CN109376257A - 基于图像处理的茶叶识别方法 - Google Patents

基于图像处理的茶叶识别方法 Download PDF

Info

Publication number
CN109376257A
CN109376257A CN201811245694.XA CN201811245694A CN109376257A CN 109376257 A CN109376257 A CN 109376257A CN 201811245694 A CN201811245694 A CN 201811245694A CN 109376257 A CN109376257 A CN 109376257A
Authority
CN
China
Prior art keywords
tealeaves
tea
color image
rgb
yellow leaf
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
CN201811245694.XA
Other languages
English (en)
Inventor
李志强
甘密
杨洪涛
汪飞
夏先春
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.)
Guizhou Electromechanical Research & Design Institute
Original Assignee
Guizhou Electromechanical Research & Design Institute
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 Guizhou Electromechanical Research & Design Institute filed Critical Guizhou Electromechanical Research & Design Institute
Priority to CN201811245694.XA priority Critical patent/CN109376257A/zh
Publication of CN109376257A publication Critical patent/CN109376257A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/001Image restoration
    • G06T5/002Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/155Segmentation; Edge detection involving morphological operators

Abstract

本发明公开了一种基于图像处理的茶叶识别方法,(A1)获取样本茶叶、茶梗以及黄叶的RGB原始彩色图像;(A2)将RGB原始彩色图像作滤波去噪预处理;(A3)将经过预处理的RGB原始彩色图像从RGB颜色空间转化到HSV颜色空间形成HSV彩色图像;(A4)提取茶叶、茶梗以及黄叶HSV彩色图像的色调H、饱和度S、明度V的特征参数;(A5)根据茶叶、茶梗以及黄叶的色调H、饱和度S、明度V的特征参数,确定各自的色调H、饱和度S、明度V的下、上限值,从而确定各自色调H、饱和度S、明度V的值范围;(A6)将确定的值范围录入茶叶分选设备的茶叶分选控制系统中,构成数据库;B、对象特征参数的获取;C、特征参数的匹配。该方法能够快速地将茶叶中的茶梗、黄叶分选出来。

