CN113670920A - 一种柑橘新鲜度检测方法及装置 - Google Patents
一种柑橘新鲜度检测方法及装置 Download PDFInfo
- Publication number
- CN113670920A CN113670920A CN202110874482.3A CN202110874482A CN113670920A CN 113670920 A CN113670920 A CN 113670920A CN 202110874482 A CN202110874482 A CN 202110874482A CN 113670920 A CN113670920 A CN 113670920A
- Authority
- CN
- China
- Prior art keywords
- citrus
- freshness
- photos
- casing
- freshness detection
- 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
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
-
- 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
Abstract
本发明涉及一种柑橘新鲜度检测方法及装置,其不同之处在于:所述方法其包括:步骤a)、在光源下采集柑橘照片;步骤b)、将所采集到的所述柑橘照片进行背景一致化处理;步骤c)、将已处理的所述柑橘照片输入训练完成的新鲜度识别模型中预测待测柑橘的新鲜度值。本发明不仅成本低,而且能快速、有效、无损地检测柑橘新鲜度,提高了检测效率,应用范围广泛。
Description
技术领域
本发明涉及柑橘新鲜度检测领域,尤其是一种柑橘新鲜度检测方法及装置。
背景技术
现阶段柑橘新鲜度检测的方法主要有肉眼观察和使用拉曼仪器。第一种方法需要观察者通过肉眼观察获悉柑橘的整体外观状况,从而对其新鲜度做一个大致的评估,这种方法主要依赖于人的过往经验和感知能力,难以实现对新鲜度的精准评估,是一种基于主观印象进行主观判断的方法。拉曼仪器也可以预估柑橘的新鲜度,但在实验室的拉曼系统很难拟合大样本。而便携式拉曼系统虽然在通用性和便捷性方面优于传统的拉曼系统,但其成本和传统拉曼系统一样过高,难以走出实验室,在市场环境下被广泛应用。
发明内容
本发明的目的在于克服现有技术的缺点,提供一种柑橘新鲜度检测方法,不仅成本低,而且能快速、有效、无损地检测柑橘新鲜度,提高了检测效率,应用范围广泛。
为解决以上技术问题,本发明的技术方案为:一种柑橘新鲜度检测方法,其不同之处在于:其包括:
步骤a)、在光源下采集柑橘照片;
步骤b)、将所采集到的所述柑橘照片进行背景一致化处理;
步骤c)、将已处理的所述柑橘照片输入训练完成的新鲜度识别模型中预测待测柑橘的新鲜度值。
按以上技术方案,所述步骤b)中进行背景一致化时,使用图像掩膜对柑橘照片的背景进行遮挡。
按以上技术方案,所述步骤b)还包括对柑橘照片进行归一化处理,以将所述柑橘照片处理为固定尺寸的图像。
按以上技术方案,所述新鲜度识别模型为knn分类模型或resnet50模型或BiLSTM模型。
按以上技术方案,所述knn分类模型通过提取背景一致化的所述柑橘照片的果皮平均RGB来获取柑橘颜色信息,并将背景一致化的所述柑橘照片转化为二值化图像,然后统计所述二值化图像白色像素点,再计算所述白色像素点与所述二值化图像的面积比例,所述knn分类模型采集所述果皮平均RGB和所述面积比例,以预测待测柑橘的存放天数。
对比现有技术,本发明的有益特点为:该柑橘新鲜度检测方法,不仅成本低,而且能快速、有效、无损地检测柑橘新鲜度,提高了检测效率;可以通过导入不同品类柑橘的新鲜度识别模型,获得所述待测相应品类柑橘的新鲜度值,应用范围广泛。
为解决以上技术问题,本发明还提供了基于上述任一种方法的柑橘新鲜度检测装置,其不同之处在于:
其包括光照单元,用于提供光源;
采集单元,用于在所述光源下采集柑橘照片;
及
处理单元,用于将所采集到的所述柑橘照片进行背景一致化处理,并将已处理的所述柑橘照片输入训练完成的新鲜度识别模型中预测待测柑橘的新鲜度值。
按以上技术方案,所述装置还包括中空壳体,所述壳体的下端开口,所述光照单元包括至少一个打光灯,所述采集单元包括至少一个摄像头,所述打光灯和所述摄像头均设于所述壳体内。
按以上技术方案,所述采集单元包括一个主摄像头和四个侧摄像头,其中所述主摄像头设于所述壳体的顶面中间,四个侧摄像头以所述主摄像头为中心均匀间隔设于所述壳体的侧面上。
按以上技术方案,所述打光灯被构造为环状,所述打光灯固定于所述壳体的顶面并位于所述主摄像头外周。
按以上技术方案,所述装置还包括与所述壳体固定的底座,所述柑橘放置于所述底座上;或,所述装置还包括输送线,所述输送线包括机架和输送件,所述输送件用于输送所述柑橘,所述壳体架设于所述机架上,所述壳体的下端开设有适于所述输送件和柑橘通过的进口和出口,所述壳体上还设有分设于所述进口和所述出口上方的遮光板。
对比现有技术,本发明的有益特点为:该柑橘新鲜度检测装置,不仅成本低,而且能快速、有效、无损地检测柑橘新鲜度,提高了检测效率;可以通过导入不同品类柑橘的新鲜度识别模型,获得所述待测相应品类柑橘的新鲜度值,应用范围广泛。
附图说明
图1为本发明实施例四柑橘新鲜度检测装置;
图2为图1所示实施例的正视图;
图3为图2的A-A剖视图;
图4为图2的B-B剖视图;
图5为本发明实施例五柑橘新鲜度检测装置;
图6为图5所示实施例的正视图;
图7为图6的C-C剖视图;
图8为图6的俯视图;
其中:1-柑橘、2-壳体(201-进口(2011-顶壁、2012-侧壁)、202-出口(2021-顶壁、2022-侧壁))、3-打光灯、4-主摄像头、5-侧摄像头、6-底座、7-机架、8-输送件、9-遮光板。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
本发明实施例柑橘新鲜度检测方法,其包括:
步骤a)、在光源下采集柑橘照片。
步骤b)、将所采集到的所述柑橘照片进行背景一致化处理。
步骤c)、将已处理的所述柑橘照片输入训练完成的新鲜度识别模型中,预测待测柑橘的新鲜度值。
本发明实施例中,柑橘的新鲜度值指的是柑橘已存放天数。
优选地,所述步骤b)中进行背景一致化时,使用图像掩膜对柑橘照片的背景进行遮挡。具体地,进行背景一致化处理时,添加蒙版,以照片中心为圆心画圆,圆外黑色填充柑橘图像背景,圆内呈现柑橘图像。
优选地,所述步骤b)还包括对柑橘照片进行归一化处理,以将所述柑橘照片处理为固定尺寸的图像。具体地,通过图像归一化处理,将待测柑橘照片转化为固定尺寸的图像,图像像素大小为224*224。
在一些实施方式中,所述新鲜度识别模型为knn分类模型。在一些实施方式中,所述新鲜度识别模型为resnet50模型。在一些实施方式中,所述新鲜度识别模型为BiLSTM模型。
实施例一
柑橘新鲜度检测方法,其包括:
步骤a)、在光源下采集柑橘照片。
步骤b)、将所采集到的所述柑橘照片进行背景一致化处理及归一化处理。其中,进行背景一致化处理时,添加蒙版,以照片中心为圆心画圆,圆外黑色填充柑橘图像背景,圆内呈现柑橘图像。通过图像归一化处理,将待测柑橘照片转化为固定尺寸的图像,图像像素大小为224*224。
步骤c)、将已处理的所述柑橘照片输入训练完成的knn分类模型中,knn分类模型通过提取步骤b)中处理完成的柑橘照片的果皮平均RGB来获取柑橘颜色信息。并将步骤b)中处理完成的柑橘照片转化为二值化图像,然后统计所述二值化图像白色像素点数量和分布特征,再计算所述白色像素点与所述二值化图像的面积比例,判断柑橘表面蜡质情况和褶皱程度。所述knn分类模型采集所述果皮平均RGB和所述面积比例,以预测待测柑橘的已存放天数。
具体地,所述knn分类模型是使用所述果皮平均RGB和所述面积比例及相应柑橘的已存放天数的样本训练得到的。
knn分类模型的算法原理如下:
训练数据集:
T={(x1,y1),(x2,y2),…,(xN,yN)}
其中:i=1,2,...,N,预测样品为xi,预测样品xi所属类别为yi;
在训练集T中找出与x最相近的k个样本点,并将这k个样本点所表示的集合记为k(x);
根据结果服从多数的原则确定待测样品x所属类别y:
上式中I为指示函数:
实施例一通过提取果皮颜色、表面蜡质及果皮皱褶特征组合来预测待测柑橘的已存放天数,准确度高。
实施例二
柑橘新鲜度检测方法,其包括:
步骤a)、在光源下采集柑橘照片。
步骤b)、将所采集到的所述柑橘照片进行背景一致化处理及归一化处理。其中,进行背景一致化处理时,添加蒙版,以照片中心为圆心画圆,圆外黑色填充柑橘图像背景,圆内呈现柑橘图像。通过图像归一化处理,将待测柑橘照片转化为固定尺寸的图像,图像像素大小为224*224。
步骤c)、将已处理的所述柑橘照片输入训练完成的resnet50模型中。该模型是使用柑橘图像信息及相应柑橘已存放天数的样本使用resnet50训练得到的。Resnet50模型共有50层,依次为49个卷积层和全连接层,图像以224×224×3的大小作为网络的输入,最终输出为7×7×2048。激活函数为线性整流函数(Rectified Linear Unit,ReLU),表达式为f(x)=max(0,x)。
实施例三
柑橘新鲜度检测方法,其包括:
步骤a)、在光源下采集柑橘照片。一个柑橘至少采集两张照片,且每张照片的拍摄角度均不同。
步骤b)、将所采集到的所述柑橘照片进行背景一致化处理及归一化处理。其中,进行背景一致化处理时,添加蒙版,以照片中心为圆心画圆,圆外黑色填充柑橘图像背景,圆内呈现柑橘图像。通过图像归一化处理,将待测柑橘照片转化为固定尺寸的图像,图像像素大小为224*224。
步骤c)、将已处理的所述柑橘照片输入训练完成的BiLSTM模型中,对获得的每张柑橘照片从fc1000层中提取1000个深度特征,将每组柑橘照片获得的深度特征输入BiLSTM层,所有BiLSTM层依次互连,在所述BiLSTM层后添加Relu、dropout、fully-connected、Softmax和classification层,以预测待测柑橘的已存放天数。
优选地,为了提高检测精确度,使柑橘照片反映的特征更全面,一个柑橘采集五张照片。
请参考图1至图8,本发明实施例基于上述任一种方法的柑橘新鲜度检测装置其包括光照单元、采集单元和处理单元。其中光照单元用于提供光源。采集单元用于在光源下采集柑橘1照片。处理单元用于将所采集到的柑橘1照片进行背景一致化处理,并将已处理的柑橘1照片输入训练完成的新鲜度识别模型中预测待测柑橘1的新鲜度值。
优选地,为了避免其他环境因素影响照片拍摄效果,装置还包括中空壳体2,壳体2的下端开口,光照单元包括至少一个打光灯3,采集单元包括至少一个摄像头,打光灯3和摄像头均设于壳体2内。更优选地,为了使拍摄效果更清楚,摄像头可升降及转动角度。请参考图3、图4和图7,在一些优选的实施方式中,为了提高检测精确度,使柑橘照片反映的特征更全面,采集单元包括一个主摄像头4和四个侧摄像头5,其中主摄像头4设于壳体2的顶面中间,四个侧摄像头5以主摄像头4为中心均匀间隔设于壳体2的侧面上。优选地,在实施例一和实施例二中可仅使用主摄像头4进行拍摄。在实施例三中,使用主摄像头4和至少一个侧摄像头5,使用主摄像头4和四个侧摄像头5同时拍摄五张照片效果最佳。在本发明的实施例四和实施例五中,壳体2均被构造为方形,四个侧摄像头5分别设于方形壳体2的四个侧面上。
请参考图3、图4和图7,在一些优选的实施方式中,打光灯3被构造为环状,打光灯3固定于壳体2的顶面并位于主摄像头4外周。
本装置既可设置为手提式便携柑橘新鲜度检测装置,也可设置为与产线结合式柑橘新鲜度检测装置。
请参考图1至图4,实施例四为手提式便携柑橘新鲜度检测装置,手提式便携柑橘新鲜度检测装置还包括与壳体2固定的底座6,柑橘1放置于底座6上,壳体2上设置有便于手提的提手,提手未在图中示出。
请参考图5至图8,实施例五为与产线结合式柑橘新鲜度检测装置,与产线结合式柑橘新鲜度检测装置还包括输送线,输送线包括机架7和输送件8,输送件8用于输送柑橘1,壳体2架设于机架7上,壳体2的下端开设有适于输送件8和柑橘1通过的进口201和出口202,壳体2上还设有分设于进口201和出口202上方的遮光板9。本发明实施例中,输送件8为皮带,进口201包括顶壁2011和相对设置的两个侧壁2012,为了保证遮光效果,其中顶壁2011被构造为弧面状。出口202包括顶壁2021和相对设置的两个侧壁2022,为了保证遮光效果,其中顶壁2021被构造为弧面状。
以上内容是结合具体的实施方式对本发明所做的进一步详细说明,不能认定本发明的具体实施只局限于这些说明,对于本发明所属的技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种柑橘新鲜度检测方法,其特征在于:其包括:
步骤a)、在光源下采集柑橘照片;
步骤b)、将所采集到的所述柑橘照片进行背景一致化处理;
步骤c)、将已处理的所述柑橘照片输入训练完成的新鲜度识别模型中预测待测柑橘的新鲜度值。
2.如权利要求1所述的柑橘新鲜度检测方法,其特征在于:所述步骤b)中进行背景一致化时,使用图像掩膜对柑橘照片的背景进行遮挡。
3.如权利要求1所述的柑橘新鲜度检测方法,其特征在于:所述步骤b)还包括对柑橘照片进行归一化处理,以将所述柑橘照片处理为固定尺寸的图像。
4.如权利要求1所述的柑橘新鲜度检测方法,其特征在于:所述新鲜度识别模型为knn分类模型或resnet50模型或BiLSTM模型。
5.如权利要求4所述的柑橘新鲜度检测方法,其特征在于:所述knn分类模型通过提取背景一致化的所述柑橘照片的果皮平均RGB来获取柑橘颜色信息,并将背景一致化的所述柑橘照片转化为二值化图像,然后统计所述二值化图像白色像素点,再计算所述白色像素点与所述二值化图像的面积比例,所述knn分类模型采集所述果皮平均RGB和所述面积比例,以预测待测柑橘的存放天数。
6.基于权利要求1至5任一种方法的柑橘新鲜度检测装置,其特征在于:
其包括光照单元,用于提供光源;
采集单元,用于在所述光源下采集柑橘照片;
及
处理单元,用于将所采集到的所述柑橘照片进行背景一致化处理,并将已处理的所述柑橘照片输入训练完成的新鲜度识别模型中预测待测柑橘的新鲜度值。
7.如权利要求6所述的柑橘新鲜度检测装置,其特征在于:所述装置还包括中空壳体,所述壳体的下端开口,所述光照单元包括至少一个打光灯,所述采集单元包括至少一个摄像头,所述打光灯和所述摄像头均设于所述壳体内。
8.如权利要求7所述的柑橘新鲜度检测装置,其特征在于:所述采集单元包括一个主摄像头和四个侧摄像头,其中所述主摄像头设于所述壳体的顶面中间,四个侧摄像头以所述主摄像头为中心均匀间隔设于所述壳体的侧面上。
9.如权利要求8所述的柑橘新鲜度检测装置,其特征在于:所述打光灯被构造为环状,所述打光灯固定于所述壳体的顶面并位于所述主摄像头外周。
10.如权利要求7所述的柑橘新鲜度检测装置,其特征在于:所述装置还包括与所述壳体固定的底座,所述柑橘放置于所述底座上;或,所述装置还包括输送线,所述输送线包括机架和输送件,所述输送件用于输送所述柑橘,所述壳体架设于所述机架上,所述壳体的下端开设有适于所述输送件和柑橘通过的进口和出口,所述壳体上还设有分设于所述进口和所述出口上方的遮光板。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110874482.3A CN113670920B (zh) | 2021-07-30 | 2021-07-30 | 一种柑橘新鲜度检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110874482.3A CN113670920B (zh) | 2021-07-30 | 2021-07-30 | 一种柑橘新鲜度检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113670920A true CN113670920A (zh) | 2021-11-19 |
CN113670920B CN113670920B (zh) | 2023-04-18 |
Family
ID=78540964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110874482.3A Active CN113670920B (zh) | 2021-07-30 | 2021-07-30 | 一种柑橘新鲜度检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113670920B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103323457A (zh) * | 2013-05-20 | 2013-09-25 | 中国农业大学 | 水果外观缺陷实时在线检测系统及检测方法 |
CN106338517A (zh) * | 2016-09-23 | 2017-01-18 | 江苏大学 | 基于视觉和嗅觉信息协同的水果新鲜度智能化评判方法 |
CN106991427A (zh) * | 2017-02-10 | 2017-07-28 | 海尔优家智能科技(北京)有限公司 | 果蔬新鲜度的识别方法及装置 |
CN108734710A (zh) * | 2018-06-14 | 2018-11-02 | 厦门理工学院 | 一种智能果蔬挑选方法 |
US20190164187A1 (en) * | 2017-11-27 | 2019-05-30 | Ncr Corporation | Image processing to detect aging produce |
CN110503314A (zh) * | 2019-08-02 | 2019-11-26 | Oppo广东移动通信有限公司 | 一种新鲜度评估方法及装置、存储介质 |
WO2020027494A1 (ko) * | 2018-08-01 | 2020-02-06 | (주)한그린테크 | 머신러닝 기반 신선도 측정 장치 및 방법 |
CN111768401A (zh) * | 2020-07-08 | 2020-10-13 | 中国农业大学 | 一种基于深度学习的冰鲜鲳鱼新鲜度快速分级方法 |
CN112070145A (zh) * | 2020-09-04 | 2020-12-11 | 北京工商大学 | 基于对抗网络的水果图像的新鲜度属性迁移方法 |
CN112184627A (zh) * | 2020-09-03 | 2021-01-05 | 华南农业大学 | 基于图像处理与神经网络的柑橘保鲜品质检测方法及应用 |
-
2021
- 2021-07-30 CN CN202110874482.3A patent/CN113670920B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103323457A (zh) * | 2013-05-20 | 2013-09-25 | 中国农业大学 | 水果外观缺陷实时在线检测系统及检测方法 |
CN106338517A (zh) * | 2016-09-23 | 2017-01-18 | 江苏大学 | 基于视觉和嗅觉信息协同的水果新鲜度智能化评判方法 |
CN106991427A (zh) * | 2017-02-10 | 2017-07-28 | 海尔优家智能科技(北京)有限公司 | 果蔬新鲜度的识别方法及装置 |
US20190164187A1 (en) * | 2017-11-27 | 2019-05-30 | Ncr Corporation | Image processing to detect aging produce |
CN108734710A (zh) * | 2018-06-14 | 2018-11-02 | 厦门理工学院 | 一种智能果蔬挑选方法 |
WO2020027494A1 (ko) * | 2018-08-01 | 2020-02-06 | (주)한그린테크 | 머신러닝 기반 신선도 측정 장치 및 방법 |
CN110503314A (zh) * | 2019-08-02 | 2019-11-26 | Oppo广东移动通信有限公司 | 一种新鲜度评估方法及装置、存储介质 |
CN111768401A (zh) * | 2020-07-08 | 2020-10-13 | 中国农业大学 | 一种基于深度学习的冰鲜鲳鱼新鲜度快速分级方法 |
CN112184627A (zh) * | 2020-09-03 | 2021-01-05 | 华南农业大学 | 基于图像处理与神经网络的柑橘保鲜品质检测方法及应用 |
CN112070145A (zh) * | 2020-09-04 | 2020-12-11 | 北京工商大学 | 基于对抗网络的水果图像的新鲜度属性迁移方法 |
Non-Patent Citations (4)
Title |
---|
伊华林: "《柑橘园艺工培训教材》", 30 June 2008, 金盾出版社 * |
伍光绪: "基于计算机视觉的血橙无损检测与分级技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
徐海霞: "基于机器视觉和电子鼻技术的菠菜新鲜度无损检测研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
李星仪 等: "热风干燥过程相对湿度对香菇品质的影响", 《农业工程学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113670920B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10498941B2 (en) | Sensor-synchronized spectrally-structured-light imaging | |
CN103984979B (zh) | 无透镜衍射成像的藻类自动检测计数装置及方法 | |
Geusebroek et al. | Color invariance | |
CN105300854B (zh) | 雾滴参数测量装置及利用该装置的雾滴参数测量分析方法 | |
CN106780537B (zh) | 一种基于图像处理的方格蔟蚕茧筛选装置及方法 | |
CN102341810B (zh) | 用于小瓶和容器上的帽体的存在和类型的自动化探测的方法和设备 | |
CN111879735B (zh) | 一种基于图像的大米外观品质检测方法 | |
CN108267455B (zh) | 塑料薄膜印刷字符缺陷检测装置及方法 | |
CN105466921A (zh) | 一种多样品同时检测的方法 | |
Behera | Image-processing in textiles | |
CN109182081A (zh) | 一种基于图像处理模型的单细胞分选系统 | |
CN115082451A (zh) | 一种基于图像处理的不锈钢汤勺缺陷检测方法 | |
CN116849612B (zh) | 一种多光谱舌象图像采集分析系统 | |
CN108596244A (zh) | 一种基于光谱角度密度峰值的高光谱图像标签噪声检测方法 | |
CN116805416A (zh) | 排水管道缺陷识别模型训练方法、排水管道缺陷识别方法 | |
CN106067173A (zh) | 柑橘果实糖度的复杂性测度无损检测方法 | |
CN109030488B (zh) | 藻类生物量检测方法及装置 | |
CN114387235A (zh) | 一种水环境监测方法及系统 | |
CN113670920B (zh) | 一种柑橘新鲜度检测方法及装置 | |
CN107044947B (zh) | 一种基于图像特征的pm2.5污染指数的识别方法 | |
CN113552126A (zh) | 一种网织红细胞检测方法及其系统 | |
CN1862598A (zh) | 图像伪造中模糊操作的异常色调率取证方法 | |
CN116246174B (zh) | 基于图像处理的甘薯种类识别方法 | |
CN115908774B (zh) | 一种基于机器视觉的变形物资的品质检测方法和装置 | |
CN116824171A (zh) | 中医高光谱舌象图像波段的选择方法及相关装置 |
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 |