CN1940555A - 一种农产品内外品质检测方法及装置 - Google Patents
一种农产品内外品质检测方法及装置 Download PDFInfo
- Publication number
- CN1940555A CN1940555A CN 200610086153 CN200610086153A CN1940555A CN 1940555 A CN1940555 A CN 1940555A CN 200610086153 CN200610086153 CN 200610086153 CN 200610086153 A CN200610086153 A CN 200610086153A CN 1940555 A CN1940555 A CN 1940555A
- Authority
- CN
- China
- Prior art keywords
- image
- agricultural product
- ray
- quality
- fruit
- 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.)
- Pending
Links
Images
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明涉及一种针对农产品品质的在线无损检测方法和装置,本发明所述检测装置包括硬件装置和软件系统两部分,硬件装置由物料输送装置、软X射线发射和检测装置、彩色图像采集装置、计算机系统4个功能模块的装置组成;软件系统主要包括:设备控制、设备标定、样本数据库、图像采集和处理、模式识别等模块。其利用软X射线图像技术、彩色图像采集系统分别采集反映水果内部水心、虫害和腐烂等特征的X射线图像和外部特征信息;再利用检测软件进行图像预处理,然后进行特征提取和模式识别。本发明可以同时检测农产品的内部品质和外部质量,克服了目前检测手段无法检测内部品质的瓶颈;根据不同应用场合的产量要求,可以实现多通道在线检测。
Description
技术领域
本发明涉及一种针对农产品品质的在线无损检测方法,特指一种利用软x射线和彩色图像技术融合的农产品内外品质检测方法及其装置。
背景技术
农产品的无损检测是在不破坏物料物理性质和化学性质等前提下,利用物料本身具有的光、电和密度等特性,获取检测对象的品质信息,进而进行农产品品质检测。它具有检测速度快、操作方便和易实现在线检测的优点。农产品的品质包括外部品质和内部品质,但目前研究的无损检测方法主要集中在农产品的外部品质上,内部品质检测涉及很少,且无法实现在线检测,如电子鼻技术检测农产品的内部品质,它不仅需要一个密闭的空间,传感器的还原也需要一定的时间,只能用于抽样检测。
X射线由于其穿透性强,能根据对象物内部的组织结构产生不同穿透率,因此可以据此得到对象物内部影像。目前在各个领域都有广泛应用,如医疗上应用的X光片、CT扫描,海关、机场等使用的行李包裹检验机。在食品行业,X射线已开始应用于危害物质的检测。这是基于异物与对象物对X射线吸收有差异的原理。在食品加工过程中,食品内可能会混入异物,如金属、塑料、碎骨、玻璃和石头等,通常无法通过外观检查发现异物的存在。经检索有关中国专利,申请号为:01132587.9、01132552.6的“X射线异物检查装置”专利,能对物料中存在的异物进行检测;申请号为:02136377.3的“水果品质实时检测和分级机器人系统”专利,是利用彩色图像技术识别水果的外部品质,并实现在线分级。上述专利分别从物料的内部和外部两个侧面进行异物检查或质量评价。申请号为:200410013836.1的“基于电子视觉和嗅觉融合技术的农畜产品无损检测方法及其装置”专利,通过视觉和嗅觉的技术融合检测物料的内部和外部质量,但由于电子鼻技术无法在开放的空间进行,因此该技术很难实现在线检测,另外电子鼻技术无法检测不产生挥发性气体的农产品质量。
发明内容
鉴于现有技术存在的不足,本发明的目的是提供一种既可以检测对象外部质量又可以检测内部质量的在线检测方法和装置,实现对农产品质量的快速、无损检测。
本发明所述农产品内外品质检测装置由两部分组成:硬件装置和软件系统。
硬件装置由4个功能模块的装置组成:物料输送装置、软X射线发射和检测装置、彩色图像采集装置、计算机系统。
1)物料输送装置:完成物料的传输,并实现和其它部件的速度匹配,其包括安装在装置台架下面的步进电机及速度控制器,安装在装置台架上部的皮带轮,以及在装置台架的右侧安装的输送带张紧轮。整个装置的运动由步进电机及速度控制器控制输出动力和速度,皮带将动力传送给皮带轮,皮带轮转动时和包裹在皮带轮上的输送带产生摩擦力,牵引输送带运动,为防止输送带和皮带轮产生相对运动,安装的输送带张紧轮,可以通过水平调节输送带张紧轮,松弛或张紧输送带,防止打滑。在输送物料过程中,设置输送带传输速度的目的是和X射线检测器的积分时间相匹配,这样检测器扫描得到的物料内部透射图像不会失真。
