CN108109133A - 一种基于数字图像处理技术的蚕卵自动计数方法 - Google Patents

一种基于数字图像处理技术的蚕卵自动计数方法 Download PDF

Info

Publication number
CN108109133A
CN108109133A CN201711053096.8A CN201711053096A CN108109133A CN 108109133 A CN108109133 A CN 108109133A CN 201711053096 A CN201711053096 A CN 201711053096A CN 108109133 A CN108109133 A CN 108109133A
Authority
CN
China
Prior art keywords
image
silkworm seed
counting method
silkworm
image processing
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
CN201711053096.8A
Other languages
English (en)
Other versions
CN108109133B (zh
Inventor
王国栋
徐洁
房德文
郭钊义
刘金凤
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.)
Shandong Guangtong Silkworm Seed Co ltd
Shandong Lusi Silkworm Seed Quality Inspection Institute Co ltd
Qingdao University
Original Assignee
Qingdao 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 Qingdao University filed Critical Qingdao University
Priority to CN201711053096.8A priority Critical patent/CN108109133B/zh
Publication of CN108109133A publication Critical patent/CN108109133A/zh
Application granted granted Critical
Publication of CN108109133B publication Critical patent/CN108109133B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20036—Morphological image processing
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于智慧农业领域，具体涉及一种利用数字图像处理技术进行蚕卵自动计数的方法；其主要包括图像采集、图像灰度化、去框分区、图像分割、图像二值化和计数等步骤；蚕卵的自动识别准确率约为97.6％，其计数准确迅速，计数可靠性好，原理明确，应用环境友好。

