CN108776143A - 一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置及方法 - Google Patents

一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置及方法 Download PDF

Info

Publication number
CN108776143A
CN108776143A CN201810520090.5A CN201810520090A CN108776143A CN 108776143 A CN108776143 A CN 108776143A CN 201810520090 A CN201810520090 A CN 201810520090A CN 108776143 A CN108776143 A CN 108776143A
Authority
CN
China
Prior art keywords
egg
image
stain
small stain
eggshell surface
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
CN201810520090.5A
Other languages
English (en)
Inventor
段宇飞
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.)
Hubei University of Technology
Original Assignee
Hubei University of Technology
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 Hubei University of Technology filed Critical Hubei University of Technology
Priority to CN201810520090.5A priority Critical patent/CN108776143A/zh
Publication of CN108776143A publication Critical patent/CN108776143A/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
    • G01N21/8851—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
    • 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
    • G01N21/94—Investigating contamination, e.g. dust
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/952—Inspecting the exterior surface of cylindrical bodies or wires
    • 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
    • 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
    • G01N21/94—Investigating contamination, e.g. dust
    • G01N2021/945—Liquid or solid deposits of macroscopic size on surfaces, e.g. drops, films, or clustered contaminants

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置及方法，装置包括传送辊轮、工业相机、图像采集箱、照射光源、光电传感器、PLC控制器和计算机；工业相机安装于采集箱顶部正中位置并通过数据传输线与计算机连接；传送辊轮下方设置有照射光源，光电传感器设置于采集箱一侧并与PLC控制器连接，PLC控制器通过串口通讯线与计算机进行串口通信。本发明首先自动采集鸡蛋的彩色图像，然后进行一系列必要的图像预处理过程，获得消除无用背景后的鸡蛋完整目标图像，提取蛋体上污斑区域在二值图像上的黑色像素点个数等参数，计算每个鸡蛋在三张图片中污斑区域像素点个数之和，根据像素点个数之和进行判别，由此实现对鸡蛋蛋壳表面微小污斑的在线检测。

