CN111940339A - 一种基于人工智能的红枣分拣系统 - Google Patents
一种基于人工智能的红枣分拣系统 Download PDFInfo
- Publication number
- CN111940339A CN111940339A CN202010831990.9A CN202010831990A CN111940339A CN 111940339 A CN111940339 A CN 111940339A CN 202010831990 A CN202010831990 A CN 202010831990A CN 111940339 A CN111940339 A CN 111940339A
- Authority
- CN
- China
- Prior art keywords
- sorting
- module
- red
- red dates
- grade
- 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.)
- Granted
Links
Images
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
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
-
- 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
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
- B07C5/362—Separating or distributor mechanisms
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Sorting Of Articles (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于人工智能的红枣分拣系统,包括服务器、图像采集模块、特征处理模块、分拣归类模块、预警显示模块、数据查询模块和数据存储模块;本发明设置了图像采集模块,图像采集模块通过相机实时采集传送带上的图像,图像采集模块中还设置了光源,保证图像的获取质量,提高效率的同时降低了成本;设置了特征处理模块,特征处理模块接收到经过预处理的图像之后,首先通过特征比对单元确定传送带上的红枣目标,然后通过红枣分级单元计算出红枣的分级系数,通过分级系数对红枣进行精确分级,不仅可以将传送带上的红枣分拣出来,还有助于对红枣进行精确分级。
Description
技术领域
本发明属于食品加工技术领域,具体是一种基于人工智能的红枣分拣系统。
背景技术
红枣已经成为我国部分地区的主要产品,同时也是部分地区的主要经济来源。目前市面上分拣红枣大多通过网状的斜坡或滚筒筛子,这种分拣方式只能对不同大小的红枣进行分拣,在分离杂质和红枣时只能依靠人力在筛子上作业对杂质进行分离,分拣的标准单一,且效率不高,浪费时间。
公开号为CN201920712066.1的一种多级红枣分拣机,包括控制器和机架,机架上侧依次设置有上料槽、落料输送槽、光影机、下料机和输送机,输送机包括驱动装置和两条左右间隔布置的分拣传送带。上述方案对不同大小的红枣分拣效果明显,且在分拣过程中自动去除了沙土、树叶等杂质。但是上述方案只能根据红枣大小进行分拣,无法在分拣过程中对红枣进行精确分级。
上述方案在一定程度上解决了现有红枣分拣系统的不足,但是仍有值得改进的地方。
发明内容
为了解决上述红枣分拣系统存在的问题,本发明提供了一种基于人工智能的红枣分拣系统,本发明设置了图像采集模块,图像采集模块通过相机实时采集传送带上的图像,对图像进行预处理之后发送至特征处理模块,图像采集模块中还设置了光源,保证图像的获取质量,提高效率的同时降低了成本;设置了特征处理模块,特征处理模块接收到经过预处理的图像之后,首先通过特征比对单元确定传送带上的红枣目标,然后分别通过红枣分级单元中的尺寸测量节点对红枣的纵径和横径进行测量,通过颜色识别节点对图像中的红枣进行识别,通过瑕疵检测节点对图像中红枣进行检测,通过公式计算出红枣的分级系数,通过分级系数对红枣进行精确分级,不仅可以将传送带上的红枣分拣出来,还有助于对红枣进行精确分级;设置了分拣归类模块,分拣归类模块包含四个分拣组,每个分拣组包括一个空气压缩机、一个电磁阀和一个机械手臂,第一分拣组用于分拣特级红枣,第二分拣组用于分拣一级红枣,第三分拣组用于分拣二级红枣,第四分拣组用于分拣三级红枣,通过控制器控制四个分拣组,达到对红枣精确分拣分级的效果。
本发明的目的可以通过以下技术方案实现:一种基于人工智能的红枣分拣系统,包括服务器、图像采集模块、特征处理模块和分拣归类模块;
所述图像采集模块用于对传送带的图像进行实时采集,所述图像采集模块包括实时采集单元和预处理单元,所述实时采集单元包括相机、相机支架和光源,所述光源为白色LED光源,具体采集步骤为:
Z1:在传送带一侧固定好相机支架,将相机固定在相机支架上,相机支架高度固定,在传送带两侧安装若干光源,使得相机能够采集到清晰的图像;
Z2:启动光源,相机实时采集传送带上的图像,并将采集的图像传送至预处理单元;
Z3:预处理单元接收到采集的图像后,对其进行图像预处理,将预处理之后的图像通过服务器发送至特征处理模块;
所述特征处理模块用于对接收到的图像进行特征处理,所述特征处理模块包括特征比对单元和红枣分级单元,所述特征比对单元包括轮廓特征库和轮廓检测节点,所述红枣分级单元包括尺寸测量节点、颜色识别节点和瑕疵检测节点,具体处理步骤为:
X1:轮廓检测节点对图像中的轮廓进行识别,并将识别到的轮廓与轮廓特征库中的数据进行匹配,若匹配成功,则该轮廓为红枣,将图像发送至红枣分级单元,若匹配不成功,则通过服务器发送未识别指令至预警显示模块;
X2:红枣分级单元接收到图像之后,通过尺寸测量节点对图像中红枣的纵径和横径进行测量,并将其标记为Ai和Bi,i=1,2,……,n;i表示图像中红枣的数量;
X3:通过颜色识别节点对图像中红枣进行识别,将识别结果标记为Q,若识别结果为红色,则Q等于“1”,若识别结果不为红色,则Q等于“0”;
X4:通过瑕疵检测节点对图像中的红枣进行检测,并将检测结果标记为W,若检测结果中红枣无瑕疵,则W等于“1”,若检测结果中红枣有瑕疵,则W等于“0”;
X6:当L1≤Di<L2时,则将该红枣分为三级,当L2≤Di<L3时,则将该红枣分为二级,当L3≤Di<L4时,则将该红枣分为一级,当L4≤Di时,则将该红枣分为特级,同时通过服务器发送分拣指令至分拣归类模块,其中0≤L1<L2<L3<L4,且L1、L2、L3、L4为预设阈值;
X7:将一小时内特级红枣的总数标记为E,一级红枣的总数标记为R,二级红枣的总数标记为T,三级红枣的总数标记为Y,并将每小时红枣各级别的统计数据通过服务器发送至预警显示模块和数据存储模块;
所述分拣归类模块包括控制器、空气压缩机、电磁阀、机械手臂和分类箱,所述控制器、空气压缩机、电磁阀、机械手臂之间线性连接,所述分类箱包括特级红枣分类箱、一级红枣分类箱、二级红枣分类箱和三级红枣分类箱,所述分拣归类模块接收到分拣指令后驱动空气压缩机工作,空气压缩机通过驱动电磁阀间接的控制机械手臂,机械手臂将传送带上的红枣按照特级红枣、一级红枣、二级红枣和三级红枣抓取到对应的特级红枣分类箱、一级红枣分类箱、二级红枣分类箱和三级红枣分类箱。
优选的,所述分拣归类模块包含四个分拣组,每个分拣组包括一个空气压缩机、一个电磁阀和一个机械手臂,第一分拣组用于分拣特级红枣,第二分拣组用于分拣一级红枣,第三分拣组用于分拣二级红枣,第四分拣组用于分拣三级红枣。
优选的,系统包括预警显示模块,所述预警显示模块包括警报显示单元和数据显示单元,当预警显示单元接收到未识别指令时,警报显示单元显示“目标未识别”,并将警报显示单元的背景设置为红色,当预警显示单元接收到服务器发送的统计数据时,数据显示单元显示每小时红枣各级别的统计数据,同时显示各级别红枣当天的总量。
优选的,系统还包括数据存储模块,所述数据存储模块用于对每小时红枣各级别的统计数据进行分类存储。
优选的,系统还包括数据查询模块,所述数据查询模块通过用户智能终端输入的关键字查询数据存储模块中的数据,所述关键字包括时间和红枣级别,所述智能终端包括智能手机和笔记本电脑,所述智能手机与数据查询模块无线连接,所述笔记本电脑与数据查询模块线性连接,具体查询步骤为:
C1:用户通过智能终端输入关键字至数据查询模块;
C2:数据查询模块接收到查询关键字之后,通过查询关键字在数据存储模块中搜索关键字并获取对应的数据;
C3:数据存储模块将依据关键字搜索到的数据通过数据查询模块发送至用户的智能终端,用户通过智能终端查看数据。
优选的,所述图像预处理包括灰度变换、均值滤波和图像分割。
与现有技术相比,本发明的有益效果是:
1、本发明设置了图像采集模块,图像采集模块通过相机实时采集传送带上的图像,对图像进行预处理之后发送至特征处理模块,图像采集模块中还设置了光源,保证图像的获取质量,提高效率的同时降低了成本;
2、本发明设置了特征处理模块,特征处理模块接收到经过预处理的图像之后,首先通过特征比对单元确定传送带上的红枣目标,然后分别通过红枣分级单元中的尺寸测量节点对红枣的纵径和横径进行测量,通过颜色识别节点对图像中的红枣进行识别,通过瑕疵检测节点对图像中红枣进行检测,通过公式计算出红枣的分级系数,通过分级系数对红枣进行精确分级,该设置不仅可以将传送带上的红枣分拣出来,还有助于对红枣进行精确分级;
3、本发明设置了分拣归类模块,分拣归类模块包含四个分拣组,每个分拣组包括一个空气压缩机、一个电磁阀和一个机械手臂,第一分拣组用于分拣特级红枣,第二分拣组用于分拣一级红枣,第三分拣组用于分拣二级红枣,第四分拣组用于分拣三级红枣,通过控制器控制四个分拣组对红枣进行分拣,达到对红枣精确分拣分级的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的原理图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,一种基于人工智能的红枣分拣系统,包括服务器、图像采集模块、特征处理模块、分拣归类模块、预警显示模块、数据查询模块和数据存储模块;
图像采集模块用于对传送带的图像进行实时采集,图像采集模块包括实时采集单元和预处理单元,实时采集单元包括相机、相机支架和光源,光源为白色LED光源,具体采集步骤为:
Z1:在传送带一侧固定好相机支架,将相机固定在相机支架上,相机支架高度固定,在传送带两侧安装若干光源,使得相机能够采集到清晰的图像;
Z2:启动光源,相机实时采集传送带上的图像,并将采集的图像传送至预处理单元;
Z3:预处理单元接收到采集的图像后,对其进行图像预处理,将预处理之后的图像通过服务器发送至特征处理模块;
特征处理模块用于对接收到的图像进行特征处理,特征处理模块包括特征比对单元和红枣分级单元,特征比对单元包括轮廓特征库和轮廓检测节点,红枣分级单元包括尺寸测量节点、颜色识别节点和瑕疵检测节点,具体处理步骤为:
X1:轮廓检测节点对图像中的轮廓进行识别,并将识别到的轮廓与轮廓特征库中的数据进行匹配,若匹配成功,则该轮廓为红枣,将图像发送至红枣分级单元,若匹配不成功,则通过服务器发送未识别指令至预警显示模块;
X2:红枣分级单元接收到图像之后,通过尺寸测量节点对图像中红枣的纵径和横径进行测量,并将其标记为Ai和Bi,i=1,2,……,n;i表示图像中红枣的数量;
X3:通过颜色识别节点对图像中红枣进行识别,将识别结果标记为Q,若识别结果为红色,则Q等于“1”,若识别结果不为红色,则Q等于“0”;
X4:通过瑕疵检测节点对图像中的红枣进行检测,并将检测结果标记为W,若检测结果中红枣无瑕疵,则W等于“1”,若检测结果中红枣有瑕疵,则W等于“0”;
X6:当L1≤Di<L2时,则将该红枣分为三级,当L2≤Di<L3时,则将该红枣分为二级,当L3≤Di<L4时,则将该红枣分为一级,当L4≤Di时,则将该红枣分为特级,同时通过服务器发送分拣指令至分拣归类模块,其中0≤L1<L2<L3<L4,且L1、L2、L3、L4为预设阈值;
X7:将一小时内特级红枣的总数标记为E,一级红枣的总数标记为R,二级红枣的总数标记为T,三级红枣的总数标记为Y,并将每小时红枣各级别的统计数据通过服务器发送至预警显示模块和数据存储模块;
分拣归类模块包括控制器、空气压缩机、电磁阀、机械手臂和分类箱,控制器、空气压缩机、电磁阀、机械手臂之间线性连接,分类箱包括特级红枣分类箱、一级红枣分类箱、二级红枣分类箱和三级红枣分类箱,分拣归类模块接收到分拣指令后驱动空气压缩机工作,空气压缩机通过驱动电磁阀间接的控制机械手臂,机械手臂将传送带上的红枣按照特级红枣、一级红枣、二级红枣和三级红枣抓取到对应的特级红枣分类箱、一级红枣分类箱、二级红枣分类箱和三级红枣分类箱。
分拣归类模块包含四个分拣组,每个分拣组包括一个空气压缩机、一个电磁阀和一个机械手臂,第一分拣组用于分拣特级红枣,第二分拣组用于分拣一级红枣,第三分拣组用于分拣二级红枣,第四分拣组用于分拣三级红枣。
预警显示模块包括警报显示单元和数据显示单元,当预警显示单元接收到未识别指令时,警报显示单元显示“目标未识别”,并将警报显示单元的背景设置为红色,当预警显示单元接收到服务器发送的统计数据时,数据显示单元显示每小时红枣各级别的统计数据,同时显示各级别红枣当天的总量。
数据存储模块用于对每小时红枣各级别的统计数据进行分类存储。
数据查询模块通过用户智能终端输入的关键字查询数据存储模块中的数据,关键字包括时间和红枣级别,智能终端包括智能手机和笔记本电脑,智能手机与数据查询模块无线连接,笔记本电脑与数据查询模块线性连接,具体查询步骤为:
C1:用户通过智能终端输入关键字至数据查询模块;
C2:数据查询模块接收到查询关键字之后,通过查询关键字在数据存储模块中搜索关键字并获取对应的数据;
C3:数据存储模块将依据关键字搜索到的数据通过数据查询模块发送至用户的智能终端,用户通过智能终端查看数据。
图像预处理包括灰度变换、均值滤波和图像分割。
上述公式均是去量化取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况设定。
本发明的工作原理:
通过图像采集模块对传送带上的图像进行实时采集,对采集到的图像进行灰度变换、均值滤波和图像分割预处理,将处理之后的图像发送至特征处理模块,特征处理模块首先利用特征比对单元判断图像中是否为红枣,若是红枣则通过红枣分级单元中的尺寸测量节点、颜色识别节点和瑕疵检测节点对图像中的红枣进行检测,利用公式计算出红枣的分级系数,通过比较分级系数与预设阈值的关系确定红枣的级别;
分拣归类模块接收到分拣指令之后,控制器控制四个分拣组对传送带上的红枣进行分拣,第一分拣组将特级红枣分拣至特级红枣分类箱,第二分拣组将一级红枣分拣至一级红枣分类箱,第三分拣组将二级红枣分拣至二级红枣分类箱,第四分拣组将三级红枣分拣至三级红枣分类箱,实现红枣精确分拣的目的。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (6)
1.一种基于人工智能的红枣分拣系统,其特征在于,包括服务器、图像采集模块、特征处理模块和分拣归类模块;
所述图像采集模块用于对传送带的图像进行实时采集,所述图像采集模块包括实时采集单元和预处理单元,所述实时采集单元包括相机、相机支架和光源,所述光源为白色LED光源,具体采集步骤为:
Z1:在传送带一侧固定好相机支架,将相机固定在相机支架上,相机支架高度固定,在传送带两侧安装若干光源,使得相机能够采集到清晰的图像;
Z2:启动光源,相机实时采集传送带上的图像,并将采集的图像传送至预处理单元;
Z3:预处理单元接收到采集的图像后,对其进行图像预处理,将预处理之后的图像通过服务器发送至特征处理模块;
所述特征处理模块用于对接收到的图像进行特征处理,所述特征处理模块包括特征比对单元和红枣分级单元,所述特征比对单元包括轮廓特征库和轮廓检测节点,所述红枣分级单元包括尺寸测量节点、颜色识别节点和瑕疵检测节点,具体处理步骤为:
X1:轮廓检测节点对图像中的轮廓进行识别,并将识别到的轮廓与轮廓特征库中的数据进行匹配,若匹配成功,则该轮廓为红枣,将图像发送至红枣分级单元,若匹配不成功,则通过服务器发送未识别指令至预警显示模块;
X2:红枣分级单元接收到图像之后,通过尺寸测量节点对图像中红枣的纵径和横径进行测量,并将其标记为Ai和Bi,i=1,2,……,n;i表示图像中红枣的数量;
X3:通过颜色识别节点对图像中红枣进行识别,将识别结果标记为Q,若识别结果为红色,则Q等于“1”,若识别结果不为红色,则Q等于“0”;
X4:通过瑕疵检测节点对图像中的红枣进行检测,并将检测结果标记为W,若检测结果中红枣无瑕疵,则W等于“1”,若检测结果中红枣有瑕疵,则W等于“0”;
X6:当L1≤Di<L2时,则将该红枣分为三级,当L2≤Di<L3时,则将该红枣分为二级,当L3≤Di<L4时,则将该红枣分为一级,当L4≤Di时,则将该红枣分为特级,同时通过服务器发送分拣指令至分拣归类模块,其中0≤L1<L2<L3<L4,且L1、L2、L3、L4为预设阈值;
X7:将一小时内特级红枣的总数标记为E,一级红枣的总数标记为R,二级红枣的总数标记为T,三级红枣的总数标记为Y,并将每小时红枣各级别的统计数据通过服务器发送至预警显示模块和数据存储模块;
所述分拣归类模块包括控制器、空气压缩机、电磁阀、机械手臂和分类箱,所述控制器、空气压缩机、电磁阀、机械手臂之间线性连接,所述分类箱包括特级红枣分类箱、一级红枣分类箱、二级红枣分类箱和三级红枣分类箱,所述分拣归类模块接收到分拣指令后驱动空气压缩机工作,空气压缩机通过驱动电磁阀间接的控制机械手臂,机械手臂将传送带上的红枣按照特级红枣、一级红枣、二级红枣和三级红枣抓取到对应的特级红枣分类箱、一级红枣分类箱、二级红枣分类箱和三级红枣分类箱。
2.根据权利要求1所述的一种基于人工智能的红枣分拣系统,其特征在于,所述分拣归类模块包含四个分拣组,每个分拣组包括一个空气压缩机、一个电磁阀和一个机械手臂,第一分拣组用于分拣特级红枣,第二分拣组用于分拣一级红枣,第三分拣组用于分拣二级红枣,第四分拣组用于分拣三级红枣。
3.根据权利要求1所述的一种基于人工智能的红枣分拣系统,其特征在于,系统包括预警显示模块,所述预警显示模块包括警报显示单元和数据显示单元,当预警显示单元接收到未识别指令时,警报显示单元显示“目标未识别”,并将警报显示单元的背景设置为红色,当预警显示单元接收到服务器发送的统计数据时,数据显示单元显示每小时红枣各级别的统计数据,同时显示各级别红枣当天的总量。
4.根据权利要求1所述的一种基于人工智能的红枣分拣系统,其特征在于,系统还包括数据存储模块,所述数据存储模块用于对每小时红枣各级别的统计数据进行分类存储。
5.根据权利要求1所述的一种基于人工智能的红枣分拣系统,其特征在于,所述图像预处理包括灰度变换、均值滤波和图像分割。
6.根据权利要求1所述的一种基于人工智能的红枣分拣系统,其特征在于,系统还包括数据查询模块,所述数据查询模块通过用户智能终端输入的关键字查询数据存储模块中的数据,所述关键字包括时间和红枣级别,所述智能终端包括智能手机和笔记本电脑,所述智能手机与数据查询模块无线连接,所述笔记本电脑与数据查询模块线性连接,具体查询步骤为:
C1:用户通过智能终端输入关键字至数据查询模块;
C2:数据查询模块接收到查询关键字之后,通过查询关键字在数据存储模块中搜索关键字并获取对应的数据;
C3:数据存储模块将依据关键字搜索到的数据通过数据查询模块发送至用户的智能终端,用户通过智能终端查看数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010831990.9A CN111940339B (zh) | 2020-08-18 | 2020-08-18 | 一种基于人工智能的红枣分拣系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010831990.9A CN111940339B (zh) | 2020-08-18 | 2020-08-18 | 一种基于人工智能的红枣分拣系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111940339A true CN111940339A (zh) | 2020-11-17 |
CN111940339B CN111940339B (zh) | 2022-02-01 |
Family
ID=73343588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010831990.9A Active CN111940339B (zh) | 2020-08-18 | 2020-08-18 | 一种基于人工智能的红枣分拣系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111940339B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560955A (zh) * | 2020-12-16 | 2021-03-26 | 安徽唯嵩光电科技有限公司 | 一种红枣分选用图像识别系统 |
CN112580719A (zh) * | 2020-12-18 | 2021-03-30 | 安徽唯嵩光电科技有限公司 | 一种基于ai识别的红枣分选方法及系统 |
CN114653612A (zh) * | 2022-04-06 | 2022-06-24 | 西京学院 | 一种基于机器视觉的红枣分拣系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2644250A3 (fr) * | 1989-03-09 | 1990-09-14 | Papaioannou Sophokles | Dispositif d'identification de defauts pour identifier des defauts sur des parties de materiau en deplacement |
DE29920106U1 (de) * | 1999-02-10 | 2000-02-03 | Neubauer, Hermann, 59514 Welver | Sortiervorrichtung für stangenförmige Lebensmittel wie Spargelstangen o.dgl. |
JP2008076248A (ja) * | 2006-09-21 | 2008-04-03 | Micronics Japan Co Ltd | 検査システム |
CN101158651A (zh) * | 2007-11-16 | 2008-04-09 | 南京农业大学 | 一种基于激光图像分析检测苹果内外品质的装置及方法 |
CN101486033A (zh) * | 2009-03-09 | 2009-07-22 | 中国农业大学 | 一种果品分检装置及板栗分检方法 |
CN203917191U (zh) * | 2014-06-05 | 2014-11-05 | 山西省农业科学院农产品加工研究所 | 鲜枣分选装置 |
CN105069484A (zh) * | 2015-08-26 | 2015-11-18 | 广西小草信息产业有限责任公司 | 一种大枣在线分级方法及系统 |
CN107679579A (zh) * | 2017-10-17 | 2018-02-09 | 天津工业大学 | 基于深度学习的红枣品质分选方法 |
CN109158332A (zh) * | 2018-10-21 | 2019-01-08 | 西北农林科技大学 | 一种果实自动化分级系统 |
CN109374538A (zh) * | 2018-11-12 | 2019-02-22 | 沈阳农业大学 | 一种判定蓝莓果实成熟等级的比色卡 |
CN110276386A (zh) * | 2019-06-11 | 2019-09-24 | 济南大学 | 一种基于机器视觉的苹果分级方法及系统 |
CN110663971A (zh) * | 2018-07-02 | 2020-01-10 | 天津工业大学 | 基于双分支深度融合卷积神经网络的红枣品质分类方法 |
-
2020
- 2020-08-18 CN CN202010831990.9A patent/CN111940339B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2644250A3 (fr) * | 1989-03-09 | 1990-09-14 | Papaioannou Sophokles | Dispositif d'identification de defauts pour identifier des defauts sur des parties de materiau en deplacement |
DE29920106U1 (de) * | 1999-02-10 | 2000-02-03 | Neubauer, Hermann, 59514 Welver | Sortiervorrichtung für stangenförmige Lebensmittel wie Spargelstangen o.dgl. |
JP2008076248A (ja) * | 2006-09-21 | 2008-04-03 | Micronics Japan Co Ltd | 検査システム |
CN101158651A (zh) * | 2007-11-16 | 2008-04-09 | 南京农业大学 | 一种基于激光图像分析检测苹果内外品质的装置及方法 |
CN101486033A (zh) * | 2009-03-09 | 2009-07-22 | 中国农业大学 | 一种果品分检装置及板栗分检方法 |
CN203917191U (zh) * | 2014-06-05 | 2014-11-05 | 山西省农业科学院农产品加工研究所 | 鲜枣分选装置 |
CN105069484A (zh) * | 2015-08-26 | 2015-11-18 | 广西小草信息产业有限责任公司 | 一种大枣在线分级方法及系统 |
CN107679579A (zh) * | 2017-10-17 | 2018-02-09 | 天津工业大学 | 基于深度学习的红枣品质分选方法 |
CN110663971A (zh) * | 2018-07-02 | 2020-01-10 | 天津工业大学 | 基于双分支深度融合卷积神经网络的红枣品质分类方法 |
CN109158332A (zh) * | 2018-10-21 | 2019-01-08 | 西北农林科技大学 | 一种果实自动化分级系统 |
CN109374538A (zh) * | 2018-11-12 | 2019-02-22 | 沈阳农业大学 | 一种判定蓝莓果实成熟等级的比色卡 |
CN110276386A (zh) * | 2019-06-11 | 2019-09-24 | 济南大学 | 一种基于机器视觉的苹果分级方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560955A (zh) * | 2020-12-16 | 2021-03-26 | 安徽唯嵩光电科技有限公司 | 一种红枣分选用图像识别系统 |
CN112580719A (zh) * | 2020-12-18 | 2021-03-30 | 安徽唯嵩光电科技有限公司 | 一种基于ai识别的红枣分选方法及系统 |
CN114653612A (zh) * | 2022-04-06 | 2022-06-24 | 西京学院 | 一种基于机器视觉的红枣分拣系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111940339B (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111940339B (zh) | 一种基于人工智能的红枣分拣系统 | |
CN107486415B (zh) | 基于机器视觉的篾片缺陷在线检测系统及检测方法 | |
CN112893159B (zh) | 一种基于图像识别的煤矸石分拣方法 | |
CN104198324B (zh) | 基于计算机视觉的烟丝中叶丝比例测定方法 | |
CN111563519B (zh) | 基于Stacking加权集成学习的茶叶杂质识别方法及分选设备 | |
CN104899595A (zh) | 基于sift特征图像的蚕蛹雌雄分拣和计数装置 | |
CN108287010A (zh) | 一种螃蟹多指标分级装置与方法 | |
CN207238542U (zh) | 一种基于机器视觉的篾片缺陷在线检测系统 | |
CN107993203A (zh) | 一种家禽胴体影像分级方法及其分级系统 | |
CN113820325A (zh) | 一种玉米籽粒直收含杂率和破碎率在线检测系统及其方法 | |
CN107121436A (zh) | 一种硅料品质的智能鉴别方法及鉴别装置 | |
CN118052813B (zh) | 一种led灯具的智能检测装置及方法 | |
CN109115775A (zh) | 一种基于机器视觉的槟榔等级检测方法 | |
CN115953627A (zh) | 一种可对辣椒进行品级分类的图像识别系统 | |
CN208059993U (zh) | 一种螃蟹多指标分级装置 | |
CN114441444A (zh) | 一种基于多波段复用的融合分选方法 | |
Gaikwad et al. | Fruit disease detection and classification | |
CN106991667A (zh) | 一种构建图像特征谱的对虾完整性判别方法 | |
CN107403162A (zh) | 车辆公告号数据采集和分类的系统及方法 | |
CN117745658B (zh) | 一种食用菌品质检测及分拣方法和系统 | |
CN116152643A (zh) | 一种某类虫体养殖换料过程中的智能定位及分类方法 | |
CN115266752A (zh) | 一种鸡胸肉白色条纹等级判定的方法及装置 | |
CN114120175A (zh) | 基于计算机视觉的输煤皮带异物识别方法 | |
CN113680685A (zh) | 一种基于可回收的垃圾分类处理系统 | |
CN114653612A (zh) | 一种基于机器视觉的红枣分拣系统 |
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 |