CN105678749B - 一种基于视觉的鲜鱼方向判别方法 - Google Patents
一种基于视觉的鲜鱼方向判别方法 Download PDFInfo
- Publication number
- CN105678749B CN105678749B CN201511024610.6A CN201511024610A CN105678749B CN 105678749 B CN105678749 B CN 105678749B CN 201511024610 A CN201511024610 A CN 201511024610A CN 105678749 B CN105678749 B CN 105678749B
- Authority
- CN
- China
- Prior art keywords
- fish
- circle
- flake
- center
- candidate
- 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.)
- Expired - Fee Related
Links
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 34
- 210000001015 abdomen Anatomy 0.000 claims abstract description 16
- 230000007704 transition Effects 0.000 claims abstract description 4
- 238000004804 winding Methods 0.000 claims description 13
- 238000009394 selective breeding Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 210000003128 head Anatomy 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 241001596950 Larimichthys crocea Species 0.000 description 1
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 210000000695 crystalline len Anatomy 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于视觉的鲜鱼方向判别方法,属于视觉定位检测领域。一种基于视觉的鲜鱼方向判别方法,包括:获取鱼的灰度图像并建立x、y坐标系;将灰度图像转换为二值图像;获取鱼体的轮廓边界;采用Hough梯度法检测出二值图像中所有符合预设鱼眼半径范围内的圆;找出可以作为鱼眼的候选圆;出现多个候选圆时,根据鱼眼特征优选一个候选圆的圆心作为鱼眼的中心;获取鱼眼中心的坐标(X0,Y0),鱼体轮廓边界上至该鱼眼中心最近的点的坐标(X1,Y1),以及鱼体轮廓边界的垂直中线对应的x轴坐标为X2=(Xmax+Xmin)/2;判断鱼头和鱼腹的方向。使用本方法可快速判断鱼头及鱼腹的方向,提高鱼类深加工的自动化程度。
Description
技术领域
本发明属于视觉定位检测领域,特别涉及一种基于视觉的鲜鱼方向判别方法。
背景技术
我国水产养殖产量占世界总产量的70%,但加工量还不足总产量的三分之一。在加工技术及装备方面,与德国、日本等先进国家有较大差距。
在鱼类加工中,常用的加工工序包括清洗、去头、去脏、开背等等,由于工序繁杂、装备技术落后,目前大多数水产品加工企业仍以手工操作为主。随着劳动力成本的不断提升,机械化和自动化是水产品加工企业发展的必然方向。近些年,随着科技的发展,从鱼类的清洗、去鳞,到切断、去脏,均已研发形成了自动化设备,可用于大规模生产。但鱼类的排序摆放,尤其是鱼背和鱼腹的朝向,仍然是工业化生产的难点,需要人工摆放。不仅生产效率低,也无法实现全自动化连续生产。
发明内容
本发明的目的在于针对上述问题,提供了一种基于机械视觉的鲜鱼方向判别方法,可实现鱼腹朝向的自动识别,用于鱼类机械化加工。
本发明的目的是这样实现的:
一种基于视觉的鲜鱼方向判别方法,该方法包括如下步骤:
步骤1,用相机拍摄以获取鱼的照片,然后将照片转换为灰度图像,并建立x、y坐标系;
步骤2,采用人工选择法或最大类间方差法确定所述灰度图像的二值化阈值,以将所述灰度图像转换为二值图像;
步骤3,对所述二值图像进行轮廓编码,以获得鱼体的轮廓边界;
步骤4,预设鱼眼的半径范围,采用Hough梯度法检测出位于鱼体轮廓边界内的灰度图像中所有符合预设鱼眼半径范围内的圆;
步骤5,预设鱼眼中心至最近的鱼体轮廓边界的距离范围,然后计算出所有符合预设鱼眼半径范围内的圆的圆心至最近的鱼体轮廓边界的距离,并保留符合预设距离范围内的圆作为鱼眼的候选圆;
