CN113252103A - 一种基于matlab图像识别技术计算物料堆体积及质量的方法 - Google Patents
一种基于matlab图像识别技术计算物料堆体积及质量的方法 Download PDFInfo
- Publication number
- CN113252103A CN113252103A CN202110514363.7A CN202110514363A CN113252103A CN 113252103 A CN113252103 A CN 113252103A CN 202110514363 A CN202110514363 A CN 202110514363A CN 113252103 A CN113252103 A CN 113252103A
- Authority
- CN
- China
- Prior art keywords
- image
- matlab
- volume
- calculating
- image recognition
- 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
- 239000000463 material Substances 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005516 engineering process Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 239000007787 solid Substances 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000002452 interceptive effect Effects 0.000 claims 1
- 238000005215 recombination Methods 0.000 claims 1
- 230000006798 recombination Effects 0.000 claims 1
- 230000009466 transformation Effects 0.000 claims 1
- 239000004575 stone Substances 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 12
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 241000519995 Stachys sylvatica Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N9/00—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity
- G01N9/24—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity by observing the transmission of wave or particle radiation through the material
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Image Analysis (AREA)
Abstract
一种基于MATLAB图像识别技术计算物料堆体积及质量的方法，如图2所示，首先对物料的三视图进行采集，优先建立规则的几何图形的模板库和规则的立体几何模板库，用MATLAB对物料图片进行预处理，然后利用物料所占像素点数目计算出图像的面积和相应的尺寸，在于原图片所拍摄的实际尺寸作对比，从而估算出石料的三视图的大致实际尺寸，再由处理后侧视图和主视图输入到图形模板库中，从而利用MATLAB识别出相应的立体几何图形，再将三视图的几何形状输出到模板库中，进而推算出物料的大致几何模型，由不同的几何模型对应该几何模型的计算公式计算出该几何模型的体积，再有由平均密度计算出该物料堆的大概质量。
Description
技术领域
本发明通过图像识别技术自动识别物料重量，用来估算一堆松散物料堆的大概质量，仅需三个外接摄像头，方便快捷，降低生产成本，提高经济收益。
本发明提供一种基于基于MATLAB图像识别技术计算物料堆体积堆及质量系统及方法，在准确度要求不高的情况下，有效规避了传统情况下传统方法下过程繁琐的称量方法，使用要求较为宽泛，大大降低了使用成本，提高生产效率。
背景技术
在现代化工业生产中经常会面对一堆松散的物料堆，尤其在施工的过程中遇到一对松散的物料，在希望得到他的大致质量时，如何准确快速在要求不精准的情况下识别它的重量一直困扰着许多工作人员，为了解决此问题，很多工程技术人员设计了各种方案，并进行了很多尝试，也取得了一定效果，但依然不够完善。如果在精度要求不高的情况下，正常情况下采用传统的测重方法，一方面费时费力，另一方面会增加成本，而且松散的物料堆在包装称重又会浪费资源，如果可以通过拍照就可以估算出它的质量，在生产生活是十分方便的。
