CN114985283A - 一种多特征图像识别技术的茶叶识别方法 - Google Patents
一种多特征图像识别技术的茶叶识别方法 Download PDFInfo
- Publication number
- CN114985283A CN114985283A CN202210448557.6A CN202210448557A CN114985283A CN 114985283 A CN114985283 A CN 114985283A CN 202210448557 A CN202210448557 A CN 202210448557A CN 114985283 A CN114985283 A CN 114985283A
- Authority
- CN
- China
- Prior art keywords
- tea
- image
- end point
- calculating
- sides
- 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 26
- 238000005516 engineering process Methods 0.000 title claims abstract description 11
- 241001122767 Theaceae Species 0.000 claims abstract description 138
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 238000010845 search algorithm Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000012216 screening Methods 0.000 abstract description 12
- 235000013616 tea Nutrition 0.000 description 113
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000233805 Phoenix Species 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 239000002699 waste material 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
- B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23F—COFFEE; TEA; THEIR SUBSTITUTES; MANUFACTURE, PREPARATION, OR INFUSION THEREOF
- A23F3/00—Tea; Tea substitutes; Preparations thereof
- A23F3/06—Treating tea before extraction; Preparations produced thereby
-
- 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
- B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
-
- 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
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Polymers & Plastics (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种多特征图像识别技术的茶叶识别方法，包括以下步骤：将图像进行滤波处理；对图像进行色选处理，根据面积比例识别出茶叶的质量种类；将滤波后的图像进行二值化处理；对二值化后的图像进行骨骼化处理，获取茶叶的两个端点，从一个端点开始沿着茶叶两边的轮廓分别步进，直到到达另一端点为止，两边每进一步就两边用直线连接起来，计算每条直线的长度，取其平均值作为茶梗的判断依据；获得茶叶的两条边，在茶叶上取若干对点，计算平均宽度，当宽度小于设定阈值时可以判定为茶梗。采用本发明，达到茶叶自动筛选的目的，大幅度减少人工成本，提高工作时间和工作效率。
Description
技术领域
本发明涉及茶叶生产技术领域，尤其涉及一种多特征图像识别技术的茶叶识别方法。
背景技术
我国是生产茶叶最多的国家，茶叶生产过程中还存在一些问题。主要体现在劳动效率低、自动化程度低和茶叶标准化低。劳动效率低反应在茶叶的加工。茶叶加工包括采摘、运输、分拣和制作，这些工序都需要大量的茶农。虽然我国从事茶叶的茶农人数比较多，但是很大一部分人不是专业的茶农，而国外的茶农都是受雇于农场主并且经过专业的培训。自动化程度低反应在茶叶生产过程中人为干预过多。茶叶生产的绝大部分步骤都需要茶农的干预才能完成。可见对人的依赖太大，一旦人工紧缺，就会影响茶叶的产量和质量。
