TWI509212B - Item quantity estimation method - Google Patents

Item quantity estimation method Download PDF

Info

Publication number
TWI509212B
TWI509212B TW103121044A TW103121044A TWI509212B TW I509212 B TWI509212 B TW I509212B TW 103121044 A TW103121044 A TW 103121044A TW 103121044 A TW103121044 A TW 103121044A TW I509212 B TWI509212 B TW I509212B
Authority
TW
Taiwan
Prior art keywords
initial
image
processing module
item
feature
Prior art date
Application number
TW103121044A
Other languages
English (en)
Other versions
TW201600827A (zh
Original Assignee
Nat Applied Res Laboratories
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 Nat Applied Res Laboratories filed Critical Nat Applied Res Laboratories
Priority to TW103121044A priority Critical patent/TWI509212B/zh
Priority to US14/739,182 priority patent/US9519960B2/en
Application granted granted Critical
Publication of TWI509212B publication Critical patent/TWI509212B/zh
Publication of TW201600827A publication Critical patent/TW201600827A/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Description

物品數量估算方法
本發明是有關於一種物品數量估算方法，特別是指一種根據一包含多個條狀物品之近圓形端面的物品影像來估算該等物品之數量的物品數量估算方法。
現有技術於估算物品(如，鋼筋)之數量時，主要有兩種方法。第一種方法為透過人工計算的方式一一清點物品之總數，採用第一種方法之缺點為需耗費大量人力成本，且當物品數量非常多時，容易有清點錯誤的情形發生。第二種方法為重量檢測法，其係先計算出單一物品之重量及整個物品之重量，再透過將整個物品之重量除以單一物品之重量以求得物品之數量，然而透過第二種方法所求得的數量其準確率大約為93%~95%，此外為求得物品之重量還須反覆搬運，實屬不便。
因此，實有必要提供一更便利、更準確又可節省人力成本的物品數量估算方法。
因此，本發明之目的，即在提供一種更便利、更準確又可節省人力成本的物品數量估算方法。
於是本發明物品數量估算方法，適用於根據一 包含多個條狀物品之近圓形端面的物品影像來估算該等物品之數量，該方法包含以下步驟：(A)藉由一處理模組，根據該物品影像，產生一特徵影像，該特徵影像包含多個與該等物品相關之特徵圖案；(B)藉由該處理模組，根據該特徵影像，計算出該等特徵圖案之數量；及(C)藉由該處理模組，至少根據步驟(B)所計算之該等特徵圖案之數量，獲得該等物品的一估算數量。
本發明之功效在於，藉由該處理模組根據該物品影像產生該特徵影像，並根據該特徵影像計算出該等特徵圖案之數量，進而獲得該等物品的估算數量，藉此，不須透過人工計算的方式一一清點物品之總數，也無須量測該等物品的重量，僅須透過該處理模組對該物品影像進行處理與運算即可以自動化且準確率高之方式獲得該估算數量。
10~80‧‧‧步驟
100~122‧‧‧子步驟
301~305‧‧‧子步驟
501~502‧‧‧子步驟
601~602‧‧‧子步驟
900‧‧‧特徵圖案
901‧‧‧物品圖案
