CN109612888B - 基于图像技术的粉体混合均匀性检测方法 - Google Patents
基于图像技术的粉体混合均匀性检测方法 Download PDFInfo
- Publication number
- CN109612888B CN109612888B CN201811516569.8A CN201811516569A CN109612888B CN 109612888 B CN109612888 B CN 109612888B CN 201811516569 A CN201811516569 A CN 201811516569A CN 109612888 B CN109612888 B CN 109612888B
- Authority
- CN
- China
- Prior art keywords
- image
- powder
- gray level
- images
- gray
- 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
Links
- 239000000843 powder Substances 0.000 title claims abstract description 106
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 238000005516 engineering process Methods 0.000 title claims abstract description 17
- 238000009826 distribution Methods 0.000 claims abstract description 38
- 238000005070 sampling Methods 0.000 claims abstract description 31
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 25
- 238000003707 image sharpening Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 239000002994 raw material Substances 0.000 claims description 5
- 230000004075 alteration Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
-
- 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
- G06T7/0004—Industrial image inspection
-
- 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
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Dispersion Chemistry (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开了一种基于图像技术的粉体混合均匀性检测方法，包括粉体样本采集、粉体图像采集、图像预处理、图像灰度级分布的相似性分析和粉体混合均匀性判断。针对粉体图像进行灰度化、降采样、滤波及锐化等预处理；采用灰度直方图算法提取预处理后图像的特征参数，并根据特征参数计算图像之间的变权重欧氏距离，用以表征不同采样点粉体图像之间灰度级分布的相似性；根据实际粉体特性和加工要求设定合适阈值，对比图像灰度级分布的相似性给出粉体混合均匀性的判断，并在上位机界面显示。本发明设计合理、实时性强、适用范围广，可用于制药、化工、建筑等众多领域。
Description
技术领域
本发明涉及粉体混合均匀性检测领域，具体涉及一种基于图像技术的粉体混合均匀性检测方法，为各行业粉体混合分析及终点判断提供了方法。
背景技术
粉体混合是一个复杂的随机过程，混合均匀性的检测方法一直是困扰着人们的棘手问题。随着时代的发展，依赖人工经验判定混合均匀性的日子已经过去。用科学、数量的形式来判定混合均匀性，就是粉体混合的定量分析。要做到定量分析，必然要有采样、预处理、检测、统计分析(数据处理)等过程，从而得到单一或数个的量值来表达粉体的混合均匀性。
混合均匀性是指在外力的作用下，各种粉体相互混合，使之在任何容积里每种组分粉体微粒均匀分布的程度。混合过程中粉体的运动十分复杂，如何正确评价粉体的混合均匀性一直是研究的热点。粉体混合是工业生产中常见的操作，混合效果的好坏直接决定着产品的质量。目前在化工、制药、建筑等领域都有非常广泛的应用，是药品、混凝土等产品生产最关键的操作工序之一。
发明内容
本发明所要解决的技术问题是针对现有技术的不足提供一种基于图像技术的粉体混合均匀性检测方法。