2)软X射线发射和检测装置:用于实现软X射线的发生和物料内部透射图像信息的获取。该装置包括摆放在装置台架下部的X射线功率控制器,安装在输送带的背面、防护罩内下部的X射线检测器,以及安放在装置台架下部给检测器供电的电源。通过X射线功率控制器,控制X射线发射管的管电压和管电流,不同的检测对象,其厚度和密度不同,可调整软X射线的管电压和电流,控制X射线的输出能量,获得清晰图像。当检测的物料通过X射线检测器时,物料吸收部分射线,其它射线则穿过物料被检测器接收,由此可以得到物料内部品质信息。得到的数字信号通过电缆传送到X射线图像采集卡和计算机。为防止X射线泄漏造成危害,整个装置用铅板做的防护罩包裹,使辐射泄漏量符合安全标准。
3)彩色图像采集装置:用于获取物料外部的品质信息。在光源箱的顶部安装了彩色CCD摄像头及镜头,并用标准光源提供照明。采集得到物料的彩色信号,通过电缆传送到彩色图像采集卡及计算机,可以提取对象物的颜色、大小、形状等表面特征,从而判定物料的外部质量。
4)计算机系统:用于实现信号采集和转换,运行自主开发的识别软件,输出检测结果。
软件系统主要包括:设备控制、设备标定、样本数据库、图像采集和处理、模式识别等模块。
1)设备控制模块:通过软件触发控制图像采集时间,通过调整检测器的积分时间,实现输送带速度和图像采集速度的匹配,得到不失真的图像。
2)设备标定模块:根据在X射线成像过程中,影响成像质量的主要因素:X射线管电压、管点流和积分时间,建立了图像象素灰度值与相关参数之间的数学模型,可以对比实测值和预测值之间的差异,进一步提高图像质量、突出特征。彩色图像采集部分同样要进行灰度不均匀校正和颜色校正,目的是保证不同时间采集图像的采集条件基本一致。
3)样本数据库模块:根据相关农产品的特点建立厚度和图像灰度的同归模型,并建立厚度模型数据库。建立厚度模型后,可以根据厚度校正图像,同时也可以根据图像灰度值预测物料厚度。为了能检测各种农产品,需要建立针对不同农产品品质特征的样本数据库。在模式识别时,可以根据不同品种的农产品进行检测。另外,不同农产品有相应的质量品质指标,还要根据相应农产品的特点,结合国家分级标准,建立相关质量指标数据库。
4)图像采集和处理模块:完成软X射线图像、彩色图像的采集。采集得到的软X射线图像,需进行图像灰度值的校正,消除暗场图像偏差和像元不均匀性影响;采集得到的彩色图像,需进行颜色校正,保证采集信号的一致性。在此基础上,对两者采集得到的图像进行规范化处理,得到尺寸一致的图像;而后对图像进行增强、滤波等降噪处理,提高信噪比;最后进行区域分割、边缘提取等处理,去除图像中的背景信息。
5)模式识别模块:对得到的图像进行特征提取,获取农产品的形状特征、大小特征、颜色特征以及内部质量和外部损伤等特征,并以量化形式描述;而后在特征层或决策层进行数据融合,建立判别模式;最后根据判别模式进行质量评价。
本发明所述的农产品内外品质检测方法的技术方案为:
(1)针对具体检测对象,利用彩色图像采集系统获取反映水果色泽、形状和大小等外部品质的彩色图像信息;利用软X射线图像技术采集能够反映水果内部水心、虫害和腐烂等特征的X射线图像信息。
(2)按常规检测手段进行水果的质量评定和分级,将这些水果作为标准样本,用所述的农产品内外品质检测装置,按步骤(1)对其进行数据采集和特征提取,建立相关质量指标数据库。
水果品质检测的指标包括:果形、色泽、果径、表面损伤、水心病、虫果等。
实际检测时,由计算机调节输送带传送物料速度,使之与软X射线检测器积分时间相匹配,然后进行设备标定,记录标定参数。标定结束后,即可开始检测。将检测物料由输送带先后送入X射线采集装置和彩色图像采集装置。通过软件触发,计算机采集物料图像,并由安装在计算机内的图像采集卡将采集得到的电信号变为数字信号。
(3)利用检测软件进行图像预处理,包括图像增强、滤波去噪、区域分割、边缘提取等,然后进行特征提取和模式识别。
在模式识别阶段,采用了信息的融合技术,与得到的常规检验指标数据库进行比较,确定具体的检测级别。
在本发明中,应用了三种非线性模式分类方法,并且对它们的效果进行比较,寻求一种最佳的模式分类方法:1)通过遗传算法优化RBF神经网络的拓扑结构;2)通过遗传基因树图表达法寻求最佳判别函数;3)基于支持向量机的模式分类方法。
