CN108171693B - 一种自动检测劣质蘑菇的方法 - Google Patents

一种自动检测劣质蘑菇的方法 Download PDF

Info

Publication number
CN108171693B
CN108171693B CN201711440417.XA CN201711440417A CN108171693B CN 108171693 B CN108171693 B CN 108171693B CN 201711440417 A CN201711440417 A CN 201711440417A CN 108171693 B CN108171693 B CN 108171693B
Authority
CN
China
Prior art keywords
mushroom
detecting
image
pileus
point
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.)
Active
Application number
CN201711440417.XA
Other languages
English (en)
Other versions
CN108171693A (zh
Inventor
李维
江淮
韦文波
杨世举
孔园林
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.)
Hefei jinguoyuan Visual Technology Co.,Ltd.
Original Assignee
Hefei Asorting Intelligent Technology Co ltd
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 Hefei Asorting Intelligent Technology Co ltd filed Critical Hefei Asorting Intelligent Technology Co ltd
Priority to CN201711440417.XA priority Critical patent/CN108171693B/zh
Publication of CN108171693A publication Critical patent/CN108171693A/zh
Application granted granted Critical
Publication of CN108171693B publication Critical patent/CN108171693B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/12Edge-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/194Segmentation; Edge detection involving foreground-background segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30181Earth observation
    • G06T2207/30188Vegetation; Agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明一种自动检测劣质蘑菇的方法,包括如下步骤:a)杂质检测;b)整体尺寸判断;c)正反面检测;d)虫洞检测;e)正面破损检测;f)反面破损检测;g)由正面对蘑菇质量分类;h)由反面对蘑菇质量分类。通过本发明方法能够检测劣质蘑菇:破损,有缺口的蘑菇;有虫洞的蘑菇;尺寸过小的蘑菇。通过本发明方法大大的提高了检测效率。

