CN108051449A - 基于形态学边缘检测的咸鸭蛋表面裂纹在线视觉检测方法 - Google Patents

基于形态学边缘检测的咸鸭蛋表面裂纹在线视觉检测方法 Download PDF

Info

Publication number
CN108051449A
CN108051449A CN201810086696.2A CN201810086696A CN108051449A CN 108051449 A CN108051449 A CN 108051449A CN 201810086696 A CN201810086696 A CN 201810086696A CN 108051449 A CN108051449 A CN 108051449A
Authority
CN
China
Prior art keywords
salted duck
duck egg
image
egg
crackle
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
CN201810086696.2A
Other languages
English (en)
Inventor
王巧华
杨朋
李理
袁成
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.)
Huazhong Agricultural University
Original Assignee
Huazhong Agricultural University
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 Huazhong Agricultural University filed Critical Huazhong Agricultural University
Priority to CN201810086696.2A priority Critical patent/CN108051449A/zh
Publication of CN108051449A publication Critical patent/CN108051449A/zh
Pending legal-status Critical Current

Links

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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • 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
    • G01N2021/8411—Application to online plant, process monitoring
    • 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
    • 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
    • G01N21/8806—Specially adapted optical and illumination features
    • G01N2021/8822—Dark field detection
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于形态学边缘检测的咸鸭蛋表面裂纹在线视觉检测方法，涉及禽蛋外部品质动态检测分级技术领域。本装置设置有传送带、暗箱、工业相机、计算机、控制器、光源和光电传感器。本方法是：①咸鸭蛋图像的采集；②咸鸭蛋图像的裁剪；③咸鸭蛋图像的预处理；④咸鸭蛋裂纹特征的提取；⑤咸鸭蛋判别模型建立；⑥判断咸鸭蛋表面是否有裂纹。本发明利用机器视觉进行检测，能够实现咸鸭蛋裂纹在线检测与分级，对应用环境要求低，设备成本低，对比利用声学检测具有更好的应用推广前景；利用单个工业相机对咸鸭蛋进行多翻转角度拍照，检测范围全；利用形态学边缘检测提取裂纹，更加直观和准确；针对咸鸭蛋裂纹检测比较空缺部分提出一种有效检测的方法。