发明内容
本发明按以下技术方案实现：
1.基于图像识别技术的计算物料堆体积及质量方法，包括摄像头和图像采集系统和检测系统。所述摄像机采集到的图像数据后，传送给计算机，计算机上的图像分析系统会根据接收到的物料堆得三视图，通过MATLAB上相应的算法，对图像进行一系列处理后，再将处理后的图像导入到图形模板库中，将MATLAB处理后的三视图匹配到图形模板库中相应的立体几何图形，计算的时候将其视为标准图形计算，再由相应的匹配算法计算出物料堆的体积，在提前获得物料堆的平均密度的情况下，进而让计算机估算出物料的质量。
进一步，所述模拟摄像机采用红外模拟摄像机
进一步，至少需要三个摄像机，并且三个摄像机分别距离正上方，正左侧，正右侧倾斜角控制在20°以内。
进一步，为了确保识别精度，摄像头镜头需要定期擦试。
进一步，本方法采用的工具软件为MATLAB。
一种基于MATLAB图像识别技术计算物料堆体积及质量的方法，包括以下步骤：
1)采集物料堆的三视图
2)将采集到的数据图像传输到计算机MATLAB中进行预处理
3)利用MATLAB计算预处理后图像各项尺寸参数，再与拍摄场地的实际尺寸作对比，估算出对应物料堆的三视图的实际尺寸占地面积。
3)建立平面几何和立体几何的图形模板库。
4)利用模板还配法，将预处理后的图片导入到图形库中，大致识别出相应的几何图形。
5)将大致识别后的三视图相对应的平面几何图形通过神经网络特定的算法自动匹配到相应的立体几何图形，例如正视图为三角形，俯视图识别为圆形，测试图识别为三角形。最终物料的立体几何图形识别为圆锥。再通过计算圆锥体积的计算公式大致计算出物料堆的体积，进而用平均密度估算质量。
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一简单地介绍
图1为系统框图的结构示意图；
图2为本发明的工作流程示意图
图中：1-计算机、2-俯视摄像头、3-光源、4-物料平台、5-主视摄像头、6-物料、 7-左视摄像头
图3为方法框图的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面对本发明进行进一步详细说明。但是应该理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限制本发明的范围。
除非另有定义，本文所使用的所有的技术术语和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同，本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
1.一种基于图像识别技术计算石料体积及质量系统，其特征在于：包括摄像机和图像采集系统和检测系统。
使用放置在石料处正上方、正前方、正左侧的相机进行拍摄完成图像采集，分别为主视摄像机，左视摄像机和俯视摄像机。摄像机位置固定，使得拍摄范围固定，拍摄位置，可稍有偏移，倾斜角控制在20°以内否则超过20°识别难度明显提升。完成三视图的拍摄后，并分别拍摄物料图片以及以及物料未放置时背景图片，物料图片与背景图片大小一致，用作后期处理。
采集系统由台式计算机、红外模拟摄像机、光源等组成，在采集目标图像之前，需要对采集图像的环境进行标定。现场即车间正常的灯光，一般采光变化较小，可以忽略其影响。对于采集图像的采光条件、高度等进行标记，由此在该条件下采集的图像与实际标定样品的尺寸进行标定。检测系统设计中，主要是 MATLAB图像处理图像采集系统软件系统的设计。本系统图像处理程序包括图像灰度化、图像权重自适应去噪、图像二值化、图像分割提取、计算石料个体的数量或计算石料总像素点数目处理等。
图形模板库的建立：随意堆积的石料，其形状往往呈圆锥体，但是在识别的过程中，为了使识别过程更加准确，减少误差。需要加入图形模板库，而图形模板库中需要尽可能添加多种几何图形的模板。例如，长方体(正方体)、截头圆柱、正六角柱、直角锥、截头直角锥、锲形、角锥台、直圆柱、斜切直圆柱、矩方等。还要添加尽可能多的几何形状，例如，长方形、正方形、梯形(含多种不同形状的梯形，如直角梯形，等腰梯形等)、圆、三角形、正多边形(主要指正六边形，用作俯视图的参考模板)等。
2.图像灰度化处理
在各种灰度化方案中，本方案采用加权平均法实现灰度变换，加权平均法是指将图像的每一个像素点上的R、G、B值分别乘以不同的权重后得到的值作为该点的灰度值，从而为后续处理做准备。
R＝G＝B＝(ωRR+ωGG+ωBB)/3
ωR、ωG、ωB、分别为R、G、B权值，取不同的值而得到一定的灰度图像。由于人眼对不同颜色的敏感度不同，绿色的最高，因此使ωR>ωG>ωB将得到更容易分辨的图像。
3图像降噪处理