本发明的技术方案如下：
一种基于图像技术的粉体混合均匀性检测方法，包括以下步骤：
S1：粉体样本采集；
S2：粉体图像采集；
S3：图像预处理：将采集得到的粉体图像进行图像预处理，依次包括图像灰度化、图像降采样、高斯滤波和图像锐化；图像灰度化将粉体图像变换为灰度矩阵；图像降采样将图像分辨率降低以减少程序运行时间；高斯滤波用于过滤图像采集过程中可能出现的误差；图像锐化用于增大不同粉体原料之间的色差，提高分析结果的准确性；
S4：灰度直方图提取特征参数：对预处理后的粉体图像，采用灰度直方图准确提取图像特征参数，该特征参数反映了粉体图像中每一灰度级与其出现频率间的统计关系；
S5：检测图像灰度级分布的相似性：根据S4得到的结果，首先根据特征参数计算不同采样点粉体图像之间的变权重欧氏距离，并通过每组图像之间的距离表征图像间灰度级分布的相似性；
S6：根据实际粉体特性和加工要求设定阈值并判断混合均匀性：根据不同粉体特性，设定合适阈值，通过图像间灰度级分布的相似性判断粉体混合均匀性，并进行混合终点判断。
所述的基于图像技术的粉体混合均匀性检测方法，所述的图像灰度化：采用平均值法实现灰度化：求出每个像素点的R、G、B三个分量的平均值，然后将这个平均值赋予给对应灰度图像该像素点的灰度值：
f＝(R+G+B)/3
式中，f为灰度图像每个像素点的灰度值；R、G、B为彩色图像中每个像素点颜色的的三个分量。
所述的基于图像技术的粉体混合均匀性检测方法，所述的高斯滤波：根据选择的固定窗口大小及窗口内任意像素与中心像素点的距离，利用高斯函数实现系数权值的分配，即高斯滤波可表示为：
式中，wx,y表示中心像素(x,y)的M×M(M为奇数)大小的领域；wd为空间距离相似度权重因子；
所述的图像降采样：图像降采样即是采样点数减少；对于一幅N*M的图像来说，如果降采样系数为k，则即是在原图中，每行每列每隔k个点取一个点组成一幅图像。
所述的基于图像技术的粉体混合均匀性检测方法，所述的图像锐化：采用线性锐化滤波，通过灰度变换函数压缩低端扩展高端，提高粉体颗粒色差的对比度。
所述的基于图像技术的粉体混合均匀性检测方法，所述的改进的变权重欧式距离的算法为：
S51：提取图像特征参数：通过灰度直方图算法提取图像特征参数，该特征参数反映了粉体图像中每一灰度级与其出现频率间的统计关系；
若图像具有L级灰度,则大小为M×N的灰度图像f(x,y)的灰度直方图hist[0,…,L-1]可用如下计算获得：
(1)初始化hist[k]＝0,1,…L-1；
(2)对所有的x＝0,1,…M-1和y＝0,1,…N-1计算：hist[f(x,y)]＝hist[f(x,y)]+1；
(3)归一化得到灰度直方图的向量：H[f(x,y)]＝hist[f(x,y)/(M×N)]；
S52：中心图像特征参数：根据上步提取的多图像特征参数，采用均值法计算得中心图像的特征参数：
式中，i为每组检测中不同采样点粉体图像的个数，取i＝36；Hi[f(x,y)]为第i幅粉体图像的特征参数向量；
S53：归一化：计算中心图像特征参数各灰度级像素点个数及占比；
S54：根据占比确定权重：中心图像特征参数各灰度级所占比例即为该灰度级的权重系数；
S55：各图像与中心图像带权重的欧式距离：
式中，j为灰度级数；ε(i)为基于多图像特征参数的平均特征参数各灰度级像素点所占的比例；
S56：距离均值：
式中，s(H1,H2,…,H36)为多张图像距离均值，即为图像间灰度级分布的相似性；s的值越靠近1，表示多张图像灰度级分布越相似；越靠近0，表示多张图像灰度级分布越不相似。
所述的基于图像技术的粉体混合均匀性检测方法，选择数字显微镜采集粉体图像，将待观察的粉体样本置于物镜正下方，调整至合适的光源，调节焦距找到所要观察的样品，切换到高倍模式，通过调节样品位置，找到所要观察的视场。选好视场后，放大到需要的聚焦倍数，使粉体颗粒图像达到最佳状态，然后拍摄图像。旋转转盘，便于拍摄不同位置的粉体图像，每旋转10度采集一张图片，每组样本采集36张图像，构建数据库，实时保存粉体图像。
采用上述方案，本发明利用图像技术，通过分析图像灰度级分布的相似性，实现混合均匀性在线分析，并判断混合终点。具有实时性强、适用性广并可提高经济效益的优点。
附图说明
图1为基于图像处理的粉体混合均匀性检测方法的流程图；
图2为图像预处理流程图；
图3为改进的变权重欧式距离算法流程图。
具体实施方式
以下结合具体实施例，对本发明进行详细说明。
如图1所示，为基于图像处理的粉体混合均匀性检测方法的流程图，包括：
S1：粉体样本采集。
S2：粉体图像采集：选择数字显微镜采集粉体图像。将采样装置固定在载物台上，将待观察的粉体样品置于物镜正下方，调整至合适的光源，调节焦距找到所要观察的样品，切换到高倍模式，通过调节样品位置，找到所要观察的视场。选好视场后，放大到需要的聚焦倍数，使粉体颗粒图像达到最佳状态，然后拍摄图像。拍摄不同位置的粉体图像，每组样品拍摄36张照片，构建图像数据库，实时保存粉体图像。
