CN116740473B - 一种基于机器视觉的渔获物自动分拣方法及系统 - Google Patents
一种基于机器视觉的渔获物自动分拣方法及系统 Download PDFInfo
- Publication number
- CN116740473B CN116740473B CN202311002620.4A CN202311002620A CN116740473B CN 116740473 B CN116740473 B CN 116740473B CN 202311002620 A CN202311002620 A CN 202311002620A CN 116740473 B CN116740473 B CN 116740473B
- Authority
- CN
- China
- Prior art keywords
- information
- fishery
- fish
- sorting
- fish catch
- 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
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 196
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims description 132
- 230000007547 defect Effects 0.000 claims description 53
- 238000000605 extraction Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000013441 quality evaluation Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000003709 image segmentation Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 241000251778 Squalus acanthias Species 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000013468 resource allocation Methods 0.000 claims description 3
- 230000033001 locomotion Effects 0.000 description 12
- 238000003860 storage Methods 0.000 description 7
- 230000036760 body temperature Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 210000005252 bulbus oculi Anatomy 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000037081 physical activity Effects 0.000 description 2
- 238000010224 classification analysis Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
-
- 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
- B07C5/16—Sorting according to weight
- B07C5/28—Sorting according to weight using electrical control means
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
Abstract
本发明公开了一种基于机器视觉的渔获物自动分拣方法及系统,包括:获取渔获物个体重量信息,根据所述渔获物个体重量信息进行初步分类;获取初步分类后的渔获物图像信息,根据所述渔获物图像信息进行渔获物类别分析,根据渔获物类别信息对渔获物进行再分类;获取再分类后的渔获物红外传感信息和再分类后的渔获物图像信息,对渔获物进行生命特征分析;获取进行生命特征分类后的渔获物外观图像信息,根据所述渔获物外观图像信息进行渔获物外观状态分析和质量等级评估。提高了渔获物分拣的效率性和准确性,同时进行渔获物质量等级评估,更精确的进行渔获物分拣。
Description
技术领域
本发明涉及图像识别技术领域和机器视觉技术领域,尤其涉及一种基于机器视觉的渔获物自动分拣方法及系统。
背景技术
传统的渔获物分拣方法通常依赖于人工操作,存在着效率低下、分类不准确、劳动强度大等问题。随着机器视觉和自动化技术的发展,图像识别和机器学习成为渔获物分拣领域的重要技术手段。这些技术可以实现对渔获物的自动识别、分类和分拣,提高了分拣效率和准确性,减少了人工操作的需求。
然而,目前现有技术仍然存在一些局限性。一方面,分类模型的准确性和适应性需要进一步提高,以应对不同类型和尺寸的渔获物。另一方面,系统的实时性和稳定性也是需要关注的问题,特别是在高速分拣和大规模应用的场景中。因此如何解决现有的局限性问题,同时具备高效、准确、灵活和可靠的特点是一个重要问题。