本發明之其他的特徵及功效，將於參照圖式的實施方式中清楚地呈現，其中：圖1是一流程圖，說明本發明物品數量估算方法之實施例獲得一估算數量之流程；圖2是一流程圖，說明本發明物品數量估算方法之實施例獲得一初始加計數量之流程；圖3是一流程圖，說明本發明物品數量估算方法之實施例獲得一目標細化次數及一目標侵蝕次數並產生一特徵影像之流程； 圖4是一示意圖，說明用以執行本發明物品數量估算方法的一物品影像；圖5是一示意圖，說明執行本發明物品數量估算方法所產生的一個二值化影像；圖6是一示意圖，說明執行本發明物品數量估算方法所產生的該特徵影像；及圖7是一示意圖，說明執行本發明物品數量估算方法所產生的一補償影像。
參閱圖1、圖2與圖3，本發明物品數量估算方法之實施例，適用於根據一包含多個條狀物品(如，鋼筋)之近圓形端面的物品影像(見圖4)來估算該等物品之數量，並可由一處理模組(圖未示)來實施，該方法包含以下步驟。
在本實施例中，該處理模組可為如包含於個人電腦或伺服器等中具有運算能力的處理器，可將本發明物品數量估算方法之步驟以一軟體形式如物品數量估算程式來實現，並由該處理模組執行該物品數量估算程式以實施本發明物品數量估算方法。
值得一提的是，該物品影像之獲得方式為，藉由一影像擷取裝置(圖未示)，以擷取該等條狀物品之端面的一實物影像，其中該實物影像包含該等條狀物品之近圓形端面及一背景。接著，藉由該處理模組，去除該實物影像中的背景以獲得該物品影像，其中，去除該實物影像中的 背景的方式可藉由習知的去背景影像處理方式或經由一使用者之操作指令，如，選取出該實物影像中之該等條狀物品之近圓形端面來實施。
如步驟10所示，藉由該處理模組，根據該物品影像，產生一特徵影像(見圖6)，該特徵影像包含多個與該等物品相關之特徵圖案。
值得特別說明的是，在步驟10中，還進一步包含子步驟100~子步驟121之細部流程。
如子步驟100所示，藉由該處理模組，將該物品影像進行二值化處理以產生一個二值化影像(見圖5)。
如子步驟101所示，藉由該處理模組，將該二值化影像進行一初始細化次數的細化(Thinning)影像處理以產生一初始細化影像。
如子步驟102所示，藉由該處理模組，將該初始細化影像進行一初始侵蝕次數的侵蝕(Erosion)影像處理以產生一初始特徵影像，其中，該初始特徵影像包含多個與該等物品相關之初始特徵圖案。
在本實施例中，該初始細化次數為5次且該初始侵蝕次數為5次，然而在本發明之其他實施例中，該初始細化次數及該初始侵蝕次數可依不同需求而變動，並不以本實施例所揭示之數值為限
如子步驟103所示，藉由該處理模組，根據該初始特徵影像，以元件標記(Component Labeling)之方式，計算出該等初始特徵圖案之數量、每一初始特徵圖案之初 始面積及每兩相鄰初始特徵圖案的中心之間的初始距離。
如子步驟104所示，藉由該處理模組，至少根據該等初始距離，估算出每一物品的初始估測截面積。
值得特別說明的是，在子步驟104中，還進一步包含子步驟105及子步驟109之細部流程。
如子步驟105所示，藉由該處理模組，根據該等初始距離，計算該等初始距離之一部份的初始平均值di nitial_average ，並根據該初始平均值d initial_average 及下列公式(1)計算每一物品的初始截面積A initial_r 。
值得特別說明的是，在子步驟105中，還進一步包含子步驟106~子步驟108之細部流程。
如子步驟106所示，藉由該處理模組，根據該等初始距離，由小至大排序出一初始距離順序。
如子步驟107所示，藉由該處理模組，根據該初始距離順序，排除對應有初始距離順序為前5%及後5%的初始距離，以獲得該部份的初始距離。
在本實施例中，所述的前5%及後5%僅是舉例而已，其可依不同需求而變動，並不以本實施例所揭示之數值為限。
如子步驟108所示，藉由該處理模組，計算該部份的初始距離的初始平均值，並根據該初始平均值計算每一物品的初始截面積。
如子步驟109所示，藉由該處理模組，根據該 初始截面積A initial_r 、一初始縮減比例值S initial 及下列公式(2)估算每一物品的初始估測截面積A initial_s ，其中該初始縮減比例值S initial 相關於該初始細化次數及初始侵蝕次數。
A initial_s =S initial ×A initial_r ................................................................................(2)
