CN108197662A - 一种实木地板分类方法 - Google Patents
一种实木地板分类方法 Download PDFInfo
- Publication number
- CN108197662A CN108197662A CN201810058677.9A CN201810058677A CN108197662A CN 108197662 A CN108197662 A CN 108197662A CN 201810058677 A CN201810058677 A CN 201810058677A CN 108197662 A CN108197662 A CN 108197662A
- Authority
- CN
- China
- Prior art keywords
- color
- image
- floor board
- solid wooden
- wooden floor
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectrometry And Color Measurement (AREA)
- Image Processing (AREA)
Abstract
一种实木地板分类方法,其特征在于:包括以下步骤:步骤1:在标准光源下通过高清彩色相机依次从左至右采集3幅地板局部图像;步骤2:消除每幅图像的纹理、节子、空心、孔洞、腐朽对表面颜色的影响;步骤3:提取每幅图像颜色特征并计算3幅图像颜色总体特征;步骤4:采用k近邻算法实现地板分类。该方法去除纹理和缺陷干扰后,采集3幅图像计算颜色特征均值,所提取的表面颜色特征更准确。另外通过加权计算欧氏距离和交差验证选择合适的k值,k近邻算法能实现准确的实木地板分类。
Description
技术领域
本发明涉及木制品加工领域,特别涉及实木地板分类方法。
背景技术
实木地板分类是地板涂装生产过程中的关键工序。在地板涂装加工前,需要检测实木地板表面颜色,并根据颜色进行分类。这是因为在地板涂装生产过程中,若实木地板表面颜色存在较大差异,在相同上色工序下,会导致实木地板涂装后的成品颜色存在较大差异。传统实木地板制造业分类仍采用技工目测判断颜色后手动分类,存在严重的不足:(1)技工需要对实木地板表面颜色进行持续观察,极易导致视觉疲劳,错检率高;(2)技工技术能力不同,对实木地板颜色估计存在差异,检验结果一致性较差;(3)人工分类耗时长。
通过计算机采集实木地板表面颜色特征,有利于实现实木地板准确快速分类,有利于实现生产自动化。上世纪30年代是计算机颜色采集的奠基阶段,国际照明委员会创建了刺激值的表色体系。Kubelka等人提出了Kubelka-Munk理论,该理论论证了不透明介质中对光谱的吸收和散射不同,因此可以通过测试不透明介质对光谱的反射率进行不透明介质颜色量的判定。Data Color International公司的DC配色系统和颜色控制系统,利用Kubelka-Munk理论,采用分光测色仪法采集光谱的反射率,从而判定被测物品的颜色,并成功应用于纺织印染、汽车喷漆、印刷等行业。但该方法无法直接用于实木地板颜色采集,这是因为实木地板表面表面颜色并不均匀,并且与纹理颜色量差异极大,如果采用分光测色仪法采集一点或多点的颜色量,如果采到纹理点或是非典型的表面颜色,则无法反映实木地板表面颜色特征。
现有技术用于实木地板分类仍存在两个问题:(1)实木地板分类是为了后继配色,企业实际生产工艺只关注表面颜色,但现有技术只是为了将纹理和缺陷严重的木材作为次品剔除,从而过重考虑了木材纹理和缺陷的颜色特征,影响了表面颜色特征提取的准确性。(2)由于实木地板尺寸为900*122*18mm,长度长、宽度小。要保证该尺寸范围内光照足够均匀,成本和技术难度较大;用高清彩色相机恰好采集到完整实木地板技术极难实现;采集完整的图像颜色特征提取计算量较大,不利于快速实时处理。
发明内容
本发明为了解决现有技术问题,设计一种能够准确提取木地板颜色特征,对木地板进行高效分类,提高木地板配色准确度的实木地板分类方法。
本发明的技术方案是:一种实木地板分类方法,其特征在于:包括以下步骤:步骤1:在标准光源下通过高清彩色相机依次从左至右采集3幅地板局部图像;步骤2:消除每幅图像的纹理、节子、空心、孔洞、腐朽对表面颜色的影响;步骤3:提取每幅图像颜色特征并计算3幅图像颜色总体特征;步骤4:采用k近邻算法实现地板分类。
作为一种优选:在消除每幅图像的纹理节子、空心、孔洞、腐朽对表面颜色的影响的方法是采用阈值分割:
第1步:计算图像RGB各分量的像素颜色值出现次数:
第2步:进行归一化得到:
第3步:再进行t点中值平滑滤波以去除噪声干扰
从取得中值从取得中值从取得中值取rmax,gmax,bmax分别为各分量颜色值归一化次数的峰值,并以rmax,gmax,bmax作为阈值分割基点。