以潮州凤凰茶为例，目前已经被推广至全国各地，并影响深远。而茶叶加工速度比较慢，由工人手工进行茶叶筛选的问题，一直影响着茶行业生产效率的提升。熟练工人可以通过眼睛迅速地识别和分类凤凰茶叶的杂质及茶品优劣，但是计算机对茶叶图像进行分类和识别时，过程就会比较复杂，而且很难控制。市面上常见的茶叶筛选设备是色选机，主要是依靠判断茶叶的颜色来区分茶叶的好坏，判断条件单一，筛选率不高，经调研发现，为了提高茶叶的筛选效果还需要筛选还几次。色选机的筛选机构主要是采用喷射高压气体的方式将茶叶分离，容易对茶叶造成二次伤害，增加茶叶的茶渣比例，对与高端的茶叶，无形是一种很大的浪费。
发明内容
本发明实施例所要解决的技术问题在于，提供一种多特征图像识别技术的茶叶识别方法。可使用机器视觉，自动化实现茶叶质量识别，以利于自动筛选。
为了解决上述技术问题，本发明实施例提供了一种多特征图像识别技术的茶叶识别方法，包括以下步骤：
S1：将图像进行滤波处理；
S2：对图像进行色选处理，根据面积比例识别出茶叶的质量种类；
S3：将滤波后的图像进行二值化处理；
S4：对二值化后的图像进行骨骼化处理，获取茶叶的两个端点，从一个端点开始沿着茶叶两边的轮廓分别步进，直到到达另一端点为止，两边每进一步就两边用直线连接起来，计算每条直线的长度，取其平均值作为茶梗的判断依据；
S5：获得茶叶的两条边，在茶叶上取若干对点，计算平均宽度，当宽度小于设定阈值时可以判定为茶梗。
其中，所述S2还包括：计算茶叶的总面积以及计算黄色区域面积，计算黄色面积占整体面积的比例，根据面积比例识别出茶叶的质量种类。
其中，所述S4还包括步骤：使用Zhang-Suen细化算法快速并行对茶叶的二值图像进行细化得到茶叶的骨架，取骨骼化后的一个端点， 然后找到一个与这个端点距离最远的端点作为首端点，以此端点来提取骨架的两个距离长度最长的端点，提取距离长度最长的端点算法，通过在广度优先搜索算法修改来实现；从一个端点开始沿着茶叶两边的轮廓分别步进，直到到达另一端点为止，两边每进一步就两边用直线连接起来，计算每条直线的长度，取其平均值作为茶梗的判断依据。
其中，所述S1还包括步骤：将摄像头获取的一张图像分为四个通道，把每一个通道当成一张图像处理。
其中，所述S1还包括茶叶识别触发的方法：提取每帧图像的中间区域的一个矩形区域，识别该区域内图像的轮廓，并计算轮廓所围成的面积，当面积超过设定的阈值时，判定当前图像中存在待识别的茶叶，并对此图像进行处理。
实施本发明实施例，具有如下有益效果：本发明通过图像识别方法，达到茶叶自动筛选的目的，大幅度减少人工成本，提高工作时间和工作效率，利用图像识别技术提取茶叶的多特征数据，调用不同的分类标准对茶叶品质进行判断，结合机械部件对茶叶进行筛选，使用多特征多分类器的方法，提取不同质量的茶叶特征数据，从而提高识别的准确度。
附图说明
图1是本发明整体的流程示意图；
图2是色选算法的流程示意图；
图3是形状筛选算法流程图；
图4是骨架图及骨骼端点提取的示意图；
图5是四通道图像识别示意图；
图6是提取图像中间的区域并计算有效图像面积的示意图。
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，下面将结合附图对本发明作进一步地详细描述。
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，所举实例只用于解释本发明，并非用于限定本发明的范围。在下列段落中参照附图以举例方式更具体地描述本发明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术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。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。
在本发明实施例中，对不同质量的茶叶半成品样本分析，得出没有筛选的茶叶特点，如表1所示。对不同质量的茶叶选取了一部分的样本进行分析汇总在表1中。
表1 不同质量的茶叶特点
| 茶叶质量种类 | 特点 |
| 高质量茶叶 | 颜色偏黑、色泽均匀、粗细适中（普遍中间大，两头细），有些会有分支 |
| 茶梗 | 本体较细，长度较长 |
| 大茶叶 | 尺寸偏大，颜色偏黄 |
在同一图像采集环境下，对茶叶样品进行图像收集，分析对比后得出不用质量的茶叶数据图像特征数据，比较数据如表2所示
表2 不同质量的茶叶比较表
在颜色上，高质量茶叶与茶梗的颜色都是偏黑，只有大茶叶的颜色是偏黄；在宽度上，大茶叶和好茶叶都比较宽（>140px），茶梗比较窄（
）。因此可以根据以上的特点别不同质量的茶叶。
如图1所示，
步骤1：图像的滤波处理
将摄像机获得的图像转换为RGB图像后，对这张图像进行滤波已方便后面操作处理。所谓图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制。选用滤波算法需要根据具体的环境而具体分析，这里选用的是高斯滤波。
步骤2：图像的二值化处理
为了给后续操作做准备，需要对图像进行二值化。图像的二值化是把一张灰度图像的每个像素点按给定的阈值变化为最亮与最暗（0与1）是整张图像出现明显的黑白效果。图像的二值化为后续的工作奠定了重要基础。
步骤3：色选算法实现步骤
如图2所示通过以下步骤进行：
步骤1：计算茶叶的总面积；
步骤2：另一部分是计算黄色区域面积；
步骤3：最后计算黄色面积占整体面积的比例；
可以根据最后得出的面积比例识别出茶叶是不是偏黄。
步骤4：形状筛选算法步骤
如图3所示。