发明内容
本发明克服了现有技术的缺陷,提供了一种基于机器视觉的渔获物自动分拣方法及系统,其重要目的在于提高渔获物自动分拣的准确率和灵活性,同时进行渔获物质量等级评估,更精确的进行渔获物分拣。
为实现上述目的本发明第一方面提供了一种基于机器视觉的渔获物自动分拣方法,包括:
获取渔获物个体重量信息,根据所述渔获物个体重量信息进行初步分类;
获取初步分类后的渔获物图像信息,根据所述渔获物图像信息进行渔获物类别分析,根据渔获物类别信息对渔获物进行再分类;
获取再分类后的渔获物红外传感信息和再分类后的渔获物图像信息,对渔获物进行生命特征分析;
获取进行生命特征分类后的渔获物外观图像信息,根据所述渔获物外观图像信息进行渔获物外观状态分析和质量等级评估。
本方案中,所述获取渔获物个体重量信息,根据所述渔获物个体重量信息进行初步分类,具体为:
预设四个重量等级分别:极轻、轻、中等、重,分别为各重量等级设定不同的判断阈值;
获取渔获物个体重量信息,将所述渔获物个体重量信息与判断阈值进行判断,得到判断结果信息;
根据判断结果信息生成第一分拣指令信息,通过所述第一分拣指令信息对渔获物进行初步分类。
本方案中,所述获取初步分类后的渔获物图像信息,根据所述渔获物图像信息进行渔获物类别分析,具体为:
获取初步分类后的渔获物图像信息,建立类别分析模型;
基于大数据检索获取各类别渔获物特征信息训练数据集,通过所述训练数据集对所述类别分析模型进行训练,得到符合期望的类别分析模型;
将所述渔获物图像信息导入类别分析模型进行类别分析,得到类别分析输出值;
将所述类别分析输出值与预设阈值进行判断,根据判断结果得到渔获物类别信息;
根据所述渔获物类别信息生成第二分拣指令信息,通过所述第二分拣指令信息对渔获物进行再分类。
本方案中,所述将所述渔获物图像信息导入类别分析模型进行类别分析,还包括:
对所述渔获物图像信息进行灰度化处理,得到灰度化渔获物图像信息;
采用中值滤波对所述灰度化渔获物图像信息进行进行去噪处理,对进行去噪处理后的灰度化渔获物图像信息进行二值化处理,得到二值化渔获物图像信息;
预设分割阈值,通过所述分割阈值对二值化渔获物图像信息进行图像分割,得到渔获物图像分割信息;
对所述渔获物图像分割信息进行特征提取,得到渔获物图像特征信息;
将所述渔获物图像特征信息导入类别分析模型进行类别分析。
本方案中,所述获取再分类后的渔获物红外传感信息和再分类后的渔获物图像信息,对渔获物进行生命特征分析,具体为:
获取再分类后的渔获物红外传感信息和再分类后的渔获物图像信息;
基于大数据检索获取各类别渔获物的生命特征数据,根据所述各类别渔获物的生命特征数据构成对比数据集;
对所述再分类后的渔获物图像信息进行特征提取,得到生命特征信息;
根据所述生命特征信息结合对比数据集进行分析计算,得到第一分析结果信息;
将所述再分类后的渔获物红外传感信息与预设阈值进行判断分析,得到第二分析结果信息;
对所述第一分析结果信息和所述第二分析结果信息进行综合分析判断,得到渔获物生命特征分析结果信息;
根据渔获物生命特征分析结果信息生成第三分拣指令信息,通过所述第三分拣指令信息对渔获物进行生命特征分类。
本方案中,所述根据所述渔获物外观图像信息进行渔获物外观状态分析和质量等级评估,具体为:
获取进行生命特征分类后的渔获物外观图像信息,对所述渔获物外观图像信息进行灰度化处理,得到灰度化外观图像信息;
对所述灰度化外观图像信息进行边缘轮廓特征提取和缺陷特征提取,得到边缘轮廓特征信息和缺陷特征信息;
根据边缘轮廓特征信息计算渔获物个体面积,得到渔获物个体面积信息;
根据缺陷特征信息计算渔获物个体缺陷面积,得到渔获物个体缺陷面积信息;
通过所述渔获物个体面积信息和渔获物个体缺陷面积信息进行渔获物外观状态分析,得到渔获物外观缺陷程度结果信息;
预设多个渔获物外观质量等级,分别为各渔获物外观质量等级预设对应的质量等级判断阈值;
将所述渔获物外观缺陷程度结果信息与质量等级判断阈值进行判断,得到渔获物外观质量评估信息;
基于所述渔获物外观缺陷程度结果信息和所述渔获物外观质量评估信息生成第四分拣指令信息,通过所述第四分拣指令信息对渔获物进行外观分类。
本发明第二方面提供了一种基于机器视觉的渔获物自动分拣系统,该系统包括:存储器、处理器,所述存储器中包含基于机器视觉的渔获物自动分拣方法程序,所述基于机器视觉的渔获物自动分拣方法程序被所述处理器执行时实现如下步骤:
获取渔获物个体重量信息,根据所述渔获物个体重量信息进行初步分类;
获取初步分类后的渔获物图像信息,根据所述渔获物图像信息进行渔获物类别分析,根据渔获物类别信息对渔获物进行再分类;
获取再分类后的渔获物红外传感信息和再分类后的渔获物图像信息,对渔获物进行生命特征分析;
获取进行生命特征分类后的渔获物外观图像信息,根据所述渔获物外观图像信息进行渔获物外观状态分析和质量等级评估。
本发明公开了一种基于机器视觉的渔获物自动分拣方法及系统,包括:获取渔获物个体重量信息,根据所述渔获物个体重量信息进行初步分类;获取初步分类后的渔获物图像信息,根据所述渔获物图像信息进行渔获物类别分析,根据渔获物类别信息对渔获物进行再分类;获取再分类后的渔获物红外传感信息和再分类后的渔获物图像信息,对渔获物进行生命特征分析;获取进行生命特征分类后的渔获物外观图像信息,根据所述渔获物外观图像信息进行渔获物外观状态分析和质量等级评估。提高了渔获物分拣的效率性和准确性,同时进行渔获物质量等级评估,更精确的进行渔获物分拣。