如子步驟110所示，藉由該處理模組，根據子步驟103所計算的每一初始特徵圖案之初始面積相對於子步驟104所估算之初始估測截面積的一初始比值，計算出一初始加計數量。
如子步驟111所示，藉由該處理模組，將該初始特徵影像進行膨脹(Dilation)影像處理以產生一初始擴張影像。
如子步驟112所示，藉由該處理模組，將該物品影像與該初始擴張影像相減以獲得一初始補償影像。
如子步驟113所示，藉由該處理模組，藉由該處理模組，將該初始補償影像進行一預定補償細化次數的細化影像處理以產生一初始補償細化影像。
如子步驟114所示，藉由該處理模組，將該初始補償細化影像進行一預定補償侵蝕次數的侵蝕影像處理以產生一初始補償特徵影像。
在本實施例中，該預定補償細化次數為2次且該預定補償侵蝕次數為2次，然而在本發明之其他實施例中，該預定補償細化次數及該預定補償侵蝕次數可依不同需求而變動，並不以本實施例所揭示之數值為限。
如子步驟115所示，藉由該處理模組，根據該 初始補償特徵影像，計算出一初始補償數量。
如子步驟116所示，藉由該處理模組，根據子步驟103所計算之初始特徵圖案之數量、子步驟110所計算之初始加計數量及子步驟115所計算出的初始補償數量，獲得該等物品的一初始估算數量。
如子步驟117所示，藉由該處理模組，根據子步驟105所計算出的該初始平均值及子步驟116所計算出的初始估算數量、多個分別對應於該初始估算數量、該初始平均值、一目標細化次數及一目標侵蝕次數的預定隸屬函數及一預定規則庫來推論出該目標細化次數及該目標侵蝕次數。
值得特別說明的是，在子步驟117中，還進一步包含子步驟118~子步驟120之細部流程。
如子步驟118所示，藉由該處理模組，根據該初始估算數量、該初始平均值及對應該初始估算數量、該初始平均值的預定隸屬函數，模糊化該初始估算數量及該初始平均值以產生多個對應該初始估算數量及該初始平均值的模糊集合。
如子步驟119所示，藉由該處理模組，根據該等模糊集合、該等預定隸屬函數及該預定規則庫，產生一推論結果模糊集合。
如子步驟120所示，藉由該處理模組，根據該推論結果模糊集合，解模糊化該推論結果模糊集合以獲得該目標細化次數及該目標侵蝕次數。
值得一提的是，在本實施例中，子步驟118~子步驟120之推論流程係為習知模糊理論之推論流程，其中，該預定規則庫包括四條規則，如下表1所示，且該等預定隸屬函數皆為三角形隸屬函數，每一預定隸屬函數皆相關於多個模糊語意及多個模糊數，其中，對應於該初始估算數量的預定隸屬函數之模糊語意及模糊數，如下表2所示。對應於該初始平均值的預定隸屬函數之模糊語意及模糊數，如下表3所示。對應於該目標細化次數的預定隸屬函數之模糊語意及模糊數，如下表4所示。對應於該目標侵蝕次數的預定隸屬函數之模糊語意及模糊數，如下表5所示。在本發明之其他實施例中，該預定規則庫亦可包含四條以上之規則，每一預定隸屬函數之模糊語意數量亦可為三個以上，且每一預定隸屬函數之模糊數亦可視需求進行調整，並不以本實施例為限。
此外，在本實施例中，該處理模組係根據該等初始特徵圖案之數量、該初始加計數量及該初始補償數量來獲得該初始估算數量。由於該初始估算數量係作為子步驟117之模糊推論的模糊輸入變數，基於模糊理論之推論特性，進行推論的模糊輸入變數可存在模糊性而不須很精準。因此，在本發明之其他實施例中，該處理模組亦可僅根據該等初始特徵圖案之數量及該初始加計數量、僅根據該等初始特徵圖案之數量及該初始補償數量或僅根據該等初始特徵圖案之數量來獲得該初始估算數量，藉此省略部分子步驟如，子步驟103之部分的計算流程、子步驟104 、子步驟110、子步驟111、子步驟112、子步驟113、子步驟114及子步驟115，進而降低該處理模組的運算量，並提升本發明物品數量估算方法之執行速度。
表4
如子步驟121所示，藉由該處理模組，將該二值化影像進行該目標細化次數的細化影像處理以產生一細化影像。
如子步驟122所示，藉由該處理模組，將該細化影像進行該目標侵蝕次數的侵蝕影像處理以產生該特徵影像。
如步驟20所示，藉由該處理模組，根據該特徵影像，以元件標記之方式，計算出該等特徵圖案之數量、每一特徵圖案之面積及每兩相鄰特徵圖案的中心之間的距離。
如步驟30所示，藉由該處理模組，至少根據該等距離，估算出每一物品的估測截面積。
值得特別說明的是，在步驟30中，還進一步包 含子步驟301及子步驟305之細部流程。
如子步驟301所示，藉由該處理模組，根據該等距離，計算該等距離之一部份的平均值d average ，並根據該平均值d average 及下列公式(3)計算每一物品的截面積A r 。
值得特別說明的是，在子步驟301中，還進一步包含子步驟302~子步驟304之細部流程。
如子步驟302所示，藉由該處理模組，根據該等距離，由小至大排序出一距離順序。
如子步驟303所示，藉由該處理模組，根據該距離順序，排除對應有距離順序為前5%及後5%的距離，以獲得該部份的距離。
在本實施例中，所述的前5%及後5%僅是舉例而已，其可依不同需求而變動，並不以本實施例所揭示之數值為限。
如子步驟304所示，藉由該處理模組，計算該部份的距離的平均值，並根據該平均值計算每一物品的截面積。
如子步驟305所示，藉由該處理模組，根據該截面積A r 、一預設縮減比例值S 及下列公式(4)估算每一物品的估測截面積A s ，其中該預設縮減比例值S 相關於該目標細化次數及目標侵蝕次數。
A s =S ×A r ..................................................................................................(4)
如步驟40所示，藉由該處理模組，根據步驟20 所計算的每一特徵圖案之面積相對於步驟30所估算之估測截面積的一比值，計算出一加計數量。
值得一提的是，經由子步驟122所獲得之該特徵影像(見圖6)，存在有一對應有兩個物品的特徵圖案900，由於該處理模組在進行細化影像處理及侵蝕影像處理時，無法有效將該特徵圖案900分成兩個不相連的特徵圖案，因此，使得該處理模組於步驟20針對該特徵圖案900所計算出之數量為一，然而，該特徵圖案900係對應兩個物品，故須針對該特徵圖案900進行物品數量的加計。藉由計算出該特徵圖案900之面積相對於每一物品的估測截面積之比值後，即可根據該比值，計算出該加計數量，例如該特徵圖案900之面積相對於每一物品的估測截面積之比值為2.01，則該加計數量之值即為1。
如步驟50所示，藉由該處理模組，根據該物品影像及該特徵影像，獲得一補償影像(見圖7)。
值得特別說明的是，在步驟50中，還進一步包含子步驟501~子步驟502之細部流程。
如子步驟501所示，藉由該處理模組，將該特徵影像進行膨脹影像處理以產生一擴張影像。
如子步驟502所示，藉由該處理模組，將該物品影像與該擴張影像相減以獲得該補償影像。
如步驟60所示，藉由該處理模組，根據該補償影像，產生一補償特徵影像。
值得特別說明的是，在步驟60中，還進一步包 含子步驟601~子步驟602之細部流程。
如步驟601所示，藉由該處理模組，將該補償影像進行該預定補償細化次數的細化影像處理以產生一補償細化影像。
如步驟602所示，藉由該處理模組，將該補償細化影像進行該預定補償侵蝕次數的侵蝕影像處理以產生該補償特徵影像。
如步驟70所示，藉由該處理模組，根據該補償特徵影像，計算出一補償數量。
值得一提的是，由於該處理模組在進行細化影像處理及侵蝕影像處理時，可能會將該物品影像(見圖4)之部分物品圖案，如物品圖案901過度細化及侵蝕，因而造成該物品圖案901所對應之特徵圖案不存在於該特徵影像中，使得該處理模組於計算出該等特徵圖案之數量時，漏計了物品圖案901所對應的物品之數量，故須針對該物品圖案901進行物品數量的加計。藉由獲得該補償影像(見圖7)，並根據該補償影像產生該補償特徵影像後，即可根據該補償特徵影像，計算出該補償數量。
如步驟80所示，藉由該處理模組，根據步驟20所計算之該等特徵圖案之數量、步驟40所計算之該加計數量及步驟70所計算出的該補償數量，獲得該等物品的一估算數量。
綜上所述，藉由該處理模組根據該物品影像產生該特徵影像，並根據該特徵影像計算出該等特徵圖案之 數量及該加計數量，且根據該補償特徵影像計算出該補償數量，進而獲得該等物品的估算數量，透過本發明物品數量估算方法所獲得的估算數量之準確率高達99.5%，且僅須透過該處理模組對該物品影像進行處理與運算即可以自動化之方式獲得該估算數量，進而達成更便利、更準確又可節省人力成本的功效，故確實能達成本發明之目的。
惟以上所述者，僅為本發明之實施例而已，當不能以此限定本發明實施之範圍，即大凡依本發明申請專利範圍及專利說明書內容所作之簡單的等效變化與修飾，皆仍屬本發明專利涵蓋之範圍內。
10~80‧‧‧步驟
301~305‧‧‧子步驟
501~502‧‧‧子步驟
601~602‧‧‧子步驟

Claims (8)

  1. 一種物品數量估算方法，適用於根據一包含多個條狀物品之近圓形端面的物品影像來估算該等物品之數量，該方法包含以下步驟：(A)藉由一處理模組，根據該物品影像，產生一特徵影像，該特徵影像包含多個與該等物品相關之特徵圖案；(B)藉由該處理模組，根據該特徵影像以元件標記之方式，計算出該等特徵圖案之數量、每一特徵圖案之面積及每兩相鄰特徵圖案的中心之間的距離；(C)藉由該處理模組，至少根據該等距離，估算出每一物品的估測截面積；(D)藉由該處理模組，根據步驟(B)所計算的每一特徵圖案之面積相對於步驟(C)所估算之估測截面積的一比值，計算出一加計數量；及(E)藉由該處理模組，至少根據步驟(B)所計算之該等特徵圖案之數量與步驟(D)所計算之該加計數量，獲得該等物品的一估算數量。
  2. 如請求項1所述的物品數量估算方法，在該步驟(E)之前，還包含以下步驟：(F)藉由該處理模組，根據該物品影像及該特徵影像，獲得一補償影像；(G)藉由該處理模組，根據該補償影像，產生一補償特徵影像；及 (H)藉由該處理模組，根據該補償特徵影像，計算出一補償數量；其中，在該步驟(E)中，該處理模組係根據步驟(B)所計算之該等物品特徵圖案之數量、步驟(D)所計算之該加計數量及步驟(H)所計算出之該補償數量，獲得該等物品的該估算數量。
  3. 如請求項2所述的物品數量估算方法，其中，該步驟(F)還包含下列子步驟：(F-1)藉由該處理模組，將該特徵影像進行膨脹影像處理以產生一擴張影像；及(F-2)藉由該處理模組，將該物品影像與該擴張影像相減以獲得該補償影像。
  4. 如請求項1所述的物品數量估算方法，其中，該步驟(A)包含下列子步驟：(A-1)藉由該處理模組，將該物品影像進行二值化處理以產生一個二值化影像；(A-2)藉由該處理模組，將該二值化影像進行一目標細化次數的細化影像處理以產生一細化影像；及(A-3)藉由該處理模組，將該細化影像進行一目標侵蝕次數的侵蝕影像處理以產生該特徵影像。
  5. 如請求項4所述的物品數量估算方法，其中，該步驟(C)包含下列子步驟：(C-1)藉由該處理模組，根據該等距離，計算該等距離之一部份的平均值d average ，並根據該平均值d average 計算每 一物品的截面積A r ，其中A r =(½d average )2 π ；及(C-2)藉由該處理模組，根據該截面積及一預設縮減比例值估算每一物品的估測截面積，其中該預設縮減比例值相關於該目標細化次數及目標侵蝕次數。
  6. 如請求項5所述的物品數量估算方法，其中，在該步驟(C-2)中，該處理模組係根據該截面積A r 、該預設縮減比例值S 及下列公式估算每一物品的估測截面積A s ：A s =S ×A r 。
  7. 如請求項4所述的物品數量估算方法，在該步驟(A-1)和該步驟(A-2)之間，還包含以下步驟：(A-4)藉由該處理模組，將該二值化影像進行一初始細化次數的細化影像處理以產生一初始細化影像；(A-5)藉由該處理模組，將該初始細化影像進行一初始侵蝕次數的侵蝕影像處理以產生一初始特徵影像，其中，該初始特徵影像包含多個與該等物品相關之初始特徵圖案；(A-6)藉由該處理模組，根據該初始特徵影像，計算出該等初始特徵圖案之數量、每一初始特徵圖案之初始面積及每兩相鄰初始特徵圖案的中心之間的初始距離；(A-7)藉由該處理模組，至少根據該等初始距離，估算出每一物品的初始估測截面積；(A-8)藉由該處理模組，根據步驟(A-6)所計算的每一初始特徵圖案之初始面積相對於步驟(A-7)所估算之 初始估測截面積的一初始比值，計算出一初始加計數量；(A-9)藉由該處理模組，至少根據步驟(A-6)所計算之該等初始特徵圖案之數量與步驟(A-8)所計算之該初始加計數量，獲得該等物品的一初始估算數量；及(A-10)藉由該處理模組，根據步驟(A-6)所計算出的該等初始距離之一部份的初始平均值及步驟(A-9)所計算出的初始估算數量、多個分別對應於該初始估算數量、初始平均值、目標細化次數及目標侵蝕次數的預定隸屬函數及一預定規則庫來推論出該目標細化次數及該目標侵蝕次數。
  8. 如請求項7所述的物品數量估算方法，其中，該預定規則庫包括：第一規則：若該初始估算數量多且該初始平均值小，則該目標細化次數少且該目標侵蝕次數少；第二規則：若該初始估算數量多且該初始平均值大，則該目標細化次數中等且該目標侵蝕次數中等；第三規則：若該初始估算數量少且該初始平均值小，則該目標細化次數少且該目標侵蝕次數少；及第四規則：若該初始估算數量少且該初始平均值大，則該目標細化次數多且該目標侵蝕次數多。
TW103121044A 2014-06-18 2014-06-18 Item quantity estimation method TWI509212B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW103121044A TWI509212B (zh) 2014-06-18 2014-06-18 Item quantity estimation method
US14/739,182 US9519960B2 (en) 2014-06-18 2015-06-15 Method for estimating a number of objects