首先将初始化处理的图像进行骨骼化，利用骨骼化后的图像找到茶叶的两个端点，再求出茶叶的两条边，最后取10对点计算出平均宽度。通过茶叶宽度就可以筛选出不同质。
步骤41：骨骼化
骨骼化就是将图像进行细化处理，骨架可以看作是图像的中轴，比如圆的骨架是圆心。细化的效果会直接影响后期的图像处理过程，所以这一步非常关键。
为了提取茶叶首尾两个端点，对茶叶的二值图像进行细化，细化后可以得到茶叶的骨架。因为得到的骨架会出现许多小分叉，导致出现多个端点。因此取距离长度最长的两个端点为茶叶的首位端点。这里采用Zhang-Suen快速并行细化算法。通过以上的算法就可以将茶叶骨骼化。
步骤42：寻找茶叶两个端点
首先取骨骼化后的一个端点， 然后找到一个与这个端点距离最远的端点作为首端点，最后再找到距离首端点距离最远的端点作为尾端点。为了确定茶叶两个端点，可先提取骨架得端点，再通过骨架的端点进而确定茶叶端点。骨架端点的确定其实可以通过Zhang-Suen快速并行细化算法的来确定。
提取到骨架的一个端点后，还需要以此端点来提取骨架的两个距离长度最长的端点，提取距离长度最长的端点算法，通过在广度优先搜索算法修改来实现。
通过以上算法，可以得到所需要得骨架首尾端点，效果如图4所示。
提取了茶叶的首尾两个端点，从一个端点开始沿着茶叶两边的轮廓分别步进，直到到达另一端点为止。两边每进一步就两边用直线连接起来。计算每条直线的长度，取其平均值作为茶梗的判断依据。
步骤43：求出茶叶两条边
利用迪杰斯特拉最短算法可以求出茶叶的两条边。这个算法是最短路径算法，主要用于计算两个节点之间的最短路。原理是通过遍历所有路径，用一个数组记录到达终点的最短路径，在遍历中不断判和更替。
步骤44：取10对点计算平均宽度
利用茶叶的两条边，在茶叶上取10对点（一个点是茶叶左边的点，另一个点是对应茶叶右边的点）， 然后计算平均宽度，根据这个宽度就可以识别出茶叶的质量。在取得茶叶首尾两个端点后，需要从一个端点得轮廓两边开始向另一个端点步进遍历到另一端点。并在步进的过程中不断的测量宽度。
在两边轮廓个取了10个点，并测量了这10 对点的距离与其平均值。这10对点并不是取每个步进点，而是取每个步进点左右一个邻域里的一对点，这对点是在这个邻域内距离长度最小的一对。实践表明，通过这种操作能使测量到的茶叶宽度更加精确。有了茶叶宽度后就可以判断茶叶是为茶梗，当宽度小于一定阈值时可以判定为茶梗。
在步骤1前，还包括图像分割多通道识别方法与茶叶识别触发方法。
图像分割多通道识别方法
如图5所示，将摄像头获取的一张图像分为四个通道，把每一个通道当成一张图像处理，这样可以简化茶叶分拣的机械结构设计的复杂度，以及提高机械结构的分拣速度。
在目前机械化智能化的时代，人工分拣方法因其效率低下将会逐步被机器所代替，而像茶叶色选机这种高效率但精准不高的方法也将逐步被改进。目前这种分拣的方法已经可以准确分拣过熟的大茶叶，茶梗，好茶叶。但由于是单根逐条识别，分拣，导致其效率不是很高。不过这种缺陷可以通过多个摄像头多条通道解决，这样可以在同一时刻快速识别分拣多条茶叶，从而大大提高分拣速率。
茶叶识别触发方法
如图6所示，在实际的操作中，由于摄像头采集的信息是连续多帧，没必要对摄像头的每一帧图片进行处理，只有当图像中存在待识别的茶叶时才对此帧图像进行处理，所以增加一个判别机制。在这判别机制中提取每帧图像的中间区域的一个矩形区域，识别该区域内图像的轮廓，并计算轮廓所围成的面积，当面积超过设定的阈值时，判定当前图像中存在待识别的茶叶，并对此图像进行处理。
以上所述，仅为本发明的较佳实施例而已，并非对本发明作任何形式上的限制；凡本行业的普通技术人员均可按说明书附图所示和以上所述而顺畅地实施本发明；但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内，利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等，均仍属于本发明的技术方案的保护范围之内。
Claims (5)
1.一种多特征图像识别技术的茶叶识别方法，其特征在于，包括以下步骤：
S1：将图像进行滤波处理；
S2：对图像进行色选处理，根据面积比例识别出茶叶的质量种类；
S3：将滤波后的图像进行二值化处理；
S4：对二值化后的图像进行骨骼化处理，获取茶叶的两个端点，从一个端点开始沿着茶叶两边的轮廓分别步进，直到到达另一端点为止，两边每进一步就两边用直线连接起来，计算每条直线的长度，取其平均值作为茶梗的判断依据；
S5：获得茶叶的两条边，在茶叶上取若干对点，计算平均宽度，当宽度小于设定阈值时可以判定为茶梗。
2.根据权利要求1所述的多特征图像识别技术的茶叶识别方法，其特征在于，所述S2还包括：计算茶叶的总面积以及计算黄色区域面积，计算黄色面积占整体面积的比例，根据面积比例识别出茶叶的质量种类。
3.根据权利要求2所述的多特征图像识别技术的茶叶识别方法，其特征在于，所述S4还包括步骤：使用Zhang-Suen细化算法快速并行对茶叶的二值图像进行细化得到茶叶的骨架，取骨骼化后的一个端点， 然后找到一个与这个端点距离最远的端点作为首端点，以此端点来提取骨架的两个距离长度最长的端点，提取距离长度最长的端点算法，通过在广度优先搜索算法修改来实现；从一个端点开始沿着茶叶两边的轮廓分别步进，直到到达另一端点为止，两边每进一步就两边用直线连接起来，计算每条直线的长度，取其平均值作为茶梗的判断依据。