附图说明
为了更清楚地说明本发明实施例或示例性中的技术方案,下面将对实施例或示例性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,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以按照这些附图示出的获得其他的附图。
图1为本发明一实施例提供的一种基于机器视觉的渔获物自动分拣方法流程图;
图2为本发明一实施例提供的一种基于机器视觉的渔获物自动分拣方法的数据处理流程图;
图3为本发明一实施例提供的一种基于机器视觉的渔获物自动分拣系统框图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1为本发明一实施例提供的一种基于机器视觉的渔获物自动分拣方法流程图;
如图1所示,本发明提供了一种基于机器视觉的渔获物自动分拣方法流程图,包括:
S102,获取渔获物个体重量信息,根据所述渔获物个体重量信息进行初步分类;
预设四个重量等级分别:极轻、轻、中等、重,分别为各重量等级设定不同的判断阈值;
获取渔获物个体重量信息,将所述渔获物个体重量信息与判断阈值进行判断,得到判断结果信息;
根据判断结果信息生成第一分拣指令信息信息,通过所述第一分拣指令信息对渔获物进行初步分类。
需要说明的是,通过对渔获物的重量进行判断识别,会渔获物继进行初步分类,筛除不符合捕捞规格或者售卖规格的渔获物。保护了生态平衡,同时维护渔业资源持续发展。
S104,获取初步分类后的渔获物图像信息,根据所述渔获物图像信息进行渔获物类别分析,根据渔获物类别信息对渔获物进行再分类;
获取初步分类后的渔获物图像信息,建立类别分析模型;
基于大数据检索获取各类别渔获物特征信息训练数据集,通过所述训练数据集对所述类别分析模型进行训练,得到符合期望的类别分析模型;
将所述渔获物图像信息导入类别分析模型进行类别分析,得到类别分析输出值;
将所述类别分析输出值与预设阈值进行判断,根据判断结果得到渔获物类别信息;
根据所述渔获物类别信息生成第二分拣指令信息,通过所述第二分拣指令信息对渔获物进行再分类。
进一步的,所述将所述渔获物图像信息导入类别分析模型进行类别分析,还包括:对所述渔获物图像信息进行灰度化处理,得到灰度化渔获物图像信息;采用中值滤波对所述灰度化渔获物图像信息进行进行去噪处理,对进行去噪处理后的灰度化渔获物图像信息进行二值化处理,得到二值化渔获物图像信息;预设分割阈值,通过所述分割阈值对二值化渔获物图像信息进行图像分割,得到渔获物图像分割信息;对所述渔获物图像分割信息进行特征提取,得到渔获物图像特征信息;将所述渔获物图像特征信息导入类别分析模型进行类别分析。
进一步的,基于大数据检索获取禁止捕捞或售卖的各种类渔获物信息,构成对比数据集;获取渔获物类别信息,通过所述渔获物类别信息的得到目标渔获物的种类信息;根据目标渔获物种类信息判断目标渔获物是否为异物;若目标渔获物为异物,则对目标渔获物进行标记跟踪,生成拦截分拣指令;若目标渔获物不为异物,则将目标渔获物种类信息与对比数据集进行识别判断,判断是否为违禁渔获物,得到违禁渔获物判断结果信息;根据违禁渔获物判断结果信息判断是否生成紧急分拣指令信息,将违禁渔获物进行隔离,并生成预警信息进行提示。
需要说明的是,通过对渔获物的类别进行识别判断,分辨渔获物的种类,根据渔获物的种类进行分拣,同时识别违禁渔获物,对识别的违禁渔获物进行隔离分拣,保持违禁渔获物的存活状态,并生成预警信息提示工作人员立即处理未经渔获物,将其放生。本发明在精确识别渔获物种类的同时识别违禁渔获物并进行预警提示,提高了渔获物分拣的准确性,保护了生态平衡,同时维护渔业资源持续发展。
S106,获取再分类后的渔获物红外传感信息和再分类后的渔获物图像信息,对渔获物进行生命特征分析;
获取再分类后的渔获物红外传感信息和再分类后的渔获物图像信息;
基于大数据检索获取各类别渔获物的生命特征数据,根据所述各类别渔获物的生命特征数据构成对比数据集;
对所述再分类后的渔获物图像信息进行特征提取,得到生命特征信息;
根据所述生命特征信息结合对比数据集进行分析计算,得到第一分析结果信息;
将所述再分类后的渔获物红外传感信息与预设阈值进行判断分析,得到第二分析结果信息;
对所述第一分析结果信息和所述第二分析结果信息进行综合分析判断,得到渔获物生命特征分析结果信息;
根据渔获物生命特征分析结果信息生成第三分拣指令信息,通过所述第三分拣指令信息对渔获物进行生命特征分类。
需要说明的是,所述生命特征信息包括渔获物的运动特征和体态特征,运动特征包括渔获物鱼鳃运动特征和渔获物躯体运动特征,体态特征包括鱼鳃颜色和眼球颜色;预设截取时间,根据截取时间对再分类后的渔获物图像信息进行目标截取,对截取后的图像信息进行运动分析,分析单位时间内渔获物的运动频率和运动行为,得到运动分析结果信息,运动分析结果信息包括鱼鳃活动分析信息、渔获物躯体活动特征;将体态特征与对比数据集进行相似度计算,获取相似度值,与预设阈值进行判断,得到体态分析结果信息;将所述运动分析结果信息和体态分析结果信息作为第一分析结果信息,用于分析渔获物的生命特征;通过鳃盖的运动和频率,判断是否正常呼吸,通过渔获物的躯体活动特征,判断是否存在运动行为,通过鱼鳃颜色和眼球颜色判断渔获物是否含有正常体态。
