CN113680711A - 一种基于色阶显卡的农产品分拣方法及系统 - Google Patents
一种基于色阶显卡的农产品分拣方法及系统 Download PDFInfo
- Publication number
- CN113680711A CN113680711A CN202111252539.2A CN202111252539A CN113680711A CN 113680711 A CN113680711 A CN 113680711A CN 202111252539 A CN202111252539 A CN 202111252539A CN 113680711 A CN113680711 A CN 113680711A
- Authority
- CN
- China
- Prior art keywords
- sorting
- color
- card
- agricultural product
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000009877 rendering Methods 0.000 claims abstract description 107
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 abstract description 15
- 230000000694 effects Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000011161 development Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 241000132456 Haplocarpha Species 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 244000141359 Malus pumila Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
- B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
- B07C2501/009—Sorting of fruit
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Business, Economics & Management (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Sorting Of Articles (AREA)
Abstract
本发明提供了一种基于色阶显卡的农产品分拣方法及系统，其中，所述方法包括：获得第一分拣农产品的第一显色属性信息；获得第一预设显色卡；根据图像采集装置进行旋转色卡采集，获得第一农产品图像信息；进行图像预处理和主色提取，获得第一RGB显色卡；将第一预设显色卡与第一RGB显色卡对应的显色比例进行模型匹配，获得第一匹配信息；构建第一分拣逻辑规则模型；进行分拣决策，获得第一输出信息；根据第一分拣信息对第一农产品进行分拣。解决了现有技术中存在农产品分拣后同一等级间的颜色存在差异、精度不高，分拣准确度低，分拣标准不完备，农产品的高精度、高质量分拣能力不高的技术问题。
Description
技术领域
本发明涉及农产品分级领域，具体涉及一种基于色阶显卡的农产品分拣方法及系统。
背景技术
长期以来，国外农业服务机构可对每一颗水果的品质、大小、规格进行分类筛选，同一级别的各项指标均相同，售卖通常能以“个”为单位。相比之下，国内不缺优质的农产品，但缺少后期的分拣、定级和营销服务，品质通常参差不齐，大多只能论斤出售。在我国农产品加工行业中，为了完成分拣，传统做法需要消耗大量精力，通过分拣员进行人工分拣，这个过程耗时耗力，且经常发生错漏，分拣过程中的损耗也无法评估。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中存在农产品分拣后同一等级间的颜色存在差异、精度不高，分拣准确度低，分拣标准不完备，农产品的高精度、高质量分拣能力不高的技术问题。
发明内容
本申请实施例通过提供了一种基于色阶显卡的农产品分拣方法及系统，解决了现有技术中存在农产品分拣后同一等级间的颜色存在差异、精度不高，分拣准确度低，分拣标准不完备，农产品的高精度、高质量分拣能力不高的技术问题。达到了通过旋转农产品进行颜色信息采集，基于色卡的分拣逻辑，使得分拣标准更加完备，实现高质量颜色分拣，从而提高农产品分拣的速度和准确度，提升农产品高精度分拣能力的技术效果。
鉴于上述问题，本申请实施例提供了一种基于色阶显卡的农产品分拣方法及系统。
第一方面，本申请实施例提供了一种基于色阶显卡的农产品分拣方法，其中，所述方法包括：获得第一分拣农产品的第一显色属性信息；根据所述第一显色属性信息，获得第一预设显色卡；根据所述图像采集装置进行旋转色卡采集，获得第一农产品图像信息；通过对所述第一农产品图像信息进行图像预处理和主色提取，获得第一RGB显色卡；将所述第一预设显色卡与所述第一RGB显色卡对应的显色比例进行模型匹配，获得第一匹配信息；构建第一分拣逻辑规则模型；将所述第一匹配信息输入所述第一分拣逻辑规则模型进行分拣决策，获得第一输出信息，其中，所述第一输出信息为第一分拣信息；根据所述第一分拣信息对所述第一农产品进行分拣。