Description

一种基于数字图像处理技术的蚕卵自动计数方法
技术领域：
本发明属于智慧农业领域，具体涉及一种利用数字图像处理技术进行蚕卵自动计数的方法。
背景技术：
传统的蚕卵计数方法采用人工标记的方式，由于其存在很多不足和缺陷，人工标记计数方法已不能满足大规模蚕卵遗传育种的需要。蚕卵的人工标记计数费时、费力，且易疲劳，人工操作主观性很强，工作量太大容易出错，人工计数一个卵圈的时间为10分钟，不能适应大量样本的检测(每张蛾圈图像内有400—700个蚕卵)，影响检验结果的准确性。因此，寻求设计一种基于数字图像处理技术的自动蚕卵计数方法具有良好的经济效益和社会效益。
发明内容：
本发明的目的在于克服现有技术存在的问题，寻求提供一种基于数字图像处理技术的蚕卵自动计数方法。
本发明涉及的基于数字图像处理计数的蚕卵自动计数方法，其主要步骤包括：
(1)、图像采集：首先对蚕卵纸进行拍照，然后把照片导入到计算机中；
(2)、图像灰度化：读取步骤(1)得到图片，转换为灰度图像，利用边缘检测函数提取图像中的边缘信息，对得到的图像进行二次膨胀，得到边缘明显的灰度图像；
(3)、去框分区：使用霍夫直线检测进行检测并去除在步骤(2)得到的边缘明显的灰度图像中存在的边框；去除边框后，对图像进行连通域检测，得到多个连通域，对连通域的每个属性进行筛选，得到单独蚕卵图像；从而将整张图片中一个个蚕卵图片切割出来；
(4)、图像分割：由步骤(3)得到单独的蚕卵图片进行再分割，由于对整个蚕卵纸进行拍照，光照不均匀，为了克服光照的影响，将整幅灰度图像均等的分割成9份；每一份图像由于所占面积相对较少，因此受到的光照影响较小；
(5)、图像二值化：对每一份经步骤(4)均分后的灰度图像进行图像加深操作后再进行拉伸操作生成灰阶分布图，在灰阶分布图中，找到低谷与左边的峰值，二者之间中间的位置记为new-level，根据new-level进行otsu(最大类间方差)二值化图像；
(6)、计数：分割后大部分蚕卵中会带有一小部分白色，对步骤(5)生成的每个二值化图像找寻连通域，同时对每个联通域属性进行筛选，找到大小和相对位置合适的“白色图像”；对筛选后得到的“白色图像”进行计数，得到的数据即为该份的蚕卵数目，将9份得到的数目相加即为单个蚕卵的总数目。
本发明涉及的步骤(1)所述对蚕卵纸进行拍照，拍照生成的照片为800万像素，拍照时使用闪光灯以增加进光量，拍照距离是相机平面离蚕卵纸的距离为30cm，每次拍照时覆盖蚕卵纸中的六个卵圈以上，并且靠近中间的六个卵圈是清晰的拍完照后，把照片导入到计算机中。
本发明涉及的步骤(2)所述利用边缘检测函数提取图像中的边缘信息过程为使用matlab的edge模型进行检测边缘，参数为‘prewitt’；所述对得到的图像进行二次膨胀，过程为使用matlab膨胀模型实现，参数为‘disk’。
本发明涉及的步骤(3)所述使用霍夫直线检测进行检测并去除边框的具体步骤为：利用matlab的hough模型处理步骤(2)得到的灰度图像，得到线段信息，从变换矩阵H中提取20个极值点，参数0.6代表取值的范围从[0.6*max max]，对取出的20个线段做进一步处理：若两条线段距离小于40像素数则拼接起来，拼接后的线段若小于100像素数则舍弃该线段；对得到的线段进一步筛选，保留角度条件为88度到92度和-2度到2度的线段，其余线段抹去。
本发明涉及的步骤(3)所述的对连通域的每个属性进行筛选，具体为，选取联通域像素为250000到600000之间的联通域，得到单独蚕卵图像。
本发明涉及的步骤(6)所述的对每个联通域属性进行筛选，具体为，选取联通域像素5-300之前的区域。
