CN114441538B - 一种大米在线检测系统及方法 - Google Patents
一种大米在线检测系统及方法 Download PDFInfo
- Publication number
- CN114441538B CN114441538B CN202210371325.5A CN202210371325A CN114441538B CN 114441538 B CN114441538 B CN 114441538B CN 202210371325 A CN202210371325 A CN 202210371325A CN 114441538 B CN114441538 B CN 114441538B
- Authority
- CN
- China
- Prior art keywords
- detected
- image group
- preset
- contour
- aggregation degree
- 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
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
- G01N21/85—Investigating moving fluids or granular solids
-
- 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
- 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
- G06T7/90—Determination of colour characteristics
-
- 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
- G01N21/85—Investigating moving fluids or granular solids
- G01N2021/8592—Grain or other flowing solid samples
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及食品检测技术领域,具体公开了一种大米在线检测系统及方法,所述系统包括承物端和控制端,所述控制端接收承物端发送的待检图像组,对所述待检图像组进行聚集度分析,得到待检图像组的聚集度;当所述聚集度小于预设的聚集度阈值时,对所述待检图像组进行内容识别,并向承物端发送步进指令。本发明通过承物端获取不同波段范围的待检图像,通过控制端对待检图像进行颜色、色泽和完整度的识别,极大地过滤了一些明显高质量或明显低质量的样品,减少了人工检测的样品数,变相地提高了人力成本的利用率。
Description
技术领域
本发明涉及食品检测技术领域,具体是一种大米在线检测系统及方法。
背景技术
大米(Rice),亦称稻米,是稻谷经清理、砻谷、碾米、成品整理等工序后制成的食物。大米是南方大部分地区人民的主要食品。大米的质量有好有坏,一般情况下,都可以通过肉眼去分辨,不同质量的大米,其颜色、色泽或完整度都是可以看出来的。现有的大米检测过程,大都由人工完成,在人工检测过程中,大部分的质量都是过关的,只有极个别的大米是可能存在问题的,可以想到,人力成本的利用率很低,检测过程中大部分都是“无效”检测,因此,如何降低人力成本,提高人力成本的利用率是本发明技术方案想要解决的技术问题。
发明内容
本发明的目的在于提供一种大米在线检测系统及方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种大米在线检测系统,所述系统包括:
承物端,用于接收控制端发送的检测频率,根据所述检测频率确定运动指令;基于预设的波段范围实时获取不同波段下的待检图像,得到待检图像组,将所述待检图像组向控制端发送;其中,所述待检图像组的名称项为实物取样处的标签;接收控制端发送的震动指令,执行震动动作,再次基于预设的波段范围实时获取不同波段下的待检图像,得到待检图像组,将所述待检图像组向控制端发送;接收控制端发送的步进指令,根据所述步进指令修正所述运动指令;
控制端,用于接收用户发送的含有检测频率的访问请求,对用户进行权限验证,当用户通过权限验证时,将所述检测频率向承物端发送;接收承物端发送的待检图像组,对所述待检图像组进行聚集度分析,得到待检图像组的聚集度,并比对所述聚集度与预设的聚集度阈值;当所述聚集度达到预设的聚集度阈值时,向承物端发送震动指令,再次接收待检图像组并重复聚集度分析直至所述聚集度小于预设的聚集度阈值;当所述聚集度小于预设的聚集度阈值时,对所述待检图像组进行内容识别,并向承物端发送步进指令。