另一方面，本申请实施例提供了一种基于色阶显卡的农产品分拣系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于获得第一分拣农产品的第一显色属性信息；第二获得单元，所述第二获得单元用于根据所述第一显色属性信息，获得第一预设显色卡；第三获得单元，所述第三获得单元用于根据图像采集装置进行旋转色卡采集，获得第一农产品图像信息；第四获得单元，所述第四获得单元用于通过对所述第一农产品图像信息进行图像预处理和主色提取，获得第一RGB显色卡；第五获得单元，所述第五获得单元用于将所述第一预设显色卡与所述第一RGB显色卡对应的显色比例进行模型匹配，获得第一匹配信息；第一构建单元，所述第一构建单元用于构建第一分拣逻辑规则模型；第六获得单元，所述第六获得单元用于将所述第一匹配信息输入所述第一分拣逻辑规则模型进行分拣决策，获得第一输出信息，其中，所述第一输出信息为第一分拣信息；第一执行单元，所述第一执行单元用于根据所述第一分拣信息对所述第一农产品进行分拣。
第三方面，本申请实施例提供了一种基于色阶显卡的农产品分拣系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了获得第一分拣农产品的第一显色属性信息；根据所述第一显色属性信息，获得第一预设显色卡；根据所述图像采集装置进行旋转色卡采集，获得第一农产品图像信息；通过对所述第一农产品图像信息进行图像预处理和主色提取，获得第一RGB显色卡；将所述第一预设显色卡与所述第一RGB显色卡对应的显色比例进行模型匹配，获得第一匹配信息；构建第一分拣逻辑规则模型；将所述第一匹配信息输入所述第一分拣逻辑规则模型进行分拣决策，获得第一输出信息，其中，所述第一输出信息为第一分拣信息；根据所述第一分拣信息对所述第一农产品进行分拣的技术方案，本申请实施例通过提供了一种基于色阶显卡的农产品分拣方法及系统，达到了通过旋转农产品进行颜色信息采集，基于色卡的分拣逻辑，使得分拣标准更加完备，实现高质量颜色分拣，从而提高农产品分拣的速度和准确度，提升农产品高精度分拣能力的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于色阶显卡的农产品分拣方法的流程示意图；
图2为本申请实施例一种基于色阶显卡的农产品分拣方法的构建分拣逻辑规则模型流程示意图；
图3为本申请实施例一种基于色阶显卡的农产品分拣方法的进行显色转换的流程示意图；
图4为本申请实施例一种基于色阶显卡的农产品分拣方法的优化旋转离心力的流程示意图；
图5为本申请实施例一种基于色阶显卡的农产品分拣方法的进行旋转控制的流程示意图；
图6为本申请实施例一种基于色阶显卡的农产品分拣方法的确定旋转路径的流程示意图；
图7为本申请实施例一种基于色阶显卡的农产品分拣方法的进行显色交集提取的流程示意图；
图8为本申请实施例一种基于色阶显卡的农产品分拣系统的结构示意图；
图9为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，第一构建单元16，第六获得单元17，第一执行单元18，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
本申请实施例通过提供了一种基于色阶显卡的农产品分拣方法及系统，解决了现有技术中存在农产品分拣后同一等级间的颜色存在差异、精度不高，分拣准确度低，分拣标准不完备，农产品的高精度、高质量分拣能力不高的技术问题。达到了通过旋转农产品进行颜色信息采集，基于色卡的分拣逻辑，使得分拣标准更加完备，实现高质量颜色分拣，从而提高农产品分拣的速度和准确度，提升农产品高精度分拣能力的技术效果。
长期以来，国外农业服务机构可对每一颗水果的品质、大小、规格进行分类筛选，同一级别的各项指标均相同，售卖通常能以“个”为单位。相比之下，国内不缺优质的农产品，但缺少后期的分拣、定级和营销服务，品质通常参差不齐，大多只能论斤出售。在农产品加工行业中，为了完成分拣，传统做法需要消耗大量精力，通过分拣员进行人工分拣，这个过程耗时耗力，且经常发生错漏，分拣过程中的损耗也无法评估。现有技术中存在农产品分拣后同一等级间的颜色存在差异、精度不高，分拣准确度低，分拣标准不完备，农产品的高精度、高质量分拣能力不高的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种基于色阶显卡的农产品分拣方法，其中，所述方法包括：获得第一分拣农产品的第一显色属性信息；根据所述第一显色属性信息，获得第一预设显色卡；根据所述图像采集装置进行旋转色卡采集，获得第一农产品图像信息；通过对所述第一农产品图像信息进行图像预处理和主色提取，获得第一RGB显色卡；将所述第一预设显色卡与所述第一RGB显色卡对应的显色比例进行模型匹配，获得第一匹配信息；构建第一分拣逻辑规则模型；将所述第一匹配信息输入所述第一分拣逻辑规则模型进行分拣决策，获得第一输出信息，其中，所述第一输出信息为第一分拣信息；根据所述第一分拣信息对所述第一农产品进行分拣。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种基于色阶显卡的农产品分拣方法，其中，所述方法应用于一种基于色阶显卡的农产品分拣系统，所述系统与一图像采集装置通信连接，所述方法包括：