本发明与现有技术相比其基于数字图像处理技术的蚕卵自动计数方法具有很强的鲁棒性，能够很好的应用于蚕卵自动计数问题；其计数准确迅速，计数可靠性好，原理明确，应用环境友好。
附图说明：
图1为实施例涉及的相机采集的图像。
图2为实施例涉及的提取的直线段效果图。
图3为实施例涉及的对图像进行连通域检测后得到多个连通域灰度图像。
图4为实施例涉及的分割时的卵圈的标注图像。
图5为实施例涉及的分割后的单独卵圈图像。
图6为实施例涉及的均等分后的1/9卵圈图像。
图7为实施例涉及的均等分后1/9加深图像。
图8为实施例涉及的1/9加深图像进行拉伸灰度的灰阶分布图。
图9为实施例涉及的1/9卵圈二值化后的图像。
图10为实施例涉及的对生成的白色图像标红的图像。
图11为实施例涉及的最终生成的计数图像。
具体实施方式：
下面通过实施例并结合附图对本发明做进一步说明。
实施例1：
本实施例涉及的一种利用数字图像处理技术进行蚕卵自动计数的方法的具体步骤包括：
a.首先对蚕卵纸进行拍照，拍照选用智能手机保证800万像素即可，拍照时要开闪光灯，拍照距离是手机相机平面离蚕卵纸的距离为30cm，每次拍照时覆盖蚕卵纸中的六个卵圈以上，并且保证靠近中间的六个卵圈是清晰的，如图1所示，拍完照后，把照片导入到电脑中；
b.读取图片，转换为灰度图像，利用边缘检测函数提取图像中的边缘信息，用matlab自带edge函数检测边缘，参数为‘prewitt’；对得到的图像进行二次膨胀，使得边缘更加明显，使用matlab膨胀函数，参数为‘disk’；
c.针对存在的边框，使用霍夫直线检测进行检测并去除；利用matlab自带函数hough得到线段信息，从变换矩阵H中提取20个极值点，参数0.6代表取值的范围从[0.6*maxmax]，对取出的20个线段做进一步处理：若两条线段距离过近(像素数小于40)则拼接起来；拼接后的线段若小于给定的阈值则舍弃该线段(像素数小于100)；对得到的线段再进一步筛选，由于需要筛选的线段都是水平或者垂直的，所以针对角度条件进行筛选，角度条件为保留88度到92度和-2度到2度的线段，将筛选后的线段抹去，提取的直线段效果如图2所示；
d.去除边框后，对图像进行连通域检测，得到多个连通域，如图3所示，对连通域的每个属性进行筛选，选取联通域像素为250000到600000之间的联通域，得到单独蚕卵图像；这样就可以从整张图片中将一个个蚕卵图片切割出来，分出来的卵圈在原图中用红点标注，如图4所示；分出来的卵圈单独显示如图5所示；
e.对每一个单独的蚕卵进行计数操作；由第一步得到单独的蚕卵图片进行再分割，由于对整个蚕卵纸进行拍照，因此可能会存在光照不均匀的问题，为了克服光照的影响，将整幅图均等的分割成9份(3×3)；这样每一份图像由于所占面积相对较少，因此受到的光照影响较小，分出的一份如图6所示；
f.对每一份图像进行图像加深操作，如图7所示，生成灰阶分布图，如图8所示，在灰阶分布图中，找到低谷与左边的峰值，二者之间中间的位置定义为new-level，根据new-level进行otsu二值化图像，如图9所示；
g.分割后大部分蚕卵中会带有一小部分白色，对二值化图像找寻连通域，同时对每个联通域属性进行筛选，联通域像素选5-300之前的区域，找到大小和相对位置合适的“白色图像”；
h.对筛选后得到的“白色图像”进行标红计数，得到的数据即为该份的蚕卵数目，如图10所示，将9份得到的数目相加即为单个蚕卵的总数目，如图11所示。
通过200张蚕卵图像测试，蚕卵的自动识别准确率约为97.6％，本实施例涉及的方法很好的解决了蚕卵自动计数问题。