Description

基于形态学边缘检测的咸鸭蛋表面裂纹在线视觉检测方法
技术领域
本发明涉及禽蛋外部品质动态检测分级技术领域，尤其涉及一种基于形态学边缘检测的咸鸭蛋表面裂纹在线视觉检测方法。
背景技术
咸鸭蛋作为新鲜鸭蛋再制蛋的一种，不仅富含大量的蛋白质、脂肪和维生素等营养元素，同时它还是一种风味特殊的中国传统蛋类食物。咸鸭蛋在腌制过程中，一旦出现裂纹，细菌很容易侵入蛋中，影响咸鸭蛋腌制的效果，同时会引起蛋品内部腐坏，严重影响其商业价值，所以有必要将裂纹咸鸭蛋及时剔除。
近些年来，人们在禽蛋品质检测和分级技术方面的研究和应用取得了长足的进步，各种新技术和新方法得到很好的应用，但是这些技术和应用基本上都是应用在新鲜鸡蛋和鸭蛋上，相对来说有关咸鸭蛋品质的检测与分级，不论是研究还是应用方面都还是比较少。目前，我国禽蛋加工企业多采用人工光检的方法来剔除裂纹咸鸭蛋，劳动强度大，不易长时间工作，工作效率低。研究咸鸭蛋表面裂纹的自动识别方法具有重要的理论价值和实际生产意义。
目前，已有学者针对禽蛋表面裂纹的检测进行了研究。孙力（基于声学特性的禽蛋裂纹实时在线检测系统）通过敲击后采集声音信号，利用DSP对声音信号分析，建立定性分析模型；潘磊庆（敲击振动检测鸡蛋裂纹的初步研究）通过对赤道、钝端、尖端等6个位置进行敲击，分析了好壳蛋和裂纹蛋的频率响应信息，设定频率变异系数阈值来识别裂纹蛋；杨冬风（基于分形纹理分析的蛋壳裂纹识别）通过调节空气压力调节裂纹大小，对比好壳蛋与裂纹蛋表面图像纹理不同的特征，使用神经网络技术实现裂纹蛋的识别；欧阳静怡（基于计算机视觉的鸡蛋裂纹检测方法研究）使用同态滤波、BET算法和fisher等处理方式对图像进行分析，建立识别模型；卢茜（一种禽蛋表面裂纹的在线视觉检测装置及其方法，CN201510155174.X）。
经相关检索现有的检测技术：
①目前现有研究主要还是利用禽蛋声学特性（少量视觉图像）来进行识别，但主要研究对象是鲜蛋，本发明对象是咸鸭蛋，由于咸鸭蛋经过长时间腌制，其蛋壳质地（密度、孔隙度、强度）等，以及蛋体内部品质均与新鲜蛋不同，声学设备与处理技术对咸鸭蛋已经不适用，鉴于国情需要，中、小型禽蛋加工企业更迫切需要性价比高的图像检测技术及设备。
②目前利用机器视觉技术更多的是检测咸鸭蛋内部品质，咸鸭蛋的裂纹品质检测还未见报道。
发明内容
本发明的目的就在于克服现有技术存在的缺陷以及相关技术的空缺，提供一种基于形态学边缘检测的咸鸭蛋表面裂纹在线视觉检测方法，利用有效图像处理算法，建立在线识别模型，实现对裂纹咸鸭蛋的分级。
本发明的目的是这样实现的：
首先，调节好整个检测仪器的各个参数，然后将待测咸鸭蛋放置在传送带上，当咸鸭蛋运送到暗箱中时，触发光电传感器，光电传感器将信号通过PLC传送到计算机，计算机控制工业相机拍摄照片；接着，计算机中MATLAB软件对采集的图像进行一系列相关图像处理，提取裂纹特征，建立在线判别模型；最后，根据建立的模型识别咸鸭蛋裂纹。
具体地说：
一、基于形态学边缘检测的咸鸭蛋表面裂纹在线视觉检测装置（简称装置）
本装置包括被测对象——咸鸭蛋；
设置有传送带、暗箱、工业相机、计算机、控制器、光源和光电传感器；
其位置和连接关系是：
在传送带上设置有暗箱，在暗箱的正上方开设有螺纹孔，在螺纹孔中安放有工业相机，在传送带的下方设置有光源，光源通过传送带的空隙透射到放置在传送带上的咸鸭蛋上，光电传感器安装在暗箱的内侧；
