CN107741432A - 一种基于机器视觉的水果自动分拣机器人系统 - Google Patents
一种基于机器视觉的水果自动分拣机器人系统 Download PDFInfo
- Publication number
- CN107741432A CN107741432A CN201711133314.9A CN201711133314A CN107741432A CN 107741432 A CN107741432 A CN 107741432A CN 201711133314 A CN201711133314 A CN 201711133314A CN 107741432 A CN107741432 A CN 107741432A
- Authority
- CN
- China
- Prior art keywords
- fruit
- default
- sorting
- internal
- image data
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
-
- 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
- B07C5/34—Sorting according to other particular properties
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/245—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures using a plurality of fixed, simultaneously operating transducers
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
- G01S15/06—Systems determining the position data of a target
- G01S15/46—Indirect determination of position data
-
- 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
- B07C2501/009—Sorting of fruit
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1765—Method using an image detector and processing of image signal
- G01N2021/177—Detector of the video camera type
- G01N2021/1776—Colour camera
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/05—Investigating materials by wave or particle radiation by diffraction, scatter or reflection
- G01N2223/052—Investigating materials by wave or particle radiation by diffraction, scatter or reflection reflection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/10—Different kinds of radiation or particles
- G01N2223/101—Different kinds of radiation or particles electromagnetic radiation
- G01N2223/1016—X-ray
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/646—Specific applications or type of materials flaws, defects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
- G01S15/06—Systems determining the position data of a target
- G01S15/46—Indirect determination of position data
- G01S2015/465—Indirect determination of position data by Trilateration, i.e. two transducers determine separately the distance to a target, whereby with the knowledge of the baseline length, i.e. the distance between the transducers, the position data of the target is determined
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Acoustics & Sound (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Sorting Of Articles (AREA)
Abstract
本发明公开了一种基于机器视觉的水果自动分拣机器人系统,包括:水果内部图像信息采集单元(100),用于实时采集传送带上传送的、需要被分拣的每个水果的内部图像模拟信号;模数转换单元(200),与水果内部图像信息采集单元(100)相连接;分拣分析和输出控制单元(300),与模数转换单元(200)相连接,用于控制所述预设的水果分拣装置分拣出所述传送带上传送的没有内部缺陷的对应水果。本发明可以准确、可靠地对大量的水果进行的内部缺陷检测,并自动分拣出存在内部缺陷的水果,从而保证对大量水果的分拣质量,维护客户对水果商家的信誉评价,有利于广泛的推广应用,具有重大的生产实践意义。
Description
技术领域
本发明涉及水果分拣技术领域,特别是涉及一种基于机器视觉的水果自动分拣机器人系统。
背景技术
目前,对于苹果、梨等水果,其在成熟采摘后,为了满足消费市场的要求,要进行分级包装。这种分级内容应该包含水果的颜色分布、形状、尺寸和表面状况(包括擦伤、凹坑、沟痕和虫咬等)以及水果内部缺陷的检测。
为了对大量的水果进行分级包装,目前,大多是采用人工方法对水果进行分级挑选,通过人工对水果进行分级挑选的方法,虽然能分辨出水果的颜色、形状、尺寸和表面状况(包括擦伤、凹坑、沟痕和虫咬等),但是需要大量的劳动力,分级挑选水果的效率很低,并且工人在长时间工作后,由于视觉疲劳,容易产生差错而将存在问题的水果也进行错误的分级。而且,人工对水果进行分级挑选的方法,不能检测出水果的内部缺陷,无法保证对大量水果的分拣质量,容易影响到客户对水果商家的信誉评价。在市场上,现有的检测设备主要能检测水果的颜色、糖分、尺寸及形状等,但无法检测到水果的内部缺陷。
因此,目前迫切需要开发出一种技术,其可以准确、可靠地对大量的水果进行的内部缺陷检测,并自动分拣出存在内部缺陷的水果,从而保证对大量水果的分拣质量,维护客户对水果商家的信誉评价。
发明内容
有鉴于此,本发明的目的是提供一种基于机器视觉的水果自动分拣机器人系统,其可以准确、可靠地对大量的水果进行的内部缺陷检测,并自动分拣出存在内部缺陷的水果,从而保证对大量水果的分拣质量,维护客户对水果商家的信誉评价,有利于广泛的推广应用,具有重大的生产实践意义。
为此,本发明提供了一种基于机器视觉的水果自动分拣机器人系统,包括:
水果内部图像信息采集单元,用于实时采集传送带上传送的、需要被分拣的每个水果的内部图像模拟信号,然后发送给模数转换单元;
模数转换单元,与水果内部图像信息采集单元相连接,用于实时接收所述水果内部图像信息采集单元发来的每个水果的内部图像模拟信号,并对应转换成每个水果的内部图像数字信号,然后发送给分拣分析和输出控制单元;
分拣分析和输出控制单元,与模数转换单元相连接,用于在接收每个水果的内部图像数字信号后,对预设的水果分拣装置进行控制,控制所述预设的水果分拣装置分拣出所述传送带上传送的没有内部缺陷的对应水果。
其中,所述分拣分析和输出控制单元,用于在接收每个水果的内部图像数字信号后,实时进行预设内部图像识别操作,当判断该水果没有内部缺陷时,实时发送预设的分拣操作信号给预设的水果分拣装置,控制所述预设的水果分拣装置分拣出所述传送带上传送的没有内部缺陷的对应水果。
其中,所述预设内部图像识别操作具体包括:
预先存储多个内部没有缺陷的水果的内部图像数字信号;
将当前所接收到的水果的内部图像数字信号与预设的多个内部没有缺陷的水果的内部图像数字信号实时进行比较;
当该当前所接收到的水果的内部图像数字信号与其中任意一个预设内部没有缺陷的水果的内部图像数字信号的相似度都小于预设值时,判断对应的水果存在内部缺陷。
其中,所述预设的水果分拣装置为一个具有预设大小吸力的气泵,所述气泵与一个预设口径的水果吸取管相连通,用于为水果吸取管提供预设大小的吸力。
其中,还包括水果外部图像采集单元,其中:
水果外部图像采集单元,与模数转换单元相连接,用于实时采集传送带上传送的每个水果的外部图像模拟信号,然后发送给模数转换单元;
模数转换单元,还用于实时接收所述水果外部图像采集单元发来的每个水果的外部图像模拟信号,并对应转换成每个水果的外部图像数字信号,然后发送给分拣分析和输出控制单元;
分拣分析和输出控制单元,还用于在接收每个水果的外部图像数字信号后,实时进行预设外部图像识别操作,识别判断该水果是否存在外部缺陷,当判断该水果没有外部缺陷时,实时发送预设的分拣操作信号给预设的水果分拣装置,由所述预设的水果分拣装置分拣出所述传送带上传送的没有外部缺陷的对应水果。
其中,所述预设外部图像识别操作包括:
预先存储多个外部没有缺陷的水果的外部图像数字信号;
将当前所接收到的水果的外部图像数字信号与预设的多个外部没有缺陷的水果的外部图像数字信号实时进行比较;
当该当前所接收到的水果的外部图像数字信号与其中任意一个预设外部没有缺陷的水果的外部图像数字信号的相似度都小于预设值时,判断对应的水果存在外部缺陷。
其中,还包括水果尺寸检测单元,其中:
水果尺寸检测单元,与模数转换单元相连接,用于实时采集传送带上传送的每个水果的尺寸信息,然后发送给模数转换单元;
模数转换单元,还用于实时接收所述水果尺寸检测单元发来的每个水果的尺寸信息,并对应转换成尺寸数字信号,然后发送给分拣分析和输出控制单元;
分拣分析和输出控制单元,还用于在接收每个水果的尺寸数字信号后,实时进行预设尺寸识别操作,识别判断该水果是否存在尺寸缺陷,当判断该水果没有尺寸缺陷时,实时发送预设的分拣操作信号给预设的水果分拣装置,由所述预设的水果分拣装置分拣出所述传送带上传送的没有尺寸缺陷的对应水果。
其中,包括所述传送带,所述传送带的左端位于一个U形的机架内;
所述水果内部图像信息采集单元为X射线检测传感器,所述X射线检测传感器垂直设置于所述机架的上端底面;
所述水果外部图像采集单元具体包括四个工业数字相机,所述四个工业数字相机等间隔对称分布在所述X射线检测传感器的四周;
水果尺寸检测单元具体包括两个测距传感器,所述两个测距传感器水平对称放置在所述X射线检测传感器的左右两侧。
其中,所述预设的水果分拣装置为五轴关节机器人,所述五轴关节机器人包括五轴关节机器人本体,所述五轴关节机器人本体位于所述传送带右端正上方;
所述五轴关节机器人本体上安装有多个步进电机,所述步进电机与所述分拣分析和输出控制单元之间为信号连接,所述五轴关节机器人本体的顶部末端安装有机械爪。
其中,每个所述工业数字相机通过一个连接臂与所述X射线检测传感器的上端四周外壁;
所述两个测距传感器分布安装在所述X射线检测传感器左右两侧相连接的所述连接臂上;
所述X射线检测传感器为软X射线检测传感器;
所述测距传感器为超声波红外测距传感器;
所述工业数字相机为电荷耦合元件CCD工业数字相机。
由以上本发明提供的技术方案可见,本发明提供的一种基于机器视觉的水果自动分拣机器人系统,其可以准确、可靠地对大量的水果进行的内部缺陷检测,并自动分拣出存在内部缺陷的水果,从而保证对大量水果的分拣质量,维护客户对水果商家的信誉评价,有利于广泛的推广应用,具有重大的生产实践意义。
