (zh) 基于计算机视觉的烟丝中叶丝比例测定方法
CN208613093U (zh) 一种柑类果实色选分级装置
CN104588329A (zh) 基于近红外漫透射光谱的种子自动鉴别分选装置
CN104902228A (zh) 一种基于计算机视觉的害虫实时监控装置及方法
CN105806751A (zh) 一种联合收割机粮箱中谷物破碎在线监测系统及方法
CN207222383U (zh) 木板分拣系统
CN202385685U (zh) 茶叶色选机
Chen et al. Real-time grain breakage sensing for rice combine harvesters using machine vision technology
CN211932193U (zh) 一种具备筛选分离过滤虫体功能的虫情测报灯
CN112474387A (zh) 一种原粮不完善粒的图像识别和自动分拣装置
CN107413674B (zh) 一种作物种籽在线分拣方法及系统
CN207147533U (zh) 一种小型数字化水稻考种机

Legal Events

Date Code Title Description
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
RJ01 Rejection of invention patent application after publication

Application publication date: 20171226