本发明的效果是:可以同时检测农产品的内部品质和外部质量,克服了目前检测手段无法检测内部品质的瓶颈;检测过程是在线的,可以直接应用于生产线上;根据不同应用场合的产量要求,可以实现多通道在线检测。
附图说明
图1本发明的农产品内外质量检测硬件装置示意图
图2本发明的农产品内外品质检测软件模块
图3本发明的农产品内外品质检测模式识别流程
图4苹果不同厚度下的X射线衰减曲线
图中:1-X射线图像采集卡和计算机,2-X射线防护罩,3-软X射线发射管,4-软X射线检测器,5-光源箱,6-彩色CCD摄像头及镜头,7-标准光源,8-彩色图像采集卡及计算机,9-输送带,10-输送带张紧轮,11装置台架,12-软X射线功率控制器,13-X射线检测器电源,14-步进电机及速度控制器,15-皮带,16-皮带轮,17-检测对象
具体实施方式
如图1所示的农产品内外品质检测装置,其由两部分组成:硬件装置和软件系统;其特征在于硬件装置由4个功能模块的装置组成:物料输送装置、软X射线发射和检测装置、彩色图像采集装置、计算机系统;
物料输送装置包括安装在装置台架(11)下面的步进电机及速度控制器(14),安装在装置台架上部的皮带轮(16),以及在装置台架的右侧安装的输送带张紧轮(10);软X射线发射和检测装置包括摆放在装置台架下部的X射线功率控制器(12),安装在输送带的背面、防护罩内下部的X射线检测器(4),以及安放在装置台架下部给检测器供电的电源(13);彩色图像采集装置中在光源箱(5)的顶部安装了彩色CCD摄像头及镜头(6),并用标准光源(7)提供照明,采集得到物料的彩色信号,通过电缆传送到彩色图像采集卡及计算机(8);
软件系统主要包括:设备控制、设备标定、样本数据库、图像采集和处理、模式识别等模块。
本发明的检测方法,在农产品内外品质检测方面具有通用性,只需根据农产品的质量指标和数字图像品质特征建立对应的质量数据库,就可以实现质量检测,无需改动硬件部分。
由于农产品种类很多,本发明只列举苹果质量检测的实施例。其他农产品的检测可参照该实施方案,只要针对所测样本的评价标准,建立相应的数据库,即可实现相应农产品品质检测。
本发明对苹果内外品质检测进行了方案设计。依照国家标准先挑选各种质量等级的苹果,先按常规检测手段进行质量评定和分级,然后将这些苹果作为标准样本,用图1所示的农产品内外品质检测装置对其进行数据采集和特征提取,并建立数据库。苹果品质检测的指标包括:果形、色泽、果径、表面损伤、水心病、虫果等。
采集数据前,需要对硬件系统进行标定和校正,保证原始检测信号的稳定性和一致性。针对具体检测对象,需得到其厚度模型,图4为标定得到的苹果随厚度变化的X射线衰减曲线。在此基础上,利用彩色图像采集系统获取反映苹果色泽、形状和大小等外部品质的彩色图像信息;利用软X射线图像技术采集能够反映苹果内部水心、虫害和腐烂等特征的X射线图像信息。
实际检测时,由计算机调节输送带传送物料速度,使之与软X射线检测器积分时间相匹配,然后进行设备标定,记录标定参数。标定结束后,即可开始检测。将检测物料由输送带先后送入X射线采集装置和彩色图像采集装置,如图1所示。通过软件触发,计算机采集物料图像,并由安装在计算机内的图像采集卡将采集得到的电信号变为数字信号。检测软件进行图像预处理,包括图像增强、滤波去噪、区域分割、边缘提取等,然后进行模式识别,软件运行内容如图2所示。在模式识别阶段,采用了信息的融合技术,得到具体的检测级别,模式识别流程如图3所示。在本发明中,应用了三种非线性模式分类方法,并且对它们的效果进行比较,寻求一种最佳的模式分类方法:1)通过遗传算法优化RBF神经网络的拓扑结构;2)通过遗传基因树图表达法寻求最佳判别函数;3)基于支持向量机的模式分类方法。
Claims (6)
1.农产品内外品质检测装置,由两部分组成:硬件装置和软件系统;其特征在于硬件装置由4个功能模块的装置组成:物料输送装置、软X射线发射和检测装置、彩色图像采集装置、计算机系统;
物料输送装置包括安装在装置台架(11)下面的步进电机及速度控制器(14),安装在装置台架上部的皮带轮(16),以及在装置台架的右侧安装的输送带张紧轮(10);软X射线发射和检测装置包括摆放在装置台架下部的X射线功率控制器(12),安装在输送带的背面、防护罩内下部的X射线检测器(4),以及安放在装置台架下部给检测器供电的电源(13);彩色图像采集装置中在光源箱(5)的顶部安装了彩色CCD摄像头及镜头(6),并用标准光源(7)提供照明,采集得到物料的彩色信号,通过电缆传送到彩色图像采集卡及计算机(8);
软件系统主要包括:设备控制、设备标定、样本数据库、图像采集和处理、模式识别等模块;