Description

基于图像处理的茶叶识别方法
技术领域
本发明涉及一种茶叶识别方法,特别是一种基于图像处理的茶叶识别方法。
背景技术
图像处理技术是随着计算机的发展和成熟而迅速发展起来的一个重要应用领域,是模拟人眼识别机理,以颜色为主要特征参数的一种技术方法。运用计算机图像处理技术可实现信息采集和处理的智能化操作,并对识别物体进行无损、快速、实时的监测,提高算法的精度和效率,已广泛应用于现代农业的生产和加工领域。
近年来,许多学者致力于茶叶识别的研究,部分学者利用彩色图像的颜色特征对茶叶嫩叶进行了识别;另一部分学者利用图像处理技术对加工后的成品茶叶进行了识别。在对成品茶叶的识别中,有人利用近红外光谱技术识别茶叶,有人利用BP神经网络技术识别茶叶,还有部分人利用支持向量机来识别茶叶,识别效果较佳,但是这些方法是识别不同种类茶叶的方法,对同一种茶叶进行识别从而将同一种茶叶中的茶叶、茶梗以及黄叶筛选出来的方法鲜有人研究。
发明内容
本发明的目的在于,提供一种基于图像处理的茶叶识别方法。该方法能够对茶叶进行实时的监测,能够无损、快速地将茶叶中的茶梗、黄叶分选出来。
本发明的技术方案:一种基于图像处理的茶叶识别方法,该方法包括数据库的建立、对象特征参数的获取以及特征参数的匹配,具体步骤包括:
A、数据库的建立
(A1) 获取样本茶叶、茶梗以及黄叶的RGB原始彩色图像;
(A2) 将RGB原始彩色图像作滤波去噪预处理;
(A3) 将经过预处理的RGB原始彩色图像从RGB颜色空间转化到 HSV 颜色空间形成HSV彩色图像;
(A4) 提取茶叶、茶梗以及黄叶HSV彩色图像的色调H、饱和度S、明度V的特征参数;
(A5) 根据茶叶、茶梗以及黄叶的色调H、饱和度S、明度V的特征参数,确定各自的色调H、饱和度S、明度V的下、上限值,从而确定各自色调H、饱和度S、明度V的值范围;
(A6)将确定的值范围录入茶叶分选设备的茶叶分选控制系统中,构成数据库;
B、对象特征参数的获取
将待分筛的茶叶投入至茶叶分选设备中,茶叶输送过程中,重复步骤(A1)至(A4),通过茶叶分选控制系统获得对象的特征参数;
C、特征参数的匹配
将获取的对象的特征参数与数据库中的茶叶、茶梗以及黄叶的值范围进行匹配,确认对象是属于茶叶、茶梗、黄叶,还是其它。
前述的基于图像处理的茶叶识别方法,对象的RGB原始彩色图像获取方法为,将成品茶叶放于一个振动器平台上,随着振动器振动,成品茶叶沿着倾斜度为30°—70°的斜槽均匀下落,进入CCD彩色相机的拍摄区,通过CCD彩色相机获取RGB原始彩色图像。
前述的基于图像处理的茶叶识别方法,对象的RGB原始彩色图像获取过程中,斜槽所在平面与CCD彩色相机的拍摄平面垂直,且斜槽与CCD彩色相机所处空间内壁全均为黑色。
前述的基于图像处理的茶叶识别方法,对象的RGB原始彩色图像获取过程中,CCD彩色相机的背景采用绒面亚克力板作为背景板,光源采用色温为5000k-6000k的面光源。
前述的基于图像处理的茶叶识别方法,对象的RGB原始彩色图像获取过程中,用工业线阵CCD彩色相机拍摄经过相机摄像区域的成品茶叶,获取其像素数据,然后将像素数据进行处理转换成RGB原始彩色图像后输入茶叶分选控制系统。
前述的基于图像处理的茶叶识别方法,RGB原始彩色图像滤波去噪预处理具体方法为,采用自适应滤波和直方图均衡化方法对RGB原始彩色图像进行滤波去噪预处理。
前述的基于图像处理的茶叶识别方法,对象特征参数的获取过程中,对象的特征参数获取完毕后,通过形态学处理,消除HSV彩色图像中不符合条件的区域,并将符合条件的图像特征识别出来,然后再将符合条件的图像特征参数与数据库进行匹配。