步骤6,当只有一个候选圆时,直接执行步骤7;
而当出现多个候选圆时,需要根据鱼眼特征优选一个候选圆的圆心作为鱼眼的中心;具体优选过程如下:
统计候选圆的圆心在指定半径内的灰度均值μ和方差σ2:
其中,Zi为候选圆的圆心在指定半径内第i点像素的灰度值;
将μ+kσ2作为指标,k为预设系数,选择指标最低的候选圆的圆心作为鱼眼的中心;
步骤7,根据加工鱼种类判断鱼嘴张开是否会使鱼眼中心至鱼体轮廓边界最近的点落在鱼嘴的轮廓边界上;如果会,则执行步骤8;如果不会,则执行步骤9;
步骤8,采用Graham扫描法获取鱼体轮廓边界的凸包络线,然后获取鱼眼中心的坐标(X0,Y0),获取凸包络线上至该鱼眼中心最近的点的坐标(X1,Y1),获取凸包络线对应的x轴坐标范围Xmin和Xmax后计算得到凸包络线的垂直中线对应的x轴坐标为X2=(Xmax+Xmin)/2;
步骤9,获取鱼眼中心的坐标(X0,Y0),获取鱼体轮廓边界上至该鱼眼中心最近的点的坐标(X1,Y1),获取鱼体轮廓边界对应的x轴坐标范围Xmin和Xmax后计算得到鱼体轮廓边界的垂直中线对应的x轴坐标为X2=(Xmax+Xmin)/2;
步骤10,判断鱼头和鱼腹的方向;当X0>X2,表示鱼头向前;当X0<X2,表示鱼头向后;当Y0>Y1,表示鱼腹向上;Y0<Y1,表示鱼腹向下。
其中,步骤4包括如下具体步骤:
步骤4.1,采用Canny算法查找位于鱼体轮廓边界内的灰度图像中的所有边缘,再采用Sobel算子计算每个边缘点的局部梯度,计算过程如下:
设原始图像为:
其中,Z5为所要计算的边缘点的灰度值,其余为所要计算的边缘点周围邻域内的点的灰度值;
使用Sobel算子计算出灰度值为Z5的边缘点的近似偏导数:
其中,Gx为灰度值为Z5的边缘点在x方向偏导数,Gy为灰度值为Z5的边缘点在y方向偏导数,则灰度值为Z5的边缘点的梯度幅值梯度方向角
步骤4.2,将每个边缘点梯度方向的直线上的每个点分别都在二维累加器内累加,并标记这些边缘点;
步骤4.3,对累加器中得分大于给定阈值且大于其近邻的点降序排列,获得候选圆的圆心列表;
步骤4.4,对各候选圆的圆心到边缘点的距离进行排序,从预设鱼眼的最大半径到最小半径,选择边缘像素最支持的一个半径,如果该候选圆的圆心受到足够的边缘点支持,则保留该圆。
本发明的有益效果为:使用本方法可快速判断鱼头及鱼腹的方向,提高鱼类深加工的自动化程度,既提高了生产效率,又降低了劳动强度。
附图说明
图1为本发明的流程框图。
图2为置于x、y坐标系中的灰度图像。
图3为阈值分割后二值化图像。
图4为出现多个候选圆的图像。
图5为优选后鱼眼位置图像。
图6为获取凸包络线后的图像。
图7为标记坐标值后的x、y坐标系图像。
具体实施方式
下面结合具体实施例和附图,进一步阐述本发明。
如图1所示,一种基于视觉的鲜鱼方向判别方法,该方法包括如下步骤:
步骤1,用相机拍摄以获取鱼的照片,然后将照片转换为灰度图像,并建立x、y坐标系,如图2所示。
步骤2,采用人工选择法或最大类间方差法确定所述灰度图像的二值化阈值,以将所述灰度图像转换为二值图像,如图3所示。
步骤3,基于SATOSHI SUZUK算法对所述二值图像进行轮廓编码,以获得鱼体的轮廓边界。由于鱼体在画面中占据最大面积,鱼体轮廓边界应为面积满足预设条件(最小面积<=轮廓面积<=最大面积)的最大外轮廓。
步骤4,预设鱼眼的半径范围,采用Hough梯度法检测出位于鱼体轮廓边界内的灰度图像中所有符合预设鱼眼半径范围内的圆。其具体步骤包括:
步骤4.1,采用Canny算法查找位于鱼体轮廓边界内的灰度图像中的所有边缘,再采用Sobel算子计算每个边缘点的局部梯度,计算过程如下:
设原始图像为:
其中,Z5为所要计算的边缘点的灰度值,其余为所要计算的边缘点周围邻域内的点的灰度值;
使用Sobel算子计算出灰度值为Z5的边缘点的近似偏导数:
其中,Gx为灰度值为Z5的边缘点在x方向偏导数,Gy为灰度值为Z5的边缘点在y方向偏导数,则灰度值为Z5的边缘点的梯度幅值梯度方向角
步骤4.2,将每个边缘点梯度方向的直线上的每个点分别都在二维累加器内累加,并标记这些边缘点;
步骤4.3,对累加器中得分大于给定阈值且大于其近邻的点降序排列,获得候选圆的圆心列表;
步骤4.4,对各候选圆的圆心到边缘点的距离进行排序,从预设鱼眼的最大半径到最小半径,选择边缘像素最支持的一个半径,如果该候选圆的圆心受到足够的边缘点支持,则保留该圆。
步骤5,预设鱼眼中心至最近的鱼体轮廓边界的距离范围,然后计算出所有符合预设鱼眼半径范围内的圆的圆心至最近的鱼体轮廓边界的距离,并保留符合预设距离范围内的圆作为鱼眼的候选圆。
步骤6,当只有一个候选圆时,直接执行步骤7。
而由于梯度方向计算可能存在误差,因此很可能存在多个候选圆,如图4所示。此时,需要根据鱼眼特征(多数情况下鲜鱼的晶状体是鱼体灰度最低的部分且颜色均匀),优选一个候选圆的圆心作为鱼眼的中心。具体优选过程如下:
统计候选圆的圆心在指定半径内的灰度均值μ和方差σ2:
其中,Zi为候选圆的圆心在指定半径内第i点像素的灰度值;
将μ+kσ2作为指标,k为预设系数,选择指标最低的候选圆的圆心作为鱼眼的中心,结果如图5所示。
步骤7,像大黄鱼等部分种类的鱼在嘴张开情况下,鱼嘴离鱼眼中心的距离最近,此时会对鱼腹的方向判断产生干扰,因而,此时需要判断鱼嘴张开是否会使鱼眼中心至鱼体轮廓边界最近的点落在鱼嘴的轮廓边界上;如果会,则执行步骤8;如果不会,则执行步骤9。
步骤8,采用Graham扫描法获取鱼体轮廓边界的凸包络线,如图6所示,然后获取鱼眼中心的坐标(X0,Y0),获取凸包络线上至该鱼眼中心最近的点的坐标(X1,Y1),获取凸包络线对应的x轴坐标范围Xmin和Xmax后计算得到凸包络线的垂直中线对应的x轴坐标为X2=(Xmax+Xmin)/2,如图6所示。
步骤9,获取鱼眼中心的坐标(X0,Y0),获取鱼体轮廓边界上至该鱼眼中心最近的点的坐标(X1,Y1),获取鱼体轮廓边界对应的x轴坐标范围Xmin和Xmax后计算得到鱼体轮廓边界的垂直中线对应的x轴坐标为X2=(Xmax+Xmin)/2,如图7所示。
步骤10,根据步骤8或步骤9获得的坐标值,判断鱼头和鱼腹的方向。当X0>X2,表示鱼头向前;当X0<X2,表示鱼头向后;当Y0>Y1,表示鱼腹向上;Y0<Y1,表示鱼腹向下。
本发明可快速判断鱼眼及鱼腹的方向,用于鱼类机械化加工,可提高鱼类加工的自动化程度,有效降低加工的人力成本,且可靠度高。
Claims (2)
1.一种基于视觉的鲜鱼方向判别方法,其特征在于,该方法包括如下步骤:
步骤1,用相机拍摄以获取鱼的照片,然后将照片转换为灰度图像,并建立x、y坐标系;
步骤2,采用人工选择法或最大类间方差法确定所述灰度图像的二值化阈值,以将所述灰度图像转换为二值图像;
步骤3,对所述二值图像进行轮廓编码,以获得鱼体的轮廓边界;
步骤4,预设鱼眼的半径范围,采用Hough梯度法检测出位于鱼体轮廓边界内的灰度图像中所有符合预设鱼眼半径范围内的圆;
步骤5,预设鱼眼中心至最近的鱼体轮廓边界的距离范围,然后计算出所有符合预设鱼眼半径范围内的圆的圆心至最近的鱼体轮廓边界的距离,并保留符合预设距离范围内的圆作为鱼眼的候选圆;
步骤6,当只有一个候选圆时,直接执行步骤7;
而当出现多个候选圆时,需要根据鱼眼特征优选一个候选圆的圆心作为鱼眼的中心;具体优选过程如下:
统计候选圆的圆心在指定半径内的灰度均值μ和方差σ2:
其中,Zi为候选圆的圆心在指定半径内第i点像素的灰度值;
将μ+kσ2作为指标,k为预设系数,选择指标最低的候选圆的圆心作为鱼眼的中心;
步骤7,根据加工鱼种类判断鱼嘴张开是否会使鱼眼中心至鱼体轮廓边界最近的点落在鱼嘴的轮廓边界上;如果会,则执行步骤8;如果不会,则执行步骤9;
步骤8,采用Graham扫描法获取鱼体轮廓边界的凸包络线,然后获取鱼眼中心的坐标(X0,Y0),获取凸包络线上至该鱼眼中心最近的点的坐标(X1,Y1),获取凸包络线对应的x轴坐标范围Xmin和Xmax后计算得到凸包络线的垂直中线对应的x轴坐标为X2=(Xmax+Xmin)/2;
步骤9,获取鱼眼中心的坐标(X0,Y0),获取鱼体轮廓边界上至该鱼眼中心最近的点的坐标(X1,Y1),获取鱼体轮廓边界对应的x轴坐标范围Xmin和Xmax后计算得到鱼体轮廓边界的垂直中线对应的x轴坐标为X2=(Xmax+Xmin)/2;
步骤10,判断鱼头和鱼腹的方向;当X0>X2,表示鱼头向前;当X0<X2,表示鱼头向后;当Y0>Y1,表示鱼腹向上;Y0<Y1,表示鱼腹向下。
2.根据权利要求1所述的一种基于视觉的鲜鱼方向判别方法,其特征在于,所述步骤4包括如下具体步骤:
步骤4.1,采用Canny算法查找位于鱼体轮廓边界内的灰度图像中的所有边缘,再采用Sobel算子计算每个边缘点的局部梯度,计算过程如下:
设原始图像为:
其中,Z5为所要计算的边缘点的灰度值,其余为所要计算的边缘点周围邻域内的点的灰度值;
使用Sobel算子计算出灰度值为Z5的边缘点的近似偏导数:
Gx=(Z7+2Z8+Z9)-(Z1+2Z2+Z3)
Gy=(Z3+2Z6+Z9)-(Z1+2Z4+Z7),
其中,Gx为灰度值为Z5的边缘点在x方向偏导数,Gy为灰度值为Z5的边缘点在y方向偏导数,则灰度值为Z5的边缘点的梯度幅值梯度方向角
步骤4.2,将每个边缘点梯度方向的直线上的每个点分别都在二维累加器内累加,并标记这些边缘点;
步骤4.3,对累加器中得分大于给定阈值且大于其近邻的点降序排列,获得候选圆的圆心列表;