光电传感器、控制器、计算机和工业相机依次连接；
当咸鸭蛋通过时，控制器接受光电传感器的触发信号，同时将采集信号传递给计算机，控制工业相机的拍照；同时计算机获取工业相机拍摄咸鸭蛋的照片，进行图像处理。
二、基于形态学边缘检测的咸鸭蛋表面裂纹在线视觉检测方法（简称方法）
本方法包括下列步骤：
①咸鸭蛋图像的采集
将咸鸭蛋放置在运动的传送带上，当咸鸭蛋8随传送带进入暗箱，经过安置在暗箱内侧壁的光电传感器时，触发光电传感器产生采集信号通过控制器5传输给计算机，使工业相机拍摄此时的图像；每排咸鸭蛋从进入暗箱到移出暗箱将以不同翻转角度被拍照三次；
②咸鸭蛋图像的裁剪
由于一张图像中含有9枚咸鸭蛋图像信息，需要通过固定窗口裁剪出单枚咸鸭蛋的图像，便于后续的图像处理；每枚咸鸭蛋都有三张图像；
③咸鸭蛋图像的预处理
A、通过图像颜色分量差值法去除由于装置间隙产生的漏光；
B、通过阈值分割、形态学处理减小咸鸭蛋表面光照不均带来的影响，提取咸鸭蛋整个蛋体外形；
C、通过边缘检测和最小二乘椭圆拟合，去除图像中背景；
D、通过灰度增强，突出咸鸭蛋裂纹区域；
E、通过小波变化和中值滤波，减少噪声；
④咸鸭蛋裂纹特征的提取
A、利用形态学边缘检测突显裂纹区域，抑制蛋体非裂纹区域；
B、利用灰度变换、去除小面积与形态学膨胀腐蚀，进一步处理图像；
C、连通域标记，提取最大连通域；
D、提取裂纹区域最小外接矩形长宽比、圆形度、周长三个形状特征参数以及像素点面积；
⑤咸鸭蛋判别模型建立
A、统计样本裂纹区域最小外接矩形长宽比、圆形度、周长与像素点面积4个特征参数值；
B、将数据样本集合按照2：1的原则划分训练集和预测集；
C、建立训练集判别模型，根据训练集的特征参数数据结合咸鸭蛋裂纹的标签属性，建立主成分线性判别模型；
D、根据预测集的特征参数数据，结合预测集咸鸭蛋裂纹的标签属性来验证训练集判别模型的精度；
⑥判断咸鸭蛋表面是否有裂纹
每一枚咸鸭蛋都有三张图像，如果三张图像中至少有一张图像存在裂纹，则判断该枚咸鸭蛋有裂纹。
本发明具有以下优点和积极效果：
①利用机器视觉进行检测，能够实现咸鸭蛋裂纹在线检测与分级，对应用环境要求低，设备成本低，对比利用声学检测具有更好的应用推广前景；
②利用单个工业相机对咸鸭蛋进行多翻转角度拍照，检测范围全；
③利用形态学边缘检测提取裂纹，更加直观和准确；
④针对咸鸭蛋裂纹检测比较空缺部分提出一种有效检测的方法。
附图说明
图1是本装置的结构示意图，图中：
1—传送带；
2—暗箱；
3—工业相机；
4—计算机；
5—控制器；
6—光源；
7—光电传感器；
8—咸鸭蛋。
图2是咸鸭蛋采集示意图；
图3-1～图3-10是图像处理过程（I1～I10）的图像；
图4是图像处理软件的工作流程图。
具体实施方式
下面结合附图和实施例详细说明：
一、装置
1、总体
如图1，本装置包括被测对象——咸鸭蛋8；
设置有传送带1、暗箱2、工业相机3、计算机4、控制器5、光源6和光电传感器7；
其位置和连接关系是：
在传送带1上设置有暗箱2，在暗箱2的正上方开设有螺纹孔，在螺纹孔中安放有工业相机3，在传送带1的下方设置有光源6，光源6通过传送带1的空隙透射到放置在传送带1上的咸鸭蛋8上，光电传感器7安装在暗箱2的内侧；