S3：图像预处理：为了解决图像采集中可能出现的误差和图像处理时数据量过大的问题，根据采集得到的粉体图像，将采集得到的粉体图像进行图像预处理。其中包括图像灰度化、图像降采样、高斯滤波和图像锐化。
首先是图像灰度化将粉体图像变换为灰度矩阵；然后进行图像降采样，将图像分辨率降低以减少程序运行时间；高斯滤波是过滤图像采集过程中可能出现的误差；图像锐化是增大不同粉体原料之间的色差，提高分析结果的准确性。
S4：灰度直方图提取特征参数：对预处理后的粉体图像，采用灰度直方图准确提取图像特征参数，该特征参数反映了粉体图像中每一灰度级与其出现频率间的统计关系。该方法运算简单,具有平移、旋转和缩放不变性。
S5：检测图像灰度级分布的相似性：根据S4得到的结果，首先根据特征参数计算不同采样点粉体图像之间的变权重欧氏距离，并通过每组36张图像之间的距离表征图像灰度级分布相似性。为了验证该距离的准确性，计算不同灰度级像素个数的标准差,归一化处理后对不同等级像素标准差求平均值，通过该均值来表征图像间灰度级分布的相似性。对比两种数据处理方法，得到最终不同采样点的粉体图像灰度级分布相似性结果。
S6：根据实际粉体特性和加工要求设定阈值并判断混合均匀性：根据不同粉体特性，设定合适阈值将图像灰度级分布相似性检测结果与粉体混合均匀性相联系。通过不同采样点粉体图像灰度级分布相似性判断粉体是否混合均匀，并进行混合终止判断。若混合均匀，则停止混合；若没有混合均匀，则间隔五分钟后重新取样进行分析判断。
S7：为了满足操作简单、实时显示的粉体混合均匀性检测的要求，在上位机建立方便、直观、友好的人机界面，分为主界面、趋势、存储记录和参数设置四个画面，实时显示、记录、存储相关数据、变化趋势以及均匀性判断结果。
主界面用来显示数据库图像调用、图像灰度级分布相似性结果和混合均匀性判断；趋势画面是由当前时刻的图像灰度级分布相似性检测的特征参数和本次混合过程中过去时刻的图像灰度级分布相似性检测的特征参数以图形点连成的曲线图，通过趋势显示画面可以直观明了的掌握粉体混合均匀性的变化规律；存储记录画面是用来对历史混合过程的图像灰度级分布相似性检测和混合均匀性判断的参数进行存储；参数设置画面是根据实际的粉体原料，具有特定权限的人员正确登录后可以对判断混合均匀性的阈值进行设定。
如图2所示，为图像预处理流程框图。通过该方法，可以解决图像采集中可能出现的误差和图像处理时数据量过大的问题，提高实时性；并且增大不同粉体原料之间的色差，提高准确性。
S1：图像灰度化:采用平均值法实现灰度化：求出每个像素点的R、G、B三个分量的平均值，然后将这个平均值赋予给对应灰度图像该像素点的灰度值：
f＝(R+G+B)/3
式中，f为灰度图像每个像素点的灰度值；R、G、B为彩色图像中每个像素点颜色的三个分量。
S2：高斯滤波：根据选择的固定窗口大小及窗口内任意像素与中心像素点的距离，利用高斯函数实现系数权值的分配，即高斯滤波可表示为：
式中，wx,y表示中心像素(x,y)的M×M(M为奇数)大小的领域；wd为空间距离相似度权重因子。
S3：图像降采样：图像降采样即是采样点数减少。对于一幅N*M的图像来说，如果降采样系数为k，则即是在原图中，每行每列每隔k个点取一个点组成一幅图像。
S4：图像锐化：由于大多数粉体图像其灰度分布集中在较窄的区间,引起图像细节不够清晰。经过锐化可使图像的灰度距离拉开或使灰度分布均匀,从而增大反差,图像细节清晰,易于寻找其特征值。图像锐化是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰。本专利采用线性锐化滤波，通过灰度变换函数压缩低端扩展高端，提高粉体颗粒色差的对比度。
如图3所示，为改进的变权重欧式距离算法流程图。通过该方法，可解决多张图像灰度级分布相似性分析的问题。本专利通过度量多幅图像与中心图像特征参数的变权重欧氏距离来计算图像灰度级分布的相似性。
S1：提取图像特征参数：通过灰度直方图算法提取图像特征参数，该特征参数反映了粉体图像中每一灰度级与其出现频率间的统计关系。
若图像具有L(通常L为256,即8位灰度级)级灰度,则大小为M×N的灰度图像f(x,y)的灰度直方图hist[0,…,L-1]可用如下计算获得:
(1)初始化hist[k]＝0,1,…L-1；
(2)对所有的x＝0,1,…M-1和y＝0,1,…N-1计算：hist[f(x,y)]＝hist[f(x,y)]+1；
(3)归一化得到灰度直方图的向量：H[f(x,y)]＝hist[f(x,y)/(M×N)]。
S2：中心图像特征参数：根据上步提取的多图像特征参数，采用均值法计算得中心图像的特征参数。
式中，i为每组检测中不同采样点粉体图像的个数，本专利取i＝36；Hi[f(x,y)]为第i幅粉体图像的特征参数向量。
S3：归一化：计算中心图像特征参数各灰度级像素点个数及占比。
S4：根据占比确定权重：中心图像特征参数各灰度级所占比例即为该灰度级的权重系数。
S5：各图像与中心图像带权重的欧式距离：