步骤4.4,对各候选圆的圆心到边缘点的距离进行排序,从预设鱼眼的最大半径到最小半径,选择边缘像素最支持的一个半径,如果该候选圆的圆心受到足够的边缘点支持,则保留该圆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511024610.6A CN105678749B (zh) | 2015-12-30 | 2015-12-30 | 一种基于视觉的鲜鱼方向判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511024610.6A CN105678749B (zh) | 2015-12-30 | 2015-12-30 | 一种基于视觉的鲜鱼方向判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105678749A CN105678749A (zh) | 2016-06-15 |
CN105678749B true CN105678749B (zh) | 2018-03-30 |
Family
ID=56189848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511024610.6A Expired - Fee Related CN105678749B (zh) | 2015-12-30 | 2015-12-30 | 一种基于视觉的鲜鱼方向判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105678749B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106417104A (zh) * | 2016-08-31 | 2017-02-22 | 北京农业信息技术研究中心 | 养殖鱼类游动方向测定***和方法 |
CN109127462B (zh) * | 2018-08-22 | 2020-09-04 | 深圳控石智能***有限公司 | 一种基于视觉引导的香肠智能分拣方法 |
CN109345554A (zh) * | 2018-09-12 | 2019-02-15 | 南京农业大学 | 一种基于rgb-d相机的粘连蘑菇视觉原位测量方法 |
CN109900719B (zh) * | 2019-03-04 | 2020-08-04 | 华中科技大学 | 一种叶片表面刀纹的视觉检测方法 |
CN112017200B (zh) * | 2020-08-07 | 2022-07-05 | 湖北省农业科学院农产品加工与核农技术研究所 | 一种基于视觉识别的鱼类姿态判定方法 |
CN112017201B (zh) * | 2020-08-07 | 2024-03-19 | 湖北省农业科学院农产品加工与核农技术研究所 | 一种加工输送中鱼体头尾姿态判定方法 |
CN115336624B (zh) * | 2022-08-16 | 2023-05-26 | 中国水产科学研究院渔业机械仪器研究所 | 一种基于图像识别的智能化鱼体切割装置和控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6697535B1 (en) * | 1999-04-30 | 2004-02-24 | Cognex Technology And Investment Corporation | Method for refining a parameter of a contour in an image |
CN102278977A (zh) * | 2011-08-05 | 2011-12-14 | 中国科学院自动化研究所 | 机器鱼红外视觉定位*** |
CN104298996A (zh) * | 2014-08-08 | 2015-01-21 | 中国科学院自动化研究所 | 一种应用于仿生机器鱼的水下主动视觉跟踪方法 |
CN104881045A (zh) * | 2015-06-17 | 2015-09-02 | 中国科学院自动化研究所 | 嵌入式视觉引导下仿生机器鱼三维追踪控制方法 |
-
2015
- 2015-12-30 CN CN201511024610.6A patent/CN105678749B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6697535B1 (en) * | 1999-04-30 | 2004-02-24 | Cognex Technology And Investment Corporation | Method for refining a parameter of a contour in an image |
CN102278977A (zh) * | 2011-08-05 | 2011-12-14 | 中国科学院自动化研究所 | 机器鱼红外视觉定位*** |
CN104298996A (zh) * | 2014-08-08 | 2015-01-21 | 中国科学院自动化研究所 | 一种应用于仿生机器鱼的水下主动视觉跟踪方法 |