4.根据权利要求1-3任一项所述的多特征图像识别技术的茶叶识别方法，其特征在于，所述S1还包括步骤：将摄像头获取的一张图像分为四个通道，把每一个通道当成一张图像处理。
5.根据权利要求4所述的多特征图像识别技术的茶叶识别方法，其特征在于，所述S1还包括茶叶识别触发的方法：提取每帧图像的中间区域的一个矩形区域，识别该区域内图像的轮廓，并计算轮廓所围成的面积，当面积超过设定的阈值时，判定当前图像中存在待识别的茶叶，并对此图像进行处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210448557.6A CN114985283B (zh) | 2022-04-27 | 2022-04-27 | 一种多特征图像识别技术的茶叶识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210448557.6A CN114985283B (zh) | 2022-04-27 | 2022-04-27 | 一种多特征图像识别技术的茶叶识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114985283A true CN114985283A (zh) | 2022-09-02 |
| CN114985283B CN114985283B (zh) | 2024-03-29 |
Family
ID=83024623
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210448557.6A Active CN114985283B (zh) | 2022-04-27 | 2022-04-27 | 一种多特征图像识别技术的茶叶识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114985283B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117788395A (zh) * | 2023-12-15 | 2024-03-29 | 南京林业大学 | 基于图像的马尾松苗木根系表型参数提取系统和方法 |
| CN118096746A (zh) * | 2024-04-24 | 2024-05-28 | 陕西仙喜辣木茯茶有限公司 | 用于辣木茯茶生产工艺中的抖筛质量检测方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521564A (zh) * | 2011-11-22 | 2012-06-27 | 常熟市董浜镇华进电器厂 | 基于颜色和形状识别茶叶的方法 |
| CN103150741A (zh) * | 2012-11-30 | 2013-06-12 | 常州大学 | 一种快速骨骼化二值数字图像中图形的方法 |
| CN103632148A (zh) * | 2013-12-13 | 2014-03-12 | 湖南大学 | 长叶柄轴对称植物叶片中轴及其长度的图像检测方法 |
| CN104331702A (zh) * | 2014-11-03 | 2015-02-04 | 黄辉 | 基于图像识别的茶叶鲜叶分叉数量识别方法 |
| KR102053890B1 (ko) * | 2019-03-19 | 2019-12-09 | (주)아이티에프 | PCM 기반 양자화를 이용한 X-Ray 영상 기반 장폐색 검출방법 |
| CN112330663A (zh) * | 2020-11-25 | 2021-02-05 | 中国烟草总公司郑州烟草研究院 | 一种基于变径圆的计算机视觉烟丝宽度检测方法 |
| CN114004866A (zh) * | 2022-01-04 | 2022-02-01 | 天津大学四川创新研究院 | 一种基于图像相似度差异的蚊虫识别系统与方法 |
| CN114305321A (zh) * | 2022-03-15 | 2022-04-12 | 汕头大学·香港中文大学联合汕头国际眼科中心 | 一种测量视网膜血管壁厚度的方法及系统 |
-
2022
- 2022-04-27 CN CN202210448557.6A patent/CN114985283B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521564A (zh) * | 2011-11-22 | 2012-06-27 | 常熟市董浜镇华进电器厂 | 基于颜色和形状识别茶叶的方法 |
| CN103150741A (zh) * | 2012-11-30 | 2013-06-12 | 常州大学 | 一种快速骨骼化二值数字图像中图形的方法 |
| CN103632148A (zh) * | 2013-12-13 | 2014-03-12 | 湖南大学 | 长叶柄轴对称植物叶片中轴及其长度的图像检测方法 |
| CN104331702A (zh) * | 2014-11-03 | 2015-02-04 | 黄辉 | 基于图像识别的茶叶鲜叶分叉数量识别方法 |
| KR102053890B1 (ko) * | 2019-03-19 | 2019-12-09 | (주)아이티에프 | PCM 기반 양자화를 이용한 X-Ray 영상 기반 장폐색 검출방법 |
