CN102773217A - 猕猴桃自动分级*** - Google Patents
猕猴桃自动分级*** Download PDFInfo
- Publication number
- CN102773217A CN102773217A CN2012102968450A CN201210296845A CN102773217A CN 102773217 A CN102773217 A CN 102773217A CN 2012102968450 A CN2012102968450 A CN 2012102968450A CN 201210296845 A CN201210296845 A CN 201210296845A CN 102773217 A CN102773217 A CN 102773217A
- Authority
- CN
- China
- Prior art keywords
- kiwi berry
- image
- controller
- processor
- camera
- 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.)
- Granted
Links
Images
Landscapes
- Sorting Of Articles (AREA)
Abstract
本发明公开了一种猕猴桃自动分级***,包括:单行滑板装置、单个定位输送装置、第一电动机、第一位置传感器、透明传输带、第二电动机、第二位置传感器、第一摄像头、第二摄像头、分级执行***、处理器和控制器,通过单行滑板装置和单个定位输送装置可使猕猴桃排列为单行状且两两之间保持一定的距离,通过控制器对第一电动机和第二电动机的控制,可使猕猴桃能够单个静止在图像采集区域,通过第一摄像头和第二摄像头对静止在透明传送带上的猕猴桃进行图像采集,可采集到猕猴桃较为全面清晰的图像,通过处理器对采集的图像进行图像特征提取后,经BP网络进行损伤检测,并结合大小、形状特征输出较为准确的分级结果。
Description
技术领域
本发明涉及猕猴桃的分级技术领域,更具体地说,涉及一种猕猴桃自动分级***。
背景技术
猕猴桃是一种营养价值丰富的水果,具有多重功效和作用,被人们称为果中之王,其市场价格可观,在国际国内市场具有很大的消费潜力。据果业局的统计数据显示,截至2010年底,全球猕猴桃种植面积200万亩,我国占到100万亩,但猕猴桃产后分级处理比例不到2%,而发达国家产后处理比例却占80%~90%。因此,我国猕猴桃在国际市场缺乏竞争力。
我国现有的猕猴桃分级技术主要通过采集翻滚运动中的猕猴桃的图像,然后对采集到的图像经过处理后输出分级结果。由于现有的分级技术采集的是猕猴桃翻滚运动中图像,因此,对猕猴桃的控制较为复杂,且采集到的猕猴桃的图像也比较复杂和模糊,在对采集到的图像进行处理时需要去模糊和图像分割等复杂的处理,使得对猕猴桃的分级耗时比较长且分级结果不准确。
发明内容
有鉴于此,本发明提供一种猕猴桃自动分级***,以实现对猕猴桃进行方便、快捷、准确的分级。
为解决上述技术问题,本发明采用的技术方案为:一种猕猴桃自动分级***,包括:单行滑板装置、单个定位输送装置、第一电动机、第一位置传感器、透明传输带、第二电动机、第二位置传感器、第一摄像头、第二摄像头、处理器、控制器和分级执行***;其中:
所述单行滑板装置分别与储料箱和所述单个定位输送装置相连,用于调节从储料装置中下落的猕猴桃的输送量,使之成为单列状输送至所述单个定位输送装置中;
所述第一电动机分别与所述控制器和单个定位输送装置相连,用于在分级时根据所述控制器发出的控制信号带动所述单个定位输送装置输送猕猴桃;
所述第一位置传感器位于所述单个定位输送装置的输送末端,并与所述控制器相连,用于当猕猴桃到达所述单个定位输送装置末端时采集所述猕猴桃到达的信息,并将采集的所述猕猴桃到达的信息发送至控制器;
所述控制器根据接收到的信息控制所述第一电动机停止运转;
所述透明传送带分别与所述单个定位输送装置和第二电动机相连,用于传送从所述单个定位输送装置中下落至所述透明传送带的猕猴桃至图像采集区域;
所述第二传感器位于图像采集区域且与所述控制器相连,用于当猕猴桃随所述透明传送带一起到达图像采集区域时采集所述猕猴桃就位的信息,并将采集的所述猕猴桃就位的信息发送至控制器;
所述控制器根据接收到的信息控制与其相连的第二电动机停止运转,并将此猕猴桃就位的信息发送到处理器;
所述处理器采用触发有效方式,图像采集区域中的第一摄像头和第二摄像头采集的所有猕猴桃图像中的当前帧猕猴桃图像作为有效的猕猴桃图像,并将所述图像发送至处理器中的图像预处理模块作为处理对象;
所述处理器接收并处理所述图像,根据处理结果输出分级结果;
所述控制器还与所述处理器相连,用于接收所述处理器输出的分级结果,并根据所述分级结果控制所述分级执行***将猕猴桃分配至分级框。
优选地,所述处理器包括:人机交互模块、图像预处理模块、特征提取模块和特征融合模块;其中:
所述人机交互模块通过向控制器发送控制命令,实现对设备的操控与监视,并协调图像处理、图像采集、控制器三者有序工作;
所述图像预处理模块通过图像去噪、图像分割和图像裁剪对所述第一摄像头和第二摄像头采集的图像进行预处理;
所述特征提取模块从经过预处理后的图像中提取大小、形状和表面缺陷特征;
所述特征融合模块融合提取到的所述大小、形状和表面缺陷特征,并根据融合结果得到分级结果。
优选地,所述第一摄像头和第二摄像头分别通过USB接口与所述处理器相连。
优选地,所述控制器为STC89C52单片机。
优选地,还包括与所述控制器相连的分级执行***;
所述控制器还与所述处理器相连,用于接收所述处理器输出的分级结果,并根据所述分级结果控制所述分级执行***将猕猴桃分配至分级框。
从上述的技术方案可以看出,本发明公开的一种猕猴桃自动分级***,通过单行滑板装置和单个定位输送装置,能够使猕猴桃排列为单行状且两两之间能够保持4-6cm的距离,当第一位置传感器检测到猕猴桃到达单个定位输送装置的末端时,控制器控制带动单个定位输送装置运转的第一电动机停止,能够保证在一段时间内只有一个猕猴桃在透明传送带上向图像采集区域运行,当第二位置传感器检测到猕猴桃到达图像采集区域时,控制器控制带动透明传送带运转的第二电动机停止,能够使猕猴桃单个静止在图像采集区域,第一摄像头和第二摄像头对静止在透明传输带上的猕猴桃进行上下图像采集,能够使猕猴桃无需翻滚运转就能采集到猕猴桃较为全面的图像,通过处理器对采集的猕猴桃图像进行处理并输出分级结果,当上一个猕猴桃分级处理结束且进入对应的分级框后控制器重新启动第一电动机对下一个猕猴桃进行分级处理。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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,还可以根据这些附图获得其他的附图。
图1为本发明实施例公开的一种猕猴桃自动分级***的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通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。
本发明实施例公开了一种猕猴桃自动分级***,以实现对猕猴桃进行方便、快捷、准确的分级。
如图1所示,为本发明实施例公开的一种猕猴桃自定分级***,包括:
单行滑板装置1、单个定位输送装置2、第一电动机3、第一位置传感器4、透明传输带5、第二电动机6、第二位置传感器7、第一摄像头8、第二摄像头9、处理器10、控制器11和分级执行***12;其中:
单行滑板装置1分别与储料箱和单个定位输送装置2相连,用于调节从储料装置中下落的猕猴桃的输送量,使之成为单列状输送至单个定位输送装置2中;
第一电动机3分别与控制器11和单个定位输送装置2相连,用于在***开始工作时,根据控制器11发出的控制信号带动单个定位输送装置2输送猕猴桃;
第一位置传感器7位于单个定位输送装置2的输送末端,并与控制器11相连,用于当猕猴桃到达单个定位输送装置2末端时采集猕猴桃到达的信息,并将采集的猕猴桃到达的信息发送至控制器11;
控制器11根据接收到的信息控制第一电动机3停止运转,此时单个定位输送装置2不再向前传输猕猴桃,直到处理器10输出上一个猕猴桃的分级结果(当前猕猴桃进入对应分级框)后才开始继续传输下一个猕猴桃,保证了对猕猴桃进行单个分级,避免了多个猕猴桃一起集中到图像采集区域而使分级结果不准确的问题;
透明传送带5分别与单个定位输送装置2和第二电动机6相连,用于传送从单个定位输送装置2中下落至透明传送带5的猕猴桃至图像采集区域;
第二传感器7位于图像采集区域且与控制器11相连,用于当猕猴桃随透明传送带5一起到达图像采集区域时采集所述猕猴桃的猕猴桃就位信息,并将采集的所述信息发送至控制器11,其中:猕猴桃下落至透明传送带5上后,还可以通过横向定位装置和减速塑料软板,使猕猴桃静止在透明传送带5上,并随透明传送带5一起向图像采集区域运行;
控制器11根据接收到的信息控制与其相连的第二电动机6停止运转,使猕猴桃单个静止在图像采集区域,并将此猕猴桃就位的信息发送到处理器10,所处理器10采用触发有效方式,此时图像采集区域中的第一摄像头8和第二摄像头9采集到的当前帧猕猴桃图像即为有效的猕猴桃图像,送至处理器10中的图像预处理模块作为处理对象。
第一摄像头8和第二摄像头9还分别与处理器10通过USB接口相连,用于将采集的图像发送至处理器10;
处理器10接收并处理所述图像,根据处理结果输出分级结果;
控制器11接收处理器10输出的分级结果,并根据所述分级结果控制分级执行***12将猕猴桃分配至分级框。
当处理器10输出猕猴桃的分级结果且(当前猕猴桃进入对应分级框)后,控制器11发出控制信号,控制第一电动机3重新开始运转,对下一个猕猴桃进行传输,如此循环,对所有的猕猴桃进行分级。
上述中,控制器11为STC89C52单片机。
图像处理器10在对接收到的图像进行处理时,通过图像预处理模块通过图像去噪、图像分割和图像裁剪对第一摄像头8和第二摄像头9采集的图像进行预处理;
特征提取模块从经过预处理后的图像中提取大小、形状和表面缺陷特征;
特征融合模块融合提取到的所述大小、形状和表面缺陷特征,并根据融合结果得到分级结果。
具体的,由于摄像头采集的图像包含背景、噪声等信息,需要首先对图像进行预处理,且图像预处理是图像处理到图像分析的关键步骤,能够为后续的特征提取,图像识别工作提供有用的信息;
在图像的预处理过程中,分别采用中值滤波、均值滤波、自适应维纳滤波和小波去噪对猕猴桃的灰度图像进行滤波处理,对比去噪后的图像发现:经过小波去噪后的图像对比度强,模糊少,清晰度高,图像边缘及细节部分信息保存比较完整;
对经过小波去噪后的图像进行边缘检测,找到更加真实的边界;
对边缘检测得到的图像采用较大的膨胀参数进行膨胀,然后对膨胀后的图像进行填充、腐蚀、开运算、删除冗余像素等操作,最终得到猕猴桃区域图像;
将猕猴桃区域图像作为模板,分别与小波去噪后的R、G、B分量进行与运算,最后经合成运算得到从背景中分割出来的彩色猕猴桃图像;
为了便于后续的表面缺陷识别以及形状特征提取,需将图像分割后的图像中大量的白色背景裁掉,搜索图像上、下、左、右的四个极限位置坐标,将此坐标信息输入裁剪函数,得到裁剪后的图像;
经过图像预处理后,从预处理后的图像中提取大小、形状和表面缺陷特征;具体的,处理器基于区域图像像素提取、实际重量与像素量的拟合关系和阈值选取对猕猴桃大小特征进行提取;
区域图像像素量提取:
由于摄像头分别拍摄猕猴桃上下两个侧面的图像,且摄像头的位置固定,焦距事先调好,所有的拍摄环境固定不变,所以可以很方便的选用猕猴桃区域图像像素量来表示其空间尺寸。考虑到畸形猕猴桃有可能上下两个侧面大小上存在差异,对摄像头拍摄的上下两幅图像同时提取区域图像像素量,取平均,作为猕猴桃大小的判定依据;
实际重量与像素量的拟合关系:
实验选取10个大小不一且形状较规则的,同品种同批次的猕猴桃作为样本,分别提取其上下两个侧面的平均像素信息,并称取其实际重量,采用最小二乘法拟合二者的关系,得出猕猴桃上下两个侧面的平均像素量Y(单位:个)与其实际重量W(单位:g)满足如下所示近似线性关系:
Y=798W+34081(1);
阈值选取:
根据2009年12月22日发布的中华人民共和国农业行业标准NY/T1794-2009,猕猴桃大小规格标准并结合式(1)得出猕猴桃各规格像素量阈值。
处理器基于傅里叶变换对猕猴桃形状特征进行提取:
具体的,通过边界跟踪获取边界序列点、获取中心点坐标、计算半径序列并归一化、对半径序列作离散傅里叶变换、归一化傅里叶描述子、定义形状不规则度描述和具体实验进行猕猴桃形状特征提取。
处理器基于BP网络对表面缺陷特征进行识别:
具体的,针对猕猴桃常见病斑症状,用黑斑模拟猕猴桃实际病斑,通过小波分解得到图像近似分量,并提取其统计特征用于训练BP网络,训练后的BP网络作为分类器实现猕猴桃的表面缺陷识别。
小波分解:
小波变换是一种新的变换分析方法,它的主要特点是通过变换能够充分突出问题某些方面的特征,广泛应用于数字图像处理。任意信号f(t)的小波变换Wf(a,b)定义为:
式(2)中:ψ(t)是母小波,a为伸缩因子,b为平移因子。由此可以看出,小波变换是二元形式的信号,且小波变换保持信号内积不变,其在函数空间L2(R)上具有完全反变换关系,小波变换是无损变换。
每层小波分解都分解成一个低频部分和三个高频部分,进行下级分解时,对低频部分继续分解,低频部分即是原始图像的缩略图,高频部分保留了图像的纹理、边缘等细节信息。经过反复试验,选取2阶Daubechies小波基对经预处理后的猕猴桃灰度图像进行三层小波分解能够最好地体现猕猴桃的缺陷区域特征。将图像预处理得到的图像转化为灰度图像,对此灰度图像用2阶Daubechies小波基进行三层小波分解。
BP网络分级:
将缺陷区域特征最明显,边缘等干扰最少的第一层近似分量压缩成100×100维的矩阵,并提取出此矩阵的统计特征:中值、最大值、最小值、最大值与最小值之差。从提前拍摄的大量猕猴桃图像中选取具有代表性的训练样本100个,提取上述4个统计特征并采用极值归一化方法进行归一化处理后输入BP网络进行训练。对设备实际运作中拍摄的猕猴桃图像同样提取上述4个统计特征,利用训练样本矩阵的最大值、最小值对其作归一化处理,输入训练后的BP网络,最终实现猕猴桃表面缺陷识别。
融合提取到的所述大小、形状和表面缺陷特征:
具体的,根据猕猴桃农业行业标准并结合消费者的喜好,融合在特征提取阶段提取的大小特征:大(L)、中(M)、小(S),形状特征:好、差和表面特征:表面有缺陷、无缺陷特征,最终将猕猴桃分为四个等级,将凡是有病斑缺陷的猕猴桃分为四等品。
在上述实施例中,通过控制器控制第一电动机和第二电动机,使得猕猴桃能够通过单个定位输送装置和透明传输带单个静止在图像采集区域,解决了传统的猕猴桃分级***中采集运动中的猕猴桃图像而导致图像模糊、程序设计复杂的问题;并且在上述实施例中通过分别位于透明传送带上部和下部的两个摄像头对猕猴桃进行图像采集,使得采集到的猕猴桃图像较为完整。
具体的,在对猕猴桃的自动分级过程中,首先,利用处理器10上的人机交互界面启动分级设备(人机界面主要提供启动、暂停\继续、停止操作以及猕猴桃分级结果、分级进度、分级中的参数等信息),同时实现控制器11的初始化及它与处理器10之间的联接,随后,控制器11根据是否接受到第一位置传感器4发送的猕猴桃到达信号决定单个定位输送装置2的第一电动机3停机与否;若控制器11接收到第一位置传感器4发送的猕猴桃到达信号,则控制单个定位输送装置2停止,(猕猴桃在下落到传送带上后,经过了横向定位装置,使每个猕猴桃在图像采集区的姿态基本一致)当控制器11监测到第二位置传感器7传送的猕猴桃就位的信号,并根据此信号决定分级透明传送带5的第二电动机6停机与否;若控制器11接收到第二位置传感器7发送的猕猴桃就位信号,则控制分级透明传送带5停止运动,控制器11通过串口通信向处理器10发送猕猴桃就位信号;随后第一摄像头8和第二摄像头9对猕猴桃进行图像采集,并通过处理器10的图像处理程序读取当前帧的猕猴桃图像,并对图像进行处理,得到猕猴桃品质特征参数,随后BP网络根据品质特性参数给出猕猴桃级别,并由处理器10通过串口通信将分级信号传至控制器11;随后,控制器11根据分级信号控制分级执行***12中相应的分级挡板动作,并重启第二电动机6带动分级透明传送带5运动,实现猕猴桃的分级。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (4)
1.一种猕猴桃自动分级***,其特征在于,包括:单行滑板装置、单个定位输送装置、第一电动机、第一位置传感器、透明传输带、第二电动机、第二位置传感器、第一摄像头、第二摄像头、处理器、控制器和分级执行***;其中:
所述单行滑板装置分别与储料箱和所述单个定位输送装置相连,用于调节从储料装置中下落的猕猴桃的输送量,使之成为单列状输送至所述单个定位输送装置中;
所述第一电动机分别与所述控制器和单个定位输送装置相连,用于在分级时根据所述控制器发出的控制信号带动所述单个定位输送装置输送猕猴桃;
所述第一位置传感器位于所述单个定位输送装置的输送末端,并与所述控制器相连,用于当猕猴桃到达所述单个定位输送装置末端时采集所述猕猴桃到达的信息,并将采集的所述猕猴桃到达的信息发送至控制器;
所述控制器根据接收到的信息控制所述第一电动机停止运转;
所述透明传送带分别与所述单个定位输送装置和第二电动机相连,用于传送从所述单个定位输送装置中下落至所述透明传送带的猕猴桃至图像采集区域;
所述第二传感器位于图像采集区域且与所述控制器相连,用于当猕猴桃随所述透明传送带一起到达图像采集区域时采集所述猕猴桃就位的信息,并将采集的所述猕猴桃就位的信息发送至控制器;
所述控制器根据接收到的信息控制与其相连的第二电动机停止运转,并将此猕猴桃就位的信息发送到处理器;
所述处理器采用触发有效方式,图像采集区域中的第一摄像头和第二摄像头采集的所有猕猴桃图像中的当前帧猕猴桃图像为有效的猕猴桃图像,并将所述图像发送至处理器中的图像预处理模块作为处理对象;
所述处理器接收并处理所述图像,根据处理结果输出分级结果;
所述控制器还与所述处理器相连,用于接收所述处理器输出的分级结果,并根据所述分级结果控制所述分级执行***将猕猴桃分配至分级框。
2.根据权利要求1所述的***,其特征在于,所述处理器包括:人机交互模块、图像预处理模块、特征提取模块和特征融合模块;其中:
所述人机交互模块通过向控制器发送控制命令,实现对设备的操控与监视,并协调图像处理、图像采集、控制器三者有序工作;
所述图像预处理模块通过图像去噪、图像分割和图像裁剪对所述第一摄像头和第二摄像头采集的图像进行预处理;
所述特征提取模块从经过预处理后的图像中提取大小、形状和表面缺陷特征;
所述特征融合模块融合提取到的所述大小、形状和表面缺陷特征,并根据融合结果得到分级结果。
3.根据权利要求1所述的***,其特征在于,所述第一摄像头和第二摄像头分别通过USB接口与所述处理器相连。
4.根据权利要求1所述的***,其特征在于,所述控制器为STC89C52单片机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201210296845 CN102773217B (zh) | 2012-08-20 | 2012-08-20 | 猕猴桃自动分级*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201210296845 CN102773217B (zh) | 2012-08-20 | 2012-08-20 | 猕猴桃自动分级*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102773217A true CN102773217A (zh) | 2012-11-14 |
CN102773217B CN102773217B (zh) | 2013-10-09 |
Family
ID=47118455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201210296845 Expired - Fee Related CN102773217B (zh) | 2012-08-20 | 2012-08-20 | 猕猴桃自动分级*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102773217B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102921645A (zh) * | 2012-11-19 | 2013-02-13 | 桂林电子科技大学 | 基于图像视觉识别的罗汉果分选方法及其分选机 |
CN105032779A (zh) * | 2015-07-15 | 2015-11-11 | 大连理工大学 | 一种渔业生物精确检测计数与分级装置 |
CN106290359A (zh) * | 2016-07-22 | 2017-01-04 | 南京农业大学 | 一种苹果脆片品质无损分级的方法 |
CN106423905A (zh) * | 2016-11-01 | 2017-02-22 | 无锡艾科瑞思产品设计与研究有限公司 | 一种猕猴桃检测分级装置 |
CN107694957A (zh) * | 2017-09-29 | 2018-02-16 | 周永潮 | 自动化取料检测分装控制方法 |
CN108704867A (zh) * | 2018-07-11 | 2018-10-26 | 四川农业大学 | 一种水果分级装置 |
CN109261546A (zh) * | 2017-07-18 | 2019-01-25 | 吕朝妮 | 猕猴桃自动分级*** |
CN109816629A (zh) * | 2018-12-20 | 2019-05-28 | 新绎健康科技有限公司 | 一种基于k-means聚类的苔质分离方法和装置 |
CN110523657A (zh) * | 2019-09-03 | 2019-12-03 | 广州能源检测研究院 | 一种基于3d扫描法的仪表外观检测装置及其工作方法 |
CN111851028A (zh) * | 2019-04-30 | 2020-10-30 | 青岛海尔洗衣机有限公司 | 一种叠衣机及其控制方法 |
CN115435689A (zh) * | 2022-08-15 | 2022-12-06 | 北京旷视机器人技术有限公司 | 一种配重方法、配重***、电子设备以及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1666231A1 (ru) * | 1989-04-06 | 1991-07-30 | Московский институт инженеров сельскохозяйственного производства им.В.П.Горячкина | Устройство дл сортировки штучных предметов |
US5533628A (en) * | 1992-03-06 | 1996-07-09 | Agri Tech Incorporated | Method and apparatus for sorting objects by color including stable color transformation |
CN101176872A (zh) * | 2007-11-30 | 2008-05-14 | 华南理工大学 | 基于机器视觉的物料实时检测及异物剔除*** |
CN201176335Y (zh) * | 2007-12-06 | 2009-01-07 | 朱壹 | 果蔬分选机单果高速排序输送装置 |
CN202010662U (zh) * | 2011-01-07 | 2011-10-19 | 昆明理工大学 | 水果外观品质实时检测分级***装置 |
-
2012
- 2012-08-20 CN CN 201210296845 patent/CN102773217B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1666231A1 (ru) * | 1989-04-06 | 1991-07-30 | Московский институт инженеров сельскохозяйственного производства им.В.П.Горячкина | Устройство дл сортировки штучных предметов |
US5533628A (en) * | 1992-03-06 | 1996-07-09 | Agri Tech Incorporated | Method and apparatus for sorting objects by color including stable color transformation |
CN101176872A (zh) * | 2007-11-30 | 2008-05-14 | 华南理工大学 | 基于机器视觉的物料实时检测及异物剔除*** |
CN201176335Y (zh) * | 2007-12-06 | 2009-01-07 | 朱壹 | 果蔬分选机单果高速排序输送装置 |
CN202010662U (zh) * | 2011-01-07 | 2011-10-19 | 昆明理工大学 | 水果外观品质实时检测分级***装置 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102921645A (zh) * | 2012-11-19 | 2013-02-13 | 桂林电子科技大学 | 基于图像视觉识别的罗汉果分选方法及其分选机 |
CN105032779A (zh) * | 2015-07-15 | 2015-11-11 | 大连理工大学 | 一种渔业生物精确检测计数与分级装置 |
CN106290359B (zh) * | 2016-07-22 | 2019-01-11 | 南京农业大学 | 一种苹果脆片品质无损分级的方法 |
CN106290359A (zh) * | 2016-07-22 | 2017-01-04 | 南京农业大学 | 一种苹果脆片品质无损分级的方法 |
CN106423905A (zh) * | 2016-11-01 | 2017-02-22 | 无锡艾科瑞思产品设计与研究有限公司 | 一种猕猴桃检测分级装置 |
CN109261546A (zh) * | 2017-07-18 | 2019-01-25 | 吕朝妮 | 猕猴桃自动分级*** |
CN107694957A (zh) * | 2017-09-29 | 2018-02-16 | 周永潮 | 自动化取料检测分装控制方法 |
CN108704867A (zh) * | 2018-07-11 | 2018-10-26 | 四川农业大学 | 一种水果分级装置 |
CN108704867B (zh) * | 2018-07-11 | 2023-12-12 | 四川农业大学 | 一种水果分级装置 |
CN109816629A (zh) * | 2018-12-20 | 2019-05-28 | 新绎健康科技有限公司 | 一种基于k-means聚类的苔质分离方法和装置 |
CN109816629B (zh) * | 2018-12-20 | 2023-10-13 | 新绎健康科技有限公司 | 一种基于k-means聚类的苔质分离方法和装置 |
CN111851028A (zh) * | 2019-04-30 | 2020-10-30 | 青岛海尔洗衣机有限公司 | 一种叠衣机及其控制方法 |
CN110523657A (zh) * | 2019-09-03 | 2019-12-03 | 广州能源检测研究院 | 一种基于3d扫描法的仪表外观检测装置及其工作方法 |
CN115435689A (zh) * | 2022-08-15 | 2022-12-06 | 北京旷视机器人技术有限公司 | 一种配重方法、配重***、电子设备以及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN102773217B (zh) | 2013-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102773217B (zh) | 猕猴桃自动分级*** | |
Qiang et al. | Identification of fruit and branch in natural scenes for citrus harvesting robot using machine vision and support vector machine | |
Bennedsen et al. | Performance of a system for apple surface defect identification in near-infrared images | |
Sun et al. | Image processing algorithms for infield single cotton boll counting and yield prediction | |
KR20200084940A (ko) | Cnn 기반 병해 및 손상 과일 분류 장치 및 방법 | |
CN101984346A (zh) | 基于低通滤波的水果表面缺陷检测方法 | |
Koszela et al. | Computer image analysis in the quality in procedure for selected carrot varieties | |
CN111274877A (zh) | 一种基于cnn的智能草莓采摘机器人控制*** | |
CN112808603B (zh) | 基于RealSense相机的鲜切花分选装置及方法 | |
CN111178177A (zh) | 一种基于卷积神经网络的黄瓜病害识别方法 | |
Chen et al. | A practical solution for ripe tomato recognition and localisation | |
CN114005081A (zh) | 一种烟丝异物智能检测装置及方法 | |
CN116363505A (zh) | 一种基于采摘机器人视觉***的目标采摘方法 | |
Raj et al. | Fruit Classification Comparison Based on CNN and YOLO | |
CN115719451A (zh) | 一种软枣猕猴桃成熟度检测方法及*** | |
CN117456358A (zh) | 一种基于YOLOv5神经网络的植物病虫害检测方法 | |
CN103679144B (zh) | 一种基于计算机视觉的复杂环境下果蔬识别方法 | |
CN114462523A (zh) | 基于图像处理技术的仙人掌果去刺分选一体化方法 | |
Ignacio et al. | A YOLOv5-based deep learning model for in-situ detection and maturity grading of mango | |
Hanh et al. | Autonomous lemon grading system by using machine learning and traditional image processing | |
Sun et al. | Sequenced wave signal extraction and classification algorithm for duck egg crack on-line detection | |
Zahan et al. | A deep learning-based approach for mushroom diseases classification | |
CN112101126A (zh) | 杂物识别*** | |
CN109261546A (zh) | 猕猴桃自动分级*** | |
Villa et al. | Determination of Citrullus Lanatus “Sweet-16” Ripeness Using Android-Based Application |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20131009 Termination date: 20140820 |
|
EXPY | Termination of patent right or utility model |