WO2023065396A1 - 面扫线扫光电特征相结合的小颗粒农产品色选方法 - Google Patents

面扫线扫光电特征相结合的小颗粒农产品色选方法 Download PDF

Info

Publication number
WO2023065396A1
WO2023065396A1 PCT/CN2021/128062 CN2021128062W WO2023065396A1 WO 2023065396 A1 WO2023065396 A1 WO 2023065396A1 CN 2021128062 W CN2021128062 W CN 2021128062W WO 2023065396 A1 WO2023065396 A1 WO 2023065396A1
Authority
WO
WIPO (PCT)
Prior art keywords
area
line
scanning
agricultural products
scan
Prior art date
Application number
PCT/CN2021/128062
Other languages
English (en)
French (fr)
Inventor
石吉勇
石宇
邹小波
黄晓玮
李志华
郭志明
乔长晟
余君伟
张新爱
张迪
翟晓东
胡雪桃
申婷婷
周晨光
张钖
Original Assignee
江苏大学
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 江苏大学 filed Critical 江苏大学
Priority to US17/626,502 priority Critical patent/US11878328B2/en
Priority to EP21839813.9A priority patent/EP4194108A4/en
Publication of WO2023065396A1 publication Critical patent/WO2023065396A1/zh

Links

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
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/363—Sorting apparatus characterised by the means used for distribution by means of air
    • B07C5/367—Sorting apparatus characterised by the means used for distribution by means of air using a plurality of separation means
    • B07C5/368—Sorting apparatus characterised by the means used for distribution by means of air using a plurality of separation means actuated independently
    • 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
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • B07C5/3425—Sorting according to other particular properties according to optical properties, e.g. colour of granular material, e.g. ore particles, grain
    • 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
    • B07C5/363—Sorting apparatus characterised by the means used for distribution by means of air
    • B07C5/365—Sorting apparatus characterised by the means used for distribution by means of air using a single separation means
    • B07C5/366—Sorting apparatus characterised by the means used for distribution by means of air using a single separation means during free fall of the articles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
    • 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
    • B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/0018—Sorting the articles during free fall

Definitions

  • the photoelectric color sorting method uses photoelectric sensors combined with a pneumatic sorting mechanism to sort out the different-color and special-shaped materials in the granular materials according to the differences in optical characteristics of the agricultural product materials, which can realize the quality detection of small-particle agricultural products.
  • a color sorting method for small-grained agricultural products that combines surface-scanning and line-scanning photoelectric features, which is characterized in that it includes three steps: surface-scanning identification of granular agricultural products, line-scanning positioning of unqualified agricultural products during the landing process, and pneumatic sorting of unqualified agricultural products:
  • Step 1 the surface scanning recognition of the granular agricultural products includes the following processes:
  • Process 1 set up the area scan camera above the conveyor belt outlet of the material conveying device, set the width of the camera area to be scanned equal to the width W of the conveyor belt, and set the length of the camera area to be L, the conveyor belt
  • the conveying speed is V0; the camera is started cyclically, and at different t moments, the surface scanning image I_t of the surface scanning area containing M ⁇ N pixels is obtained;
  • Step 2 the line scanning positioning of unqualified agricultural products in the agricultural product landing process includes the following process:
  • the calibration method of the corresponding relationship between the pixel of the line scan signal and the position of the pneumatic sorting nozzle is that the line scan area of the line scan camera has the same width as the lateral scan area of the area scan camera, both of which are W, and a single
  • the line scan includes H pixels; the length of the total effective range of the pneumatic nozzle array is the same as the line scan area, the centerline of the effective area of the pneumatic nozzle array is parallel to the line scan area, and the height difference between the two is h2 ;
  • the effective aerodynamic interval length of each sorting nozzle q_j is E pixels, then the number of nozzles R1 required for the aerodynamic nozzle array to effectively act on the line scanning area where the number of pixels is H is:
  • the central control module includes an industrial computer, a timer, and a PLC controller. Area scan cameras, line scan positioning cameras, and linear array pneumatic nozzles are all electrically connected to the central control module.
  • Fig. 3 is the basic parameter notation figure of embodiment 1 of the present invention.
  • M is the horizontal scanning pixel of the surface scan area of the area array camera
  • N is the longitudinal scanning pixel of the area scan area of the area array camera
  • H is the single time of the line scan positioning camera Line scan pixels
  • E is the effective length of a single nozzle, the unit is pixel
  • 4E represents the effective length of four nozzles, the unit is pixel.
  • the present invention will be further described in detail, but the scope of protection of the present invention is not limited to these examples; in the present invention, the particle size or length range of small particles refers to 0.5-30mm. Those of ordinary skill in the art can understand the specific meanings of the above terms in the present invention according to specific situations.
  • the industrial computer 7 has a built-in image processing algorithm, and uses the image processing algorithm to analyze the wolfberry in the area scanning image I_1, and extracts the area array features of single grains of wolfberry in the image one by one.
  • a total of 3 unqualified wolfberries in I_1 were identified according to the area array features, and the three regions A_1_1, A_1_2, and A_1_3 corresponding to the unqualified wolfberries were marked.
  • the positioning parameter of the unqualified wolfberry belonging to A_1_1 is K_1_1(1,1,0.504,1), and the physical meaning of the positioning parameter is expressed as follows: at the time when the conveyor belt moves for 1 second, the area scan camera 1 collects the image in the scanning area I_1, the computer performs image processing on the collected image I_1. The result after processing is that the position of the unqualified wolfberry belonging to A_1_1 is the first one along the x-axis direction relative to other wolfberries between the point (0, 320) and the point (1280, 320), and will be at 0.504 After s, it falls to the line scan area 11.
  • the positioning parameters of other unqualified wolfberries can be obtained as K_1_2(1,2,0.454,3) and K_1_3(1,3,0.429,5).
  • Process 1 Turn on the line-scan camera at three different times of 0.504s, 0.454s, and 0.429s to obtain the line-scan signals L_1_i, i ⁇ [1, 3] of 3 unqualified agricultural products, and select 3 line-scan positioning cameras
  • the pixels H 1280 pixels included in the secondary line scan; the line scan signals acquired sequentially from small to large in order of 0.429s ⁇ 0.454s ⁇ 0.504s are L_1_3, L_1_2, L_1_1.
  • Process 2 using h as the denoising threshold, after returning the signal value less than or equal to h in L_t_i to 0, calculate the peak width F_t_i corresponding to the p_ith peak in L_t_i, and calculate the pixel corresponding to the half peak width (F_t_i)/2 Position D_t_i.
  • the wolfberry is the fifth on the line connecting points (0,800) and (1280,800) Lycium barbarum, after computer processing, it can be known that the pixel position D_1_3 of the half-peak width of the fifth signal peak of the line scan signal L_1_3 is 1230.
  • the sorting parameters of other unqualified wolfberries can be calculated as: Q_1_1(1,1,0.504,0.012,9), Q_1_2(1,2,0.454,0.012,13).
  • Step 3 The central control module opens the 9th pneumatic nozzle to remove A_1_1 wolfberry at 1.516s when the material starts to be conveyed according to the above-mentioned sorting parameters of wolfberry, and turns on the 13th pneumatic nozzle to remove A_1_2 wolfberry at 1.441s. Turn on the 21st pneumatic nozzle at time s to remove A_1_3 wolfberries; the rejected unqualified product 9 enters the unqualified product slot 6, and the qualified product 10 falls into the qualified product slot 5.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sorting Of Articles (AREA)

Abstract

一种面扫线扫光电特征相结合的小颗粒农产品色选方法，属于农产品品质检测技术领域，包括：颗粒农产品的面扫识别、农产品降落过程不合格农产品的线扫定位以及不合格农产品的气动分选。该方法利用面阵扫描相机（1）获取输送带上颗粒农产品物料的面扫描图像，可精准的提取物料的面阵特征，实现不合格物料的精准识别；在利用面扫描图像识别不合格物料的同时，也可为物料自由降落过程中的精准定位提供关键参数，并与线扫定位相机（3）、气动喷嘴配合，实现不合格物料的高速剔除。该方法解决了现有色选方法对小颗粒农产品分选速度快但精度差的不足，可在保证色选速度的同时提高对不合格物料的色选精度，具备广阔的应用前景。

Description

面扫线扫光电特征相结合的小颗粒农产品色选方法 技术领域
本发明属于农产品品质检测技术领域，具体涉及一种面扫线扫光电特征相结合的小颗粒农产品色选方法。
背景技术
光电色选方法根据农产品物料的光学特性差异，利用光电传感器结合气动分拣机构将颗粒物料中的异色、异形物料分选出来，可实现小颗粒农产品的品质检测。为了实现大批量小颗粒农产品的高效分选，现有的光电色选方法首先促使物料进入单层瀑布式的自由落体状态，然后利用高速线扫相机实时获取处于自由落体状态物料对应的光电信号；随后，物料对应的线扫信号被送入计算机进行快速分析并将分析结果反馈至气动分拣机构；最后，气动分拣机构在物料结束自由落体状态之前对不合格物料喷射出气流，使得不合格物料与合格物料拥有不同的下落轨迹，从而实现不合格物料的大批量色选，如专利CN201320636345.7、CN201420509399.1。
农产品物料的自由下落是一个重力持续加速的过程，物料不仅速度快且在不同高度速度差异明显，导致面阵扫描相机精确取像困难，且面阵信号分析耗时，导致气动分拣机构难以在物料结束自由下落状态前实现对不合格物料的分选。线扫描相机可以准确获取高速运动物料的线扫信号，且单条线扫信号的解析时间远远低于单幅面扫信号。因此，线扫信号被广泛用于农产物料的大批量色选。然而，受到相机性能、物料处理量、色选机高度等因素的影响，在高速下落的状态即使是高速线扫相机也难以实现颗粒物料所有表面区域的逐个解析，扫描区域的遗漏以及单线扫描信号的处理方式导致其图像解析的精度低于传统的面阵成像方式，该缺点最终呈现形式为色选方法对应的分拣精度差，如专利CN201520700362.1。
鉴于此，为了克服现有技术方案的不足，本发明利用面扫描图像解析精度高、线扫描图像信号解析速度快的特点，提出了一种面扫线扫光电特征相结合的小颗粒农产品色选方法。
发明内容
一种面扫线扫光电特征相结合的小颗粒农产品色选方法，其特征在于包含颗粒农产品的面扫识别、降落过程不合格农产品的线扫定位、不合格农产品的气动分选三个步骤：
步骤一，所述颗粒农产品的面扫识别包含以下过程：
过程一，将面阵扫描相机架设于物料输送装置的输送带出料口的上方，设置相机面扫区域的宽度等同于输送带的宽度W，同时设置相机面扫区域的长度为L，输送带的输送速度为V0；循环启动相机，在不同的t时刻，得到面扫描区域包含M×N个像素的面扫描图像I_t；
过程二，利用图像处理算法对面扫描图像I_t中的颗粒农产品进行分析，逐一提取图像中单颗粒农产品的面阵特征，根据面阵特征识别出图像I_t中的不合格农产品，并标记出不合格农产品对应的区域A_t_1，A_t_2，……，A_t_(n-1)，A_t_n，其中n为图像I_t中不合格农产品的颗粒数，n的取值为自然数；
过程三，以输送带传输方向y轴为正向，以面阵扫描相机扫描区域的左下顶点作为坐标原点(0,0)，以像素点作为坐标刻度的最小单位，建立直角坐标系；逐一定位不合格农产品对应的区域A_t_i的中心像素P_t_i(x,y)，计算A_t_i所属农产品从t时刻所在位置移动至线扫描区域所需的时间△t1_i以及A_t_i所属农产品在当前图像I_t中沿x轴方向的排列顺序p_i，从而确定A_t_i所属农产品对应的定位参数K_t_i(t,i,△t1_i,p_i)并反馈至中央控制模块，其中i∈[1，n]；
步骤二，所述农产品降落过程不合格农产品的线扫定位包含以下过程：
过程一，中央控制模块根据步骤一反馈的图像I_t对应的定位参数K_t_i(t,i,△t1_i,p_i)，按照△t1_i从小到大的顺序，中央控制模块依次在t+△t1_i时刻启动线扫定位相机获取A_t_i所属农产品对应的线扫描信号L_t_i，其像素个数为H；
过程二，以h作为去噪阈值，将L_t_i中小于等于h的信号值归0后，计算L_t_i中第p_i个峰对应的峰宽F_t_i，并计算半峰宽(F_t_i)/2处对应的像素位置D_t_i；
过程三，根据标定的线扫描信号像素与气动分选喷嘴的位置对应关系，结合D_t_i确定出A_t_i所属农产品对应的分选气动喷嘴q_i；同时，计算t+△t1_i时刻A_t_i所属农产品所在位置运动至气动喷嘴作用位点所需的时间△t2_i，从而确定A_t_i所属农产品的分选参数Q_t_i(t,i,△t1_i,△t2_i,q_i)并反馈至中央控制模块；
步骤三，所述不合格农产品的气动分选包含以下过程：
中央控制模块根据步骤二反馈的图像I_t对应的分选参数Q_t_i(t,i,△t1_i,△t2_i,q_i)，按照△t1_i+△t2_i从小到大的顺序，中央控制模块依次在△t1_i+△t2_i时刻控制第q_i分选气动喷嘴喷出气流，改变A_t_i所属不合格农产品的下降轨迹使其掉落至不合格品槽，实现对不合格农产品的气动分选。
进一步的，步骤一中，所述A_t_i所属农产品在图像I_t中沿x轴方向的排列顺序p_i的计算方法为：首先，根据所建立直角坐标系，确定不合格农产品A_t_i的中心像素坐标P_t_i(x,y)；然后，对图像I_t进行二值化处理并得到像素点(0，P_t_i(y))与像素点(M，P_t_i(y))连线上的m条线段，分别提取m条线段的两个端点的坐标(Z_k’，P_t_i(y))和(Z_k”，P_t_i(y))；最后，判断不合格农产品A_t_i的中心像素坐标P_t_i(x,y)与端点坐标(Z_k’，P_t_i(y))、(Z_k”，P_t_i(y))之间的关系，当Z_k’<P_t_i(x)<Z_k”时，可确定A_t_i 所属农产品在图像I_t中沿x轴排列顺序p_i＝k；其中m为大于0的整数，k∈[1，m]；
进一步的，步骤一中，所述A_t_i所属农产品从t时刻所在位置运动至线扫定位相机扫描区域所需的时间△t1_i的确定方法为△t1_i＝△t1_i_1+△t1_i_2，其中△t1_i_1是A_t_i所属农产品由t时刻开始做匀速直线运动到输送带末端所需时间，△t1_i_2是A_t_i所属农产品由输送带末端做平抛运动到线阵扫描区域的时间。
进一步的，所述△t1_i_1的确定方式为△t1_i_1＝△L_i/V0，其中V0为匀速输送带的运动速度；△L_i为不合格农产品区域A_t_i中心像素点P_t_i(x,y)距离输送带末端的水平距离；其计算方式为△L_i＝L*[N-P_t_i(y)]/N；
进一步的，所述△t1_i_2确定方式为
Figure PCTCN2021128062-appb-000001
其中所述h1为输送带水平末端与线扫描区域之间的高度差，其中输送带末端边界线与线阵扫描区域平行；g为色选设备所处地区的重力加速度。
进一步的，步骤二中，所述线扫描信号像素与气动分选喷嘴的位置对应关系的标定方法为，线阵相机线扫描区域与面阵相机横向扫描区域宽度相同，均为W，且单次线扫描包含H个像素；气动喷嘴阵列的总有效作用范围的长度与线阵扫描区域相同，气动喷嘴阵列有效作用区域的中心线平行于线阵扫描区域，且二者之间的高度差为h2；假定每个分选喷嘴q_j的有效气动区间长度为E个像素，则气动喷嘴阵列有效作用于像素个数为H的线扫描区域所需的喷嘴个数R1为：
其一，当H除以E的余数mod(H/E)＝0时，所需喷嘴个数R1＝(H/E)个，第j个喷嘴的有效工作区间为[(j-1)*E+1，j*E]，j∈[1，R1]；
其二，当H除以E的余数mod(H/E)≠0时，所需喷嘴个数R1＝floor(H/E)+1个；当j<R1时，第j个喷嘴的有效工作区间为[(j-1)*E+1，j*E]；当j＝R1时，其有效工作区间为[floor(H/E)*E+1，H]，floor(H/E)代表对H除以E的整数部分，j∈[1，R1]。
进一步的，步骤二的过程三中，所述A_t_i所属农产品对应的分选气动喷嘴q_i的确定方法为q_i＝floor[(D_t_i-1)/E]+1；其中floor[(D_t_i-1)/E]代表对(D_t_i-1)除以E的整数部分。
进一步的，步骤二的过程三中，所述t+△t1_i时刻不合格农产品A_t_i自当前所在位置运动至气动喷嘴作用位点所需的时间△t2_i的计算方法为
Figure PCTCN2021128062-appb-000002
其中h2为线阵扫描区域与喷嘴有效作用区域中心线之间的高度差，其中输送带末端与线扫描区域扫描线平行；g为色选设备所处地重力加速度。
进一步的，所述中央控制模块包括工业计算机、计时器、PLC控制器组成，面阵扫描相 机、线扫定位相机、线阵气动喷嘴均与中央控制模块电性连接。
所述线阵相机扫描区域为一条与输送带末端边界线平行的线，其单次线扫像素为H。
本发明的有益效果：
本发明利用面扫描相机获取输送带上颗粒农产品物料的面扫描图像，可精准的提取物料的面阵特征(轮廓、大小、形状等)，实现不合格物料的精准识别，克服了现有色选方法中线阵相机对不合格物料识别精度差的不足；同时，本发明利用面扫描图像识别不合格物料的同时，也可为物料自由降落过程中的精准定位提供关键参数，并与线扫定位相机、气动喷嘴配合实现不合格物料的高速剔除。本发明方案解决了现有色选方法对小颗粒农产品分选速度快但精度差的不足，可在保证色选速度的同时提高对不合格物料的色选精度。
附图说明
图1为本发明一种具体实施方式图。
图2为本发明实施例1的物品排列顺序标定示意图。
图3为本发明实施例1的基本参数标注图；其中M为面阵相机面扫描区域的横向扫描像素；N为面阵相机面扫描区域的纵向扫描像素；H为线扫定位相机的单次线扫描像素；E为单个喷嘴的有效作用长度，单位为像素；4E代表四个喷嘴的有效作用长度，单位为像素。
图1中附图标记：1-面阵扫描相机；2-物料输送装置；3-线扫定位相机；4-气动喷嘴阵列；5-合格品槽；6-不合格品槽；7-工业计算机；8-PLC控制柜；9-不合格品；10-合格品；11-线阵扫描区域；12-气动喷嘴阵列有效工作范围中心线。
具体实施方式
下面结合一些具体实施例为本发明进一步详细说明，但本发明的保护范围不仅限于这些实施例；在本发明中，小颗粒所指的粒径或长度范围为0.5-30mm。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
实施例1：
一种基于面扫线扫光电特征相结合的枸杞色选方法，其优势在于利用面扫描图像解析精度高、线扫描图像信号解析速度快的特点，以面阵相机对枸杞进行品质鉴别和分级，以线扫定位相机对农产品进行定位及剔除，进一步提升色选设备性能。
步骤一，所述基于面阵相机的枸杞品质鉴别和分级包含以下过程：
过程一，如图1所示，将面阵扫描相机1架设于物料输送装置2的输送带出料口的上方，面阵扫描相机1为MV-VS系列1394高速CCD工业相机，相机分辨率为1280×960，设置相机面扫区域的宽度等同于输送带的宽度W＝0.5m，同时设置相机面扫区域的长度为L＝0.3m，输送带的输送速度V0为2m/s；在物料开始输送t＝1s时刻，启动相机得到面扫描区域 对应的1280(M)×960(N)个像素的面扫描图像I_1；
过程二，工业计算机7内置图像处理算法，利用图像处理算法对面扫描图像I_1中的枸杞进行分析，逐一提取图像中单颗粒枸杞的面阵特征。如图3所示，根据面阵特征识别出I_1中的不合格枸杞共3个，并标记出不合格枸杞对应的3个区域A_1_1，A_1_2，A_1_3。
过程三，逐一定位不合格枸杞对应的区域A_1_i的中心像素P_1_i(x,y)，经面扫相机定位可得每个不合格农产品A_1_i的中心像素分别为P_1_1(512,320)，P_1_2(768,640)，P_1_3(1230,800)。
计算出A_1_i所属枸杞对应的定位参数K_1_i(1,i,△t1_i,p_i)并反馈至中央控制模块，(所述中央控制模块包括工业计算机7、计时器和PLC控制器；面阵扫描相机1、线扫定位相机3、线阵气动喷嘴均与中央控制模块电性连接)其中△t1_i为A_1_i所属枸杞从t＝1s时刻所在位置运动至线扫定位相机3扫描区域所需的时间；如图3所示，由图像处理结果可知A_1_1所属不合格枸杞距离输送带末端的距离为△L_1＝L*[N-P_1_1(y)]/N＝0.3×(960-320)/960＝0.2m；故A_1_1所属不合格枸杞运动至输送带末端的所需时间△t1_1_1＝△L_1/V0＝0.2/2＝0.1s；设计输送带末端边界线与线阵扫描区域11平行，二者之间的高度差h1＝0.8m，故可求解出该枸杞做平抛运动至线扫描区域时间
Figure PCTCN2021128062-appb-000003
(其中线阵扫描区域11为一条与输送带末端的边界线平行的线；所述h1实质为2条平行线之间的距离，所以枸杞自输送带末端边界线做平抛运动至线阵扫描区域11的高度差是确定的)；
故根据计算方式△t1_i＝△t1_i_1+△t1_i_2，可求解出A_1_1所属枸杞从t＝1s时刻所在位置移动至线阵扫描区域11所需的时间△t1_1＝△t1_1_1+△t1_1_2＝0.1s+0.404s＝0.504s；
其中p_i为A_1_i所属农产品在图像I_1中沿x轴方向的排列顺序，其中不合格枸杞A_1_1的中心像素纵坐标P_t_i(y)＝P_1_1(y)＝320，对图像I_1进行二值化处理；如图2所示，对点(0，320)与点(1280,320)连线，取连线上m条线段的端点坐标，(其中线段的端点为连线上二值化后各个枸杞的两个端点；如图2所示，在点(0，320)与点(1280,320)连线之间共有m＝4个枸杞，每个枸杞的两个端点连线，则各自对应连线上有4条不同的线段，以连线之间横坐标自小向大方向为正向，确定该连线上第k条线段(即m个枸杞中第k个枸杞)沿x轴方向上两端点的横坐标Z_k’，Z_k”，k∈[1，4]；计算结果为Z_1’＝491，Z_1”＝533，Z_2’＝617，Z_2”＝663，Z_3’＝717，Z_3”＝763，Z_4’＝937，Z_4”＝983。不合格枸杞A_1_1的中心像素横坐标P_1_1(x)＝512，Z_1’＝491<P_1_1(x)＝512<Z_1”＝533，也即是P_1_1(x)∈[Z_1’,Z_1”]，故可知p_1＝1。
按区间划分，落于第一个区间则p_1＝1；例如[Z_k’，Z_k”]表示第k个区间，若不合格枸 杞A_t_i的中心像素横坐标位于区间[Z_k’，Z_k”]内，则其顺序为p_i＝k。
同理可知，在点(0,640)与点(1280,640)连线之间，P_1_2(x)＝768，Z_3’＝747<P_1_2(x)＝768<Z_3”＝789，也即是P_1_2(x)∈[Z_3’,Z_3”]，故可知p_2＝3；在点(0,800)与点(1280,800)连线之间，P_1_3(x)＝1230，Z_5’＝1209<P_1_3(x)＝1230<Z_5”＝1251，也即是P_1_3(x)∈[Z_5’,Z_5”]，故可知p_3＝5。
综上可知A_1_1所属不合格枸杞其定位参数为K_1_1(1,1,0.504,1)，该定位参数的物理意义表述如下：在输送带运动1s时刻，面阵扫描相机1采集扫描区域内的图像I_1，计算机对采集到的图像I_1进行图像处理。处理后的结果为A_1_1所属不合格枸杞相对于点(0，320)与点(1280,320)连线之间的其它枸杞，沿x轴方向，其位置处于的第一个，并将于0.504s后下落至线阵扫描区域11。
同理可求得其余各不合格枸杞定位参数分别为K_1_2(1,2,0.454,3)，K_1_3(1,3,0.429，5)。
步骤二，所述降落过程不合格枸杞A_1_1，A_1_2，A_1_3的线扫定位包含以下过程：
过程一，分别在0.504s，0.454s，0.429s三个不同时刻后开启线扫相机获取3个不合格农产品的线扫描信号L_1_i，i∈[1，3]，所选用线扫定位相机3单次线扫包含的像素H＝1280个像素；由0.429s<0.454s<0.504s的从小到大的顺序依次获取的线扫描信号为L_1_3，L_1_2，L_1_1。
过程二，以h作为去噪阈值，将L_t_i中小于等于h的信号值归0后，计算L_t_i中第p_i个峰对应的峰宽F_t_i，并计算半峰宽(F_t_i)/2处对应的像素位置D_t_i。
以A_1_3对应的枸杞为例，确定其分选参数Q_1_i(1,i,△t1_i,△t2_i,q_i)：根据A_1_3枸杞对应的定位参数K_1_3(1,3,0.429,5)，可知其时间△t1_3＝0.429s为最短时间，可知最早被线扫相机检测到的信号为A_1_3枸杞，其排列顺序p_3＝5，可知该枸杞是点(0,800)与(1280,800)连线上的第5个枸杞，经过计算机处理后可知，线扫描信号L_1_3的第5个信号峰其半峰宽的像素位置D_1_3＝1230。
过程三，首先，标定需要启动的气动喷嘴，所选用气动喷嘴有效工作范围E＝60个像素；然后，由计算式mod(H/E)＝mod(1280/60)＝20≠0，将该气动喷嘴阵列划分为floor(1280/60)+1＝22个区间，也即是需要R1＝22个喷嘴，前21个喷嘴的总有效工作区间为[1,1260]，第22个喷嘴的有效工作区间为[1261，1280]；
已知不合格枸杞A_1_3的线扫描信号L_1_3其半峰宽的像素位置D_1_3＝1230，则由计算式q_i＝floor[(D_t_i-1)/E]+1可得出q_3＝floor[(1230-1)/60]+1＝21。故用于剔除不合格枸杞A_1_3的喷嘴为第21个喷嘴。
随后，计算t+△t1_3＝1.429s时刻A_1_3所属枸杞所在位置运动至气动喷嘴作用位点所需的时间△t2_3，设定气动喷嘴阵列有效工作范围中心线12与线阵扫描区域11平行，二者之间的高度差为h2＝0.05m，则由公式
Figure PCTCN2021128062-appb-000004
求解得出在t+△t1_3＝1.429s时刻后，A_1_3所属枸杞运动至气动喷嘴作用位点所需的时间△t2_3＝0.012s；
h2的实质是两条平行线之间距离，气动喷嘴阵列有效工作范围中心线12与线阵扫描区域11平行，所以两条平行线之间的高度差h2是确定的。
最后，计算得出A_1_3对应的不合格枸杞其分选参数Q_1_3(1,3,0.429,0.012,21)；分选参数Q_1_3中各参数的物理意义表述如下：物料自开始输送，在t＝1s时刻，面阵扫描相机1启动并采集扫描区域内的图像I_1，之后传送给工业计算机7进行信号处理，并识别出图像I_1中有3个不合格枸杞。在经过0.429s后，第一个不合格枸杞A_1_3经过线扫描定位模块；定位完成后，又经过0.012s，第一个不合格枸杞A_1_3进入气动喷嘴阵列4的第21个气动喷嘴的有效工作位点；所以在经过1+0.429+0.012＝1.441s时间后，以物料输送方向为正向，自左向右的第21个气动喷嘴在中央控制模块发出的指令控制下喷出气流，将A_1_3不合格枸杞剔除。
同理可计算出其它不合格枸杞的分选参数分别为：Q_1_1(1,1,0.504,0.012,9)，Q_1_2(1,2,0.454,0.012,13)。
步骤三，中央控制模块根据上述不同枸杞的分选参数在物料开始输送的1.516s时刻开启第9个气动喷嘴将A_1_1枸杞剔除，在1.466s时刻开启第13个气动喷嘴将A_1_2枸杞剔除，在1.441s时刻开启第21个气动喷嘴将A_1_3枸杞剔除；剔除的不合格品9进入不合格品槽6，合格品10则落入合格品槽5。
说明：以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案；因此，尽管本说明书参照上述的各个实施例对本发明已进行了详细的说明，但是本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换；而一切不脱离本发明的精神和范围的技术方案及其改进，其均应涵盖在本发明的权利要求范围内。

Claims (9)

  1. 面扫线扫光电特征相结合的小颗粒农产品色选方法，其特征在于，按照下述步骤进行：
    步骤一，所述颗粒农产品的面扫识别包含以下过程：
    过程一，将面阵扫描相机架设于物料输送装置的输送带出料口的上方，设置相机面扫区域的宽度等同于输送带的宽度W，同时设置相机面扫区域的长度为L，传送带的输送速度为V0；循环启动相机，在不同的t时刻，得到面扫描区域包含M×N个像素的面扫描图像I_t；
    过程二，利用图像处理算法对面扫描图像I_t中的颗粒农产品进行分析，逐一提取图像中单颗粒农产品的面阵特征，根据面阵特征识别出图像I_t中的不合格农产品，并标记出不合格农产品对应的区域A_t_1，A_t_2，……，A_t_(n-1)，A_t_n，其中n为图像I_t中不合格农产品的颗粒数，n的取值为自然数；
    过程三，以输送带传输方向y轴为正向，以面阵扫描相机扫描区域的左下顶点作为坐标原点(0,0)，以像素点作为坐标刻度的最小单位，建立直角坐标系；逐一定位不合格农产品对应的区域A_t_i的中心像素P_t_i(x,y)，计算A_t_i所属农产品从t时刻所在位置移动至线扫描区域所需的时间△t1_i以及A_t_i所属农产品在当前图像I_t中沿x轴方向的排列顺序p_i，从而确定A_t_i所属农产品对应的定位参数K_t_i(t,i,△t1_i,p_i)并反馈至中央控制模块，其中i∈[1，n]；
    步骤二，所述农产品降落过程不合格农产品的线扫定位包含以下过程：
    过程一，中央控制模块根据步骤一反馈的图像I_t对应的定位参数K_t_i(t,i,△t1_i,p_i)，按照△t1_i从小到大的顺序，中央控制模块依次在t+△t1_i时刻启动线扫定位相机获取A_t_i所属农产品对应的线扫描信号L_t_i，其像素个数为H；
    过程二，以h作为去噪阈值，将L_t_i中小于等于h的信号值归0后，计算L_t_i中第p_i个峰对应的峰宽F_t_i，并计算半峰宽(F_t_i)/2处对应的像素位置D_t_i；
    过程三，根据标定的线扫描信号像素与气动分选喷嘴的位置对应关系，结合D_t_i确定出A_t_i所属农产品对应的分选气动喷嘴q_i；同时，计算t+△t1_i时刻A_t_i所属农产品所在位置运动至气动喷嘴作用位点所需的时间△t2_i，从而确定A_t_i所属农产品的分选参数Q_t_i(t,i,△t1_i,△t2_i,q_i)并反馈至中央控制模块；
    步骤三，所述不合格农产品的气动分选包含以下过程：
    中央控制模块根据步骤二反馈的图像I_t对应的分选参数Q_t_i(t,i,△t1_i,△t2_i,q_i)，按照△t1_i+△t2_i从小到大的顺序，中央控制模块依次在△t1_i+△t2_i时刻控制第q_i分选 气动喷嘴喷出气流，改变A_t_i所属不合格农产品的下降轨迹，实现对不合格农产品的气动分选。
  2. 根据权利要求1所述的面扫线扫光电特征相结合的小颗粒农产品色选方法，其特征在于，步骤一中，所述A_t_i所属农产品在图像I_t中沿x轴方向的排列顺序p_i的计算方法为：首先，根据所建立直角坐标系，确定不合格农产品A_t_i的中心像素坐标P_t_i(x,y)；然后，对图像I_t进行二值化处理并得到像素点(0，P_t_i(y))与像素点(M，P_t_i(y))连线上的m条线段，分别提取m条线段的两个端点的坐标(Z_k’，P_t_i(y))和(Z_k”，P_t_i(y))；最后，判断不合格农产品A_t_i的中心像素坐标P_t_i(x,y)与端点坐标(Z_k’，P_t_i(y))、(Z_k”，P_t_i(y))之间的关系，当Z_k’<P_t_i(x)<Z_k”时，可确定A_t_i所属农产品在图像I_t中沿x轴排列顺序p_i＝k；其中m为大于0的整数，k∈[1，m]。
  3. 根据权利要求1所述的面扫线扫光电特征相结合的小颗粒农产品色选方法，其特征在于，步骤一中，所述A_t_i所属农产品从t时刻所在位置运动至线扫定位相机扫描区域所需的时间△t1_i的确定方法为△t1_i＝△t1_i_1+△t1_i_2，其中△t1_i_1是A_t_i所属农产品由t时刻开始做匀速直线运动到输送带末端所需时间，△t1_i_2是A_t_i所属农产品由输送带末端做平抛运动到线阵扫描区域的时间。
  4. 根据权利要求3所述的面扫线扫光电特征相结合的小颗粒农产品色选方法，其特征在于，所述△t1_i_1的确定方式为，△t1_i_1＝△L_i/V0，其中V0为匀速输送带的运动速度；△L_i为不合格农产品区域A_t_i中心像素点P_t_i(x,y)距离输送带末端的水平距离；其计算方式为△L_i＝L*[N-P_t_i(y)]/N。
  5. 根据权利要求3面扫线扫光电特征相结合的小颗粒农产品色选方法，其特征在于，所述△t1_i_2确定方式为
    Figure PCTCN2021128062-appb-100001
    其中所述h1为传送带水平末端与线扫描区域之间的高度差，其中输送带末端边界线与线阵扫描区域平行；g为色选设备所处地区的重力加速度。
  6. 根据权利要求1所述的面扫线扫光电特征相结合的小颗粒农产品色选方法，其特征在于，步骤二中，所述线扫描信号像素与气动分选喷嘴的位置对应关系的标定方法为，线阵相机线扫描区域与面阵相机横向扫描区域宽度相同，均为W，且单次线扫描包含H个像素；气动喷嘴阵列的总有效作用范围的长度与线阵扫描区域相同，气动喷嘴阵列有效作用区域的中心线平行于线阵扫描区域，且二者之间的高度差为h2；假定每个分选喷嘴q_j的有效气动区间长度为E个像素，则气动喷嘴阵列有效作用于像素个数为H的线扫描 区域所需的喷嘴个数R1为：
    其一，当H除以E的余数mod(H/E)＝0时，所需喷嘴个数R1＝(H/E)个，第j个喷嘴的有效工作区间为[(j-1)*E+1，j*E]，j∈[1，R1]；
    其二，当H除以E的余数mod(H/E)≠0时，所需喷嘴个数R1＝floor(H/E)+1个；当j<R1时，第j个喷嘴的有效工作区间为[(j-1)*E+1，j*E]；当j＝R1时，其有效工作区间为[floor(H/E)*E+1，H]，floor(H/E)代表对H除以E取整数部分，j∈[1，R1]。
  7. 根据权利要求1所述的面扫线扫光电特征相结合的小颗粒农产品色选方法，其特征在于，步骤二的过程三中，所述A_t_i所属农产品对应的分选气动喷嘴q_i的确定方法为q_i＝floor[(D_t_i-1)/E]+1；其中floor[(D_t_i-1)/E]代表对(D_t_i-1)除以E取整数部分。
  8. 根据权利要求1所述的面扫线扫光电特征相结合的小颗粒农产品色选方法，其特征在于，步骤二的过程三中，所述t+△t1_i时刻不合格农产品A_t_i自当前所在位置运动至气动喷嘴作用位点所需的时间△t2_i的计算方法为
    Figure PCTCN2021128062-appb-100002
    其中h2为线阵扫描区域与喷嘴有效作用区域中心线之间的高度差，其中输送带末端与线扫描区域扫描线平行；g为色选设备所处地重力加速度；所述h2为线扫描区域与喷嘴有效作用区域中心线之间的高度差，故h2为一确定值。
  9. 根据权利要求1所述的面扫线扫光电特征相结合的小颗粒农产品色选方法，其特征在于，所述中央控制模块包括工业计算机、计时器、PLC控制器组成，面阵扫描相机、线扫定位相机、线阵气动喷嘴均与中央控制模块电性连接。
PCT/CN2021/128062 2021-10-22 2021-11-02 面扫线扫光电特征相结合的小颗粒农产品色选方法 WO2023065396A1 (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US17/626,502 US11878328B2 (en) 2021-10-22 2021-11-02 Color sorting method for small-grain agricultural products combining area scanning photoelectric characteristic and line scanning photoelectric characteristic
EP21839813.9A EP4194108A4 (en) 2021-10-22 2021-11-02 COLOR SORTING PROCESS FOR SMALL AGRICULTURAL PRODUCTS WITH A COMBINATION OF AREA SCANNING PHOTOELECTRIC CHARACTERISTICS AND LINE SCANNING PHOTOELECTRIC CHARACTERISTICS

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202111235116.XA CN114082674B (zh) 2021-10-22 2021-10-22 面扫线扫光电特征相结合的小颗粒农产品色选方法
CN202111235116.X 2021-10-22

Publications (1)

Publication Number Publication Date
WO2023065396A1 true WO2023065396A1 (zh) 2023-04-27

Family

ID=80297409

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2021/128062 WO2023065396A1 (zh) 2021-10-22 2021-11-02 面扫线扫光电特征相结合的小颗粒农产品色选方法

Country Status (4)

Country Link
US (1) US11878328B2 (zh)
EP (1) EP4194108A4 (zh)
CN (1) CN114082674B (zh)
WO (1) WO2023065396A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116140230A (zh) * 2023-04-18 2023-05-23 北京霍里思特科技有限公司 用于物料分选的方法及其相关产品

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101279321A (zh) * 2008-05-14 2008-10-08 许大红 颗粒物料光学色选机
CN101823057A (zh) * 2009-03-04 2010-09-08 上海亦晨信息科技发展有限公司 大米色选仪系统
CN103697833A (zh) * 2013-12-30 2014-04-02 北京农业智能装备技术研究中心 农产品形状检测方法及装置
CN104138851A (zh) * 2014-06-25 2014-11-12 山东大学 基于振动给料与成像识别的大颗粒物料分选系统及方法
EP2907592A1 (en) * 2014-02-13 2015-08-19 Buhler Sortex Ltd. Sorting apparatus and method
US20180100810A1 (en) * 2016-10-10 2018-04-12 Altria Client Services Llc Method and system of detecting foreign materials within an agricultural product stream
CN110090818A (zh) * 2019-04-19 2019-08-06 浙江大学 一种智能色选装备高精细气流自适应控制方法
CN111833385A (zh) * 2020-07-20 2020-10-27 山东科技大学 一种视觉技术用智能检测装置成像系统及成像方法
CN113458016A (zh) * 2021-08-17 2021-10-01 江苏大学 基于面阵图像特征的小颗粒农产品色选装置

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5305894A (en) * 1992-05-29 1994-04-26 Simco/Ramic Corporation Center shot sorting system and method
US5848706A (en) * 1996-03-19 1998-12-15 Sortex Limited Sorting apparatus
FR2860581B1 (fr) * 2003-10-03 2006-04-14 A Resposabilte Limitee De La B Procede et installation pour le controle de qualite en boulangerie
EP1975603A1 (en) * 2007-03-27 2008-10-01 Visys NV Method and system for use in inspecting and/or removing unsuitable objects from a stream of products and a sorting apparatus implementing the same
WO2009015486A1 (en) * 2007-08-02 2009-02-05 Montrose Technologies Inc. Apparatus for inspecting and grouping articles traveling on a conveyor
CN101234381B (zh) * 2008-03-07 2011-09-07 天津市华核科技有限公司 基于视觉识别的颗粒物料分选分级方法
CN101439335A (zh) * 2008-12-26 2009-05-27 天津市华核科技有限公司 采用彩色电荷藕合器件的多功能色选方法
JP5569799B2 (ja) * 2010-06-18 2014-08-13 株式会社サタケ 色彩選別機
KR101194776B1 (ko) * 2012-01-19 2012-10-25 주식회사 아이디알시스템 3단 색채 선별장치
CN203610329U (zh) 2013-10-16 2014-05-28 天津佳柱电子科技有限公司 大米色选机
CN103611691A (zh) * 2013-12-17 2014-03-05 江苏大学 一种渗油软胶囊在线检测装置
DE102014207157A1 (de) * 2014-02-28 2015-09-03 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Fördersystem, Anlage zur Schüttgutsortierung mit einem solchen Fördersystem und Transportverfahren
JP6344031B2 (ja) * 2014-04-21 2018-06-20 シンフォニアテクノロジー株式会社 パーツフィーダ用画像処理装置およびパーツフィーダ
CN204159564U (zh) 2014-09-05 2015-02-18 东莞市新泰粮食有限公司 大米色选机
CN104646315B (zh) * 2015-03-02 2019-02-05 青岛农业大学 一种具有黄曲霉素检测功能的农产品智能分选机
CN106391506A (zh) * 2015-06-08 2017-02-15 绿索仕(徐州)环境科技有限公司 建筑垃圾色彩分选系统
CN204974516U (zh) 2015-09-11 2016-01-20 赣州谷神米业有限公司 大米色选机
FR3100140B1 (fr) * 2019-08-30 2021-09-17 Ets Dubrulle Dispositif de tri pour produits agricoles, et procédé correspondant
CN113458013A (zh) * 2021-05-13 2021-10-01 深圳市蓝际工业技术有限公司 基于ccd检测和皮带供料的建筑垃圾分选系统和方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101279321A (zh) * 2008-05-14 2008-10-08 许大红 颗粒物料光学色选机
CN101823057A (zh) * 2009-03-04 2010-09-08 上海亦晨信息科技发展有限公司 大米色选仪系统
CN103697833A (zh) * 2013-12-30 2014-04-02 北京农业智能装备技术研究中心 农产品形状检测方法及装置
EP2907592A1 (en) * 2014-02-13 2015-08-19 Buhler Sortex Ltd. Sorting apparatus and method
CN104138851A (zh) * 2014-06-25 2014-11-12 山东大学 基于振动给料与成像识别的大颗粒物料分选系统及方法
US20180100810A1 (en) * 2016-10-10 2018-04-12 Altria Client Services Llc Method and system of detecting foreign materials within an agricultural product stream
CN110090818A (zh) * 2019-04-19 2019-08-06 浙江大学 一种智能色选装备高精细气流自适应控制方法
CN111833385A (zh) * 2020-07-20 2020-10-27 山东科技大学 一种视觉技术用智能检测装置成像系统及成像方法
CN113458016A (zh) * 2021-08-17 2021-10-01 江苏大学 基于面阵图像特征的小颗粒农产品色选装置

Also Published As

Publication number Publication date
CN114082674A (zh) 2022-02-25
EP4194108A1 (en) 2023-06-14
US11878328B2 (en) 2024-01-23
CN114082674B (zh) 2023-10-10
US20230256473A1 (en) 2023-08-17
EP4194108A4 (en) 2023-07-05

Similar Documents

Publication Publication Date Title
CN102095733B (zh) 一种基于机器视觉对瓶盖表面瑕疵的智能检测方法
JP6037125B2 (ja) 光学式粒状物選別機
CN110246122A (zh) 基于机器视觉的小型轴承质量检测方法、装置及系统
JP6152845B2 (ja) 光学式粒状物選別機
CN203061453U (zh) 瓷砖色差视觉分选系统
CN110090818A (zh) 一种智能色选装备高精细气流自适应控制方法
CN112893159B (zh) 一种基于图像识别的煤矸石分拣方法
WO2023065396A1 (zh) 面扫线扫光电特征相结合的小颗粒农产品色选方法
CN215314059U (zh) 基于面阵图像特征的小颗粒农产品色选装置
CN107185858A (zh) 一种果品检测分级系统和方法
CN113458016A (zh) 基于面阵图像特征的小颗粒农产品色选装置
CN107671007B (zh) 基于机器视觉批量检测珍珠形状的智能分拣系统
CN111330874A (zh) 药瓶底部区域污染或杂物缺陷检测装置及其检测方法
CN111487192A (zh) 一种基于人工智能的机器视觉表面缺陷检测装置及方法
CN201357150Y (zh) 白瓜子色选机
CN208928634U (zh) 一种卷烟分拣设备
CN213914955U (zh) 一种笔头球珠表面光滑度的检测筛选机构
CN207641887U (zh) 贴片电阻外观检测装置
CN107167094A (zh) 基于单相机的分选机物料三维尺寸快速测量系统及方法
CN206882197U (zh) 一种果品检测分级系统
CN208098654U (zh) 圆柱插头针的自动化检测装置
CN207547057U (zh) 一种平面度检查机
CN115004016A (zh) 光学式粒状物判别装置
CN206550016U (zh) 一种基于图像识别的物料分选装置
CN217332198U (zh) 一种基于视觉检测系统的顶盖检测装置

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2021839813

Country of ref document: EP

Effective date: 20220119