设备控制模块:通过软件触发控制图像采集时间,通过调整检测器的积分时间,实现输送带速度和图像采集速度的匹配,得到不失真的图像;设备标定模块:根据影响成像质量的主要因素:X射线管电压、管点流和积分时间,建立图像象素灰度值与相关参数之间的数学模型;样本数据库模块:根据相关农产品的特点建立厚度和图像灰度的回归模型,并建立厚度模型数据库;针对不同农产品品质特征的样本数据库,以及结合国家分级标准,建立相关质量指标数据库;图像采集和处理模块:完成软X射线图像、彩色图像的采集,对图像进行增强、滤波等降噪、区域分割、边缘提取等处理;模式识别模块:对得到的图像进行特征提取,获取农产品的特征,建立判别模式;最后根据判别模式进行质量评价。
2.根据权利要求1所述的农产品内外品质检测装置,其特征在于整个装置用铅板做的防护罩包裹。
3.基于权利要求1所述装置的农产品内外品质检测方法,其特征在于:
(1)针对具体检测对象,利用彩色图像采集系统获取反映水果色泽、形状和大小等外部品质的彩色图像信息;利用软X射线图像技术采集能够反映水果内部水心、虫害和腐烂等特征的X射线图像信息。
(2)按常规检测手段进行水果的质量评定和分级,然后将这些水果作为标准样本,用农产品内外品质检测装置,按步骤(1)对其进行数据采集和特征提取,建立相关质量指标数据库。
(3)利用检测软件首先进行图像预处理,包括图像增强、滤波去噪、区域分割、边缘提取等;其次进行特征提取和描述;再次在特征层或决策层开展数据融合,进行模式识别;最后与得到的常规检验指标数据库进行比较,确定具体的检测级别。
4.根据权利要求3所述的农产品内外品质检测方法,其特征在于水果品质检测的指标包括:果形、色泽、果径、表面损伤、水心病、虫果。
5.根据权利要求3所述的农产品内外品质检测方法,其特征在于检测时,由计算机调节输送带传送物料速度,使之与软X射线检测器积分时间相匹配,然后进行设备标定,再开始检测,将检测物料由输送带先后送入X射线采集装置和彩色图像采集装置,通过软件触发,计算机采集物料图像,并由安装在计算机内的图像采集卡将采集得到的电信号变为数字信号。
6.根据权利要求3所述的农产品内外品质检测方法,其特征在于采用三种非线性模式分类方法,进行比较,寻求一种最佳的模式分类方法:1)通过遗传算法优化RBF神经网络的拓扑结构;2)通过遗传基因树图表达法寻求最佳判别函数;3)基于支持向量机的模式分类方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200610086153 CN1940555A (zh) | 2006-09-04 | 2006-09-04 | 一种农产品内外品质检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200610086153 CN1940555A (zh) | 2006-09-04 | 2006-09-04 | 一种农产品内外品质检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1940555A true CN1940555A (zh) | 2007-04-04 |
Family
ID=37958924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200610086153 Pending CN1940555A (zh) | 2006-09-04 | 2006-09-04 | 一种农产品内外品质检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1940555A (zh) |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101915767A (zh) * | 2010-07-13 | 2010-12-15 | 南京农业大学 | 一种鸡蛋裂纹的系统性识别方法 |
CN101949686A (zh) * | 2010-08-02 | 2011-01-19 | 扬州福尔喜果蔬汁机械有限公司 | 水果内外综合品质在线无损检测方法及装置 |
CN101718947B (zh) * | 2009-12-02 | 2011-02-16 | 南京农业大学 | 一种农产品信息检测系统用图像采集辅助暗箱 |
CN102023134A (zh) * | 2010-11-11 | 2011-04-20 | 浙江工商大学 | 一种农产品表面微小机械伤检测方法 |
CN102072883A (zh) * | 2010-07-07 | 2011-05-25 | 北京农业智能装备技术研究中心 | 农作物种子综合品质检测装置及方法 |
CN102095481A (zh) * | 2010-12-02 | 2011-06-15 | 江苏大学 | 一种蚕茧性别自动判别装置及方法 |
CN102215704A (zh) * | 2008-10-10 | 2011-10-12 | 比利时电子分拣技术股份有限公司 | 用于将核果分到预定类的方法及其设备 |
CN102322832A (zh) * | 2011-07-08 | 2012-01-18 | 北京兆信信息技术股份有限公司 | 产品数字身份码智能在线收集方法及系统 |
CN101251526B (zh) * | 2008-02-26 | 2012-08-29 | 浙江大学 | 鲜猪肉综合品质无损检测方法与装置 |
CN102982403A (zh) * | 2012-10-31 | 2013-03-20 | 北京农业智能装备技术研究中心 | 基于rfid的果品光谱测试信息管理系统 |
CN103344656A (zh) * | 2013-07-01 | 2013-10-09 | 江苏大学 | 基于x射线成像的块冻虾中虾的含量测定方法及其装置 |
CN103376261A (zh) * | 2012-04-27 | 2013-10-30 | 澁谷精机株式会社 | 农产品检查装置及农产品检查方法 |
CN103473279A (zh) * | 2013-08-28 | 2013-12-25 | 上海合合信息科技发展有限公司 | 产品说明的查询方法、装置、系统及客户端 |
CN104266594A (zh) * | 2014-08-01 | 2015-01-07 | 江苏大学 | 一种基于不同视觉技术块冻虾净含量检测的厚度补偿方法 |
CN104849417A (zh) * | 2015-05-26 | 2015-08-19 | 青岛农业大学 | 一种激光喷气式鲜肥肝弹性自动分级系统及其方法 |
CN105301208A (zh) * | 2015-10-28 | 2016-02-03 | 张捷 | 一种生鲜蔬菜新鲜度检测系统及方法 |
CN105628708A (zh) * | 2016-01-27 | 2016-06-01 | 塔里木大学 | 一种南疆红枣多参量品质快速无损检测方法 |
CN105823740A (zh) * | 2016-01-13 | 2016-08-03 | 青岛万福质量检测有限公司 | 一种水果腐烂度检测方法 |
CN105894048A (zh) * | 2015-01-04 | 2016-08-24 | 南京理工大学 | 基于手机的食品安全检测方法 |
CN107209160A (zh) * | 2015-02-05 | 2017-09-26 | 莱特拉姆有限责任公司 | 带有自动重量校准的基于视觉的分级 |
CN107561977A (zh) * | 2017-08-17 | 2018-01-09 | 临沂大学 | 一种用于苹果品质智能化检测及分类的农业机械 |
CN107741432A (zh) * | 2017-11-16 | 2018-02-27 | 天津商业大学 | 一种基于机器视觉的水果自动分拣机器人系统 |
CN108107054A (zh) * | 2017-12-08 | 2018-06-01 | 云南昆船设计研究院 | 一种在线烟支缺陷视觉检测系统及方法 |
CN109444354A (zh) * | 2018-09-13 | 2019-03-08 | 华南农业大学 | 一种可移动式智能控温加湿果蔬检测操作装置 |
CN109633106A (zh) * | 2018-12-27 | 2019-04-16 | 广州安食通信息科技有限公司 | 一种在线农药残留快速检测方法、系统及存储介质 |
CN109886259A (zh) * | 2019-02-22 | 2019-06-14 | 潍坊科技学院 | 一种基于计算机视觉的番茄病害识别预警方法及装置 |
CN110089491A (zh) * | 2019-04-16 | 2019-08-06 | 云南大学 | 一种利用x射线技术示踪咖啡灭字脊虎天牛幼虫蛀干行为的方法 |
CN110361401A (zh) * | 2019-07-31 | 2019-10-22 | 新疆农业大学 | 一种软x光检测蛀果害虫装置 |
CN110687134A (zh) * | 2019-09-29 | 2020-01-14 | 武汉大学 | 带状fpc生产中的在线检测装置及方法 |
CN111832481A (zh) * | 2020-07-13 | 2020-10-27 | 武汉轻工大学 | 食用植物油加工质量检测方法、设备、存储介质及装置 |