前述的基于图像处理的茶叶识别方法,对象的RGB原始彩色图像获取完毕后,将其输入至茶叶分选控制系统中进行处理,提取出基于HSV彩色图像的特征参数。
前述的基于图像处理的茶叶识别方法,步骤C、特征参数的匹配过程中,对象的属性确认之后,茶叶分选控制系统控制一组高速喷阀动作,利用高速喷阀改变黄叶、茶梗以及其它物质降落的方向,使得茶叶、茶梗、黄叶以及其它物质从不同的通道降落。
前述的基于图像处理的茶叶识别方法,所述高速喷阀与茶叶进料斜槽同平面,位于相机拍摄区平下方。
本发明的有益效果:与现有技术相比,本发明基于图像处理的茶叶识别方法,在提取茶叶颜色特征参数时选用 HSV颜色模型,并分别提取彩色图像H、S、V三通道中茶叶、茶梗、黄叶的特征参数,同时确定茶梗和黄叶的H、S、V值范围,通过将对象的特征参数与值范围进行匹配,从而将图像中的多个茶梗和黄叶全部识别出来,实现了茶叶识别的自动化,能够实时地对茶叶中的茶梗和黄叶进行监控,整个分选过程中不会对茶叶造成破坏,而且分选速度较快。使用该方法进行的计算机检测结果与人工检测结果高度吻合。
附图说明
图1是成品茶叶的颜色识别流程图;
图2是茶叶、茶梗、黄叶的原始图像;
图3是HSV彩色图像H通道像素分布;
图4是茶梗、黄叶的识别结果。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明,但并不作为对本发明限制的依据。
本发明的实施例:一种基于图像处理的茶叶识别方法,如附图1-4所示,该方法包括已知成品茶叶中茶叶、茶梗和黄叶的数据库的建立、对象特征参数的获取以及对象特征参数的匹配,具体步骤包括:
A、已知成品茶叶中茶叶、茶梗和黄叶的数据库的建立
(A1)同一种类的成品茶叶中,选取多个批次的成品茶叶样本,该成品茶叶样本中应包括茶叶、茶梗以及黄叶,并将每个样本中的茶叶、茶梗以及黄叶全部人工分离,单独存放,然后获取每个批次样本中的茶叶、茶梗以及黄叶的RGB原始彩色图像;
(A2) 将众多的RGB原始彩色图像分别作滤波去噪预处理;
(A3) 将经过预处理的RGB原始彩色图像从RGB颜色空间转化到 HSV 颜色空间形成HSV彩色图像;
(A4) 提取茶叶、茶梗以及黄叶在HSV彩色图像的色调H、饱和度S、明度V这三个通道中的特征参数;
(A5) 根据茶叶、茶梗以及黄叶的色调H、饱和度S、明度V的特征参数,确定茶叶、茶梗以及黄叶各自的色调H、饱和度S、明度V的下、上限值,从而确定茶叶、茶梗以及黄叶各自的色调H、饱和度S、明度V的值范围;
(A6)将确定的茶叶、茶梗以及黄叶的值范围录入茶叶分选设备的茶叶分选控制系统中,构成数据库,并进行保存。
成品茶叶基于HSV彩色图像的特征参数数据库建立之后,即可开始进行基于该数据库的成品茶叶的分筛工作。分筛工作主要包括有几个步骤:首先,是获取成品茶叶中每一个组成部分的特征参数;其次,将获取的特征参数与数据库中的值范围进行匹配,确认该特征参数落入那一个值范围中,从而确认该特征参数对应的对象的属性。至此,整个成品茶叶的识别过程完毕。
但是,成品茶叶的识别过程最终仅仅只能确认成品茶叶中哪些是茶叶、哪些是茶梗、哪些是黄叶,还有那些是其它物质。成品茶叶的识别最终是向茶叶的分选提供服务,最终的分选过程中,通过机械动作将前期确认过属性的成品茶叶,分为茶叶、茶梗、黄叶以及其它四个类别,将四个类别的物质分别收集在一起。
B、成品茶叶中对象特征参数的获取
将待分筛的成品茶叶投入至茶叶分选设备中,茶叶输送过程中,重复步骤(A1)至(A4),通过茶叶分选控制系统获得对象的基于HSV彩色图像的特征参数;
C、对象特征参数的匹配
茶叶分选控制系统将获取的对象的特征参数与数据库中的茶叶、茶梗以及黄叶的值范围进行匹配,确认每一个对象是属于茶叶、茶梗、黄叶,还是其它。
整个过程中,步骤A已知成品茶叶中茶叶、茶梗和黄叶的数据库的建立,是基于人工将茶叶、茶梗以及黄叶分选好;而步骤C对象特征参数的匹配过程,是通过机械对成品茶叶中的每个对象根据特征参数的不同进行分类。
步骤B、成品茶叶中对象特征参数的获取过程中,包括有第一个步骤,即为对象的RGB原始彩色图像获取。而对象的RGB原始彩色图像获取方法为,将成品茶叶放于一个振动器平台上,随着振动器振动,成品茶叶沿着倾斜度为30°—70°的斜槽均匀下落,进入CCD彩色相机的拍摄区,通过CCD彩色相机获取RGB原始彩色图像。RGB原始彩色图像获取后,将其输入至茶叶分选控制系统中进行处理,即可通过茶叶分选控制系统完成后续的几个步骤,提取出基于HSV彩色图像的特征参数。
对象的RGB原始彩色图像获取过程中,斜槽所在平面应与CCD彩色相机的拍摄平面垂直,且斜槽与CCD彩色相机所处空间内壁全均为黑色。
对象的RGB原始彩色图像获取过程中,CCD彩色相机的背景采用绒面亚克力板作为背景板,光源采用色温为5000k-6000k的面光源。
对象的RGB原始彩色图像获取过程中,用工业线阵CCD彩色相机拍摄经过相机摄像区域的成品茶叶,获取其像素数据,然后将像素数据进行处理转换成RGB原始彩色图像后输入茶叶分选控制系统。
RGB原始彩色图像滤波去噪预处理具体方法为,采用自适应滤波和直方图均衡化方法对RGB原始彩色图像进行滤波去噪预处理。
对象特征参数的获取过程中,特征参数获取完毕后,茶叶分选控制系统通过形态学处理,消除HSV彩色图像中不符合条件的区域,并将符合条件的图像特征识别出来,然后再将符合条件的图像特征参数与数据库进行匹配。成品茶叶中每一片茶叶的大小相差不会很大,茶梗还有黄叶也是如此,通过形态学处理的好处在于,通过大小比对,即可将一些不是茶叶、茶梗和黄叶的部分直接剔除掉,这些被直接剔除掉的物质不需要再进行基于HSV图像的特征参数匹配。比如,若茶叶输送或搬远过程中,会产生一些茶叶碎末,茶叶碎末的大小和茶叶、茶梗以及黄叶相比相差非常大,这个时候通过形态学处理,从其大小对比即可知道该茶叶碎末不属于茶叶、茶梗以及黄叶中的任意一类,从而将其划分到其它一类即可。这样,在后续进行的特征参数匹配过程中,就不需要将该茶叶碎末的特征参数与数据库进行匹配了,从而降低茶叶分选控制系统的工作量。实现茶叶、茶梗、黄叶以及其它物质的分类收集。
所述高速喷阀与茶叶进料斜槽同平面,位于相机拍摄区平下方。使用高速喷阀对茶叶、茶梗、黄叶以及其它物质分选过程中,会涉及有带出比的问题。既是将茶梗分选出来的时候,难免会将部分茶叶一同带出。一般情况下,识别算法的带出比是满足要求的。若带出比例比较低,则可忽略不计,若带出比比较高,则可以在茶梗、黄叶以及其它物质通道上再设置工业线阵CCD彩色相机和高速喷阀,重复步骤B和C的工作,直至带出比低于设定比例为此。而带出比为多少,可以通过多次试运行测定,或者通过茶叶分选控制系统对CCD彩色相机拍摄的图像进行分析得到。
步骤A、样本成品茶叶中茶叶、茶梗和黄叶的数据库的建立过程中,也是使用CCD彩色相机进行拍摄,拍摄环境与步骤B对象特征参数的获取过程中的拍摄环境相同。
步骤C、特征参数的匹配过程中,对象的属性确认之后,茶叶分选控制系统控制一组高速喷阀动作,利用高速喷阀改变黄叶、茶梗以及其它物质降落的方向,使得茶叶、茶梗、黄叶以及其它物质分别从不同的通道降落。
对于同类型的成品茶叶,前期只需要建立一次数据库,并将其保存至茶叶分选控制系统中即可。后期,再需要对同类型的成品茶叶进行分选时,即可跳过数据库建立这一过程,直接进行未知茶叶的特征参数获取以及特征参数的匹配过程即可。所谓同类型的成品茶叶主要指使用相同的生产方法及其工艺,生产得到的相同种类的茶叶。

Claims (10)

1.一种基于图像处理的茶叶识别方法,其特征在于:该方法包括数据库的建立、对象特征参数的获取以及特征参数的匹配,具体步骤包括:
A、数据库的建立
(A1) 获取样本茶叶、茶梗以及黄叶的RGB原始彩色图像;
(A2) 将RGB原始彩色图像作滤波去噪预处理;
(A3) 将经过预处理的RGB原始彩色图像从RGB颜色空间转化到 HSV 颜色空间形成HSV彩色图像;
(A4) 提取茶叶、茶梗以及黄叶HSV彩色图像的色调H、饱和度S、明度V的特征参数;
(A5) 根据茶叶、茶梗以及黄叶的色调H、饱和度S、明度V的特征参数,确定各自的色调H、饱和度S、明度V的下、上限值,从而确定各自色调H、饱和度S、明度V的值范围;
(A6)将确定的值范围录入茶叶分选设备的茶叶分选控制系统中,构成数据库;
B、对象特征参数的获取
将待分筛的茶叶投入至茶叶分选设备中,茶叶输送过程中,重复步骤(A1)至(A4),通过茶叶分选控制系统获得对象的特征参数;
C、特征参数的匹配
将获取的对象的特征参数与数据库中的茶叶、茶梗以及黄叶的值范围进行匹配,确认对象是属于茶叶、茶梗、黄叶,还是其它。
2.根据权利要求1所述的基于图像处理的茶叶识别方法,其特征在于:对象的RGB原始彩色图像获取方法为,将成品茶叶放于一个振动器平台上,随着振动器振动,成品茶叶沿着倾斜度为30°—70°的斜槽均匀下落,进入CCD彩色相机的拍摄区,通过CCD彩色相机获取RGB原始彩色图像。
3.根据权利要求2所述的基于图像处理的茶叶识别方法,其特征在于:对象的RGB原始彩色图像获取过程中,斜槽所在平面与CCD彩色相机的拍摄平面垂直,且斜槽与CCD彩色相机所处空间内壁全均为黑色。
4.根据权利要求2所述的基于图像处理的茶叶识别方法,其特征在于:对象的RGB原始彩色图像获取过程中,CCD彩色相机的背景采用绒面亚克力板作为背景板,光源采用色温为5000k-6000k的面光源。
5.根据权利要求2所述的基于图像处理的茶叶识别方法,其特征在于:对象的RGB原始彩色图像获取过程中,用工业线阵CCD彩色相机拍摄经过相机摄像区域的成品茶叶,获取其像素数据,然后将像素数据进行处理转换成RGB原始彩色图像后输入茶叶分选控制系统。
6.根据权利要求1所述的基于图像处理的茶叶识别方法,其特征在于:RGB原始彩色图像滤波去噪预处理具体方法为,采用自适应滤波和直方图均衡化方法对RGB原始彩色图像进行滤波去噪预处理。
7.根据权利要求1所述的基于图像处理的茶叶识别方法,其特征在于:对象特征参数的获取过程中,特征参数获取完毕后,通过形态学处理,消除HSV彩色图像中不符合条件的区域,并将符合条件的图像特征识别出来,然后再将符合条件的图像特征参数与数据库进行匹配。
8.根据权利要求2所述的基于图像处理的茶叶识别方法,其特征在于:对象的RGB原始彩色图像获取完毕后,将其输入至茶叶分选控制系统中进行处理,提取出基于HSV彩色图像的特征参数。
9.根据权利要求1所述的基于图像处理的茶叶识别方法,其特征在于:步骤C、特征参数的匹配过程中,对象的属性确认之后,茶叶分选控制系统控制一组高速喷阀动作,利用高速喷阀改变黄叶、茶梗以及其它物质降落的方向,使得茶叶、茶梗、黄叶以及其它物质从不同的通道降落。
10.根据权利要求9所述的基于图像处理的茶叶识别方法,其特征在于:所述高速喷阀与茶叶进料斜槽同平面,位于相机拍摄区平下方。
CN201811245694.XA 2018-10-24 2018-10-24 基于图像处理的茶叶识别方法 Pending CN109376257A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811245694.XA CN109376257A (zh) 2018-10-24 2018-10-24 基于图像处理的茶叶识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811245694.XA CN109376257A (zh) 2018-10-24 2018-10-24 基于图像处理的茶叶识别方法

Publications (1)

Publication Number Publication Date
CN109376257A true CN109376257A (zh) 2019-02-22

Family

ID=65401248

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811245694.XA Pending CN109376257A (zh) 2018-10-24 2018-10-24 基于图像处理的茶叶识别方法

Country Status (1)

Country Link
CN (1) CN109376257A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113477555A (zh) * 2021-07-22 2021-10-08 西华大学 基于图像处理的鲜茶分选机

