CN111161230A - 一种基于红外热成像的害虫计数方法 - Google Patents

一种基于红外热成像的害虫计数方法 Download PDF

Info

Publication number
CN111161230A
CN111161230A CN201911344589.6A CN201911344589A CN111161230A CN 111161230 A CN111161230 A CN 111161230A CN 201911344589 A CN201911344589 A CN 201911344589A CN 111161230 A CN111161230 A CN 111161230A
Authority
CN
China
Prior art keywords
picture
continuous blocks
continuous
pest
searching
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
CN201911344589.6A
Other languages
English (en)
Inventor
仪修玲
袁琳
徐文浩
彭浩然
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.)
Shenzhen Techand Ecology and Environment Co Ltd
Original Assignee
Shenzhen Techand Ecology and Environment Co Ltd
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 Shenzhen Techand Ecology and Environment Co Ltd filed Critical Shenzhen Techand Ecology and Environment Co Ltd
Priority to CN201911344589.6A priority Critical patent/CN111161230A/zh
Publication of CN111161230A publication Critical patent/CN111161230A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10048—Infrared image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Catching Or Destruction (AREA)

Abstract

本发明提供了一种基于红外热成像的害虫计数方法，所述方法包括如下步骤：1、读取原图片，执行基本操作。2、计算上一步处理图片后的基本信息。3、进行图片剪切。4、进行动态颜色阈值计算及处理。5、定义相关搜索方法，搜索连续块并储存。6、扩增白色区域。7、首次搜索连续块，擦除部分不合格黑色连续块。8、再次搜索连续块，并擦除部分不合格白色连续块。9、在控制台打印连续块信息。10、通过平均值阈值擦除部分不合格连续块。11、对剩余连续块计数，并输出计数结果。本发明采用红外热成像计数方法，从更多的维度区分了害虫与粘虫板面，可使计数精确。

Description

一种基于红外热成像的害虫计数方法
技术领域
本发明属于植保害虫计数预警领域，具体涉及一种基于红外热成像的害虫计数方法。
背景技术
在植物保护领域，掌握即时害虫情况再采取适当保护措施，既不浪费人力物力，又能有效保护植物。粘虫板计数法是一种较为理想的计数方法，可以通过一定时间内粘虫板上某种害虫的数量，来较为准确地估计害虫情况。粘虫板计数法相比其他抽样统计方法，成本较低，计数结果相对准确，可操作性强，即时性也较强。
红外热成像是常用的成像技术之一，可以检测物体热辐射出的红外线功率信号并将其转化为电信号，于仪器中得到热像图。利用热像图可以便捷分析及利用所摄物体的温度特性。
利用图像处理技术实现对粘虫板上特定昆虫的正确识别和数量统计，是近年来环境与计算机交叉领域中具有活力的发展方向。目前，大部分害虫计数仍由人工完成，出错率较高，长期累计耗时也显著多于电脑计数。近年来，出现了部分图像识别计数系统，主要为基于普通照片的计数，此类技术相比人工计数更为便捷准确，但对于与粘虫板颜色更接近的昆虫则会造成较大计数误差。
发明内容
基于背景技术所指出的缺陷，本发明提供一种基于红外热成像的害虫计数方法，所述方法包括如下几个步骤：
步骤(1)：读取原图片，执行基本操作；
步骤(2)：计算上一步处理图片后的基本信息；
步骤(3)：进行图片剪切；
步骤(4)：进行动态颜色阈值计算及处理；
步骤(5)：定义相关搜索方法，搜索连续块并储存；
步骤(6)：扩增白色区域；
步骤(7)：首次搜索连续块，擦除部分不合格黑色连续块；
步骤(8)：再次搜索连续块，并擦除部分不合格白色连续块；
步骤(9)：在控制台打印连续块信息；
步骤(10)：通过平均值阈值，擦除部分不合格连续块；
步骤(11)：对剩余连续块计数，并输出计数结果。
优选地，所述步骤(1)中基本操作是指，包括非空判断、纵横转换以及压缩图片在内的操作。
优选地，所述步骤(1)中原图片是指，基于红外热成像技术得到的JPEG格式灰度照片。
优选地，所述步骤(2)中基本信息是指，图片的行列数与面积。
优选地，所述步骤(3)中进行图片剪切操作的方法，包括如下几个步骤：1、计算输入图片的行列数。2、进行纵向剪切。3、进行横向剪切。4、输出图像。
优选地，所述步骤(3)中进行图片剪切操作的目的是，将粘虫板切出，去除板外信息对计数可能存在的干扰。
优选地，所述步骤(4)中所述动态阈值计算及处理是指，对于某一点，在该点周围取一足够大区域，设区域内平均颜色阈值为参考阈值，处于阈值内的颜色设定为白色，其它颜色设定为黑色。
优选地，所述步骤(4)中动态阈值计算及处理的目的是，将粘虫板转换为白色，将昆虫转化为黑色，同时有效防止板面局部温度过高或过低导致的热成像误差。
优选地，所述步骤(5)中搜索方法是指，基于广度优先的搜索算法的连续块搜索方法。
优选地，所述步骤(5)中搜索方法，目的是搜索黑白二值图像中所有的连续块。
优选地，所述步骤(5)中储存操作是指，利用list容器储存连续块。
优选地，所述步骤(6)中扩展白色区域操作，目的是将较为细长的黑色连续块切碎，便于后续擦除。
优选地，所述步骤(7)中不合格黑色连续块是指，像素面积范围T之外的所有黑色连续块。
优选地，所述步骤(8)中不合格白色连续块，是指像素面积范围T之外的所有白色连续块。
优选地，所述步骤(9)中连续块信息，是指连续块像素数值。
优选地，所述步骤(10)中平均值阈值，是指对像素为7000以下的连续块取面积平均值，作为1只昆虫的面积阈值。
优选地，所述步骤(11)中擦除操作，是指擦除面积小于1/2个昆虫面积的连续块，排除杂物以及其它种类的昆虫干扰。
优选地，所述非空判断操作，其特征在于：对于用户的输入，先判断是否为空。为空则向用户反馈，不为空则进入下一步操作。
优选地，所述纵横转换操作，其特征在于：根据图片的长宽尺寸进行合适的旋转，使较长边为横向边。
优选地，所述压缩图片操作，其特征在于：通过像素减半法将图片像素降低。
优选地，所述纵向剪切操作，其特征在于：计算每一横行与该行下方第四横行的灰度值差值，若差值大于预设值20，则标注该横行。切去最上横行以上的部分、切去最下横行以下的部分，完成一次剪切。重复上述动作，直到切至原图横行数的80％，即可认为切割完成。
优选地，所述横向剪切操作，其特征在于：计算每一纵列与该列下方第四纵列的灰度值差值，若差值大于预设值20，则标注该纵列。切去最左纵列以左的部分、切去最右纵列以右的部分，完成一次剪切。重复上述动作，直到切至原图纵列数的50％，即可认为切割完成。
优选地，所述面积范围T，设置为50至7000像素。
优选地，所述面积范围T，其数值大小可以根据所计数昆虫的大小进行合适的调整。
优选地，所述面积阈值，其数值大小可以根据实际需要进行合适的调整。
优选地，所述擦除操作执行阈值，其数值大小可以根据实际精确度需要进行合适的调整。
优选地，所述像素减半法，其特征在于：在上一步操作后，横向边像素数大于纵向边。对横向边像素数进行判断，如果大于2000像素的长度，则使图片长宽方向像素都缩减为原先的一半，直到横向边像素长度不大于2000。
优选地，所述预设值，其数值大小可以根据实际需要进行合适的调整。
本发明所述方法与系统，与现有技术相比，有如下优势：与现有人工计数方法相比，可以方便地通过调整程序阈值统计各种大小昆虫的数量，相比人工计数准确性高、大量计数时速度快；与基于普通照片的计数方法相比，可以更准确地统计与粘虫板颜色相近的昆虫或进行无光等肉眼不可见情况下害虫情况；采用了动态颜色阈值计算，一定程度上消除了板面整体温度偏高或偏低对计数的影响。
附图说明
图1为本发明方法的流程示意图。
图2为正确使用本发明时输入图片的样例。
图3为正确使用本发明时输出结果的样例。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明提供了一种基于红外热成像的害虫计数方法。如图1，所述方法的基本步骤包括：
步骤(1)：读取原图片，执行基本操作。
步骤(2)：计算上一步处理图片后的基本信息。
步骤(3)：进行图片剪切。
步骤(4)：进行动态颜色阈值计算及处理。
步骤(5)：定义相关搜索方法，搜索连续块并储存。
步骤(6)：扩增白色区域。
步骤(7)：首次搜索连续块，擦除部分不合格黑色连续块。
步骤(8)：再次搜索连续块，并擦除部分不合格白色连续块。
步骤(9)：在控制台打印连续块信息。
步骤(10)：通过平均值阈值，擦除部分不合格连续块。
步骤(11)：对剩余连续块计数，并输出计数结果。
优选地，所述步骤(1)中基本操作是指，包括非空判断、纵横转换以及压缩图片在内的操作。优选地，所述非空判断操作程序为：
Figure BDA0002331312410000041
所述纵横转换操作程序为：
Figure BDA0002331312410000042
所述压缩图片操作程序为：
Figure BDA0002331312410000043
所述步骤(1)中原图片是指，基于红外热成像技术得到的JPEG格式灰度照片。
所述步骤(2)中基本信息是指，图片的行列数与面积。
优选地，所述读取行列数操作程序为：
int col＝image.cols，row＝image.rows；
int areaSum＝col*row；
auto get＝[&image](int x，int y){return image.at<uchar>(y，x)；}；
所述步骤(3)中进行图片剪切操作的方法，包括如下几个步骤：1、计算输入图片的行列数。2、进行纵向剪切。3、进行横向剪切。4、输出图像。
优选地，单次纵向剪切操作程序为：
Figure BDA0002331312410000051
Figure BDA0002331312410000061
优选地，单次横向剪切操作程序为：
Figure BDA0002331312410000062
Figure BDA0002331312410000071
基于两个单次剪切而形成的多次剪切操作程序为：
Figure BDA0002331312410000081
Figure BDA0002331312410000091
Figure BDA0002331312410000101
所述步骤(3)中进行图片剪切操作的目的是，将粘虫板切出，去除板外信息对计数可能存在的干扰。
所述步骤(4)中所述动态阈值计算及处理是指，对于某一点，在该点周围取一足够大区域，设区域内平均颜色阈值为参考阈值，处于阈值内的颜色设定为白色，其它颜色设定为黑色。
优选地，所述动态阈值计算及处理操作的程序为：
adaptiveThreshold(image，image，255，ADAPTIVE_THRESH_GAUSSIAN_C，THRESH_BINARY，55，16)
所述步骤(4)中动态阈值计算及处理的目的是，将粘虫板转换为白色，将昆虫转化为黑色，同时有效防止板面局部温度过高或过低导致的热成像误差。
所述步骤(5)中搜索方法是指，基于广度优先的搜索算法的连续块搜索方法。
优选地，基于广度优先的搜索算法及储存操作的程序为：
Figure BDA0002331312410000102
Figure BDA0002331312410000111
所述步骤(5)中搜索方法，目的是搜索黑白二值图像中所有的连续块。
所述步骤(5)中储存操作是指，利用list容器储存连续块。
所述步骤(6)中扩展白色区域操作，目的是将较为细长的黑色连续块切碎，便于后续擦除。所述扩展白色区域操作的程序为：
Mat element＝getStructuringElement(MORPH_RECT，Size(3，3)，Point(1，1))；
dilate(image，image，element)；
所述步骤(7)中不合格黑色连续块是指，像素面积范围T之外的所有黑色连续块。
所述首次搜索连续块并擦除不合格连续块操作的程序为：
Figure BDA0002331312410000112
Figure BDA0002331312410000121
所述步骤(8)中不合格白色连续块，是指像素面积范围T之外的所有白色连续块。
所述再次搜索连续块并擦除不合格连续块操作的程序为：
Figure BDA0002331312410000122
所述步骤(9)中连续块信息，是指连续块像素数值。
所述打印连续块信息操作的程序为：
Figure BDA0002331312410000123
所述步骤(10)中平均值阈值，是指对像素为7000以下的连续块取面积平均值，作为1只昆虫的面积阈值。
所述取平均值阈值及再次擦除操作的程序为：
for(Block&block：block_list)
if(！block.white&&block.area()＜7000)mothArea+＝block.area()，approxMothCount++；
int singleMothArea＝mothArea/approxMothCount；
所述步骤(11)中擦除操作，是指擦除面积小于1/2个昆虫面积的连续块，排除杂物以及其它种类的昆虫干扰。
所述面积范围T，设置为50至7000像素。
所述面积范围T，其数值大小可以根据所计数昆虫的大小进行合适的调整。
所述面积阈值，其数值大小可以根据实际需要进行合适的调整。
所述擦除操作执行阈值，其数值大小可以根据实际精确度需要进行合适的调整。
本发明所述方法与系统，与现有技术相比，有如下优势：与现有人工计数方法相比，可以方便地通过调整程序阈值统计各种大小昆虫的数量，相比人工计数准确性高、大量计数时速度快；与基于普通照片的计数方法相比，可以更准确地统计与粘虫板颜色相近的昆虫或进行无光等肉眼不可见情况下害虫情况；采用了动态颜色阈值计算，一定程度上消除了板面整体温度偏高或偏低对计数的影响。
实施例一：
结合上述步骤以及代码，通过下面个实施例详细说明本发明，步骤是：
步骤1)需要正确使用本发明，需要拍摄合规红外热成像图片。本实施例使用拍摄工具的是FLUKE热成像仪TIX480。需要使拍摄的粘虫板接近矩形，粘虫板完整地处于拍摄范围内，尽量让粘虫板充满照片的窄边，且矩形的长和宽尽量与照片的边缘平行，以便达到更精确的识别效果。尽量在阴凉处或夜间将板放置在地面拍摄，防止其他物体或温度较高的阳光光斑导致误识别。
步骤2)将拍摄的照片导入电脑。
步骤3)使用“Fluke SmartView”打开IS2格式的热成像照片。
步骤4)双击图片，打开“编辑”面板。
步骤5)将颜色设置为“灰度反转”，勾选“UltraContras”，并取消勾选“显示标记”。
步骤6)点击“确定”。
步骤7)右键点击图片并在菜单中选择“导出”，得到结果如图2。
步骤8)按照“具体实施方式”中指引完成程序并编译。也可以创建一个文件夹，作为程序的安装目录，装入我们提供的安装程序IntelliEco-Thermal.exe，双击运行即可。
步骤9)向程序导入图片，打开程序后输入图片路径。
步骤10)如图3，得到计数结果及各有效连续块的部分参数。
以上所述仅为本发明的优选实施例，并不用于限制本发明。本发明可以有各种更改及变化，凡在本发明精神和原则之内的，所做的任何修改、等同替换或改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于红外热成像的害虫计数方法，其特征在于：所述方法包括如下几个步骤：
步骤(1)：在电脑端读取原图片，执行基本操作；
步骤(2)：计算上一步处理图片后的基本信息；
步骤(3)：进行图片剪切；
步骤(4)：进行动态颜色阈值计算及处理；
步骤(5)：定义相关搜索方法，搜索连续块并储存；
步骤(6)：扩增白色区域；
步骤(7)：首次搜索连续块，擦除部分不合格黑色连续块；
步骤(8)：再次搜索连续块，并擦除部分不合格白色连续块；
步骤(9)：在控制台打印连续块信息；
步骤(10)：通过平均值阈值，擦除部分不合格连续块；
步骤(11)：对剩余连续块计数，并输出计数结果。
2.根据权利要求1所述的害虫计数方法，其特征在于，所述步骤中(1)、(2)中，基本操作是指，包括非空判断、纵横转换和压缩图片操作；所述原图片，是指基于红外热成像技术得到的JPEG格式灰度照片；基本信息是指图片的行列数与面积，其中：
非空判断操作：对于用户的输入，先判断是否为空，为空则向用户反馈，不为空则进入下一步操作；
纵横转换操作：根据图片的长宽尺寸进行合适的旋转，使较长边为横向边；
压缩图片操作：通过像素减半法将图片像素降低；
纵向剪切操作：计算每一横行与该行下方第四横行的灰度值差值，若差值大于预设值20，则标注该横行，切去最上横行以上的部分、切去最下横行以下的部分，完成一次剪切，重复上述动作，直到切至原图横行数的80％，即可认为切割完成；
横向剪切操作：计算每一纵列与该列下方第四纵列的灰度值差值，若差值大于预设值20，则标注该纵列，切去最左纵列以左的部分、切去最右纵列以右的部分，完成一次剪切，重复上述动作，直到切至原图纵列数的50％，即可认为切割完成。
3.根据权利要求1所述的害虫计数方法，其特征在于，所述步骤(3)中，进行图片剪切的目的是将粘虫板切出，去除板外信息对计数可能存在的干扰，包括如下几个步骤：1、计算输入图片的行列数；2、进行纵向剪切；3、进行横向剪切；4、输出图像。
4.根据权利要求1所述的害虫计数方法，其特征在于，所述步骤(4)中，所述动态阈值计算及处理方法是：对于某一点，在该点周围取一足够大区域，设区域内平均颜色阈值为参考阈值，处于阈值内的颜色设定为白色，其它颜色设定为黑色；
所述动态阈值计算及处理的目的是，将粘虫板转换为白色，将昆虫转化为黑色，同时有效防止板面局部温度过高或过低导致的热成像误差。
5.根据权利要求1所述的害虫计数方法，其特征在于，所述的步骤(5)中，搜索方法是搜索黑白二值图像中所有的连续块，是一种基于广度优先的搜索算法的连续块搜索方法；所述储存操作是指，利用list容器储存连续块。
6.根据权利要求1所述的害虫计数方法，其特征在于，所述的步骤(6)中，所述扩展白色区域操作，目的是将较为细长的黑色连续块切碎，便于后续擦除。
7.根据权利要求1所述的害虫计数方法，其特征在于，所述的步骤(7)、(8)中，所述不合格黑色连续块，是指像素面积范围T之外的所有黑色连续块；所述不合格白色连续块，是指像素面积范围T之外的所有白色连续块；
面积范围T，设置为50至7000像素；或其数值大小可以根据所计数昆虫的大小进行合适的调整。
8.根据权利要求1所述的害虫计数方法，其特征在于，所述的步骤(9)中，所述连续块信息，是指连续块像素数值。
9.根据权利要求1所述的害虫计数方法，其特征在于，所述的步骤(10)中，所述平均值阈值，是指对像素为7000以下的连续块取面积平均值，作为1只昆虫的面积阈值。
10.根据权利要求1所述的害虫计数方法，其特征在于，所述的步骤(11)中，所述擦除操作，是指擦除面积小于1/2个昆虫面积的连续块，排除杂物以及其它种类的昆虫干扰；所述擦除操作的执行阈值，其数值大小可以根据实际精确度需要进行合适的调整，在上一步操作后，横向边像素数大于纵向边，对横向边像素数进行判断，如果大于2000像素的长度，则使图片长宽方向像素都缩减为原先的一半，直到横向边像素长度不大于2000；执行阈值的数值大小可以根据实际需要进行合适的调整。
CN201911344589.6A 2019-12-23 2019-12-23 一种基于红外热成像的害虫计数方法 Pending CN111161230A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911344589.6A CN111161230A (zh) 2019-12-23 2019-12-23 一种基于红外热成像的害虫计数方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911344589.6A CN111161230A (zh) 2019-12-23 2019-12-23 一种基于红外热成像的害虫计数方法

Publications (1)

Publication Number Publication Date
CN111161230A true CN111161230A (zh) 2020-05-15

Family

ID=70557884

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911344589.6A Pending CN111161230A (zh) 2019-12-23 2019-12-23 一种基于红外热成像的害虫计数方法

Country Status (1)

Country Link
CN (1) CN111161230A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080253647A1 (en) * 2007-04-13 2008-10-16 Seungyeon Cho System and method for identifying and classifying color regions from a digital image
CN101794406A (zh) * 2010-04-06 2010-08-04 湖南省植物保护研究所 烟粉虱成虫密度自动计数系统
CN101877074A (zh) * 2009-11-23 2010-11-03 常州达奇信息科技有限公司 基于多元特征的结核杆菌目标识别计数算法
CN108171683A (zh) * 2017-12-12 2018-06-15 杭州键生物科技有限公司 一种采用软件自动识别的细胞计数方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080253647A1 (en) * 2007-04-13 2008-10-16 Seungyeon Cho System and method for identifying and classifying color regions from a digital image
CN101877074A (zh) * 2009-11-23 2010-11-03 常州达奇信息科技有限公司 基于多元特征的结核杆菌目标识别计数算法
CN101794406A (zh) * 2010-04-06 2010-08-04 湖南省植物保护研究所 烟粉虱成虫密度自动计数系统
CN108171683A (zh) * 2017-12-12 2018-06-15 杭州键生物科技有限公司 一种采用软件自动识别的细胞计数方法

Similar Documents

Publication Publication Date Title
CN108921161B (zh) 模型训练方法、装置、电子设备和计算机可读存储介质
CN109034078B (zh) 年龄识别模型的训练方法、年龄识别方法及相关设备
CN110929756B (zh) 基于深度学习的钢材尺寸和数量的识别方法、智能设备和存储介质
CN111210399B (zh) 一种成像质量评价方法、装置及设备
JP2007517315A (ja) デジタルカラー画像における空の検出
CN110796048A (zh) 一种基于深度神经网络的船舰目标实时检测方法
JP2010045613A (ja) 画像識別方法および撮像装置
CN111583180B (zh) 一种图像的篡改识别方法、装置、计算机设备及存储介质
CN112967255A (zh) 一种基于深度学习的盾构管片缺陷类型识别及定位系统及其方法
CN110942456B (zh) 篡改图像检测方法、装置、设备及存储介质
CN110766077A (zh) 证据链图像中特写图筛选方法、装置和设备
CN112750104B (zh) 一种多相机监控船舶自动匹配最优相机的方法及装置
CN103049909A (zh) 一种以车牌为焦点的曝光方法
CN107622497A (zh) 图像裁剪方法、装置、计算机可读存储介质和计算机设备
CN107346547A (zh) 基于单目平台的实时前景提取方法及装置
CN111723656A (zh) 一种基于YOLO v3与自优化的烟雾检测方法及装置
CN110751606A (zh) 一种基于神经网络算法的泡沫图像处理方法及系统
CN114359235A (zh) 一种基于改进YOLOv5l网络的木材表面缺陷检测方法
CN115880260A (zh) 基站施工的检测方法、装置、设备及计算机可读存储介质
CN116824135A (zh) 基于机器视觉的大气自然环境试验工业产品识别分割方法
US8218823B2 (en) Determining main objects using range information
CN109684953B (zh) 基于目标检测和粒子滤波算法进行猪只跟踪的方法及装置
CN114078127A (zh) 物件的缺陷检测及计数方法、装置、设备和存储介质
CN114155551A (zh) 基于YOLOv3改进的复杂环境下的行人检测方法及装置
CN117292281A (zh) 基于无人机图像的露地瓜菜检测方法、装置、设备及介质

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: 20200515