作为本发明进一步的方案:所述承物端包括:
运动指令确定模块,用于接收控制端发送的检测频率,根据所述检测频率确定运动指令;
图像组获取模块,用于基于预设的波段范围实时获取不同波段下的待检图像,得到待检图像组,将所述待检图像组向控制端发送;其中,所述待检图像组的名称项为实物取样处的标签;
调整模块,用于接收控制端发送的震动指令,执行震动动作,再次基于预设的波段范围实时获取不同波段下的待检图像,得到待检图像组,将所述待检图像组向控制端发送;
修正模块,用于接收控制端发送的步进指令,根据所述步进指令修正所述运动指令。
作为本发明进一步的方案:所述控制端包括:
权限验证模块,用于接收用户发送的含有检测频率的访问请求,对用户进行权限验证,当用户通过权限验证时,将所述检测频率向承物端发送;
聚集度判断模块,用于接收承物端发送的待检图像组,对所述待检图像组进行聚集度分析,得到待检图像组的聚集度,并比对所述聚集度与预设的聚集度阈值;
震动指令生成模块,用于当所述聚集度达到预设的聚集度阈值时,向承物端发送震动指令,再次接收待检图像组并重复聚集度分析直至所述聚集度小于预设的聚集度阈值;
内容识别模块,用于当所述聚集度小于预设的聚集度阈值时,对所述待检图像组进行内容识别,并向承物端发送步进指令。
作为本发明进一步的方案:所述聚集度判断模块包括:
图像转换单元,用于接收承物端发送的待检图像组,根据预设的转换公式将所述待检图像组中的待检图像转换为特征图像;
轮廓识别单元,用于对所述特征图像进行轮廓识别,根据轮廓识别结果确定目标区域,并计算总轮廓数量;
问题轮廓标记单元,用于计算所述目标区域的像素点总数,当所述像素点总数超过预设的数值上限时,将该目标区域的轮廓标记为问题轮廓;
拐点识别单元,用于识别所述问题轮廓的拐点,得到拐点数量,根据所述拐点数量和所述总轮廓数量计算所述待检图像的聚集度;
统计计算单元,用于统计所有待检图像的聚集度,计算待检图像组的聚集度。
作为本发明进一步的方案:所述拐点识别单元包括:
遍历子单元,用于根据预设的识别方向遍历所述问题轮廓上的像素点,以所述像素点为中心,在预设的识别半径内截取特征段;
角度计算子单元,用于根据所述中心将所述特征段分为两个特征子段,计算两个特征子段之间的角度;
比对子单元,用于比对所述角度与预设的角度阈值,当所述角度达到预设的角度阈值时,将所述像素点标记为拐点;
标记子单元,用于统计标记的拐点数量,将所述拐点数量与拐点阈值进行比对,当所述拐点数量达到所述拐点阈值时,将所述问题轮廓标记为聚集轮廓;
执行子单元,用于统计标记的聚集轮廓的数量,根据所述聚集轮廓的数量和所述总轮廓数量计算所述待检图像的聚集度。
作为本发明进一步的方案:所述内容识别模块包括:
色值参数计算单元,用于依次计算所述待检图像组中待检图像的色值参数,所述色值参数包括色值均值和色值方差;所述色值的数据结构统一;
评分生成单元,用于将所述色值参数输入训练好的成色分析模型,确定产品的外观评分;
次品标记单元,用于提取所述目标区域与相应的像素点总数,当所述像素点总数低于预设的数值下限时,将所述目标区域标记为次品;
完整度计算单元,用于计算次品数,根据所述次品数和所述总轮廓数量计算完整度;
步进指令生成单元,用于根据所述外观评分和所述完整度确定步进指令,并将所述步进指令向承物端发送。
作为本发明进一步的方案:所述权限验证模块包括:
身份验证单元,用于确定验证问题,根据所述验证问题判断访问请求的发送者是否为人类;
信息比对单元,用于当所述访问请求由人类发送时,获取账户信息,并将所述账户信息与预设的注册信息进行比对;
问题确定单元,用于当所述账户信息与所述注册信息相同时,定时向用户发送由账户信息确定的随机问题;
权限更新单元,用于接收用户的反馈答案,根据所述反馈答案实时更新用户权限。
本发明技术方案还提供了一种大米在线检测方法,所述方法应用于控制端,所述方法包括:
接收用户发送的含有检测频率的访问请求,对用户进行权限验证,当用户通过权限验证时,将所述检测频率向承物端发送;
接收承物端发送的待检图像组,对所述待检图像组进行聚集度分析,得到待检图像组的聚集度,并比对所述聚集度与预设的聚集度阈值;
当所述聚集度达到预设的聚集度阈值时,向承物端发送震动指令,再次接收待检图像组并重复聚集度分析直至所述聚集度小于预设的聚集度阈值;
当所述聚集度小于预设的聚集度阈值时,对所述待检图像组进行内容识别,并向承物端发送步进指令。
作为本发明进一步的方案:所述接收承物端发送的待检图像组,对所述待检图像组进行聚集度分析,得到待检图像组的聚集度的步骤包括:
接收承物端发送的待检图像组,根据预设的转换公式将所述待检图像组中的待检图像转换为特征图像;
对所述特征图像进行轮廓识别,根据轮廓识别结果确定目标区域,并计算总轮廓数量;