作为一种优选:计算3幅图像的颜色总体特征的方式是:
先计算分割后的图像的像素颜色平均值(ur,ug,ub):
接着求3幅图像颜色特征值的平均值
其中(url,ugl,ubl)、(urm,ugm,ubm)、(urr,ugr,ubr)分别表示实木地
板左边、中间和右边局部图像的颜色特征值。
作为一种优选:k近邻算法具体步骤是:
设训练样本集Χ={(xi,yi)},i=1,…,n,其中,为样本的特
征向量,yi∈{c1,c2,…,cl}为样本类别,l为类别数;
(1)计算训练样本集xi,i=1,…,n的RGB 3个分量动态范围:
(2)计算测试样本与训练样本的加权欧氏距离:
计算测试样本X0与训练样本Xj,j=1,…,n之间的欧氏距离时,对距离进行加权修正,以消除RGB 3个分量对距离影响的差异:
其中,d0,j表示测试样本与第j个训练样本之间的距离之间的距离;
(3)找出与测试样本最近邻的k个点:
根据计算出的d0,j,j=1,…,n,从中找出值最小的k个点,涵盖这k个点训练样本的领域记作Nk(x);
(4)判定测试样本的类别:
在Nk(x)中根据多数表决规则决定X0的类别y:
其中
综上所述,本发明的有益效果是:
1、去除纹理和缺陷干扰后,采集3幅图像计算颜色特征均值,所提取的表面颜色特征更准确。
2、通过加权计算欧氏距离和交差验证选择合适的k值,k近邻算法能实现准确的实木地板分类。
附图说明
图1为本发明方法的步骤示意图。
图2为使用本发明方法的不同k值下的错检率
图3为使用本发明方法的不同材种和k值错检率
具体实施方式
如图1所示实木地板分类方法:(1)在CIE标准D65光源下,通过高清彩色相机从左至右依次采集3幅RGB真彩色局部图像;(2)通过阈值分割去除纹理和缺陷等对图像表面颜色的干扰;(3)计算每幅图像RGB 3个分量的表面颜色特征;(4)通过均值计算3幅图像的颜色总体特征;(5)加权k近邻算法进行分类。
标准光源选择CIE标准施照态D65光源,也可以是TL84(色温:4000K功率:18W)或者CWF美国冷白商店光源(Cool White Fluorescent),U30--美国暖白商店光源(Warm WhiteFluorescent)色温:3000K功率:20W。最佳方式是选择D65光源。
设在CIE标准D65光源下,通过高清彩色相机从左至右依次采集3幅实木地板24位真彩色图像RGB分量像素颜色值分别为:R(x,y),G(x,y),B(x,y),x=1,…,m1;y=1,…,m2;其中,m1,m2分别表示垂直和水平像素个数,N=m1×m2为图像的总像素数,像素颜色值范围为0~255。
由于实木地板表面颜色和纹理背景颜色存在明显差异,为了消除地板中的纹理和缺陷(节子、空心、孔洞、腐朽)对总体颜色的干扰,在消除每幅图像的纹理节子、空心、孔洞、腐朽对表面颜色的影响的方法是可以采用现有技术:近红外光谱结合SIMCA模式识别法(《东北林业大学学报》,2012,40(8):70-72),或者采用多模型融合图像快速识别技术(《东北林业大学学报》,2014(12):114-118),本发明方法推荐对已知图像进行阈值分割,具体步骤如下:
第1步:计算图像RGB各分量的像素颜色值出现次数
设PR(k),PG(k),PB(k)分别为k(k=0,…,255)种像素颜色值在图像RGB各分量中的比例:
其中:
第2步:通过阈值分割去除纹理干扰
对PR(k),PG(k),PB(k)分别进行归一化得到:
再进行t点中值平滑滤波以去除噪声干扰,即从取得中值从取得中值从取得中值取rmax,gmax,bmax分别为各分量颜色值归一化次数的峰值,并以rmax,gmax,bmax作为阈值分割基点。该阈值分割基点的获得能够使得反映实木地方表面颜色的获取范围变得更加精确,减少计算机系统的处理负担,提高整体分类的速度。
最大值及左右两边一定范围内反映的实木地板表面颜色。根据实际实验经验得知:选取在以rmax,gmax,bmax位置依次向左边搜索至大于0.5点的位置rleft,gleft,bleft作为左分割点阈值,依次向右边搜索至0.5点的位置rright,gright,bright作为右分割点阈值。这样选择可以弥补颜色值归一化之后少数被忽视的细节,在保证表面颜色值获取的速度的基础上,提高识别精度。
第3步:计算表面颜色特征
颜色均值能反映图像表面颜色特征,计算分割后的图像的像素颜色平均值。
第4步:提取出实木地板表面颜色总体特征
根据上面的第1步到第3步,分别对采集到的3幅图像计算其颜色特征值,计算出实木地板表面颜色总体特征,即3幅图像颜色特征值的平均值:
其中(url,ugl,ubl)、(urm,ugm,ubm)、(urr,ugr,ubr)分别表示实木地板左边、中间和右边局部图像的颜色特征值。