CN112697984A (zh) * | 2020-12-11 | 2021-04-23 | 河北工业大学 | 基于神经网络的水果缺陷无损检测方法及水果分级方法 |
CN113191176A (zh) * | 2020-06-08 | 2021-07-30 | 阿里巴巴集团控股有限公司 | 数据处理方法和装置 |
CN114063179A (zh) * | 2021-10-27 | 2022-02-18 | 福建省农业科学院植物保护研究所 | 一种入侵生物跨境智能监测设备 |
CN117074353A (zh) * | 2023-08-18 | 2023-11-17 | 广东省农业科学院设施农业研究所 | 一种荔枝果实蒂蛀虫无损检测方法和系统 |
-
2006
- 2006-09-04 CN CN 200610086153 patent/CN1940555A/zh active Pending
Cited By (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251526B (zh) * | 2008-02-26 | 2012-08-29 | 浙江大学 | 鲜猪肉综合品质无损检测方法与装置 |
CN102215704A (zh) * | 2008-10-10 | 2011-10-12 | 比利时电子分拣技术股份有限公司 | 用于将核果分到预定类的方法及其设备 |
CN101718947B (zh) * | 2009-12-02 | 2011-02-16 | 南京农业大学 | 一种农产品信息检测系统用图像采集辅助暗箱 |
CN102072883A (zh) * | 2010-07-07 | 2011-05-25 | 北京农业智能装备技术研究中心 | 农作物种子综合品质检测装置及方法 |
CN102072883B (zh) * | 2010-07-07 | 2013-03-13 | 北京农业智能装备技术研究中心 | 农作物种子综合品质检测装置及方法 |
CN101915767A (zh) * | 2010-07-13 | 2010-12-15 | 南京农业大学 | 一种鸡蛋裂纹的系统性识别方法 |
CN101915767B (zh) * | 2010-07-13 | 2011-10-19 | 南京农业大学 | 一种鸡蛋裂纹的系统性识别方法 |
CN101949686A (zh) * | 2010-08-02 | 2011-01-19 | 扬州福尔喜果蔬汁机械有限公司 | 水果内外综合品质在线无损检测方法及装置 |
CN102023134A (zh) * | 2010-11-11 | 2011-04-20 | 浙江工商大学 | 一种农产品表面微小机械伤检测方法 |
CN102023134B (zh) * | 2010-11-11 | 2012-02-29 | 浙江工商大学 | 一种农产品表面微小机械伤检测方法 |
CN102095481B (zh) * | 2010-12-02 | 2012-08-29 | 江苏大学 | 一种蚕茧性别自动判别装置及方法 |
CN102095481A (zh) * | 2010-12-02 | 2011-06-15 | 江苏大学 | 一种蚕茧性别自动判别装置及方法 |
CN102322832A (zh) * | 2011-07-08 | 2012-01-18 | 北京兆信信息技术股份有限公司 | 产品数字身份码智能在线收集方法及系统 |
CN103376261A (zh) * | 2012-04-27 | 2013-10-30 | 澁谷精机株式会社 | 农产品检查装置及农产品检查方法 |
CN103376261B (zh) * | 2012-04-27 | 2017-11-17 | 澁谷精机株式会社 | 农产品检查装置及农产品检查方法 |
CN102982403A (zh) * | 2012-10-31 | 2013-03-20 | 北京农业智能装备技术研究中心 | 基于rfid的果品光谱测试信息管理系统 |
CN102982403B (zh) * | 2012-10-31 | 2015-10-28 | 北京农业智能装备技术研究中心 | 基于rfid的果品光谱测试信息管理系统 |
CN103344656A (zh) * | 2013-07-01 | 2013-10-09 | 江苏大学 | 基于x射线成像的块冻虾中虾的含量测定方法及其装置 |
CN103344656B (zh) * | 2013-07-01 | 2015-09-30 | 江苏大学 | 基于x射线成像的块冻虾中虾的含量测定方法及其装置 |
