CN103592304A - 梗物分析***及其分析方法 - Google Patents
梗物分析***及其分析方法 Download PDFInfo
- Publication number
- CN103592304A CN103592304A CN201310504057.0A CN201310504057A CN103592304A CN 103592304 A CN103592304 A CN 103592304A CN 201310504057 A CN201310504057 A CN 201310504057A CN 103592304 A CN103592304 A CN 103592304A
- Authority
- CN
- China
- Prior art keywords
- stalk
- image
- measured
- length
- sample
- 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
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种梗物分析***及其分析方法,其中的长短梗分析***主要用于对梗物作分析,包括拍摄设备,用于获取待测梗样品的图像并予以输出;分析设备,连接所述拍摄设备,用于接收到所述拍摄设备输出的待测梗样品图像,继而利用所述分析设备中的软件所提供的处理方法来识别和计算分析所述待测梗样品中梗数量信息及图像中呈现的梗长度信息,并依据所述梗数量信息及图像中呈现的梗长度信息计算出所述待测梗样品中梗的长短比例信息,另外,所述长短梗分析方法更加完备地解决了现有技术对梗物测定过程中效率低下和人工依赖性强等问题。
Description
技术领域
本发明涉及一种烟草分析***及方法,具体涉及一种基于智能图像处理技术快速测定长短梗数量比例的梗物分析***及其分析方法。
背景技术
烟梗是烟叶的主脉,约占叶重的25%-30%,烟梗是烟草工业的副产物,同时也是宝贵的自然资源。从烟梗中提取烟碱、茄呢醇、烟酸、果胶、植物蛋白等成分是其综合利用的重要途径,烟梗除了含有各种有用成分外,其也是评价烟叶质量和经济价值的一个指标,烟梗中的长短梗比例就是其中一个作为评价和衡量的重要指标。
目前,在烟草行业中对烟梗长短比例的测定多采用人工测量的方式,即从每个批次的烟梗样品中选取一定数量,并对其进行长度上的测量,一般高于20mm即为长梗,否则为短梗。这种通过人工方式来测定长短梗比例的方法的缺点主要表现为:人工依赖强、效率低下、检测结果可重复性差、不利于产品标准化和工序复杂且难以控制。因此,如何简单、有效并准确地对烟梗长短梗数量比例进行测量,就成为了一个迫于解决的问题。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种梗物分析***及其分析方法,用于解决现有技术中测定长短梗比例效率低下和可重复性差的问题。
为实现上述目的及其他相关目的,本发明提供一种长短梗分析***,包括拍摄设备,用于获取待测梗样品的图像并予以输出;分析设备,连接所述拍摄设备,用于接收到所述拍摄设备输出的待测梗样品图像,用线性插值的方法对所述图像的亮度进行修正,并用图像外轮廓识别算法来获取所述待测梗样品在所述图像中占据的有效区域信息,依据所述有效区域信息通过聚类分析法来识别和计算分析所述待测梗样品中梗数量信息及图像中呈现的梗长度信息,并依据所述梗数量信息及图像中呈现的梗长度信息计算出所述待测梗样品中梗的长短比例信息。
优选地,所述长短梗分析***还包括一用于盛放所述待测梗样品的布有透气孔的吸附板,并所述吸附板的板面上设有坐标尺。
优选地,所述长短梗分析***还包括一吸气设备,所述吸气设备与所述吸附板上的透气孔相连。
优选地,所述分析设备包括计算机设备和软件。
优选地,所述分析设备将以报告形式导出所述梗数量信息、所述图像中呈现的梗长度信息及所述长短比例信息。
相应地,本发明还提供了一种长短梗分析方法,所述方法包括:
获取待测梗样品的图像;
用线性插值的方法对所述图像的亮度进行修正;
用图像外轮廓识别算法来获取所述待测梗样品在所述图像中占据的有效区域;
依据所述有效区域信息通过聚类分析法来识别和计算分析所述待测梗样品中梗数量信息及图像中呈现的梗长度信息;
依据所述梗数量信息及图像中呈现的梗长度信息计算出所述待测梗样品中梗的长短比例信息。
优选地,所述获取待测梗样品的图像,包括:将若干所述待测梗样品均匀离散地平铺于一平板或白纸上,利用拍摄设备获取所设待测梗样品在平板或白纸上的图像。