影像处理往往会涉及到三种滤波，即Gaussian filter、Median filter、 Wienerfilter.在施工的过程中，噪音是不可避免的，所以图像在获取以及处理的过程中，往往会受到噪音的污染，也就是噪音所产生的滤波会对图像的处理会产生干扰，当然就会使图像的部分参数发生破坏，为了减小误差，就需要消除噪声。常用的去噪方法有均值滤波法，选择式掩模平滑法，中值滤波算法和低频滤波法等。由于考虑到对象主体为石料，所以采用中值滤波法，其主要表现特征为图像的边缘特征不会受到明显的影响，其效果和淋浴的空间范围等参数是相关的，这种方法在滤波过程中可以抑制随随机噪声，而对图像边缘没有多少影响。其过程如下：
如果M为像素(x0,y0)的邻域集合S(包含(x0,y0))，(x,y)表示M中的元素，(f x,y)表示(x,y)点的灰度值，|M|表示集合M中元素的个数，Sort表示排序，则对(x,y)进行平滑可表示为：
4影像二值化
4.1灰阶影像变黑白影像
该项处理是对图像的各个像素点，这是0或255赋值，可以将图片转换为黑白图像，采用闭合边界和连通边界确定相关的区域，从而更好地满足二值化的要求。其中的一项任务是找出阈值(threshold)。阈值可以直接赋值，进过多次试验算的。其结果图像会更能够达到期望值，但是多次赋值会比较繁琐。也可以通过 MATLAB里的graythresh指令找出系统认为最佳的阈值。
4.2二值化影像的后续处理
影像在二值化之后，所获得的的图像往往是并不完美的，尤其是当用threshould将其化分为二值化图片之后，由于背景往往是不均匀的，必然会出现许多干扰性的白点，并且大小不一，从而影响石料计数的准确性，如若对物料堆采用计数处理，则误差影响会更大，原本为背景的值会被误判为前景。所以原本与物料堆同等大小的背景图则发挥了用处，利用MATLAB里面图片相减的程式imsubtract，将背景图里面不必要的污渍白点消除，这样得到的误差会小很多。
5计算物料堆个体的数量或计算物料堆总像素点数目(适用于左视图和正视图的像素点数目小于一定程度，也就是物料堆零散落在地上，未能累积起来这种情况。) 物料堆三视图像素点的计数是本次实践的一个关键点，可以采用区域生长法，运用迭代递归算法进行实现区域生长，是按照事先定义的生长原则，将一个像素或者一个子区域逐步聚合成一个完整的独立的连通区域通的过程，对图像目标区域，然后根据相关算法，将全部石料点的邻域内满足要求的像素点合并到石料群，这样就可以确定出独立连通区域的有效区域，不断的生长，直到满足生长停止条件，其中相似性准则则在判断过程中可以根据图像的颜色相关信息进行。其中的步骤是，先确定生长种子点，接着建立相关的规定，生长准则，根据生长情况而设定生长停止条件，使用区域生长法。但是这种方法所造成的后果是，如果两个或多个物料连接在一块，MATLAB软件在计数的过程中，会将其标为一个小物块，如果在物料成堆的情况下，这样做在计数上会引起极大的误差。所以可以利用另一种方法，就是计算物料堆总像素点的数目。
5.2求得累积起来物料堆的体积
设计使用模板还配方法。识别之前，需要完成图形模板库的设置。由于不同图形存在图像质量差异，导致处理后的图形发生一定的变化，具体表现在图像的形状和大小。如果使用匹配的模板，识别率会有所降低，因此在设计中手机不同图形创造出多个模板，以降低错误率。具体实施步骤如下所示：
分割出来的每个图形，处理剪出模板，仅限出该图形形状,然后归一到50*30的大小。显然，分割出的字符是由1500个0或者1组成的数据，也可视为一个50*30 的矩阵，再将矩阵转为一列，也就是1500*1的列向量。分割出的每个图形，处理后直接与图形模板对比，差异最小，识别结果就是哪个图形。
实施例
一种基于MATLAB图像识别技术计算物料堆体积及质量的方法，如图1所示，首先对物料的三视图进行采集，优先建立规则的几何图形的图形模板库和规则的立体几何图形模板库，用MATLAB对物料图片进行预处理，然后计算每个物料所占像素点数目之和，计算出图像的面积和相应的尺寸，在于原图片所拍摄的实际尺寸作对比，从而估算出物料堆的三视图的大致实际尺寸，再由处理后侧视图和主视图输入到图形模板库中，从而利用MATLAB识别出相应的几何图形，再将三视图的几何形状输出到模板库中，进而推算出物料堆的大致几何模型，由不同的几何模型对应该几何模型的计算公式计算出该几何模型的体积，再有由平均密度计算出该物料堆的大概质量。
虽然已参照典型实施例描述了本申请，但应当理解，所用的术语是说明和示例性、而非限制性的术语。由于本申请能够以多种形式具体实施而不脱离发明的精神或实质，所以应当理解，上述实施例不限于任何前述的细节，而应在随附权利要求所限定的精神和范围内广泛地解释，因此落入权利要求或其等效范围内的全部变化和改型都应为随附权利要求所涵盖。
Claims (10)
1.一种基于图像识别技术计算物料体积及质量系统，其特征在于：包括摄像机和图像识别系统和检测系统。
所述摄像机采集到的图像数据后，传送给计算机(1)，计算机(1)上的图像识别系统会根据接收到的图像，通过MATLAB上相应的算法，对图像进行一系列处理后，从而计算出物料堆(6)的体积，在提前获得物料堆(6)的平均密度的情况下，进而让计算机估算出物料堆(6)的质量。