CN104881045A (zh) * | 2015-06-17 | 2015-09-02 | 中国科学院自动化研究所 | 嵌入式视觉引导下仿生机器鱼三维追踪控制方法 |
Non-Patent Citations (4)
Title |
---|
Sub-second analysis of fish behavior using a novel computer-vision system;Vassilis M.Papadakis 等;《Aquacultural Engineering》;20140930;第62卷;36-41 * |
Vision-based 3D Tracking System for Fish Interactive Analysis;Yanghong Zhong 等;《2015 by the Information Processing Society of Japan》;20150317;第2015卷(第1期);519-520 * |
Visual quality detection of a aquatic products using machine vision;Hanmei Hong 等;《Aquacultural Engineering》;20141231;第63卷;62-71 * |
基于视频的鱼类运动目标检测与跟踪方法研究;庞静洁;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150115(第01期);I138-1294 * |
Also Published As
Publication number | Publication date |
---|---|
CN105678749A (zh) | 2016-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105678749B (zh) | 一种基于视觉的鲜鱼方向判别方法 | |
CN104766343B (zh) | 一种基于稀疏表示的视觉目标跟踪方法 | |
CN111047583B (zh) | 一种基于机器视觉的水下网衣***破损检测方法 | |
CN109145808B (zh) | 一种基于自适应鱼体弯曲模型的金枪鱼识别方法 | |
CN112017200B (zh) | 一种基于视觉识别的鱼类姿态判定方法 | |
CN113034399A (zh) | 基于双目视觉自主式水下机器人回收导引伪光源去除方法 | |
CN105740945A (zh) | 一种基于视频分析的人群计数方法 | |
CN108960011B (zh) | 部分遮挡的柑橘果实图像识别方法 | |
CN110738631A (zh) | 一种基于图像的对虾外形信息检测方法和检测*** | |
CN108564573B (zh) | 面向鲅鱼切段机的鱼头鱼尾图像自动识别方法 | |
CN107230203A (zh) | 基于人眼视觉注意机制的铸件缺陷识别方法 | |
CN111080696B (zh) | 一种基于计算机视觉的水下海参识别及定位方法 | |
CN107392929A (zh) | 一种基于人眼视觉模型的智能化目标检测及尺寸测量方法 | |
CN110490161B (zh) | 一种基于深度学习的圈养动物行为分析方法 | |
CN114972377A (zh) | 基于移动最小二乘法与超体素的3d点云分割方法和装置 | |
CN109781737A (zh) | 一种软管表面缺陷的检测方法及其检测*** | |
CN108230290A (zh) | 基于立体视觉的生猪体尺检测方法 | |
CN104966072B (zh) | 一种基于形状的无色标机器鱼位姿识别算法 | |
CN103914840B (zh) | 一种针对非简单背景的人体轮廓自动提取方法 | |
Hua et al. | Image segmentation algorithm based on improved visual attention model and region growing | |
CN103955929B (zh) | 图像局部边缘模式与非边缘模式判断方法及判断装置 | |
CN106203447B (zh) | 一种基于像素遗传的前景目标提取方法 | |
CN115841618A (zh) | 一种基于聚类和边缘检测的遥感影像海岸线提取方法 | |
CN108537813A (zh) | 基于区域生长的目标检测方法 | |
CN112017201B (zh) | 一种加工输送中鱼体头尾姿态判定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180330 |
|
CF01 | Termination of patent right due to non-payment of annual fee |