需要说明的是,渔获物红外传感信息是通过红外线传感器设备采集渔获物的体温信息,通过与正常渔获物体温数据进行对比,得到第一分析结果信息;再分类后的渔获物图像信息用于提取渔获物的生理特征图像信息,通过结合正常渔获物的生理特征进行判断分析,得到第二分析结果信息;最后结合第一分析结果信息和第二分析结果信息判断目标渔获物的生命特征。通过多数据融合判断渔获物的生命特征,提高了渔获物分类的准确性,同时进一步的将不同的渔获物区分,便于后续定价处理和包装处理。
S108,获取进行生命特征分类后的渔获物外观图像信息,根据所述渔获物外观图像信息进行渔获物外观状态分析和质量等级评估。
获取进行生命特征分类后的渔获物外观图像信息,对所述渔获物外观图像信息进行灰度化处理,得到灰度化外观图像信息;
对所述灰度化外观图像信息进行边缘轮廓特征提取和缺陷特征提取,得到边缘轮廓特征信息和缺陷特征信息;
根据边缘轮廓特征信息计算渔获物个体面积,得到渔获物个体面积信息;
根据缺陷特征信息计算渔获物个体缺陷面积,得到渔获物个体缺陷面积信息;
通过所述渔获物个体面积信息和渔获物个体缺陷面积信息进行渔获物外观状态分析,得到渔获物外观缺陷程度结果信息;
预设多个渔获物外观质量等级,分别为各渔获物外观质量等级预设对应的质量等级判断阈值;
将所述渔获物外观缺陷程度结果信息与质量等级判断阈值进行判断,得到渔获物外观质量评估信息;
基于所述渔获物外观缺陷程度结果信息和所述渔获物外观质量评估信息生成第四分拣指令信息,通过所述第四分拣指令信息对渔获物进行外观分类。
进一步,获取目标渔获物生命特征分析结果信息、目标渔获物外观缺陷程度结果信息和目标渔获物外观质量评估信息;基于大数据检索获取不同类别渔获物不同外观状态和生命特征的价格信息,构成渔获物价格评估数据集;将所述目标渔获物生命特征分析结果信息与所述渔获物价格评估数据集进行匹配分析,得到第一价格分析结果信息;将所述目标渔获物外观缺陷程度结果信息与所述渔获物价格评估数据集进行匹配分析,得到第二价格分析结果信息;将所述目标渔获物外观质量评估信息与所述渔获物价格评估数据集进行匹配分析,得到第三价格分析结果信息;结合所述第一价格分析结果信息、第二价格分析结果信息和第三价格分析结果信息进行目标渔获物价格评估,得到目标渔获物价格评估信息;根据目标渔获物价格评估信息生成价格评估报告,并标记至对应渔获物,便于更好的定价。
需要说明的是,通过对渔获物进行外观状态分析,同时基于渔获物缺陷程度分析结果信息进行渔获物质量等级评估,进一步的对渔获物进行详细且精确的划分;进一步的通过分析所得的渔获物外观缺陷程度结果信息和渔获物外观质量评估信息与目标渔获物生命特征分析结果信息对目标渔获物市场价格的评估,并标记至对应渔获物,便于更好的定价。提高了渔获物分拣的精确性,同时进行渔获物价格评估,便于更好的对渔获物进行处理和分类,提高了渔获物的管理效率。
图2为本发明一实施例提供的一种基于机器视觉的渔获物自动分拣方法的数据处理流程图;
如图2所示,本发明提供了一种基于机器视觉的渔获物自动分拣方法的数据处理流程图,包括:
S202,获取渔获物个体重量信息,根据所述渔获物个体重量信息进行初步分类,并生成第一分拣指令信息;
获取渔获物个体重量信息,将所述渔获物个体重量信息与判断阈值进行判断,得到判断结果信息,根据判断结果信息生成第一分拣指令信息信息。
S204,获取初步分类后的渔获物图像信息,进行类别分析,生成第二分拣指令信息;
将所述渔获物图像信息导入类别分析模型进行类别分析,得到类别分析输出值;
将所述类别分析输出值与预设阈值进行判断,根据判断结果得到渔获物类别信息,根据所述渔获物类别信息生成第二分拣指令信息。
进一步的,获取当前分拣批次的渔获物图像信息和渔获物类别信息,根据所述当前分拣批次的渔获物图像信息和渔获物类别信息分析计算各品种渔获物数量,得到各品种渔获物数量分析信息;通过所述各品种渔获物数量分析信息对各品种的渔获物进行排序,得到各品种渔获物数量排序表;结合所述各品种渔获物数量排序表根据渔获物数量对各品种渔获物进行分拣优先级评估,得到分拣优先级评估结果信息;根据所述分拣优先级评估结果信息对分拣设备进行资源分配计算,得到分拣设备分配信息;通过所述分拣设备分配信息生成分拣设备调控指令信息,根据分拣设备调控指令信息进行设备调控。
需要说明的是,通过对当前分拣批次的渔获物各品种数量进行分析计算,判断当前分拣批次中数量最多的渔获物品种,分配更多的分拣设备进行分拣,进一步的提高分拣资源的利用率,提高分拣效率,同时减少资源浪费。
S206,获取再分类后的渔获物红外传感信息和再分类后的渔获物图像信息,进行生命特征分析,生成第三分拣指令信息;
对所述再分类后的渔获物图像信息进行特征提取,得到生命特征信息;
根据所述生命特征信息结合对比数据集进行分析计算,得到第一分析结果信息;
将所述再分类后的渔获物红外传感信息与预设阈值进行判断分析,得到第二分析结果信息;
对所述第一分析结果信息和所述第二分析结果信息进行综合分析判断,得到渔获物生命特征分析结果信息;
根据渔获物生命特征分析结果信息生成第三分拣指令信息。
S208,获取进行生命特征分类后的渔获物外观图像信息,进行渔获物外观状态分析和质量等级评估,生成第四分拣指令信息;