式中，j为灰度级数；ε(i)为基于多图像特征参数的平均特征参数各灰度级像素点所占的比例。
S6：距离均值：
式中，s(H1,H2,…,H36)为多张图像距离均值，即为图像灰度级分布的相似性；s的值越靠近1，表示多张图像灰度级分布越相似；越靠近0，表示多张图像灰度级分布越不相似。
上述方法首次将图像灰度级分布相似性用于粉体均匀性的检测，并取得良好的效果。使用图像之间的灰度级分布相似性检测粉体的混合均匀性，可以实现实时在线的监测。在工业领域有良好的应用前景。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (5)
1.一种基于图像技术的粉体混合均匀性检测方法，其特征在于，包括以下步骤：
S1：粉体样本采集；
S2：粉体图像采集；
S3：图像预处理：将采集得到的粉体图像进行图像预处理，依次包括图像灰度化、图像降采样、高斯滤波和图像锐化；图像灰度化将粉体图像变换为灰度矩阵；图像降采样将图像分辨率降低以减少程序运行时间；高斯滤波用于过滤图像采集过程中可能出现的误差；图像锐化用于增大不同粉体原料之间的色差，提高分析结果的准确性；
S4：灰度直方图提取特征参数：对预处理后的粉体图像，采用灰度直方图准确提取图像特征参数，该特征参数反映了粉体图像中每一灰度级与其出现频率间的统计关系；
S5：检测图像灰度级分布的相似性：根据S4得到的结果，首先根据特征参数计算不同采样点粉体图像之间的变权重欧氏距离，并通过每组图像之间的距离表征图像灰度级分布的相似性；
所述的变权重欧式距离的算法为：
S51：提取图像特征参数：通过灰度直方图算法提取图像特征参数，该特征参数反映了粉体图像中每一灰度级与其出现频率间的统计关系；
若图像具有L级灰度,则大小为M×N的灰度图像f(x,y)的灰度直方图hist[0,…,L-1]可用如下计算获得：
(1)初始化hist[k]＝0,1,…L-1；
(2)对所有的x＝0,1,…M-1和y＝0,1,…N-1计算：hist[f(x,y)]＝hist[f(x,y)]+1；
(3)归一化得到灰度直方图的向量：H[f(x,y)]＝hist[f(x,y)/(M×N)]；
S52：中心图像特征参数：根据上步提取的多图像特征参数，采用均值法计算得中心图像的特征参数：
式中，i为每组检测中不同采样点粉体图像的个数，取i＝36；Hi[f(x,y)]为第i幅粉体图像的特征参数向量；
S53：归一化：计算中心图像特征参数各灰度级像素点个数及占比；
S54：根据占比确定权重：中心图像特征参数各灰度级所占比例即为该灰度级的权重系数；
S55：各图像与中心图像带权重的欧式距离：
式中，j为灰度级数；ε(i)为基于多图像特征参数的平均特征参数各灰度级像素点所占的比例；
S56：距离均值：
式中，s(H1,H2,…,H36)为多张图像距离均值，即为图像间灰度级分布的相似性；s的值越靠近1，表示多张图像灰度级分布越相似；越靠近0，表示多张图像灰度级分布越不相似；
S6：根据实际粉体特性和加工要求设定阈值并判断混合均匀性：根据不同粉体特性，设定合适阈值，通过图像灰度级分布相似性判断粉体混合均匀性，并进行混合终点判断。
2.根据权利要求1所述的基于图像技术的粉体混合均匀性检测方法，其特征在于，所述的图像灰度化：采用平均值法实现灰度化：求出每个像素点的R、G、B三个分量的平均值，然后将这个平均值赋予给对应灰度图像该像素点的灰度值：
f＝(R+G+B)/3
式中，f为灰度图像每个像素点的灰度值；R、G、B为彩色图像中每个像素点颜色的三个分量。
3.根据权利要求1所述的基于图像技术的粉体混合均匀性检测方法，其特征在于，所述的高斯滤波：根据选择的固定窗口大小及窗口内任意像素与中心像素点的距离，利用高斯函数实现系数权值的分配，即高斯滤波可表示为：
式中，wx,y表示中心像素(x,y)的M×M(M为奇数)大小的领域；wd为空间距离相似度权重因子；
所述图像降采样：图像降采样即是采样点数减少；对于一幅N*M的图像来说，如果降采样系数为k，则即是在原图中，每行每列每隔k个点取一个点组成一幅图像。
4.根据权利要求1所述的基于图像技术的粉体混合均匀性检测方法，其特征在于，所述的图像锐化：采用线性锐化滤波，通过灰度变换函数压缩低端扩展高端，提高粉体颗粒色差的对比度。
5.根据权利要求1所述的基于图像技术的粉体混合均匀性检测方法，其特征在于，选择数字显微镜采集粉体图像，将待观察的粉体样本置于物镜正下方，调整至合适的光源，调节焦距找到所要观察的样品，切换到高倍模式，通过调节样品位置，找到所要观察的视场，选好视场后，放大到需要的聚焦倍数，使粉体颗粒图像达到最佳状态，然后拍摄图像，旋转转盘，便于拍摄不同位置的粉体图像，每旋转10度采集一张图片，每组样本采集36张图像，构建数据库，实时保存粉体图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811516569.8A CN109612888B (zh) | 2018-12-12 | 2018-12-12 | 基于图像技术的粉体混合均匀性检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811516569.8A CN109612888B (zh) | 2018-12-12 | 2018-12-12 | 基于图像技术的粉体混合均匀性检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109612888A CN109612888A (zh) | 2019-04-12 |