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202009669U (zh) * 2011-03-17 2011-10-19 福建闽瑞茶业有限公司 茶叶茶梗分离装置
CN102521564A (zh) * 2011-11-22 2012-06-27 常熟市董浜镇华进电器厂 基于颜色和形状识别茶叶的方法
CN102750680A (zh) * 2012-06-30 2012-10-24 四川农业大学 基于经验模式分解和颜色空间的茶叶图像增强方法
CN104222327A (zh) * 2013-06-14 2014-12-24 吴耿茂 茶叶拣梗色选一体机
CN207366997U (zh) * 2017-09-25 2018-05-15 贵州省机电研究设计院 一种多功能茶叶智能分选控制系统
CN108154195A (zh) * 2018-01-19 2018-06-12 镇江思泊丽农业有限公司 茶叶识别方法及使用该方法的茶叶分拣装置
CN108416814A (zh) * 2018-02-08 2018-08-17 广州大学 一种菠萝头部的快速定位与识别方法及系统
CN108671534A (zh) * 2018-05-21 2018-10-19 湖南大学 一种基于目标轮廓与骨架特征的机器人象棋开局摆棋方法和系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202009669U (zh) * 2011-03-17 2011-10-19 福建闽瑞茶业有限公司 茶叶茶梗分离装置
CN102521564A (zh) * 2011-11-22 2012-06-27 常熟市董浜镇华进电器厂 基于颜色和形状识别茶叶的方法
CN102750680A (zh) * 2012-06-30 2012-10-24 四川农业大学 基于经验模式分解和颜色空间的茶叶图像增强方法
CN104222327A (zh) * 2013-06-14 2014-12-24 吴耿茂 茶叶拣梗色选一体机
CN207366997U (zh) * 2017-09-25 2018-05-15 贵州省机电研究设计院 一种多功能茶叶智能分选控制系统
CN108154195A (zh) * 2018-01-19 2018-06-12 镇江思泊丽农业有限公司 茶叶识别方法及使用该方法的茶叶分拣装置
CN108416814A (zh) * 2018-02-08 2018-08-17 广州大学 一种菠萝头部的快速定位与识别方法及系统
CN108671534A (zh) * 2018-05-21 2018-10-19 湖南大学 一种基于目标轮廓与骨架特征的机器人象棋开局摆棋方法和系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吴哲、刘孝星、郑力新、周凯: "《一种L-M优化BP网络的茶叶茶梗分类方法》", 《计算机技术与发展》 *
姚波、汪洋、李小瑞、吕军: "《自然环境下嫩芽与茶梗自动分割方法的研究》", 《黑龙江八一农垦大学学报》 *
黄留锁,宋艳: "《茶叶茶梗的计算机在线识别技术及其应用》", 《福建茶叶》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113477555A (zh) * 2021-07-22 2021-10-08 西华大学 基于图像处理的鲜茶分选机

Similar Documents

Publication Publication Date Title
CN107016405B (zh) 一种基于分级预测卷积神经网络的害虫图像分类方法
CN108109137A (zh) 车辆部件的机器视觉检测系统及方法
EP2548147B1 (en) Method to recognize and classify a bare-root plant
CN103345617B (zh) 中药识别的方法及其系统
CN106997475B (zh) 一种基于并行卷积神经网络的害虫图像识别方法
CN107330892A (zh) 一种基于随机森林法的向日葵病害识别方法
CN102915446A (zh) 基于svm机器学习的植物病虫害检测方法
CN103323455A (zh) 基于反射、透视和显微图像的烟叶分级方法
CN104198324B (zh) 基于计算机视觉的烟丝中叶丝比例测定方法
CN103514452B (zh) 一种水果形状检测方法及装置
Sahu et al. Identification and classification of mango fruits using image processing
CN107978110A (zh) 基于图像匹配的电子围栏智能在位识别系统及识别方法
CN108108678B (zh) 一种钨矿矿石识别分选方法
CN107464035A (zh) 中药材质量评定方法及系统
CN110956212A (zh) 一种基于视觉特征融合的打叶质量检测方法
Amlekar et al. Leaf features based plant classification using artificial neural network
KR20200084940A (ko) Cnn 기반 병해 및 손상 과일 분류 장치 및 방법
CN107121436A (zh) 一种硅料品质的智能鉴别方法及鉴别装置
Patki et al. Cotton leaf disease detection & classification using multi SVM
Rahamathunnisa et al. Vegetable disease detection using k-means clustering and svm
CN108898156A (zh) 一种基于高光谱图像的绿色青椒识别方法
CN109376257A (zh) 基于图像处理的茶叶识别方法
CN201041547Y (zh) 基于多光谱图像的纹理分析鉴别不同品种绿茶的装置
CN109815945A (zh) 一种基于图像识别的呼吸道检查结果判读系统和方法
CN109447009A (zh) 基于子空间核范数正则化回归模型的高光谱图像分类方法

Legal Events

Date Code Title Description
RJ01 Rejection of invention patent application after publication

Application publication date: 20190222