Description

一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置及方法
技术领域
本发明属于视觉检测技术领域，涉及一种在线视觉检测装置及方法，具体涉及一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置及方法。
背景技术
鸡蛋因其具有蛋白质、磷脂、维生素等丰富的营养物质而深受人们的喜爱，成为了日常生活中必不可少的食物。由于刚出厂的鸡蛋表面可能附着一些粪便、血迹等污斑，不能直接投入市场销售，因此在鸡蛋的洁蛋加工过程中，检测出表面存在污斑的鸡蛋是保证洁蛋质量的重要环节。
目前，国内外学者在鸡蛋的污斑检测上进行了一些研究。Patel运用计算机视觉与神经网络的结合检测有污点的鸡蛋，检测率达到85％；Dehrouyeh等研究了一种基于HIS颜色空间中的算法来检测蛋壳上的污物；屠康等通过计算机视觉对鸡蛋污斑检测，将鸡蛋每旋转约120°采集一次鸡蛋图像进行分析处理，污斑鸡蛋的检测准确率为92％，总体准确率为90％以上；贾超实时采集单通道鸡蛋图像，通过使用分裂合并算法、小波变换、区域标记获得鸡蛋污物特征参数，检测准确率为88％。
现有的检测技术存在以下不足：
1、大多数的鸡蛋污斑检测技术以静态检测研究为主，对于动态在线检测相关技术研究较少；
2、利用机器视觉技术检测鸡蛋表面污斑时，少有针对于面积较为微小的污斑检测，目前这类微小的污斑仍需人工检测分拣；
3、在线检测单通道鸡蛋污斑的研究较多，还没有同时检测多通道的鸡蛋污斑技术，难以实现大批量检测。
发明内容
本发明的目的在于提高鸡蛋污斑检测技术的适用性，提供一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置及其方法。
本发明的装置所采用的技术方案是：一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置，其特征在于：包括传送辊轮、工业相机、图像采集箱、照射光源、光电传感器、PLC控制器和计算机；
所述图像采集箱固定安装在所述传送辊轮两侧的支架上，所述工业相机固定安装于采集箱顶部正中位置并通过数据传输线与所述计算机连接；所述传送辊轮下方设置有照射光源，所述光电传感器设置于所述采集箱一侧并与所述PLC控制器连接，所述PLC控制器通过串口通讯线与所述计算机进行串口通信。
本发明的方法所采用的技术方案是：一种鸡蛋蛋壳表面微小污斑的在线视觉检测方法，其特征在于，包括以下步骤：
步骤1：采集鸡蛋彩色图像；
步骤2：预处理图像，获得鸡蛋彩色完整目标图像；
步骤3：提取微小污斑特征参数；
步骤4：判别污斑蛋与干净蛋。
本发明具有以下优点和积极效果：
1、利用机器视觉技术进行鸡蛋检测，对应用环境没有较高的限制，更有利于该技术的应用推广；
2、对面积较小的微小污斑进行智能化检测，可以减少靠人眼识别产生的人工成本；
3、该发明所使用的方法更加高效、灵活、判断准确，实际应用会更加方便。
附图说明
图1是本发明实施例的装置结构示意图；
图2是本发明实施例的方法流程图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
请见图1，本发明提供的一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置，包括传送辊轮1、工业相机2、图像采集箱3、照射光源4、光电传感器5、PLC控制器6和计算机7；图像采集箱3固定安装在传送辊轮1两侧的支架上，工业相机2固定安装于采集箱3顶部正中位置并通过数据传输线与计算机7连接；传送辊轮1下方设置有照射光源4，光电传感器5设置于采集箱3一侧并与PLC控制器6连接，PLC控制器6通过串口通讯线与计算机7进行串口通信。
本实施例的传送辊轮1，为一种通用外购件，选用ZYF—J3分选机；其功能是传送鸡蛋8。
本实施例的工业相机2为GIGE工业相机，是一种通用外购件，选用GIGE接口相机(德国UEyeRE，UI-6210RE-C-HQ POE Rev 3)，镜头(日本computar M0814-MP2)；其功能是采集鸡蛋的彩色图像。
本实施例的图像采集箱3是一种封闭的矩形暗箱；其功能是保证采集图像时不受外界光的影响，提供一个稳定的采集环境，并起到固定安装工业相机2的作用。
本实施例的照射光源4是一种通用外购件，采用9个暖白色照蛋器以3*3并排放置在传送辊轮下方；其功能是形成透射方式照射鸡蛋。
本实施例的光电传感器5是一种通用外购件，选用漫反射式光电开关(台湾嘉准F&C CR—10P)；其功能是产生触发信号(即自动采集信号)。
本实施例的PLC控制器6为西门子S7-200PLC控制器，是一种通用外购件；其功能是用于接收光电传感器5发送的触发信号并转送至计算机7。
本实施例的计算机7是一种通用外购件，如选用Intel(R)Core(TM)i5-6500处理器Windows 7系统。
请见图2，本发明提供的一种鸡蛋蛋壳表面微小污斑的在线视觉检测方法，包括以下步骤：
步骤1：采集鸡蛋彩色图像；
当鸡蛋传送至图像采集箱内部时会触发一侧的光电传感器，触发信号经过PLC传输给计算机并控制工业相机采集此时的图像，达到自动采集图片的功能，每个鸡蛋可采集三张图片。
步骤2：预处理图像，获得鸡蛋彩色完整目标图像；
具体实现包括以下子步骤：
步骤2.1：对图片进行裁剪，将单张图片中的九枚鸡蛋裁剪分成九张单独的鸡蛋图片；
步骤2.2：寻找图像中像素B分量值大于零的点，并将其R、G、B三个颜色分量的值设置为零，其余像素点保持原值，以清除大部分由于透射照明产生的漏光区域；
步骤2.3：提取R颜色分量(红色分量)图，并利用自适应阈值分割进行二值化转化为黑白图像；
步骤2.4：采用5×5的圆形结构元素对步骤2.3中的黑白图像先腐蚀后膨胀，消除漏光残余区域；
步骤2.5：通过封闭孔洞填充算法补全蛋体表面图像的孔洞，利用去除最小面积法消除图片边缘上的多余干扰区域；
步骤2.6：提取经上述步骤处理后的蛋体轮廓；
步骤2.7：运用凸包算法剔除轮廓上存在的凹陷点，直接将剩下的凸包点相邻两端用线段进行连接，从而将蛋体轮廓补全；
步骤2.8：将补全后轮廓内的区域填充成白色，并与原图像进行点乘操作，获得去除背景后的鸡蛋彩色完整目标图像。
步骤3：提取微小污斑特征参数；
具体实现包括以下子步骤：
步骤3.1：统计鸡蛋彩色完整目标图像的像素点个数，记为M；
步骤3.2：利用公式GREY＝R*0.299+G*0.587+B*0.114将彩色图像转换为灰度图像；
步骤3.3：运用最大类间方差法对灰度图像进行自适应阈值分割为二值图像；
步骤3.4：统计二值图像中像素值为255的像素点个数，记为N；
步骤3.5：计算微小污斑参数的值L＝M-N。
步骤4：判别污斑蛋与干净蛋；
具体实现包括以下子步骤：
步骤4.1：针对每枚鸡蛋所采集到的三张图片分别进行上述步骤的处理，计算每枚鸡蛋分别在三张图片上提取的微小污斑区域特征参数，记为L1、L2、L3；
步骤4.2：计算三个参数的和Lsum＝L1+L2+L3；
步骤4.3：若Lsum的值大于零，则判定该鸡蛋为污斑蛋；若Lsum的值等于零，则判定该鸡蛋为干净蛋。
本发明利用机器视觉技术首先自动采集鸡蛋的彩色图像，然后进行一系列必要的图像预处理过程，获得消除无用背景后的鸡蛋完整目标图像，提取蛋体上污斑区域在二值图像上的黑色像素点个数等参数，计算每个鸡蛋在三张图片中污斑区域像素点个数之和，根据像素点个数之和进行判别，由此实现对鸡蛋蛋壳表面微小污斑的在线检测。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (9)

