CN116758024B - 一种花生种子方向识别方法 - Google Patents
一种花生种子方向识别方法 Download PDFInfo
- Publication number
- CN116758024B CN116758024B CN202310696673.4A CN202310696673A CN116758024B CN 116758024 B CN116758024 B CN 116758024B CN 202310696673 A CN202310696673 A CN 202310696673A CN 116758024 B CN116758024 B CN 116758024B
- Authority
- CN
- China
- Prior art keywords
- interval
- target pixel
- image
- section
- peanut
- 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
- 235000017060 Arachis glabrata Nutrition 0.000 title claims abstract description 149
- 235000010777 Arachis hypogaea Nutrition 0.000 title claims abstract description 149
- 235000018262 Arachis monticola Nutrition 0.000 title claims abstract description 149
- 235000020232 peanut Nutrition 0.000 title claims abstract description 149
- 238000000034 method Methods 0.000 title claims abstract description 23
- 241001553178 Arachis glabrata Species 0.000 title claims abstract 33
- 238000012545 processing Methods 0.000 claims description 18
- 230000008030 elimination Effects 0.000 claims description 8
- 238000003379 elimination reaction Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 210000001161 mammalian embryo Anatomy 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 3
- 244000105624 Arachis hypogaea Species 0.000 description 116
- 238000004519 manufacturing process Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000013095 identification testing Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 240000002234 Allium sativum Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000002257 embryonic structure Anatomy 0.000 description 1
- 235000004611 garlic Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Pretreatment Of Seeds And Plants (AREA)
Abstract
本发明种子方向识别技术领域，特别涉及一种花生种子方向识别方法，本发明通过获得花生种子的二值化图像和凸包二值化图像，然后对两者进行差值处理，得到最终用于判断的二值化图像，根据最终二值化图像目标图像所在的区间及目标物像素数判断花生种子的朝向，方法简单有效，可快速识别花生种子方向，成本低、准确率高，适用于实际生产应用。
Description
技术领域
本发明属于种子方向识别技术领域，特别涉及一种花生种子方向识别方法。
背景技术
花生种子深加工领域具有广阔的发展空间，花生芽是花生种子深加工的其中一个产品，花生芽机械化生产时需要在输送带上识别花生种子的方向，然后将花生种子的胚朝下播种在种植盘内进行培育，因此在花生种子落进种植盘内之前，输送带上的花生种子存在两种方向，一种是花生种子方向与输送带前进方向相同，另一种是花生种子方向与输送带前进方向相反，种子方向与输送带前进方向相同的花生种子是可以播种进种植盘内的，而相反方向的花生种子需要从输送带上剔除出去，这就需要识别出输送带上的花生种子方向。种子方向识别目前存在多种技术，由于花生种子相对玉米种子、大蒜种子等形态不那么规则，因此用现有方法识别花生种子方向的准确率相对较低，难度也相对较大。目前也有一些研究采用机器视觉技术对花生种子方向进行识别，如基于四分法最小面积识别方法、基于花生种子胚芽夹角的尖锐程度方法等，但是这些方法存在一些缺陷，如识别准确率不高、处理速度慢等，还有一些通过人工神经网络模型进行计算、深度学习训练等方法进行种子方向识别，往往成本较高，需要大量的数据运算，速度慢，不适用于实际生产，实际生产中，识别准确率、识别成本均是影响生产的因素，因此，如何准确、低成本的识别花生种子的方向成为了花生种子深加工中的一个热门研究方向。
发明内容
本发明要解决的问题是克服背景技术的不足，提供一种花生种子方向识别方法。
本发明是通过以下技术方案来实现的：
一种花生种子方向识别方法，包括以下步骤：
（一）采集花生种子图像；
（二）对采集的花生种子图像进行预处理，所述预处理包括灰度化处理、二值化处理，得到初步二值化图像；
（三）对初步二值化图像进行杂点消除处理、边界干扰消除处理，获得中间二值化图像；对中间二值化图像提取凸包二值化图像；对中间二值化图像和凸包二值化图像均做最小外接矩形操作，中间二值化图像和凸包二值化图像具有相同的最小外接矩形区域，然后将凸包二值化图像与中间二值化图像做差值处理，得到最终二值化图像；
（四）将做了最小外接矩形操作的中间二值化图像均分为四个区间，左上为区间1、左下为区间2、右下为区间3、右上为区间4，然后根据最终二值化图像中目标图像位于的区间范围判断花生种子方向：
如果最终二值化图像中目标图像位于区间3和区间4，则判断花生种子方向朝右；
如果最终二值化图像中目标图像位于区间1和区间2，则判断花生种子方向朝左；
如果最终二值化图像中目标图像位于区间2和区间3，则对比区间2目标物像素数和区间3目标物像素数大小，如区间2目标物像素数大于区间3目标物像素数，则花生种子方向朝左，如区间2目标物像素数小于区间3目标物像素数，则花生种子方向朝右；
如果最终二值化图像中目标图像位于区间2和区间4，则对比区间2目标物像素数和区间4目标物像素数大小，如区间2目标物像素数大于区间4目标物像素数，则花生种子方向朝左，如区间2目标物像素数小于区间4目标物像素数，则花生种子方向朝右；
如果最终二值化图像中目标图像位于区间1和区间3，则对比区间1目标物像素数和区间3目标物像素数大小，如区间1目标物像素数大于区间3目标物像素数，则花生种子方向朝左，如区间1目标物像素数小于区间3目标物像素数，则花生种子方向朝右；
如果最终二值化图像中目标图像位于区间1和区间4，则对比区间1目标物像素数和区间4目标物像素数大小，如区间1目标物像素数大于区间4目标物像素数，则花生种子方向朝左，如区间1目标物像素数小于区间4目标物像素数，则花生种子方向朝右；
如果最终二值化图像中目标图像位于区间1或区间2，则花生种子方向朝左；
如果最终二值化图像中目标图像位于区间3或区间4，则花生种子方向朝右；
如果最终二值化图像中目标图像位于三个区间或四个区间，则对比区间1和区间2目标物像素数总和与区间3和区间4目标物像素数总和大小，如区间1和区间2的目标物像素数总和大于区间3和区间4的目标物像素数总和，则花生种子方向朝左；如区间1和区间2的目标物像素数总和小于区间3和区间4的目标物像素数总和，则花生种子方向朝右。
作为优选方案：
所述步骤（一）中，使用工业相机采集花生种子图像。
所述步骤（一）中，采集花生种子图像时，花生种子的光照和背景保持一致。
本发明的花生种子方向识别方法，不同于现有的种子方向识别方法，本发明根据花生种子本身的形态特性，提出了一种简单易行的适用于花生种子的特殊识别方法，成本低、准确率高、识别速度快，适于在实际生产中运用，通过本发明的识别方法对花生芽生产输送带上的花生种子进行方向识别，可降低生产成本，提高识别准确率，增加花生芽的产量，应用性强，适于普遍推广。
附图说明
图1为本实施例中间二值化图像四区间划分示意图；
图2为举例1的花生种子中间二值化图像；
图3为举例1的花生种子最终二值化图像；
图4为举例2的花生种子中间二值化图像；
图5为举例2的花生种子最终二值化图像；
图6为举例3的花生种子中间二值化图像；
图7为举例3的花生种子最终二值化图像；
图8为举例4的花生种子中间二值化图像；
图9为举例4的花生种子最终二值化图像；
图10为举例5的花生种子中间二值化图像；
图11为举例5的花生种子最终二值化图像；
图12为举例6的花生种子中间二值化图像；
图13为举例6的花生种子最终二值化图像。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，本领域技术人员在没有作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。
在介绍本实施例之前，首先需要说明的是花生芽生产时，花生种子在输送带上传输时被调整为只有两种朝向，一种是花生种子方向与输送带传输方向相同，另一种是花生种子方向与输送带传输方向相反，播种时需要的是与输送带传输方向相同的花生种子，这样的花生种子在下落时才会胚朝下落入种植盘内，因此通过识别输送带上传输的花生种子方向，可以将不符合朝向要求的花生种子在落入种植盘之前从输送带上剔除掉。这里所说的花生种子方向指的是胚所在的一端，即花生种子的尖部，为便于说明，本发明将花生种子方向分为朝左和朝右两个方向，即花生种子胚部朝左和胚部朝右。
本实施例的花生种子方向识别方法，包括以下步骤：
步骤一：采集花生种子图像
花生种子图像可以通过数码相机或工业相机进行采集，本实施例优选通过工业相机对输送带上的花生种子进行图像采集，采集时，需保证花生种子的光照和背景环境的一致性，以便后续处理。
步骤二：图像预处理
对步骤一采集的花生种子图像进行预处理，预处理包括灰度化处理、二值化处理等操作，得到初步二值化图像。其中，灰度化处理可以将采集的花生种子彩色图像转换为灰度图像，简化后续处理；二值化处理可以将灰度图像转换为黑白图像，方便进行形态学处理。
步骤三：获得最终二值化图像
对步骤二的初步二值化图像进行杂点消除、边界干扰消除等操作，获得中间二值化图像，边界干扰消除和杂点消除可以去除图像中的噪声点和边界干扰部分，提高图像的质量；对中间二值化图像提取凸包二值化图像，凸包就是将最外层的点连接起来构成的凸多边形，目前有多种方式可以找到轮廓的凸包，这里不再赘述；对中间二值化图像和凸包二值化图像均做最小外接矩形操作，获得最小能够包括图像轮廓的矩形中间二值化图像，中间二值化图像和凸包二值化图像的最小外接矩形相同，即中间二值化图像和凸包二值化图像具有相同最小外接矩形区域，然后将凸包二值化图像与中间二值化图像做差值处理，得到最终二值化图像，根据最终二值化图像特征来提取花生种子方向特征，从而确定花生种子方向。
步骤四：均分区间，进行判断
将做了最小外接矩形操作的中间二值化图像均分为四个区间，划分如下：左上为区间1、左下为区间2、右上为区间4、右下为区间3，如附图1所示，为便于理解，本实施例附图1中采用十字线辅助显示均分的中间二值化图像各个区间。
根据步骤三获得的最终二值化图像中目标图像位于的区间范围判断花生种子方向，同样为了便于对方案的理解，本实施例对最终二值化图像也采用十字线辅助显示其各个区间，十字线也是将最终二值化图像均分为四个区间。根据最终二值化图像中目标图像位于的区间范围判断花生种子方向，判断方法如下：
如果最终二值化图像中目标图像位于区间3和区间4，则判断花生种子方向朝右；
如果最终二值化图像中目标图像位于区间1和区间2，则判断花生种子方向朝左；
如果最终二值化图像中目标图像位于区间2和区间3，则对比区间2目标物像素数和区间3目标物像素数大小，如区间2目标物像素数大于区间3目标物像素数，则花生种子方向朝左，如区间2目标物像素数小于区间3目标物像素数，则花生种子方向朝右；
如果最终二值化图像中目标图像位于区间2和区间4，则对比区间2目标物像素数和区间4目标物像素数大小，如区间2目标物像素数大于区间4目标物像素数，则花生种子方向朝左，如区间2目标物像素数小于区间4目标物像素数，则花生种子方向朝右；
如果最终二值化图像中目标图像位于区间1和区间3，则对比区间1目标物像素数和区间3目标物像素数大小，如区间1目标物像素数大于区间3目标物像素数，则花生种子方向朝左，如区间1目标物像素数小于区间3目标物像素数，则花生种子方向朝右；
如果最终二值化图像中目标图像位于区间1和区间4，则对比区间1目标物像素数和区间4目标物像素数大小，如区间1目标物像素数大于区间4目标物像素数，则花生种子方向朝左，如区间1目标物像素数小于区间4目标物像素数，则花生种子方向朝右；
如果最终二值化图像中目标图像位于区间1或区间2，则花生种子方向朝左；
如果最终二值化图像中目标图像位于区间3或区间4，则花生种子方向朝右；
如果最终二值化图像中目标图像位于三个区间或四个区间，则对比区间1和区间2目标物像素数总和与区间3和区间4目标物像素数总和大小，如区间1和区间2的目标物像素数总和大于区间3和区间4的目标物像素数总和，则花生种子方向朝左；如区间1和区间2的目标物像素数总和小于区间3和区间4的目标物像素数总和，则花生种子方向朝右。
下面举例说明本发明方法的运用，需要说明的是为了使做了最小外接矩形的中间二值化图像与说明书附图背景白色区分开来，举例中均在中间二值化图像外周画了矩形黑色线框，实际运算中没有此矩形黑色线框，仅是对中间二值化图像做了最小外接矩形的操作，获得最小能够包括图像轮廓的矩形中间二值化图像。
举例1：如附图2和3所示，其中附图2为试验的其中一粒花生种子的中间二值化图像，附图3为其最终二值化图像。这类花生种子尖部特征明显，种子其他部分平整光滑，无凹进或无其他凸出部分，从附图3中可以看出，其最终二值化图像目标图像落在区间3和区间4内，因此可以判断此粒花生种子方向朝右。
举例2：如附图4和附图5所示，同样是一粒尖部特征明显、其他部分平整光滑、无凹进或无其他凸出部分的花生种子，从附图5中可以看出，其最终二值化图像目标图像落在区间1和区间2内，因此可以判断此粒花生种子方向朝左。
举例3：如附图6和附图7所示，从附图7中可以看出，其最终二值化图像目标图像落在区间2和区间3内，这时需要进一步比较区间2内的目标物像素数与区间3内的目标物像素数大小，经过比较得知，区间2内的目标物像素数大于区间3内的目标物像素数大小，因此可以判断此粒花生种子方向朝左。
举例4：如附图8和附图9所示，从附图9中可以看出，其最终二值化图像目标图像落在区间2和区间4内，这时需要进一步比较区间2内的目标物像素数与区间4内的目标物像素数大小，经过比较得知，区间2内的目标物像素数大于区间4内的目标物像素数大小，因此可以判断此粒花生种子方向朝左。
举例5：如附图10和附图11所示，是最终二值化图像目标图像落在单一区间内的情况，从附图11中可以看出，其最终二值化图像目标图像仅落在区间1内，因此可以判断此粒花生种子方向朝左。
举例6：如附图12和附图13所示，是最终二值化图像目标图像落在三个区间的情况，从附图13中可以看出，其最终二值化图像目标图像落在了区间1、区间2和区间4内，这时需要进一步比较区间1和区间2的目标物像素数总和与区间4的目标物像素数总和两者之间的大小，经过比较得知，区间1和区间2的目标物像素数总和大于区间4的目标物像素数总和，因此可以判断此粒花生种子方向朝左。
利用本发明的花生种子方向识别方法在生产的输送带上对常见的花生种子进行方向识别试验，分别对椭圆形花生种子、三角形花生种子、桃形花生种子、圆锥形花生种子、圆柱形花生种子五种常见的花生种子品种进行识别测试试验，每一个品种的花生种子均识别10000粒，识别准确率均在98%以上，识别速度10粒/秒，完全满足了生产需求，且本发明的方法简单，运算少、速度快，成本低，准确率高，实用性强，适于投入实际生产中。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；本领域的普通技术人员应当理解：其依然可以对上述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (3)
1.一种花生种子方向识别方法，包括以下步骤：
（一）采集花生种子图像；花生芽生产时，花生种子在输送带上传输时被调整为只有两种朝向，将花生种子方向分为朝左和朝右两个方向，花生种子胚部朝左为花生种子方向朝左，花生种子胚部朝右为花生种子方向朝右；
（二）对采集的花生种子图像进行预处理，所述预处理包括灰度化处理、二值化处理，得到初步二值化图像；
（三）对初步二值化图像进行杂点消除处理、边界干扰消除处理，获得中间二值化图像；对中间二值化图像提取凸包二值化图像；对中间二值化图像和凸包二值化图像均做最小外接矩形操作，然后将凸包二值化图像与中间二值化图像做差值处理，得到最终二值化图像；
（四）将做了最小外接矩形操作的中间二值化图像均分为四个区间，左上为区间1、左下为区间2、右下为区间3、右上为区间4，然后根据最终二值化图像中目标图像位于的区间范围判断花生种子方向：
如果最终二值化图像中目标图像位于区间3和区间4，则判断花生种子方向朝右；
如果最终二值化图像中目标图像位于区间1和区间2，则判断花生种子方向朝左；
如果最终二值化图像中目标图像位于区间2和区间3，则对比区间2目标物像素数和区间3目标物像素数大小，如区间2目标物像素数大于区间3目标物像素数，则花生种子方向朝左，如区间2目标物像素数小于区间3目标物像素数，则花生种子方向朝右；
如果最终二值化图像中目标图像位于区间2和区间4，则对比区间2目标物像素数和区间4目标物像素数大小，如区间2目标物像素数大于区间4目标物像素数，则花生种子方向朝左，如区间2目标物像素数小于区间4目标物像素数，则花生种子方向朝右；
如果最终二值化图像中目标图像位于区间1和区间3，则对比区间1目标物像素数和区间3目标物像素数大小，如区间1目标物像素数大于区间3目标物像素数，则花生种子方向朝左，如区间1目标物像素数小于区间3目标物像素数，则花生种子方向朝右；
如果最终二值化图像中目标图像位于区间1和区间4，则对比区间1目标物像素数和区间4目标物像素数大小，如区间1目标物像素数大于区间4目标物像素数，则花生种子方向朝左，如区间1目标物像素数小于区间4目标物像素数，则花生种子方向朝右；
如果最终二值化图像中目标图像位于区间1或区间2，则花生种子方向朝左；
如果最终二值化图像中目标图像位于区间3或区间4，则花生种子方向朝右；
如果最终二值化图像中目标图像位于三个区间或四个区间，则对比区间1和区间2目标物像素数总和与区间3和区间4目标物像素数总和大小，如区间1和区间2的目标物像素数总和大于区间3和区间4的目标物像素数总和，则花生种子方向朝左；如区间1和区间2的目标物像素数总和小于区间3和区间4的目标物像素数总和，则花生种子方向朝右。
2.根据权利要求1所述的花生种子方向识别方法，其特征在于：所述步骤（一）中，使用工业相机采集花生种子图像。
3.根据权利要求1所述的花生种子方向识别方法，其特征在于：所述步骤（一）中，采集花生种子图像时，花生种子的光照和背景保持一致。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310696673.4A CN116758024B (zh) | 2023-06-13 | 2023-06-13 | 一种花生种子方向识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310696673.4A CN116758024B (zh) | 2023-06-13 | 2023-06-13 | 一种花生种子方向识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116758024A CN116758024A (zh) | 2023-09-15 |
| CN116758024B true CN116758024B (zh) | 2024-02-23 |
Family
ID=87950814
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310696673.4A Active CN116758024B (zh) | 2023-06-13 | 2023-06-13 | 一种花生种子方向识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116758024B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104021574A (zh) * | 2014-07-04 | 2014-09-03 | 武汉武大卓越科技有限责任公司 | 路面病害自动识别方法 |
| CN104392240A (zh) * | 2014-10-28 | 2015-03-04 | 中国疾病预防控制中心寄生虫病预防控制所 | 一种基于多特征融合的寄生虫虫卵识别方法 |
| CN105917818A (zh) * | 2016-05-11 | 2016-09-07 | 珠海南方集成电路设计服务中心 | 一种通过图像采集实现种子方向识别的方法及装置 |
| JP2019113439A (ja) * | 2017-12-25 | 2019-07-11 | 国立大学法人北見工業大学 | 種の方向認識装置及び認識方法、並びに種植機 |
| CN110334706A (zh) * | 2017-06-30 | 2019-10-15 | 清华大学深圳研究生院 | 一种图像目标识别方法及装置 |
| CN113111796A (zh) * | 2021-04-19 | 2021-07-13 | 山东仕达思生物产业有限公司 | 一种芽生孢子的自动细化标注类别的检测识别方法 |
| CN113435407A (zh) * | 2021-07-20 | 2021-09-24 | 广东电网有限责任公司 | 一种输电系统的小目标识别方法及装置 |
| CN113780037A (zh) * | 2020-06-10 | 2021-12-10 | 中兴通讯股份有限公司 | 指示灯识别方法和装置、电子设备、计算机可读存储介质 |
| CN115240059A (zh) * | 2022-07-13 | 2022-10-25 | 江苏海洋大学 | 一种基于改进pso-svm的前视声呐目标识别方法 |
| CN115953352A (zh) * | 2022-11-03 | 2023-04-11 | 青岛农业大学 | 基于网络模型的花生种子精选评估与分级方法 |
| CN116071562A (zh) * | 2023-02-07 | 2023-05-05 | 江汉大学 | 一种植物种子识别方法、装置、电子设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107388960B (zh) * | 2016-05-16 | 2019-10-22 | 杭州海康机器人技术有限公司 | 一种确定物体体积的方法及装置 |
-
2023
- 2023-06-13 CN CN202310696673.4A patent/CN116758024B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104021574A (zh) * | 2014-07-04 | 2014-09-03 | 武汉武大卓越科技有限责任公司 | 路面病害自动识别方法 |
| CN104392240A (zh) * | 2014-10-28 | 2015-03-04 | 中国疾病预防控制中心寄生虫病预防控制所 | 一种基于多特征融合的寄生虫虫卵识别方法 |
| CN105917818A (zh) * | 2016-05-11 | 2016-09-07 | 珠海南方集成电路设计服务中心 | 一种通过图像采集实现种子方向识别的方法及装置 |
| CN110334706A (zh) * | 2017-06-30 | 2019-10-15 | 清华大学深圳研究生院 | 一种图像目标识别方法及装置 |
| JP2019113439A (ja) * | 2017-12-25 | 2019-07-11 | 国立大学法人北見工業大学 | 種の方向認識装置及び認識方法、並びに種植機 |
| CN113780037A (zh) * | 2020-06-10 | 2021-12-10 | 中兴通讯股份有限公司 | 指示灯识别方法和装置、电子设备、计算机可读存储介质 |
| CN113111796A (zh) * | 2021-04-19 | 2021-07-13 | 山东仕达思生物产业有限公司 | 一种芽生孢子的自动细化标注类别的检测识别方法 |
| CN113435407A (zh) * | 2021-07-20 | 2021-09-24 | 广东电网有限责任公司 | 一种输电系统的小目标识别方法及装置 |
| CN115240059A (zh) * | 2022-07-13 | 2022-10-25 | 江苏海洋大学 | 一种基于改进pso-svm的前视声呐目标识别方法 |
| CN115953352A (zh) * | 2022-11-03 | 2023-04-11 | 青岛农业大学 | 基于网络模型的花生种子精选评估与分级方法 |
| CN116071562A (zh) * | 2023-02-07 | 2023-05-05 | 江汉大学 | 一种植物种子识别方法、装置、电子设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| Direction identification of garlic seeds based on image processing;Yang QingMing 等;Acta Agriculturae Zhejiangensis;全文 * |
| 复杂背景下边缘提取与目标识别方法研究;林玉池;崔彦平;黄银国;;光学精密工程(第03期);全文 * |
| 育种用玉米种子切片取样自动定向方法与试验;李广伟;谷侃锋;赵明扬;;农业工程学报(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116758024A (zh) | 2023-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106295789B (zh) | 一种基于图像处理的作物种子计数方法 | |
| CN109255757B (zh) | 一种机器视觉自然放置葡萄串果梗区域分割方法 | |
| CN109447945B (zh) | 基于机器视觉和图形处理的小麦基本苗快速计数方法 | |
| CN108960011B (zh) | 部分遮挡的柑橘果实图像识别方法 | |
| CN109800619B (zh) | 成熟期柑橘果实图像识别方法 | |
| CN108596891A (zh) | 一种面向多种类混合蚕茧的计数方法 | |
| CN108416814B (zh) | 一种菠萝头部的快速定位与识别方法及系统 | |
| CN115205319B (zh) | 用于选种过程中的种子特征提取及分类方法 | |
| CN108038838A (zh) | 一种棉麻纤维种类自动检测方法和系统 | |
| 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 | |
| CN117252882B (zh) | 一种气缸盖质量检测方法及系统 | |
| CN108109133A (zh) | 一种基于数字图像处理技术的蚕卵自动计数方法 | |
| CN115861721B (zh) | 基于图像数据的畜禽养殖喷雾设备状态识别方法 | |
| CN110929787B (zh) | 一种基于图像的苹果客观定级系统 | |
| CN111291686A (zh) | 农作物根果表型参数的提取与根果表型判别方法及系统 | |
| CN111753903B (zh) | 一种基于叶脉拓扑特征的大豆品种识别方法 | |
| CN116758024B (zh) | 一种花生种子方向识别方法 | |
| CN114550167B (zh) | 一种基于人工智能的梨的品质分类方法及装置 | |
| CN113791078B (zh) | 一种玉米种子内部裂纹批量检测方法及装置 | |
| CN113610187B (zh) | 基于图像技术的木材纹理提取及分类方法 | |
| CN104881652A (zh) | 一种基于玉米穗凸性特征的行数自动检测算法 | |
| CN110633720A (zh) | 一种玉米病害识别方法 | |
| CN116523910B (zh) | 基于图像数据的核桃成熟度智能检测方法 | |
| CN112784769B (zh) | 一种基于树莓派和机器视觉的双黄蛋在线识别系统和方法 | |
| CN115147429B (zh) | 用于光学玻璃预制件的条纹检测方法 |
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 |