CN112488998A - 一种基于条纹投影的苹果果梗和花萼检测方法 - Google Patents

一种基于条纹投影的苹果果梗和花萼检测方法 Download PDF

Info

Publication number
CN112488998A
CN112488998A CN202011307487.XA CN202011307487A CN112488998A CN 112488998 A CN112488998 A CN 112488998A CN 202011307487 A CN202011307487 A CN 202011307487A CN 112488998 A CN112488998 A CN 112488998A
Authority
CN
China
Prior art keywords
apple
calyx
phase
phi
stem
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
Application number
CN202011307487.XA
Other languages
English (en)
Other versions
CN112488998B (zh
Inventor
王玉伟
蔡家旭
王飞
奚冬冬
杨迪
刘路
唐七星
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.)
Anhui Agricultural University AHAU
Original Assignee
Anhui Agricultural University AHAU
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 Anhui Agricultural University AHAU filed Critical Anhui Agricultural University AHAU
Priority to CN202011307487.XA priority Critical patent/CN112488998B/zh
Publication of CN112488998A publication Critical patent/CN112488998A/zh
Application granted granted Critical
Publication of CN112488998B publication Critical patent/CN112488998B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • 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
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G06T7/10—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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • 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
    • G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
    • 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
    • G06T2207/10024—Color 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/68—Food, e.g. fruit or vegetables

Abstract

本发明公开了一种基于条纹投影的苹果果梗和花萼检测方法，具体包括以下步骤：步骤S1：搭建条纹投影苹果果梗和花萼检测系统；步骤S2：利用条纹分析方法计算得到背景板和被测苹果的相位分布，分别表示为Φbg(x,y)、Φobj(x,y)；步骤S3：构建参考平面的偏转相位；步骤S4：计算得到苹果的原始相位图Φn(x,y),n∈[1,9]；步骤S5：分别对苹果的原始相位图Φn(x,y),n∈[1,9]进行孔洞填充，得到填充相位图
Figure DDA0002788730750000011
n∈[1,9]；步骤S6：分别将填充相位图
Figure DDA0002788730750000012
n∈[1,9]与苹果的原始相位图Φn(x,y),n∈[1,9]相减，得到相位差值图
Figure DDA0002788730750000013
n∈[1,9]；步骤S7：阈值分割处理相位差值图，求或运算，得到检测结果D(x,y)；本系统，鲁棒性高、适用性好，减小了果梗和花萼区域对苹果缺陷检测的影响；设备成本不高、计算复杂度低、易于实现，能够满足实际生产中高速在线监测的要求。