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW103121044A TWI509212B (zh) 2014-06-18 2014-06-18 Item quantity estimation method

Publications (2)

Publication Number Publication Date
TWI509212B true TWI509212B (zh) 2015-11-21
TW201600827A TW201600827A (zh) 2016-01-01

Family

ID=54869944

Family Applications (1)

Application Number Title Priority Date Filing Date
TW103121044A TWI509212B (zh) 2014-06-18 2014-06-18 Item quantity estimation method

Country Status (2)

Country Link
US (1) US9519960B2 (zh)
TW (1) TWI509212B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10217017B2 (en) * 2015-09-17 2019-02-26 Board Of Regents, The University Of Texas System Systems and methods for containerizing multilayer image segmentation

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040217261A1 (en) * 2003-04-30 2004-11-04 Datacard Corporation Device for counting stacked products
CN101751603A (zh) * 2008-12-10 2010-06-23 东北大学 在线棒型材图像自动计数设备及方法
TW201227543A (en) * 2010-11-18 2012-07-01 Axis Ab Object counter and method for counting objects
CN202486828U (zh) * 2012-03-27 2012-10-10 常德市宏通机电技术有限公司 滤棒数量检测仪器

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011125597A1 (ja) * 2010-03-31 2011-10-13 富士フイルム株式会社 導電性フイルムの製造方法、導電性フイルム及び記録媒体

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040217261A1 (en) * 2003-04-30 2004-11-04 Datacard Corporation Device for counting stacked products
CN101751603A (zh) * 2008-12-10 2010-06-23 东北大学 在线棒型材图像自动计数设备及方法
TW201227543A (en) * 2010-11-18 2012-07-01 Axis Ab Object counter and method for counting objects
CN202486828U (zh) * 2012-03-27 2012-10-10 常德市宏通机电技术有限公司 滤棒数量检测仪器

Also Published As

Publication number Publication date
US9519960B2 (en) 2016-12-13
TW201600827A (zh) 2016-01-01
US20150371084A1 (en) 2015-12-24

Similar Documents

Publication Publication Date Title
TWI740896B (zh) 機器學習系統的訓練方法和訓練系統
KR102424803B1 (ko) 터치 분류
US20150286859A1 (en) Image Processor Comprising Gesture Recognition System with Object Tracking Based on Calculated Features of Contours for Two or More Objects
JP2014197386A5 (zh)
JP2009217490A (ja) 空間移動量算出装置及びその方法
JP2015032001A5 (zh)
JP2012003638A5 (zh)
JP2017102245A5 (zh)
CN105719348A (zh) 点云边界拟合系统及方法
Townsend The race for high order Gauss–Legendre quadrature
TWI509212B (zh) Item quantity estimation method
CN107560561B (zh) 一种沟道槽翘曲度测量方法及装置
CN108491357A (zh) 一种稳态检测的方法以及相关设备
JPWO2023112083A5 (zh)
JPWO2021117363A5 (zh)
JP2009116824A5 (zh)
von Kistowski et al. Univariate interpolation-based modeling of power and performance
JPWO2020225894A5 (ja) 位置管理装置、位置管理方法及びプログラム
Debbarma et al. A modified canny edge detection algorithm with variable sigma
CN106803260A (zh) 基于局部熵凸优化的红外船舶图像活动轮廓分割方法
JP2020086229A5 (zh)
JP6604537B2 (ja) キーポイント検出器、キーポイント検出方法、及びキーポイント検出プログラム
Chi et al. Improving RANSAC filtering with matching similarity of local features
JP5907791B2 (ja) 翼形状の評価方法、この方法を実行するためのプログラム、この方法を実行する装置
JP2017102948A5 (zh)