Description

一种自动检测劣质蘑菇的方法
技术领域
本发明涉及食品安全检测,涉及蘑菇,具体涉及一种自动检测劣质蘑菇的方法。
背景技术
蘑菇是中国人常用的食物。对种植人员采集的蘑菇进行自动检测和分类,可以极大的提高食品安全,降低食物风险。
发明内容
本发明目的是提供一种自动检测劣质蘑菇的方法,检测效率高,提高了食品安全,降低食物风险。
为了实现以上目的,本发明采用的技术方案为:一种自动检测劣质蘑菇的方法,包括如下步骤:
a)杂质检测:反光性检测;亮度均匀性检测;直线边缘检测;
b)整体尺寸判断:捕获背景图像;当前图像与背景图像做差;前景检测,得到蘑菇对应的像素点;连通域检测,得到蘑菇的尺寸;与经验阈值进行比较,过滤小尺寸蘑菇;
c)正反面检测:对蘑菇图像进行二值化;检测二值化图像中,是否存在沟纹;统计整个蘑菇正面,亮度的直方图分布;对蘑菇连通域的中心区域进行亮度分析;对蘑菇图像,提取边缘;
d)虫洞检测:对蘑菇图像进行二值化;提取蘑菇连通域;对连通域进行反转;再次提取连通域;内部连通域尺寸大于阈值,则说明内部存在孔洞,需要预警;
e)正面破损检测:蘑菇外轮廓检测;外轮廓凹陷检测;沟纹检测;内部破损区域检测;
f)反面破损检测:菌盖检测;破损区域检测;
g)由正面对蘑菇质量分类:根据蘑菇正面图像的外部轮廓点,进行圆形拟合;亮度深浅的统计;
h)由反面对蘑菇质量分类:根据蘑菇反面图像的外部轮廓点,进行圆形拟合;蘑菇反面图像中,菌盖部分呈现圆环形状,通过计算圆环的宽度,来判断其品级;菌盖对应的圆环区域,考察其中心对称性;菌褶是被菌盖所包围的内部区域,对其圆形度进行考察;计算菌褶的中心对称性。
进一步的,步骤b)中背景图像的获取步骤如下:
b11)利用摄像机,对着背景连续拍摄图像;
b12)检测b11)中的图像,是否存在运动目标,如果存在,则需要重新拍摄;
b13)如果b11)中的图像都是静止的,则通过对所有图像计算均值,得到背景图。
进一步的,步骤f)中菌盖检测的方法包括如下步骤:
f11)提取前景区域像素,进行连通域提取;
f12)外部轮廓提取;
f13)外部轮廓的长宽比例,是否在[1,3]之间,如果是,则下一步,否则,直接预警,当做劣质品处理;
f14)前景区域亮度反转,进一步进行连通域扫描;
f15)是否有面积阈值大于500像素的连通域,如果有,则下一步,否则,作为劣质品处理。
f16)得到内部连通域的轮廓;
f17)内外轮廓所围成的面积的比例,在[0.5,0.9]之间,则菌盖检测成功。
进一步的,步骤h)中蘑菇反面图像中,菌盖部分呈现圆环形状,通过计算圆环的宽度,来判断其品级的具体步骤为:
h21)对反面图像进行二值化,将亮度值低于50的像素,作为前景像素;
h22)得到圆环区域的内部轮廓和外部轮廓;
h23)统计圆环上,每一个方向的圆环的宽度值;
h24)得到最大圆环宽度,和最小圆环宽度;
h25)如果最大、最小宽度值的差值小于20个像素,是一等品,否则是二等品。
进一步的,步骤h)中菌盖的中心对称性的计算步骤如下:
h31)记录下步骤h)中根据蘑菇反面图像的外部轮廓点,进行圆形拟合而得到的中心点位置;
h32)在菌盖区域随机选择一点;
h33)计算得到该点相对于中心点的对称点;
h34)计算两个点的亮度差值。如果亮度差小于20,则配对成功;
h35)随机考察500个点对,记录下能够成功配对的点的数目;
h36)如果配对成功的点数目超过70%,则说明菌盖满足中心对称性,是一等品,否则为二等品。
进一步的,步骤h)中菌褶的中心对称性的计算步骤如下:
h51)记录下步骤h)中根据蘑菇反面图像的外部轮廓点,进行圆形拟合而得到的中心点位置;
h52)在菌褶区域随机选择一点;
h53)计算得到该点相对于中心点的对称点;
h54)计算两个点的亮度差值,如果亮度差小于20,则配对成功;
h55)随机考察500个点对,记录下能够成功配对的点的数目;
h56)如果配对成功的点数目超过70%,则说明菌褶满足中心对称性,是一等品,否则为二等品。
本发明的技术效果在于:本发明是利用视觉机器对蘑菇进行自动分类的方法,通过本发明方法能够检测如下种类的劣质蘑菇:破损,有缺口的蘑菇;有虫洞的蘑菇;尺寸过小的蘑菇。通过本发明方法大大的提高了检测效率。
具体实施方式
本发明的具体实施步骤:
a)杂质检测
在蘑菇的加工过程中,很可能会出现诸如薄膜等杂质的干扰。在对蘑菇进行检测之前,需要提前将杂质过滤掉。
采用如下方法,过滤杂质:
a1、反光性检测
