CN110841935B - 一种基于机器视觉的活体鳗鱼重量分级分选方法及装置 - Google Patents
一种基于机器视觉的活体鳗鱼重量分级分选方法及装置 Download PDFInfo
- Publication number
- CN110841935B CN110841935B CN201911088085.2A CN201911088085A CN110841935B CN 110841935 B CN110841935 B CN 110841935B CN 201911088085 A CN201911088085 A CN 201911088085A CN 110841935 B CN110841935 B CN 110841935B
- Authority
- CN
- China
- Prior art keywords
- eel
- weight
- sorting
- light
- eels
- 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
- 241000252073 Anguilliformes Species 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000013178 mathematical model Methods 0.000 claims description 19
- 230000003068 static effect Effects 0.000 claims description 13
- 238000002474 experimental method Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 1
- 238000005303 weighing Methods 0.000 description 8
- 241000251468 Actinopterygii Species 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 235000019688 fish Nutrition 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000009413 insulation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 241000972773 Aulopiformes Species 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000013505 freshwater Substances 0.000 description 1
- 210000004907 gland Anatomy 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 235000019515 salmon Nutrition 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/16—Sorting according to weight
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Sorting Of Articles (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明公开了一种基于机器视觉的活体鳗鱼重量分级分选方法及装置，该装置包括运送系统、拍照测重系统和分选系统；所述运送系统包括料槽和滑槽，所述拍照测重系统包括透光滑板、相机、相机支架、背光源和处理器，所述分选系统包括分拨器、分拨器驱动电机、分选箱体和传送带。本发明可以较为准确地估算鳗鱼重量，提高鳗鱼重量分级分选的工作效率，代替人工估重，减少劳动成本。
Description
技术领域
本发明涉及鱼类分级分选装备领域，特别涉及一种基于机器视觉的活体鳗鱼重量分级分选方法及装置。
背景技术
鳗鱼是一种外观类似长条蛇形的鱼类，无鳞，躯干部呈圆柱形，尾部稍扁平，粘液腺发达，体表光滑，一般产于咸淡水交界海域，与鲑鱼类似具有洄游特性。人工养殖鳗鱼的重量选级主要采用人工分选方式，将鳗鱼从饲养池内捞出，经过低温处理降低鳗鱼的活性，采用人工估算重量来对鳗鱼进行分级分选；但是，人工分选方法的准确率低、效率低，而且低温处理会影响鳗鱼的活性。目前鱼类重量分级分选自动装备的成本较高，一般利用运动称重原理，即称重装置将传送部件和称重对象一并称重，这种称重方式的精度低、干扰大，不适合活体鳗鱼，因为一方面活体鳗鱼的体型较长，在运动称重环节时姿态不可控，加大了称重装置面积；另一方面，活体鳗鱼的活性较强，通过称重装置时鳗鱼的自身运动也会影响称重准确性。因此，迫切需要研发一种适合活体鳗鱼特性的重量分级分选方法及装备。
发明内容
本发明的目的在于克服现有技术中存在的缺点，提供一种基于机器视觉的活体鳗鱼重量分级分选方法及装置，能快速对鳗鱼测重并分级处理，准确率高、效率高，有效减少劳动成本，同时可以减少人工分选时对鱼体的二次损伤。
本发明的目的通过下述技术方案实现：
一种基于机器视觉的活体鳗鱼重量分级分选装置，包括运送系统、拍照测重系统和分选系统；所述运送系统包括料槽1和滑槽2，料槽1的开口与滑槽2的上端同一水平固定连接，滑槽2的下端与透光滑板3固定连接；所述拍照测重系统包括透光滑板3、相机5、相机支架4、背光源6和处理器7，相机5固定在相机支架4上，相机5的镜头面向透光滑板3的上表面，背光源6位于透光滑板3的下方，相机5、背光源6分别通过导线与处理器7相连接，处理器7用于数据处理和人机交互；所述分选系统包括分拨器8、分拨器驱动电机20、分选箱体9和传送带10，传送带10的上表面与透光滑板3的上表面处于同一水平高度，分拨器驱动电机20固定安装在传送带10的支撑架上，分拨器8安装在分拨器驱动电机20上；每一个分拨器8的外侧对应一个分选箱体9，分选箱体9固定安装在传送带10的支撑架上。
背光源6包括透光防水板17、混光板18和LED阵列白光源19；LED阵列白光源19置于底层，工作时发光提供光源；混光板18置于LED阵列白光源19上方，将LED阵列白光源19发出的白光过滤混合为均匀白光；透光防水板17置于混光板18上方，起到防水绝缘作用。
一种基于机器视觉的活体鳗鱼重量分级分选方法，是采用上述一种基于机器视觉的活体鳗鱼重量分级分选装置，包括下述步骤：
(1)将批量活体鳗鱼倒进料槽1中，人工操作使鳗鱼逐条通过滑槽2自由滑落，鳗鱼经过透光滑板3，触发相机5并抓取一帧静态图像，背光源6提供背光光源，减少由于自然光造成的反光和阴影而影响计算重量误差；
(2)活体鳗鱼静态图像传送至处理器7，处理器7对静态图像进行预处理，得到鳗鱼轮廓线图，根据鳗鱼面积/长度与重量数学模型估测出鳗鱼重量；
(3)处理器7内预先设定重量分级数量和范围，然后根据单条活体鳗鱼重量对应的级别和传送带10的速度，计算出该条鳗鱼到达每一个分拨器8前方的时间，通过时间参数方法控制每一个分拨器8动作，将传送带10上的鳗鱼拨到相应的分选箱体9内，完成鳗鱼重量分选分级。
所述鳗鱼面积/长度与重量数学模型，包括鳗鱼体前部面积与重量数学模型、鳗鱼体后部中线长度与重量数学模型，具体步骤如下：
(1)将一帧活体鳗鱼静态照片经程序处理，得到鳗鱼的轮廓线图，包括：轮廓线11、前部中线12、后部中线13、比例分割线14、头部15、尾部16；
(2)通过机器学习算法识别鳗鱼的头部15和尾部16；头部15的顶端和尾部16的顶端由中线连接，中线上任意一点的垂线与轮廓线11上的两个交点到该点距离相等，比例分割线14将中线分为前部中线12和后部中线13，比例分割线14的取值范围为0.7～0.8；
(3)由比例分割线14划分鳗鱼体前部和体后部；等重量的鳗鱼体前部粗细不一，采用面积来测算鳗鱼的重量，鳗鱼头部15一侧的轮廓线11与比例分割线14围成的鳗鱼体前部面积为x，根据鳗鱼分割实验，建立鳗鱼体前部面积与重量数学模型G1＝F1(x)；鳗鱼体后部呈扁平状且姿势不可控，采用长度来测算鳗鱼的重量，鳗鱼体后部中线长度为y，根据鳗鱼分割实验，建立鳗鱼体后部中线长度与重量数学模型G2＝F2(y)；
(4)鳗鱼面积/长度与重量数学模型为：G3＝a·F1(x)+b·F2(y)；其中，a为面积权重系数，a的取值范围为0.7～0.8；b为长度权重系数，b的取值范围为0.2～0.3；G3为鳗鱼实际重量。
本发明与现有技术相比具有如下优点与效果：
(1)本发明的方法是采用机器视觉测重技术，因为鳗鱼体前部呈圆柱状，粗细不一；体后部呈扁平状，且姿势不可控，本发明利用机器视觉技术，对活体鳗鱼抓取静态图像进行处理，按照长度比例分割，并采用面积与长度相结合的方法估测鳗鱼重量，精度高、成本低。
(2)本发明的装置，可以较为准确地估算鳗鱼重量，提高鳗鱼重量分级分选的工作效率，代替人工估重，减少劳动成本。
附图说明
图1为基于机器视觉的活体鳗鱼重量分级分选装备的结构立体图。
图2为基于机器视觉的活体鳗鱼重量分级分选装备的结构主视图。
图3为基于机器视觉的活体鳗鱼重量分级分选装备的结构俯视图。
图4为拍照测重系统的结构示意图。
图5为背光源的结构示意图。
图6为鳗鱼轮廓线图。
其中，1、料槽；2、滑槽；3、透光滑板；4、相机支架；5、相机；6、背光源；7、处理器；8、分拨器；9、分选箱体；10、传送带；11、轮廓线；12、前部中线；13、后部中线；14、比例分割线；15、头部；16、尾部；17、透光防水板；18、混光板；19、LED阵列白光源；20、分拨器驱动电机。
具体实施方式
下面结合实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
实施例1
一种基于机器视觉的活体鳗鱼重量分级分选装置，如图1、图2、图3所示，包括运送系统、拍照测重系统和分选系统；所述运送系统包括料槽1和滑槽2，料槽1的开口与滑槽2的上端同一水平固定连接，滑槽2的下端与透光滑板3固定连接；所述拍照测重系统包括透光滑板3、相机5、相机支架4、背光源6和处理器7，如图4所示，相机5固定在相机支架4上，相机5的镜头面向透光滑板3的上表面，背光源6位于透光滑板3的下方，相机5、背光源6分别通过导线与处理器7相连接，处理器7用于数据处理和人机交互；所述分选系统包括分拨器8、分拨器驱动电机20、分选箱体9和传送带10，传送带10的上表面与透光滑板3的上表面处于同一水平高度，分拨器驱动电机20固定安装在传送带10的支撑架上，分拨器8安装在分拨器驱动电机20上；每一个分拨器8的外侧对应一个分选箱体9，分选箱体9固定安装在传送带10的支撑架上。分拨器8被分拨器驱动电机20驱动，以分拨器右端为轴按一定角度往复转动，转动角度方向与范围如图3所示，分拨器8的运动平面在传送带10的上方，且两者间隙较小。如图5所示，背光源6包括透光防水板17、混光板18和LED阵列白光源19；LED阵列白光源19置于底层，工作时发光提供光源；混光板18置于LED阵列白光源19上方，将LED阵列白光源19发出的白光过滤混合为均匀白光；透光防水板17置于混光板18上方，起到防水绝缘作用。
在进行活体鳗鱼重量分级分选时，是将批量活体鳗鱼倒进料槽1中，人工操作使鳗鱼逐条通过滑槽2自由滑落，鳗鱼经过透光滑板3，触发相机5，抓取一帧静态图像，背光源6提供背光光源，活体鳗鱼静态图像传送至处理器7，处理器7对图像进行预处理得到鳗鱼轮廓线图，如图6所示。首先通过机器学习算法识别鳗鱼的头部15和尾部16，比例分割线14由前部中线12与后部中线13的长度之比确定位置，比例分割线14的取值范围在0.7～0.8，比例分割线14由前部中线12与后部中线13的长度比例确定位置，长度比例由鳗鱼物理模型决定，不同鳗鱼品种对应不同的长度比例。利用比例分割线14，按照面积和长度不同权重的方法测算鳗鱼的重量；由比例分割线14划分鳗鱼体前部和体后部，建立数学模型；鳗鱼头部15一侧的轮廓线11与比例分割线14围成的鳗鱼体前部面积为x，根据鳗鱼分割实验，建立鳗鱼体前部面积与重量数学模型G1＝F1(x)；鳗鱼体后部中线长度为y，根据鳗鱼分割实验，建立鳗鱼体后部中线13长度与重量数学模型G2＝F2(y)；鳗鱼面积/长度与重量数学模型为：G3＝a·F1(x)+b·F2(y)；其中，a均为面积权重系数，b为长度权重系数，a、b利用MATLAB工具拟合曲线得到，a的取值范围为0.7～0.8，b的取值范围为0.2～0.3；最终得到为鳗鱼实际重量。
处理器7内预先设定的重量分级数量和范围，如：分为4级，分别是200～300克、301～400克、401～500克和501～600克，根据单条活体鳗鱼重量对应的级别和传送带10的速度，计算出该条鳗鱼到达每一个分拨器8前方的时间，通过时间参数方法控制每一个分拨器8动作，将传送带10上的鳗鱼拨到相应的分选箱体9内，完成鳗鱼重量分选分级作业。
实施例2
一种基于机器视觉的活体鳗鱼重量分级分选方法及装备，可用于鳗鱼重量分级分选。使用时，对处理器7预先设定重量分级数量和范围，如：分为7级，分别是200～250克、251～300克、301～350克、351～400克、401～450克、451～500克，501克及以上。将批量活体鳗鱼倒进料槽1中，人工操作使鳗鱼逐条通过滑槽2自由滑落，鳗鱼经过透光滑板3，触发相机5，抓取一帧静态图像，背光源6提供背光光源，减少由于自然光造成的反光和阴影影响计算重量误差；活体鳗鱼静态图像传送至处理器7，处理器7对图像进行预处理得到鳗鱼轮廓线图，如图6所示；根据鳗鱼面积/长度与重量数学模型估测出鳗鱼重量；根据单条活体鳗鱼重量对应的级别，和传送带10的速度，可以计算该条鳗鱼到达每一个分拨器8前方的时间，通过时间参数方法控制每一个分拨器8动作，将传送带10上的鳗鱼拨到相应的分选箱体9内，完成鳗鱼重量分选分级作业。
Claims (2)
1.一种基于机器视觉的活体鳗鱼重量分级分选方法，其特征在于包括下述步骤：
(1)将批量活体鳗鱼倒进料槽中，使鳗鱼逐条通过滑槽自由滑落，鳗鱼经过透光滑板，触发相机并抓取一帧静态图像，背光源提供背光光源，减少由于自然光造成的反光和阴影而影响计算重量误差；
(2)活体鳗鱼静态图像传送至处理器，处理器对静态图像进行预处理，得到鳗鱼轮廓线图，根据鳗鱼面积/长度与重量数学模型估测出鳗鱼重量；
所述鳗鱼面积/长度与重量数学模型，包括鳗鱼体前部面积与重量数学模型、鳗鱼体后部中线长度与重量数学模型，具体步骤如下：
(2-1)将一帧活体鳗鱼静态照片经程序处理，得到鳗鱼的轮廓线图，包括：轮廓线、前部中线、后部中线、比例分割线、头部、尾部；
(2-2)通过机器学习算法识别鳗鱼的头部和尾部；头部的顶端和尾部的顶端由中线连接，中线上任意一点的垂线与轮廓线上的两个交点到该点距离相等，比例分割线将中线分为前部中线和后部中线，比例分割线的取值范围为0.7～0.8；
(2-3)由比例分割线划分鳗鱼体前部和体后部；等重量的鳗鱼体前部粗细不一，采用面积来测算鳗鱼的重量，鳗鱼头部一侧的轮廓线与比例分割线围成的鳗鱼体前部面积为x，根据鳗鱼分割实验，建立鳗鱼体前部面积与重量数学模型G1＝F1(x)；鳗鱼体后部呈扁平状且姿势不可控，采用长度来测算鳗鱼的重量，鳗鱼体后部中线长度为y，根据鳗鱼分割实验，建立鳗鱼体后部中线长度与重量数学模型G2＝F2(y)；
(2-4)鳗鱼面积/长度与重量数学模型为：G3＝a·F1(x)+b·F2(y)；其中，a为面积权重系数，a的取值范围为0.7～0.8；b为长度权重系数，b的取值范围为0.2～0.3；G3为鳗鱼实际重量；
(3)处理器内预先设定重量分级数量和范围，然后根据单条活体鳗鱼重量对应的级别和传送带的速度，计算出该条鳗鱼到达每一个分拨器前方的时间，通过时间参数方法控制每一个分拨器动作，将传送带上的鳗鱼拨到相应的分选箱体内，完成鳗鱼重量分选分级。
2.一种基于机器视觉的活体鳗鱼重量分级分选装置，其特征在于：采用权利要求1所述的活体鳗鱼重量分级分选方法，包括运送系统、拍照测重系统和分选系统；所述运送系统包括料槽和滑槽，料槽的开口与滑槽的上端同一水平固定连接，滑槽的下端与透光滑板固定连接；所述拍照测重系统包括透光滑板、相机、相机支架、背光源和处理器，相机固定在相机支架上，相机的镜头面向透光滑板的上表面，背光源位于透光滑板的下方，相机、背光源分别通过导线与处理器相连接；所述背光源包括透光防水板、混光板和LED阵列白光源；LED阵列白光源置于底层，工作时发光提供光源；所述分选系统包括分拨器、分拨器驱动电机、分选箱体和传送带，传送带的上表面与透光滑板的上表面处于同一水平高度，分拨器驱动电机固定安装在传送带的支撑架上，分拨器安装在分拨器驱动电机上；每一个分拨器的外侧对应一个分选箱体，分选箱体固定安装在传送带的支撑架上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911088085.2A CN110841935B (zh) | 2019-11-08 | 2019-11-08 | 一种基于机器视觉的活体鳗鱼重量分级分选方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911088085.2A CN110841935B (zh) | 2019-11-08 | 2019-11-08 | 一种基于机器视觉的活体鳗鱼重量分级分选方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110841935A CN110841935A (zh) | 2020-02-28 |
| CN110841935B true CN110841935B (zh) | 2024-04-12 |
Family
ID=69599996
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911088085.2A Active CN110841935B (zh) | 2019-11-08 | 2019-11-08 | 一种基于机器视觉的活体鳗鱼重量分级分选方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110841935B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114626895A (zh) * | 2022-04-01 | 2022-06-14 | 西南大学 | 基于机器视觉的草莓估价方法及远程采摘控制系统 |
| CN115069592B (zh) * | 2022-07-25 | 2022-11-11 | 青岛锐智智能装备科技有限公司 | 一种用于称重式分级机的自动化控制系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010012414A (ja) * | 2008-07-03 | 2010-01-21 | Yamato Scale Co Ltd | 重量選別機 |
| CN104624515A (zh) * | 2013-11-08 | 2015-05-20 | 华中农业大学 | 一种基于机器视觉的淡水鱼品种在线分类系统 |
| CN105312244A (zh) * | 2014-07-23 | 2016-02-10 | 韩华泰科株式会社 | 部件检查装置、检查部件分类装置及方法 |
| CN106000914A (zh) * | 2016-05-24 | 2016-10-12 | 西北农林科技大学 | 一种在线无损检测霉心病的苹果分选装置 |
| CN106140648A (zh) * | 2016-08-19 | 2016-11-23 | 南京农业大学 | 一种基于机器视觉的鸡胴体重量自动分级系统及分级方法 |
| CN108287010A (zh) * | 2018-03-09 | 2018-07-17 | 江苏大学 | 一种螃蟹多指标分级装置与方法 |
| CN108380509A (zh) * | 2017-12-08 | 2018-08-10 | 五邑大学 | 基于机器视觉的led灯盘分拣与检测系统 |
| CN110125044A (zh) * | 2019-05-27 | 2019-08-16 | 山东工商学院 | 一种基于双目视觉的苹果分选设备 |
| CN211726606U (zh) * | 2019-11-08 | 2020-10-23 | 华南农业大学 | 一种基于机器视觉的活体鳗鱼重量分级分选装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2984280C (en) * | 2014-05-05 | 2022-10-18 | Skaginn Hf. | Batching with vision |
-
2019
- 2019-11-08 CN CN201911088085.2A patent/CN110841935B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010012414A (ja) * | 2008-07-03 | 2010-01-21 | Yamato Scale Co Ltd | 重量選別機 |
| CN104624515A (zh) * | 2013-11-08 | 2015-05-20 | 华中农业大学 | 一种基于机器视觉的淡水鱼品种在线分类系统 |
| CN105312244A (zh) * | 2014-07-23 | 2016-02-10 | 韩华泰科株式会社 | 部件检查装置、检查部件分类装置及方法 |
| CN106000914A (zh) * | 2016-05-24 | 2016-10-12 | 西北农林科技大学 | 一种在线无损检测霉心病的苹果分选装置 |
| CN106140648A (zh) * | 2016-08-19 | 2016-11-23 | 南京农业大学 | 一种基于机器视觉的鸡胴体重量自动分级系统及分级方法 |
| CN108380509A (zh) * | 2017-12-08 | 2018-08-10 | 五邑大学 | 基于机器视觉的led灯盘分拣与检测系统 |
| CN108287010A (zh) * | 2018-03-09 | 2018-07-17 | 江苏大学 | 一种螃蟹多指标分级装置与方法 |
| CN110125044A (zh) * | 2019-05-27 | 2019-08-16 | 山东工商学院 | 一种基于双目视觉的苹果分选设备 |
| CN211726606U (zh) * | 2019-11-08 | 2020-10-23 | 华南农业大学 | 一种基于机器视觉的活体鳗鱼重量分级分选装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110841935A (zh) | 2020-02-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111006608B (zh) | 透明板材通孔视觉检测系统及方法 | |
| CN110841935B (zh) | 一种基于机器视觉的活体鳗鱼重量分级分选方法及装置 | |
| CN108107837B (zh) | 一种基于视觉引导的玻璃加工装置及方法 | |
| WO2019114380A1 (zh) | 木板识别及木板识别的机器学习方法、装置及电子设备 | |
| CN109794437B (zh) | 基于计算机视觉的智能分拣系统 | |
| CN107816943B (zh) | 一种物流箱体积重量测量系统及其实现方法 | |
| KR101540707B1 (ko) | 영상처리기술을 이용한 전복 자동선별 방법 | |
| CN103801520A (zh) | 虾的自动精选分级方法与装置 | |
| CN109570051B (zh) | 基于机器视觉、激光和声学的板栗虫眼检测装置 | |
| CN107891012B (zh) | 基于等效算法的珍珠大小及圆形度分拣装置 | |
| CN112561983A (zh) | 一种测算表面弱纹理且不规则堆料体积的装置及方法 | |
| CN107671007B (zh) | 基于机器视觉批量检测珍珠形状的智能分拣系统 | |
| CN103644852A (zh) | 一种镜片膜厚度自动检测系统 | |
| CN206627075U (zh) | 一种双视野高精度外形检测机 | |
| CN113418933B (zh) | 用于检测大尺寸物体的飞拍视觉成像检测系统及方法 | |
| CN207742057U (zh) | 一种骨料在线监测装置 | |
| CN110838128A (zh) | 一种图像法集料堆叠空隙率预测方法和系统 | |
| CN106370667A (zh) | 一种玉米籽粒品质视觉检测装置及方法 | |
| CN210071686U (zh) | 基于正交双目机器视觉的水果分级装置 | |
| CN108489394A (zh) | 一种大尺寸薄板金属工件几何质量自动检测装置及方法 | |
| CN110575973B (zh) | 一种农作物种子品质检测与筛选系统 | |
| CN211726606U (zh) | 一种基于机器视觉的活体鳗鱼重量分级分选装置 | |
| CN206064839U (zh) | 一种基于机器视觉的鸡胴体重量自动分级系统 | |
| CN114653610A (zh) | 一种鱼类识别分拣实现方法 | |
| CN106339752A (zh) | 一种鱼苗计数装置及计数方法 |
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 |