| CN112330663A (zh) * | 2020-11-25 | 2021-02-05 | 中国烟草总公司郑州烟草研究院 | 一种基于变径圆的计算机视觉烟丝宽度检测方法 |
| CN114004866A (zh) * | 2022-01-04 | 2022-02-01 | 天津大学四川创新研究院 | 一种基于图像相似度差异的蚊虫识别系统与方法 |
| CN114305321A (zh) * | 2022-03-15 | 2022-04-12 | 汕头大学·香港中文大学联合汕头国际眼科中心 | 一种测量视网膜血管壁厚度的方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 刘振宇;白冰;胡深明;单晶心;: "基于广度优先搜索算法计算视网膜血管弯曲度和长度", 当代医学, no. 01, 5 January 2015 (2015-01-05), pages 7 - 9 * |
| 高攀;钱宇珊;王佩玲;吕新;: "棉田复杂背景下棉花叶片分割方法", 新疆农业科学, no. 12, 15 December 2018 (2018-12-15), pages 138 - 145 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117788395A (zh) * | 2023-12-15 | 2024-03-29 | 南京林业大学 | 基于图像的马尾松苗木根系表型参数提取系统和方法 |
| CN118096746A (zh) * | 2024-04-24 | 2024-05-28 | 陕西仙喜辣木茯茶有限公司 | 用于辣木茯茶生产工艺中的抖筛质量检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114985283B (zh) | 2024-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sahu et al. | Defect identification and maturity detection of mango fruits using image analysis | |
| CN114757900B (zh) | 基于人工智能的纺织品缺陷类型识别方法 | |
| CN114985283B (zh) | 一种多特征图像识别技术的茶叶识别方法 | |
| AU2020103260A4 (en) | Rice blast grading system and method | |
| CN115018838B (zh) | 用于被氧化钢管材料表面麻点瑕疵的识别方法 | |
| CN107220649A (zh) | 一种素色布匹缺陷检测和分类方法 | |
| CN101944231A (zh) | 小麦穗部形态参数提取方法 | |
| CN109886277B (zh) | 一种基于轮廓分析的茶鲜叶识别方法 | |
| CN107610104A (zh) | 一种基于机器视觉的电梯补偿链r处裂纹检测方法 | |
| CN115457037B (zh) | 一种用于阿胶制品生产的原材料质检方法 | |
| CN111160451A (zh) | 一种柔性材料检测方法及其储存介质 | |
| CN113674226A (zh) | 一种基于深度学习的采茶机茶叶芽尖检测方法 | |
| CN109871900A (zh) | 一种基于图像处理的复杂背景下苹果的识别定位方法 | |
| CN112560941A (zh) | 基于图像检测的煤矸识别方法 | |
| CN113129281B (zh) | 一种基于深度学习的小麦茎秆截面参数检测方法 | |
| Militante | Fruit grading of garcinia binucao (Batuan) using image processing | |
| Arlimatti | Window based method for automatic classification of apple fruit | |
| CN112529838A (zh) | 一种基于图像处理技术的烟叶成熟度在线判别方法 | |
| CN101770645A (zh) | 高分辨率棉花异性纤维彩色图像的快速分割方法与系统 | |
| CN107256549A (zh) | 一种基于机器视觉的竹条缺陷检测方法 | |
| CN115035110A (zh) | 依据凹点切割及链码跟踪的纱线毛羽定量检测方法 | |
| Mohamed et al. | Development of a real-time machine vision prototype to detect external defects in some agricultural products | |
| CN118053154A (zh) | 平菇生长监测方法、装置、电子设备及存储介质 | |
| CN110874835A (zh) | 作物叶部病害抗性鉴定方法、系统、电子设备及存储介质 | |
| CN113723314A (zh) | 一种基于YOLOv3算法的甘蔗茎节识别方法 |
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 |