2.根据权利要求1所述的一种基于MATLAB图像识别技术计算物料堆体积及质量的方法，其特征在于：所述模拟摄像机(2)采用红外模拟摄像机，且摄像机在指定的方向偏差角度不得超过20°，否则超过20°识别难度明显提升。
3.根据权利要求1所述的一种基于MATLAB图像识别技术计算物料堆体积及质量的方法，其特征在于：建立图形模板库，匹配相应的平面几何图形及立体几何图形，再对应相应的几何算法，结果在交互界面显示。
4.根据权利要求1所述的一种基于MATLAB图像识别技术计算物料堆体积及质量的方法，其特征在于：本方法采用的工具软件为MATLAB。
5.根据权利要求1所述的一种基于MATLAB图像识别技术计算物料堆体积及质量的方法，其特征在于：图形模板库分为平面几何图形模板库及立体几何图形模板库。
6.根据权利要求1所述的一种基于MATLAB图像识别技术计算物料堆体积及质量的方法，其特征在于：预处理后的图片导入到图形模板库中采用的方法为模板还配法。
7.根据权利要求1所述的一种基于MATLAB图像识别技术计算物料堆体积及质量的方法，其特征在于：其灯光采用LED灯，现场即车间正常的灯光，一般采光变化较小，可以忽略其影响。
8.根据权利要求1所述的一种基于MATLAB图像识别技术计算物料堆体积及质量的方法，其特征在于：图像降噪处理为了减小误差所采用的方法为中值滤波法。
9.根据权利要求1所述的一种基于MATLAB图像识别技术计算物料堆体积及质量的方法，其特征在于：在图像灰度化处理中本方案采用加权平均法实现灰度变换。
10.一种基于MATLAB图像识别技术计算物料堆体积及质量的方法，其特征在于：
1)采集物料堆的三视图
2)将采集到的数据图像传输到计算机(1)MATLAB中进行预处理
3)利用MATLAB计算预处理后图像各项尺寸参数，再与拍摄场地的实际尺寸作对比，估算出对应物料堆(6)的三视图的实际尺寸占地面积。
3)建立平面几何和立体几何的图形模板库。
4)利用模板还配法，将预处理后的图片导入到图形模板库中，大致识别出相应的几何图形。
5)将大致识别后的三视图相对应的平面几何图形通过神经网络特定的算法自动匹配到相应的立体几何图形，例如正视图为三角形，俯视图识别为圆形，测试图识别为三角形。最终物料的立体几何图形识别为圆锥。再通过计算圆锥体积的计算公式大致计算出物料堆(6)的体积，进而用平均密度估算质量。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110514363.7A CN113252103A (zh) | 2021-05-11 | 2021-05-11 | 一种基于matlab图像识别技术计算物料堆体积及质量的方法 |
| FR2113364A FR3122941B3 (fr) | 2021-05-11 | 2021-12-13 | Système et méthode de calcul du volume et de la masse d’un tas de matériaux basés sur la technologie de reconnaissance d’image |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110514363.7A CN113252103A (zh) | 2021-05-11 | 2021-05-11 | 一种基于matlab图像识别技术计算物料堆体积及质量的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113252103A true CN113252103A (zh) | 2021-08-13 |
Family
ID=77223040
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110514363.7A Pending CN113252103A (zh) | 2021-05-11 | 2021-05-11 | 一种基于matlab图像识别技术计算物料堆体积及质量的方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113252103A (zh) |
| FR (1) | FR3122941B3 (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116834026B (zh) * | 2023-09-04 | 2023-11-28 | 广州侨益科技有限公司 | 仓库散料堆的自动化库存监测方法、机器人和网络系统 |
| CN117788871B (zh) * | 2023-12-26 | 2024-08-09 | 海南言发高科技有限公司 | 一种基于人工智能的车载称重管理方法及平台 |
| CN117496208B (zh) * | 2023-12-29 | 2024-03-29 | 山东朝辉自动化科技有限责任公司 | 一种实时获取料场内堆料信息的方法 |
| CN119295441A (zh) * | 2024-12-10 | 2025-01-10 | 诸暨市长优针织有限公司 | 一种袜子生产用氨纶线密度检测方法 |
| CN119559240B (zh) * | 2025-01-24 | 2025-04-08 | 武汉理工大学 | 使用堆场摄像头的干散货料堆体积测量方法及系统 |
| CN119636549B (zh) * | 2025-02-13 | 2025-07-08 | 福建华南重工机械制造有限公司 | 料斗姿态控制结构、加料车、控制方法及过载控制方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101936761A (zh) * | 2009-06-30 | 2011-01-05 | 宝山钢铁股份有限公司 | 大型料场料堆视觉测量方法 |
| US20110182477A1 (en) * | 2010-01-22 | 2011-07-28 | Amir Tamrakar | Method for computing food volume in a method for analyzing food |
| CN103278090A (zh) * | 2013-05-14 | 2013-09-04 | 陕西科技大学 | 一种不规则物体体积的视觉测量方法 |
| CN103822581A (zh) * | 2014-02-26 | 2014-05-28 | 陕西科技大学 | 一种基于压缩感知的不规则物体体积测量方法 |
| CN104680585A (zh) * | 2013-11-29 | 2015-06-03 | 深圳先进技术研究院 | 物料堆三维重建系统及方法 |
| CN106017320A (zh) * | 2016-05-30 | 2016-10-12 | 燕山大学 | 一种基于图像处理的散杂货堆体积测量方法及实现所述方法的系统 |
| CN108280290A (zh) * | 2018-01-22 | 2018-07-13 | 青岛理工大学 | 一种混凝土骨料数值模型重建方法 |
| CN108830898A (zh) * | 2018-03-30 | 2018-11-16 | 北京师范大学 | 一种基于3d模型嵌套的食物体积估算方法 |
| CN109163775A (zh) * | 2018-08-30 | 2019-01-08 | 北京广天夏科技有限公司 | 一种基于带式运输机的质量测量方法及装置 |
| CN109190696A (zh) * | 2018-08-28 | 2019-01-11 | 江苏科技大学苏州理工学院 | 一种物流包裹分类方法、装置、设备及可读存储介质 |
| CN110223376A (zh) * | 2019-05-23 | 2019-09-10 | 天津大学 | 一种基于单幅堆积颗粒材料图像的三维颗粒重建方法 |
| CN111062254A (zh) * | 2019-11-18 | 2020-04-24 | 厦门大学 | 一种装载机铲斗内物料堆积密度评估方法和装置 |
| CN112561983A (zh) * | 2020-12-19 | 2021-03-26 | 浙江大学 | 一种测算表面弱纹理且不规则堆料体积的装置及方法 |
-
2021
- 2021-05-11 CN CN202110514363.7A patent/CN113252103A/zh active Pending
- 2021-12-13 FR FR2113364A patent/FR3122941B3/fr not_active Expired - Fee Related
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101936761A (zh) * | 2009-06-30 | 2011-01-05 | 宝山钢铁股份有限公司 | 大型料场料堆视觉测量方法 |
| US20110182477A1 (en) * | 2010-01-22 | 2011-07-28 | Amir Tamrakar | Method for computing food volume in a method for analyzing food |
| CN103278090A (zh) * | 2013-05-14 | 2013-09-04 | 陕西科技大学 | 一种不规则物体体积的视觉测量方法 |
| CN104680585A (zh) * | 2013-11-29 | 2015-06-03 | 深圳先进技术研究院 | 物料堆三维重建系统及方法 |
| CN103822581A (zh) * | 2014-02-26 | 2014-05-28 | 陕西科技大学 | 一种基于压缩感知的不规则物体体积测量方法 |
| CN106017320A (zh) * | 2016-05-30 | 2016-10-12 | 燕山大学 | 一种基于图像处理的散杂货堆体积测量方法及实现所述方法的系统 |
| CN108280290A (zh) * | 2018-01-22 | 2018-07-13 | 青岛理工大学 | 一种混凝土骨料数值模型重建方法 |
| CN108830898A (zh) * | 2018-03-30 | 2018-11-16 | 北京师范大学 | 一种基于3d模型嵌套的食物体积估算方法 |
| CN109190696A (zh) * | 2018-08-28 | 2019-01-11 | 江苏科技大学苏州理工学院 | 一种物流包裹分类方法、装置、设备及可读存储介质 |
| CN109163775A (zh) * | 2018-08-30 | 2019-01-08 | 北京广天夏科技有限公司 | 一种基于带式运输机的质量测量方法及装置 |
| CN110223376A (zh) * | 2019-05-23 | 2019-09-10 | 天津大学 | 一种基于单幅堆积颗粒材料图像的三维颗粒重建方法 |
| CN111062254A (zh) * | 2019-11-18 | 2020-04-24 | 厦门大学 | 一种装载机铲斗内物料堆积密度评估方法和装置 |
| CN112561983A (zh) * | 2020-12-19 | 2021-03-26 | 浙江大学 | 一种测算表面弱纹理且不规则堆料体积的装置及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| FR3122941A3 (fr) | 2022-11-18 |
| FR3122941B3 (fr) | 2023-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113252103A (zh) | 一种基于matlab图像识别技术计算物料堆体积及质量的方法 | |
| CN107392929B (zh) | 一种基于人眼视觉模型的智能化目标检测及尺寸测量方法 | |
| KR102073468B1 (ko) | 비전 시스템에서 컬러 이미지에 대해 컬러 후보 포즈들의 점수화를 위한 시스템 및 방법 | |
| CN114820773B (zh) | 基于计算机视觉的筒仓运输车辆车厢位置检测方法 | |
| CN114324078B (zh) | 一种颗粒粒径识别方法、装置、设备和介质 | |
| CN104680519A (zh) | 基于轮廓和颜色的七巧板识别方法 | |
| CN115018785B (zh) | 基于视觉振频识别的提升钢丝绳张力检测方法 | |
| CN108665468B (zh) | 一种提取直线塔绝缘子串的装置及方法 | |
| CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
| CN104182757A (zh) | 获取被测目标实际覆盖面积的方法及装置 | |
| CN115953550A (zh) | 针对线结构光扫描的点云离群点剔除系统及方法 | |
| CN113344956A (zh) | 基于无人机航摄三维建模的地物轮廓提取分类方法 | |
| CN104574312A (zh) | 标靶图像求圆心的方法和装置 | |
| CN117372498A (zh) | 一种基于三维点云的多姿态螺栓尺寸测量方法 | |
| CN112241964B (zh) | 一种用于线结构光非接触测量的光条中心提取方法 | |
| CN112329845A (zh) | 更换纸币的方法、装置、终端设备及计算机可读存储介质 | |
| CN115184362A (zh) | 一种基于结构光投影的快速缺陷检测方法 | |
| CN106127147B (zh) | 一种基于三维数据的人脸深度纹理修复方法 | |
| JP5080416B2 (ja) | 入力画像から検出対象物の像を検出する画像処理装置 | |
| CN114758139B (zh) | 基坑积水检测方法 | |
| CN117710360A (zh) | 一种基于机器视觉的橡胶裂痕检测方法及系统 | |
| CN111161291A (zh) | 基于目标景深信息的轮廓检测方法 | |
| CN116934734A (zh) | 基于图像的零件缺陷多路并行检测方法、装置及相关介质 | |
| KR101009575B1 (ko) | 영상 처리를 통한 롤 또는 쉬트 형태로 연속 생산되는 물품의 결함영상 분류방법 | |
| CN114638805A (zh) | 一种轨道板裂缝检测方法、系统及存储介质 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210813 |
|
| WD01 | Invention patent application deemed withdrawn after publication |