CN111380833B - 基于多目视觉的除杂系统 - Google Patents
基于多目视觉的除杂系统 Download PDFInfo
- Publication number
- CN111380833B CN111380833B CN202010167147.5A CN202010167147A CN111380833B CN 111380833 B CN111380833 B CN 111380833B CN 202010167147 A CN202010167147 A CN 202010167147A CN 111380833 B CN111380833 B CN 111380833B
- Authority
- CN
- China
- Prior art keywords
- impurities
- vision
- impurity
- near infrared
- mechanical arm
- 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
- 239000012535 impurity Substances 0.000 title claims abstract description 136
- 238000004519 manufacturing process Methods 0.000 claims abstract description 33
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 19
- 230000007246 mechanism Effects 0.000 claims abstract description 12
- 230000009471 action Effects 0.000 claims abstract description 8
- 238000001228 spectrum Methods 0.000 claims description 36
- 239000000463 material Substances 0.000 claims description 35
- 239000003814 drug Substances 0.000 claims description 23
- 230000003595 spectral effect Effects 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000005202 decontamination Methods 0.000 claims description 4
- 230000003588 decontaminative effect Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 239000000356 contaminant Substances 0.000 claims 3
- 238000010183 spectrum analysis Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 229910052736 halogen Inorganic materials 0.000 description 3
- 150000002367 halogens Chemical class 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 3
- 229910052721 tungsten Inorganic materials 0.000 description 3
- 239000010937 tungsten Substances 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000010420 art technique Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General 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)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Processing (AREA)
Abstract
本发明涉及基于多目视觉的除杂系统，其近红外采集装置用于实时采集并获得近红外光谱，依据近红外光谱判断是否存在杂质，当判断为存在杂质时，向多目视觉采集装置发出存在杂质信息；多目视觉采集装置用于实时采集多目视频图像，获得杂质的空间坐标信息并将发送至机械臂除杂装置；机械臂除杂装置依据的杂质的空间坐标信息控制执行机构的动作，将杂质从生产线上除去。本发明能够获得实时多目视频图像，实现杂质的自动识别和剔出。
Description
技术领域
本发明涉及基于多目视觉的除杂系统，主要用于中药生产线的自动除杂，也可以用于其他类似用途或场合。
背景技术
中医药是我国灿烂文化的重要组成部分，是中华民族四大国粹之一，在国际上有着越来越重大的影响，深受中国人民和世界人民的热爱和欢迎。随着社会的发展，中医药需求比重逐年增高。然而，随之而来的问题，大部分中药制药技术落后，中药饮片制造自动化，智能化程度低，尤其是在中药杂质(包括其他物质或不合格品)的剔除方面，大部分中药制药生产线都采用人工挑选剔除的方式，这种方式不仅准确率低，而且会消耗大量人力物力，严重阻碍中医药制药技术的发展。如何实现一种智能化精准剔除中药制造生产线上杂质的系统成为亟待解决的问题。
发明内容
为克服现有技术的上述缺陷，本发明提供了基于多目视觉的除杂系统，该系统能够获得实时多目视频图像，以便通过计算机视觉技术实现杂质的自动视觉识别，并可以基于视觉识别结果进行杂质的自动分离。
本发明的技术方案是：
基于多目视觉的除杂系统，包括：
近红外采集装置，用于实时采集生产线的近红外采集工位的近红外光并生成相应的近红外光谱，依据近红外光谱判断是否存在杂质，当存在杂质时，向多目视觉采集装置发出存在杂质信息；
多目视觉采集装置，用于实时采集生产线的视觉采集工位的多目视频图像，依据采集的多目视频图像获得杂质的空间坐标信息并将杂质的空间坐标信息发送至机械臂除杂装置，依据来自近红外采集装置的存在杂质信息，在该杂质进入其有效视野(有效图像区域)时启动视频图像采集，在该杂质移出其有效视野时停止视频图像采集；
机械臂除杂装置，用于去除生产线上的杂质，依据来自多目视觉采集装置的杂质的空间坐标信息控制执行机构的动作时间，通过执行机构的动作将移动至杂质剔除工位的杂质从生产线上除去，
所述近红外采集工位、视觉采集工位和杂质剔除工位在生产线(物料的传送机构或移动轨迹)上依次分布。
所述近红外采集装置可以包括近红外光谱仪模块和光谱分析模块，所述近红外光谱仪模块用于采集近红外光并生成相应的近红外光谱，所述光谱分析模块用于对所述近红外光谱仪模块生成的近红外光谱进行光谱分析，将近红外光谱仪模块生成的近红外光谱(可称为实际光谱)与物料(生产线上的正常物料或合格物料)的近红外光谱进行比对，判断是否存在杂质。
优选以光谱峰值作为比对参数，在出现不属于物料的光谱峰值时，判断为存在杂质。
可设置基于频率的峰值判断标准，在不存在物料的光谱峰值的频率上，如果出现了超过设定阈值的峰值，判断为出现不属于物料的光谱峰值，所述阈值可以为相对值，例如，该峰值与实际光谱中最大峰值的比值。
可基于调查和实验数据等，建立一个或多个典型杂质的光谱峰值，以减少光谱比对的数据处理量。在出现典型杂质的光谱峰值时，判断为存在杂质。可以不考虑其他峰值，或只有在出现明显异常的峰值时才判断为存在杂质，可以设定明显异常的判断阈值，所述阈值可以为相对值，例如，该峰值与实际光谱中最大峰值的比值。
所述多目视觉采集装置可以包括多目相机模块和视觉标定模块，所述多目相机模块用于采集多目视频图像并获得在各视频图像中的杂质信息(例如，图像坐标)，所述视觉标定模块依据各视频图像中的杂质信息生成该杂质在相机坐标系或在世界坐标系的三维坐标，以此作为发送至机械臂除杂装置的杂质的空间坐标信息。
可以依据现有技术实现图像中的杂质识别，获得杂质信息。例如，依据物料与杂质在边缘特征、颜色特征或三维尺度比例特征等方面的差异，采用边缘检测算法或颜色直方图等现有图像特征识别技术进行物料与杂质的特征识别和比对，识别出图像中的杂质，依据多目相机同步采用的图像，对同一杂质进行三维定位，形成杂质是在相机坐标系中的三维坐标。
所述机械臂除杂装置可以包括手眼标定模块、中控模块和机械臂模块，所述手眼标定模块用于将来自多目视觉采集装置的杂质的空间坐标信息转换为杂质在机械臂坐标系的三维坐标，所述中控模块依据物料传输速度和执行机构响应时间计算执行机构的动作时间，所述机械臂模块作为执行机构，在中控模块的控制下动作，将移动至杂质剔除工位的杂质从生产线上除去。
可以依据现有技术和实际需要，设定或选择红外线和图像的采样时间间隔或频率。
可以依据现有技术和实际需要，设定或选择红外光谱分析和图像杂质识别的时间间隔或频率，可以对每一帧图像都进行杂质识别及后续处理，也可以每间隔若干帧进行一帧图像的杂质识别及后续处理。
可以依据现有技术设立多目相机的相机坐标系、世界坐标系和机械臂坐标系。
可以依据现有技术确定具体光谱和具体图像所对应的物料位置，依据生产线上物料的移动速度或移动方式，确定具体物料在各工位相关位置上的具体时间或时间对应关系。
可以依据现有技术进行近红外光谱的分析比对，可以依据实验建立物料的近红外光谱数据和典型杂质的近红外光谱数据，可以以物料的近红外光谱的主要峰值及主要峰值的比值作为相应近红外光谱数据，可以依据调查和实验结果确定与物料对应的若干种典型杂质，并以这些典型杂质的近红外光谱的主要峰值及主要峰值的比值作为相应的近红外光谱数据。
这种基于多目视觉的除杂系统是相应软件支持下的检测速度快、检测精度高、适用范围广的智能除杂系统，通过多目相机自动采集中药生产线的中药材图像，依据这些图像不仅能够通过计算机视觉技术自动识别和检测出其中的杂质，同时依据其多目相机采集的视差画面能够实时计算出杂质的三维坐标，通过坐标换算控制机械臂对杂质进行精确抓取剔除，而且还可以将采集的光谱数据实时传输到云平台，方便光谱数据管理及制药产线优化，达到最大的生产效率与生产合格率。
附图说明
图1是本发明一种基于多目视觉的除杂系统的示意图；
图2是本发明多目相机模块的示意图。
具体实施方式
下面结合附图，以在中药生产线的实施方式为例对本发明作进一步详细的描述。可以理解的是，本发明也可以用于其他适应物料的连续输送场合的杂质识别和去除。
参见图1，本发明的基于多目视觉的除杂系统包含了三个装置，分别为近红外采集装置101、多目视觉采集装置102和机械臂除杂装置103。其中，所述近红外采集装置分为近红外光谱仪模块和光谱分析模块；所述多目视觉采集装置分为多目相机模块和视觉标定模块；所述机械臂除杂装置分为手眼标定模块、中控模块和机械臂模块。近红外光谱模块采集中药制药生产线(或其他适宜物料的连续输送线，下同)上中药材(或其他适宜物料，下同)及混杂杂质的光谱数据，并将该光谱数据反馈至光谱分析模块，光谱分析模块对光谱数据进行分析并检测(或称判断出，下同)是否存在杂质，并将该检测信息反馈至多目相机模块，多目相机模块接收到存在杂质信息后，开启采集功能，对混杂杂质的三维空间坐标进行采集并将该坐标通过视觉标定模块转换为相机坐标系中的坐标，完成转换后将坐标值(或称坐标信息，下同)反馈至(或称传至，下同)手眼标定模块，手眼标定模块将相机坐标系中混杂杂质的坐标转换为机械臂坐标系中的三维坐标，并将转换后的坐标值反馈至中控模块，中控模块根据混杂杂质在机械臂坐标系中的的三维坐标值生成抓取指令，并将指令传输至机械臂模块，机械臂模块根据抓取命令对混杂杂质进行抓取并剔除。
所述近红外采集装置101的作用在于实时采集制药生产线上中药材及混杂杂质的光谱数据，对光谱数据进行智能分析，检测出混杂杂质，并将该检测信息反馈到多目视觉采集装置。
所述近红外采集装置的近红外光谱仪模块可以采用现有技术，例如，可以包含光线发射装置、法珀腔滤波装置、光电探测器装置、信号接收装置和信号发射装置，用于实时对制药生产线上的流动中药材及混杂杂质进行光谱数据采集，并将采集得到的光谱数据通过USB连接线等方式传输到光谱分析模块。
优选的，所述光线发射装置为卤钨灯，卤钨灯发射的光线波长范围为320nm-2500nm，几乎覆盖了整个近红外波长范围，同时卤钨灯发光效率高，光衰小，寿命长，长时间工作稳定，极度适用于制药生产线上中药饮片的长时间连续检测。
优选的，所述法珀腔滤波装置实现反射光线的滤波作用，法珀腔是采用两个距离为光波波长单位的高反射镜组合，通过调节干涉腔的距离来实现对不同波长的滤波作用。法珀腔滤波性能出色，稳定，大大提升了提升了检测数据的可靠性。
优选的，所述光电探测器装置实现固定波段的光线吸收，并将光信号转换为电信号，然后将该电信号实时传输至信号接收装置。
优选的，所述信号接收器实现光谱信息的接收，具体流程为：其中的运放(运算放大器或称运送放大电路)接收到光电探测器装置采集的光谱信息后，放大后传送至ADC，经ADC模数转换后，传送至ARM芯片进行处理，光谱数据暂存ARM的内置FLASH。
优选的，信号发射装置实现将采集到的光谱信息通过USB连接线等方式传送到光谱分析模块。
其中，光谱分析模块能够实时处理中药材及混杂杂质的光谱数据信息，通过中药材与混杂杂质光谱数据谱峰差别检测出混杂杂质，同时能够通过网络将该光谱数据上传至云平台，方便光谱数据的管理及制药生产线优化。
在中药材制药行业中，某一条制药生产线往往仅针对某一种或某一类型的中药材进行加工，同一种或同一类型的中药材光谱数据谱峰均在同一波长点附近，而中药材中混杂杂质谱峰则会出现较大的偏移，通过谱峰的不同对中药材及混杂杂质进行区分，不仅有极高的准确率，而且不需要对光谱数据进行过多的分析，节约计算成本。对于其他物料，也可以根据物料及混杂杂质的光谱特性分辨出是否存在着杂质的光谱，进而判断出是否存在杂质。
所述多目视觉采集装置102的作用在于采集混杂杂质在空间三维中的位置坐标，并将该坐标值信息反馈到机械臂除杂装置，该装置由两个模块组成：多目相机模块和视觉标定模块。
其中，所述多目相机模块通过制药生产线的传输速度V、多目相机离近红外采集装置的距离(中心间距)H及多目相机的采集范围直径为R的圆形区域，计算出接收到杂质指令到启动多目采集的具体时间T1以及多目采集的关闭时间T2，具体计算公式为：
当混杂杂质到达多目相机的采集范围内时启动多目相机采集，当混杂杂质离开多目采集范围时关闭多目相机采集，这样的好处在于可以极大程度的节约资源，避免无杂质情况下多目采集模块持续采集造成的资源浪费。
参见图2，多目相机模块由多个CCD相机构成。根据光学成像的原理，单目视觉无法获取物体在相机坐标系中的深度信息，要获取空间物体的三维坐标信息需采用多目视觉的方式。多目相机模块的具体排布方式为弧形汇聚式，具体相机数目可以为大于1的任意自然数(2～+∞)。多目相机数量越多，混杂杂质三维空间坐标越为准确，但是同时也会造成成本增加，资源浪费。图2所示的实施例采用4个CCD相机构成多目相机模块，这样的好处在于：在保证获取混杂杂质三维坐标准确性的前提下，采用尽可能少的CCD相机，可以有效的节约系统成本及资源。
其中，视觉标定模块可以采用现有技术，涉及两个部分内容：相机参数标定以及相机位置之间的关系。相机参数标定分为内部参数标定和外部参数标定，内部参数标定是对视觉系统自身的参数(焦距、镜头畸变、像元尺寸、图像的中心点等参数)进行标定。外部参数标定为获取空间世界坐标系与相机坐标系的关系，即世界坐标系在相机坐标系中的位置。对于多目视觉的标定除了相机的内外部参数以外还需要标定不同相机之间的位置关系。视觉标定模块通过相机标定以及相机位置关系就可以将混杂杂质的空间三维坐标转换为CCD相机坐标系中的坐标。
所述坐标转换可以采用现有技术。
例如，假设三维空间中某一点的世界坐标值为(X，Y，Z)，在CCD摄像机成像表面的坐标值为(u,v)，CCD摄像机焦距为f，成像表面上水平像素之间的物理距离为dx，成像表面上垂直像素之间物理距离为dy，R为旋转矩阵，T为平移矩阵，则两个坐标值之间的映射关系为：
K矩阵中各个参数是完全取决于摄像机的性质，称为摄像机内参(内参矩阵)；而A矩阵中各个参数取决于摄像机与世界坐标系的相对位置来决定，称为摄像机外参(外参矩阵)。
所述机械臂除杂装置103的作用在于将多目相机坐标系转换为机械臂坐标系，混杂杂质在多目相机坐标系中的位置转换为机械臂系统中的三维坐标位置，通过控制指令控制机械臂精准地对混杂杂质进行抓取并剔除，该装置由三个模块组成：手眼标定模块、中控模块和机械臂模块。
所述手眼标定模块能够将混杂杂质在多目相机坐标系中的位置转换为机械臂坐标系中的三维坐标位置，机械臂与CCD相机之间的关系相当于人的手和眼睛，故又称手眼系统。机械臂要精确的抓取混杂杂质就必须已知杂质在机械臂坐标系中的位置，通过视觉标定模块只能获得杂质在相机坐标系中的位置，在视觉标定模块的作用下，再次通过手眼标定模块可以获得三维空间中中药材混杂杂质在机械臂坐标系的空间位置。相关坐标转换亦可以采用现有技术。
所述中控模块接收手眼标定模块传输的混杂杂质三维空间坐标值，结合制药生产线传输带的传输速度、机械臂响应时间、机械臂抓取速度计算出机械臂需要抓取的三维空间坐标值，并将该坐标值生成抓取指令，发送到机械臂模块。
所述机械臂模块接收中控模块分配的抓取指令，执行抓取指令，完成对中药材中混杂杂质的抓取及剔除工作。
本发明公开的各优选和可选的技术手段，除特别说明外及一个优选或可选技术手段为另一技术手段的进一步限定外，均可以任意组合，形成若干不同的技术方案。
Claims (4)
1.用于中药生产线的基于多目视觉的除杂系统，其特征在于包括：
近红外采集装置，用于实时采集生产线的近红外采集工位的近红外光并生成相应的近红外光谱，依据近红外光谱判断是否存在杂质，当判断为存在杂质时，向多目视觉采集装置发出存在杂质信息，以光谱峰值作为比对参数，在出现不属于物料的光谱峰值时，判断为存在杂质，设置基于频率的峰值判断标准，在不存在物料的光谱峰值的频率上，如果出现了超过设定阈值的峰值，判断为出现不属于物料的光谱峰值，所述阈值为相对值，为该峰值与实际光谱中最大峰值的比值；
多目视觉采集装置，用于实时采集生产线的视觉采集工位的多目视频图像，依据采集到的多目视频图像获得杂质的空间坐标信息并将杂质的空间坐标信息发送至机械臂除杂装置，依据来自近红外采集装置的存在杂质信息，在该杂质进入其有效视野时启动视频图像采集，在该杂质移出其有效视野时停止视频图像采集，所述多目视觉采集装置包括多目相机模块和视觉标定模块，所述多目相机模块用于采集多目视频图像并获得在各视频图像中的杂质信息，所述视觉标定模块依据各视频图像中的杂质信息生成该杂质在相机坐标系或在世界坐标系的三维坐标，以此作为发送至机械臂除杂装置的杂质的空间坐标信息；
机械臂除杂装置，用于去除生产线上的杂质，依据来自多目视觉采集装置的杂质的空间坐标信息控制执行机构的动作，通过执行机构的动作将移动至杂质剔除工位的杂质从生产线上除去，所述机械臂除杂装置包括手眼标定模块、中控模块和机械臂模块，所述手眼标定模块用于将来自多目视觉采集装置的杂质的空间坐标信息转换为杂质在机械臂坐标系的三维坐标，所述中控模块依据物料传输速度和执行机构响应时间计算执行机构的动作时间，所述机械臂模块作为执行机构，在中控模块的控制下动作，将移动至杂质剔除工位的杂质从生产线上除去，
所述近红外采集工位、视觉采集工位和杂质剔除工位在生产线上依次分布。
2.如权利要求1所述的基于多目视觉的除杂系统，其特征在于设定或选择红外线和图像的采样时间间隔或频率。
3.如权利要求2所述的基于多目视觉的除杂系统，其特征在于在出现典型杂质的光谱峰值时，判断为存在杂质。
4.如权利要求3所述的基于多目视觉的除杂系统，其特征在于建立一个或多个典型杂质的光谱峰值，以减少光谱比对的数据处理量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010167147.5A CN111380833B (zh) | 2020-03-11 | 2020-03-11 | 基于多目视觉的除杂系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010167147.5A CN111380833B (zh) | 2020-03-11 | 2020-03-11 | 基于多目视觉的除杂系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111380833A CN111380833A (zh) | 2020-07-07 |
| CN111380833B true CN111380833B (zh) | 2024-02-06 |
Family
ID=71215329
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010167147.5A Active CN111380833B (zh) | 2020-03-11 | 2020-03-11 | 基于多目视觉的除杂系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111380833B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114112989B (zh) * | 2021-12-03 | 2023-07-11 | 四川启睿克科技有限公司 | 基于复合视觉的近红外检测方法及系统 |
| CN116459764A (zh) * | 2023-04-10 | 2023-07-21 | 佛山市卓禾化工科技有限公司 | 一种环保胶水生产系统及其生产方式 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101933650A (zh) * | 2009-06-30 | 2011-01-05 | 福建中烟工业公司 | 引入近红外光谱技术的烟草异物剔除装置及其剔除方法 |
| CN104624505A (zh) * | 2015-01-16 | 2015-05-20 | 同济大学 | 一种基于图像识别的废塑料分离方法与系统 |
| CN106651882A (zh) * | 2016-12-29 | 2017-05-10 | 广东工业大学 | 一种基于机器视觉的燕窝杂质识别与检测方法及装置 |
| CN107262389A (zh) * | 2017-04-25 | 2017-10-20 | 无为皖江粮食机械有限公司 | 一种基于图像采集的粮食杂质清理系统和方法 |
-
2020
- 2020-03-11 CN CN202010167147.5A patent/CN111380833B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101933650A (zh) * | 2009-06-30 | 2011-01-05 | 福建中烟工业公司 | 引入近红外光谱技术的烟草异物剔除装置及其剔除方法 |
| CN104624505A (zh) * | 2015-01-16 | 2015-05-20 | 同济大学 | 一种基于图像识别的废塑料分离方法与系统 |
| CN106651882A (zh) * | 2016-12-29 | 2017-05-10 | 广东工业大学 | 一种基于机器视觉的燕窝杂质识别与检测方法及装置 |
| CN107262389A (zh) * | 2017-04-25 | 2017-10-20 | 无为皖江粮食机械有限公司 | 一种基于图像采集的粮食杂质清理系统和方法 |
Non-Patent Citations (1)
| Title |
|---|
| 近红外光谱用于皮棉杂质含量预测和分类的研究;郭俊先等;《光谱学与光谱分析》;第第30卷卷(第第3期期);第649-651页"引言"、"材料与方法"、"试验结果与分析" * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111380833A (zh) | 2020-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104482860B (zh) | 鱼类形态参数自动测量装置和方法 | |
| CN103646250B (zh) | 基于距离图像头肩特征的行人监测方法及装置 | |
| CN111380833B (zh) | 基于多目视觉的除杂系统 | |
| CN110132226B (zh) | 一种无人机巡线的距离及方位角测量系统和方法 | |
| CN104778726A (zh) | 一种基于人体特征进行运动轨迹跟踪的方法及系统 | |
| CN104568154B (zh) | 印刷品颜色质量检测方法及系统 | |
| CN109974582A (zh) | 一种汽车线束的芯线尺寸非接触式视觉检测装置及方法 | |
| CN110174065B (zh) | 基于正交双目机器视觉的水果大小无损检测方法 | |
| CN110244314A (zh) | 一种“低慢小”目标探测识别系统与方法 | |
| CN106291737B (zh) | 一种水下光谱复合成像探测系统及方法 | |
| CN101226157A (zh) | 滤光片洁净度的检测设备及方法 | |
| CN109406527B (zh) | 一种微型摄像模组镜头精细外观缺陷检测系统及方法 | |
| CN114345741A (zh) | 一种高效的视觉检测方法及系统 | |
| CN210071686U (zh) | 基于正交双目机器视觉的水果分级装置 | |
| CN105319166A (zh) | 一种大豆实时检测仪器 | |
| EP3460753A1 (en) | Photometric stereo system and method for inspecting objects with a one-shot camera and a computer program | |
| CN101231565A (zh) | 光电白板信号接收装置 | |
| CN108227044B (zh) | 一种基于双线阵的雨滴测量装置及方法 | |
| FI130492B (en) | Two-row diode array device and measurement method and particle velocity measurement device | |
| CN112098415B (zh) | 一种杨梅品质无损检测方法 | |
| CN210720208U (zh) | 快递邮品违禁品检测装置 | |
| JP2007235760A (ja) | 紫外線画像および赤外線画像を撮像する撮像装置および撮像方法 | |
| CN206114545U (zh) | 一种单摄像机宽视场视觉螺纹检测装置 | |
| CN112461762B (zh) | 基于hsv模型的溶液浊度检测方法、介质、图像处理系统 | |
| CN209460779U (zh) | 一种带人体测温的客流分析装置 |
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 |