1.一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置，其特征在于：包括传送辊轮(1)、工业相机(2)、图像采集箱(3)、照射光源(4)、光电传感器(5)、PLC控制器(6)和计算机(7)；
所述图像采集箱(3)固定安装在所述传送辊轮(1)两侧的支架上，所述工业相机(2)固定安装于采集箱(3)顶部正中位置并通过数据传输线与所述计算机(7)连接；所述传送辊轮(1)下方设置有照射光源(4)，所述光电传感器(5)设置于所述采集箱(3)一侧并与所述PLC控制器(6)连接，所述PLC控制器(6)通过串口通讯线与所述计算机(7)进行串口通信。
2.根据权利要求1所述的鸡蛋蛋壳表面微小污斑的在线视觉检测装置，其特征在于：所述照射光源(4)为9个暖白色照蛋器，以3*3并排设置在所述传送辊轮(1)下方。
3.一种鸡蛋蛋壳表面微小污斑的在线视觉检测方法，其特征在于，包括以下步骤：
步骤1：采集鸡蛋彩色图像；
步骤2：预处理图像，获得鸡蛋彩色完整目标图像；
步骤3：提取微小污斑特征参数；
步骤4：判别污斑蛋与干净蛋。
4.根据权利要求3所述的鸡蛋蛋壳表面微小污斑的在线视觉检测方法，其特征在于，步骤2的具体实现包括以下子步骤：
步骤2.1：对图片进行裁剪，将单张图片中的九枚鸡蛋裁剪分成九张单独的鸡蛋图片；
步骤2.2：寻找图像中像素B分量值大于零的点，并将其R、G、B三个颜色分量的值设置为零，其余像素点保持原值，以清除大部分由于透射照明产生的漏光区域；
步骤2.3：提取R颜色分量图，并利用自适应阈值分割进行二值化转化为黑白图像；
步骤2.4：采用圆形结构元素对步骤2.3中的黑白图像先腐蚀后膨胀，消除漏光残余区域；
步骤2.5：补全蛋体表面图像的孔洞，消除图片边缘上的多余干扰区域；
步骤2.6：提取经上述步骤处理后的蛋体轮廓；
步骤2.7：剔除轮廓上存在的凹陷点，直接将剩下的凸包点相邻两端用线段进行连接，从而将蛋体轮廓补全；
步骤2.8：将补全后轮廓内的区域填充成白色，并与原图像进行点乘操作，获得去除背景后的鸡蛋彩色完整目标图像。
5.根据权利要求4所述的鸡蛋蛋壳表面微小污斑的在线视觉检测方法，其特征在于：步骤2.5中，通过封闭孔洞填充算法补全蛋体表面图像的孔洞，利用去除最小面积法消除图片边缘上的多余干扰区域。
6.根据权利要求4所述的鸡蛋蛋壳表面微小污斑的在线视觉检测方法，其特征在于：步骤2.7中，运用凸包算法剔除轮廓上存在的凹陷点。
7.根据权利要求3所述的鸡蛋蛋壳表面微小污斑的在线视觉检测方法，其特征在于，步骤3的具体实现包括以下子步骤：
步骤3.1：统计鸡蛋彩色完整目标图像的像素点个数，记为M；
步骤3.2：利用公式GREY＝R*0.299+G*0.587+B*0.114将彩色图像转换为灰度图像；
步骤3.3：对灰度图像进行自适应阈值分割为二值图像；
步骤3.4：统计二值图像中像素值为255的像素点个数，记为N；
步骤3.5：计算微小污斑参数的值L＝M-N。
8.根据权利要求7所述的鸡蛋蛋壳表面微小污斑的在线视觉检测方法，其特征在于：步骤3.3中，运用最大类间方差法对灰度图像进行自适应阈值分割为二值图像。
9.根据权利要求3所述的鸡蛋蛋壳表面微小污斑的在线视觉检测方法，其特征在于，步骤4的具体实现包括以下子步骤：
步骤4.1：针对每枚鸡蛋所采集到的三张图片分别进行上述步骤的处理，计算每枚鸡蛋分别在三张图片上提取的微小污斑区域特征参数，记为L1、L2、L3；
步骤4.2：计算三个参数的和Lsum＝L1+L2+L3；
步骤4.3：若Lsum的值大于零，则判定该鸡蛋为污斑蛋；若Lsum的值等于零，则判定该鸡蛋为干净蛋。
CN201810520090.5A 2018-05-28 2018-05-28 一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置及方法 Pending CN108776143A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810520090.5A CN108776143A (zh) 2018-05-28 2018-05-28 一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810520090.5A CN108776143A (zh) 2018-05-28 2018-05-28 一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置及方法