薄膜由于是人造材料,当光源从某个方向打光时,总是可以在薄膜的某个位置,看到高亮的反光区域。因此可以对待检测目标,进行二值化,通过检测高亮白色区域的尺寸,来判断是否为蘑菇。(蘑菇上不会存在高亮区域)
a2、亮度均匀性检测
杂质往往因为其材料的单一性,亮度分布均匀。而蘑菇的表面,由于具有特殊的纹理,亮度值的分布,并不是绝对均匀的。因此可以通过分析蘑菇表面所有像素的亮度值的变化率,来判断其是否为杂质。变化率较小的,肯定是杂质。
a3、直线边缘检测
分析目标的外部轮廓,检查外部轮廓的某个子片段,是否存在直线段的情形。如果外部轮廓上有长度超过30个像素的直线段,则说明目标是杂质。蘑菇的外部轮廓,不存在直线段。
b)整体尺寸判断:
b1、捕获背景图像
在进行蘑菇检测之前,需要提前获取背景图像。背景图像的获取方法如下:
b11)利用摄像机,对着背景连续拍摄一段时间的图像。
b12)检测该段时间的图像,是否存在运动目标。如果存在,则需要重新拍摄。
b13)如果该段图像都是静止的,则通过对所有图像计算均值,得到背景图。
b2、当前图像与背景图像做差
b3、前景检测,得到蘑菇对应的像素点
对当前图与背景图进行逐像素比较。如果某个像素位置,当前像素点的亮度值,与背景像素点的亮度值之差大于阈值(阈值默认为200),则记为前景像素。
b4、连通域检测,得到蘑菇的尺寸
对二值化图像中的前景像素进行连通域分析,将尺寸最大的连通域提取出来,作为蘑菇区域。然后,计算该连通域的最小外接矩形。计算得到该矩形的宽度和长度。
b5、与经验阈值进行比较,过滤小尺寸蘑菇
如果遇蘑菇的宽度和长度,都小于经验阈值(200个像素),则需要作为小尺寸蘑菇进行分类。
c)正反面检测:
由于蘑菇在检测的过程中,哪一面朝上,是不知道的。为了防止检测过程中,正反面差异对结果造成影响,检测之前需要知道是正面还是反面。
用来判断正反面的信息包括如下:
是否存在沟纹
整体亮度分布
中心区域的亮度分布
纹理
具体方法如下:
c1、对蘑菇图像进行二值化;
c2、检测二值化图像中,是否存在长条状结构
长条状结构,就是沟纹。沟纹可以利用屋脊型边缘检测器提取得到。具有沟纹结构的是蘑菇的正面。
c3、统计整个蘑菇正面,亮度的直方图分布
蘑菇正面区域,由于像素点亮度值普遍较低,因此整个直方图的重心集中在低亮度区域。
而蘑菇的反面图像,则有较大差异。由于菌褶和菌柄的存在,反面的中心区域有较大的一部分的白色区域。因此反面直方图会形成明显的双峰分布。
正反面的区分方法为:观察直方图的分布,如果集中在低亮度,则为正面,否则为反面。
c4、对蘑菇连通域的中心区域进行亮度分析
如果直方图集中在高亮度区域,则为反面;否则为正面。
c5、对蘑菇图像,提取边缘
蘑菇反面菌褶区域,存在大量的平行同心线条。对提取的边缘进行方向检测,计算它们是否汇聚都汇聚到蘑菇的中心区域。同时计算相邻边缘的平行度。如果当前图像的边缘,满足这一点,则说明是蘑菇的反面;否则为正面。
d)虫洞检测:
具有虫洞的蘑菇,在蘑菇的中间区域,会出现一个较大的孔洞。可以采用如下方法,找到当前蘑菇图像中的孔洞:
d1、对蘑菇图像进行二值化;
d2、提取蘑菇连通域。
d3、对连通域进行反转。
d4、再次提取连通域。
d5、内部连通域尺寸大于阈值(宽度阈值20个像素),则说明内部存在孔洞,需要预警。
e)正面破损检测:
本发明对蘑菇的背面图像进行分析,实现破损检测。在蘑菇背面图像中,缺口处会出现大面积的白色像素(蘑菇内部都是白色的)。破损区域可能发生在两个部分:外部轮廓处、内部区域。
破损处的检测方法如下:
e1、蘑菇外轮廓检测
采用高阈值(220),对蘑菇正面图像进行二值化。低于阈值的像素变成前景像素。该前景区域进行连通域检测,然后提取外部轮廓。
e2、外轮廓凹陷检测
对外轮廓的点序列进行多边形拟合。然后将该多边形围成的内部区域,与外轮廓的内部区域做差。对差分图进行分析。
如果差分图中,存在较大的前景连通域(面积阈值300),则该区域就是破损区域。此时需要预警,将蘑菇提前分类。
e3、沟纹检测
在检测蘑菇的内部破损区域之前,需要提前将沟纹检测出来。因为沟纹也是白色的,容易被错误检测为破损区域。因此需要提前过滤沟纹区域。在二值化结果中,利用屋脊型边缘检测器,得到沟纹所在的位置像素,然后过滤掉沟纹对应的像素。
e4、内部破损区域检测
在过滤沟纹之后的正面图像中,检测是否存在内部大面积连通域(面积阈值300)。如果存在,则说明是破损,需要分拣。如果不是,则说明该蘑菇是正常的。
f)反面破损检测:
在对蘑菇反面进行检测时,为了不受到菌褶和菌柄的干扰(二者亮度值较高,可能会被错误检测),需要提前将菌盖检测出来。
按照如下步骤,对蘑菇的反面进行破损检测:
f1、菌盖检测
利用经验阈值(50),对图像进行二值化。低于阈值的变成前景。通过判断前景区域是否为圆环结构,从而确定是否检测到菌盖。方法如下:
f11)提取前景区域像素,进行连通域提取。
f12)外部轮廓提取。
f13)外部轮廓的长宽比例,是否在[1,3]之间。是,则下一步。否则,直接预警,当做劣质品处理。
f14)前景区域亮度反转,进一步进行连通域扫描。
f15)是否有大面积连通域(面积阈值500像素)。有,则下一步。否则,作为劣质品处理。
f16)得到内部连通域的轮廓。
f17)内外轮廓所围成的面积的比例,在[0.5,0.9]之间,则菌盖检测成功。
f2、破损区域检测
在菌盖区域内检测是否有白色区域。如果存在面积大于100的白色区域,这说明蘑菇的反面,也发生了破损,需要挑选出来。如果不存在大面积白色区域,则反面不存在破损,是正常的蘑菇。
g)由正面对蘑菇质量分类:
在最终鉴定发现当前蘑菇是正常的之后,依然需要对蘑菇进行分类,区分为优质品种与正常品种。主要依靠如下几个方面的信息:
外轮廓的圆形度
亮度的深浅
沟纹的数量和密度
沟纹的长度和宽度
具体方法如下:
g1、根据蘑菇正面图像的外部轮廓点,进行圆形拟合。
采用RANSAC方法拟合圆形。然后统计位于圆周的轮廓点的比例。如果该比值超过80%,这说明蘑菇的外形圆度很高,是一等品。而如果蘑菇的外形圆度较低,则属于二等品。
g2、亮度深浅的统计
计算正面图像中,蘑菇区域的亮度平均值。如果该亮度平均值高于阈值(设定为50),则归属为二等品。否则为一等品。
g3、一等品蘑菇,其沟纹分布均匀,数量适中。
采用前述方法,得到正面图像中的沟纹。然后利用屋脊型边缘检测子(拉普拉斯边缘检测算法),将每一条沟纹提取出来。然后统计沟纹的总数。沟纹的条数在5条以内,认为是一等品。否则为二等品。
设定一个尺寸80*80的小的矩形窗口,对蘑菇正面图像进行遍历,统计其中的沟纹的数量,用于进行沟纹密度计算。当沟纹的密度大于2条时,认为是二等品。否则为一等品。
g4、一等品蘑菇,其沟纹的长度和宽度,都可以通过设定经验值来进行判定。
当蘑菇上每条沟纹的长度,都小于100像素,并且宽度小于20像素时,判定为一等品。否则为二等品。
h)由反面对蘑菇质量分类:
从反面对蘑菇进行分类,需要如下几方面的信息:
外轮廓的圆形度
菌盖的圆环部分的宽度
菌盖部分的中心对称性
菌褶部分的圆形度
菌褶部分的中心对称性。
具体方法如下:
h1、根据蘑菇反面图像的外部轮廓点,进行圆形拟合。
采用RANSAC策略拟合圆形。然后统计位于圆周的轮廓点的比例。如果该比值超过80%,这说明蘑菇的外形圆度很高,是一等品。而如果蘑菇的外形圆度较低,则属于二等品。
h2、蘑菇反面图像中,菌盖部分呈现圆环形状。可以通过计算圆环的宽度,来判断其品级。
h21)对反面图像进行二值化。将亮度值低于50的像素,作为前景像素。
h22)得到圆环区域的内部轮廓和外部轮廓。
h23)统计圆环上,每一个方向的圆环的宽度值。
h24)得到最大圆环宽度,和最小圆环宽度。
h25)如果最大、最小宽度值的差值小于20个像素,这说明圆环的均匀性较好,是一等品,否则是二等品。
h3、菌盖对应的圆环区域,还需要考察其中心对称性。菌盖的中心对称性的计算方法如下:
h31)记录下前述圆形拟合得到的中心点位置。
h32)在菌盖区域随机选择一点。
h33)计算得到该点相对于中心点的对称点。
h34)计算两个点的亮度差值。如果亮度差小于20,则配对成功。
h35)随机考察500个点对,记录下能够成功配对的点的数目。
h36)如果配对成功的点数目超过70%,则说明菌盖满足中心对称性,是一等品。否则为二等品。
h4、菌褶是被菌盖所包围的内部区域。也需要对其圆形度进行考察。
采用RANSAC策略拟合菌褶轮廓。然后统计位于圆周的轮廓点的比例。如果该比值超过80%,这说明菌褶的外形圆度很高,是一等品。而如果菌褶的外形圆度较低,则属于二等品。
h5、菌褶的中心对称性的计算方法如下:
h51)记录下前述圆形拟合得到的中心点位置。
h52)在菌褶区域随机选择一点。
h53)计算得到该点相对于中心点的对称点。
h54)计算两个点的亮度差值。如果亮度差小于20,则配对成功。
h55)随机考察500个点对,记录下能够成功配对的点的数目。
h56)如果配对成功的点数目超过70%,则说明菌褶满足中心对称性,是一等品。否则为二等品。