Claims (6)

1.一种基于数字图像处理计数的蚕卵自动计数方法，其特征在于主要步骤包括：
(1)、图像采集：首先对蚕卵纸进行拍照，然后把照片导入到计算机中；
(2)、图像灰度化：读取步骤(1)得到图片，转换为灰度图像，利用边缘检测函数提取图像中的边缘信息，对得到的图像进行二次膨胀，得到边缘明显的灰度图像；
(3)、去框分区：使用霍夫直线检测进行检测并去除在步骤(2)得到的边缘明显的灰度图像中存在的边框；去除边框后，对图像进行连通域检测，得到多个连通域，对连通域的每个属性进行筛选，得到单独蚕卵图像；从而将整张图片中一个个蚕卵图片切割出来；
(4)、图像分割：由步骤(3)得到单独的蚕卵图片进行再分割，由于对整个蚕卵纸进行拍照，光照不均匀，为了克服光照的影响，将整幅灰度图像均等的分割成9份；每一份图像由于所占面积相对较少，因此受到的光照影响较小；
(5)、图像二值化：对每一份经步骤(4)均分后的灰度图像进行图像加深操作后再进行拉伸操作生成灰阶分布图，在灰阶分布图中，找到低谷与左边的峰值，二者之间中间的位置记为new-level，根据new-level进行otsu(最大类间方差)二值化图像；
(6)、计数：分割后大部分蚕卵中会带有一小部分白色，对步骤(5)生成的每个二值化图像找寻连通域，同时对每个联通域属性进行筛选，找到大小和相对位置合适的“白色图像”；对筛选后得到的“白色图像”进行计数，得到的数据即为该份的蚕卵数目，将9份得到的数目相加即为单个蚕卵的总数目。
2.根据权利要求1所述的基于数字图像处理计数的蚕卵自动计数方法，其特征在于所述的步骤(1)所述对蚕卵纸进行拍照，拍照生成的照片为800万像素，拍照时使用闪光灯以增加进光量，拍照距离是相机平面离蚕卵纸的距离为30cm，每次拍照时覆盖蚕卵纸中的六个卵圈以上，并且靠近中间的六个卵圈是清晰的拍完照后，把照片导入到计算机中。
3.根据权利要求1所述的基于数字图像处理计数的蚕卵自动计数方法，其特征在于所述的步骤(2)所述利用边缘检测函数提取图像中的边缘信息过程为使用matlab的edge模型进行检测边缘，参数为‘prewitt’；所述对得到的图像进行二次膨胀，过程为使用matlab膨胀模型实现，参数为‘disk’。
4.根据权利要求1所述的基于数字图像处理计数的蚕卵自动计数方法，其特征在于所述的步骤(3)所述使用霍夫直线检测进行检测并去除边框的具体步骤为：利用matlab的hough模型处理步骤(2)得到的灰度图像，得到线段信息，从变换矩阵H中提取20个极值点，参数0.6代表取值的范围从[0.6*max max]，对取出的20个线段做进一步处理：若两条线段距离小于40像素数则拼接起来，拼接后的线段若小于100像素数则舍弃该线段；对得到的线段进一步筛选，保留角度条件为88度到92度和-2度到2度的线段，其余线段抹去。
5.根据权利要求1所述的基于数字图像处理计数的蚕卵自动计数方法，其特征在于所述的步骤(3)所述的对连通域的每个属性进行筛选，具体为，选取联通域像素为250000到600000之间的联通域，得到单独蚕卵图像。
6.根据权利要求1所述的基于数字图像处理计数的蚕卵自动计数方法，其特征在于所述的步骤(6)所述的对每个联通域属性进行筛选，具体为，选取联通域像素5-300之前的区域。
CN201711053096.8A 2017-10-31 2017-10-31 一种基于数字图像处理技术的蚕卵自动计数方法 Expired - Fee Related CN108109133B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711053096.8A CN108109133B (zh) 2017-10-31 2017-10-31 一种基于数字图像处理技术的蚕卵自动计数方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711053096.8A CN108109133B (zh) 2017-10-31 2017-10-31 一种基于数字图像处理技术的蚕卵自动计数方法

Publications (2)

Publication Number Publication Date
CN108109133A true CN108109133A (zh) 2018-06-01
CN108109133B CN108109133B (zh) 2021-10-12

Family

ID=62206348

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711053096.8A Expired - Fee Related CN108109133B (zh) 2017-10-31 2017-10-31 一种基于数字图像处理技术的蚕卵自动计数方法

Country Status (1)