S100：获得第一分拣农产品的第一显色属性信息；
S200：根据所述第一显色属性信息，获得第一预设显色卡；
S300：根据所述图像采集装置进行旋转色卡采集，获得第一农产品图像信息；
具体而言，基于大数据，获得所述第一分拣农产品的第一显色属性信息，所述第一分拣农产品指需要经过分级筛选的任一农产品，所述第一显色属性信息为农产品外表面的颜色信息，包括健康农产品的颜色、不同成熟度农产品呈现的颜色以及受病虫害而腐烂破损的农产品的颜色。根据农产品可能呈现的颜色，获得所述第一预设显色卡。例如对苹果进行分拣，那么第一预设显色卡中包含的颜色有红色、黄色、绿色、青色等多种可能会出现的颜色。所述图像采集装置为任一照相机，农产品固定于一凹槽内，所述凹槽内包括一传感器，通过传感器接收到的数据，上升旋转农产品来采集图像。所述图像采集装置对所述第一分拣农产品进行旋转色卡采集，旋转指农产品进行旋转，所述图像采集装置可旋转也可静止。能够获得清晰、完备的图像信息，为农产品的分拣提供数据支持。
S400：通过对所述第一农产品图像信息进行图像预处理和主色提取，获得第一RGB显色卡；
S500：将所述第一预设显色卡与所述第一RGB显色卡对应的显色比例进行模型匹配，获得第一匹配信息；
具体而言，采集到的第一农产品图像信息为一组由多张照片组成的图像集合，可能会存在不清晰的图片或存在干扰信息（如水果的叶子、农产品表面的泥土等），对第一农产品图像信息进行预处理和主色提取，预处理将不清晰、有遮挡的图片去除，主色提取将第一农产品的主要颜色进行提取。获得含有第一农产品的特征颜色的第一RGB显色卡。RGB是一种色彩模式，也叫红绿蓝三原色，其他各种颜色都可以通过三种颜色进行相互之间的叠加而得到，因此我们就可以RGB三个颜色通道来精准表示各种色彩。色卡是自然界存在的颜色的具体呈现，可通过色卡进行比对沟通，是色彩实现在一定范围内统一标准的工具。通过所述第一RGB显色卡和所述第一预设显色卡进行比较，能够得到第一农产品的显色比例，显色比例越高，第一农产品外观色泽越美观，产品的经济价值越高，将显色比例输入匹配模型中，能够得到对应外观色泽农产品的一系列信息。达到对第一农产品的高精度分拣，满足高质量颜色分拣的需求。
S600：构建第一分拣逻辑规则模型；
S700：将所述第一匹配信息输入所述第一分拣逻辑规则模型进行分拣决策，获得第一输出信息，其中，所述第一输出信息为第一分拣信息；
S800：根据所述第一分拣信息对所述第一农产品进行分拣。
具体而言，农产品分拣往往涵盖多个参数，如重量、颜色、大小、整齐度等，不同等级的农产品的分拣标准不同，也就是分拣逻辑规则不同，构建第一分拣逻辑规则模型，该模型适用于分拣高品质的所述第一农产品，所述第一分拣逻辑规则模型涵盖多个分拣参数和分拣等级信息等，并且第一分拣逻辑规则模型经过了大量历史数据的训练，分拣精度更高，分拣结果更为准确。将第一匹配信息输入所述第一分拣逻辑规则模型进行分拣决策，从其他方面对第一农产品进行评价，获得第一分拣信息，从而实现对第一农产品的分拣。能够保证分拣逻辑的合理性和科学性。
进一步的，如图2所示，所述构建第一分拣逻辑规则模型，步骤S600还包括：
S610：通过对所述第一农产品的分拣等级进行等级顺序编码，生成N个分拣编码，其中，所述顺序编码为带分隔符的编码；
S620：根据所述N个分拣编码，生成对应的N个分拣参数；
S630：根据所述N个分拣编码和所述N个分拣参数，构建第一分拣映射模型；
S640：根据所述第一分拣映射模型，生成所述第一分拣逻辑规则模型。
具体而言，对所述第一农产品的多个参数标准进行等级顺序编码，顺序编码为带分隔符的编码，带分隔符的编码能够使编码被分割处理，并且每个编码数字对应一个分拣操作步骤，执行完成参数后，编码数字显示变色。多个参数标准包括重量、颜色、大小、整齐度等，每一个参数均对应N个分拣等级，如特级、一级、二级、三级……按照N个分拣等级得到对应的N个分拣编码，对应N个分拣参数。换句话说，特级农产品对应N个分拣参数，一级农产品对应N个分拣参数……N级农产品对应N个分拣参数。特级到N级为N个分拣编码，由于分拣编码和分拣参数具有映射关系，能够构建第一分拣映射模型，将分拣参数的检验结果对应至分拣编码。进一步的所述第一分拣逻辑规则模型涵盖了分拣参数、分拣编码和映射关系。通过分拣逻辑规则模型能够实现对第一农产品精准、快速分拣的效果。
进一步的，如图3所示，所述根据所述第一显色属性信息，获得第一预设显色卡，步骤S200还包括：
S210：获得所述图像采集装置的第一光线环境信息；
S220：通过对所述第一光线环境进行显色偏移分析，获得第一色卡偏移量；
S230：根据所述第一色卡偏移量，生成第一色卡转换规则；
S240：基于所述第一色卡转换规则对所述第一预设显色卡的色阶进行显色转换，生成第二预设显色卡。
具体而言，同一种颜色在不同光照条件下会呈现不同的色彩效果。因此，要对所述图像采集装置所处的环境光线信息进行采集，可以通过专业仪器进行采集，如照度计等，获得第一光线环境信息，根据环境光线对颜色产生的影响进行显色偏移分析，即分析环境光源下的颜色与真实颜色的误差，得到所述第一色卡偏移量。根据这一颜色误差，生成对应的所述第一色卡转换规则，用以矫正由于光线产生的误差。并且，根据第一色卡转换规则进行所述第一预设色卡色阶的显色转换，所述色阶是表示图像亮度强弱的指数标准，图像的色彩丰满度和精细度是由色阶决定的。色阶指亮度，和颜色无关。对色阶进行显色转换，生成第二预设显色卡，能够增强分拣时对颜色的分拣精密度，减少环境对分拣结果的影响。
进一步的，如图4所示，所述根据所述图像采集装置进行旋转色卡采集，获得第一农产品图像信息，步骤S300还包括：
S310：所述图像采集装置包括一控制模块，所述控制模块通过控制旋转参数进行旋转色卡采集；
S320：通过对所述第一分拣农产品进行几何数据计算，获得第一几何数据；
S330：根据所述第一几何数据确定第一旋转离心力；
S340：基于所述第一旋转离心力，生成第一旋转参数，其中，所述第一旋转参数用于控制所述第一分拣农产品的旋转；
S350：将所述第一旋转参数输入所述控制模块中进行旋转控制。
具体而言，在所述第一农产品旋转的同时，所述图像采集装置进行旋转色卡采集，获得全方位的图像信息。其中所述图像采集装置包括一控制模块，控制模块能够控制旋转参数，旋转参数指第一农产品的转速、旋转方向和与水平面的夹角等，对所述第一分拣农产品进行质量、旋转半径测量，获得第一几何数据，所述第一几何数据包括第一分拣农产品的质量、向心加速度，从而确定所述第一分拣农产品的离心力即所述第一旋转离心力，生成第一旋转离心力用于控制第一农产品的旋转，当旋转离心力与旋转向心力相同时，第一农产品做圆周运动，当离心力过大时，第一农产品会不受控制向外飞出。离心力和转速能够相互换算，控制旋转时的离心力和转速，能够保证图像采集时的安全性和稳定性。
进一步的，如图5所示，所述基于所述第一旋转离心力，生成第一旋转参数，步骤S340包括：
S341：获得所述第一农产品的分拣通道的第一需求分拣效率；
S342：根据所述第一旋转参数，获得第一实时分拣效率；
S343：根据所述第一需求分拣效率和所述第一实时分拣效率，生成第一补偿旋转参数；
S344：根据所述第一补偿旋转参数，生成第一旋转路径；
S345：根据所述第一旋转路径对所述图像采集装置进行旋转控制。
具体而言，农产品的生产加工具有独特的季节性，在生产加工旺季时，对农产品的分拣速度、分拣效果要求也会相应的提升，故可以根据不同时间，获得不同的分拣需求，即获得所述第一农产品的分拣通道的第一需求分拣效率。所述分拣通道为分拣生产线上的分拣工段。机器自动分拣的分拣效率与所述第一旋转参数关系密切，根据所述第一农产品所述第一旋转参数获得实时分拣效率，若第一实时分拣效率无法满足第一需求分拣效率，即靠第一农产品自身旋转已经无法满足分拣的需求，那么生成第一补偿旋转参数，即让图像采集装置与第一农产品反方向旋转，以此加快分拣效率。生成第一旋转路径，即与第一农产品旋转方向相反旋转经过的路径。并且设置转速，按照第一旋转路径对图像采集装置进行旋转控制。在不影响分拣效果的前提下，能够提高分拣效率，缓解高峰期分拣压力。
进一步的，如图6所示，所述根据所述第一补偿旋转参数，生成第一旋转路径，步骤S344还包括：
S3441：获得所述图像采集装置的第一装配位置；
S3442：根据所述第一农产品的第一几何数据，确定所述图像采集装置的第一旋转半径；
S3443：将所述第一装配位置作为中心点，所述第一旋转半径作为旋转半径，所述图像采集装置的可调节转动角，生成第一旋转区域；
S3444：基于所述第一旋转区域，获得所述第一旋转路径。
具体而言，图像采集装置的位置能够根据农产品的体积大小进行调整，获得采集第一农产品时的所述第一装配位置，根据所述第一农产品的第一几何数据如质量，旋转半径等，确定图像采集装置的第一旋转半径，防止二者距离过近出现碰撞，损毁图像采集装置。由于图像采集装置能够可调节的转动，可以左右前后不同角度进行转动，当他以第一装配位置作为中心点，第一旋转半径作为旋转半径开始旋转时，获得他的旋转区域，这一区域为所述第一旋转路径。通过图像采集装置的转动角调节，能够适应形态略有差异的第一农产品，提高分拣效率。
进一步的，如图7所示，所述将所述第一预设显色卡与所述第一RGB显色卡对应的显色比例进行模型匹配，获得第一匹配信息，步骤S500还包括：
S510：将所述第一预设显色卡和所述第一RGB显色卡输入显色校准模块中进行校准，获得第一校准结果；
S520：根据所述第一校准结果对所述第一预设显色卡和所述第一RGB显色卡进行显色交集提取，生成第一交集色卡；
S530：根据所述第一交集色卡的色阶显示比例，获得第一显色比；
S540：将所述第一显色比输入匹配模型中，根据所述匹配模型获得所述第一匹配信息。
具体而言，所述显色模块能够对颜色进行校准，即能够较为准确的还原真实的颜色，将第一预设显色卡和第一RGB显色卡输入显色校准模块中进行校准，得到校准结果，对第一预设显色卡和第一RGB显色卡进行交集运算，提取交集色卡，为第一交集色卡。对第一交集色卡的色阶进行测定，得到色阶显示比例，显示比例越低，第一农产品品质越差，显示比例越高，第一农产品品质越高。获得第一显色比，将第一显色比输入匹配模型中，得到相应色泽比例的农产品的一系列信息即为第一匹配信息。能够达到对第一农产品精准分拣的效果。
综上所述，本申请实施例所提供的一种基于色阶显卡的农产品分拣方法及系统具有如下技术效果：
1.由于采用了获得第一分拣农产品的第一显色属性信息；根据所述第一显色属性信息，获得第一预设显色卡；根据所述图像采集装置进行旋转色卡采集，获得第一农产品图像信息；通过对所述第一农产品图像信息进行图像预处理和主色提取，获得第一RGB显色卡；将所述第一预设显色卡与所述第一RGB显色卡对应的显色比例进行模型匹配，获得第一匹配信息；构建第一分拣逻辑规则模型；将所述第一匹配信息输入所述第一分拣逻辑规则模型进行分拣决策，获得第一输出信息，其中，所述第一输出信息为第一分拣信息；根据所述第一分拣信息对所述第一农产品进行分拣的技术方案，本申请实施例通过提供了一种基于色阶显卡的农产品分拣方法及系统，达到了通过旋转农产品进行颜色信息采集，基于色卡的分拣逻辑，使得分拣标准更加完备，实现高质量颜色分拣，从而提高农产品分拣的速度和准确度，提升农产品高精度分拣能力的技术效果。
2.由于采用了显色校准模块中进行显色卡校准，以及进行显色偏移分析的方法，达到了对农产品颜色的精准采集，从而实现对第一农产品精准分拣的技术效果。
实施例二
基于与前述实施例中一种基于色阶显卡的农产品分拣方法相同的发明构思，如图8所示，本申请实施例提供了一种基于色阶显卡的农产品分拣系统，其中，所述系统包括：
第一获得单元11，所述第一获得单元11用于获得第一分拣农产品的第一显色属性信息；
第二获得单元12，所述第二获得单元12用于根据所述第一显色属性信息，获得第一预设显色卡；
第三获得单元13，所述第三获得单元13用于根据图像采集装置进行旋转色卡采集，获得第一农产品图像信息；
第四获得单元14，所述第四获得单元14用于通过对所述第一农产品图像信息进行图像预处理和主色提取，获得第一RGB显色卡；
第五获得单元15，所述第五获得单元15用于将所述第一预设显色卡与所述第一RGB显色卡对应的显色比例进行模型匹配，获得第一匹配信息；
第一构建单元16，所述第一构建单元16用于构建第一分拣逻辑规则模型；
第六获得单元17，所述第六获得单元17用于将所述第一匹配信息输入所述第一分拣逻辑规则模型进行分拣决策，获得第一输出信息，其中，所述第一输出信息为第一分拣信息；
第一执行单元18，所述第一执行单元18用于根据所述第一分拣信息对所述第一农产品进行分拣。
进一步的，所述系统包括：
第一生成单元，所述第一生成单元用于通过对所述第一农产品的分拣等级进行等级顺序编码，生成N个分拣编码，其中，所述顺序编码为带分隔符的编码；
第二生成单元，所述第二生成单元用于根据所述N个分拣编码，生成对应的N个分拣参数；
第一构建单元，所述第一构建单元用于根据所述N个分拣编码和所述N个分拣参数，构建第一分拣映射模型；
第三生成单元，所述第三生成单元用于根据所述第一分拣映射模型，生成所述第一分拣逻辑规则模型。
进一步的，所述系统包括：
第七获得单元，所述第七获得单元用于获得所述图像采集装置的第一光线环境信息；
第八获得单元，所述第八获得单元用于通过对所述第一光线环境进行显色偏移分析，获得第一色卡偏移量；
第三生成单元，所述第三生成单元用于根据所述第一色卡偏移量，生成第一色卡转换规则；
第四生成单元，所述第四生成单元用于基于所述第一色卡转换规则对所述第一预设显色卡的色阶进行显色转换，生成第二预设显色卡。
进一步的，所述系统包括：
第一采集单元，所述第一采集单元用于所述图像采集装置包括一控制模块，所述控制模块通过控制旋转参数进行旋转色卡采集；
第九获得单元，所述第九获得单元用于通过对所述第一分拣农产品进行几何数据计算，获得第一几何数据；
第一执行单元，所述第一执行单元用于根据所述第一几何数据确定第一旋转离心力；
第五生成单元，所述第五生成单元用于基于所述第一旋转离心力，生成第一旋转参数，其中，所述第一旋转参数用于控制所述第一分拣农产品的旋转；
第二执行单元，所述第二执行单元用于将所述第一旋转参数输入所述控制模块中进行旋转控制。
进一步的，所述系统包括：
第十获得单元，所述第十获得单元用于获得所述第一农产品的分拣通道的第一需求分拣效率；
第十一获得单元，所述第十一获得单元用于根据所述第一旋转参数，获得第一实时分拣效率；
第六生成单元，所述第六生成单元用于根据所述第一需求分拣效率和所述第一实时分拣效率，生成第一补偿旋转参数；
第七生成单元，所述第七生成单元用于根据所述第一补偿旋转参数，生成第一旋转路径；
第一控制单元，所述第一控制单元用于根据所述第一旋转路径对所述图像采集装置进行旋转控制。
进一步的，所述系统包括：
第十二获得单元，所述第十二获得单元用于获得所述图像采集装置的第一装配位置；
第三执行单元，所述第三执行单元用于根据所述第一农产品的第一几何数据，确定所述图像采集装置的第一旋转半径；
第八生成单元，所述第八生成单元用于将所述第一装配位置作为中心点，所述第一旋转半径作为旋转半径，所述图像采集装置的可调节转动角，生成第一旋转区域；
第十三获得单元，所述第十三获得单元用于基于所述第一旋转区域，获得所述第一旋转路径。
进一步的，所述系统包括：
第十四获得单元，所述第十四获得单元用于将所述第一预设显色卡和所述第一RGB显色卡输入显色校准模块中进行校准，获得第一校准结果；
第九生成单元，所述第九生成单元用于根据所述第一校准结果对所述第一预设显色卡和所述第一RGB显色卡进行显色交集提取，生成第一交集色卡；
第十五获得单元，所述第十五获得单元用于根据所述第一交集色卡的色阶显示比例，获得第一显色比；
第十六获得单元，所述第十六获得单元用于将所述第一显色比输入匹配模型中，根据所述匹配模型获得所述第一匹配信息。
下面参考图9来描述本申请实施例的电子设备，
基于与前述实施例中一种基于色阶显卡的农产品分拣方法相同的发明构思，本申请实施例还提供了一种基于色阶显卡的农产品分拣系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行第一方面任一项所述的方法。
该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图9中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303，使用任何收发器一类的系统，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless local areanetworks，WLAN)，有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdiscread-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种基于色阶显卡的农产品分拣方法。
可选的，本申请实施例中的计算机执行指令也可以称之为应用程序代码，本申请实施例对此不作具体限定。
本申请实施例提供了一种基于色阶显卡的农产品分拣方法，其中，所述方法包括：获得第一分拣农产品的第一显色属性信息；根据所述第一显色属性信息，获得第一预设显色卡；根据所述图像采集装置进行旋转色卡采集，获得第一农产品图像信息；通过对所述第一农产品图像信息进行图像预处理和主色提取，获得第一RGB显色卡；将所述第一预设显色卡与所述第一RGB显色卡对应的显色比例进行模型匹配，获得第一匹配信息；构建第一分拣逻辑规则模型；将所述第一匹配信息输入所述第一分拣逻辑规则模型进行分拣决策，获得第一输出信息，其中，所述第一输出信息为第一分拣信息；根据所述第一分拣信息对所述第一农产品进行分拣。
本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请实施例的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a ,b,或c中的至少一项(个、种)，可以表示：a ,b,c,a -b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑系统，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算系统的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种基于色阶显卡的农产品分拣方法，其中，所述方法应用于一种基于色阶显卡的农产品分拣系统，所述系统与一图像采集装置通信连接，所述方法包括：
获得第一分拣农产品的第一显色属性信息；
根据所述第一显色属性信息，获得第一预设显色卡；
根据所述图像采集装置进行旋转色卡采集，获得第一农产品图像信息；
通过对所述第一农产品图像信息进行图像预处理和主色提取，获得第一RGB显色卡；
将所述第一预设显色卡与所述第一RGB显色卡对应的显色比例进行模型匹配，获得第一匹配信息；
构建第一分拣逻辑规则模型；
将所述第一匹配信息输入所述第一分拣逻辑规则模型进行分拣决策，获得第一输出信息，其中，所述第一输出信息为第一分拣信息；
根据所述第一分拣信息对所述第一农产品进行分拣；
所述构建第一分拣逻辑规则模型，所述方法还包括：
通过对所述第一农产品的分拣等级进行等级顺序编码，生成N个分拣编码，其中，所述顺序编码为带分隔符的编码；
根据所述N个分拣编码，生成对应的N个分拣参数；
根据所述N个分拣编码和所述N个分拣参数，构建第一分拣映射模型；
根据所述第一分拣映射模型，生成所述第一分拣逻辑规则模型。
2.如权利要求1所述的方法，其中，所述根据所述第一显色属性信息，获得第一预设显色卡，所述方法还包括：
获得所述图像采集装置的第一光线环境信息；
通过对所述第一光线环境进行显色偏移分析，获得第一色卡偏移量；
根据所述第一色卡偏移量，生成第一色卡转换规则；
基于所述第一色卡转换规则对所述第一预设显色卡的色阶进行显色转换，生成第二预设显色卡。
3.如权利要求1所述的方法，其中，所述根据所述图像采集装置进行旋转色卡采集，获得第一农产品图像信息，所述方法还包括：
所述图像采集装置包括一控制模块，所述控制模块通过控制旋转参数进行旋转色卡采集；
通过对所述第一分拣农产品进行几何数据计算，获得第一几何数据；
根据所述第一几何数据确定第一旋转离心力；
基于所述第一旋转离心力，生成第一旋转参数，其中，所述第一旋转参数用于控制所述第一分拣农产品的旋转；
将所述第一旋转参数输入所述控制模块中进行旋转控制。
4.如权利要求3所述的方法，其中，所述基于所述第一旋转离心力，生成第一旋转参数，所述方法还包括：
获得所述第一农产品的分拣通道的第一需求分拣效率；
根据所述第一旋转参数，获得第一实时分拣效率；
根据所述第一需求分拣效率和所述第一实时分拣效率，生成第一补偿旋转参数；
根据所述第一补偿旋转参数，生成第一旋转路径；
根据所述第一旋转路径对所述图像采集装置进行旋转控制。
5.如权利要求4所述的方法，所述根据所述第一补偿旋转参数，生成第一旋转路径，所述方法还包括：
获得所述图像采集装置的第一装配位置；
根据所述第一农产品的第一几何数据，确定所述图像采集装置的第一旋转半径；
将所述第一装配位置作为中心点，所述第一旋转半径作为旋转半径，所述图像采集装置的可调节转动角，生成第一旋转区域；
基于所述第一旋转区域，获得所述第一旋转路径。
6.如权利要求1所述的方法，所述将所述第一预设显色卡与所述第一RGB显色卡对应的显色比例进行模型匹配，获得第一匹配信息，所述方法还包括：
将所述第一预设显色卡和所述第一RGB显色卡输入显色校准模块中进行校准，获得第一校准结果；
根据所述第一校准结果对所述第一预设显色卡和所述第一RGB显色卡进行显色交集提取，生成第一交集色卡；
根据所述第一交集色卡的色阶显示比例，获得第一显色比；
将所述第一显色比输入匹配模型中，根据所述匹配模型获得所述第一匹配信息。
7.一种基于色阶显卡的农产品分拣系统，其中，所述系统包括：
第一获得单元，所述第一获得单元用于获得第一分拣农产品的第一显色属性信息；
第二获得单元，所述第二获得单元用于根据所述第一显色属性信息，获得第一预设显色卡；
第三获得单元，所述第三获得单元用于根据图像采集装置进行旋转色卡采集，获得第一农产品图像信息；
第四获得单元，所述第四获得单元用于通过对第一农产品图像信息进行图像预处理和主色提取，获得第一RGB显色卡；
第五获得单元，所述第五获得单元用于将所述第一预设显色卡与所述第一RGB显色卡对应的显色比例进行模型匹配，获得第一匹配信息；
第一构建单元，所述第一构建单元用于构建第一分拣逻辑规则模型；
第六获得单元，所述第六获得单元用于将所述第一匹配信息输入所述第一分拣逻辑规则模型进行分拣决策，获得第一输出信息，其中，所述第一输出信息为第一分拣信息；
第一执行单元，所述第一执行单元用于根据所述第一分拣信息对所述第一农产品进行分拣。
8.一种基于色阶显卡的农产品分拣系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如权利要求1~6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111252539.2A CN113680711B (zh) | 2021-10-27 | 2021-10-27 | 一种基于色阶显卡的农产品分拣方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111252539.2A CN113680711B (zh) | 2021-10-27 | 2021-10-27 | 一种基于色阶显卡的农产品分拣方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113680711A true CN113680711A (zh) | 2021-11-23 |
| CN113680711B CN113680711B (zh) | 2021-12-31 |
Family
ID=78588226
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111252539.2A Active CN113680711B (zh) | 2021-10-27 | 2021-10-27 | 一种基于色阶显卡的农产品分拣方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113680711B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100290764B1 (ko) * | 1999-03-16 | 2001-05-15 | 김희용 | 과일의 색상 및 외형상태 선별방법 |
| CN109365323A (zh) * | 2018-12-03 | 2019-02-22 | 广东技术师范学院 | 一种基于rgb水果分类方法及分类装置 |
| CN109482515A (zh) * | 2018-11-22 | 2019-03-19 | 珠海格力智能装备有限公司 | 螺钉的分拣方法及装置、螺钉的分拣系统 |
| CN210059040U (zh) * | 2018-12-03 | 2020-02-14 | 广东技术师范大学 | 一种基于rgb水果分类装置 |
| CN210377552U (zh) * | 2019-07-22 | 2020-04-21 | 重庆科创职业学院 | 一种水果分类用多面图像获取装置 |
| CN111107266A (zh) * | 2019-12-25 | 2020-05-05 | 集美大学 | 视觉分拣数据集采集方法及装置 |
| CN112691939A (zh) * | 2020-12-21 | 2021-04-23 | 中国农业大学 | 果蔬品质智能感知分拣机器人系统 |
| CN112818810A (zh) * | 2021-01-27 | 2021-05-18 | 广西融安蚂蚁农业发展有限公司 | 一种基于大数据的金桔智能分拣方法和装置 |
-
2021
- 2021-10-27 CN CN202111252539.2A patent/CN113680711B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100290764B1 (ko) * | 1999-03-16 | 2001-05-15 | 김희용 | 과일의 색상 및 외형상태 선별방법 |
| CN109482515A (zh) * | 2018-11-22 | 2019-03-19 | 珠海格力智能装备有限公司 | 螺钉的分拣方法及装置、螺钉的分拣系统 |
| CN109365323A (zh) * | 2018-12-03 | 2019-02-22 | 广东技术师范学院 | 一种基于rgb水果分类方法及分类装置 |
| CN210059040U (zh) * | 2018-12-03 | 2020-02-14 | 广东技术师范大学 | 一种基于rgb水果分类装置 |
| CN210377552U (zh) * | 2019-07-22 | 2020-04-21 | 重庆科创职业学院 | 一种水果分类用多面图像获取装置 |
| CN111107266A (zh) * | 2019-12-25 | 2020-05-05 | 集美大学 | 视觉分拣数据集采集方法及装置 |
| CN112691939A (zh) * | 2020-12-21 | 2021-04-23 | 中国农业大学 | 果蔬品质智能感知分拣机器人系统 |
| CN112818810A (zh) * | 2021-01-27 | 2021-05-18 | 广西融安蚂蚁农业发展有限公司 | 一种基于大数据的金桔智能分拣方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113680711B (zh) | 2021-12-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111968080B (zh) | 一种基于高光谱和深度学习的肥城桃内外品质检测方法 | |
| EP2161555B1 (en) | Coating color database creating method, search method using the database, their system, program, and recording medium | |
| CN108765433A (zh) | 一种用于提高精度的多叶面积测量方法 | |
| CN109872335A (zh) | 一种用于pd-l1抗体染色切片的自动读片方法及其系统 | |
| CN111666900B (zh) | 基于多源遥感影像的土地覆盖分类图的获取方法和装置 | |
| CN108615229B (zh) | 基于曲率点聚类及决策树的碰撞检测优化方法 | |
| CN114813757A (zh) | 一种塑胶产品全角度外观检测方法及装置 | |
| CN105320970A (zh) | 一种马铃薯病害诊断装置、诊断系统及诊断方法 | |
| CN113109240A (zh) | 一种计算机实施的粮食不完善粒测定方法和系统 | |
| CN113570538B (zh) | 一种叶片rgb图像偏态分布参数信息采集及分析方法 | |
| CN116559111A (zh) | 一种基于高光谱成像技术的高粱品种识别方法 | |
| CN117348831B (zh) | 液晶显示屏的画面调校方法及系统 | |
| CN113408573B (zh) | 基于机器学习的瓷砖色号自动分类归类的方法及装置 | |
| CN113680711B (zh) | 一种基于色阶显卡的农产品分拣方法及系统 | |
| CN109376619B (zh) | 一种细胞检测方法 | |
| US20230169638A1 (en) | Automatic quality categorization method and system for pharmaceutical glass containers | |
| CN117152461A (zh) | 一种基于数字图像的卷烟包装材料色差检测方法 | |
| CN116258844A (zh) | 一种棉花叶片表型性状快速精准鉴定方法 | |
| JP7420957B2 (ja) | 深層学習を用いて画像類似度指標を展開し使用するための方法およびデバイス | |
| CN115409810A (zh) | 一种遥感影像的样本选择方法、装置及系统 | |
| JP2004199391A (ja) | 画像解析におけるしきい値決定方法とその装置、二値化装置並びに画像解析装置、学習機能付き情報処理方法と学習機能付き画像解析装置並びにそれらのための記録媒体 | |
| CN112949385B (zh) | 一种基于光视觉的水面目标检测与识别方法 | |
| CN113516328B (zh) | 数据处理方法、服务提供方法、装置、设备和存储介质 | |
| CN107243461A (zh) | 一种自动分级装置 | |
| CN106503749B (zh) | 一种鱼子酱的自动分级方法及其系统 |
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 |