计算所述目标区域的像素点总数,当所述像素点总数超过预设的数值上限时,将该目标区域的轮廓标记为问题轮廓;
识别所述问题轮廓的拐点,得到拐点数量,根据所述拐点数量和所述总轮廓数量计算所述待检图像的聚集度;
统计所有待检图像的聚集度,计算待检图像组的聚集度。
作为本发明进一步的方案:所述识别所述问题轮廓的拐点,得到拐点数量,根据所述拐点数量和所述总轮廓数量计算所述待检图像的聚集度的步骤包括:
根据预设的识别方向遍历所述问题轮廓上的像素点,以所述像素点为中心,在预设的识别半径内截取特征段;
根据所述中心将所述特征段分为两个特征子段,计算两个特征子段之间的角度;
比对所述角度与预设的角度阈值,当所述角度达到预设的角度阈值时,将所述像素点标记为拐点;
统计标记的拐点数量,将所述拐点数量与拐点阈值进行比对,当所述拐点数量达到所述拐点阈值时,将所述问题轮廓标记为聚集轮廓;
统计标记的聚集轮廓的数量,根据所述聚集轮廓的数量和所述总轮廓数量计算所述待检图像的聚集度。
与现有技术相比,本发明的有益效果是:本发明通过承物端获取不同波段范围的待检图像,通过控制端对待检图像进行颜色、色泽和完整度的识别,极大地过滤了一些明显高质量或明显低质量的样品,减少了人工检测的样品数,变相地提高了人力成本的利用率。可以想到,随着本系统性能的提升,人工检测的样品数会越来越少。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例。
图1示出了大米在线检测系统的架构图。
图2示出了大米在线检测系统中承物端的组成结构框图。
图3示出了大米在线检测系统中控制端的组成结构框图。
图4示出了控制端中聚集度判断模块的组成结构框图。
图5示出了聚集度判断模块中拐点识别单元的组成结构框图。
图6示出了大米在线检测方法的流程框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
图1示出了大米在线检测系统的架构图,本发明实施例中,一种大米在线检测系统,所述系统包括:
承物端10,用于接收控制端20发送的检测频率,根据所述检测频率确定运动指令;基于预设的波段范围实时获取不同波段下的待检图像,得到待检图像组,将所述待检图像组向控制端20发送;其中,所述待检图像组的名称项为实物取样处的标签;接收控制端20发送的震动指令,执行震动动作,再次基于预设的波段范围实时获取不同波段下的待检图像,得到待检图像组,将所述待检图像组向控制端20发送;接收控制端20发送的步进指令,根据所述步进指令修正所述运动指令;
控制端20,用于接收用户发送的含有检测频率的访问请求,对用户进行权限验证,当用户通过权限验证时,将所述检测频率向承物端10发送;接收承物端10发送的待检图像组,对所述待检图像组进行聚集度分析,得到待检图像组的聚集度,并比对所述聚集度与预设的聚集度阈值;当所述聚集度达到预设的聚集度阈值时,向承物端10发送震动指令,再次接收待检图像组并重复聚集度分析直至所述聚集度小于预设的聚集度阈值;当所述聚集度小于预设的聚集度阈值时,对所述待检图像组进行内容识别,并向承物端10发送步进指令。
本发明技术方案由承物端10和控制端20组成,其中,承物端10的硬件架构一般都具有承放大米的流水线式托盘,每个托盘上都会放置一些待检测的大米,在检测过程中,托盘的运动是间歇的运动,当托盘带动大米运动到用于获取待检图像的硬件设备时,所述硬件设备获取大米的图像信息。这些图像信息由控制端20进行识别,从而对大米质量进行物理性质的检测,对于大米来说,质量的分辨主要依据就是物体性质,像色泽好的,完整度较高的大米,就是好的大米,对于具体的种植细节等数据,至少对于大众来说,不是那么重要,也无需分辨。
图2示出了大米在线检测系统中承物端10的组成结构框图,所述承物端10包括:
运动指令确定模块11,用于接收控制端20发送的检测频率,根据所述检测频率确定运动指令;
图像组获取模块12,用于基于预设的波段范围实时获取不同波段下的待检图像,得到待检图像组,将所述待检图像组向控制端20发送;其中,所述待检图像组的名称项为实物取样处的标签;
调整模块13,用于接收控制端20发送的震动指令,执行震动动作,再次基于预设的波段范围实时获取不同波段下的待检图像,得到待检图像组,将所述待检图像组向控制端20发送;
修正模块14,用于接收控制端20发送的步进指令,根据所述步进指令修正所述运动指令。
上述内容对承物端10的功能进行了细化,由检测频率确定运动指令的过程,确定的是所述托盘间歇运动的时间间隔,所述波段范围一般包括可见光、红外光与紫外光,基于多种波段获取到的待检图像,可以使得控制端20的识别过程更加准确。其中,震动指令的作用是带动托盘震动一下,这个震动可以是跳动,也可以是类似于手机的震动,其目的是将堆积的大米样品分离开,它的应用条件是聚集度达到一定程度。
托盘的自身运动是存在一定时间间隔的间歇运动,但是,如果收到了步进指令,那么托盘就会前进一步,换言而之,步进指令的优先级大于间歇运动的优先级。
图3示出了大米在线检测系统中控制端20的组成结构框图,所述控制端20包括:
权限验证模块21,用于接收用户发送的含有检测频率的访问请求,对用户进行权限验证,当用户通过权限验证时,将所述检测频率向承物端10发送;
聚集度判断模块22,用于接收承物端10发送的待检图像组,对所述待检图像组进行聚集度分析,得到待检图像组的聚集度,并比对所述聚集度与预设的聚集度阈值;
震动指令生成模块23,用于当所述聚集度达到预设的聚集度阈值时,向承物端10发送震动指令,再次接收待检图像组并重复聚集度分析直至所述聚集度小于预设的聚集度阈值;
内容识别模块24,用于当所述聚集度小于预设的聚集度阈值时,对所述待检图像组进行内容识别,并向承物端10发送步进指令。
上述内容对控制端20的功能进行了模块化细分,控制端20是与用户进行交互的端口,首先,需要对用户进行权限验证,使用本系统的用户是需要具备一定权限的。聚集度判断模块22的目的顾名思义,就是判断大米样品中是否有堆积现象,如果堆积现象较为严重,那么就会生成一个震动指令,直至不再堆积,当多次震动依旧是堆积时,那么托盘依旧会根据由检测频率确定的运动指令到达下一位置,可以想到,对于这种检测失败的大米样品,一般会进行标记。当大米足够分散时,对大米进行内容识别检测。
图4示出了控制端20中聚集度判断模块的组成结构框图,所述聚集度判断模块22包括:
图像转换单元221,用于接收承物端10发送的待检图像组,根据预设的转换公式将所述待检图像组中的待检图像转换为特征图像;
轮廓识别单元222,用于对所述特征图像进行轮廓识别,根据轮廓识别结果确定目标区域,并计算总轮廓数量;
问题轮廓标记单元223,用于计算所述目标区域的像素点总数,当所述像素点总数超过预设的数值上限时,将该目标区域的轮廓标记为问题轮廓;
拐点识别单元224,用于识别所述问题轮廓的拐点,得到拐点数量,根据所述拐点数量和所述总轮廓数量计算所述待检图像的聚集度;
统计计算单元225,用于统计所有待检图像的聚集度,计算待检图像组的聚集度。
上述内容提供了一种具体的聚集度判断方案,具体由聚集度判断模块22完成,首先,待检图像是在多个波段范围下获取到的图像,因此,对于同一样品来说,会有多个图像,这多个图像共同组成待检图像组;然后,依次对不同的待检图像进行轮廓识别,计算每一个轮廓的拐点,可以想到,单独的一粒大米,它的拐点数量是在一定范围内的,尤其是对于质量较好的大米来说,它们的拐点数量几乎就是确定的某个数值,上下浮动很小;当拐点数量增多时,就说明存在了一定的问题,也就是出现了聚集现象。值得一提的是,像一些碎了的大米,它的拐点数量也比较多,但是与它对应的目标区域中的像素点较少,因此,上述聚集度判断过程中,核心模块其实是两个,分别是问题轮廓标记单元223和拐点识别单元224。
图5示出了聚集度判断模块中拐点识别单元的组成结构框图,所述拐点识别单元224包括:
遍历子单元2241,用于根据预设的识别方向遍历所述问题轮廓上的像素点,以所述像素点为中心,在预设的识别半径内截取特征段;
角度计算子单元2242,用于根据所述中心将所述特征段分为两个特征子段,计算两个特征子段之间的角度;
比对子单元2243,用于比对所述角度与预设的角度阈值,当所述角度达到预设的角度阈值时,将所述像素点标记为拐点;
标记子单元2244,用于统计标记的拐点数量,将所述拐点数量与拐点阈值进行比对,当所述拐点数量达到所述拐点阈值时,将所述问题轮廓标记为聚集轮廓;
执行子单元2245,用于统计标记的聚集轮廓的数量,根据所述聚集轮廓的数量和所述总轮廓数量计算所述待检图像的聚集度。
上述内容对拐点识别单元224进行了具体的细化,上述流程较为清晰,因此不再赘述。但是需要说明的是,计算两个特征子段之间角度的方法有很多,一般都是生成两个与两个特征子段对应的带有方向的向量,进而通过向量运算计算角度。其中,向量的生成过程通过坐标表示较为容易,因此,在上述拐点识别单元中,在计算层面上会构建一个坐标系。
进一步的,所述内容识别模块包括:
色值参数计算单元,用于依次计算所述待检图像组中待检图像的色值参数,所述色值参数包括色值均值和色值方差;所述色值的数据结构统一;
评分生成单元,用于将所述色值参数输入训练好的成色分析模型,确定产品的外观评分;
次品标记单元,用于提取所述目标区域与相应的像素点总数,当所述像素点总数低于预设的数值下限时,将所述目标区域标记为次品;
完整度计算单元,用于计算次品数,根据所述次品数和所述总轮廓数量计算完整度;
步进指令生成单元,用于根据所述外观评分和所述完整度确定步进指令,并将所述步进指令向承物端10发送。
上述内容是具体的内容识别过程,具体的,色值可以是RGB模式下的色值,也可以是灰度模式下的色值,色值均值表示了样品的整体成色,色值方差表示了样品之间的差异;其中,成色分析模型是一个可以适用于多种颜色模式,输入一个评分值的模型,它是多个预设的公式的集成,公式的确定可以通过样本-拟合法来确定。
当目标区域的像素点总数低于预设的数值下限时,就说明该目标区域对应的大米是列缺的,因此标记为次品。
外观评分和完整度就代表着大米的质量,外观评分和完整度只要不是错误数据,就会确定一个步进指令,这种错误一般都是设备错误,比如,反馈了一串不是数字的代码,这就是一类错误。因此,在实际应用中,往往都只要得到了外观评分和完整度,就会生成一个步进指令。
作为本发明技术方案的一个优选实施例,所述权限验证模块包括:
身份验证单元,用于确定验证问题,根据所述验证问题判断访问请求的发送者是否为人类;
信息比对单元,用于当所述访问请求由人类发送时,获取账户信息,并将所述账户信息与预设的注册信息进行比对;
问题确定单元,用于当所述账户信息与所述注册信息相同时,定时向用户发送由账户信息确定的随机问题;
权限更新单元,用于接收用户的反馈答案,根据所述反馈答案实时更新用户权限。
在本发明技术方案的一个实例中,对权限判断过程进行了进一步的描述,它不仅从一开始对用户进行权限验证,在用户的使用过程中,一直会定时的向用户发送一些验证问题,来验证用户是否在岗。
实施例2
图6示出了大米在线检测方法的流程框图,本发明实施例中,一种大米在线检测方法,所述方法包括:
步骤S100:接收用户发送的含有检测频率的访问请求,对用户进行权限验证,当用户通过权限验证时,将所述检测频率向承物端发送;
步骤S200:接收承物端发送的待检图像组,对所述待检图像组进行聚集度分析,得到待检图像组的聚集度,并比对所述聚集度与预设的聚集度阈值;
步骤S300:当所述聚集度达到预设的聚集度阈值时,向承物端发送震动指令,再次接收待检图像组并重复聚集度分析直至所述聚集度小于预设的聚集度阈值;
步骤S400:当所述聚集度小于预设的聚集度阈值时,对所述待检图像组进行内容识别,并向承物端发送步进指令。
进一步的,所述接收承物端发送的待检图像组,对所述待检图像组进行聚集度分析,得到待检图像组的聚集度的步骤包括:
接收承物端发送的待检图像组,根据预设的转换公式将所述待检图像组中的待检图像转换为特征图像;
对所述特征图像进行轮廓识别,根据轮廓识别结果确定目标区域,并计算总轮廓数量;
计算所述目标区域的像素点总数,当所述像素点总数超过预设的数值上限时,将该目标区域的轮廓标记为问题轮廓;
识别所述问题轮廓的拐点,得到拐点数量,根据所述拐点数量和所述总轮廓数量计算所述待检图像的聚集度;
统计所有待检图像的聚集度,计算待检图像组的聚集度。
具体的,所述识别所述问题轮廓的拐点,得到拐点数量,根据所述拐点数量和所述总轮廓数量计算所述待检图像的聚集度的步骤包括:
根据预设的识别方向遍历所述问题轮廓上的像素点,以所述像素点为中心,在预设的识别半径内截取特征段;
根据所述中心将所述特征段分为两个特征子段,计算两个特征子段之间的角度;
比对所述角度与预设的角度阈值,当所述角度达到预设的角度阈值时,将所述像素点标记为拐点;
统计标记的拐点数量,将所述拐点数量与拐点阈值进行比对,当所述拐点数量达到所述拐点阈值时,将所述问题轮廓标记为聚集轮廓;
统计标记的聚集轮廓的数量,根据所述聚集轮廓的数量和所述总轮廓数量计算所述待检图像的聚集度。
所述大米在线检测方法所能实现的功能均由计算机设备完成,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行以实现所述大米在线检测方法的功能。
处理器从存储器中逐条取出指令、分析指令,然后根据指令要求完成相应操作,产生一系列控制命令,使计算机各部分自动、连续并协调动作,成为一个有机的整体,实现程序的输入、数据的输入以及运算并输出结果,这一过程中产生的算术运算或逻辑运算均由运算器完成;所述存储器包括只读存储器(Read-Only Memory,ROM),所述只读存储器用于存储计算机程序,所述存储器外部设有保护装置。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解,上述服务设备的描述仅仅是示例,并不构成对终端设备的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,上述处理器是上述终端设备的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等;存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例系统中的全部或部分模块/单元,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个系统实施例的功能。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (5)
1.一种大米在线检测系统,其特征在于,所述系统包括:
承物端,用于接收控制端发送的检测频率,根据所述检测频率确定运动指令;基于预设的波段范围实时获取不同波段下的待检图像,得到待检图像组,将所述待检图像组向控制端发送;其中,所述待检图像组的名称项为实物取样处的标签;接收控制端发送的震动指令,执行震动动作,再次基于预设的波段范围实时获取不同波段下的待检图像,得到待检图像组,将所述待检图像组向控制端发送;接收控制端发送的步进指令,根据所述步进指令修正所述运动指令;
控制端,用于接收用户发送的含有检测频率的访问请求,对用户进行权限验证,当用户通过权限验证时,将所述检测频率向承物端发送;接收承物端发送的待检图像组,对所述待检图像组进行聚集度分析,得到待检图像组的聚集度,并比对所述聚集度与预设的聚集度阈值;当所述聚集度达到预设的聚集度阈值时,向承物端发送震动指令,再次接收待检图像组并重复聚集度分析直至所述聚集度小于预设的聚集度阈值;当所述聚集度小于预设的聚集度阈值时,对所述待检图像组进行内容识别,并向承物端发送步进指令;
聚集度判断模块包括:
图像转换单元,用于接收承物端发送的待检图像组,根据预设的转换公式将所述待检图像组中的待检图像转换为特征图像;
轮廓识别单元,用于对所述特征图像进行轮廓识别,根据轮廓识别结果确定目标区域,并计算总轮廓数量;
问题轮廓标记单元,用于计算所述目标区域的像素点总数,当所述像素点总数超过预设的数值上限时,将该目标区域的轮廓标记为问题轮廓;
拐点识别单元,用于识别所述问题轮廓的拐点,得到拐点数量,根据所述拐点数量和所述总轮廓数量计算所述待检图像的聚集度;
统计计算单元,用于统计所有待检图像的聚集度,计算待检图像组的聚集度;
所述拐点识别单元包括:
遍历子单元,用于根据预设的识别方向遍历所述问题轮廓上的像素点,以所述像素点为中心,在预设的识别半径内截取特征段;
角度计算子单元,用于根据所述中心将所述特征段分为两个特征子段,计算两个特征子段之间的角度;
比对子单元,用于比对所述角度与预设的角度阈值,当所述角度达到预设的角度阈值时,将所述像素点标记为拐点;
标记子单元,用于统计标记的拐点数量,将所述拐点数量与拐点阈值进行比对,当所述拐点数量达到所述拐点阈值时,将所述问题轮廓标记为聚集轮廓;
执行子单元,用于统计标记的聚集轮廓的数量,根据所述聚集轮廓的数量和所述总轮廓数量计算所述待检图像的聚集度;
所述对所述待检图像组进行内容识别的内容包括:
依次计算所述待检图像组中待检图像的色值参数,所述色值参数包括色值均值和色值方差;所述色值的数据结构统一;
将所述色值参数输入训练好的成色分析模型,确定产品的外观评分;
提取所述目标区域与相应的像素点总数,当所述像素点总数低于预设的数值下限时,将所述目标区域标记为次品;
计算次品数,根据所述次品数和所述总轮廓数量计算完整度;
根据所述外观评分和所述完整度确定步进指令,并将所述步进指令向承物端发送。
2.根据权利要求1所述的大米在线检测系统,其特征在于,所述承物端包括:
运动指令确定模块,用于接收控制端发送的检测频率,根据所述检测频率确定运动指令;
图像组获取模块,用于基于预设的波段范围实时获取不同波段下的待检图像,得到待检图像组,将所述待检图像组向控制端发送;其中,所述待检图像组的名称项为实物取样处的标签;
调整模块,用于接收控制端发送的震动指令,执行震动动作,再次基于预设的波段范围实时获取不同波段下的待检图像,得到待检图像组,将所述待检图像组向控制端发送;
修正模块,用于接收控制端发送的步进指令,根据所述步进指令修正所述运动指令。
3.根据权利要求1所述的大米在线检测系统,其特征在于,所述控制端包括:
权限验证模块,用于接收用户发送的含有检测频率的访问请求,对用户进行权限验证,当用户通过权限验证时,将所述检测频率向承物端发送;
聚集度判断模块,用于接收承物端发送的待检图像组,对所述待检图像组进行聚集度分析,得到待检图像组的聚集度,并比对所述聚集度与预设的聚集度阈值;
震动指令生成模块,用于当所述聚集度达到预设的聚集度阈值时,向承物端发送震动指令,再次接收待检图像组并重复聚集度分析直至所述聚集度小于预设的聚集度阈值;
内容识别模块,用于当所述聚集度小于预设的聚集度阈值时,对所述待检图像组进行内容识别,并向承物端发送步进指令。
4.根据权利要求3所述的大米在线检测系统,其特征在于,所述权限验证模块包括:
身份验证单元,用于确定验证问题,根据所述验证问题判断访问请求的发送者是否为人类;
信息比对单元,用于当所述访问请求由人类发送时,获取账户信息,并将所述账户信息与预设的注册信息进行比对;
问题确定单元,用于当所述账户信息与所述注册信息相同时,定时向用户发送由账户信息确定的随机问题;
权限更新单元,用于接收用户的反馈答案,根据所述反馈答案实时更新用户权限。
5.一种大米在线检测方法,其特征在于,所述方法应用于控制端,所述方法包括:
接收用户发送的含有检测频率的访问请求,对用户进行权限验证,当用户通过权限验证时,将所述检测频率向承物端发送;
接收承物端发送的待检图像组,对所述待检图像组进行聚集度分析,得到待检图像组的聚集度,并比对所述聚集度与预设的聚集度阈值;
当所述聚集度达到预设的聚集度阈值时,向承物端发送震动指令,再次接收待检图像组并重复聚集度分析直至所述聚集度小于预设的聚集度阈值;
当所述聚集度小于预设的聚集度阈值时,对所述待检图像组进行内容识别,并向承物端发送步进指令;
所述接收承物端发送的待检图像组,对所述待检图像组进行聚集度分析,得到待检图像组的聚集度的步骤包括:
接收承物端发送的待检图像组,根据预设的转换公式将所述待检图像组中的待检图像转换为特征图像;
对所述特征图像进行轮廓识别,根据轮廓识别结果确定目标区域,并计算总轮廓数量;
计算所述目标区域的像素点总数,当所述像素点总数超过预设的数值上限时,将该目标区域的轮廓标记为问题轮廓;
识别所述问题轮廓的拐点,得到拐点数量,根据所述拐点数量和所述总轮廓数量计算所述待检图像的聚集度;
统计所有待检图像的聚集度,计算待检图像组的聚集度;
所述识别所述问题轮廓的拐点,得到拐点数量,根据所述拐点数量和所述总轮廓数量计算所述待检图像的聚集度的步骤包括:
根据预设的识别方向遍历所述问题轮廓上的像素点,以所述像素点为中心,在预设的识别半径内截取特征段;
根据所述中心将所述特征段分为两个特征子段,计算两个特征子段之间的角度;
比对所述角度与预设的角度阈值,当所述角度达到预设的角度阈值时,将所述像素点标记为拐点;
统计标记的拐点数量,将所述拐点数量与拐点阈值进行比对,当所述拐点数量达到所述拐点阈值时,将所述问题轮廓标记为聚集轮廓;
统计标记的聚集轮廓的数量,根据所述聚集轮廓的数量和所述总轮廓数量计算所述待检图像的聚集度;
所述对所述待检图像组进行内容识别的内容包括:
依次计算所述待检图像组中待检图像的色值参数,所述色值参数包括色值均值和色值方差;所述色值的数据结构统一;
将所述色值参数输入训练好的成色分析模型,确定产品的外观评分;
提取所述目标区域与相应的像素点总数,当所述像素点总数低于预设的数值下限时,将所述目标区域标记为次品;
计算次品数,根据所述次品数和所述总轮廓数量计算完整度;
根据所述外观评分和所述完整度确定步进指令,并将所述步进指令向承物端发送。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210371325.5A CN114441538B (zh) | 2022-04-11 | 2022-04-11 | 一种大米在线检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210371325.5A CN114441538B (zh) | 2022-04-11 | 2022-04-11 | 一种大米在线检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114441538A CN114441538A (zh) | 2022-05-06 |
CN114441538B true CN114441538B (zh) | 2022-06-21 |
Family
ID=81359845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210371325.5A Active CN114441538B (zh) | 2022-04-11 | 2022-04-11 | 一种大米在线检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114441538B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015010967A (ja) * | 2013-06-29 | 2015-01-19 | 富士電機株式会社 | 容器ブロック体検査装置 |
CN110116103A (zh) * | 2019-06-06 | 2019-08-13 | 辽宁美骏智能装备有限公司 | 一体式振动布米及扫米回收机构 |
CN113886627A (zh) * | 2021-10-09 | 2022-01-04 | 陕西通信规划设计研究院有限公司 | 一种基于信息同步的移动通信系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11074682B2 (en) * | 2017-09-05 | 2021-07-27 | Vibe Imaging Analytics | System and method for automated food safety analysis, quality analysis and grading of grains |
-
2022
- 2022-04-11 CN CN202210371325.5A patent/CN114441538B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015010967A (ja) * | 2013-06-29 | 2015-01-19 | 富士電機株式会社 | 容器ブロック体検査装置 |
CN110116103A (zh) * | 2019-06-06 | 2019-08-13 | 辽宁美骏智能装备有限公司 | 一体式振动布米及扫米回收机构 |
CN113886627A (zh) * | 2021-10-09 | 2022-01-04 | 陕西通信规划设计研究院有限公司 | 一种基于信息同步的移动通信系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114441538A (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018028546A1 (zh) | 一种关键点的定位方法及终端、计算机存储介质 | |
CN107679466B (zh) | 信息输出方法和装置 | |
CN108090511B (zh) | 图像分类方法、装置、电子设备及可读存储介质 | |
CN110781976B (zh) | 训练图像的扩充方法、训练方法及相关装置 | |
WO2021232670A1 (zh) | 一种pcb元件识别方法及装置 | |
CN114648776B (zh) | 一种财务报销数据处理方法和处理系统 | |
Padilla et al. | Portable yellow spot disease identifier on sugarcane leaf via image processing using support vector machine | |
CN110135230A (zh) | 表情辨识训练系统及表情辨识训练方法 | |
CN116876950B (zh) | 一种门窗智能控制系统、方法、计算机设备及存储介质 | |
CN104091173A (zh) | 一种基于网络摄像机的性别识别方法及装置 | |
CN114414935A (zh) | 基于大数据的配电网馈线故障区域自动化定位方法和系统 | |
CN106339460A (zh) | 一种在线绘画处理系统及方法 | |
CN114332514B (zh) | 一种字体测评方法及系统 | |
CN112989990A (zh) | 医疗票据识别方法、装置、设备及存储介质 | |
CN114441538B (zh) | 一种大米在线检测系统及方法 | |
CN113807364A (zh) | 一种基于三光融合成像的电力设备缺陷检测方法及系统 | |
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 | |
CN110619528A (zh) | 行为验证数据处理方法、装置、设备及存储介质 | |
KR20160115860A (ko) | 왜곡된 원형 이미지를 추출하기 위한 이미지 처리 방법 및 시스템 | |
CN115496418A (zh) | 一种基于frid技术的智能化农产品交易系统 | |
CN116385819A (zh) | 基于神经网络模型的水质评价方法、装置以及设备 | |
CN115620317A (zh) | 一种电子工程文档真实性验证方法和系统 | |
CN112907541B (zh) | 一种手掌图像质量评估模型构建方法及装置 | |
CN111046848B (zh) | 一种基于动物跑台的步态监测方法及系统 | |
CN114125389A (zh) | 一种基于大数据的智慧园林云监管系统 |
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 |