Country Link
CN (1) CN108109133B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033452A (zh) * 2019-04-17 2019-07-19 北京云量互动科技有限公司 基于图像处理技术的冷柜货架商品统计方法及系统
CN110264463A (zh) * 2019-06-25 2019-09-20 北京实验工厂有限责任公司 一种基于matlab图像处理的物料清点方法
CN110910403A (zh) * 2019-11-16 2020-03-24 厦门梓蔓生物科技有限公司 一种基于图像处理的工业大麻种子计数方法
CN112308028A (zh) * 2020-11-25 2021-02-02 四川省农业科学院蚕业研究所 一种家蚕幼虫智能计数方法及其应用
CN112715427A (zh) * 2020-12-30 2021-04-30 青海保绿丰生态农林科技有限公司 一种用于引鹰筑巢、产卵枚数、育雏、捕食习性规律的自动监测系统
CN115088683A (zh) * 2022-07-04 2022-09-23 广西壮族自治区蚕业技术推广站 检测平附种良卵数、良卵率、实用孵化率的方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1486599A (zh) * 2003-06-09 2004-04-07 华东船舶工业学院 基于数字图像处理的蚕卵自动统计计数方法及其装置
CN201728248U (zh) * 2010-06-21 2011-02-02 中冶京诚工程技术有限公司 棒材计数装置
CN102676633A (zh) * 2012-03-08 2012-09-19 天津大学 一种菌落自动计数方法
US20130343644A1 (en) * 2012-06-20 2013-12-26 Xerox Corporation Method and system for gray content detection in output documents for billing determinations
JP2014032553A (ja) * 2012-08-03 2014-02-20 Nippon Steel & Sumitomo Metal 長尺物本数測定装置、長尺物本数測定方法、及びコンピュータプログラム
CN105095957A (zh) * 2014-05-12 2015-11-25 浙江理工大学 一种基于图像分割的蚕茧计数方法
US20160239964A1 (en) * 2015-02-13 2016-08-18 Matthew Haugen Dot Counting Service
CN106311631A (zh) * 2016-08-18 2017-01-11 浙江省农业科学院 雌雄蚕卵分选设备及分选方法
CN106780537A (zh) * 2017-01-11 2017-05-31 山东农业大学 一种基于图像处理的方格蔟蚕茧筛选装置及方法
CN106855951A (zh) * 2016-12-16 2017-06-16 陕西科技大学 一种基于计算机视觉的粮种品质检测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1486599A (zh) * 2003-06-09 2004-04-07 华东船舶工业学院 基于数字图像处理的蚕卵自动统计计数方法及其装置
CN201728248U (zh) * 2010-06-21 2011-02-02 中冶京诚工程技术有限公司 棒材计数装置
CN102676633A (zh) * 2012-03-08 2012-09-19 天津大学 一种菌落自动计数方法
US20130343644A1 (en) * 2012-06-20 2013-12-26 Xerox Corporation Method and system for gray content detection in output documents for billing determinations
JP2014032553A (ja) * 2012-08-03 2014-02-20 Nippon Steel & Sumitomo Metal 長尺物本数測定装置、長尺物本数測定方法、及びコンピュータプログラム
CN105095957A (zh) * 2014-05-12 2015-11-25 浙江理工大学 一种基于图像分割的蚕茧计数方法
US20160239964A1 (en) * 2015-02-13 2016-08-18 Matthew Haugen Dot Counting Service
CN106311631A (zh) * 2016-08-18 2017-01-11 浙江省农业科学院 雌雄蚕卵分选设备及分选方法
CN106855951A (zh) * 2016-12-16 2017-06-16 陕西科技大学 一种基于计算机视觉的粮种品质检测方法
CN106780537A (zh) * 2017-01-11 2017-05-31 山东农业大学 一种基于图像处理的方格蔟蚕茧筛选装置及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
AMIT R. CHAVAN等: "Implementation of Object Counting using Image Processing Techniques in Animal Husbandry Field: A Review", 《RESEARCHGATE》 *
G. GUSMAO等: "A new algorithm for segmenting and counting aedes aegypti eggs in ovitraps", 《2009 ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE ENGINEERING IN MEDICINE AND BIOLOGY SOCIETY》 *
杨慧赞等: "基于图像处理的鱼卵计数方法研究", 《水生态学杂志》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033452A (zh) * 2019-04-17 2019-07-19 北京云量互动科技有限公司 基于图像处理技术的冷柜货架商品统计方法及系统
CN110033452B (zh) * 2019-04-17 2021-06-08 北京云量互动科技有限公司 基于图像处理技术的冷柜货架商品统计方法及系统
CN110264463A (zh) * 2019-06-25 2019-09-20 北京实验工厂有限责任公司 一种基于matlab图像处理的物料清点方法
CN110910403A (zh) * 2019-11-16 2020-03-24 厦门梓蔓生物科技有限公司 一种基于图像处理的工业大麻种子计数方法
CN112308028A (zh) * 2020-11-25 2021-02-02 四川省农业科学院蚕业研究所 一种家蚕幼虫智能计数方法及其应用
CN112308028B (zh) * 2020-11-25 2023-07-14 四川省农业科学院蚕业研究所 一种家蚕幼虫智能计数方法
CN112715427A (zh) * 2020-12-30 2021-04-30 青海保绿丰生态农林科技有限公司 一种用于引鹰筑巢、产卵枚数、育雏、捕食习性规律的自动监测系统
CN115088683A (zh) * 2022-07-04 2022-09-23 广西壮族自治区蚕业技术推广站 检测平附种良卵数、良卵率、实用孵化率的方法
CN115088683B (zh) * 2022-07-04 2024-01-30 广西壮族自治区蚕业技术推广站 检测平附种良卵数、良卵率、实用孵化率的方法

Also Published As

Publication number Publication date
CN108109133B (zh) 2021-10-12

Similar Documents

Publication Publication Date Title
CN108109133A (zh) 一种基于数字图像处理技术的蚕卵自动计数方法
CN107330889B (zh) 一种基于卷积神经网络的中医舌色苔色自动分析方法
CN107316077B (zh) 一种基于图像分割及边缘检测的脂肪细胞自动计数方法
Pape et al. 3-D histogram-based segmentation and leaf detection for rosette plants
CN103518224B (zh) 用于分析微生物生长的方法
CN104636706B (zh) 一种基于梯度方向一致性复杂背景条码图像自动分割方法
CN109447945B (zh) 基于机器视觉和图形处理的小麦基本苗快速计数方法
CN110245657B (zh) 病理图像相似性检测方法及检测装置
Duan et al. An automatic counting system for transparent pelagic fish eggs based on computer vision
CN109523524B (zh) 一种基于集成学习的眼底图像硬性渗出检测方法
CN103984939B (zh) 一种样本有形成分分类方法及系统
CN110189383B (zh) 基于机器学习的中医舌色苔色定量分析方法
CN106295789A (zh) 一种基于图像处理的作物种子计数方法
CN105447859A (zh) 一种田间麦蚜虫计数方法
CN106932408B (zh) 一种基于图像处理的方格蔟污染蚕茧检测方法
CN110517273B (zh) 基于动态梯度阈值的细胞学图像分割方法
CN109766892A (zh) 一种基于边缘检测的射线检测图像标记信息字符分割方法
Tang et al. Leaf extraction from complicated background
CN110189327A (zh) 基于结构化随机森林编码器的眼底视网膜血管分割方法
Pandit et al. Vision system for automatic counting of silkworm eggs
CN110197483A (zh) 基于视频信号的深基坑裂缝检测方法
CN116402822B (zh) 混凝土结构图像检测方法、装置、电子设备及存储介质
CN103778431B (zh) 基于二维格子复杂性度量的医学图像特征提取和识别方法
CN107239761A (zh) 基于骨架角点检测的果树拉枝效果评价方法
CN110910403A (zh) 一种基于图像处理的工业大麻种子计数方法

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
CB03 Change of inventor or designer information

Inventor after: Wang Guodong

Inventor after: Liu Jinfeng

Inventor after: Guo Zhaoyi

Inventor after: Xu Jie

Inventor after: Fang Dewen

Inventor before: Wang Guodong

Inventor before: Xu Jie

Inventor before: Fang Dewen

Inventor before: Guo Zhaoyi

Inventor before: Liu Jinfeng

CB03 Change of inventor or designer information
TA01 Transfer of patent application right

Effective date of registration: 20210915

Address after: 266071 No. 7 East Hongkong Road, Laoshan District, Shandong, Qingdao

Applicant after: QINGDAO University

Applicant after: Shandong Lusi silkworm seed quality inspection Institute Co.,Ltd.

Applicant after: Shandong Guangtong silkworm seed Co.,Ltd.

Address before: 266071 No. 7 East Hongkong Road, Laoshan District, Shandong, Qingdao

Applicant before: QINGDAO University

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20211012

CF01 Termination of patent right due to non-payment of annual fee