Publications (1)

Publication Number Publication Date
CN108776143A true CN108776143A (zh) 2018-11-09

Family

ID=64027785

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810520090.5A Pending CN108776143A (zh) 2018-05-28 2018-05-28 一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置及方法

Country Status (1)

Country Link
CN (1) CN108776143A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109632820A (zh) * 2018-11-19 2019-04-16 温州大学 清洗机清洗检测方法
CN111328738A (zh) * 2020-02-05 2020-06-26 江苏仁康蛋业有限公司 一种高打发鸡蛋白液的制备系统
CN111948214A (zh) * 2020-07-17 2020-11-17 同济大学 一种用于图像脏污等级分类的装置及方法
CN114782421A (zh) * 2022-06-17 2022-07-22 山东峪口禽业有限公司 基于产蛋异常检测的家禽兽医辅助系统
CN114898148A (zh) * 2022-05-10 2022-08-12 中国农业大学 一种基于深度学习的鸡蛋污损检测方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1221613A2 (en) * 2001-01-05 2002-07-10 Nabel Co., Ltd. Method and apparatus for inspecting the surface condition of egg shells
CN101320004A (zh) * 2008-07-03 2008-12-10 西北工业大学 基于机器视觉的竹条缺陷在线检测方法
CN102590218A (zh) * 2012-01-16 2012-07-18 安徽中科智能高技术有限责任公司 基于机器视觉的金属零件光洁表面微缺陷检测装置及方法
CN102680478A (zh) * 2012-04-25 2012-09-19 华南农业大学 一种基于机器视觉的机械零部件表面缺陷检测方法及装置
CN107618533A (zh) * 2017-09-29 2018-01-23 兰州交通大学 一种钢轨表面离散缺陷的机器视觉检测装置及方法
CN108051449A (zh) * 2018-01-30 2018-05-18 华中农业大学 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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1221613A2 (en) * 2001-01-05 2002-07-10 Nabel Co., Ltd. Method and apparatus for inspecting the surface condition of egg shells
CN101320004A (zh) * 2008-07-03 2008-12-10 西北工业大学 基于机器视觉的竹条缺陷在线检测方法
CN102590218A (zh) * 2012-01-16 2012-07-18 安徽中科智能高技术有限责任公司 基于机器视觉的金属零件光洁表面微缺陷检测装置及方法
CN102680478A (zh) * 2012-04-25 2012-09-19 华南农业大学 一种基于机器视觉的机械零部件表面缺陷检测方法及装置
CN107618533A (zh) * 2017-09-29 2018-01-23 兰州交通大学 一种钢轨表面离散缺陷的机器视觉检测装置及方法
CN108051449A (zh) * 2018-01-30 2018-05-18 华中农业大学 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

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
M.H. DEHROUYEH: "Grading and Quality Inspection of Defected Eggs Using Machine", 《INTERNATIONAL JOURNAL OF ADVANCE SCIENCE AND TECHNOLOGY》 *
XU KUNRUI,LU XI: "Online automatic grading of salted eggs based on", 《INT J AGRIC & BIOL ENG》 *
段宇飞: ""鸡蛋多品质高通量在线快速无损检测研究"", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 *
贾超: ""基于图像处理的动态群体鸡蛋污物检测方法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109632820A (zh) * 2018-11-19 2019-04-16 温州大学 清洗机清洗检测方法
CN111328738A (zh) * 2020-02-05 2020-06-26 江苏仁康蛋业有限公司 一种高打发鸡蛋白液的制备系统
CN111328738B (zh) * 2020-02-05 2021-11-16 江苏仁康蛋业有限公司 一种高打发鸡蛋白液的制备系统
CN111948214A (zh) * 2020-07-17 2020-11-17 同济大学 一种用于图像脏污等级分类的装置及方法
CN114898148A (zh) * 2022-05-10 2022-08-12 中国农业大学 一种基于深度学习的鸡蛋污损检测方法及系统
CN114898148B (zh) * 2022-05-10 2024-04-26 中国农业大学 一种基于深度学习的鸡蛋污损检测方法及系统
CN114782421A (zh) * 2022-06-17 2022-07-22 山东峪口禽业有限公司 基于产蛋异常检测的家禽兽医辅助系统
CN114782421B (zh) * 2022-06-17 2022-08-26 山东峪口禽业有限公司 基于产蛋异常检测的家禽兽医辅助系统

Similar Documents

Publication Publication Date Title
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
CN106370668B (zh) 一种咸蛋内部品质的在线视觉检测装置及其方法
CN109187553B (zh) 一种基于机器视觉的变质鸡蛋在线智能识别方法
CN109307675A (zh) 一种产品外观检测方法和系统
CN102221559A (zh) 基于机器视觉的织物疵点在线自动检测方法及其装置
CN101907453B (zh) 基于机器视觉的块状农产品尺寸在线测量方法与装置
US9064187B2 (en) Method and system for item identification
CN101706445B (zh) 用于牛肉大理石花纹等级评分的图像处理方法
CN109490316A (zh) 一种基于机器视觉的表面缺陷检测算法
CN206848190U (zh) 一种基于颜色分类器的印刷品色差检测装置
CN103308523B (zh) 多尺度瓶口缺陷检测方法及装置
Sharma et al. Grain quality detection by using image processing for public distribution
CN108896574A (zh) 一种基于机器视觉的瓶装白酒杂质检测方法及系统
CN113077450B (zh) 基于深度卷积神经网络的樱桃分级检测方法及系统
CN108318494B (zh) 红提果粉的在线视觉检测分级装置及其方法
CN110096980A (zh) 字符检测识别系统
Chen et al. Evaluating fabric pilling with light-projected image analysis
CN109089992A (zh) 一种基于机器视觉的鱼类新鲜度的分类方法及系统
CN207366475U (zh) 一种凹凸图案在线视频检测装置
CN109115775A (zh) 一种基于机器视觉的槟榔等级检测方法
CN108195847A (zh) 一种凹凸图案在线视频检测装置及其检测方法
CN117636334B (zh) 一种基于图像处理的猪肉品质分类方法
CN116758060B (zh) 一种电池片立式花篮视觉检测系统
CN104573743B (zh) 一种人脸图像检测过滤方法
CN107300360A (zh) 一种杂粮作物籽粒三轴尺寸快速检测算法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181109

RJ01 Rejection of invention patent application after publication