Description

一种基于条纹投影的苹果果梗和花萼检测方法
技术领域
本发明属于检测技术领域，具体地说，本发明涉及一种基于条纹投影的苹果果梗和花萼检测方法。
背景技术
水果是人们日常生活中的主要营养来源之一。随着生活品质的提高，人们对水果的品质要求也越来越高。水果的产值大部分是由产后处理和加工创造出来的，因此如何提高水果的产后加工成为了提高我国水果市场竞争力的关键。消费者主要根据水果的外部品质判断果品质量，因此根据水果外部品质进行分级是非常必要的。水果品质快速检测是影响我国果品产后价值和国际市场竞争力的重要技术。
传统的水果产后处理和加工通过人工或机械方式来实现分级。人工方式来实现分级，存在劳动量大、精度和效率低、无统一标准和过分依赖人的主观因素等缺点；机械方式来实现分级，会造成水果的机械损伤，缺陷果会加速整批水果损坏的速度。
目前使用的果梗和花萼与缺陷识别技术和方法主要有高光谱成像技术、多光谱成像技术、多相机系统、3D图像分析等，但是这些方法存在数据量大、分析速度慢、成本高等缺点。
对于计算机视觉用于苹果品质自动检测方面，可以根据苹果大小、形状、颜色以及表面缺陷进行检测，机器视觉系统已经能够很好的实现根据苹果的尺寸和颜色将水果分成不同等级，但是在根据表面缺陷进行分级时仍旧存在一些困难。
从传统的苹果检测系统到现在自动在线分级系统，将果梗和花萼与真正的缺陷区分开来一直是难题中的难题。通常由机器视觉系统获得的苹果图像，有缺陷的表面比健康水果表面具有更低的反射率，即两者灰度值不同，因此可以通过灰度值将缺陷果分离出来。但是，苹果的果梗和花萼区域也比健康的表面具有更低的反射率，它们具有和缺陷相似的灰度特征，因此仅仅使用传统的灰度特征进行分割，就容易将果梗和花萼误认为是缺陷，从而造成将正常果误判为缺陷果。
苹果的果梗和花萼与缺陷的正确识别对在线分级有重要意义，高效的完成果梗和花萼与缺陷的识别不仅能够有效的改善苹果质量，也有助于提高消费者满意度，增强我国苹果产业的竞争力以及提高利润水平。
在苹果品质快速检测领域中一直存在一个难题：如何对苹果的果梗和花萼与缺陷进行在线实时有效的识别，特别是针对具有相似形状和大小的苹果的果梗和花萼与缺陷的特殊情况，在实际生产中难以通过图像识别对两者进行有效区分。
发明内容
本发明提供一种基于条纹投影的苹果果梗和花萼检测方法，以解决上述背景技术中存在的问题。
为了实现上述目的，本发明采取的技术方案为：一种基于条纹投影的苹果果梗和花萼检测方法，具体包括以下步骤：
步骤S1：搭建条纹投影苹果果梗和花萼检测系统，包括投影仪、摄像机和计算机；所述投影仪分别向参考平面和被测苹果表面投射正弦条纹，摄像机同步采集调制后的条纹图像Ii(x,y)，并将采集的数据导入计算机进一步处理；
步骤S2：利用条纹分析方法得到包裹相位分布φ(x,y)和对应的条纹级次k(x,y)，并在此基础上计算得到相位分布Φ(x,y)；参考平面和被测苹果的相位分布分别表示为Φbg(x,y)、Φobj(x,y)；
步骤S3：在参考平面相位分布Φbg(x,y)的基础上，构建参考平面的偏转相位
Figure BDA0002788730730000021
步骤S4：苹果的相位分布Φobj(x,y)分别与参考平面的偏转相位
Figure BDA0002788730730000022
相减，计算得到苹果的原始相位图Φn(x,y),n∈[1,9]；
步骤S5：分别对苹果的原始相位图Φn(x,y),n∈[1,9]进行孔洞填充，得到填充相位图
Figure BDA0002788730730000023
步骤S6：分别将填充相位图
Figure BDA0002788730730000024
与苹果的原始相位图Φn(x,y),n∈[1,9]相减，得到相位差值图
Figure BDA0002788730730000025
步骤S7：设定阈值T对相位差值图
Figure BDA0002788730730000031
进行阈值分割，得到苹果果梗和花萼区域图像Rn(x,y),n∈[1,9]；对被测苹果进行边缘检测，得到边缘图像E(x,y)；对边缘图像E(x,y)和苹果果梗和花萼区域图像Rn(x,y),n∈[1,9]进行求或运算，得到检测结果D(x,y)。
优选的，所述步骤S1中，所述摄像机采集的条纹图像Ii(x,y)，其光强分布可表示为：
Ii(x,y)＝a(x,y)+b(x,y)cos[φ(x,y)+δi]；
其中：(x,y)表示摄像机的像素坐标；i＝1,2,...,Step(Step≥3)表示相移步数；a(x,y)表示图像平均背景强度；b(x,y)表示条纹调制度；φ(x,y)表示包裹相位分布；δi＝2π(i-1)/Step表示相移量。
优选的，所述步骤S2中，所述包裹相位分布φ(x,y)，其数学计算公式为：
Figure BDA0002788730730000032
所述步骤S2中，所述条纹级次k(x,y)，通过双频法得到的计算公式为：
Figure BDA0002788730730000033
其中：fh和fl分别表示高频条纹和低频条纹的频率；Φl(x,y)表示单周期低频条纹的相位；φ(x,y)表示包裹相位分布；
所述步骤S2中，所述相位分布Φ(x,y)，其数学计算公式为：
Φ(x,y)＝φ(x,y)+2πk(x,y)。
优选的，所述步骤S3中，所述参考平面的偏转相位
Figure BDA0002788730730000034
其数学计算公式为：
Figure BDA0002788730730000035
其中，k1、k2分别表示参考平面偏转相位的偏转系数，通过调整该系数实现参考平面相位的多方向偏转。
优选的，所述步骤S4中，所述苹果的原始相位图Φn(x,y),n∈[1,9]，其数学计算公式分别为：
Figure BDA0002788730730000041
优选的，所述步骤S6中，所述相位差值图
Figure BDA0002788730730000042
其数学计算公式为：
Figure BDA0002788730730000043
优选的，所述步骤S7中，所述边缘图像E(x,y)，可采用Sobel、Canny通用的边缘检测计算得到。
优选的，所述步骤S7中，所述检测结果D(x,y)，其数学计算公式为：
D(x,y)＝R1(x,y)∪R2(x,y)∪R3(x,y)∪...∪R8(x,y)∪R9(x,y)∪E(x,y)。
采用以上技术方案的有益效果是：
1、本发明提供的一种基于条纹投影的苹果果梗和花萼检测方法，既避免了人工方式来实现分级，存在劳动量大、精度和效率低、无统一标准和过分依赖人的主观因素等缺点；有避免了机械方式来实现分级，会造成水果的机械损伤，缺陷果会加速整批水果损坏的速度问题。
2、本发明提供的一种基于条纹投影的苹果果梗和花萼检测方法，能够有效识别苹果果梗和花萼，不易受苹果表面缺陷和外界环境光照的因素影响，鲁棒性高、适用性好，减小了果梗和花萼区域对苹果缺陷检测的影响，避免了使用传统的灰度特征进行分割，容易将果梗和花萼误认为是缺陷，避免了将正常果误判为缺陷果的问题。
3、本发明的技术方案设备成本不高、计算复杂度低、易于实现，能够满足实际生产中高速在线监测的要求。
附图说明
图1是本发明基于条纹投影的苹果果梗和花萼检测方法的流程图；
图2是本发明基于条纹投影的苹果果梗和花萼检测方法的原理示意图；
图3是本发明基于条纹投影的苹果果梗和花萼检测方法的检测结果；
具体实施方式
下面对照附图，通过对实施例的描述，对本发明的具体实施方式作进一步详细的说明，目的是帮助本领域的技术人员对本发明的构思、技术方案有更完整、准确和深入的理解，并有助于其实施。
如图1至图3所示，本发明是一种基于条纹投影的苹果果梗和花萼检测方法，具体包括以下步骤：
步骤S1：搭建条纹投影苹果果梗和花萼检测系统，包括投影仪、摄像机和计算机；所述投影仪分别向参考平面和被测苹果表面投射正弦条纹，摄像机同步采集调制后的条纹图像Ii(x,y)，并将采集的数据导入计算机进一步处理；
步骤S2：利用条纹分析方法得到包裹相位分布φ(x,y)和对应的条纹级次k(x,y)，并在此基础上计算得到相位分布Φ(x,y)；参考平面和被测苹果的相位分布分别表示为Φbg(x,y)、Φobj(x,y)；
步骤S3：在参考平面相位分布Φbg(x,y)的基础上，构建参考平面的偏转相位
Figure BDA0002788730730000051
步骤S4：苹果的相位分布Φobj(x,y)分别与参考平面的偏转相位
Figure BDA0002788730730000052
相减，计算得到苹果的原始相位图Φn(x,y),n∈[1,9]；
步骤S5：分别对苹果的原始相位图Φn(x,y),n∈[1,9]进行孔洞填充，得到填充相位图
Figure BDA0002788730730000053
步骤S6：分别将填充相位图
Figure BDA0002788730730000054
与苹果的原始相位图Φn(x,y),n∈[1,9]相减，得到相位差值图
Figure BDA0002788730730000055
步骤S7：设定阈值T对相位差值图
Figure BDA0002788730730000056
进行阈值分割，得到苹果果梗和花萼区域图像Rn(x,y),n∈[1,9]；对被测苹果进行边缘检测，得到边缘图像E(x,y)；对边缘图像E(x,y)和苹果果梗和花萼区域图像Rn(x,y),n∈[1,9]进行求或运算，得到检测结果D(x,y)。
所述步骤S1中，所述摄像机采集的条纹图像Ii(x,y)，其光强分布可表示为：
Ii(x,y)＝a(x,y)+b(x,y)cos[φ(x,y)+δi]；
其中：(x,y)表示摄像机的像素坐标；i＝1,2,...,Step(Step≥3)表示相移步数；a(x,y)表示图像平均背景强度；b(x,y)表示条纹调制度；φ(x,y)表示包裹相位分布；δi＝2π(i-1)/Step表示相移量。
所述步骤S2中，所述包裹相位分布φ(x,y)，其数学计算公式为：
Figure BDA0002788730730000061
所述步骤S2中，所述条纹级次k(x,y)，通过双频法得到的计算公式为：
Figure BDA0002788730730000062
其中：fh和fl分别表示高频条纹和低频条纹的频率；Φl(x,y)表示单周期低频条纹的相位；φ(x,y)表示包裹相位分布；
所述步骤S2中，所述相位分布Φ(x,y)，其数学计算公式为：
Φ(x,y)＝φ(x,y)+2πk(x,y)。
所述步骤S3中，所述参考平面的偏转相位
Figure BDA0002788730730000063
其数学计算公式为：
Figure BDA0002788730730000064
其中，k1、k2分别表示参考平面偏转相位的偏转系数，通过调整该系数实现参考平面相位的多方向偏转。
所述步骤S4中，所述苹果的原始相位图Φn(x,y),n∈[1,9]，其数学计算公式分别为：
Figure BDA0002788730730000071
所述步骤S6中，所述相位差值图
Figure BDA0002788730730000072
其数学计算公式为：
Figure BDA0002788730730000073
所述步骤S7中，所述边缘图像E(x,y)，可采用Sobel、Canny通用的边缘检测计算得到。
所述步骤S7中，所述检测结果D(x,y)，其数学计算公式为：
D(x,y)＝R1(x,y)∪R2(x,y)∪R3(x,y)∪...∪R8(x,y)∪R9(x,y)∪E(x,y)。
综上所述：
1、本发明提供的一种基于条纹投影的苹果果梗和花萼检测方法，既避免了人工方式来实现分级，存在劳动量大、精度和效率低、无统一标准和过分依赖人的主观因素等缺点；有避免了机械方式来实现分级，会造成水果的机械损伤，缺陷果会加速整批水果损坏的速度问题。
2、本发明提供的一种基于条纹投影的苹果果梗和花萼检测方法，能够有效识别苹果果梗和花萼，不易受苹果表面缺陷和外界环境光照的因素影响，鲁棒性高、适用性好，减小了果梗和花萼区域对苹果缺陷检测的影响，避免了使用传统的灰度特征进行分割，容易将果梗和花萼误认为是缺陷，避免了将正常果误判为缺陷果的问题。
3、本发明的技术方案设备成本不高、计算复杂度低、易于实现，能够满足实际生产中高速在线监测的要求。
以上结合附图对本发明进行了示例性描述，显然，本发明具体实现并不受上述方式的限制，只要是采用了本发明的方法构思和技术方案进行的各种非实质性的改进；或未经改进，将本发明的上述构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (8)