| CN109612888B true CN109612888B (zh) | 2021-06-22 |
Family
ID=66007273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811516569.8A Active CN109612888B (zh) | 2018-12-12 | 2018-12-12 | 基于图像技术的粉体混合均匀性检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109612888B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7341835B2 (ja) * | 2019-10-09 | 2023-09-11 | 株式会社日立製作所 | 粉体混合システム及び粉体混合方法 |
| CN111429420A (zh) * | 2020-03-19 | 2020-07-17 | 中联重科股份有限公司 | 混凝土搅拌匀质度检测方法、系统及混凝土搅拌控制方法 |
| CN112070095A (zh) * | 2020-09-14 | 2020-12-11 | 衢州学院 | 一种基于物联网技术的胡柚病虫害监测方法 |
| CN113624645B (zh) * | 2021-07-18 | 2023-01-31 | 南京林业大学 | 一种用于检测颗粒流动分布的装置及其方法 |
| CN113989262A (zh) * | 2021-11-09 | 2022-01-28 | 南方电网科学研究院有限责任公司 | 基于图像检测的环氧填料均匀度检测方法 |
| CN114494739B (zh) * | 2022-01-27 | 2022-09-23 | 宿迁腾安新型建材有限公司 | 基于人工智能的色粉混合效果检测方法 |
| CN114742892B (zh) * | 2022-04-01 | 2023-10-27 | 南通博纳纺织品有限公司 | 基于图像处理的纺织混棉机控制方法 |
| CN116402693B (zh) * | 2023-06-08 | 2023-08-15 | 青岛瑞源工程集团有限公司 | 一种基于遥感技术的市政工程图像处理方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2450311A1 (en) * | 2001-06-18 | 2002-12-27 | Abbott Laboratories | Apparatus and method for determining the dispersibility of a product in particulate form |
| CN101212561A (zh) * | 2006-12-31 | 2008-07-02 | 华晶科技股份有限公司 | 去除图像噪声的方法 |
| CN101620060A (zh) * | 2009-08-13 | 2010-01-06 | 上海交通大学 | 颗粒大小分布自动检测方法 |
| CN102494976A (zh) * | 2011-11-18 | 2012-06-13 | 江苏大学 | 一种超细晶粒钢晶粒的自动测量及其形态分类统计方法 |
| CN103336943A (zh) * | 2013-06-04 | 2013-10-02 | 广东药学院 | 用于判定动物饲料中所添加药物的显微图像识别方法 |
| CN105336331A (zh) * | 2015-11-21 | 2016-02-17 | 太原理工大学 | 基于声音的猪异常行为智能监测方法及智能监测系统 |
| CN107644210A (zh) * | 2017-09-22 | 2018-01-30 | 哈尔滨工业大学（威海） | 基于图像处理的微生物数量估算方法 |
-
2018
- 2018-12-12 CN CN201811516569.8A patent/CN109612888B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2450311A1 (en) * | 2001-06-18 | 2002-12-27 | Abbott Laboratories | Apparatus and method for determining the dispersibility of a product in particulate form |
| CN101212561A (zh) * | 2006-12-31 | 2008-07-02 | 华晶科技股份有限公司 | 去除图像噪声的方法 |
| CN101620060A (zh) * | 2009-08-13 | 2010-01-06 | 上海交通大学 | 颗粒大小分布自动检测方法 |
| CN102494976A (zh) * | 2011-11-18 | 2012-06-13 | 江苏大学 | 一种超细晶粒钢晶粒的自动测量及其形态分类统计方法 |
| CN103336943A (zh) * | 2013-06-04 | 2013-10-02 | 广东药学院 | 用于判定动物饲料中所添加药物的显微图像识别方法 |
| CN105336331A (zh) * | 2015-11-21 | 2016-02-17 | 太原理工大学 | 基于声音的猪异常行为智能监测方法及智能监测系统 |
| CN107644210A (zh) * | 2017-09-22 | 2018-01-30 | 哈尔滨工业大学（威海） | 基于图像处理的微生物数量估算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于HSV颜色特征的多目标视频检测与跟踪算法;周海鹏;《科学技术与工程》;20170731;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109612888A (zh) | 2019-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109612888B (zh) | 基于图像技术的粉体混合均匀性检测方法 | |
| CN116385448B (zh) | 基于机器视觉的氧化铝陶瓷表面加工缺陷检测方法 | |
| CN109635806B (zh) | 基于残差网络的电表数值识别方法 | |
| EP2671113B1 (en) | Fast auto-focus in microscopic imaging | |
| CN110487737B (zh) | 用于智能手机光谱检测的图像信息提取与计算方法及系统 | |
| CN113177924A (zh) | 一种工业流水线产品瑕疵检测方法 | |
| CN116542972B (zh) | 基于人工智能的墙板表面缺陷快速检测方法 | |
| CN115018844A (zh) | 一种基于人工智能的塑料薄膜质量评估方法 | |
| CN115018835B (zh) | 一种汽车起动机齿轮检测方法 | |
| CN108921872B (zh) | 一种适用于长程跟踪的鲁棒性视觉目标跟踪方法 | |
| CN110197479A (zh) | 一种表面改性质量检测方法 | |
| CN113989233A (zh) | 基于图像的零件表面粗糙度支持向量机检测方法及系统 | |
| CN107610119A (zh) | 基于直方图分解的带钢表面缺陷精准检测方法 | |
| CN117392127B (zh) | 一种显示面板边框的检测方法、装置和电子设备 | |
| Wu et al. | Experimental analysis of image dehazing algorithms for pelletization process images | |
| CN114565563A (zh) | 基于人工智能的彩钢板表面异常检测方法 | |
| CN116091818B (zh) | 基于多神经网络级联模型的指针式仪表读数识别方法 | |
| CN114065798A (zh) | 基于机器识别的视觉识别方法及装置 | |
| CN116862881A (zh) | 基于图像处理的多目标实时偏移检测方法 | |
| CN109658405B (zh) | 一种农作物实景观测中图像数据质量控制方法及系统 | |
| Sarı et al. | Deep learning application in detecting glass defects with color space conversion and adaptive histogram equalization | |
| CN113506266B (zh) | 舌头腻苔的检测方法、装置、设备及存储介质 | |
| CN115015957A (zh) | 一种基于调制传递函数的激光反射层析成像质量评价方法 | |
| CN114663681A (zh) | 用于对指针式仪表进行读数的方法及其相关产品 | |
| CN115761017B (zh) | 一种醇酸类树脂油漆颜色的视觉测定方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |