CN114897784A - 一种单目鸡蛋尺寸流水线测定方法 - Google Patents

一种单目鸡蛋尺寸流水线测定方法 Download PDF

Info

Publication number
CN114897784A
CN114897784A CN202210387729.3A CN202210387729A CN114897784A CN 114897784 A CN114897784 A CN 114897784A CN 202210387729 A CN202210387729 A CN 202210387729A CN 114897784 A CN114897784 A CN 114897784A
Authority
CN
China
Prior art keywords
egg
image
camera
pixel
size
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
Application number
CN202210387729.3A
Other languages
English (en)
Other versions
CN114897784B (zh
Inventor
李金漳
王振友
徐圣兵
蔡晓权
邱昕宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202210387729.3A priority Critical patent/CN114897784B/zh
Publication of CN114897784A publication Critical patent/CN114897784A/zh
Application granted granted Critical
Publication of CN114897784B publication Critical patent/CN114897784B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30128—Food products
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
    • Y02A40/81—Aquaculture, e.g. of fish

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及单目鸡蛋尺寸测定技术领域，且公开了一种单目鸡蛋尺寸流水线测定方法，包括以下步骤：S1：标定测试装置，设定测试盒尺寸为m行，每行k个鸡蛋，测试盒的长度为L宽度为D，鸡蛋的质心与预留的坑位mx重合，测试盒整体为黑色，在测试盒中的每个预留位留下一行白色像素点,固长为l；S2：设置相机参数，利用15‑20张标准棋盘纸相片对其进行标定训练，标定相机系统的畸变系数k1,k2和内参dx表示u方向每个像素的物理尺寸。本发明能够实现单目多目标，通过获取拍摄到的图片利用图片去畸变、图片分割，测定鸡蛋的在图像中的影长，运用机器视觉方法构建坐标还原体系，建立特殊位置的鸡蛋尺寸还原测定模型。

Description

一种单目鸡蛋尺寸流水线测定方法
技术领域
本发明涉及单目鸡蛋尺寸测定技术领域，具体为一种单目鸡蛋尺寸流水线测定方法。
背景技术
鸡蛋的尺寸分布是表征鸡蛋品质特征的方法之一，一批鸡蛋尺寸的离散程度可以量化一批鸡蛋的品质和类别，而在行业中缺乏一种用于鸡蛋尺寸简易非侵入式测算的方法和设备，往往依靠人工经验判断一批鸡蛋的品质和类别，因此存在主观性强、费用高、耗时、经济效益低等一系列问题。
目前通过机器视觉技术进行的鸡蛋尺寸的检测方法，主要通过采集群体鸡蛋的图像、提取鸡蛋的尺寸特征、获得鸡蛋的长半轴和短半轴，然后利用像素面积表征鸡蛋的长短轴、计算出鸡蛋的蛋形指数，利用线性回归分析技术，以获取鸡蛋尺寸和投影成像之间的关系，从而达到检测群体鸡蛋尺寸的目标。但是该检测方法每次只能检测一个目标的尺寸数据、检测时间成本高、检测效率低，无法适应批量流水线式的鸡蛋尺寸检测，且检测角度单一，无法适应批量流水线鸡蛋多视角同步检测的需求。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种单目鸡蛋尺寸流水线测定方法，解决了当前机器视觉检测技术存在的时间成本高、效率低、无法适应批量流水线式的鸡蛋尺寸检测，且检测角度单一，无法适应批量流水线鸡蛋多视角同步检测的需求等问题。
(二)技术方案
为实现上述目的，本发明提供如下技术方案：
一种单目鸡蛋尺寸流水线测定方法，包括以下步骤：
S1：标定测试装置，设定测试盒尺寸为m行，每行k个鸡蛋，测试盒的长度为L宽度为D，鸡蛋的质心与预留的坑位mx重合，测试盒整体为黑色，在测试盒中的每个预留位留下一行白色像素点,固长为l；
S2：设置相机参数，利用15-20张标准棋盘纸相片对其进行标定训练，标定相机系统的畸变系数k1,k2和内参dx表示u方向每个像素的物理尺寸，dy表示v方向上每个像素的物理尺寸，f0为相机的焦距；
S3：获取原始数据，将鸡蛋整齐码放在测试盒上，每个测试盒之间距离为d，并随传送带运动进入测试盒中，传送带速度不高于v0，进入测试盒中停留t0用标定好的相机拍摄鸡蛋图片获取原始数据并转换为像素坐标矩阵存储；
S4：数据输入矫正，(u,v)代表理想无畸变的像素坐标，(u',v')代表实际径向畸变下的像素做标，(u0,v0)代表理想无畸变的图像主点，(u1,v1)代表实际径像畸变的图像主点，k1,k2为系统的去畸变系数；
S5：构建坐标变换，构建畸变后像素坐标和世界坐标的关系，其中(xw,yw,zw)为世界坐标，(xc,yc,zc)为相机坐标，(xg0,yg0)代表像坐标原点的像素坐标，变换公式为
Figure BDA0003594350250000021
S6：图像分割，将图像按照鸡蛋的个数N进行等分，获得N张图像，将图像进行命名为i(i＝0,1,2,…,N-1)；
S7：边缘点提取，使用最小矩形算法获得鸡蛋的最小外接矩形，识别获得鸡蛋长轴的两个端点F1、E1的理想像素坐标(uf,vf)与(ue,ve)；
S8：构建位置尺寸矫正模型，识别N张照片中的标定，识别出预先标定l的端点i和端点j的像素坐标(ui,vi)和(uj,vj)，因此引入投影长修正公式：
Figure BDA0003594350250000031
S9：构建鸡蛋尺寸还原模型，使用边缘识别获得鸡蛋的轮廓，对于鸡蛋的分布和投影情况都可以抽象为以下的基准情况：在图像中获得鸡蛋在不同位置的投影成像(以P为原点，EP为y轴正向，JP为x轴正向)对于点E其坐标(0,h)、点F1、E1可获得其像素坐标(uf,vf)、(ue,ve)，其中
Figure BDA0003594350250000032
然后输入特定该位置的标记点mx(x0)，输入mx,k1,k2,b求r：
Figure BDA0003594350250000033
作为本发明再进一步的方案，所述S1中检测装置中配备有合适的光照系统，相机位于测试盒中心位置高约h的位置。
进一步的，所述S1中机器视觉技术使用的摄像头像素应该部小于2592*1944，装置固定于传送带上，检测系统封装测试后不得对系统再次做出改变。
在前述方案的基础上，所述S4中矫正公式为，
Figure BDA0003594350250000034
根据计算公式进行去畸变操作获得理想图像。
进一步的，所述S1中包装测试盒的颜色选定为黑色。
在前述方案的基础上，所述S1中包括传送带和测试盒，所述传送带穿过测试盒，所述传送带的上表面设有测试托盘，所述测试盒的上表面设有摄像头。
(三)有益效果
与现有技术相比，本发明提供了一种单目鸡蛋尺寸流水线测定方法，具备以下有益效果：
1、本发明中，通过设定参数可以在流水线上快速测定鸡蛋的尺寸，效率高，速度快，设计背景和使用的方法都较为成熟，计算和识别的速度快。
2、本发明中，能够实现单目多目标，提高鸡蛋尺寸的测定效率，通过获取拍摄到的图片利用图片去畸变、图片分割，测定鸡蛋的在图像中的影长，运用机器视觉方法构建坐标还原体系，建立特殊位置的鸡蛋尺寸还原测定模型。
3、本发明中，检测盒配备有光强适宜的光照系统，提高图片采集时的清晰度，包装测试盒的颜色选定为跟鸡蛋色差较大的黑色，与鸡蛋颜色对比度明显，再次提高图片的清晰度。
附图说明
图1为本发明提出的一种单目鸡蛋尺寸流水线测定方法的流程结构示意图；
图2为本发明提出的一种单目鸡蛋尺寸流水线测定方法的相机坐标系到像坐标系结构示意图；
图3为本发明提出的一种单目鸡蛋尺寸流水线测定方法的像坐标系到像素坐标系结构示意图；
图4为本发明提出的一种单目鸡蛋尺寸流水线测定方法的局部硬件结构示意图。
图中：1、摄像头；2、测试盒；3、测试托盘；4、传送带。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
参照图1-4，一种单目鸡蛋尺寸流水线测定方法，包括以下步骤：
S1：标定测试装置，设定测试盒尺寸为m行，每行k个鸡蛋，测试盒的长度为L宽度为D，鸡蛋的质心与预留的坑位mx重合，测试盒整体为黑色，在测试盒中的每个预留位留下一行白色像素点,固长为l，设定参数可以在流水线上快速测定鸡蛋的尺寸，效率高，速度快，设计背景和使用的方法都较为成熟，计算和识别的速度快，S1中检测装置中配备有合适的光照系统，相机位于测试盒中心位置高约h的位置，包装测试盒的颜色选定为黑色，检测盒配备有光强适宜的光照系统，提高图片采集时的清晰度，包装测试盒的颜色选定为跟鸡蛋色差较大的黑色，与鸡蛋颜色对比度明显，再次提高图片的清晰度，S1中机器视觉技术使用的摄像头像素应该部小于2592*1944，装置固定于传送带上，检测系统封装测试后不得对系统再次做出改变；
S2：设置相机参数，利用15张标准棋盘纸相片对其进行标定训练，标定相机系统的畸变系数k1,k2和内参dx表示u方向每个像素的物理尺寸，dy表示v方向上每个像素的物理尺寸，f0为相机的焦距；
S3：获取原始数据，将鸡蛋整齐码放在测试盒上，每个测试盒之间距离为d，并随传送带运动进入测试盒中，传送带速度不高于v0，进入测试盒中停留t0用标定好的相机拍摄鸡蛋图片获取原始数据并转换为像素坐标矩阵存储；
S4：数据输入矫正，(u,v)代表理想无畸变的像素坐标，(u',v')代表实际径向畸变下的像素做标，(u0,v0)代表理想无畸变的图像主点，(u1,v1)代表实际径像畸变的图像主点，k1,k2为系统的去畸变系数，S4中矫正公式为，
Figure BDA0003594350250000061
根据计算公式进行去畸变操作获得理想图像；
S5：构建坐标变换，构建畸变后像素坐标和世界坐标的关系，其中(xw,yw,zw)为世界坐标，(xc,yc,zc)为相机坐标，(xg0,yg0)代表像坐标原点的像素坐标，变换公式为
Figure BDA0003594350250000062
能够实现单目多目标，提高鸡蛋尺寸的测定效率；
S6：图像分割，将图像按照鸡蛋的个数N进行等分，获得N张图像，将图像进行命名为i(i＝0,1,2,…,N-1)；
S7：边缘点提取，使用最小矩形算法获得鸡蛋的最小外接矩形，识别获得鸡蛋长轴的两个端点F1、E1的理想像素坐标(uf,vf)与(ue,ve)；
S8：构建位置尺寸矫正模型，识别N张照片中的标定，识别出预先标定l的端点i和端点j的像素坐标(ui,vi)和(uj,vj)，因此引入投影长修正公式：
Figure BDA0003594350250000063
S9：构建鸡蛋尺寸还原模型，使用边缘识别获得鸡蛋的轮廓，对于鸡蛋的分布和投影情况都可以抽象为以下的基准情况：在图像中获得鸡蛋在不同位置的投影成像(以P为原点，EP为y轴正向，JP为x轴正向)对于点E其坐标(0,h)、点F1、E1可获得其像素坐标(uf,vf)、(ue,ve)，其中
Figure BDA0003594350250000064
然后输入特定该位置的标记点mx(x0)，输入mx,k1,k2,b求r：
Figure BDA0003594350250000071
通过获取拍摄到的图片利用图片去畸变、图片分割，测定鸡蛋的在图像中的影长，运用机器视觉方法构建坐标还原体系，建立特殊位置的鸡蛋尺寸还原测定模型，S1中包括传送带4和测试盒2，传送带4穿过测试盒2，传送带4的上表面设有测试托盘3，测试盒2的上表面设有摄像头1。
实施例2
参照图1-4，一种单目鸡蛋尺寸流水线测定方法，包括以下步骤：
S1：标定测试装置，设定测试盒尺寸为m行，每行k个鸡蛋，测试盒的长度为L宽度为D，鸡蛋的质心与预留的坑位mx重合，测试盒整体为黑色，在测试盒中的每个预留位留下一行白色像素点,固长为l，设定参数可以在流水线上快速测定鸡蛋的尺寸，效率高，速度快，设计背景和使用的方法都较为成熟，计算和识别的速度快，S1中检测装置中配备有合适的光照系统，相机位于测试盒中心位置高约h的位置，包装测试盒的颜色选定为黑色，检测盒配备有光强适宜的光照系统，提高图片采集时的清晰度，包装测试盒的颜色选定为跟鸡蛋色差较大的黑色，与鸡蛋颜色对比度明显，再次提高图片的清晰度，S1中机器视觉技术使用的摄像头像素应该部小于2592*1960，装置固定于传送带上，检测系统封装测试后不得对系统再次做出改变；
S2：设置相机参数，利用20张标准棋盘纸相片对其进行标定训练，标定相机系统的畸变系数k1,k2和内参dx表示u方向每个像素的物理尺寸，dy表示v方向上每个像素的物理尺寸，f0为相机的焦距；
S3：获取原始数据，将鸡蛋整齐码放在测试盒上，每个测试盒之间距离为d，并随传送带运动进入测试盒中，传送带速度不高于v0，进入测试盒中停留t0用标定好的相机拍摄鸡蛋图片获取原始数据并转换为像素坐标矩阵存储；
S4：数据输入矫正，(u,v)代表理想无畸变的像素坐标，(u',v')代表实际径向畸变下的像素做标，(u0,v0)代表理想无畸变的图像主点，(u1,v1)代表实际径像畸变的图像主点，k1,k2为系统的去畸变系数，S4中矫正公式为，
Figure BDA0003594350250000081
根据计算公式进行去畸变操作获得理想图像；
S5：构建坐标变换，构建畸变后像素坐标和世界坐标的关系，其中(xw,yw,zw)为世界坐标，(xc,yc,zc)为相机坐标，(xg0,yg0)代表像坐标原点的像素坐标，变换公式为
Figure BDA0003594350250000082
能够实现单目多目标，提高鸡蛋尺寸的测定效率；
S6：图像分割，将图像按照鸡蛋的个数N进行等分，获得N张图像，将图像进行命名为i(i＝0,1,2,…,N-1)；
S7：边缘点提取，使用最小矩形算法获得鸡蛋的最小外接矩形，识别获得鸡蛋长轴的两个端点F1、E1的理想像素坐标(uf,vf)与(ue,ve)；
S8：构建位置尺寸矫正模型，识别N张照片中的标定，识别出预先标定l的端点i和端点j的像素坐标(ui,vi)和(uj,vj)，因此引入投影长修正公式：
Figure BDA0003594350250000083
S9：构建鸡蛋尺寸还原模型，使用边缘识别获得鸡蛋的轮廓，对于鸡蛋的分布和投影情况都可以抽象为以下的基准情况：在图像中获得鸡蛋在不同位置的投影成像(以P为原点，EP为y轴正向，JP为x轴正向)对于点E其坐标(0,h)、点F1、E1可获得其像素坐标(uf,vf)、(ue,ve)，其中
Figure BDA0003594350250000091
然后输入特定该位置的标记点mx(x0)，输入mx,k1,k2,b求r：
Figure BDA0003594350250000092
通过获取拍摄到的图片利用图片去畸变、图片分割，测定鸡蛋的在图像中的影长，运用机器视觉方法构建坐标还原体系，建立特殊位置的鸡蛋尺寸还原测定模型，S1中包括传送带4和测试盒2，传送带4穿过测试盒2，传送带4的上表面设有测试托盘3，测试盒2的上表面设有摄像头1。
在该文中的描述中，需要说明的是，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种单目鸡蛋尺寸流水线测定方法，其特征在于，包括以下步骤：
S1：标定测试装置，设定测试盒尺寸为m行，每行k个鸡蛋，测试盒的长度为L宽度为D，鸡蛋的质心与预留的坑位mx重合，测试盒整体为黑色，在测试盒中的每个预留位留下一行白色像素点,固长为l；
S2：设置相机参数，利用15-20张标准棋盘纸相片对其进行标定训练，标定相机系统的畸变系数k1,k2和内参dx表示u方向每个像素的物理尺寸，dy表示v方向上每个像素的物理尺寸，f0为相机的焦距；
S3：获取原始数据，将鸡蛋整齐码放在测试盒上，每个测试盒之间距离为d，并随传送带运动进入测试盒中，传送带速度不高于v0，进入测试盒中停留t0用标定好的相机拍摄鸡蛋图片获取原始数据并转换为像素坐标矩阵存储；
S4：数据输入矫正，(u,v)代表理想无畸变的像素坐标，(u',v')代表实际径向畸变下的像素做标，(u0,v0)代表理想无畸变的图像主点，(u1,v1)代表实际径像畸变的图像主点，k1,k2为系统的去畸变系数；
S5：构建坐标变换，构建畸变后像素坐标和世界坐标的关系，其中(xw,yw,zw)为世界坐标，(xc,yc,zc)为相机坐标，(xg0,yg0)代表像坐标原点的像素坐标，变换公式为
Figure FDA0003594350240000011
S6：图像分割，将图像按照鸡蛋的个数N进行等分，获得N张图像，将图像进行命名为i(i＝0,1,2,…,N-1)；
S7：边缘点提取，使用最小矩形算法获得鸡蛋的最小外接矩形，识别获得鸡蛋长轴的两个端点F1、E1的理想像素坐标(uf,vf)与(ue,ve)；
S8：构建位置尺寸矫正模型，识别N张照片中的标定，识别出预先标定l的端点i和端点j的像素坐标(ui,vi)和(uj,vj)，因此引入投影长修正公式：
Figure FDA0003594350240000021
S9：构建鸡蛋尺寸还原模型，使用边缘识别获得鸡蛋的轮廓，对于鸡蛋的分布和投影情况都可以抽象为以下的基准情况：在图像中获得鸡蛋在不同位置的投影成像(以P为原点，EP为y轴正向，JP为x轴正向)对于点E其坐标(0,h)、点F1、E1可获得其像素坐标(uf,vf)、(ue,ve)，其中
Figure FDA0003594350240000022
然后输入特定该位置的标记点mx(x0)，输入mx,k1,k2,b求r：
Figure FDA0003594350240000023
2.根据权利要求1所述的一种单目鸡蛋尺寸流水线测定方法，其特征在于，所述S1中检测装置中配备有合适的光照系统，相机位于测试盒中心位置高约h的位置。
3.根据权利要求2所述的一种单目鸡蛋尺寸流水线测定方法，其特征在于，所述S1中机器视觉技术使用的摄像头像素应该部小于2592*1944，装置固定于传送带上，检测系统封装测试后不得对系统再次做出改变。
4.根据权利要求1所述的一种单目鸡蛋尺寸流水线测定方法，其特征在于，所述S4中矫正公式为，
Figure FDA0003594350240000024
根据计算公式进行去畸变操作获得理想图像。
5.根据权利要求1所述的一种单目鸡蛋尺寸流水线测定方法，其特征在于，所述S1中包装测试盒的颜色选定为黑色。
6.根据权利要求1所述的一种单目鸡蛋尺寸流水线测定方法，其特征在于，所述S1中包括传送带(4)和测试盒(2)，所述传送带(4)穿过测试盒(2)，所述传送带(4)的上表面设有测试托盘(3)，所述测试盒(2)的上表面设有摄像头(1)。
CN202210387729.3A 2022-04-13 2022-04-13 一种单目鸡蛋尺寸流水线测定方法 Active CN114897784B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210387729.3A CN114897784B (zh) 2022-04-13 2022-04-13 一种单目鸡蛋尺寸流水线测定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210387729.3A CN114897784B (zh) 2022-04-13 2022-04-13 一种单目鸡蛋尺寸流水线测定方法

Publications (2)

Publication Number Publication Date
CN114897784A true CN114897784A (zh) 2022-08-12
CN114897784B CN114897784B (zh) 2023-02-21

Family

ID=82718053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210387729.3A Active CN114897784B (zh) 2022-04-13 2022-04-13 一种单目鸡蛋尺寸流水线测定方法

Country Status (1)

Country Link
CN (1) CN114897784B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102445456A (zh) * 2011-10-09 2012-05-09 河海大学常州校区 基于dsp机器视觉的鸡蛋品质无损检测装置及检测方法
US20170023362A1 (en) * 2015-07-20 2017-01-26 Xiaomi Inc. Method and apparatus for determining spatial parameter based on image and terminal device
CN109035320A (zh) * 2018-08-12 2018-12-18 浙江农林大学 基于单目视觉的深度提取方法
CN109191461A (zh) * 2018-10-22 2019-01-11 广东工业大学 一种基于机器视觉技术的土鸡蛋识别方法及识别装置
CN109712139A (zh) * 2019-01-02 2019-05-03 苏州天准科技股份有限公司 基于线性运动模组的单目视觉的尺寸测量方法
CN113524194A (zh) * 2021-04-28 2021-10-22 重庆理工大学 基于多模特征深度学习的机器人视觉抓取系统的目标抓取方法
CN113963054A (zh) * 2021-10-25 2022-01-21 上海影谱科技有限公司 一种基于双目相机的智能快递箱尺寸测量方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102445456A (zh) * 2011-10-09 2012-05-09 河海大学常州校区 基于dsp机器视觉的鸡蛋品质无损检测装置及检测方法
US20170023362A1 (en) * 2015-07-20 2017-01-26 Xiaomi Inc. Method and apparatus for determining spatial parameter based on image and terminal device
CN109035320A (zh) * 2018-08-12 2018-12-18 浙江农林大学 基于单目视觉的深度提取方法
CN109191461A (zh) * 2018-10-22 2019-01-11 广东工业大学 一种基于机器视觉技术的土鸡蛋识别方法及识别装置
CN109712139A (zh) * 2019-01-02 2019-05-03 苏州天准科技股份有限公司 基于线性运动模组的单目视觉的尺寸测量方法
CN113524194A (zh) * 2021-04-28 2021-10-22 重庆理工大学 基于多模特征深度学习的机器人视觉抓取系统的目标抓取方法
CN113963054A (zh) * 2021-10-25 2022-01-21 上海影谱科技有限公司 一种基于双目相机的智能快递箱尺寸测量方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MARK A. EDLEBLUTE ET.AL: "Computing the six degrees of freedom of light emitting diodes in a monocular image", 《2012 IEEE INTERNATIONAL CONFERENCE ON CONSUMER ELECTRONICS (ICCE)》 *
王振友 等: "基于特征融合的深度学习目标检测算法研究", 《广东工业大学学报》 *
辛永信等: "基于机器视觉的禽蛋脏污及裂纹检测系统设计", 《机电信息》 *
陈芳: "大尺寸零件在线视觉测量关键技术研究", 《中国博士学位论文全文数据库 信息科技辑》 *

Also Published As

Publication number Publication date
CN114897784B (zh) 2023-02-21

Similar Documents

Publication Publication Date Title
CN112881467B (zh) 一种大尺寸复合材料损伤成像与定量识别方法
US20220148213A1 (en) Method for fully automatically detecting chessboard corner points
US6768509B1 (en) Method and apparatus for determining points of interest on an image of a camera calibration object
CN109900711A (zh) 基于机器视觉的工件缺陷检测方法
CN109550712A (zh) 一种化纤丝尾丝外观缺陷检测系统及方法
CN111242896A (zh) 一种彩色印刷标签缺陷检测与质量评级方法
CN112053317A (zh) 一种基于级联神经网络的工件表面缺陷检测方法
JP5085860B2 (ja) 木材の検査方法及び装置及びプログラム
CN116559183B (zh) 一种提高缺陷判定效率的方法及系统
CN108765433A (zh) 一种用于提高精度的多叶面积测量方法
CN108716890A (zh) 一种基于机器视觉的高精度尺寸检测方法
CN113608378A (zh) 一种基于lcd制程的全自动缺陷检测方法和系统
CN105976354A (zh) 基于颜色和梯度的元件定位方法和系统
CN113034488B (zh) 一种喷墨印刷品的视觉检测方法
CN104331695B (zh) 一种鲁棒的圆形标志符形状质量检测方法
JP2008004123A (ja) 特定形状領域の抽出装置及び方法、特定領域の抽出装置及び方法、複写条件決定装置及び方法
CA2281113C (en) Automatic inspection of print quality using an elastic model
CN114998314A (zh) 一种基于计算机视觉的pcb电路板缺陷检测方法
CN108805144A (zh) 基于形态学矫正的弹孔识别方法及系统、报靶设备
CN114842091A (zh) 一种双目鸡蛋尺寸流水线测定方法
CN106770322A (zh) 校准点深度检测方法及温控器外观检测方法
CN114187363A (zh) 一种获取径向畸变参数值的方法、装置以及移动终端
CN114897784B (zh) 一种单目鸡蛋尺寸流水线测定方法
CN113269758A (zh) 一种基于机器视觉的卷烟外观检测方法及测试装置
CN106023201A (zh) 一种针对矩形透明塑料袋的尺寸测量方法

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