1.一种基于条纹投影的苹果果梗和花萼检测方法，其特征在于：具体包括以下步骤：
步骤S1：搭建条纹投影苹果果梗和花萼检测系统，包括投影仪、摄像机和计算机；所述投影仪分别向参考平面和被测苹果表面投射正弦条纹，摄像机同步采集调制后的条纹图像Ii(x,y)，并将采集的数据导入计算机进一步处理；
步骤S2：利用条纹分析方法得到包裹相位分布φ(x,y)和对应的条纹级次k(x,y)，并在此基础上计算得到相位分布Φ(x,y)；参考平面和被测苹果的相位分布分别表示为Φbg(x,y)、Φobj(x,y)；
步骤S3：在参考平面相位分布Φbg(x,y)的基础上，构建参考平面的偏转相位
Figure FDA0002788730720000011
步骤S4：苹果的相位分布Φobj(x,y)分别与参考平面的偏转相位
Figure FDA0002788730720000012
相减，计算得到苹果的原始相位图Φn(x,y),n∈[1,9]；
步骤S5：分别对苹果的原始相位图Φn(x,y),n∈[1,9]进行孔洞填充，得到填充相位图
Figure FDA0002788730720000013
步骤S6：分别将填充相位图
Figure FDA0002788730720000014
与苹果的原始相位图Φn(x,y),n∈[1,9]相减，得到相位差值图
Figure FDA0002788730720000015
步骤S7：设定阈值T对相位差值图
Figure FDA0002788730720000016
进行阈值分割，得到苹果果梗和花萼区域图像Rn(x,y),n∈[1,9]；对被测苹果进行边缘检测，得到边缘图像E(x,y)；对边缘图像E(x,y)和苹果果梗和花萼区域图像Rn(x,y),n∈[1,9]进行求或运算，得到检测结果D(x,y)。
2.根据权利要求1所述的一种基于条纹投影的苹果果梗和花萼检测方法，其特征在于：所述步骤S1中，所述摄像机采集的条纹图像Ii(x,y)，其光强分布可表示为：
Ii(x,y)＝a(x,y)+b(x,y)cos[φ(x,y)+δi]；
其中：(x,y)表示摄像机的像素坐标；i＝1,2,...,Step(Step≥3)表示相移步数；a(x,y)表示图像平均背景强度；b(x,y)表示条纹调制度；φ(x,y)表示包裹相位分布；δi＝2π(i-1)/Step表示相移量。
3.根据权利要求1所述的一种基于条纹投影的苹果果梗和花萼检测方法，其特征在于：
所述步骤S2中，所述包裹相位分布φ(x,y)，其数学计算公式为：
Figure FDA0002788730720000021
所述步骤S2中，所述条纹级次k(x,y)，通过双频法得到的计算公式为：
Figure FDA0002788730720000022
其中：fh和fl分别表示高频条纹和低频条纹的频率；Φl(x,y)表示单周期低频条纹的相位；φ(x,y)表示包裹相位分布；
所述步骤S2中，所述相位分布Φ(x,y)，其数学计算公式为：
Φ(x,y)＝φ(x,y)+2πk(x,y)。
4.根据权利要求1所述的一种基于条纹投影的苹果果梗和花萼检测方法，其特征在于：所述步骤S3中，所述参考平面的偏转相位
Figure FDA0002788730720000023
其数学计算公式为：
Figure FDA0002788730720000024
其中，k1、k2分别表示参考平面偏转相位的偏转系数，通过调整该系数实现参考平面相位的多方向偏转。
5.根据权利要求1所述的一种基于条纹投影的苹果果梗和花萼检测方法，其特征在于：所述步骤S4中，所述苹果的原始相位图Φn(x,y),n∈[1,9]，其数学计算公式分别为：
Figure FDA0002788730720000025
6.根据权利要求1所述的一种基于条纹投影的苹果果梗和花萼检测方法，其特征在于：所述步骤S6中，所述相位差值图
Figure FDA0002788730720000031
其数学计算公式为：
Figure FDA0002788730720000032
7.根据权利要求1所述的一种基于条纹投影的苹果果梗和花萼检测方法，其特征在于：所述步骤S7中，所述边缘图像E(x，y)，可采用Sobel、Canny通用的边缘检测计算得到。
8.根据权利要求1所述的一种基于条纹投影的苹果果梗和花萼检测方法，其特征在于：所述步骤S7中，所述检测结果D(x，y)，其数学计算公式为：
D(x，y)＝R1(x，y)∪R2(x，y)∪R3(x，y)∪...∪R8(x，y)∪R9(x，y)∪E(x，y)。
CN202011307487.XA 2020-11-19 2020-11-19 一种基于条纹投影的苹果果梗和花萼检测方法 Active CN112488998B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011307487.XA CN112488998B (zh) 2020-11-19 2020-11-19 一种基于条纹投影的苹果果梗和花萼检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011307487.XA CN112488998B (zh) 2020-11-19 2020-11-19 一种基于条纹投影的苹果果梗和花萼检测方法

Publications (2)

Publication Number Publication Date
CN112488998A true CN112488998A (zh) 2021-03-12
CN112488998B CN112488998B (zh) 2022-10-14

Family

ID=74932051

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011307487.XA Active CN112488998B (zh) 2020-11-19 2020-11-19 一种基于条纹投影的苹果果梗和花萼检测方法

Country Status (1)

Country Link
CN (1) CN112488998B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113256575A (zh) * 2021-05-13 2021-08-13 南京农业大学 一种基于结构化高光谱系统的水果缺陷检测方法
CN114862846A (zh) * 2022-07-04 2022-08-05 武汉精立电子技术有限公司 一种筛分方法、装置、设备及存储介质
CN115063341A (zh) * 2022-04-02 2022-09-16 安徽农业大学 一种基于相移条纹的苹果果梗和花萼检测方法

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5307152A (en) * 1992-09-29 1994-04-26 Industrial Technology Institute Moire inspection system
CN105158275A (zh) * 2014-11-18 2015-12-16 北京农业智能装备技术研究中心 基于近红外编码点阵结构光的苹果果梗/花萼检测方法
CN105627942A (zh) * 2015-12-25 2016-06-01 华南理工大学 一种机器视觉检测物体表面微变形的成像装置及其方法
CN106525732A (zh) * 2016-10-25 2017-03-22 沈阳农业大学 基于高光谱成像技术的苹果内外品质快速无损检测方法
CN106595524A (zh) * 2016-12-23 2017-04-26 北京主导时代科技有限公司 测量列车车轮表面三维形貌的方法及装置
CN107064056A (zh) * 2017-03-08 2017-08-18 北京农业智能装备技术研究中心 一种水果无损检测的方法及装置
CN107144240A (zh) * 2017-05-12 2017-09-08 电子科技大学 一种检测玻璃面板表面缺陷的系统及方法
CN107192717A (zh) * 2017-04-26 2017-09-22 深圳市计量质量检测研究院 一种物体近似平坦表面的三维缺陷检测方法及装置
CN107607060A (zh) * 2017-08-24 2018-01-19 东南大学 一种应用于光栅三维投影测量中的相位误差补偿方法
WO2020016812A1 (es) * 2018-07-18 2020-01-23 Universidad De Cartagena Dispositivo y método de reconstrucción 3d para la medición de pápulas en la piel
CN110849290A (zh) * 2019-11-25 2020-02-28 南昌航空大学 基于形态学操作的分段量化编码强度的三维测量方法
CN111238403A (zh) * 2020-01-18 2020-06-05 武汉盛信鸿通科技有限公司 一种基于光场子孔径条纹图像的三维重建方法及装置
CN111288925A (zh) * 2020-01-18 2020-06-16 武汉烽火凯卓科技有限公司 一种基于数字对焦结构照明光场的三维重建方法和装置
CN111353997A (zh) * 2019-04-11 2020-06-30 南京理工大学 一种基于条纹投影的实时三维面型缺陷检测方法
CN111462081A (zh) * 2020-03-31 2020-07-28 西安工程大学 一种用于工件表面质量检测的特征区域快速提取方法
CN111476788A (zh) * 2020-04-27 2020-07-31 武汉精立电子技术有限公司 一种显示屏夹层缺陷检测方法及系统

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5307152A (en) * 1992-09-29 1994-04-26 Industrial Technology Institute Moire inspection system
CN105158275A (zh) * 2014-11-18 2015-12-16 北京农业智能装备技术研究中心 基于近红外编码点阵结构光的苹果果梗/花萼检测方法
CN105627942A (zh) * 2015-12-25 2016-06-01 华南理工大学 一种机器视觉检测物体表面微变形的成像装置及其方法
CN106525732A (zh) * 2016-10-25 2017-03-22 沈阳农业大学 基于高光谱成像技术的苹果内外品质快速无损检测方法
CN106595524A (zh) * 2016-12-23 2017-04-26 北京主导时代科技有限公司 测量列车车轮表面三维形貌的方法及装置
CN107064056A (zh) * 2017-03-08 2017-08-18 北京农业智能装备技术研究中心 一种水果无损检测的方法及装置
CN107192717A (zh) * 2017-04-26 2017-09-22 深圳市计量质量检测研究院 一种物体近似平坦表面的三维缺陷检测方法及装置
CN107144240A (zh) * 2017-05-12 2017-09-08 电子科技大学 一种检测玻璃面板表面缺陷的系统及方法
CN107607060A (zh) * 2017-08-24 2018-01-19 东南大学 一种应用于光栅三维投影测量中的相位误差补偿方法
WO2020016812A1 (es) * 2018-07-18 2020-01-23 Universidad De Cartagena Dispositivo y método de reconstrucción 3d para la medición de pápulas en la piel
CN111353997A (zh) * 2019-04-11 2020-06-30 南京理工大学 一种基于条纹投影的实时三维面型缺陷检测方法
CN110849290A (zh) * 2019-11-25 2020-02-28 南昌航空大学 基于形态学操作的分段量化编码强度的三维测量方法
CN111238403A (zh) * 2020-01-18 2020-06-05 武汉盛信鸿通科技有限公司 一种基于光场子孔径条纹图像的三维重建方法及装置
CN111288925A (zh) * 2020-01-18 2020-06-16 武汉烽火凯卓科技有限公司 一种基于数字对焦结构照明光场的三维重建方法和装置
CN111462081A (zh) * 2020-03-31 2020-07-28 西安工程大学 一种用于工件表面质量检测的特征区域快速提取方法
CN111476788A (zh) * 2020-04-27 2020-07-31 武汉精立电子技术有限公司 一种显示屏夹层缺陷检测方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHAO ZUO等: "Phase shifting algorithms for fringe projection profilometry: A review", 《OPTICS AND LASERS IN ENGINEERING》 *
YUZHEN LU等: "Structured-illumination reflectance imaging coupled with phase analysis techniques for surface profiling of apples", 《JOURNAL OF FOOD ENGINEERING》 *
毛家琦: "结合条纹投影和光场的三维成像技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
陈红丽: "基于结构光的玻璃面板缺陷检测方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113256575A (zh) * 2021-05-13 2021-08-13 南京农业大学 一种基于结构化高光谱系统的水果缺陷检测方法
CN113256575B (zh) * 2021-05-13 2023-10-27 南京农业大学 一种基于结构化高光谱系统的水果缺陷检测方法
CN115063341A (zh) * 2022-04-02 2022-09-16 安徽农业大学 一种基于相移条纹的苹果果梗和花萼检测方法
CN115063341B (zh) * 2022-04-02 2024-04-26 安徽农业大学 一种基于相移条纹的苹果果梗和花萼检测方法
CN114862846A (zh) * 2022-07-04 2022-08-05 武汉精立电子技术有限公司 一种筛分方法、装置、设备及存储介质
CN114862846B (zh) * 2022-07-04 2022-10-25 武汉精立电子技术有限公司 一种筛分方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112488998B (zh) 2022-10-14

Similar Documents

Publication Publication Date Title
CN112488998B (zh) 一种基于条纹投影的苹果果梗和花萼检测方法
CN109829914B (zh) 检测产品缺陷的方法和装置
CN108921176B (zh) 一种基于机器视觉的指针式仪表定位与识别方法
CN107301637B (zh) 近矩形平面状工业产品表面瑕疵检测方法
CN111383209B (zh) 一种基于全卷积自编码器网络的无监督瑕疵检测方法
CN109191459B (zh) 连铸坯低倍组织中心偏析缺陷的自动识别与评级方法
CN105004737B (zh) 基于自适应改进型梯度信息的水果表面缺陷检测方法
CN106780486B (zh) 一种钢板表面缺陷图像提取方法
CN110264459A (zh) 一种土壤裂缝特征信息提取方法
CN111223093A (zh) 一种aoi缺陷检测方法
WO2021168733A1 (zh) 缺陷图像的缺陷检测方法、装置及计算机可读存储介质
CN107239742B (zh) 一种仪表指针刻度值计算方法
CN105158258A (zh) 一种基于计算机视觉的竹条表面缺陷检测方法
CN103413288A (zh) 一种lcd总体检测缺陷方法
CN110473194A (zh) 基于多图像块阈值分割算法的水果表面缺陷检测方法
CN115311294B (zh) 基于图像处理的玻璃瓶瓶身瑕疵识别检测方法
CN113608378B (zh) 一种基于lcd制程的全自动缺陷检测方法和系统
CN114881915A (zh) 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法
CN115082451B (zh) 一种基于图像处理的不锈钢汤勺缺陷检测方法
Samarawickrama et al. Matlab based automated surface defect detection system for ceremic tiles using image processing
CN108445009A (zh) 一种太阳能电池板裂纹检测方法
CN112669295A (zh) 一种基于二次阈值分割理论的锂电池极片缺陷检测方法
CN112802022B (zh) 智能检测缺陷玻璃图像的方法、电子设备以及存储介质
CN115471476A (zh) 一种部件缺陷检测方法、装置、设备及介质
CN115545383A (zh) 一种草莓脆外观品质的双目立体视觉检测方法

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