优选地,所述获取待测梗样品的图像,具体获取待测梗样品的图像的张数包括:所述待测梗样品的总梗数*3。
优选地,用图像外轮廓识别算法来获取所述待测梗样品在所述图像中占据的有效区域,所述图像外轮廓识别算法包括:基于小波变换的图像轮廓识别、基于罗伯特(Robert)因子的图像轮廓识别、基于拉普拉斯(Laplace)算子因子的图像轮廓识别和基于高斯滤波的轮廓识别中的任一一种算法
优选地,依据所述有效区域信息通过聚类分析法来识别和计算分析所述待测梗样品中梗数量信息及图像中呈现的梗长度信息,包括:将聚类分析算法应用于所述待测梗样品的图像的RGB(红绿蓝三色体系)三色值,并设置聚类目标数目,其中所述聚类分析方法包括K-meas(K-均值)、FCM(模糊C均值)和凝集聚类中的任一一种。
优选地,依据所述梗数量信息及图像中呈现的梗长度信息,还计算出所述待测梗样品的梗面积信息。
如上所述,本发明的梗物分析***及其分析方法,具有以下有益效果:通过计算机和软件来实现所述待测梗样品的图像的自动化分析处理,以此而得出所述待测梗样品的梗数量信息、所述图像中呈现的梗长度信息、及依据所述梗数量信息和所述梗长度信息计算得出的所述待测梗样品中梗的长短比例信息和面积信息,由于其不依赖于人工操作,并且不涉及复杂硬件仪器,可对所述待测梗样品图像实现高效、准确、批量化的分析处理,从而实现更为客观,准确,自动化地对梗样品的梗数量、梗长度、及梗比例的测定分析。
附图说明
图1显示为本发明长短梗分析***在一具体实施例中的示意图。
图2显示为本发明长短梗分析***在一具体实施例中所配备的吸附板示意图。
图3显示为本发明长短梗分析方法的流程示意图。
图4A至图4C显示为在使用本发明长短梗分析方法的具体实施例中,对待测梗样品图像的处理结果示意图。
零件标号说明
1 拍摄设备
2 分析设备
3 烟梗
4 吸附板
41 透气孔
42 坐标尺
5 吸气设备
6 照明光源
S1~S9 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。
需要说明的是,本实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
为了解决现有技术中对于烟梗样品的测量对人工依赖性强、效率低下和可重复性差等问题而提出一种梗物分析***及其分析方法,在此以烟梗为例来说明本发明的实现方式和方法。
请参阅图1,示出了本发明的长短梗分析***的一种具体实施例,包括拍摄设备1,用于获取待测梗样品图像并予以输出;分析设备2,连接所述拍摄设备1,用于接收到所述拍摄设备1输出的待测梗样品图像,用线性插值的方法对所述图像的亮度进行修正,并用图像外轮廓识别算法来获取所述待测梗样品在所述图像中占据的有效区域信息,依据所述有效区域信息通过聚类分析法来识别和计算分析所述待测梗样品中梗数量信息及图像中呈现的梗长度信息,并依据所述梗数量信息及图像中呈现的梗长度信息计算出所述待测梗样品中梗的长短比例信息。
为了更加详细和具体的说明本发明,另外,还采用了一些优选地设备来进一步说明整个长短梗分析***的工作原理(请参阅图2)。因此,除了图中示出的一拍摄设备1(以数码照相机为例)和一分析设备2(以笔记本电脑为例)外,还包括了一吸附板4、四个照明光源6、及一吸气设备5;其中,所述照明光源6安装设置在所述吸附板4周边上,所述吸气设备5与所述吸附板4相连。所述吸附板4用于铺放待测梗样品的平面上均匀分布着许多透气孔41,该通气孔与所述吸气设备5相连通;所述吸气设备5的作用是将所述待测梗样品吸附固定于所述吸附板上,另外,所述平面上还画有坐标尺42,该坐标尺42方便确定每个像素在实际中的长度,进而实现对待测烟梗3长度的识别。该吸附板4主要用于铺放待测梗样品,方便后续对待测梗样品的图像获取工作。
所述数码照相机将对均匀离散地铺设在所述吸附板4上的待测烟梗3样品进行拍照而获得所述待测梗样品的图像。需要注意的是,在进行拍照前应调整好所述数码照相机的位置和焦距,最好是将所述数码照相机作调整后用支架或其他固定物将其固定,以此来保证通过所述数码照相机来获取的所述待测梗样品的图像清晰度高和一致性好;另外,当数码照相机的闪光不满足曝光时,可以通过所述照明光源6来补光。
所述笔记本电脑,用于读取所述待测梗样品图像并对其进行分析处理,其读取可以是通过数据线直接使所述数码照相机与所述笔记本电脑相连接的方式、或将所述数码照相机中的存储卡***所述笔记本电脑的方式来实现。通过所述笔记本电脑将所述待测梗样品图像进行光线处理,将图像背景变成均匀的50%灰,然后再用线性插值的方法对所述图像的亮度进行修正;进而并用图像外轮廓识别算法来获取所述待测梗样品在所述图像中占据的有效区域信息,最后依据所述有效区域信息通过聚类分析法来识别和计算分析所述待测梗样品中梗数量信息及图像中呈现的梗长度信息,并依据所述梗数量信息及图像中呈现的梗长度信息计算出所述待测梗样品中梗的长短比例信息。另外,在得出以上分析处理得出的数据以后再以报告的形式予以呈现或输出。
需要注意的是,本实施例中除了采用数码照相机来获取图像外,还可以是其他任何具有拍照功能的拍摄设备;同理,除了采用笔记本电脑外,还可以是其他任何形式的电脑,或者根据所述分析处理功能而定制的分析设备。
相应地,本发明还提供了一种长短梗分析方法(请参阅图3),所述方法包括:
S1,获取待测梗样品的图像;
S3,用线性插值的方法对所述图像的亮度进行修正;
S5,用图像外轮廓识别算法来获取所述待测梗样品在所述图像中占据的有效区域;
S7,依据所述有效区域信息通过聚类分析法来识别和计算分析所述待测梗样品中梗数量信息及图像中呈现的梗长度信息;
S9,依据所述梗数量信息及图像中呈现的梗长度信息计算出所述待测梗样品中梗的长短比例信息。
具体地,执行S1步骤包括:利用拍摄设备1对均匀离散地铺设在所述吸附板4上的待测梗样品进行拍照而获得所述待测梗样品的图像;
或者为:将若干所述待测梗样品均匀离散地平铺于一平板或白纸上,利用拍摄设备1获取所设待测梗样品在平板或白纸上的图像。
其中,在对所述待测梗样品进行拍照取像时,经过试验证明,所获取的待测梗样品图像数采用“所述待测梗样品的总梗数*3”可以获得更好的分析结果。
执行S3步骤时,具体包括对所述待测梗样品图像标准化处理,首先对光线进行处理,将所述图像背景变成均匀的50%灰,利用线性插值的方法对每张所述图像的亮度进行修正,使得每张图像在相同的尺度比较。
执行S5步骤时,具体包括对所述图像的轮廓识别,通过图像外轮廓识别算法提取待测梗样品在所述图像中的***轮廓,并获得中间处理对象即所述待测梗样品在所述图像中占据的有效区域,其中所述图像外轮廓识别算法包括(不限于):基于小波变换的图像轮廓识别、基于罗伯特(Robert)因子的图像轮廓识别、基于拉普拉斯(Laplace)算子因子的图像轮廓识别、基于高斯滤波的轮廓识别中的任一一种。
执行S7步骤时,具体包括:
S7a待测梗样品图像的识别,由于所述待测梗样品中的梗在颜色上与背景板具有一定的区别度,将聚类分析算法应用于所述待测梗样品图像的RGB(红绿蓝三色体系)三色值,并设置聚类目标数目,即可分别提取得到所述待测梗样品的梗分析处理区域,其中所述聚类分析方法包括K-meas(K-均值)、FCM(模糊C均值)和凝集聚类中的任一一种。通过试验证明,在设置聚类目标数目时,将聚类目标数目设置为2,得到的结果更佳;
S7b待测梗样品的长度计算和分类,通过预先设置的尺度标准,可以快速计算出每个被识别待测梗样品图像中梗目标的特征,这里我们选取20mm作为计算标准(大于20mm为长梗;小于20mm为短梗),从而计算分析得出所述待测梗样品中梗的数量信息及图像中呈现的梗长度信息。
执行S9步骤时,具体包括依据所述梗数量信息及图像中呈现的梗长度信息计算出所述待测梗样品中梗的长短比例信息,另外可包括所述待测梗样品的梗面积信息。
在得到所述待测梗样品中的所述梗数量信息、所述梗长度信息、所述长短比信息、及所述梗面积信息后,所述信息将被统计成报告的形式呈现,并且该报告可以被导出供人阅读。
为了进一步说明本发明的长短梗分析方法,请参阅图4A至图4C,此处例举本发明的一个实施例,待测梗样品取烟梗3为例,按照所述长短梗分析方法对某一批次的烟梗3进行分析处理,具体步骤如下:
首先:利用一种烟梗3图像获取装置进行待测烟梗3的图像采集;
其次:在得到符合标准的所述待测烟梗3的图像之后,通过计算机及相关软件对所述图像进行处理:第一步,对光线进行处理,将所述图像背景变成均匀的50%灰,利用线性插值的方法对每张图像的亮度进行修正,使得每张图像在相同的尺度比较;第二步,通过基于高斯滤波的轮廓识别方法获取待测烟梗3的***轮廓的抽提,得到去除背景后的待测烟梗3区域;第三步,通过K-meas(K-均值)聚类方法,设置目标聚类数目为2,从而分析获得待测烟梗3区域;第四步,通过计算待测烟梗3长度,根据既设标准,获得所述待测烟梗3数量信息、在所述图像中的梗的长度信息、及依据所述待测烟梗3数量信息和所述待测烟梗3长度信息计算得出的所述待测烟梗3中长短梗比例信息和梗面积信息。
最后,将所述烟梗数量信息、所述烟梗长度信息、及所述长短梗比例信息和所述梗面积信息以报告的形式呈现,并导出如下:
从上述表格我们可以得出所述待测烟梗样品的烟梗数量信息、所述烟梗长度信息、及所述长短梗比例信息和所述梗面积信息。
需要指出的是,本发明提供的长短梗分析方法,该方法要达到高精度和准确度,其实现还需基于同一批待测梗样品的质量相对均一和同一样品中待测梗样品的梗部位与背景在颜色上具有一定的区别度为前提。
综上所述,本发明提供的梗物分析***及其分析方法,该方法通过计算机实现的自动化图像处理的长短梗数量比例计算方法,不依赖于人工操作,并且不涉及复杂硬件仪器,可对烟梗3图像实现高效、准确、批量化的处理分析。可以实现更为客观、准确、自动化地对长短梗数量比例进行测定,所以,本发明有效克服了现有技术中的种种缺点而具有广阔的市场推广价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (11)
1.一种长短梗分析***,其特征在于,包括:
拍摄设备,用于获取待测梗样品的图像并予以输出;
分析设备,连接所述拍摄设备,用于接收到所述拍摄设备输出的待测梗样品图像,用线性插值的方法对所述图像的亮度进行修正,并用图像外轮廓识别算法来获取所述待测梗样品在所述图像中占据的有效区域信息,依据所述有效区域信息通过聚类分析法来识别和计算分析所述待测梗样品中梗数量信息及图像中呈现的梗长度信息,并依据所述梗数量信息及图像中呈现的梗长度信息计算出所述待测梗样品中梗的长短比例信息。
2.根据权利要求1所述的长短梗分析***,其特征在于,还包括一用于盛放所述待测梗样品的布有透气孔的吸附板,且所述吸附板的板面上设有坐标尺。
3.根据权利要求2所述的长短梗分析***,其特征在于,还包括一吸气设备,所述吸气设备连接至所述吸附板上的透气孔。
4.根据权利要求1所述的长短梗分析***,其特征在于,所述分析设备包括安装有软件的计算机设备。
5.根据权利要求1至4中任一项所述的长短梗分析***,其特征在于,所述分析设备以报告形式导出所述梗数量信息、所述图像中呈现的梗长度信息及所述长短比例信息。
6.一种长短梗分析方法,其特征在于,包括如下步骤:
1)获取待测梗样品的图像;
2)用线性插值的方法对所述图像的亮度进行修正;
3)用图像外轮廓识别算法来获取所述待测梗样品在所述图像中占据的有效区域;
4)依据所述有效区域信息通过聚类分析法来识别和计算分析所述待测梗样品中梗数量信息及图像中呈现的梗长度信息;
5)依据所述梗数量信息及图像中呈现的梗长度信息计算出所述待测梗样品中梗的长短比例信息。
7.根据权利要求5所述的长短梗分析方法,其特征在于,所述步骤1)具体为:将若干所述待测梗样品均匀离散地平铺于一平板或白纸上,利用拍摄设备获取所设待测梗样品在平板或白纸上的图像。
8.根据权利要求5所述的长短梗分析方法,其特征在于,所述步骤1)中,具体获取待测梗样品的图像的数量为所述待测梗样品的总梗数*3。
9.根据权利要求5所述的长短梗分析方法,其特征在于,所述步骤3)中,用图像外轮廓识别算法来获取所述待测梗样品在所述图像中占据的有效区域,所述图像外轮廓识别算法选自:基于小波变换的图像轮廓识别、基于罗伯特因子的图像轮廓识别、基于拉普拉斯算子因子的图像轮廓识别和基于高斯滤波的轮廓识别中的任一一种算法。
10.根据权利要求5所述的长短梗分析方法,其特征在于,所述步骤4)中所述聚类分析方法包括K-meas、FCM和凝集聚类中的任一一种。
11.根据权利要求5所述的长短梗分析方法,其特征在于,还包括步骤6):依据所述梗数量信息及图像中呈现的梗长度信息,计算出所述待测梗样品的梗面积信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310504057.0A CN103592304A (zh) | 2013-10-23 | 2013-10-23 | 梗物分析***及其分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310504057.0A CN103592304A (zh) | 2013-10-23 | 2013-10-23 | 梗物分析***及其分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103592304A true CN103592304A (zh) | 2014-02-19 |
Family
ID=50082529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310504057.0A Pending CN103592304A (zh) | 2013-10-23 | 2013-10-23 | 梗物分析***及其分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103592304A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104198325A (zh) * | 2014-09-04 | 2014-12-10 | 国家烟草质量监督检验中心 | 基于计算机视觉的烟丝中梗丝比例测定方法 |
CN104198324A (zh) * | 2014-09-04 | 2014-12-10 | 国家烟草质量监督检验中心 | 基于计算机视觉的烟丝中叶丝比例测定方法 |
CN110174490A (zh) * | 2019-05-27 | 2019-08-27 | 安徽中烟工业有限责任公司 | 一种烟梗签形态的界定方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009046544A1 (en) * | 2007-10-11 | 2009-04-16 | British Columbia Cancer Agency Branch | Systems and methods for automated characterization of genetic heterogeneity in tissue samples |
CN102339385A (zh) * | 2011-07-28 | 2012-02-01 | 南京焦耳科技有限责任公司 | 基于组合光透视的叶中含梗及含梗率视觉识别检测方法 |
CN102359963A (zh) * | 2011-07-14 | 2012-02-22 | 红塔烟草(集团)有限责任公司 | 利用图像分析法测定烟梗长梗率的方法 |
CN102359962A (zh) * | 2011-07-14 | 2012-02-22 | 红塔烟草(集团)有限责任公司 | 适用于图像分析法测定烟梗长梗率的设备 |
CN202256164U (zh) * | 2011-07-14 | 2012-05-30 | 红塔烟草(集团)有限责任公司 | 适用于图像分析法测定烟梗长梗率的设备 |
CN102914620A (zh) * | 2012-10-16 | 2013-02-06 | 红塔烟草(集团)有限责任公司 | 一种再造烟叶成品定量的测定方法 |
CN202869435U (zh) * | 2012-08-30 | 2013-04-10 | 上海烟草集团有限责任公司 | 烟草及其加工制品的图像数据获取装置 |
CN103175835A (zh) * | 2013-02-26 | 2013-06-26 | 上海烟草集团有限责任公司 | 基于智能图像处理和模型估计的烟叶叶面积质量测定方法 |
-
2013
- 2013-10-23 CN CN201310504057.0A patent/CN103592304A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009046544A1 (en) * | 2007-10-11 | 2009-04-16 | British Columbia Cancer Agency Branch | Systems and methods for automated characterization of genetic heterogeneity in tissue samples |
CN102359963A (zh) * | 2011-07-14 | 2012-02-22 | 红塔烟草(集团)有限责任公司 | 利用图像分析法测定烟梗长梗率的方法 |
CN102359962A (zh) * | 2011-07-14 | 2012-02-22 | 红塔烟草(集团)有限责任公司 | 适用于图像分析法测定烟梗长梗率的设备 |
CN202256164U (zh) * | 2011-07-14 | 2012-05-30 | 红塔烟草(集团)有限责任公司 | 适用于图像分析法测定烟梗长梗率的设备 |
CN102339385A (zh) * | 2011-07-28 | 2012-02-01 | 南京焦耳科技有限责任公司 | 基于组合光透视的叶中含梗及含梗率视觉识别检测方法 |
CN202869435U (zh) * | 2012-08-30 | 2013-04-10 | 上海烟草集团有限责任公司 | 烟草及其加工制品的图像数据获取装置 |
CN102914620A (zh) * | 2012-10-16 | 2013-02-06 | 红塔烟草(集团)有限责任公司 | 一种再造烟叶成品定量的测定方法 |
CN103175835A (zh) * | 2013-02-26 | 2013-06-26 | 上海烟草集团有限责任公司 | 基于智能图像处理和模型估计的烟叶叶面积质量测定方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104198325A (zh) * | 2014-09-04 | 2014-12-10 | 国家烟草质量监督检验中心 | 基于计算机视觉的烟丝中梗丝比例测定方法 |
CN104198324A (zh) * | 2014-09-04 | 2014-12-10 | 国家烟草质量监督检验中心 | 基于计算机视觉的烟丝中叶丝比例测定方法 |
CN104198324B (zh) * | 2014-09-04 | 2017-04-19 | 国家烟草质量监督检验中心 | 基于计算机视觉的烟丝中叶丝比例测定方法 |
CN110174490A (zh) * | 2019-05-27 | 2019-08-27 | 安徽中烟工业有限责任公司 | 一种烟梗签形态的界定方法 |
CN110174490B (zh) * | 2019-05-27 | 2021-08-31 | 安徽中烟工业有限责任公司 | 一种烟梗签形态的界定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105091922B (zh) | 一种基于虚拟表盘的指针表读数识别方法 | |
CN103175835B (zh) | 基于智能图像处理和模型估计的烟叶叶面积质量测定方法 | |
CN109886928B (zh) | 一种目标细胞标记方法、装置、存储介质及终端设备 | |
CN103164692B (zh) | 一种基于计算机视觉的特种车辆仪表自动识别***及方法 | |
CN108682008B (zh) | 一种白细胞图像清晰度评价方法及装置 | |
EP3006551B1 (en) | Image processing device, image processing method, program, and storage medium | |
CN107239742A (zh) | 一种仪表指针刻度值计算方法 | |
CN112634203B (zh) | 图像检测方法、电子设备及计算机可读存储介质 | |
CN104256882A (zh) | 基于计算机视觉的烟丝中再造烟叶比例测定方法 | |
CN104198324A (zh) | 基于计算机视觉的烟丝中叶丝比例测定方法 | |
CN104198325A (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
CN105466921A (zh) | 一种多样品同时检测的方法 | |
CN111624203A (zh) | 一种基于机器视觉的继电器接点齐度非接触式测量方法 | |
CN105974120A (zh) | 一种c反应蛋白色度自动检测装置与方法 | |
Meimban et al. | Blood cells counting using python opencv | |
CN112233076A (zh) | 基于红色圆标靶图像处理的结构振动位移测量方法及装置 | |
CN113222913A (zh) | 一种电路板缺陷检测定位方法、装置和存储介质 | |
CN103592304A (zh) | 梗物分析***及其分析方法 | |
CA3185292A1 (en) | Neural network analysis of lfa test strips | |
CN113269195A (zh) | 读数表图像字符识别方法和装置以及可读存储介质 | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测***、方法及介质 | |
CN116067671B (zh) | 一种用于测试车辆漆面质量的方法、***及介质 | |
CN117197479A (zh) | 一种应用玉米果穗外表面的图像分析方法、装置、计算机设备及存储介质 | |
CN110930393A (zh) | 一种基于机器视觉的芯片料管计数方法、装置及*** | |
CN104915682A (zh) | 一种豆科种子识别***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140219 |
|
RJ01 | Rejection of invention patent application after publication |