为了验证实木地板颜色特征提取效果,实施例从番龙眼材种中选择典型的3种等级浅/中/深地板各1块的局部左边图,通过上述方法提取出表面颜色特征。实木地板RGB图像大小均为500*500像素,颜色深度为24位;经归一化、5点平滑处理后提取的该图像表面颜色特征中可以看出:
(1)纹理与表面颜色特征差异明显,纹理色泽偏暗,表面颜色色泽明亮,纹理RGB分量颜色值均小于表面颜色特征。
(2)纹理和表面颜色特征并不呈现双峰特征,无法通过双峰之间的谷值进行阈值分割,因此实施例采用取到最大值1的50%,,即0.5作为左右两边的分割点,可以简单有效地除纹理干扰。
(3)RGB最大值左右两边并不对称,如果直接统计全部像素颜色值的平均值,其均值不能反映出真实的表面颜色特征。
(4)采用分光仪采集颜色,随机取一点,如果取到纹理点,则颜色特征会完全失真,如果随机取多点后计算均值,可以避免完全失真,但是仍与表面颜色存在较大误差。
(5)等级浅/深的RGB颜色值也差异明显,而等级中/浅的GB颜色值较接近。但总体上典型的实木地板等级浅/中/深提取的RGB颜色特征值差异较为明显。
因此,本方法通过图像的处理方法提取表面颜色特征准确,等级浅/中/深的RGB颜色特征值差异明显,有利于后继的配色。
接着在图像的颜色总体特征提取的基础上进行加权k近邻的实木地板分类:
设训练样本集Χ={(xi,yi)},i=1,…,n,其中,为样本的特征向量,yi∈{c1,c2,…,cl}为样本类别,l为类别数,基于k近邻的实木地板分类算法步骤如下:
(1)计算训练样本集xi,i=1,…,n的RGB 3个分量动态范围
(2)计算测试样本与训练样本的加权欧氏距离
计算测试样本X0与训练样本Xj,j=1,…,n之间的欧氏距离时,对距离进行加权修正,以消除RGB 3个分量对距离影响的差异:
其中,d0,j表示测试样本与第j个训练样本之间的距离之间的距离。
(3)找出与测试样本最近邻的k个点
根据计算出的d0,j,j=1,…,n,从中找出值最小的k个点,涵盖这k个点训练样本的领域记作Nk(x)。
(4)判定测试样本的类别
在Nk(x)中根据多数表决规则决定X0的类别y:
其中δ(a,b)见公式(2)。
实验与分析
实木地板样本库(见表1),其中样本数的70%作为训练样本,30%作为测试样本。图像大小为500*500,RGB颜色深度均为24位,颜色值范围为0~255。
表1训练和测试样本库
(1)样本颜色总体特征分布
为了直观理解本文提取的颜色总体特征是否可分,本文选择蟠龙眼材种,训练样本(等级浅/中/深各210块,共630块),统计其分布状况,其对应的RGB 3个量的动态范围分别为
每个分量的动态范围不一致,R分量动态范围较大,G居中,B最小,通过加权可以消除动态范围带来的RGB影响差异。最终:等级浅/中/深存在较为明显的差异,等级浅/深差异极大,等级中深和等级浅中有少部分重叠,这也是实木地板来源于自然界,颜色是从浅中到深是渐变而非突变。
(2)最优k值确定
k值过小,测试样本对近邻的训练样本点非常敏感,易产生过拟合;k值过大,与测试样本较远的(不相似的)训练样本也会对分类起作用,从而使分类产生错误。因此,为了获取实木地板分类中的最优k值,采用交叉验证方法统计了不同k值下的错检率(如图2)和不同材种和k值下的错检率(如图3),其中错检率f定义为:
式中,a为分类错误的实木地板数,b为参与分类的地板总数。从图2、图3可以看出:(1)对于给定的训练样本存在最优的k值;(2)不同材种的最优k值会有差异,这是因为k值是基于训练样本确定的;(3)在不同的k值下计算加权欧氏距离均优于未加权,这是因为加权后有利于每个分量发挥作用,避免了动态范围大的单一分量差异极小又占比过重导致的错检。
最终的实验效果:
为了验证本文提出的方法性能,对表1三种材种分别进行训练并分类。测试所用计算机操作系统:win10/CPU:(Core i7-7700HQ)/内存(8G)/测试软件(MATLAB R2016a)。实验效果:错检数11块,错检率1.1%,执行时间0.34秒。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。
Claims (6)
1.一种实木地板分类方法,其特征在于:包括以下步骤
步骤1:在标准光源下通过高清彩色相机依次从左至右采集3幅地板局部图像;
步骤2:消除每幅图像的纹理、节子、空心、孔洞、腐朽对表面颜色的影响;
步骤3:提取每幅图像颜色特征并计算3幅图像颜色总体特征;
步骤4:采用k近邻算法实现地板分类。
2.根据权利要求1所述的一种实木地板分类方法,其特征是:所述的标准光源选择CIE标准施照态D65光源。
3.根据权利要求1所述的一种实木地板分类方法,其特征是:消除每幅图像的纹理节子、空心、孔洞、腐朽对表面颜色的影响的方法是阈值分割:
第1步:计算图像RGB各分量的像素颜色值出现次数:
第2步:进行归一化得到:
第3步:再进行t点中值平滑滤波以去除噪声干扰:
从取得中值从取得中值从取得中值取rmax,gmax,bmax分别为各分量颜色值归一化次数的峰值,并以rmax,gmax,bmax作为阈值分割基点。
4.根据权利要求3所述的一种实木地板分类方法,其特征是:以rmax,gmax,bmax位置依次向左边搜索至大于0.5点的位置rleft,gleft,bleft作为左分割点,依次向右边搜索至0.5点的位置rright,gright,bright作为右分割点。
5.根据权利要求4所述的一种实木地板分类方法,其特征是:所述的计算3幅图像的颜色总体特征的方式是:
先计算分割后的图像的像素颜色平均值(ur,ug,ub):
接着求3幅图像颜色特征值的平均值
其中(url,ugl,ubl)、(urm,ugm,ubm)、(urr,ugr,ubr)分别表示实木地板左边、中间和右边局部图像的颜色特征值。
6.根据权利要求1所述的一种实木地板分类方法,其特征是:所述的k近邻算法中通过加权计算欧氏距离和交差验证选择合适的k值,具体步骤是:
设训练样本集X={(xi,yi)},i=1,…,n,其中,为样本的特征向量,yi∈{c1,c2,…,cl}为样本类别,l为类别数;
(1)计算训练样本集xi,i=1,…,n的RGB 3个分量动态范围:
(2)计算测试样本与训练样本的加权欧氏距离:
计算测试样本X0与训练样本Xj,j=1,…,n之间的欧氏距离时,对距离进行加权修正,以消除RGB 3个分量对距离影响的差异:
其中,d0,j表示测试样本与第j个训练样本之间的距离之间的距离;
(3)找出与测试样本最近邻的k个点:
根据计算出的d0,j,j=1,…,n,从中找出值最小的k个点,涵盖这k个点训练样本的领域记作Nk(x);
(4)判定测试样本的类别:
在Nk(x)中根据多数表决规则决定X0的类别y:
其中
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810058677.9A CN108197662B (zh) | 2018-01-22 | 2018-01-22 | 一种实木地板分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810058677.9A CN108197662B (zh) | 2018-01-22 | 2018-01-22 | 一种实木地板分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108197662A true CN108197662A (zh) | 2018-06-22 |
CN108197662B CN108197662B (zh) | 2022-02-11 |
Family
ID=62590075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810058677.9A Active CN108197662B (zh) | 2018-01-22 | 2018-01-22 | 一种实木地板分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108197662B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111382771A (zh) * | 2018-12-29 | 2020-07-07 | 北京达佳互联信息技术有限公司 | 数据分类方法、装置、设备及存储介质 |
CN113012156A (zh) * | 2021-05-10 | 2021-06-22 | 南京林业大学 | 实木板材颜色智能分类方法 |
CN114998635A (zh) * | 2021-02-26 | 2022-09-02 | 宝元数控股份有限公司 | 板片辨识分类方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663422A (zh) * | 2012-03-27 | 2012-09-12 | 江南大学 | 基于颜色特征的地板层次分类方法 |
CN102682286A (zh) * | 2012-04-16 | 2012-09-19 | 中国农业大学 | 基于激光视觉系统的采摘机器人果实识别方法 |
CN104504716A (zh) * | 2014-12-31 | 2015-04-08 | 广州厚邦木业制造有限公司 | 基于bp神经网络的实木地板油漆自动配色方法 |
US20160235270A1 (en) * | 2015-02-13 | 2016-08-18 | Irobot Corporation | Mobile floor-cleaning robot with floor-type detection |
CN106126214A (zh) * | 2016-06-17 | 2016-11-16 | 青岛海信移动通信技术股份有限公司 | 一种界面上文字颜色的确定方法及装置 |
CN106250867A (zh) * | 2016-08-12 | 2016-12-21 | 南京华捷艾米软件科技有限公司 | 一种基于深度数据的人体骨骼跟踪系统的实现方法 |
CN106295648A (zh) * | 2016-07-29 | 2017-01-04 | 湖北工业大学 | 一种基于多光谱成像技术的低质量文档图像二值化方法 |
CN106548212A (zh) * | 2016-11-25 | 2017-03-29 | 中国传媒大学 | 一种二次加权的knn音乐流派分类方法 |
CN107506790A (zh) * | 2017-08-07 | 2017-12-22 | 西京学院 | 基于农业物联网和深度信念网络的大棚冬枣病害预测模型 |
-
2018
- 2018-01-22 CN CN201810058677.9A patent/CN108197662B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663422A (zh) * | 2012-03-27 | 2012-09-12 | 江南大学 | 基于颜色特征的地板层次分类方法 |
CN102682286A (zh) * | 2012-04-16 | 2012-09-19 | 中国农业大学 | 基于激光视觉系统的采摘机器人果实识别方法 |
CN104504716A (zh) * | 2014-12-31 | 2015-04-08 | 广州厚邦木业制造有限公司 | 基于bp神经网络的实木地板油漆自动配色方法 |
US20160235270A1 (en) * | 2015-02-13 | 2016-08-18 | Irobot Corporation | Mobile floor-cleaning robot with floor-type detection |
CN106126214A (zh) * | 2016-06-17 | 2016-11-16 | 青岛海信移动通信技术股份有限公司 | 一种界面上文字颜色的确定方法及装置 |
CN106295648A (zh) * | 2016-07-29 | 2017-01-04 | 湖北工业大学 | 一种基于多光谱成像技术的低质量文档图像二值化方法 |
CN106250867A (zh) * | 2016-08-12 | 2016-12-21 | 南京华捷艾米软件科技有限公司 | 一种基于深度数据的人体骨骼跟踪系统的实现方法 |
CN106548212A (zh) * | 2016-11-25 | 2017-03-29 | 中国传媒大学 | 一种二次加权的knn音乐流派分类方法 |
CN107506790A (zh) * | 2017-08-07 | 2017-12-22 | 西京学院 | 基于农业物联网和深度信念网络的大棚冬枣病害预测模型 |
Non-Patent Citations (3)
Title |
---|
《计算机工程与应用》: "基于颜色特征的地板层次分类研究", 《计算机工程与应用》 * |
关雪梅: "几种图像平滑处理方法比较研究", 《牡丹江师范学院学报(自然科学版)》 * |
汪庆华,刘江炜,张兰兰: "交叉验证K近邻算法分类研究", 《西安工业大学学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111382771A (zh) * | 2018-12-29 | 2020-07-07 | 北京达佳互联信息技术有限公司 | 数据分类方法、装置、设备及存储介质 |
CN111382771B (zh) * | 2018-12-29 | 2024-03-15 | 北京达佳互联信息技术有限公司 | 数据分类方法、装置、设备及存储介质 |
CN114998635A (zh) * | 2021-02-26 | 2022-09-02 | 宝元数控股份有限公司 | 板片辨识分类方法及系统 |
TWI786555B (zh) * | 2021-02-26 | 2022-12-11 | 寶元數控股份有限公司 | 板片辨識分類方法及系統 |
CN113012156A (zh) * | 2021-05-10 | 2021-06-22 | 南京林业大学 | 实木板材颜色智能分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108197662B (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115294113A (zh) | 一种木饰面板质量检测方法 | |
KR101939887B1 (ko) | 피벗-정규화를 사용하는 코팅된 표면의 텍스처 분석 | |
Abdullah et al. | Quality inspection of bakery products using a color‐based machine vision system | |
CN108197662A (zh) | 一种实木地板分类方法 | |
CN102183500B (zh) | 基于荧光特征参量欧氏距离的白酒鉴别方法 | |
CN104458755A (zh) | 一种基于机器视觉的多类型材质表面缺陷检测方法 | |
CN104949925A (zh) | 珍珠分级方法 | |
CN102663422B (zh) | 基于颜色特征的地板层次分类方法 | |
CN112098357B (zh) | 一种基于近红外光谱的草莓感官品质等级评价方法 | |
CN110286139B (zh) | 古漆器漆膜大数据复合特征判别方法 | |
Sioma | Assessment of wood surface defects based on 3D image analysis | |
CN107219184A (zh) | 一种应用于产地溯源的肉类鉴别方法及装置 | |
JP7387748B2 (ja) | テクスチャ品質の視覚による比較を取り入れた、エフェクト色の配合を見つけ、適合させるための方法および装置 | |
CN110554013A (zh) | 一种利用荧光光谱特征信息实现快速识别比对的方法 | |
Park et al. | Automated defect inspection systems by pattern recognition | |
CN117152461A (zh) | 一种基于数字图像的卷烟包装材料色差检测方法 | |
Prabowo et al. | Edge detection technique for rice quality analysis using digital image processing | |
Georgieva et al. | Identification of surface leather defects. | |
Markovic et al. | Application of statistical indicators for digital image analysis and segmentation in sorting of agriculture products | |
Bharati | Multivariate image analysis and regression for industrial process monitoring and product quality control. | |
CA3180618A1 (en) | Method and apparatus for identifying characteristics of trading cards | |
Lin et al. | Wood color classification based on color spatial features and k-means algorithm | |
Yang et al. | Nondestructive detection method of egg quality based on multi-sensor information fusion technology | |
CN113791049B (zh) | 一种融合nirs和cv对冷鲜鸭肉新鲜度进行快速检测的方法 | |
Park et al. | Pattern recognition from segmented images in automated inspection systems |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230321 Address after: 313009 no.3998 xunlian highway, Nanxun District, Huzhou City, Zhejiang Province Patentee after: JIUSHENG WOOD Co.,Ltd. Address before: No.759, East 2nd Ring Road, Huzhou City, Zhejiang Province, 313000 Patentee before: HUZHOU TEACHERS College |
|
TR01 | Transfer of patent right |