Claims (3)

1.一种自动检测劣质蘑菇的方法,包括如下步骤:
a)杂质检测:反光性检测;亮度均匀性检测;直线边缘检测;
b)整体尺寸判断:捕获背景图像;当前图像与背景图像做差;前景检测,得到蘑菇对应的像素点;连通域检测,得到蘑菇的尺寸;与经验阈值进行比较,过滤小尺寸蘑菇;
c)正反面检测:对蘑菇图像进行二值化;检测二值化图像中,是否存在沟纹;统计整个蘑菇正面,亮度的直方图分布;对蘑菇连通域的中心区域进行亮度分析;对蘑菇图像,提取边缘;
d)虫洞检测:对蘑菇图像进行二值化;提取蘑菇连通域;对连通域进行反转;再次提取连通域;内部连通域尺寸大于阈值,则说明内部存在孔洞,需要预警;
e)正面破损检测:蘑菇外轮廓检测;外轮廓凹陷检测;沟纹检测;内部破损区域检测;
f)反面破损检测:菌盖检测;破损区域检测;
g)由正面对蘑菇质量分类:根据蘑菇正面图像的外部轮廓点,进行圆形拟合;亮度深浅的统计;
h)由反面对蘑菇质量分类:根据蘑菇反面图像的外部轮廓点,进行圆形拟合;蘑菇反面图像中,菌盖部分呈现圆环形状,通过计算圆环的宽度,来判断其品级;菌盖对应的圆环区域,考察其中心对称性;菌褶是被菌盖所包围的内部区域,对其圆形度进行考察;计算菌褶的中心对称性;
步骤h)中蘑菇反面图像中,菌盖部分呈现圆环形状,通过计算圆环的宽度,
来判断其品级的具体步骤为:
h21)对反面图像进行二值化,将亮度值低于50的像素,作为前景像素;
h22)得到圆环区域的内部轮廓和外部轮廓;
h23)统计圆环上,每一个方向的圆环的宽度值;
h24)得到最大圆环宽度,和最小圆环宽度;
h25)如果最大、最小宽度值的差值小于20个像素,是一等品,否则是二等品;
步骤h)中菌盖的中心对称性的计算步骤如下:
h31)记录下步骤h)中根据蘑菇反面图像的外部轮廓点,进行圆形拟合而得到的中心点位置;
h32)在菌盖区域随机选择一点;
h33)计算得到该点相对于中心点的对称点;
h34)计算两个点的亮度差值, 如果亮度差小于20,则配对成功;
h35)随机考察500个点对,记录下能够成功配对的点的数目;
h36)如果配对成功的点数目超过70%,则说明菌盖满足中心对称性,是一等品,否则为二等品;
步骤h)中菌褶的中心对称性的计算步骤如下:
h51)记录下步骤h)中根据蘑菇反面图像的外部轮廓点,进行圆形拟合而得到的中心点位置;
h52)在菌褶区域随机选择一点;
h53)计算得到该点相对于中心点的对称点;
h54)计算两个点的亮度差值,如果亮度差小于20,则配对成功;
h55)随机考察500个点对,记录下能够成功配对的点的数目;
h56)如果配对成功的点数目超过70%,则说明菌褶满足中心对称性,是一等品,否则为二等品。
2.根据权利要求1所述的一种自动检测劣质蘑菇的方法,其特征在于:步骤b)中背景图像的获取步骤如下:
b11)利用摄像机,对着背景连续拍摄图像;
b12)检测b11)中的图像,是否存在运动目标,如果存在,则需要重新拍摄;
b13)如果b11)中的图像都是静止的,则通过对所有图像计算均值,得到背景图。
3.根据权利要求1所述的一种自动检测劣质蘑菇的方法,其特征在于:步骤f)中菌盖检测的方法包括如下步骤:
f11)提取前景区域像素,进行连通域提取;
f12)外部轮廓提取;
f13)外部轮廓的长宽比例,是否在[1,3]之间,如果是,则下一步,否则,直接预警,当做劣质品处理;
f14)前景区域亮度反转,进一步进行连通域扫描;
f15)是否有面积阈值大于500像素的连通域,如果有,则下一步,否则,作为劣质品处理;
f16)得到内部连通域的轮廓;
f17)内外轮廓所围成的面积的比例,在[0.5,0.9]之间,则菌盖检测成功。
CN201711440417.XA 2017-12-27 2017-12-27 一种自动检测劣质蘑菇的方法 Active CN108171693B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711440417.XA CN108171693B (zh) 2017-12-27 2017-12-27 一种自动检测劣质蘑菇的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711440417.XA CN108171693B (zh) 2017-12-27 2017-12-27 一种自动检测劣质蘑菇的方法

Publications (2)

Publication Number Publication Date
CN108171693A CN108171693A (zh) 2018-06-15
CN108171693B true CN108171693B (zh) 2020-09-11

Family

ID=62522037

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711440417.XA Active CN108171693B (zh) 2017-12-27 2017-12-27 一种自动检测劣质蘑菇的方法

Country Status (1)

Country Link
CN (1) CN108171693B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108896564A (zh) * 2018-07-16 2018-11-27 山东理工大学 一种基于机器视觉的玉米种子双面破损检测方法
CN109752391B (zh) * 2018-12-25 2020-06-30 中国农业大学 一种基于机器视觉的胡萝卜表面缺陷识别量化方法
CN110430369B (zh) * 2019-07-19 2020-12-22 合肥工业大学 基于中央处理器单元的腔镜光源协同控制方法及装置
CN114838664B (zh) * 2022-07-04 2022-09-23 江西农业大学 一种基于黑皮鸡枞菌的菌盖尺寸原位测量方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0511907B2 (zh) * 1987-03-24 1993-02-16 Sumitomo Metal Ind
CN202570628U (zh) * 2011-09-26 2012-12-05 华中农业大学 基于计算机视觉技术的香菇分级机
CN103177257A (zh) * 2013-04-09 2013-06-26 江苏大学 一种鸡腿菇图像识别方法与分级方法
WO2016193602A1 (fr) * 2015-05-29 2016-12-08 Université De Bordeaux Système et méthode pour l'estimation d'un volume de récolte au sein d'une exploitation viticole

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101929849B (zh) * 2010-07-30 2012-02-01 浙江大学 一种香菇外形检测方法
CN107046933B (zh) * 2017-04-19 2019-08-06 南京航空航天大学 基于机器视觉的蘑菇自动采摘系统及方法
CN107316043A (zh) * 2017-07-04 2017-11-03 上海大学 一种采摘机器人的堆叠蘑菇快速识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0511907B2 (zh) * 1987-03-24 1993-02-16 Sumitomo Metal Ind
CN202570628U (zh) * 2011-09-26 2012-12-05 华中农业大学 基于计算机视觉技术的香菇分级机
CN103177257A (zh) * 2013-04-09 2013-06-26 江苏大学 一种鸡腿菇图像识别方法与分级方法
WO2016193602A1 (fr) * 2015-05-29 2016-12-08 Université De Bordeaux Système et méthode pour l'estimation d'un volume de récolte au sein d'une exploitation viticole

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Consumers’ visual attention to fruit defects and disorders: A case study with apple images;Sara R.Jaeger et al;《Postharvest Biology and Technology》;20160630;第36-44页 *
THE DEVELOPMENT OF A MACHINE VISION SYSTEM FOR SHIITAKE GRADING;HO-HSIEN CHEN et al;《Journal of Food Quality》;20041031;第352-365页 *
基于机器视觉的蘑菇单体检测定位算法及其边界描述;俞高红等;《农业工程学报》;20050630;第21卷(第6期);第101-104页 *

Also Published As

Publication number Publication date
CN108171693A (zh) 2018-06-15

Similar Documents

Publication Publication Date Title
CN108171693B (zh) 一种自动检测劣质蘑菇的方法
US20230368361A1 (en) Screen defect detection method, apparatus, and electronic device
CN105784713B (zh) 基于机器视觉的密封圈表面缺陷检测方法
CN109872300B (zh) 一种摩擦片外观缺陷的视觉显著性检测方法
Patel et al. Automatic segmentation and yield measurement of fruit using shape analysis
CN106780486B (zh) 一种钢板表面缺陷图像提取方法
CN110033439B (zh) 一种制丝过程中皮带输送机堵料的视觉检测方法
CN103759644A (zh) 一种滤光片表面缺陷的分离细化智能检测方法
CN111122590B (zh) 一种陶瓷表面缺陷检测装置及检测方法
CN106442561A (zh) 用于检测柑橘表皮缺陷的在线图像采集系统及方法
CN115330772A (zh) 一种在线焊点质量检测方法
CN109523524A (zh) 一种基于集成学习的眼底图像硬性渗出检测方法
Wang et al. Vision-based judgment of tomato maturity under growth conditions
CN106918602A (zh) 一种鲁棒的基于机器视觉的表面缺陷检测方法
CN110858395A (zh) 一种卷装长丝的污丝缺陷检测方法
CN111665251A (zh) 一种表面缺陷视觉检测方法
CN109682821B (zh) 一种基于多尺度高斯函数的柑橘表面缺陷检测方法
CN115601412A (zh) 基于多光谱图像处理对结晶聚合物粉体杂质的检测方法
CN102788806A (zh) 基于类球形亮度变换的水果表面缺陷检测方法
CN110765887A (zh) 隧道衬砌裂纹自动识别技术及检测方法
CN102184389B (zh) 用于心材与边材高色差树种的年轮自动识别方法
CN113610843A (zh) 一种光纤编织层的实时缺陷识别系统及其方法
KR101543896B1 (ko) 스캡 결함 검출 장치 및 방법
Puchalski et al. Image analysis for apple defect detection
CN110857919A (zh) 一种卷装长丝的尾丝缺陷检测方法

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20201208

Address after: Room 611-293, R & D center building, China (Hefei) international intelligent voice Industrial Park, 3333 Xiyou Road, high tech Zone, Hefei City, Anhui Province

Patentee after: Hefei jinguoyuan Visual Technology Co.,Ltd.

Address before: 230000 Hefei 10 high tech park, Anhui

Patentee before: HEFEI ASORTING INTELLIGENT TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right