CN112676195B - 基于线阵cmos相机的实木地板的颜色分选装置及方法 - Google Patents
基于线阵cmos相机的实木地板的颜色分选装置及方法 Download PDFInfo
- Publication number
- CN112676195B CN112676195B CN202011468724.0A CN202011468724A CN112676195B CN 112676195 B CN112676195 B CN 112676195B CN 202011468724 A CN202011468724 A CN 202011468724A CN 112676195 B CN112676195 B CN 112676195B
- Authority
- CN
- China
- Prior art keywords
- image
- conveyor belt
- linear array
- floor
- solid wood
- 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
Images
Abstract
本发明公开一种基于线阵CMOS相机的实木地板的颜色分选装置,属于地板分类技术领域,包括油漆箱、传送带、图像采集暗箱、工控机、PLC控制器、踢腿装置和收集箱,所述图像采集暗箱设置在传送带上,在所述图像采集暗箱内设置有线阵CMOS相机、白色LED排灯、校正板和光电开关,所述线阵CMOS相机与工控机连接,工控机、踢腿装置分别与PLC控制器连接,踢腿装置和收集箱相对设置在传送带两侧进行地板分类收集。本发明可以实现实木地板颜色的快速识别与分类,解决了困扰行业多年的实木地板相近颜色分选的技术难题。
Description
技术领域
本发明属于地板分选技术领域,具体涉及一种基于线阵CMOS相机的实木地板的颜色分选装置。
背景技术
木材是当今家具制造业和建筑装修业的主要原料,在建筑、家具等行业中得到了广泛的应用,用于铺设的实木地板在颜色上应该比较均匀。目前的实木地板颜色的分类由人工完成,使用人工目测的方法来对实木地板表面颜色进行测量和分类,其缺点是人为因素影响大、测量速度慢、精度低。然而在家具和地板块制造行业中,为保证美观,对实木地板表面颜色的一致性要求严格,且对实木地板颜色等级的划分越来越细致,肉眼难以看出差距并对其进行区分。人工分选已经无法满足企业生产的要求。因此需要设计一种装置,探寻一种算法来识别并分类实木地板。
发明内容
本发明解决的技术问题:提供一种能够快速准确识别实木地板的颜色并进行分类的装置和方法。
技术方案:为了解决上述技术问题,本发明采用的技术方案如下:
一种基于线阵CMOS相机的实木地板的颜色分选装置,包括:油漆箱、传送带、图像采集暗箱、工控机、PLC控制器、踢腿装置和收集箱,所述图像采集暗箱设置在传送带上,在所述图像采集暗箱内设置有线阵CMOS相机、白色LED排灯、校正板和光电开关,所述线阵CMOS相机与工控机连接,工控机、踢腿装置分别与PLC控制器连接,踢腿装置和收集箱相对设置在传送带两侧进行地板分类收集。
作为优选,所述传送带包括相连接的一级传送带、二级传送带和三级传送带,所述一级传送带、二级传送带使待分选的地板由多线传送变为单线传送,所述图像采集暗箱设置在三级传送带上。
作为优选,在所述三级传送带上图像采集暗箱的入口端设置有挡流板,使地板位于传送带中央。
作为优选,所述线阵CMOS相机拍摄方向对准三级传送带,图像采集暗箱前部设置白色LED排灯,照射方向对准线阵CMOS相机拍摄位置;光电开关位于三级传送带上部且与PLC控制器连接;三级传送带下部设有校正板;校正板由步进电机带动旋转;暗箱顶部设有空调。
作为优选,所述踢腿装置包括空气压缩机、气罐、电磁阀和气动踢腿,电磁阀与PLC控制器连接。
作为优选,在所述传送带末端设置有编码器,编码器与PLC控制器连接,PLC控制器对三级传送带上的编码器的脉冲进行计数来计算实木地板到达的时间,用以控制踢腿装置动作,将地板推向收集箱。
基于线阵CMOS相机的实木地板的颜色分选装置的分选方法,包括以下步骤:
S1:输入地板之前,校正板由步进电机带动旋转至水平位置,线阵CMOS相机采集色彩校正使用的图像;
S2:根据木板的规格和批次确定需要分成几类,由人工根据经验筛选一批样本木板,随后在工控机上的人机交互界面进行选择之后,按照提示输入多块每种类别的木板,输入完成之后通过在线学习的功能得到相应的模型;
S3:地板进入图像采集暗箱,光电开关触发线阵CMOS相机拍照,进行地板图像采集,图像经工控机处理后,分类结果发送给PLC控制器,PLC控制器驱动相应的踢腿装置使地板进入相应的收集箱从而完成分选.
作为优选,图像处理过程为:首先去除图像背景,然后由两个神经网络来实现颜色分类;第一个网络是卷积自编码器,输入为采集到的木板图像,输出是去除木纹的图像;第二个网络是BP神经网络,BP神经网络将第一个网络输出的图像进行色彩空间的转换,转换为HSV色彩空间和Lab色彩空间,计算各个通道的均值和方差作为特征输入到BP网络中,输出为颜色分类等级。
作为优选,去除图像背景的方法为:将采集到的图像转换为灰度图,根据灰度直方图找出波谷,根据阈值分割将图像转换为二值化图像,随后使用Canny边缘检测算法提取轮廓,为了尽可能减少噪声对边缘检测结果的影响,必须滤除噪声以防止由噪声引起的错误检测;使用高斯滤波器与图像进行卷积,该步骤将平滑图像,以减少边缘检测器上明显的噪声影响;大小为(2k+1)×(2k+1)的高斯滤波器核的生成方程式由下式给出:
经过高斯平滑滤波之后用一阶偏导的有限差分来计算梯度的幅值和方向,然后对梯度幅值进行非极大值抑制,最后用双阈值法检测和连接边缘完成canny边缘检测;对提取出轮廓的图像找出木板区域的顶点并剪裁图像以去除背景。
作为优选,卷积自编码器的输入层是采集到的实木地板的RGB图像,随后是Encoder卷积层,Encoder卷积层设置了3层卷积加池化层;在经过三层卷积和池化操作后完成Encoder端的卷积操作;Decoder卷积层设置了3层上采样加卷积层,上采样层与池化层作用相反,将每个元素扩展为2×2的大小,然后经过卷积层;经过输出层的卷积和后图像还原成原来的大小,且纹理已经去除。有益效果:与现有技术相比,本发明具有以下优点:
1)将线阵CMOS相机用于对木板进行成像,应用于木板颜色分选领域。对于颜色极为相近,人眼难以区分的木板,本发明通过利用线阵CMOS相机采集实木地板完整图像,进而识别实木地板的颜色并进行分选。
2)利用卷积自编码器去除实木地板上的木纹,然后利用BP神经网络得出颜色的等级,避免了木纹对识别结果的影响。
附图说明
图1是本发明实木地板颜色分选装置的总体结构示意图;
图2是本发明实木地板颜色分选装置图片采集系统的结构示意图;
图3是卷积自编码器的结构示意图;
图4是BP神经网络的结构示意图。
具体实施方式
下面结合具体实施例,进一步阐明本发明,实施例在以本发明技术方案为前提下进行实施,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。
如图1所示,一种基于线阵CMOS相机的实木地板的颜色分选装置,包括:油漆箱1、传送带、图像采集暗箱6、工控机7、PLC控制器8、踢腿装置和收集箱15,传送带包括相连接的一级传送带2、二级传送带3和三级传送带4,油漆箱及后面的传送带依次连接,油漆箱1的出口连接一级传送带2;一级传送带2末尾连接与其垂直摆放的二级传送带3;二级传送带3末尾连接与其垂直摆放的三级传送带4;一级传送带2为多线传送带,二级传送带3为单线传送,图像采集暗箱6设置在传送带上,在图像采集暗箱6入口前端设置挡流板5,挡流板5由柔性材料制成,使地板位于三级传送带4中央。
在图像采集暗箱6内设置有线阵CMOS相机16、白色LED排灯17、校正板20和光电开关18,线阵CMOS相机16与工控机7连接,工控机7、踢腿装置分别与PLC控制器8连接,线阵CMOS相机16拍摄方向对准三级传送带4,暗箱6前部设置白色LED排灯17,照射方向对准线阵CMOS相机16拍摄位置;光电开关18位于三级传送带4上部且与PLC控制器8连接;三级传送带4下部设有校正板20;校正板20由步进电机21带动旋转;暗箱6顶部设有空调19。图像采集暗箱6将整个图像采集系统罩住,消除环境光的影响。同时暗箱6内部采用黑色天鹅绒材料,避免暗箱内部光线的反射,以避免相机成像质量受到影响,进而影响识别结果。校正板20位于暗箱6下部,需要校正时,校正板20由步进电机21带动旋转至水平位置,此时相机可采集用来进行色彩校正的图片,图像处理时通过使用色彩校正,进一步避免光源微小变化的影响。白色LED排灯17作为图像采集系统的光源,其光源亮度可调,照射区域为线阵CMOS相机16单行像素成像区域,光照均匀,保证成像质量良好。空调19位于暗箱6顶部,使成像系统内部的温度保持恒定的低温。以避免光源和相机工作时产生的热量对相机成像质量造成影响。光电开关18触发线阵CMOS相机16采集图像,且工控机7配有高速采集卡,保证相机数据传输及时,避免图像数据丢失。
工控机7作为上位机,PLC8作为下位机,整个控制系统采用上下位机分离的设计,PLC8与工控机7通过以太网通讯口相连接,采用TCP长连接的形式,通过Modbus TCP协议通信,使通讯快速可靠。
踢腿装置和收集箱15相对设置在三级传送带4两侧进行地板分类收集,三级传送带4的一边设有导轨14和收集箱15,另一边设置踢腿装置,踢腿装置与导轨14相对,位于三级传送带4的两侧,导轨14末端为收集箱15。踢腿装置包括空气压缩机10、气罐11、电磁阀12和气动踢腿13,电磁阀12与PLC控制器连接。踢腿装置由PLC13驱动电磁阀12来进行推木板的动作,空气压缩机10压缩空气进入气罐11,当电磁阀12打开时气流推动气动踢腿13来分选。分选输出端子采用光电隔离,工作稳定可靠。PLC8对三级传送带4上的编码器9的脉冲进行计数来计算实木地板到达的时间,使踢腿推木板的时间精准。
在三级传送带4末端设置有编码器9,三级传送带上的伺服电机与编码器9与PLC控制器8连接,PLC控制器8对三级传送带4上的编码器9的脉冲进行计数来计算实木地板到达的时间,用以控制踢腿装置动作,将地板推向收集箱15。
本发明的基于线阵CMOS相机的实木地板的颜色分选装置的工作过程:实木地板从油漆箱1的出口落入一级传送带2,此时为多线传输,在其末端落入二级传送带3,变为横向的单线传输。随后落入三级传送带4,经过挡流板5的导流作用位于传送带中央,且为纵向的单线传输。实木地板能够单行通过图像采集系统,利于实木地板图像的采集,并且有利于识别后踢腿装置的分选。暗箱内的校正板20在电机带动下可旋转至水平位置,此时光电开关18触发相机采集校正板图像,用于后续的颜色校正以减少识别时光源微小变化的影响。暗箱6使外界光源无法进入,内部的黑色天鹅绒材料减少光线的反射,白色LED排灯17均匀照射在成像区域,保证成像质量。空调19保持内部温度维持在较低值,避免内部温度升高对图像采集造成影响。工控机7装有采集卡和GPU,采集卡将线阵CMOS相机16采集到的图像传输到工控机7内,GPU保证图像识别算法的快速运算。踢腿装置由PLC8控制,PLC8收到分选结果之后,对编码器9进行计数,短暂的延迟后PLC8打开电磁阀12,使气动踢腿踢将实木地板推入导轨14滑入收集箱15。
本发明的基于线阵CMOS相机的实木地板的颜色分选方法,包括以下步骤:
S1:工作之前打开光源,经过一段时间光源稳定之后开始分选,输入地板之前,校正板20由步进电机21带动旋转至水平位置,线阵CMOS相机16采集色彩校正使用的图像;
S2:根据木板的规格和批次确定需要分成几类,由人工根据经验筛选一批样本木板,随后在工控机7上的人机交互界面进行选择之后,按照提示输入多块每种类别的木板,输入完成之后通过在线学习的功能得到相应的模型,此时可进行分选;
S3:油漆箱1输出的木板经过传送带和挡流板5的导流作用,变为纵向单线传输,且位于传送带中央,然后地板进入图像采集暗箱6,光电开关18触发线阵CMOS相机16拍照,进行地板图像采集,图像经工控机7处理后,分类结果发送给PLC控制器8,PLC控制器8驱动相应的踢腿装置使地板进入相应的收集箱15从而完成分选。
如图3和图4所示,图像处理过程为:首先去除图像背景,然后由两个神经网络来实现颜色分类;第一个网络是卷积自编码器,输入为采集到的木板图像,输出是去除木纹的图像;第二个网络是BP神经网络,BP神经网络将第一个网络输出的图像进行色彩空间的转换,转换为HSV色彩空间和Lab色彩空间,计算各个通道的均值和方差作为特征输入到BP网络中,输出为颜色分类等级。
去除图像背景的方法为:将采集到的图像转换为灰度图,根据灰度直方图找出波谷,根据阈值分割将图像转换为二值化图像,随后使用Canny边缘检测算法提取轮廓,为了尽可能减少噪声对边缘检测结果的影响,必须滤除噪声以防止由噪声引起的错误检测;使用高斯滤波器与图像进行卷积,该步骤将平滑图像,以减少边缘检测器上明显的噪声影响;大小为(2k+1)×(2k+1)的高斯滤波器核的生成方程式由下式给出:
经过高斯平滑滤波之后用一阶偏导的有限差分来计算梯度的幅值和方向,然后对梯度幅值进行非极大值抑制,最后用双阈值法检测和连接边缘完成canny边缘检测;对提取出轮廓的图像找出木板区域的顶点并剪裁图像以去除背景。
第一个网络是卷积自编码器,卷积自编码器的输入层是采集到的实木地板的RGB图像,随后是Encoder卷积层,Encoder卷积层设置了3层卷积加池化层;第一和第二个卷积层采用64个3×3的卷积核,第三个卷积层采用32个3×3的卷积核,步长为1,激活函数为ReLU;池化层采用2×2的卷积核,步长为2在经过三层卷积和池化操作后完成Encoder端的卷积操作;Decoder卷积层设置了3层上采样加卷积层,上采样层与池化层作用相反,将每个元素扩展为2×2的大小,然后经过卷积层,第四个卷积层采用32个3×3的卷积核,第五和第六个卷积层采用64个3×3的卷积核,步长为1,激活函数为ReLU;经过输出层的卷积和后图像还原成原来的大小,且纹理已经去除。
第二个神经网络是BP神经网络,将经过卷积自编码器输出的图像进行色彩空间的变换,转换为HSV颜色空间和Lab颜色空间,然后计算各个通道的均值和方差作为特征输入到网络,网络由输入层,1层隐含层和输出层构成。网络输出为颜色分类的等级。
以上仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种基于线阵CMOS相机的实木地板的颜色分选装置,其特征在于,包括:油漆箱(1)、传送带、图像采集暗箱(6)、工控机(7)、PLC控制器(8)、踢腿装置和收集箱(15),所述图像采集暗箱(6)设置在传送带上,在所述图像采集暗箱(6)内设置有线阵CMOS相机(16)、白色LED排灯(17)、校正板(20)和光电开关(18),所述线阵CMOS相机(16)与工控机(7)连接,工控机(7)、踢腿装置分别与PLC控制器(8)连接,踢腿装置和收集箱(15)相对设置在传送带两侧进行地板分类收集;所述传送带包括相连接的一级传送带(2)、二级传送带(3)和三级传送带(4),所述一级传送带(2)、二级传送带(3)使待分选的地板由多线传送变为单线传送,所述图像采集暗箱(6)设置在三级传送带(4)上;所述线阵CMOS相机(16)拍摄方向对准三级传送带(4),暗箱(6)前部设置白色LED排灯(17),照射方向对准线阵CMOS相机(16)拍摄位置;光电开关(18)位于三级传送带(4)上部且与PLC控制器(8)连接;三级传送带(4)下部设有校正板(20);校正板(20)由步进电机(21)带动旋转;暗箱(6)顶部设有空调(19)。
2.根据权利要求1所述的基于线阵CMOS相机的实木地板的颜色分选装置,其特征在于:在所述三级传送带(4)上、图像采集暗箱(6)的入口端设置有挡流板(5),使地板位于传送带中央。
3.根据权利要求1所述的基于线阵CMOS相机的实木地板的颜色分选装置,其特征在于:所述踢腿装置包括空气压缩机(10)、气罐(11)、电磁阀(12)和气动踢腿(13),电磁阀(12)与PLC控制器(8)连接。
4.根据权利要求1所述的基于线阵CMOS相机的实木地板的颜色分选装置,其特征在于:在所述传送带末端设置有编码器(9),编码器(9)与PLC控制器(8)连接,PLC控制器(8)对三级传送带(4)上的编码器(9)的脉冲进行计数来计算实木地板到达的时间,用以控制踢腿装置动作,将地板推向收集箱(15)。
5.利用权利要求1-4任一权利要求所述基于线阵CMOS相机的实木地板的颜色分选装置的分选方法,其特征在于:包括以下步骤:
S1:输入地板之前,校正板(20)由步进电机(21)带动旋转至水平位置,线阵CMOS相机(16)采集色彩校正使用的图像;
S2:根据木板的规格和批次确定需要分成几类,由人工根据经验筛选一批样本木板,随后在工控机(7)上的人机交互界面进行选择之后,按照提示输入多块每种类别的木板,输入完成之后通过在线学习的功能得到相应的模型;
S3:地板进入图像采集暗箱(6),光电开关(18)触发线阵CMOS相机(16)拍照,进行地板图像采集,图像经工控机(7)处理后,分类结果发送给PLC控制器(8),PLC控制器(8)驱动相应的踢腿装置使地板进入相应的收集箱(15)从而完成分选。
6.根据权利要求5所述的分选方法,其特征在于,图像处理过程为:首先去除图像背景,然后由两个神经网络来实现颜色分类;第一个网络是卷积自编码器,输入为采集到的木板图像,输出是去除木纹的图像;第二个网络是BP神经网络,BP神经网络将第一个网络输出的图像进行色彩空间的转换,转换为HSV色彩空间和Lab色彩空间,计算各个通道的均值和方差作为特征输入到BP网络中,输出为颜色分类等级。
7.根据权利要求6所述的分选方法,其特征在于,去除图像背景的方法为:将采集到的图像转换为灰度图,根据灰度直方图找出波谷,根据阈值分割将图像转换为二值化图像,随后使用Canny边缘检测算法提取轮廓,为了尽可能减少噪声对边缘检测结果的影响,必须滤除噪声以防止由噪声引起的错误检测;使用高斯滤波器与图像进行卷积,该步骤将平滑图像,以减少边缘检测器上明显的噪声影响;大小为(2k+1)×(2k+1)的高斯滤波器核的生成方程式由下式给出:
经过高斯平滑滤波之后用一阶偏导的有限差分来计算梯度的幅值和方向,然后对梯度幅值进行非极大值抑制,最后用双阈值法检测和连接边缘完成canny边缘检测;对提取出轮廓的图像找出木板区域的顶点并剪裁图像以去除背景。
8.根据权利要求6所述的分选方法,其特征在于,卷积自编码器的输入层是采集到的实木地板的RGB图像,随后是Encoder卷积层,Encoder卷积层设置了3层卷积加池化层;在经过三层卷积和池化操作后完成Encoder端的卷积操作;Decoder卷积层设置了3层上采样加卷积层,上采样层与池化层作用相反,将每个元素扩展为2×2的大小,然后经过卷积层;经过输出层的卷积和后图像还原成原来的大小,且纹理已经去除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011468724.0A CN112676195B (zh) | 2020-12-14 | 2020-12-14 | 基于线阵cmos相机的实木地板的颜色分选装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011468724.0A CN112676195B (zh) | 2020-12-14 | 2020-12-14 | 基于线阵cmos相机的实木地板的颜色分选装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112676195A CN112676195A (zh) | 2021-04-20 |
CN112676195B true CN112676195B (zh) | 2021-10-29 |
Family
ID=75447648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011468724.0A Active CN112676195B (zh) | 2020-12-14 | 2020-12-14 | 基于线阵cmos相机的实木地板的颜色分选装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112676195B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113245243B (zh) * | 2021-06-23 | 2021-09-14 | 苏州鼎纳自动化技术有限公司 | 一种色差检测设备及其使用方法 |
CN114377997B (zh) * | 2022-01-12 | 2022-11-01 | 南京林业大学 | 基于coms和高光谱相机的杆状物分选装置及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107240134A (zh) * | 2017-05-27 | 2017-10-10 | 江苏理工学院 | 一种基于在线颜色识别的工业产品快速分类方法及装置 |
CN107486415A (zh) * | 2017-08-09 | 2017-12-19 | 中国计量大学 | 基于机器视觉的篾片缺陷在线检测系统及检测方法 |
CN110524752A (zh) * | 2019-04-24 | 2019-12-03 | 杭州电子科技大学 | 塑料瓶自动色选系统及方法 |
CN211637401U (zh) * | 2020-02-12 | 2020-10-09 | 南京林业大学 | 一种木板材颜色分选装置 |
CN111862028A (zh) * | 2020-07-14 | 2020-10-30 | 南京林业大学 | 基于深度相机和深度学习的木材缺陷检测分选装置及方法 |
CN212093322U (zh) * | 2020-02-17 | 2020-12-08 | 南京林业大学 | 一种基于棱镜相机的木质地板颜色分选装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9588098B2 (en) * | 2015-03-18 | 2017-03-07 | Centre De Recherche Industrielle Du Quebec | Optical method and apparatus for identifying wood species of a raw wooden log |
-
2020
- 2020-12-14 CN CN202011468724.0A patent/CN112676195B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107240134A (zh) * | 2017-05-27 | 2017-10-10 | 江苏理工学院 | 一种基于在线颜色识别的工业产品快速分类方法及装置 |
CN107486415A (zh) * | 2017-08-09 | 2017-12-19 | 中国计量大学 | 基于机器视觉的篾片缺陷在线检测系统及检测方法 |
CN110524752A (zh) * | 2019-04-24 | 2019-12-03 | 杭州电子科技大学 | 塑料瓶自动色选系统及方法 |
CN211637401U (zh) * | 2020-02-12 | 2020-10-09 | 南京林业大学 | 一种木板材颜色分选装置 |
CN212093322U (zh) * | 2020-02-17 | 2020-12-08 | 南京林业大学 | 一种基于棱镜相机的木质地板颜色分选装置 |
CN111862028A (zh) * | 2020-07-14 | 2020-10-30 | 南京林业大学 | 基于深度相机和深度学习的木材缺陷检测分选装置及方法 |
Non-Patent Citations (2)
Title |
---|
基于RGB值的板材表面质量检测及其分选装备的研制;林超然等;《农机装备研发》;20170630;第40、43页 * |
基于彩色线阵CCD的茶叶分选识别算法研究;李明珠等;《中国农机化学报》;20150731;第36卷(第4期);第124-129页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112676195A (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107486415B (zh) | 基于机器视觉的篾片缺陷在线检测系统及检测方法 | |
CN106238342B (zh) | 全景视觉马铃薯分选和缺陷检测装置及其分选检测方法 | |
CN110314854B (zh) | 一种基于视觉机器人的工件检测分拣的装置及方法 | |
CN112676195B (zh) | 基于线阵cmos相机的实木地板的颜色分选装置及方法 | |
CN109772733B (zh) | 一种基于视觉的缺陷竹块检测分拣装置及方法 | |
CN107437094B (zh) | 基于机器学习的木板分拣方法及系统 | |
CN105388162B (zh) | 基于机器视觉的原料硅片表面划痕检测方法 | |
CN206139527U (zh) | 全景视觉马铃薯分选和缺陷检测装置 | |
CN110766664B (zh) | 一种基于深度学习的电子元器件外观不良品的检测方法 | |
CN101234381A (zh) | 基于视觉识别的颗粒物料分选分级方法 | |
CN109030504B (zh) | 基于虚实成像相结合的全景马铃薯缺陷检测装置及方法 | |
CN207238542U (zh) | 一种基于机器视觉的篾片缺陷在线检测系统 | |
CN108287010A (zh) | 一种螃蟹多指标分级装置与方法 | |
CN112893159B (zh) | 一种基于图像识别的煤矸石分拣方法 | |
CN113145492A (zh) | 一种用于梨外观品质视觉分级方法及分级生产线 | |
CN106248680A (zh) | 一种基于机器视觉的电机换向器质量检测系统及检测方法 | |
CN112560941A (zh) | 基于图像检测的煤矸识别方法 | |
CN110586502B (zh) | 一种青梅分选装置和分选方法 | |
CN110813795B (zh) | 一种化纤丝锭纸筒破损在线检测装置及方法 | |
CN111222445A (zh) | 吸管检测系统及其方法 | |
CN208059993U (zh) | 一种螃蟹多指标分级装置 | |
CN206139529U (zh) | 透明滚轴机构 | |
CN110458231B (zh) | 一种陶瓷产品检测方法、装置和设备 | |
CN111257339B (zh) | 一种基于机器视觉的皮蛋裂纹在线检测方法及检测装置 | |
CN113560214B (zh) | 一种用于珍珠的智能分拣系统及其使用方法 |
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 |