对所述渔获物外观图像信息进行灰度化处理,得到灰度化外观图像信息;
对所述灰度化外观图像信息进行边缘轮廓特征提取和缺陷特征提取,得到边缘轮廓特征信息和缺陷特征信息;
根据边缘轮廓特征信息计算渔获物个体面积,得到渔获物个体面积信息;
根据缺陷特征信息计算渔获物个体缺陷面积,得到渔获物个体缺陷面积信息;
通过所述渔获物个体面积信息和渔获物个体缺陷面积信息进行渔获物外观状态分析,得到渔获物外观缺陷程度结果信息
将所述渔获物外观缺陷程度结果信息与质量等级判断阈值进行判断,得到渔获物外观质量评估信息;
基于所述渔获物外观缺陷程度结果信息和所述渔获物外观质量评估信息生成第四分拣指令信息。
需要说明的是,通过多种数据源和分析方法,实现了对渔获物的综合分拣。通过获取渔获物个体重量信息,可进行初步分类并生成第一分拣指令信息,提高了分拣效率。利用渔获物图像信息进行类别分析,可以准确判断渔获物的种类,生成第二分拣指令信息,提高了分类准确性。借助再分类后的渔获物红外传感信息和图像信息,进行生命特征分析,得到第三分拣指令信息,能够更加精准地判断渔获物的生命特征。通过对渔获物外观图像信息进行分析,包括边缘轮廓特征提取和缺陷特征提取,可进行渔获物外观状态分析和质量等级评估,并生成第四分拣指令信息。在渔获物分拣过程中结合了多种数据和分析手段,提高了分拣的准确性、效率和一致性,降低了人工操作的需求。
图3为本发明一实施例提供的一种基于机器视觉的渔获物自动分拣系统框图3,该系统包括:存储器31、处理器32,所述存储器31中包含基于机器视觉的渔获物自动分拣方法程序,所述基于机器视觉的渔获物自动分拣方法程序被所述处理器32执行时实现如下步骤:
获取渔获物个体重量信息,根据所述渔获物个体重量信息进行初步分类;
获取初步分类后的渔获物图像信息,根据所述渔获物图像信息进行渔获物类别分析,根据渔获物类别信息对渔获物进行再分类;
获取再分类后的渔获物红外传感信息和再分类后的渔获物图像信息,对渔获物进行生命特征分析;
获取进行生命特征分类后的渔获物外观图像信息,根据所述渔获物外观图像信息进行渔获物外观状态分析和质量等级评估。
本发明提供了一种基于机器视觉的渔获物自动分拣方法及系统,首先,根据渔获物个体重量信息进行初步分类,并生成第一分拣指令信息。其次,根据初步分类后的渔获物图像信息进行类别分析,得到渔获物类别信息,并生成第二分拣指令信息,对于渔获物进行再分类。然后,利用再分类后的渔获物红外传感信息和图像信息,进行生命特征分析。通将渔获物生命特征信息与对比数据集进行分析计算,得到第一分析结果信息。同时,将红外传感信息与预设阈值进行判断分析,得到第二分析结果信息。综合分析判断第一分析结果信息和第二分析结果信息,得到渔获物生命特征分析结果信息,并生成第三分拣指令信息。最后,根据通过进行生命特征分类后的渔获物外观图像信息,进行外观状态分析和质量等级评估。根据边缘轮廓特征信息、缺陷特征信息和预设的质量等级判断阈值,判断渔获物的外观缺陷程度同时进行渔获物外观质量评估,并生成第四分拣指令信息。提高了渔业生产的效益和竞争力,减少人工成本,提高生产效率,同时提高了渔获物分拣的准确性和效率性。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种基于机器视觉的渔获物自动分拣方法,其特征在于,包括:
获取渔获物个体重量信息,根据所述渔获物个体重量信息进行初步分类;
获取初步分类后的渔获物图像信息,根据所述渔获物图像信息进行渔获物类别分析,根据渔获物类别信息对渔获物进行再分类;
获取再分类后的渔获物红外传感信息和再分类后的渔获物图像信息,对渔获物进行生命特征分析;
获取进行生命特征分类后的渔获物外观图像信息,根据所述渔获物外观图像信息进行渔获物外观状态分析和质量等级评估;
所述获取再分类后的渔获物红外传感信息和再分类后的渔获物图像信息,对渔获物进行生命特征分析,具体包括:
获取再分类后的渔获物红外传感信息和再分类后的渔获物图像信息;
基于大数据检索获取各类别渔获物的生命特征数据,根据所述各类别渔获物的生命特征数据构成对比数据集;
对所述再分类后的渔获物图像信息进行特征提取,得到生命特征信息;
根据所述生命特征信息结合对比数据集进行分析计算,得到第一分析结果信息;
将所述再分类后的渔获物红外传感信息与预设阈值进行判断分析,得到第二分析结果信息;
对所述第一分析结果信息和所述第二分析结果信息进行综合分析判断,得到渔获物生命特征分析结果信息;
根据渔获物生命特征分析结果信息生成第三分拣指令信息,通过所述第三分拣指令信息对渔获物进行生命特征分类;
获取当前分拣批次的渔获物图像信息和渔获物类别信息,根据所述当前分拣批次的渔获物图像信息和渔获物类别信息分析计算各品种渔获物数量,得到各品种渔获物数量分析信息;通过所述各品种渔获物数量分析信息对各品种的渔获物进行排序,得到各品种渔获物数量排序表;结合所述各品种渔获物数量排序表根据渔获物数量对各品种渔获物进行分拣优先级评估,得到分拣优先级评估结果信息;根据所述分拣优先级评估结果信息对分拣设备进行资源分配计算,得到分拣设备分配信息;通过所述分拣设备分配信息生成分拣设备调控指令信息,根据分拣设备调控指令信息进行设备调控。
2.根据权利要求1所述的一种基于机器视觉的渔获物自动分拣方法,其特征在于,所述获取渔获物个体重量信息,根据所述渔获物个体重量信息进行初步分类,具体包括:
预设四个重量等级分别:极轻、轻、中等、重,分别为各重量等级设定不同的判断阈值;
获取渔获物个体重量信息,将所述渔获物个体重量信息与判断阈值进行判断,得到判断结果信息;
根据判断结果信息生成第一分拣指令信息,通过所述第一分拣指令信息对渔获物进行初步分类。
3.根据权利要求1所述的一种基于机器视觉的渔获物自动分拣方法,其特征在于,所述获取初步分类后的渔获物图像信息,根据所述渔获物图像信息进行渔获物类别分析,具体包括:
获取初步分类后的渔获物图像信息,建立类别分析模型;
基于大数据检索获取各类别渔获物特征信息训练数据集,通过所述训练数据集对所述类别分析模型进行训练,得到符合期望的类别分析模型;
将所述渔获物图像信息导入类别分析模型进行类别分析,得到类别分析输出值;
将所述类别分析输出值与预设阈值进行判断,根据判断结果得到渔获物类别信息;
根据所述渔获物类别信息生成第二分拣指令信息,通过所述第二分拣指令信息对渔获物进行再分类。
4.根据权利要求3所述的一种基于机器视觉的渔获物自动分拣方法,其特征在于,所述将所述渔获物图像信息导入类别分析模型进行类别分析,还包括:
对所述渔获物图像信息进行灰度化处理,得到灰度化渔获物图像信息;
采用中值滤波对所述灰度化渔获物图像信息进行去噪处理,对进行去噪处理后的灰度化渔获物图像信息进行二值化处理,得到二值化渔获物图像信息;
预设分割阈值,通过所述分割阈值对二值化渔获物图像信息进行图像分割,得到渔获物图像分割信息;
对所述渔获物图像分割信息进行特征提取,得到渔获物图像特征信息;
将所述渔获物图像特征信息导入类别分析模型进行类别分析。
5.根据权利要求1所述的一种基于机器视觉的渔获物自动分拣方法,其特征在于,所述根据所述渔获物外观图像信息进行渔获物外观状态分析和质量等级评估,具体包括:
获取进行生命特征分类后的渔获物外观图像信息,对所述渔获物外观图像信息进行灰度化处理,得到灰度化外观图像信息;
对所述灰度化外观图像信息进行边缘轮廓特征提取和缺陷特征提取,得到边缘轮廓特征信息和缺陷特征信息;
根据边缘轮廓特征信息计算渔获物个体面积,得到渔获物个体面积信息;
根据缺陷特征信息计算渔获物个体缺陷面积,得到渔获物个体缺陷面积信息;
通过所述渔获物个体面积信息和渔获物个体缺陷面积信息进行渔获物外观状态分析,得到渔获物外观缺陷程度结果信息;
预设多个渔获物外观质量等级,分别为各渔获物外观质量等级预设对应的质量等级判断阈值;
将所述渔获物外观缺陷程度结果信息与质量等级判断阈值进行判断,得到渔获物外观质量评估信息;
基于所述渔获物外观缺陷程度结果信息和所述渔获物外观质量评估信息生成第四分拣指令信息,通过所述第四分拣指令信息对渔获物进行外观分类。
6.一种基于机器视觉的渔获物自动分拣系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包含基于机器视觉的渔获物自动分拣方法程序,所述基于机器视觉的渔获物自动分拣方法程序被所述处理器执行时实现如下步骤:
获取渔获物个体重量信息,根据所述渔获物个体重量信息进行初步分类;
获取初步分类后的渔获物图像信息,根据所述渔获物图像信息进行渔获物类别分析,根据渔获物类别信息对渔获物进行再分类;
获取再分类后的渔获物红外传感信息和再分类后的渔获物图像信息,对渔获物进行生命特征分析;
获取进行生命特征分类后的渔获物外观图像信息,根据所述渔获物外观图像信息进行渔获物外观状态分析和质量等级评估;
所述获取再分类后的渔获物红外传感信息和再分类后的渔获物图像信息,对渔获物进行生命特征分析,具体包括:
获取再分类后的渔获物红外传感信息和再分类后的渔获物图像信息;
基于大数据检索获取各类别渔获物的生命特征数据,根据所述各类别渔获物的生命特征数据构成对比数据集;
对所述再分类后的渔获物图像信息进行特征提取,得到生命特征信息;
根据所述生命特征信息结合对比数据集进行分析计算,得到第一分析结果信息;
将所述再分类后的渔获物红外传感信息与预设阈值进行判断分析,得到第二分析结果信息;
对所述第一分析结果信息和所述第二分析结果信息进行综合分析判断,得到渔获物生命特征分析结果信息;
根据渔获物生命特征分析结果信息生成第三分拣指令信息,通过所述第三分拣指令信息对渔获物进行生命特征分类;
获取当前分拣批次的渔获物图像信息和渔获物类别信息,根据所述当前分拣批次的渔获物图像信息和渔获物类别信息分析计算各品种渔获物数量,得到各品种渔获物数量分析信息;通过所述各品种渔获物数量分析信息对各品种的渔获物进行排序,得到各品种渔获物数量排序表;结合所述各品种渔获物数量排序表根据渔获物数量对各品种渔获物进行分拣优先级评估,得到分拣优先级评估结果信息;根据所述分拣优先级评估结果信息对分拣设备进行资源分配计算,得到分拣设备分配信息;通过所述分拣设备分配信息生成分拣设备调控指令信息,根据分拣设备调控指令信息进行设备调控。
7.根据权利要求6所述的一种基于机器视觉的渔获物自动分拣系统,其特征在于,所述获取初步分类后的渔获物图像信息,根据所述渔获物图像信息进行渔获物类别分析,具体包括:
获取初步分类后的渔获物图像信息,建立类别分析模型;
基于大数据检索获取各类别渔获物特征信息训练数据集,通过所述训练数据集对所述类别分析模型进行训练,得到符合期望的类别分析模型;
将所述渔获物图像信息导入类别分析模型进行类别分析,得到类别分析输出值;