CN103473279A (zh) * | 2013-08-28 | 2013-12-25 | 上海合合信息科技发展有限公司 | 产品说明的查询方法、装置、系统及客户端 |
CN104266594A (zh) * | 2014-08-01 | 2015-01-07 | 江苏大学 | 一种基于不同视觉技术块冻虾净含量检测的厚度补偿方法 |
CN104266594B (zh) * | 2014-08-01 | 2017-01-18 | 江苏大学 | 一种基于不同视觉技术块冻虾净含量检测的厚度补偿方法 |
CN105894048A (zh) * | 2015-01-04 | 2016-08-24 | 南京理工大学 | 基于手机的食品安全检测方法 |
CN107209160A (zh) * | 2015-02-05 | 2017-09-26 | 莱特拉姆有限责任公司 | 带有自动重量校准的基于视觉的分级 |
CN104849417A (zh) * | 2015-05-26 | 2015-08-19 | 青岛农业大学 | 一种激光喷气式鲜肥肝弹性自动分级系统及其方法 |
CN105301208A (zh) * | 2015-10-28 | 2016-02-03 | 张捷 | 一种生鲜蔬菜新鲜度检测系统及方法 |
CN105823740B (zh) * | 2016-01-13 | 2018-12-04 | 青岛万福质量检测有限公司 | 一种水果腐烂度检测方法 |
CN105823740A (zh) * | 2016-01-13 | 2016-08-03 | 青岛万福质量检测有限公司 | 一种水果腐烂度检测方法 |
CN105628708A (zh) * | 2016-01-27 | 2016-06-01 | 塔里木大学 | 一种南疆红枣多参量品质快速无损检测方法 |
CN107561977A (zh) * | 2017-08-17 | 2018-01-09 | 临沂大学 | 一种用于苹果品质智能化检测及分类的农业机械 |
CN107561977B (zh) * | 2017-08-17 | 2019-06-28 | 临沂大学 | 一种用于苹果品质智能化检测及分类的农业机械 |
CN107741432A (zh) * | 2017-11-16 | 2018-02-27 | 天津商业大学 | 一种基于机器视觉的水果自动分拣机器人系统 |
CN108107054A (zh) * | 2017-12-08 | 2018-06-01 | 云南昆船设计研究院 | 一种在线烟支缺陷视觉检测系统及方法 |
CN109444354A (zh) * | 2018-09-13 | 2019-03-08 | 华南农业大学 | 一种可移动式智能控温加湿果蔬检测操作装置 |
CN109633106A (zh) * | 2018-12-27 | 2019-04-16 | 广州安食通信息科技有限公司 | 一种在线农药残留快速检测方法、系统及存储介质 |
CN109886259A (zh) * | 2019-02-22 | 2019-06-14 | 潍坊科技学院 | 一种基于计算机视觉的番茄病害识别预警方法及装置 |
CN110089491B (zh) * | 2019-04-16 | 2021-06-01 | 云南大学 | 一种利用x射线技术示踪咖啡灭字脊虎天牛幼虫蛀干行为的方法 |
CN110089491A (zh) * | 2019-04-16 | 2019-08-06 | 云南大学 | 一种利用x射线技术示踪咖啡灭字脊虎天牛幼虫蛀干行为的方法 |
CN110361401A (zh) * | 2019-07-31 | 2019-10-22 | 新疆农业大学 | 一种软x光检测蛀果害虫装置 |
CN110687134A (zh) * | 2019-09-29 | 2020-01-14 | 武汉大学 | 带状fpc生产中的在线检测装置及方法 |
CN113191176A (zh) * | 2020-06-08 | 2021-07-30 | 阿里巴巴集团控股有限公司 | 数据处理方法和装置 |
CN111832481B (zh) * | 2020-07-13 | 2023-10-10 | 武汉轻工大学 | 食用植物油加工质量检测方法、设备、存储介质及装置 |
CN111832481A (zh) * | 2020-07-13 | 2020-10-27 | 武汉轻工大学 | 食用植物油加工质量检测方法、设备、存储介质及装置 |
CN112697984A (zh) * | 2020-12-11 | 2021-04-23 | 河北工业大学 | 基于神经网络的水果缺陷无损检测方法及水果分级方法 |
