CN111521128A - 一种基于光学投影的贝类外部形态自动测量方法 - Google Patents
一种基于光学投影的贝类外部形态自动测量方法 Download PDFInfo
- Publication number
- CN111521128A CN111521128A CN202010293790.2A CN202010293790A CN111521128A CN 111521128 A CN111521128 A CN 111521128A CN 202010293790 A CN202010293790 A CN 202010293790A CN 111521128 A CN111521128 A CN 111521128A
- Authority
- CN
- China
- Prior art keywords
- shellfish
- image
- pixel
- projection
- edge
- 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
Links
- 235000015170 shellfish Nutrition 0.000 title claims abstract description 93
- 230000003287 optical effect Effects 0.000 title claims abstract description 20
- 238000000691 measurement method Methods 0.000 title claims description 11
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 abstract description 15
- 238000001514 detection method Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000002902 bimodal effect Effects 0.000 abstract description 4
- 238000003708 edge detection Methods 0.000 abstract description 4
- 238000012216 screening Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/2433—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring outlines by shadow casting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于光学投影的贝类外部形态自动测量方法,将贝类放置于载物台的中心位置;打开平行光源;使用拍摄装置拍摄投影板上的画面;读取投影图像;通过双峰法将图像二值化;通过窗口检测法,去除背景噪声;使用边缘检测法提取目标边缘;通过图像描述技术获取目标的边缘复杂度和以像素为单位的长度、周长以及面积;根据相机所拍摄区域的长宽以及图片的像素值,计算出贝类的实际长度、周长以及面积。本发明实现了对贝类外部形态快速准确的自动测量,通过软硬件结合的方式克服了传统测量方式的短板,能有效加强贝类产品筛查效率、提升企业投资回报率,市场前景广阔。
Description
技术领域
本发明涉及一种贝类形态测量技术,具体涉及一种基于光学投影的贝类外部形态自动测量方法。
背景技术
贝类是我国沿海地区的主要的经济作物之一,在沿海地区经济发展中有着重要的作用。外部形态测量是在贝类育种筛选以及等级分类中不可或缺的一步,然而传统的贝类外部形态测量一般使用皮尺等工具进行手工测量,这种测量的方法存在以下几个明显的缺点:(1)测量效率低。(2)只能对长度进行测量,并且结果不精确,对面积、弯曲度、周长等对重要指标只能通过观察进行估计。(3)成本随着工资上升以及产业规模加大与日俱增。因此,现在市场上急需一种能够自动化的贝类外部形态测量方法以增加测量效率、提高投资回报率并且加强测量的精确性。
目前随着图像处理技术的发展,基于图像的物体形态自动化测量已经被应用于许多问题,但是由于图像处理自动化程度高、采集难度低以及设备不易损耗等特性,其在贝类的测量方面也有着较高的实用价值,但是由于贝类形状的不规则性以及颜色的复杂性,传统通过直接拍摄的图像测量形态的思路在贝类测量上实现过程较为复杂且容易产生误差,而通过光学投影可以使贝类边缘清晰化,大幅降低图片复杂度,再结合基于图像的测量技术,能够通过软硬件结合的方式有效克服上述问题,因此基于光学投影的贝类外部形态自动测量方法具有重要的实际意义。
发明内容
本发明的目的是通过贝类的光学投影与图像处理技术的结合,提供一种自动化的贝类外部形态参数的测量方法。
本发明为实现上述目的所采用的技术方案是:一种基于光学投影的贝类外部形态自动测量装置,包括:
载物台,用于放置贝类对象;
平行光源,用于向贝类对象发射平行光线,使贝类对象投影至投影板;
投影板,用于呈现贝类对象的投影;
拍摄装置,用于采集投影板上的投影图像,发送至计算机;
计算机,用于根据图像对贝类对象的形态进行自动测量。
所述投影板为白色。所述载物台为透明的平台。
所述计算机包含处理器,所述处理器存有程序,当程序被调用时执行贝类外部形态自动测量方法的步骤。
一种基于光学投影的贝类外部形态自动测量方法,包括以下步骤:
平行光源向贝类对象发射平行光线,采集贝类对象投影至投影板的投影图像;
将投影图像转为灰度图像;
通过双峰法将灰度图像二值化,得到二值图像;
去除二值图像的背景噪声,提取目标边缘;
根据目标边缘获取贝类外部形态参数;
根据拍摄装置所拍摄区域的实际长宽以及图像像素值得到贝类对象的实际外部形态。
所述通过双峰法将灰度图像二值化,包括以下步骤:
1)设置阈值T为1;
2)将图像f(x,y)中的像素点分为F1、F2两类,其中,F1中的像素点灰度值小于阈值T,F2中的像素点灰度值大于等于阈值T;
其中N1(T)和N2(T)分别表示集合F1、F2中的像素个数;f(i,j)表示像素点(i,j)处的像素值;
4)计算F1,F2两类占整体像素的比例w1(T)和w2(T):
其中,N为图像像素总个数;
5)计算F1,F2两类的类间方差δ(T):
δ(T)=w1(T)w2(T)[μ1(T)-μ2(T)]2;(3)
6)将阈值T加1,重复步骤2)-5),直到T为255,得到不同阈值T对应的F1、F2的类间方差;记录δ(T)最大时的T取值,即所求的最佳的二值化分割阈值;
7)根据最佳的二值化分割阈值T,划分小于T的像素部分为识别目标并将像素值置为1即白色,大于T的像素部分划为背景并将像素值置为0即黑色,得到二值图像f′(x,y)。
所述去除二值图像的背景噪声,具体如下:
对于二值图像中的每一个白点,以其为中心创建一个设定大小的窗口,统计窗口中的白点与黑点的比例;
若比例小于设定值,则将该窗口中的像素全部变成黑点,以去除图像噪声。
所述提取目标边缘具体过程为:
对图像中的每个像素值为1的像素点使用四邻域法进行检测;
若被检测点邻域中存在任何一个点的像素值为0,则记录该被检测点为边缘点,所有边缘点形成一条边缘线。
所述根据目标边缘获取贝类外部形态参数,包括以下步骤:
a、根据去除噪声后的二值图像,统计图像中的白色像素点个数,得到贝类的像素单位面积Sp;
b、根据提取的边缘线,计算边缘线的长度,得到贝类对象的像素周长LP;
d、根据提取的边缘线,计算每两个边缘点之间的欧氏距离,其中距离最大的两点连线长度即为贝类在图像中的像素长度WP。
10、根据权利要求5中所述的一种基于光学投影的贝类外部形态自动测量方法,其特征在于,所述根据拍摄装置所拍摄区域的实际长宽以及图像像素值得到贝类对象的实际外部形态,具体为:
根据拍摄的图像面积以及图像的像素值,计算每个像素点的实际长度pc,再对其求平方可得到每个像素点的实际面积ps,由此得到贝类的实际长度LR=LP×pc,实际周长WR=WP×pc以及实际面积SR=SP×ps。
本发明具有以下有益效果及优点:
1.本发明实现了对贝类外部形态快速准确的自动测量,通过软硬件结合的方式克服了传统测量方式的短板,能有效加强贝类产品筛查效率、提升企业投资回报率,市场前景广阔。
2.本发明采用平行光源,能够避免因光线的散射造成的测量误差。
3.本发明基于双峰法对图像二值化,计算复杂度低,而且能够通过快速准确的找到前景(即目标区域)和背景的最佳分界点。
4.基于四邻域边缘检测法提取二值图像边缘,能够精确提取边缘点,减少冗余边缘信息,增强外部形态的测量速度与精度。
附图说明
图1为本发明的贝类投影装置示意图;
其中,1拍摄装置,2投影板,3载物台,4载物台中心,5平行光源;
图2为贝类外部形态检测流程图;
图3为贝类投影图像样例图像;
图4为贝类投影灰度图像;
图5为贝类投影二值图像;
图6为背景噪声去除图像:
图7为贝类投影边缘示意图;
图8为贝类长度检测示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
投影板,呈现测量贝类阴影的一块白色半透明板或是白纸;
载物台,用于放置需要测量的贝类的透明平台;
平行光源,向前发出灯光,将放置于载物台上的贝类的外部形态投射到投影区域;
拍摄装置,用于获取投影板上投射的影像并将其传入计算机进行分析。
以及一种基于投影图像的贝类长度检测技术,包括:
读取待测量贝类投影图像;通过双峰法将图像二值化;通过窗口检测法,去除背景噪声;使用边缘检测法提取目标边缘;通过图像描述技术获取目标的边缘复杂度和以像素为单位的长度、周长以及面积;根据相机所拍摄区域的长宽以及图片的像素值,计算出贝类的实际长度、周长以及面积。
实施例1:
下面结合附图与实施例对本发明来进一步说明本发明的技术方案。
如图1所示,本实施例提供了一种投影装置,包括:
拍摄装置1,拍摄装置1镜头位置固定,面向投影板2,获取投影板2上投射的影像并将其传入计算机进行分析。
投影板2,投影板2是呈现贝类阴影的区域,位置不可移动,中心与载物台中心4处于一条直线,当平行光源5打开开关时,会在中心位置呈现出贝类的轮廓;
载物台3,用于放置需要测量的贝类,放置位置为载物台中心4;
平行光源5,平行光源5与载物台中心4处于一直线上以保证投射误差尽量小,用于向前发出灯光,将放置于载物台上的贝类的外部形态投射到投影区域。
以上投影装置包括拍摄装置、投影板、载物台、平行光源,将贝类放置于载物台的中心位置,打开平行光源,贝类的阴影会投射到投影板上,使用拍摄装置拍摄投影板上的阴影画面,即可得到贝类的投影图像,如图3所示,由此,可清晰地得到贝类的外形图片,提升识别的效率。
如图2所示,本实施例提供了一种基于投影影像的贝类长度检测技术,包括以下步骤:
1、读取拍摄的图片,如图3所示
2、转换为灰度图片,如图4所示;
3、基于双峰法的图像二值化,方法为:
1)设置一个阈值T为1;
2)将图像f(x,y)中的像素点分为F1、F2两类,分别表示前景和背景;其中,F1中的像素点灰度值小于阈值T,F2中的像素点灰度值大于等于阈值T;
3)计算F1,F2两类像素集合的灰度均值μ1(T)和μ2(T),公式如下:
其中N1(T)和N2(T)分别表示集合F1,F2中的像素个数,f(i,j)表像素点(i,j)处的像素值;
4)计算F1,F2两类占整体像素的比例w1(T)和w2(T),公式如下:
其中,N为图像像素总个数;
5)计算计算F1,F2两类的类间方差δ(T),公式如下:
δ(T)=w1(T)w2(T)[μ1(T)-μ2(T)]2;(3)
6)将阈值T加1,重复步骤2)-5),计算F1、F2的类间方差,直到T为255,记录δ(T)最大时的T取值,即所求的最佳的二值化分割阈值;
7)根据T取值,划分小于T的像素部分为识别目标并将像素值置为1(白色),大于T的像素部分划为背景并将像素值置为0(黑色),得到所需的二值图像f′(x,y),如图5所示。
4、基于窗口检测法的背景噪声去除,方法为:对于图像f′(x,y)中的每一个白点,以其为中心创建一个固定大小的窗口,统计窗口中的白点与黑点的比例,如比例小于一定值,则将该窗口中的像素全部变成黑点,此举目标为去除投影时细微的杂质产生的图像噪声,得到去噪后仅包含主体内容的图像f″(x,y),去除效果如图6所示。
5、基于边缘检测法的二值图像f″(x,y)边缘提取,方法为:对f″(x,y)中的每个像素值为1(白色)的像素点使用四邻域法进行检测,若被检测点f″(i,j),其邻域f″(i+1,j)、f″(i-1,j)、f″(i,j+1)、f″(i,j-1)中有任何一个点的像素值为0(黑色),则记录该被监测点为边缘点,所有边缘点可形成一条环绕主体边缘线,如图7所示。
6、基于图像描述技术的贝类外部形态参数获取,方法为:
1)根据步骤4中获得的仅包含主体信息的二值图像f″(x,y),统计图像中的白色像素点个数,得到贝类的像素单位面积Sp。
2)根据步骤5中获取的边缘信息,计算边缘线的长度,得到贝类的像素周长LP。
4)根据步骤5中的边缘信息,计算任意两个边缘点之间的欧氏距离,即对于任意边缘点f″(x1,y1)和f″(x2,y2),两点之间的距离D为:
其中距离最大的两点连线长度即为贝类在图像中的像素长度,记为WP,长度示意图见图8。
7、根据拍摄的面积以及图片的像素值,计算每个像素点的实际长度pc,再对其求平方可得到每个像素点的实际面积ps,由此得到贝类的实际长度LR=LP×pc,实际周长WR=WP×pc以及实际面积SR=SP×ps。ps表示每个像素点的实际面积。
Claims (10)
1.一种基于光学投影的贝类外部形态自动测量装置,其特征在于,包括:
载物台,用于放置贝类对象;
平行光源,用于向贝类对象发射平行光线,使贝类对象投影至投影板;
投影板,用于呈现贝类对象的投影;
拍摄装置,用于采集投影板上的投影图像,发送至计算机;
计算机,用于根据图像对贝类对象的形态进行自动测量。
2.根据权利要求1中所述的一种基于光学投影的贝类外部形态自动测量装置,其特征在于:所述投影板为白色。
3.根据权利要求1中所述的一种基于光学投影的贝类外部形态自动测量装置,其特征在于:所述载物台为透明的平台。
4.根据权利要求1中所述的一种基于光学投影的贝类外部形态自动测量装置,其特征在于:所述计算机内的处理器存有程序,当程序被调用时执行贝类外部形态自动测量方法的步骤。
5.一种基于光学投影的贝类外部形态自动测量方法,其特征在于,包括以下步骤:
平行光源向贝类对象发射平行光线,采集贝类对象投影至投影板的投影图像;
将投影图像转为灰度图像;
通过双峰法将灰度图像二值化,得到二值图像;
去除二值图像的背景噪声,提取目标边缘;
根据目标边缘获取贝类外部形态参数;
根据拍摄装置所拍摄区域的实际长宽以及图像像素值得到贝类对象的实际外部形态。
6.根据权利要求5中所述的一种基于光学投影的贝类外部形态自动测量方法,其特征在于,所述通过双峰法将灰度图像二值化,包括以下步骤:
1)设置阈值T为1;
2)将图像f(x,y)中的像素点分为F1、F2两类,其中,F1中的像素点灰度值小于阈值T,F2中的像素点灰度值大于等于阈值T;
其中N1(T)和N2(T)分别表示集合F1、F2中的像素个数;f(i,j)表示像素点(i,j)处的像素值;
4)计算F1,F2两类占整体像素的比例w1(T)和w2(T):
其中,N为图像像素总个数;
5)计算F1,F2两类的类间方差δ(T):
δ(T)=w1(T)w2(T)[μ1(T)-μ2(T)]2; (3)
6)将阈值T加1,重复步骤2)-5),直到T为255,得到不同阈值T对应的F1、F2的类间方差;记录δ(T)最大时的T取值,即所求的最佳的二值化分割阈值;
7)根据最佳的二值化分割阈值T,划分小于T的像素部分为识别目标并将像素值置为1即白色,大于T的像素部分划为背景并将像素值置为0即黑色,得到二值图像f′(x,y)。
7.根据权利要求5中所述的一种基于光学投影的贝类外部形态自动测量方法,其特征在于,所述去除二值图像的背景噪声,具体如下:
对于二值图像中的每一个白点,以其为中心创建一个设定大小的窗口,统计窗口中的白点与黑点的比例;
若比例小于设定值,则将该窗口中的像素全部变成黑点,以去除图像噪声。
8.根据权利要求5中所述的一种基于光学投影的贝类外部形态自动测量方法,其特征在于,所述提取目标边缘具体过程为:
对图像中的每个像素值为1的像素点使用四邻域法进行检测;
若被检测点邻域中存在任何一个点的像素值为0,则记录该被检测点为边缘点,所有边缘点形成一条边缘线。
10.根据权利要求5中所述的一种基于光学投影的贝类外部形态自动测量方法,其特征在于,所述根据拍摄装置所拍摄区域的实际长宽以及图像像素值得到贝类对象的实际外部形态,具体为:
根据拍摄的图像面积以及图像的像素值,计算每个像素点的实际长度pc,再对其求平方可得到每个像素点的实际面积ps,由此得到贝类的实际长度LR=LP×pc,实际周长WR=WP×pc以及实际面积SR=SP×ps。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010293790.2A CN111521128A (zh) | 2020-04-15 | 2020-04-15 | 一种基于光学投影的贝类外部形态自动测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010293790.2A CN111521128A (zh) | 2020-04-15 | 2020-04-15 | 一种基于光学投影的贝类外部形态自动测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111521128A true CN111521128A (zh) | 2020-08-11 |
Family
ID=71902064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010293790.2A Pending CN111521128A (zh) | 2020-04-15 | 2020-04-15 | 一种基于光学投影的贝类外部形态自动测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111521128A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112444208A (zh) * | 2020-11-27 | 2021-03-05 | 中国科学院海洋研究所 | 基于边缘检测的高通量贝类外部形态自动测量方法 |
CN112907651A (zh) * | 2021-03-29 | 2021-06-04 | 山东捷瑞数字科技股份有限公司 | 基于语义分割网络的生蚝外部形态的测量方法 |
CN112986105A (zh) * | 2021-02-07 | 2021-06-18 | 睿科集团(厦门)股份有限公司 | 一种基于机器视觉的液滴计数和速度测量方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03229678A (ja) * | 1990-02-01 | 1991-10-11 | Hitachi Plant Eng & Constr Co Ltd | 貝類の等階級分類装置 |
CN101334836A (zh) * | 2008-07-30 | 2008-12-31 | 电子科技大学 | 一种融合色彩、尺寸和纹理特征的车牌定位方法 |
CN101403610A (zh) * | 2008-11-06 | 2009-04-08 | 陕西科技大学 | 一种基于数字图像法测量皮革面积的系统及其方法 |
CN101709951A (zh) * | 2009-12-03 | 2010-05-19 | 中国海洋大学 | 一种扇贝表型性状计算机测量与记录方法 |
CN102938074A (zh) * | 2012-11-26 | 2013-02-20 | 杭州电子科技大学 | 体育直播虚拟广告系统中羽毛球或网球场地的自适应提取方法 |
CN103900474A (zh) * | 2014-04-11 | 2014-07-02 | 深圳市巨基自动化设备有限公司 | 一种尺寸测量仪 |
CN105180851A (zh) * | 2015-09-21 | 2015-12-23 | 北京农业智能装备技术研究中心 | 松针叶面积测量装置及方法 |
CN108388874A (zh) * | 2018-03-05 | 2018-08-10 | 厦门大学 | 基于图像识别与级联分类器的对虾形态参数自动测量方法 |
CN108613636A (zh) * | 2016-12-13 | 2018-10-02 | 由田新技股份有限公司 | 外形测量方法、外形测量设备及形变检测设备 |
CN108765433A (zh) * | 2018-05-31 | 2018-11-06 | 西京学院 | 一种用于提高精度的多叶面积测量方法 |
CN109751964A (zh) * | 2019-01-30 | 2019-05-14 | 苏州科技大学 | 一种高精度非接触式管径测量方法及装置 |
CN109990741A (zh) * | 2017-12-31 | 2019-07-09 | 邹成加 | 基于图像处理技术的板栗检测系统 |
CN110349200A (zh) * | 2019-07-01 | 2019-10-18 | 西京学院 | 一种基于单目相机的高精度麦穗长度测量方法 |
CN110738631A (zh) * | 2019-08-26 | 2020-01-31 | 中国农业机械化科学研究院 | 一种基于图像的对虾外形信息检测方法和检测系统 |
-
2020
- 2020-04-15 CN CN202010293790.2A patent/CN111521128A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03229678A (ja) * | 1990-02-01 | 1991-10-11 | Hitachi Plant Eng & Constr Co Ltd | 貝類の等階級分類装置 |
CN101334836A (zh) * | 2008-07-30 | 2008-12-31 | 电子科技大学 | 一种融合色彩、尺寸和纹理特征的车牌定位方法 |
CN101403610A (zh) * | 2008-11-06 | 2009-04-08 | 陕西科技大学 | 一种基于数字图像法测量皮革面积的系统及其方法 |
CN101709951A (zh) * | 2009-12-03 | 2010-05-19 | 中国海洋大学 | 一种扇贝表型性状计算机测量与记录方法 |
CN102938074A (zh) * | 2012-11-26 | 2013-02-20 | 杭州电子科技大学 | 体育直播虚拟广告系统中羽毛球或网球场地的自适应提取方法 |
CN103900474A (zh) * | 2014-04-11 | 2014-07-02 | 深圳市巨基自动化设备有限公司 | 一种尺寸测量仪 |
CN105180851A (zh) * | 2015-09-21 | 2015-12-23 | 北京农业智能装备技术研究中心 | 松针叶面积测量装置及方法 |
CN108613636A (zh) * | 2016-12-13 | 2018-10-02 | 由田新技股份有限公司 | 外形测量方法、外形测量设备及形变检测设备 |
CN109990741A (zh) * | 2017-12-31 | 2019-07-09 | 邹成加 | 基于图像处理技术的板栗检测系统 |
CN108388874A (zh) * | 2018-03-05 | 2018-08-10 | 厦门大学 | 基于图像识别与级联分类器的对虾形态参数自动测量方法 |
CN108765433A (zh) * | 2018-05-31 | 2018-11-06 | 西京学院 | 一种用于提高精度的多叶面积测量方法 |
CN109751964A (zh) * | 2019-01-30 | 2019-05-14 | 苏州科技大学 | 一种高精度非接触式管径测量方法及装置 |
CN110349200A (zh) * | 2019-07-01 | 2019-10-18 | 西京学院 | 一种基于单目相机的高精度麦穗长度测量方法 |
CN110738631A (zh) * | 2019-08-26 | 2020-01-31 | 中国农业机械化科学研究院 | 一种基于图像的对虾外形信息检测方法和检测系统 |
Non-Patent Citations (1)
Title |
---|
张晶: "《多媒体信息与通信》", 30 November 2017 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112444208A (zh) * | 2020-11-27 | 2021-03-05 | 中国科学院海洋研究所 | 基于边缘检测的高通量贝类外部形态自动测量方法 |
CN112444208B (zh) * | 2020-11-27 | 2022-05-06 | 中国科学院海洋研究所 | 基于边缘检测的高通量贝类外部形态自动测量方法 |
CN112986105A (zh) * | 2021-02-07 | 2021-06-18 | 睿科集团(厦门)股份有限公司 | 一种基于机器视觉的液滴计数和速度测量方法 |
CN112907651A (zh) * | 2021-03-29 | 2021-06-04 | 山东捷瑞数字科技股份有限公司 | 基于语义分割网络的生蚝外部形态的测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12094152B2 (en) | Method for fully automatically detecting chessboard corner points | |
CN111950330B (zh) | 一种基于目标检测的指针式仪表示数检测方法 | |
CN111521128A (zh) | 一种基于光学投影的贝类外部形态自动测量方法 | |
CN112257676B (zh) | 一种指针式仪表读数方法、系统以及巡检机器人 | |
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
CN102176228B (zh) | 一种用于识别多个指针式仪表表盘信息的机器视觉方法 | |
CN111179243A (zh) | 一种基于计算机视觉的小尺寸芯片裂纹检测方法及系统 | |
CN110210477B (zh) | 一种数字式仪表读数识别方法 | |
CN103164692B (zh) | 一种基于计算机视觉的特种车辆仪表自动识别系统及方法 | |
WO2022057103A1 (zh) | 一种基于深度学习的指针式仪表的自动读数的方法 | |
CN110473184A (zh) | 一种pcb板缺陷检测方法 | |
CN110517265B (zh) | 一种产品表面缺陷的检测方法、装置及存储介质 | |
CN106442556A (zh) | 一种板状带孔工件表面缺陷检测装置和方法 | |
CN110490826B (zh) | 一种照相机中雾滴样本图像处理方法 | |
CN111879735A (zh) | 一种基于图像的大米外观品质检测方法 | |
CN111612765A (zh) | 一种圆形透明镜片识别和定位的方法 | |
CN110705619B (zh) | 雾浓度等级判别方法及装置 | |
CN109584215A (zh) | 一种电路板在线视觉检测系统 | |
CN107796826A (zh) | 基于齿心距离曲线分析的微型双联齿轮断齿缺陷检测方法 | |
CN107490583A (zh) | 一种基于机器视觉的夹片缺陷检测方法 | |
CN116758045B (zh) | 一种半导体发光二极管的表面缺陷检测方法及系统 | |
CN113657339A (zh) | 一种基于机器视觉的仪表指针计数读取方法及介质 | |
CN111879777A (zh) | 软资材贴合瑕疵检测方法、装置、设备以及存储介质 | |
CN114549493A (zh) | 一种基于深度学习的磁芯缺陷检测系统及方法 | |
CN110807354B (zh) | 一种工业流水线产品计数方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200811 |