光电传感器7、控制器5、计算机4和工业相机3依次连接；
当咸鸭蛋8通过时，光电传感器7接受光电传感器7的触发信号，同时将采集信号传递给计算机4，控制工业相机3的拍照；同时计算机4获取工业相机3拍摄咸鸭蛋8的照片，进行图像处理。
2、功能部件
1）传送带1
传送带1是一种通用外购件，如选用ZYF-J3分选机；
其功能是传送并翻转咸鸭蛋8。
2）暗箱2
暗箱2是一种立方形空心不锈钢箱，箱子正上方开设有螺纹孔，便于调节工业相机3的拍摄高度。
3）工业相机3
工业相机3是一种通用外购件，如选用JAI工业相机；
其功能是采集咸鸭蛋8的图像。
4）计算机4
计算机4是一种通用外购件，如选用CPU Intel Core i5-3210M 2.50GHz/内存4G，Windows 8.1系统；
内嵌有图像处理软件。
5）控制器5
控制器5是一种通用外购件，如选用CPU226CN S7200PLC；
其功能是接受光电传感器7的触发信号，同时将采集信号传递给计算机，控制工业相机3的拍照。
6）光源6
光源6是一种通用外购件，如选用LED黄色冷光源；
其功能是透射咸鸭蛋8。
7）光电传感器7
光电传感器7是一种通用外购件，如选用CR-10P漫反射式NPN型三线制光电传感器；
其功能是当咸鸭蛋8通过时，传递信号给控制器5。
8）咸鸭蛋8
咸鸭蛋8为被测对象。
二、方法
1、咸鸭蛋图像采集过程
如图2，本装置采用了9个光源也就是三排光源，当咸鸭蛋8随传送带1进入暗箱2，咸鸭蛋8触发经过安置在暗箱2内壁的光电传感器7，光电传感器7将传递信号给控制器5，控制器5接着将信号传递给计算机4控制工业相机3拍照；每枚咸鸭蛋8从进入暗箱到移出暗箱，光电传感器7被触发三次，故每枚咸鸭蛋8将以不同翻转角度被工业相机3拍照三次。
2、咸鸭蛋图像处理过程
咸鸭蛋图像处理过程的图像依次为：
1）图3-1：RGB图像I1；
2）图3-2：B分量图像I2；
3）图3-3：RGB图像I3；
4）图3-4：二值图像I4；
5）图3-5：二值图像I5；
6）图3-6：二值图像I6；
7）图3-7：RGB图像I7；
8）图3-8：灰度图像I8；
9）图3-9：灰度图像I9；
10）图3-10：二值图像I10。
3、图像处理软件的工作流程
如图4，图像处理软件的工作流程：
a、读取图像-401；
b、裁剪出单枚咸鸭蛋图像-402；
c、颜色分量差值法去除图像漏光-403
提取B分量图像，B分量二值化后重组RGB图像，再利用颜色分量差值法去除因装置间隙产生的漏光；
d、阈值分割、形态学处理蛋体外形-404；
阈值分割、形态学处理减小咸鸭蛋表面光照不均带来的影响，提取咸鸭蛋整个蛋体外形；
e、边缘检测提取咸鸭蛋轮廓-405
边缘检测提取咸鸭蛋外轮廓，定位咸鸭蛋位置；
f、最小二乘椭圆拟合-406；
g、掩模去除咸鸭蛋图像背景-407；
h、调整灰度值、增加对比度-408；
i、中值滤波锐化-409；
j、小波去噪-410；
k、形态学边缘检测提取裂纹-411；
l、连通域标记，提取最小外接矩形长宽比、圆形度、周长与像素点面积-412；
m、利用样本数据集合建立判别模型-413；
n、判别每枚咸鸭蛋的三张图像中至少有一张的裂纹特征参数与裂纹标签属性是否一致-414，是则，判别该咸鸭蛋表面有裂纹-416；否则，判别该咸鸭蛋表面没有裂纹-417；
o、结束-415。

Claims (3)

1.一种基于形态学边缘检测的咸鸭蛋表面裂纹在线视觉检测装置，包括被测对象——咸鸭蛋（8）；
其特征在于：
设置有传送带（1）、暗箱（2）、工业相机（3）、计算机（4）、控制器（5）、光源（6）和光电传感器（7）；
在传送带（1）上设置有暗箱（2），在暗箱（2）的正上方开设有螺纹孔，在螺纹孔中安放有工业相机（3），在传送带（1）的下方设置有光源（6），光源（6）通过传送带（1）的空隙透射到放置在传送带（1）上的咸鸭蛋（8）上，光电传感器（7）安装在暗箱（2）的内侧；
光电传感器（7）、控制器（5）、计算机（4）和工业相机（3）依次连接；
当咸鸭蛋（8）通过时，控制器（4）接受光电传感器（7）的触发信号，同时将采集信号传递给计算机（5），控制工业相机（3）的拍照；同时计算机（4）获取工业相机（3）拍摄咸鸭蛋（8）的照片，进行图像处理。
2.按权利要求1所述的咸鸭蛋表面裂纹在线视觉检测装置，其特征在于：
所述的计算机（4）其内嵌的图像处理软件的工作流程：
a、读取图像（401）；
b、裁剪出单枚咸鸭蛋图像（402）；
c、颜色分量差值法去除图像漏光（403）
提取B分量图像，B分量二值化后重组RGB图像，再利用颜色分量差值法去除因装置间隙产生的漏光；
d、阈值分割、形态学处理蛋体外形（404）；
阈值分割、形态学处理减小咸鸭蛋表面光照不均带来的影响，提取咸鸭蛋整个蛋体外形；
e、边缘检测提取咸鸭蛋轮廓（405）
边缘检测提取咸鸭蛋外轮廓，定位咸鸭蛋位置；
f、最小二乘椭圆拟合（406）；
g、掩模去除咸鸭蛋图像背景（407）；
h、调整灰度值、增加对比度（408）；
i、中值滤波锐化（409）；
j、小波去噪（410）；
k、形态学边缘检测提取裂纹（411）；
l、连通域标记，提取最小外接矩形长宽比、圆形度、周长与像素点面积（412）；
m、利用样本数据集合建立判别模型（413）；
n、判别每枚咸鸭蛋的三张图像中至少有一张的裂纹特征参数与裂纹标签属性是否一致（414），是则，判别该咸鸭蛋表面有裂纹（416）；否则，判别该咸鸭蛋表面没有裂纹（417）；
o、结束（415）。
3.按权利要求1-2所述咸鸭蛋表面裂纹在线视觉检测装置的检测方法，其特征在于：
①咸鸭蛋图像的采集
将咸鸭蛋放置在运动的传送带上，当咸鸭蛋8随传送带进入暗箱，经过安置在暗箱内侧壁的光电传感器时，触发光电传感器产生采集信号通过控制器5传输给计算机，使工业相机拍摄此时的图像；每排咸鸭蛋从进入暗箱到移出暗箱将以不同翻转角度被拍照三次；
②咸鸭蛋图像的裁剪
由于一张图像中含有9枚咸鸭蛋图像信息，需要通过固定窗口裁剪出单枚咸鸭蛋的图像，便于后续的图像处理；每枚咸鸭蛋都有三张图像；
③咸鸭蛋图像的预处理
A、通过图像颜色分量差值法去除由于装置间隙产生的漏光；
B、通过阈值分割、形态学处理减小咸鸭蛋表面光照不均带来的影响，提取咸鸭蛋整个蛋体外形；
C、通过边缘检测和最小二乘椭圆拟合，去除图像中背景；
D、通过灰度增强，突出咸鸭蛋裂纹区域；
E、通过小波变化和中值滤波，减少噪声；
④咸鸭蛋裂纹特征的提取
A、利用形态学边缘检测突显裂纹区域，抑制蛋体非裂纹区域；
B、利用灰度变换、去除小面积与形态学膨胀腐蚀，进一步处理图像；
C、连通域标记，提取最大连通域；
D、提取裂纹区域最小外接矩形长宽比、圆形度、周长三个形状特征参数以及像素点面积；
⑤咸鸭蛋判别模型建立
A、统计样本裂纹区域最小外接矩形长宽比、圆形度、周长与像素点面积4个特征参数值；
B、将数据样本集合按照2：1的原则划分训练集和预测集；
C、建立训练集判别模型，根据训练集的特征参数数据结合咸鸭蛋裂纹的标签属性，建立主成分线性判别模型；
D、根据预测集的特征参数数据，结合预测集咸鸭蛋裂纹的标签属性来验证训练集判别模型的精度；
⑥判断咸鸭蛋表面是否有裂纹
每一枚咸鸭蛋都有三张图像，如果三张图像中至少有一张图像存在裂纹，则判断该枚咸鸭蛋有裂纹。
CN201810086696.2A 2018-01-30 2018-01-30 基于形态学边缘检测的咸鸭蛋表面裂纹在线视觉检测方法 Pending CN108051449A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810086696.2A CN108051449A (zh) 2018-01-30 2018-01-30 基于形态学边缘检测的咸鸭蛋表面裂纹在线视觉检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810086696.2A CN108051449A (zh) 2018-01-30 2018-01-30 基于形态学边缘检测的咸鸭蛋表面裂纹在线视觉检测方法

Publications (1)

Publication Number Publication Date
CN108051449A true CN108051449A (zh) 2018-05-18

Family

ID=62125048

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810086696.2A Pending CN108051449A (zh) 2018-01-30 2018-01-30 基于形态学边缘检测的咸鸭蛋表面裂纹在线视觉检测方法

Country Status (1)

Country Link
CN (1) CN108051449A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108776143A (zh) * 2018-05-28 2018-11-09 湖北工业大学 一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置及方法
CN108986055A (zh) * 2018-07-11 2018-12-11 湖北工业大学 一种鸡蛋蛋壳表面细微裂纹的视觉检测方法
CN109115775A (zh) * 2018-08-08 2019-01-01 长沙理工大学 一种基于机器视觉的槟榔等级检测方法
CN110402849A (zh) * 2019-07-19 2019-11-05 华中农业大学 基于最小二乘法椭圆拟合的种蛋孵化成活性在线检测方法
CN110412045A (zh) * 2019-07-04 2019-11-05 中国农业机械化科学研究院 一种透射式玉米种子内部裂纹快速检测装置与方法
CN110929755A (zh) * 2019-10-21 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、系统、电子设备及存储介质
CN110967459A (zh) * 2019-12-05 2020-04-07 浙江五芳斋实业股份有限公司 一种用于腌制咸鸭蛋的品质检测方法
CN111122582A (zh) * 2019-11-11 2020-05-08 北京海益同展信息科技有限公司 一种禽蛋检测方法、图像处理方法及装置
CN111136027A (zh) * 2020-01-14 2020-05-12 广东技术师范大学 一种基于卷积神经网络的咸鸭蛋品质分检装置及方法
CN111257339A (zh) * 2020-02-25 2020-06-09 华中农业大学 一种基于机器视觉的皮蛋裂纹在线检测方法及检测装置
CN112113903A (zh) * 2020-09-20 2020-12-22 杭州市房屋安全鉴定检测中心有限公司 一种建筑工程用结构裂纹检测装置
CN113052796A (zh) * 2021-03-02 2021-06-29 成都小淞科技有限公司 通过图像算法检出喷涂瑕疵的方法
CN113686876A (zh) * 2021-08-24 2021-11-23 华南农业大学 一种禽蛋裂纹检测方法、装置
CN114550382A (zh) * 2022-01-26 2022-05-27 南京科融数据系统股份有限公司 一种atm机钱箱管理方法及系统
CN117036348A (zh) * 2023-10-08 2023-11-10 中国石油大学(华东) 基于图像处理和裂纹识别模型的金属疲劳裂纹检测方法
CN117152161A (zh) * 2023-11-01 2023-12-01 山东迪特智联信息科技有限责任公司 一种基于图像识别的刨花板质量检测方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103983190A (zh) * 2014-05-22 2014-08-13 华中农业大学 群体产地鸭蛋外形尺寸的视觉检测分级装置及其方法
CN104764744A (zh) * 2015-04-21 2015-07-08 华中农业大学 一种禽蛋新鲜度的视觉检测装置及其方法
CN104949998A (zh) * 2015-07-01 2015-09-30 华中农业大学 一种群体产地禽蛋表面脏污的在线视觉检测装置及其方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103983190A (zh) * 2014-05-22 2014-08-13 华中农业大学 群体产地鸭蛋外形尺寸的视觉检测分级装置及其方法
CN104764744A (zh) * 2015-04-21 2015-07-08 华中农业大学 一种禽蛋新鲜度的视觉检测装置及其方法
CN104949998A (zh) * 2015-07-01 2015-09-30 华中农业大学 一种群体产地禽蛋表面脏污的在线视觉检测装置及其方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
卢茜等: "基于机器视觉的产地鸭蛋外形及裂纹检测方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108776143A (zh) * 2018-05-28 2018-11-09 湖北工业大学 一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置及方法
CN108986055B (zh) * 2018-07-11 2020-06-23 湖北工业大学 一种鸡蛋蛋壳表面细微裂纹的视觉检测方法
CN108986055A (zh) * 2018-07-11 2018-12-11 湖北工业大学 一种鸡蛋蛋壳表面细微裂纹的视觉检测方法
CN109115775A (zh) * 2018-08-08 2019-01-01 长沙理工大学 一种基于机器视觉的槟榔等级检测方法
CN110412045A (zh) * 2019-07-04 2019-11-05 中国农业机械化科学研究院 一种透射式玉米种子内部裂纹快速检测装置与方法
CN110412045B (zh) * 2019-07-04 2021-03-19 中国农业机械化科学研究院 一种透射式玉米种子内部裂纹快速检测装置与方法
CN110402849A (zh) * 2019-07-19 2019-11-05 华中农业大学 基于最小二乘法椭圆拟合的种蛋孵化成活性在线检测方法
CN110402849B (zh) * 2019-07-19 2021-06-01 华中农业大学 基于最小二乘法椭圆拟合的种蛋孵化成活性在线检测方法
CN110929755A (zh) * 2019-10-21 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、系统、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
CN111122582A (zh) * 2019-11-11 2020-05-08 北京海益同展信息科技有限公司 一种禽蛋检测方法、图像处理方法及装置
CN110967459A (zh) * 2019-12-05 2020-04-07 浙江五芳斋实业股份有限公司 一种用于腌制咸鸭蛋的品质检测方法
CN111136027A (zh) * 2020-01-14 2020-05-12 广东技术师范大学 一种基于卷积神经网络的咸鸭蛋品质分检装置及方法
CN111136027B (zh) * 2020-01-14 2024-04-12 广东技术师范大学 一种基于卷积神经网络的咸鸭蛋品质分检装置及方法
CN111257339B (zh) * 2020-02-25 2021-07-23 华中农业大学 一种基于机器视觉的皮蛋裂纹在线检测方法及检测装置
CN111257339A (zh) * 2020-02-25 2020-06-09 华中农业大学 一种基于机器视觉的皮蛋裂纹在线检测方法及检测装置
CN112113903A (zh) * 2020-09-20 2020-12-22 杭州市房屋安全鉴定检测中心有限公司 一种建筑工程用结构裂纹检测装置
CN113052796A (zh) * 2021-03-02 2021-06-29 成都小淞科技有限公司 通过图像算法检出喷涂瑕疵的方法
CN113686876A (zh) * 2021-08-24 2021-11-23 华南农业大学 一种禽蛋裂纹检测方法、装置
CN114550382B (zh) * 2022-01-26 2023-07-04 南京科融数据系统股份有限公司 一种atm机钱箱管理方法及系统
CN114550382A (zh) * 2022-01-26 2022-05-27 南京科融数据系统股份有限公司 一种atm机钱箱管理方法及系统
CN117036348A (zh) * 2023-10-08 2023-11-10 中国石油大学(华东) 基于图像处理和裂纹识别模型的金属疲劳裂纹检测方法
CN117036348B (zh) * 2023-10-08 2024-01-09 中国石油大学(华东) 基于图像处理和裂纹识别模型的金属疲劳裂纹检测方法
CN117152161A (zh) * 2023-11-01 2023-12-01 山东迪特智联信息科技有限责任公司 一种基于图像识别的刨花板质量检测方法及系统
CN117152161B (zh) * 2023-11-01 2024-03-01 山东迪特智联信息科技有限责任公司 一种基于图像识别的刨花板质量检测方法及系统

Similar Documents

Publication Publication Date Title
CN108051449A (zh) 基于形态学边缘检测的咸鸭蛋表面裂纹在线视觉检测方法
CN104914111B (zh) 一种带钢表面缺陷在线智能识别检测系统及其检测方法
CN101852768B (zh) 磁粉探伤环境下基于复合特征的工件伤痕识别方法
CN102445456B (zh) 基于dsp机器视觉的鸡蛋品质无损检测装置及检测方法
CN104749190B (zh) 一种禽蛋表面裂纹的在线视觉检测装置及其方法
CN1245630C (zh) 基于电子视觉和嗅觉融合技术的农畜产品无损检测方法及其装置
CN106023158B (zh) Sd-oct图像的淡水无核珍珠珍珠质层缺陷识别方法
CN104574353B (zh) 基于视觉显著性的表面缺陷判定方法
CN108318494B (zh) 红提果粉的在线视觉检测分级装置及其方法
CN112184648A (zh) 一种基于深度学习的活塞表面缺陷检测方法及系统
CN109190624A (zh) 基于图像处理的厨房油烟浓度检测方法
CN109447063A (zh) 一种基于图像处理的厨房油烟浓度检测方法
CN103824057B (zh) 一种基于面积特征算子的猪的呼吸频率检测方法
CN109028232A (zh) 一种带可移动视觉检测系统的油烟机及油烟浓度检测方法
CN107328781A (zh) 一种基于机器视觉的柱状产品表面缺陷检测方法及装置
CN108776143A (zh) 一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置及方法
CN107576660B (zh) 一种基于距离等高线的双黄鸭蛋自动视觉检测方法
CN112610905A (zh) 一种基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法
CN112816487B (zh) 一种基于机器视觉的皮蛋内部品质无损检测方法
CN104833724B (zh) 一种禽蛋蛋壳裂纹检测方法
CN108073873A (zh) 基于高清智能摄像机的人脸检测与识别系统
CN107220972B (zh) 一种基于红外图像的禽蛋品质鉴别方法
Wang et al. Research on the evaluation method of eggshell dark spots based on machine vision
CN116740449A (zh) 基于ai计算机视觉技术的刨花形态检测方法及系统
Wu et al. Automatic sorting system of large yellow croaker based on machine vision

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: 20180518

RJ01 Rejection of invention patent application after publication