此外,本发明提供的基于机器视觉的水果自动分拣机器人系统,其还可以自动分辨出水果的颜色、形状、尺寸和表面状况(包括擦伤、凹坑、沟痕和虫咬等),然后自动进行自动分拣,进一步保证对大量水果的分拣质量。
附图说明
图1是本发明提供的一种基于机器视觉的水果自动分拣机器人系统的结构方框图;
图2为本发明提供的一种基于机器视觉的水果自动分拣机器人系统的实施例一的结构方框图;
图3为本发明提供的一种基于机器视觉的水果自动分拣机器人系统的实施例二的结构方框图;
图4是本发明提供的一种基于机器视觉的水果自动分拣机器人系统的一种实施例的具体结构示意图;
图中,1为工业数字相机,2为测距传感器,3为X射线检测传感器,4为五轴关节机器人本体,5为步进电机,7为机械爪,8为传送带,9为机架。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和实施方式对本发明作进一步的详细说明。
参见图1,本发明提供了一种基于机器视觉的水果自动分拣机器人系统,其包括水果内部图像信息采集单元100、模数转换单元200和分拣分析和输出控制单元300,其中:
水果内部图像信息采集单元100,用于实时采集(优选为逐个采集)传送带上传送的、需要被分拣的每个水果(其作为被检测对象)的内部图像模拟信号,然后发送给模数转换单元200;
模数转换单元200,与水果内部图像信息采集单元100相连接,用于实时接收所述水果内部图像信息采集单元100发来的每个水果的内部图像模拟信号,并对应转换成每个水果的内部图像数字信号,然后发送给分拣分析和输出控制单元300;
分拣分析和输出控制单元300,与模数转换单元200相连接,用于在接收每个水果的内部图像数字信号后,实时进行预设内部图像识别操作,识别判断该水果是否存在内部缺陷,当判断该水果没有内部缺陷时,实时发送预设的分拣操作信号给预设的水果分拣装置,控制所述预设的水果分拣装置分拣出所述传送带上传送的没有内部缺陷的对应水果(具体可以分拣到外部的中空的收集箱中)。
在本发明中,具体实现上,所述水果可以为用户预设的任意一种水果种类,优选为苹果。
在本发明中,具体实现上,所述传送带优选为一个水平放置且顺时针传送的传送带,该传送带在电动机等驱动装置的驱动下,能够进行顺时针转动,从而将其上面放置的水果等物体从左到右进行水平方向的传送。
在本发明中,具体实现上,所述水果内部图像信息采集单元100优选为X射线检测传感器,进一步优选为软X射线检测传感器。
在本发明中,具体实现上,所述模数转换单元200为现有的模数转换器。
在本发明中,具体实现上,所述分拣分析和输出控制单元300可以为具有信号处理和控制功能的中央处理器CPU或者微控制单元MCU,还可以为一台工业用控制计算机。
具体实现上,所述预设内部图像识别操作可以包括:
首先,预先存储多个内部没有缺陷的水果的内部图像数字信号;
然后,将当前所接收到的水果的内部图像数字信号与预设的多个内部没有缺陷的水果的内部图像数字信号实时进行比较;
当该当前所接收到的水果的内部图像数字信号与其中任意一个预设内部没有缺陷的水果的内部图像数字信号的相似度都小于预设值(例如98%或者99%)时,判断对应的水果存在内部缺陷。
在本发明中,所述内部缺陷具体为:水果内部存在孔洞、裂纹及虫咬的孔洞。
具体实现上,软X射线检测传感器,其作为水果内部图像信息采集单元100,能够以宽频带短脉冲的形式向需要检测的水果发射高频X射线波,入射波在存在介电性差异的两种介质的分界面(例如水果肉和孔洞或裂纹形成的界面)时会产生反射波,软X射线检测传传感器可检测并接收该反射波的波形、振幅及到达时刻,并以图像或数字的方式显示检测的结果;此外,还根据测量的双程走时和波速计算出水果孔洞的位置。
其中,软X射线检测传感器的双程走时,具体包括:软X射线检测传感器向水果发射高频X射线波的路程(即去程)所需要的时间和从水果返回反射波的路程(即返程)所需要的时间。
需要说明的是,在本发明中,由于软X射线检测传感器的安装位置和角度是已知的,由入射波和反射波的双程走时及波速,能够计算出传感器与水果孔洞的相对距离。由此确定水果的孔洞位置。
具体实现上,安装在顶部的软X射线检测传感器获得的双程时间为t0和照射角度为β时,则软X射线检测传感器与水果孔洞的相对距离S0由下式计算:
2S0=v·t0;
式中:v为软X射线的传播速度。
则软X射线检测传传感器与水果孔洞的铅直距离为:
y0=S0·cosβ;
水果孔洞与水果中心的距离为:
x0=S0·Sinβ。
在本发明中,具体实现上,所述预设的水果分拣装置可以为任意一种可以根据分拣分析和输出控制单元300的控制运行,而对水果进行分拣的装置。
具体实现上,所述预设的水果分拣装置可以为一个具有预设大小吸力的气泵,所述气泵与一个预设口径的水果吸取管相连通,用于为水果吸取管提供预设大小的吸力。需要说明的是,所述预设口径可以根据用户的需要和所需要分拣的水果的通常口径范围进行响应的预设设置。
具体实现上,所述预设的水果分拣装置可以优选为五轴关节机器人,由五轴关节机器人中的机械爪,根据分拣分析和输出控制单元300的控制,来抓取传送带上的没有内部缺陷的水果。
参见图2,图2为本发明提供的一种基于机器视觉的水果自动分拣机器人系统的实施例一的结构方框图。对于本发明提供的基于机器视觉的水果自动分拣机器人系统,为了能够进一步自动分辨出水果的颜色、形状和表面状况(包括擦伤、凹坑、沟痕和虫咬等),然后自动进行自动分拣,进一步保证对大量水果的分拣质量。本发明提供的基于机器视觉的水果自动分拣机器人系统,还包括水果外部图像采集单元400,其中:
水果外部图像采集单元400,与模数转换单元200相连接,用于实时采集(优选为逐个采集)传送带上传送的每个水果(其作为被检测对象)的外部图像模拟信号,然后发送给模数转换单元200;
模数转换单元200,还用于实时接收所述水果外部图像采集单元400发来的每个水果的外部图像模拟信号,并对应转换成每个水果的外部图像数字信号,然后发送给分拣分析和输出控制单元300;
分拣分析和输出控制单元300,还用于在接收每个水果的外部图像数字信号后,实时进行预设外部图像识别操作,识别判断该水果是否存在外部缺陷,当判断该水果没有外部缺陷时,实时发送预设的分拣操作信号给预设的水果分拣装置,由所述预设的水果分拣装置分拣出所述传送带上传送的没有外部缺陷的对应水果。
在本发明中,所述水果外部图像采集单元400具体可以为工业数字相机,优选为电荷耦合元件(CCD)工业数字相机。
在本发明中,所述外部缺陷包括水果的颜色分布不符合预设颜色分布标准、水果的形状不符合预设的形状标准以及水果的表面状况(包括擦伤、凹坑、沟痕和虫咬等)不符合预设的表面状况标准。
具体实现上,所述预设颜色分布标准可以根据用户的需要预先进行设置,例如可以为:所识别判断的水果的颜色符合预设的色度范围和/或预设的亮度范围。
具体实现上,所述预设的形状标准可以根据用户的需要预先进行设置,具体可以为:所识别判断的水果的形状与预先采集的、多个合格形状的水果的形状中任意一个形状相一致或者相似度达到预设值(例如95%)。
具体实现上,所述预设的表面状况标准可以根据用户的需要预先进行设置,具体可以为:所识别判断的水果的外部图像与预先采集的、多个表面状况合格的水果的外部图像的相似度大于或者等于预设值(例如95%)。
在本发明中,具体实现上,所述预设外部图像识别操作可以包括:
首先,预先存储多个外部没有缺陷的水果的外部图像数字信号;
然后,将当前所接收到的水果的外部图像数字信号与预设的多个外部没有缺陷的水果的外部图像数字信号实时进行比较;
当该当前所接收到的水果的外部图像数字信号与其中任意一个预设外部没有缺陷的水果的外部图像数字信号的相似度都小于预设值(优选取99.5%)时,或当水果的颜色变化率(包括色度变化率和亮度变化率)超过设定值(表面擦伤),则判断对应的水果存在外部缺陷。
需要说明的是,所述外部没有缺陷的水果的外部图像数字信号,具体包括:预先采集的颜色符合预设的色度范围和/或预设的亮度范围的、形状合格的以及表面状况合格的水果的外部图像数字信号。
具体实现上,对于本发明,其采用的识别判断是否存在外部颜色缺陷的方法,即颜色识别方法,具体为:利用HSI颜色图像模型,以水果样本组的前M(等级数目)个主成分均值作为样本组的样本中心点建立分级模型。将完成的水果图像进行图像分割,提取其H分量、S分量及I分量的各自面积加权直方图,提取其主成分转换为HIS颜色模型,分别计算待测样本与样本中心点的距离值,当待测水果样本到某一水果样本组样本中心点的距离值小于到其它样本组样本中心点的距离值时,判断该待测的水果样本为存在颜色缺陷的水果样本,然后进行相应的分拣。
具体实现上,对于本发明,还可以对水果的糖度或成熟度做进一步的区分,该水果糖度或成熟度的区分方法,具体为:水果糖度或成熟程度的样本是这样实现的,工业数字相机(CCD)摄取一组纯生水果的图像,按红、绿、蓝三基色数值算出表面颜色的参数值,并设定该值相应的颜色标准为0%;摄取一组熟透水果的图像,获取熟透水果表面颜色的红、绿、蓝三基色数值,设定该值相应的颜色标准为100%。
在实际中,四台工业数字相机同时对进入选取位置的需要检测的水果采集水果相互垂直的四个方向上的色彩图像数据,这样,通过前后左右四个方向的采集,就可获得整个需要检测的水果各面的颜色数据,将按红、绿、蓝三基色数值算出表面颜色的平均数值与预设的标准已成熟的水果样本的表面颜色平均数值进行比较,从而全面考察水果的成熟度,当该表面颜色的平均数值大于或者等于预设的标准已成熟的水果样本的表面颜色平均数值时,可以判断该需要检测的水果为已经成熟的水果。
具体实现上,对于本发明,对水果的表面状况(及形状)的区分方法,具体说明如下:
水果表面缺陷往往反应在其表面色泽的突然变化上。因此,水果表面缺陷检测就是通过图像模式识别的方法进行。
首先,利用工业数字相机获取水果的图像;
接着,去除水果图像的背景图像和光线影响;
然后,将水果图像规范化为多个小图像,用像素代替小图像;
然后,将像素数值与样本图像进行比值计算,得到比值图像;
最后,计算比值图像的缺陷范围,对缺陷部位进行划分,最终获得水果表面的缺陷。
参见图3,图3为本发明提供的一种基于机器视觉的水果自动分拣机器人系统的实施例二的结构方框图。对于本发明提供的基于机器视觉的水果自动分拣机器人系统,为了能够进一步自动分辨出水果的尺寸,然后自动进行自动分拣,进一步保证对大量水果的分拣质量。本发明提供的基于机器视觉的水果自动分拣机器人系统,还包括水果尺寸检测单元500,其中:
水果尺寸检测单元500,与模数转换单元200相连接,用于实时采集(优选为逐个采集)传送带上传送的每个水果(其作为被检测对象)的尺寸信息,然后发送给模数转换单元200;
模数转换单元200,还用于实时接收所述水果尺寸检测单元500发来的每个水果的尺寸信息,并对应转换成尺寸数字信号,然后发送给分拣分析和输出控制单元300;
分拣分析和输出控制单元300,还用于在接收每个水果的尺寸数字信号后,实时进行预设尺寸识别操作,识别判断该水果是否存在尺寸缺陷,当判断该水果没有尺寸缺陷时,实时发送预设的分拣操作信号给预设的水果分拣装置,由所述预设的水果分拣装置分拣出所述传送带上传送的没有尺寸缺陷的对应水果。
在本发明中,所述水果尺寸检测单元500具体可以包括两个超声波红外测距传感器,所述两个超声波红外测距传感器水平对称放置在需要检测的水果的左右两侧。
在本发明中,所述尺寸缺陷具体为:水果的直径尺寸不在预设的水果样本的标准直径尺寸范围内。
具体实现上,可以通过超声波红外测距传感器的测量声波的双程走时和波速计算出水果的位置,由两个超声波红外测距传感器的相对位置和安装角度及传输带的高度位置,就能计算出水果的直径。
其中,超声波红外测距传感器的双程走时,具体包括:超声波红外测距传感器向水果发射超声波红外线的路程(即去程)所需要的时间和从水果返回超声波红外线的路程(即返程)所需要的时间。
需要说明的是,具体实现上,两个超声波红外测距传感器和传送带的低点都在一个铅直平面内,设两个超声波红外测距传感器之间的安装间隔距离为L、安装的水平角度为α,超声波红外测距传感器与传送带的高度差为H。
当位于需要检测的水果左边的超声波红外测距传感器获得的双程时间为t1和照射角度为α1时,则该传感器与水果表面的距离由下式计算:
2S1=v0·t1;
式中:v0为超声波红外线的传播速度。
则位于需要检测的水果左边的超声波红外测距传感器与水果表面的水平距离为:
l1=S1·cosα1;
当位于需要检测的水果右边的超声波红外测距传感器获得的双程时间为t2和照射角度为α2时,则传感器与水果表面的距离由下式计算:
2S2=v0·t2;
则位于需要检测的水果右边的超声波红外测距传感器与水果表面的水平距离为:
l2=S2·cosα2;
则测量的水果尺寸为:
l=L-l1-l2;
当l=D0(预设的水果样本的标准直径)时,水果直径就为D0;
当l>D0且l<Dmax(预设的水果样本的最大直径)时,水果直径就大于水果样本的标准直径,与预设的水果样本直径值比较,获得检测的水果直径;
当l>Dmax,说明当前检测水果的水果直径超标,存在尺寸缺陷;
当l<D0且l>Dmin(预设的水果样本的最小直径)时,水果直径就小于水果样本的标准直径,与预设的水果样本直径值比较,获得检测的水果直径;
当l<Dmin时,水果直径就小于水果样本的最小直径,存在尺寸缺陷。
一并参见图4,图4是本发明提供的一种基于机器视觉的水果自动分拣机器人系统的一种实施例的具体结构示意图。
如图4所示,本发明提供的一种基于机器视觉的水果自动分拣机器人系统,包括所述传送带8,所述传送带8的左端位于一个U形的机架9内;
所述水果内部图像信息采集单元100具体为X射线检测传感器3(优选为软X射线检测传感器),所述X射线检测传感器3垂直设置于所述机架9的上端底面;
所述水果外部图像采集单元400具体包括四个工业数字相机1(优选为电荷耦合元件CCD工业数字相机),所述四个工业数字相机1等间隔对称分布在所述X射线检测传感器3的四周,具体结构为:每个所述工业数字相机1通过一个连接臂10与所述X射线检测传感器3的上端四周外壁。
水果尺寸检测单元500具体包括两个测距传感器2(优选为超声波红外测距传感器),所述两个测距传感器2水平对称放置在所述X射线检测传感器3的左右两侧,具体为:所述两个测距传感器2分布安装在所述X射线检测传感器3左右两侧相连接的所述连接臂10上。
在本发明中,所述预设的水果分拣装置优选为五轴关节机器人(当然,还可以是六轴关节机器人),所述五轴关节机器人包括五轴关节机器人本体4,所述五轴关节机器人本体4位于所述传送带8右端正上方;
所述五轴关节机器人本体4上安装有多个步进电机5,所述五轴关节机器人本体4的顶部末端安装有机械爪7。
其中,所述步进电机5,与所述分拣分析和输出控制单元300之间为信号连接(通过信号线),用于根据所述分拣分析和输出控制单元300发送的预设的分拣操作信号,执行相应的动作(例如根据不同的预设分拣控制信号,对应控制机械爪7的张合,以及对应控制所述五轴关节机器人本体4包括的多个连接杆的旋转运动姿态),并通过其上安装的编码器脉冲计数器将步进电机的转速实时检测并反馈给所述分拣分析和输出控制单元300。
需要说明的是,所述五轴关节机器人可以为现有任意一种能够通过机械爪执行抓取动作的五轴关节机器人。
为了更加清楚地理解本发明的技术方案,下面结合图4,对本发明提供的基于机器视觉的水果自动分拣机器人系统的工作方式进行说明。
首先,将水果倒在传送带上,水果排成一列随着传送带运动。当两个测距传感器2检测到被分拣的水果处于他们之间的中心位置时,可计算出被分拣的水果横向尺寸;
然后,通过四台工业数字相机2,同时捕获传送带上被分拣水果的整个表面图像,获得需要被分拣的水果的颜色分布、形状及表面状况;同时,通过X射线检测传感器3,可以检测需要被分拣的水果的内部缺陷;
然后,在所述分拣分析和输出控制单元300(如控制计算机)的处理下,可以识别判断需要被分拣的水果是否具有内部缺陷,以及是否具有外部缺陷和尺寸问题,然后对应向五轴关节机器人中的步进电机发送预设的分拣控制信号,操纵五轴关节机器人的本体运动姿态和位置以及机械手的张合,最终将合格苹果分拣到相应的收集箱中,实现对水果进行准确、可靠地,从外部状况到内部状况全方位的分类。
因此,综上所述,本发明提供的基于机器视觉的水果自动分拣机器人系统,其能实现水果的颜色、形状、尺寸和表面状况以及内部缺陷等多项指标的逐个自动检测,保持被分拣水果的完整,具有分拣速度快,适合大规模自动化流水线检测与分拣。
综上所述,与现有技术相比较,本发明提供的一种基于机器视觉的水果自动分拣机器人系统,其可以准确、可靠地对大量的水果进行的内部缺陷检测,并自动分拣出存在内部缺陷的水果,从而保证对大量水果的分拣质量,维护客户对水果商家的信誉评价,有利于广泛的推广应用,具有重大的生产实践意义。
此外,本发明提供的基于机器视觉的水果自动分拣机器人系统,其还可以自动分辨出水果的颜色、形状、尺寸和表面状况(包括擦伤、凹坑、沟痕和虫咬等),然后自动进行自动分拣,进一步保证对大量水果的分拣质量。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于机器视觉的水果自动分拣机器人系统,其特征在于,包括:
水果内部图像信息采集单元(100),用于实时采集传送带上传送的、需要被分拣的每个水果的内部图像模拟信号,然后发送给模数转换单元(200);
模数转换单元(200),与水果内部图像信息采集单元(100)相连接,用于实时接收所述水果内部图像信息采集单元(100)发来的每个水果的内部图像模拟信号,并对应转换成每个水果的内部图像数字信号,然后发送给分拣分析和输出控制单元(300);
分拣分析和输出控制单元(300),与模数转换单元(200)相连接,用于在接收每个水果的内部图像数字信号后,对预设的水果分拣装置进行控制,控制所述预设的水果分拣装置分拣出所述传送带上传送的没有内部缺陷的对应水果。
2.如权利要求1所述的水果自动分拣机器人系统,其特征在于,所述分拣分析和输出控制单元(300),用于在接收每个水果的内部图像数字信号后,实时进行预设内部图像识别操作,当判断该水果没有内部缺陷时,实时发送预设的分拣操作信号给预设的水果分拣装置,控制所述预设的水果分拣装置分拣出所述传送带上传送的没有内部缺陷的对应水果。
3.如权利要求1所述的水果自动分拣机器人系统,其特征在于,所述预设内部图像识别操作具体包括:
预先存储多个内部没有缺陷的水果的内部图像数字信号;
将当前所接收到的水果的内部图像数字信号与预设的多个内部没有缺陷的水果的内部图像数字信号实时进行比较;
当该当前所接收到的水果的内部图像数字信号与其中任意一个预设内部没有缺陷的水果的内部图像数字信号的相似度都小于预设值时,判断对应的水果存在内部缺陷。
4.如权利要求1所述的水果自动分拣机器人系统,其特征在于,所述预设的水果分拣装置为一个具有预设大小吸力的气泵,所述气泵与一个预设口径的水果吸取管相连通,用于为水果吸取管提供预设大小的吸力。
5.如权利要求1所述的水果自动分拣机器人系统,其特征在于,还包括水果外部图像采集单元(400),其中:
水果外部图像采集单元(400),与模数转换单元(200)相连接,用于实时采集传送带上传送的每个水果的外部图像模拟信号,然后发送给模数转换单元(200);
模数转换单元(200),还用于实时接收所述水果外部图像采集单元(400)发来的每个水果的外部图像模拟信号,并对应转换成每个水果的外部图像数字信号,然后发送给分拣分析和输出控制单元(300);
分拣分析和输出控制单元(300),还用于在接收每个水果的外部图像数字信号后,实时进行预设外部图像识别操作,识别判断该水果是否存在外部缺陷,当判断该水果没有外部缺陷时,实时发送预设的分拣操作信号给预设的水果分拣装置,由所述预设的水果分拣装置分拣出所述传送带上传送的没有外部缺陷的对应水果。
6.如权利要求5所述的水果自动分拣机器人系统,其特征在于,所述预设外部图像识别操作包括:
预先存储多个外部没有缺陷的水果的外部图像数字信号;
将当前所接收到的水果的外部图像数字信号与预设的多个外部没有缺陷的水果的外部图像数字信号实时进行比较;
当该当前所接收到的水果的外部图像数字信号与其中任意一个预设外部没有缺陷的水果的外部图像数字信号的相似度都小于预设值时,判断对应的水果存在外部缺陷。
7.如权利要求1所述的水果自动分拣机器人系统,其特征在于,还包括水果尺寸检测单元(500),其中:
水果尺寸检测单元(500),与模数转换单元(200)相连接,用于实时采集传送带上传送的每个水果的尺寸信息,然后发送给模数转换单元(200);
模数转换单元(200),还用于实时接收所述水果尺寸检测单元(500)发来的每个水果的尺寸信息,并对应转换成尺寸数字信号,然后发送给分拣分析和输出控制单元(300);
分拣分析和输出控制单元(300),还用于在接收每个水果的尺寸数字信号后,实时进行预设尺寸识别操作,识别判断该水果是否存在尺寸缺陷,当判断该水果没有尺寸缺陷时,实时发送预设的分拣操作信号给预设的水果分拣装置,由所述预设的水果分拣装置分拣出所述传送带上传送的没有尺寸缺陷的对应水果。
8.如权利要求1至7中任一项所述的水果自动分拣机器人系统,其特征在于,包括所述传送带(8),所述传送带(8)的左端位于一个U形的机架(9)内;
所述水果内部图像信息采集单元(100)为X射线检测传感器(3),所述X射线检测传感器(3)垂直设置于所述机架(9)的上端底面;
所述水果外部图像采集单元(400)具体包括四个工业数字相机(1),所述四个工业数字相机(1)等间隔对称分布在所述X射线检测传感器(3)的四周;
水果尺寸检测单元(500)具体包括两个测距传感器(2),所述两个测距传感器(2)水平对称放置在所述X射线检测传感器(3)的左右两侧。
9.如权利要求8所述的水果自动分拣机器人系统,其特征在于,所述预设的水果分拣装置为五轴关节机器人,所述五轴关节机器人包括五轴关节机器人本体(4),所述五轴关节机器人本体(4)位于所述传送带(8)右端正上方;
所述五轴关节机器人本体(4)上安装有多个步进电机(5),所述步进电机(5)与所述分拣分析和输出控制单元(300)之间为信号连接,所述五轴关节机器人本体(4)的顶部末端安装有机械爪(7)。
10.如权利要求8所述的水果自动分拣机器人系统,其特征在于,每个所述工业数字相机(1)通过一个连接臂(10)与所述X射线检测传感器(3)的上端四周外壁;
所述两个测距传感器(2)分布安装在所述X射线检测传感器(3)左右两侧相连接的所述连接臂(10)上;
所述X射线检测传感器(3)为软X射线检测传感器;
所述测距传感器(2)为超声波红外测距传感器;
所述工业数字相机(1)为电荷耦合元件CCD工业数字相机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711133314.9A CN107741432A (zh) | 2017-11-16 | 2017-11-16 | 一种基于机器视觉的水果自动分拣机器人系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711133314.9A CN107741432A (zh) | 2017-11-16 | 2017-11-16 | 一种基于机器视觉的水果自动分拣机器人系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107741432A true CN107741432A (zh) | 2018-02-27 |
Family
ID=61233418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711133314.9A Pending CN107741432A (zh) | 2017-11-16 | 2017-11-16 | 一种基于机器视觉的水果自动分拣机器人系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107741432A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108465648A (zh) * | 2018-04-23 | 2018-08-31 | 苏州香农智能科技有限公司 | 一种基于机器视觉的磁芯自动分拣系统 |
CN108480225A (zh) * | 2018-03-14 | 2018-09-04 | 孟晓涛 | 一种水果分拣机 |
CN109277318A (zh) * | 2018-06-29 | 2019-01-29 | 烟台大学 | 一种水果品质视觉检测分级装置及检测分级方法 |
CN109784204A (zh) * | 2018-12-25 | 2019-05-21 | 江苏大学 | 一种用于并联机器人的堆叠串类水果主果梗识别和提取方法 |
CN111060528A (zh) * | 2019-12-31 | 2020-04-24 | 塔里木大学 | 水果缺陷发展规律光学检测系统及检测方法 |
CN111392081A (zh) * | 2020-03-30 | 2020-07-10 | 苏州精物智能科技有限公司 | 一种智能鲜酿酸奶无菌接口装置 |
ES2785276A1 (es) * | 2019-04-01 | 2020-10-06 | Univ Huelva | Sistema y procedimiento para la estimacion automatica del tamano y masa de aceitunas |
US10837831B2 (en) | 2018-03-02 | 2020-11-17 | Seiko Epson Corporation | Inspection apparatus, inspection system, and inspection method |
CN112547471A (zh) * | 2020-11-23 | 2021-03-26 | 海南天祜应用技术有限公司 | 一种农业果蔬自动分拣打包设备 |
CN112607100A (zh) * | 2020-11-22 | 2021-04-06 | 泰州市华仕达机械制造有限公司 | 兼容型水果传输分发系统 |
CN114082676A (zh) * | 2021-11-05 | 2022-02-25 | 江苏狼王机械科技有限公司 | 一种基于视觉传感检测功能的炸制品自动筛选装置 |
CN114113143A (zh) * | 2022-01-25 | 2022-03-01 | 济宁市中蒜网络科技有限公司 | 一种用于大蒜仓储的可调节式实时监测装置 |
CN114538028A (zh) * | 2021-12-27 | 2022-05-27 | 四川凿为科技有限公司 | 一种李子快速排列筛分设备 |
CN117001647A (zh) * | 2023-10-07 | 2023-11-07 | 运易通科技有限公司 | 一种基于三维定位的多角度抓取装置及其抓取方法 |
TWI823750B (zh) * | 2023-01-11 | 2023-11-21 | 訊力科技股份有限公司 | 自動化水果選別方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1062362A (ja) * | 1996-08-21 | 1998-03-06 | Kishimoto Akira | 青果物等の内部欠陥の検査方法 |
CN1940555A (zh) * | 2006-09-04 | 2007-04-04 | 江苏大学 | 一种农产品内外品质检测方法及装置 |
US20100121484A1 (en) * | 2007-02-27 | 2010-05-13 | Roda Iverica, S.L.U. | System for the automatic selective separation of rotten citrus fruits |
CN202010662U (zh) * | 2011-01-07 | 2011-10-19 | 昆明理工大学 | 水果外观品质实时检测分级系统装置 |
CN103157607A (zh) * | 2011-12-19 | 2013-06-19 | 华南理工大学 | 一种物品识别与分拣装置及其方法 |
CN103706568A (zh) * | 2013-11-26 | 2014-04-09 | 中国船舶重工集团公司第七一六研究所 | 基于机器视觉的机器人分拣系统及方法 |
CN105738294A (zh) * | 2016-03-01 | 2016-07-06 | 江苏大学 | 基于单目多视成像的穗状水果自动检测装置及方法 |
CN107301634A (zh) * | 2017-06-28 | 2017-10-27 | 湖南瑞森可机器人科技有限公司 | 一种机器人自动分拣方法及系统 |
-
2017
- 2017-11-16 CN CN201711133314.9A patent/CN107741432A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1062362A (ja) * | 1996-08-21 | 1998-03-06 | Kishimoto Akira | 青果物等の内部欠陥の検査方法 |
CN1940555A (zh) * | 2006-09-04 | 2007-04-04 | 江苏大学 | 一种农产品内外品质检测方法及装置 |
US20100121484A1 (en) * | 2007-02-27 | 2010-05-13 | Roda Iverica, S.L.U. | System for the automatic selective separation of rotten citrus fruits |
CN202010662U (zh) * | 2011-01-07 | 2011-10-19 | 昆明理工大学 | 水果外观品质实时检测分级系统装置 |
CN103157607A (zh) * | 2011-12-19 | 2013-06-19 | 华南理工大学 | 一种物品识别与分拣装置及其方法 |
CN103706568A (zh) * | 2013-11-26 | 2014-04-09 | 中国船舶重工集团公司第七一六研究所 | 基于机器视觉的机器人分拣系统及方法 |
CN105738294A (zh) * | 2016-03-01 | 2016-07-06 | 江苏大学 | 基于单目多视成像的穗状水果自动检测装置及方法 |
CN107301634A (zh) * | 2017-06-28 | 2017-10-27 | 湖南瑞森可机器人科技有限公司 | 一种机器人自动分拣方法及系统 |
Non-Patent Citations (1)
Title |
---|
卢勇威: "基于机器视觉的水果分拣系统", 《装备制造技术》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10837831B2 (en) | 2018-03-02 | 2020-11-17 | Seiko Epson Corporation | Inspection apparatus, inspection system, and inspection method |
US11209313B2 (en) | 2018-03-02 | 2021-12-28 | Seiko Epson Corporation | Inspection apparatus, inspection system, and inspection method |
CN108480225A (zh) * | 2018-03-14 | 2018-09-04 | 孟晓涛 | 一种水果分拣机 |
CN108465648A (zh) * | 2018-04-23 | 2018-08-31 | 苏州香农智能科技有限公司 | 一种基于机器视觉的磁芯自动分拣系统 |
CN109277318A (zh) * | 2018-06-29 | 2019-01-29 | 烟台大学 | 一种水果品质视觉检测分级装置及检测分级方法 |
CN109784204A (zh) * | 2018-12-25 | 2019-05-21 | 江苏大学 | 一种用于并联机器人的堆叠串类水果主果梗识别和提取方法 |
ES2785276A1 (es) * | 2019-04-01 | 2020-10-06 | Univ Huelva | Sistema y procedimiento para la estimacion automatica del tamano y masa de aceitunas |
CN111060528B (zh) * | 2019-12-31 | 2023-02-07 | 塔里木大学 | 水果缺陷发展规律光学检测系统及检测方法 |
CN111060528A (zh) * | 2019-12-31 | 2020-04-24 | 塔里木大学 | 水果缺陷发展规律光学检测系统及检测方法 |
CN111392081A (zh) * | 2020-03-30 | 2020-07-10 | 苏州精物智能科技有限公司 | 一种智能鲜酿酸奶无菌接口装置 |
CN112607100A (zh) * | 2020-11-22 | 2021-04-06 | 泰州市华仕达机械制造有限公司 | 兼容型水果传输分发系统 |
CN112547471A (zh) * | 2020-11-23 | 2021-03-26 | 海南天祜应用技术有限公司 | 一种农业果蔬自动分拣打包设备 |
CN114082676A (zh) * | 2021-11-05 | 2022-02-25 | 江苏狼王机械科技有限公司 | 一种基于视觉传感检测功能的炸制品自动筛选装置 |
CN114538028A (zh) * | 2021-12-27 | 2022-05-27 | 四川凿为科技有限公司 | 一种李子快速排列筛分设备 |
CN114538028B (zh) * | 2021-12-27 | 2024-04-02 | 四川凿为科技有限公司 | 一种李子快速排列筛分设备 |
CN114113143A (zh) * | 2022-01-25 | 2022-03-01 | 济宁市中蒜网络科技有限公司 | 一种用于大蒜仓储的可调节式实时监测装置 |
TWI823750B (zh) * | 2023-01-11 | 2023-11-21 | 訊力科技股份有限公司 | 自動化水果選別方法 |
CN117001647A (zh) * | 2023-10-07 | 2023-11-07 | 运易通科技有限公司 | 一种基于三维定位的多角度抓取装置及其抓取方法 |
CN117001647B (zh) * | 2023-10-07 | 2024-01-26 | 运易通科技有限公司 | 一种基于三维定位的多角度抓取装置及其抓取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107741432A (zh) | 一种基于机器视觉的水果自动分拣机器人系统 | |
CN107782733B (zh) | 金属表面缺陷的图像识别无损检测装置及方法 | |
CN103157607B (zh) | 一种物品识别与分拣装置及其方法 | |
CN116879308A (zh) | 一种工业机器视觉系统图像处理方法 | |
CN106000912B (zh) | 一种基于机器视觉导引实现柑橘囊胞异物剔除系统 | |
CN103776841B (zh) | 合成革缺陷自动检测装置及检测方法 | |
CN101531258B (zh) | 基于机器视觉的方便面料包自动检测仪器和方法 | |
CN109724984A (zh) | 一种基于深度学习算法的缺陷检测识别装置和方法 | |
CN107402221A (zh) | 一种基于机器视觉的显示面板缺陷识别方法及系统 | |
CN111266315A (zh) | 基于视觉分析的矿石物料在线分拣系统及其方法 | |
CN101144780A (zh) | 猪肉新鲜度智能检测装置 | |
CN106596574A (zh) | 一种检测物体表面缺陷的装置及方法 | |
CN109772724A (zh) | 一种铸件重点表面及内部缺陷的柔性检测分析系统 | |
CN102928435A (zh) | 基于图像和超声信息融合的飞机蒙皮损伤识别方法及装置 | |
EP1696396A3 (en) | Image pickup apparatus and image distributing method | |
CN201788151U (zh) | 禽肉综合品质的无损检测装置 | |
CN106645418A (zh) | 履带式磁声复合检测机器人及检测方法和装置 | |
CN107730555A (zh) | 一种基于机器视觉的输煤皮带煤块粒度在线识别监控方法 | |
CN107093566A (zh) | 一种硅片自动化检测分类设备及其控制方法 | |
CN103543205A (zh) | 瓶装液体中异物的检测方法及系统 | |
CN109187564A (zh) | 一种狭长型构筑物实时变形监测系统 | |
CN106767683B (zh) | 一种电子信息领域的无人机对地高度的测量装置及方法 | |
KR20070107637A (ko) | 케이블카,콘도라, 스키리프트에서 사용하는 케이블 및 로프검사용 시스템 및 그 방법 | |
CN114324382A (zh) | 面板端子清洁度检测方法及面板端子清洁度检测装置 | |
CN208059790U (zh) | 导光板检测装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180227 |