将所述类别分析输出值与预设阈值进行判断,根据判断结果得到渔获物类别信息;
根据所述渔获物类别信息生成第二分拣指令信息,通过所述第二分拣指令信息对渔获物进行再分类。
8.根据权利要求6所述的一种基于机器视觉的渔获物自动分拣系统,其特征在于,所述根据所述渔获物外观图像信息进行渔获物外观状态分析和质量等级评估,具体包括:
获取进行生命特征分类后的渔获物外观图像信息,对所述渔获物外观图像信息进行灰度化处理,得到灰度化外观图像信息;
对所述灰度化外观图像信息进行边缘轮廓特征提取和缺陷特征提取,得到边缘轮廓特征信息和缺陷特征信息;
根据边缘轮廓特征信息计算渔获物个体面积,得到渔获物个体面积信息;
根据缺陷特征信息计算渔获物个体缺陷面积,得到渔获物个体缺陷面积信息;
通过所述渔获物个体面积信息和渔获物个体缺陷面积信息进行渔获物外观状态分析,得到渔获物外观缺陷程度结果信息;
预设多个渔获物外观质量等级,分别为各渔获物外观质量等级预设对应的质量等级判断阈值;
将所述渔获物外观缺陷程度结果信息与质量等级判断阈值进行判断,得到渔获物外观质量评估信息;
基于所述渔获物外观缺陷程度结果信息和所述渔获物外观质量评估信息生成第四分拣指令信息,通过所述第四分拣指令信息对渔获物进行外观分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311002620.4A CN116740473B (zh) | 2023-08-10 | 2023-08-10 | 一种基于机器视觉的渔获物自动分拣方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311002620.4A CN116740473B (zh) | 2023-08-10 | 2023-08-10 | 一种基于机器视觉的渔获物自动分拣方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116740473A CN116740473A (zh) | 2023-09-12 |
CN116740473B true CN116740473B (zh) | 2024-01-09 |
Family
ID=87909917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311002620.4A Active CN116740473B (zh) | 2023-08-10 | 2023-08-10 | 一种基于机器视觉的渔获物自动分拣方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116740473B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180032488A (ko) * | 2016-09-22 | 2018-03-30 | 주식회사 아토즈소프트 | 이미지를 이용한 어류 종류 및 체장 측정 방법 |
CN108719424A (zh) * | 2018-06-04 | 2018-11-02 | 浙江海洋大学 | 一种基于机器视觉的水产品分类方法及系统 |
CN110110810A (zh) * | 2019-05-17 | 2019-08-09 | 北京禾泽方圆智能科技有限公司 | 一种鱿鱼质量等级识别分选方法 |
CN114677059A (zh) * | 2022-05-26 | 2022-06-28 | 水利部交通运输部国家能源局南京水利科学研究院 | 集成时空指标的反演降水产品精度综合评估方法及系统 |
CN115606623A (zh) * | 2022-09-28 | 2023-01-17 | 武汉轻工大学 | 基于机器视觉的小龙虾分拣装置 |
CN115739671A (zh) * | 2022-11-25 | 2023-03-07 | 中国水产科学研究院渔业工程研究所 | 一种渔获物分拣系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9367930B2 (en) * | 2010-08-31 | 2016-06-14 | University Of Massachusetts | Methods and systems for determining fish catches |
-
2023
- 2023-08-10 CN CN202311002620.4A patent/CN116740473B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180032488A (ko) * | 2016-09-22 | 2018-03-30 | 주식회사 아토즈소프트 | 이미지를 이용한 어류 종류 및 체장 측정 방법 |
CN108719424A (zh) * | 2018-06-04 | 2018-11-02 | 浙江海洋大学 | 一种基于机器视觉的水产品分类方法及系统 |
CN110110810A (zh) * | 2019-05-17 | 2019-08-09 | 北京禾泽方圆智能科技有限公司 | 一种鱿鱼质量等级识别分选方法 |
CN114677059A (zh) * | 2022-05-26 | 2022-06-28 | 水利部交通运输部国家能源局南京水利科学研究院 | 集成时空指标的反演降水产品精度综合评估方法及系统 |
CN115606623A (zh) * | 2022-09-28 | 2023-01-17 | 武汉轻工大学 | 基于机器视觉的小龙虾分拣装置 |
CN115739671A (zh) * | 2022-11-25 | 2023-03-07 | 中国水产科学研究院渔业工程研究所 | 一种渔获物分拣系统及方法 |
Non-Patent Citations (2)
Title |
---|
"基于深度学习的常见市场渔获检测分类算法研究";李克祥 等;《中国新技术新产品》(第10期);第19-21页 * |
"海产品智能分拣装备与系统设计";金宗毅 等;《食品与机械》;第75-79页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116740473A (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108765412B (zh) | 一种带钢表面缺陷分类方法 | |
CN110334706B (zh) | 一种图像目标识别方法及装置 | |
CN108562589B (zh) | 一种对磁路材料表面缺陷进行检测的方法 | |
Liming et al. | Automated strawberry grading system based on image processing | |
CN116188475B (zh) | 一种外观缺陷自动光学检测的智慧控制方法、系统及介质 | |
US11699224B2 (en) | Neural network training device, system and method | |
Jambhekar | Red blood cells classification using image processing | |
Mhaski et al. | Determination of ripeness and grading of tomato using image analysis on Raspberry Pi | |
CN103177266A (zh) | 储藏物害虫智能识别系统 | |
CN111161237A (zh) | 一种果蔬表面质检方法及其储存介质、分拣装置 | |
Pinto et al. | Image feature extraction via local binary patterns for marbling score classification in beef cattle using tree-based algorithms | |
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 | |
Pratap et al. | Development of Ann based efficient fruit recognition technique | |
CN116187718B (zh) | 基于计算机视觉的智慧货物识别分拣方法及系统 | |
CN116740473B (zh) | 一种基于机器视觉的渔获物自动分拣方法及系统 | |
Rotem et al. | Combining region and edge cues for image segmentation in a probabilistic gaussian mixture framework | |
Khandelwal et al. | Image Processing Based Quality Analyzer and Controller | |
Hiraoka et al. | Identification of Rhus succedanea L. cultivars using elliptic Fourier descriptors based on fruit shape | |
Yeh et al. | A reference standard of defect compensation for leather transactions | |
Sreekanth et al. | Fruit detection using improved K-means algorithm | |
CN112819527A (zh) | 一种用户分群处理方法及装置 | |
CN112800804A (zh) | 基于价签的缺货检测方法及装置 | |
Nasaruddin et al. | Watermelon maturity level based on rind colour as categorization features | |
CN117351537B (zh) | 一种基于深度学习的猕猴脸部智能识别方法及系统 | |
Doan et al. | A Novel Mango Grading System Based on Image Processing and Machine Learning Methods |
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 |