CN114063179A (zh) * | 2021-10-27 | 2022-02-18 | 福建省农业科学院植物保护研究所 | 一种入侵生物跨境智能监测设备 |
CN114063179B (zh) * | 2021-10-27 | 2023-10-27 | 福建省农业科学院植物保护研究所 | 一种入侵生物跨境智能监测设备 |
CN117074353A (zh) * | 2023-08-18 | 2023-11-17 | 广东省农业科学院设施农业研究所 | 一种荔枝果实蒂蛀虫无损检测方法和系统 |
CN117074353B (zh) * | 2023-08-18 | 2024-05-03 | 广东省农业科学院设施农业研究所 | 一种荔枝果实蒂蛀虫无损检测方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1940555A (zh) | 一种农产品内外品质检测方法及装置 | |
CN110133739B (zh) | 一种x射线安检设备及其自动识图方法 | |
Makky et al. | Development of an automatic grading machine for oil palm fresh fruits bunches (FFBs) based on machine vision | |
EP1980839B1 (de) | Kontrollvorrichtung für Lebensmittel und deren Verwendung | |
Dehrouyeh et al. | Grading and quality inspection of defected eggs using machine vision | |
CN101059424A (zh) | 多光谱肉类新鲜度人工智能测量方法及系统 | |
KR102168724B1 (ko) | 이미지 검사를 이용한 이상 판별 방법 및 장치 | |
WO2012074372A2 (en) | A system for fruit grading and quality determination | |
CN103308525B (zh) | 一种用于金属线材生产的在线检测方法和装置 | |
Ali et al. | Automated fruit grading system | |
CN110146516B (zh) | 基于正交双目机器视觉的水果分级装置 | |
CN111299187B (zh) | 建筑垃圾识别方法及建筑垃圾分选设备 | |
Kumar et al. | Flaws classification using ANN for radiographic weld images | |
Guo et al. | Detection of foreign materials on surface of ginned cotton by hyper-spectral imaging | |
CN111175248B (zh) | 智能化肉品质在线检测方法和检测系统 | |
Kline et al. | Automated hardwood lumber grading utilizing a multiple sensor machine vision technology | |
CN107300562B (zh) | 一种测量继电器成品触点间距的x射线无损检测方法 | |
Delwiche et al. | Prune defect detection by line-scan imaging | |
Duan et al. | Study on surface defect vision detection system for steel plate based on virtual instrument technology | |
CN113177925B (zh) | 一种无损检测水果表面缺陷的方法 | |
CN112371548B (zh) | 一种行包安检分拣测试装置及测试方法 | |
JP2003279503A (ja) | X線検査装置 | |
CN110991469B (zh) | 一种水果可溶性固形物在线检测方法及系统 | |
JP3614980B2 (ja) | 農産物の外観検査方法及び装置 | |
CN1705874A (zh) | 用于检测透明或半透明外壁上的表面缺陷的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |