CN106372637A - 一种竹筷青黄面自动识别方法 - Google Patents
一种竹筷青黄面自动识别方法 Download PDFInfo
- Publication number
- CN106372637A CN106372637A CN201610757543.7A CN201610757543A CN106372637A CN 106372637 A CN106372637 A CN 106372637A CN 201610757543 A CN201610757543 A CN 201610757543A CN 106372637 A CN106372637 A CN 106372637A
- Authority
- CN
- China
- Prior art keywords
- face
- bamboo chopsticks
- identification
- green
- identification region
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明属于竹筷加工技术领域,公开了一种竹筷青黄面自动识别方法,其特征在于,取竹筷粗端端面为识别基准面,将识别基准面的四个边中满足条件A的边所对应的竹筷表面识别为青面和/或黄面,条件A为:越靠近该边维管束密集度越高和/或越低。本发明以竹筷粗端端面为识别基准面,根据维管束的密集度差异判断竹筷的青面和黄面,判断结果不受竹材品种、软化展平等处理工艺、存放环境等影响颜色的因素所影响,识别率高。
Description
技术领域
本发明属于竹筷加工技术领域,涉及如何通过电脑自动识别竹筷青面和黄面的技术。
背景技术
为装饰筷子或在筷子上加注商标,较为传统的方式是在筷子的粗端某一面或四面印刷标识或装饰图案,或者贴上带有标识或装饰图案的贴纸。但是,这种相对传统的方式印或贴在筷子上的标识或图案易于磨损或脱落。激光雕刻的方式与传统印贴方式相比则更为稳定。
常见家用竹制筷子一般由竹片材料切割成见方竹条再进一步加工而成,其其细端用于夹取,做磨尖处理,截面接近圆形,粗端用于手持,仅做倒棱处理,保留基本方形截面形状。在筷子粗端的四个面中,有两个相对的面分别对应竹材的青面和黄面。根据竹材的特点,青面纤维密集、颜色偏深、质地坚硬,黄面纤维稀疏、颜色浅淡、质地松软。因此在筷子粗端的四个面中,青面质地最硬,黄面质地最软,青面和黄面之外的两个侧面,其表面质地从靠近黄面的一侧到靠近青面的一侧由软到硬渐变。
通过激光雕刻的方式在竹筷上雕刻标识或图案,如果选取了青面和黄面之外的两个侧面,则因表面硬度变化,图案线条会存在深浅不一现像。因此采用激光雕刻的方式在竹筷上雕刻标识或图案时,应选取青面和/或黄面进行雕刻,其中优选质地最硬的青面。如选择单独一个面雕刻,应批量地保持在同一面上进行。
为实现竹筷激光雕刻自动化,需要满足两点:1、竹筷自动被传送致激光雕刻工位;2、被传送至激光雕刻工位的竹筷青面或者黄面正面朝向扫描器镜头。常见实现竹筷的批量自动传送的方法是,在传送机构后端设置下料斗,批量放置在下料斗内的筷子逐一从下料斗底部漏出口漏出,然后由漏出口下方的传送部件逐一向前传送。显然,以此方式传送的筷子,其四个面的朝向是随机的,为适应激光雕刻,需要在竹筷被传送至激光雕刻工位之前对竹筷四个面的朝向做出调整,统一使青面或黄面朝向激光镜头方向。要实现对筷子朝向的调整,关键在于实现筷子四个面的自动识别。
目前公开的青黄面识别方法是根据表面颜色深浅对比而做出的,首先***中先预设一个代表颜色深浅度的门限值,该值经过大量实验数据得出,介于青面与黄面颜色之间。在筷子的四个面中,除青面以外的其余三个面,颜色深度均小于该值。这种方法可以实现大部分筷子的识别。但是,不同批次的竹材颜色深浅具有一定差异,单一门限值无法通用。
发明内容
本发明目的在于,针对现有竹筷青面的自动识别技术的不足,提出一种不依靠色度对比,而是密度对比的新的识别方法。
为实现上述目的,本发明所采用的技术方案是:一种竹筷青黄面自动识别方法,取竹筷粗端端面为识别基准面,将识别基准面的四个边中满足条件A的边所对应的竹筷表面识别为青面和/或黄面。条件A为:越靠近该边维管束密集度越高和/或越低。
具体地,在所述识别基准面上,对应四个边,分别居中取大小和形状相同、且与对应边间距相等的识别区域,对比四个识别区域内维管束的密集度,维管束密集度最高和/或最低的识别区域对应边所对应的表面为青面和/或黄面。
进一步地,所述识别基准面为正方形,边长为d,四个识别区域与各自对应边的间距为a,识别区域中心到对应边的距离为b,其中0≤a<b,0<b<d/2。
进一步地,所述识别区域为长方形,长方形识别区域与其对应边相平行。
进一步地,所述长方形识别区域的宽度e≤d/2。
进一步地,所述长方形识别区域长度f≤d。
优选地,所述长方形识别区域与对应边间距a=0,所述长方形识别区域长度f=d。
进一步地,所述长方形识别区域的宽度e=d/2。
基于图像处理技术,上述竹筷青黄面自动识别方法,可通过如下步骤实现。
步骤S1,原始图像获取:摄取包含竹筷粗端端面的灰度图像作为原始图像P1。
步骤S2,获取识别基准图像:从原始图像P1中,以竹筷端面轮廓为界截取竹筷端面图像P2作为判断基准图像。
步骤S3,青黄面识别。
步骤S3-1:在基准图像P2中确定分别对应基准图像四个边Side1- Side4的识别区域Region1- Region4;
步骤S3-2:对比四个识别区域Region1- Region4的维管束密集度;
步骤S3-3:以密集度最高/最低的区域对应边所在的竹筷表面为青面/黄面。
作为选择,步骤S3-2所述对比方法为:分别计算四个识别区域Region1- Region4内灰度平均值,灰度平均越小表示该识别区域维管束密集度越高。
作为选择,步骤S3-2所述对比方法为:分别计算四个识别区域Region1- Region4内各像素灰度值之和,灰度值总和越小表示该识别区域维管束密集度越高。
进一步地,步骤S1摄取原始图像时,将取像背景设置为浅色背景,以颜色深度小于常见维管束最淡颜色为准,优选取像背景颜色深度小于竹材由薄壁细胞组成的基本组织的颜色,最优选白色。
进一步地,步骤S2所述获取识别基准图像包括:
步骤S2-1:转换原始图像P1的灰度图像为二值图像P1’,
步骤S2-2:从二值图像P1’边界起去除全部连续白色像素;
步骤S3-2所述对比方法为: 分别计算四个识别区域Region1- Region4内黑色像素数量,黑色像素数量越多表示该识别区域维管束密集度越高。
进一步地,上述竹筷青黄面自动识别方法,还可以通过如下步骤实现。
步骤S1’,原始图像获取:设置均匀取像背景,将取像中心对准竹筷中心,摄取包含竹筷粗端端面的灰度图像作为原始图像P1。
步骤S2’,青黄面识别:
步骤S2’-1:分别将图像P1的上半部、下半部、左半部、右半部作为分别对应上、下、左、右四个边的四个识别区域Region1- Region4;
步骤S2’-2:对比四个识别区域Region1- Region4的维管束密集度;
步骤S2’-3:以密集度最高/最低的区域对应的边所在的竹筷表面为青面/黄面。
作为选择,步骤S2’-2所述对比方法为:分别计算四个识别区域Region1- Region4内灰度平均值,灰度平均越小表示该识别区域维管束密集度越高。
作为选择,步骤S2’-2所述对比方法为:分别计算四个识别区域Region1- Region4内各像素灰度值之和,灰度值总和越小表示该识别区域维管束密集度越高。
进一步地,步骤S1’摄取原始图像时,将取像背景设置为浅色背景,以颜色深度小于常见维管束最淡颜色为准,优选取像背景颜色深度小于竹材由薄壁细胞组成的基本组织的颜色,最优选白色。并且转换原始图像P1的灰度图像为二值图像P1’。
步骤S2’-2所述对比方法为: 分别计算四个识别区域Region1- Region4内黑色像素数量,黑色像素数量越多表示该识别区域维管束密集度越高。
一种调整竹筷青面/黄面朝向的方法,包括:
步骤S1’’:正对竹筷粗端端面,摄取包含筷子端面的灰度图像作为原始图像P1;
步骤S2’’:根据筷子端面维管束密集度识别当前青面/黄面朝向;
步骤S3’’:调整青面/黄面朝向指定方向。
所述步骤S3’’包括:当青面/黄面朝向与指定方向相同时,执行步骤S3’’-1,当青面/黄面朝向与指定方向成90度时,执行步骤S3’’-2,当青面/黄面朝向与指定方向成180度时,执行步骤S3’’-3,当青面/黄面朝向与指定方向成270度时,执行步骤S3’’-4,
步骤S3’’-1:不做调整;
步骤S3’’-2:将竹筷逆时针翻转90度;
步骤S3’’-3:将竹筷顺时针或逆时针翻转180度;
步骤S3’’-4:将竹筷顺时针翻转90度。
本发明中识别基准面以未加工四棱锥面之前的平整端面为优选。
本发明有益效果是:以竹筷粗端端面为识别基准面,根据维管束的密集度差异判断竹筷的青面和黄面,判断结果不受竹材品种、软化展平等处理工艺、存放环境等影响颜色的因素所影响,识别率高,基本可达到100%。而且本发明方法基于常规图像处理技术即可实现,实现难度低,实现该方法亦无需复杂算法,实现成本低。
附图说明
图1为竹筷粗端端面维管束分布规律示意图。
图2为一种识别区域划定实例。
图3为一种全自动竹筷激光雕刻方法流程图。
图4为朝向调整前青面朝向示意图。
图5为朝向调整后青面朝向示意图。
图6为基于灰度平均值的青面/黄面朝向识别方法流程图。
图7为基于灰度值之和的青面/黄面朝向识别方法流程图。
图8为基于二值图像的青面/黄面朝向识别方法流程图。
图9为另一种基于灰度平均值的青面/黄面朝向识别方法流程图。
图10为另一种基于灰度值之和的青面/黄面朝向识别方法流程图。
图11为另一种基于二值图像的青面/黄面朝向识别方法流程图。
具体实施方式
下面参照附图,以将本发明所述识别及调整朝向的方法应用于竹筷激光雕刻为例,对本发明提出的方法的流程及应用方式做进一步说明。
参照图1-2,竹材的维管束呈梅花状,一般为四瓣,在图1中,青面朝左,黄面朝右。从左边到右边,维管束的密集度从高逐渐变低。按本发明的方法,分别对应端面的四个边Side1- Side4,取四个大小相等长方形识别区域Region1- Region4。可以直观地看出,靠近左边的识别区域维管束平均密度最大,而靠近右边的识别区域维管束平均密度最小。分别靠近上边和下边的识别区域平均密度介于其它两个识别区域之间。图中,四个长方形识别区域到对应边的距离a相等,长方形识别区域中心到对应边的距离b<d/2,长方形识别区域的宽e<d/2,长方形识别区域的长d/2<f<d。
参照图3,该图所示为一种全自动竹筷激光雕刻方法流程图,该方法为本发明朝向调整方法的一种应用实例,其通过激光雕刻的方式将图案雕刻在筷子的青面/黄面上,包括如下步骤:
步骤S1:逐一间歇水平传送待加工竹筷,被传送竹筷依次经过识别工位、翻转工位、雕刻工位,传送中的筷子相互平行,间隔距距相等,且传送中的筷子间距与单次传送距离相等,全部传送中的竹筷粗端朝向相同;
步骤S2:取竹筷粗端端面为识别基准面,将识别基准面的四个边中满足条件A的一边的朝向识别为青面/黄面的朝向。条件A为:越靠近该边维管束密集度越高/越低;
步骤S3:翻转青面/黄面非朝上的竹筷,使之雕刻面青面/黄面的朝向上方;
步骤S4:通过激光雕刻机在竹筷的青面/黄面雕刻图案;
所述步骤S3包括:当青面/黄面朝向与指定方向相同时,执行步骤S3-1,当青面/黄面朝向相对指定方向旋转角为90度时,执行步骤S3-2,当青面/黄面朝向相对于指定方向的旋转角为180度时,执行步骤S3-3,当青面/黄面朝向相对于指定方向的旋转角为-90度时,如图4所示(以朝上为指定方向),执行步骤S3-4;
步骤S3-1:不做调整;
步骤S3-2:将竹筷逆时针翻转90度;
步骤S3-3:将竹筷顺时针或逆时针翻转180度;
步骤S3-4:将竹筷顺时针翻转90度,旋转后如图5所示。
实施例1
参照图6,步骤S2所述的青面/黄面的朝向识别方法包括:
步骤S2-1,原始图像获取:摄取包含竹筷粗端端面的灰度图像作为原始图像P1;
步骤S2-2,获取识别基准图像:从原始图像P1中,以竹筷端面轮廓为界截取竹筷端面图像P2作为判断基准图像;
步骤S2-3,青面/黄面的朝向判断:
步骤S2-3-1:在基准图像P2中确定分别对应基准图像四个边Side1- Side4的识别区域Region1- Region4;
步骤S2-3-2:对比四个识别区域Region1- Region4的维管束密集度;分别计算四个识别区域Region1- Region4内灰度平均值,灰度平均越小表示该识别区域维管束密集度越高;
步骤S2-3-3:以密集度最高/最低的区域对应的边的朝向作为青面/黄面的朝向。
实施例2
参照图7,步骤S2所述的青面/黄面的朝向识别方法包括:
步骤S2-1,原始图像获取:摄取包含竹筷粗端端面的灰度图像作为原始图像P1;
步骤S2-2,获取识别基准图像:从原始图像P1中,以竹筷端面轮廓为界截取竹筷端面图像P2作为判断基准图像;
步骤S2-3,青面/黄面的朝向判断:
步骤S2-3-1:在基准图像P2中确定分别对应基准图像四个边Side1- Side4的识别区域Region1- Region4;
步骤S2-3-2:对比四个识别区域Region1- Region4的维管束密集度;分别计算四个识别区域Region1- Region4内各像素灰度值之和,灰度值总和越小表示该识别区域维管束密集度越高;
步骤S2-3-3:以密集度最高/最低的区域对应边的朝向作为青面/黄面的朝向。
实施例3
参照图8,步骤S2所述的青面/黄面的朝向识别方法包括:
步骤S2-1,原始图像获取:将取像背景设置为浅色背景,以颜色深度小于常见维管束最淡颜色为准,摄取包含竹筷粗端端面的灰度图像作为原始图像P1;
步骤S2-2,获取识别基准图像:
步骤S2-2-1:转换原始图像P1的灰度图像为二值图像P1’;
步骤S2-2-2:从二值图像P1’边界起去除全部连续白色像素获得图像P2作为判断基准图像;
步骤S2-3,青面/黄面的朝向判断:
步骤S2-3-1:在基准图像P2中确定分别对应基准图像四个边Side1- Side4的识别区域Region1- Region4;
步骤S2-3-2:对比四个识别区域Region1- Region4的维管束密集度;分别计算四个识别区域Region1- Region4内黑色像素数量,黑色像素数量越多表示该识别区域维管束密集度越高;
步骤S2-3-3:以密集度最高/最低的区域对应边的朝向作为青面/黄面的朝向。
实施例4
参照附图9,步骤S2所述的青面/黄面的朝向识别方法包括:
步骤S2-1’,原始图像获取:设置均匀取像背景,将取像中心对准竹筷中心,摄取包含竹筷粗端端面的灰度图像作为原始图像P1;
步骤S2-2’,青黄面识别:
步骤S2-2’-1:分别将图像P1的上半部、下半部、左半部、右半部作为分别对应上、下、左、右四个边的四个识别区域Region1- Region4;
步骤S2-2’-2:对比四个识别区域Region1- Region4的维管束密集度;分别计算四个识别区域Region1- Region4内灰度平均值,灰度平均越小表示该识别区域维管束密集度越高;
步骤S2-2’-3:以密集度最高/最低的区域对应边的朝向作为青面/黄面的朝向。
实施例5
参照附图10,步骤S2所述的青面/黄面的朝向识别方法包括:
步骤S2-1’,原始图像获取:设置均匀取像背景,将取像中心对准竹筷中心,摄取包含竹筷粗端端面的灰度图像作为原始图像P1;
步骤S2-2’,青黄面识别:
步骤S2-2’-1:分别将图像P1的上半部、下半部、左半部、右半部作为分别对应上、下、左、右四个边的四个识别区域Region1- Region4;
步骤S2-2’-2:对比四个识别区域Region1- Region4的维管束密集度;分别计算四个识别区域Region1- Region4内各像素灰度值之和,灰度值总和越小表示该识别区域维管束密集度越高;
步骤S2-2’-3:以密集度最高/最低的区域对应边的朝向作为青面/黄面的朝向。
实施例6
参照附图11,步骤S2所述的青面/黄面的朝向识别方法包括:
步骤S2-1’,原始图像获取:设置浅色均匀取像背景,以颜色深度小于常见维管束最淡颜色为准,将取像中心对准竹筷中心,摄取包含竹筷粗端端面的灰度图像作为原始图像P1。并转换原始图像P1的灰度图像为二值图像P1’;
步骤S2-2’,青黄面识别:
步骤S2-2’-1:分别将图像P1’的上半部、下半部、左半部、右半部作为分别对应上、下、左、右四个边的四个识别区域Region1- Region4;
步骤S2-2’-2:对比四个识别区域Region1- Region4的维管束密集度;分别计算四个识别区域Region1- Region4内黑色像素数量,黑色像素数量越多表示该识别区域维管束密集度越高;
步骤S2-2’-3:以密集度最高/最低的区域对应边的朝向作为青面/黄面的朝向。
Claims (10)
1.一种竹筷青黄面自动识别方法,其特征在于,取竹筷粗端端面为识别基准面,将识别基准面的四个边中满足条件A的边所对应的竹筷表面识别为青面和/或黄面,条件A为:越靠近该边维管束密集度越高和/或越低。
2.根据权利要求1所述竹筷青黄面自动识别方法,其特征在于,在所述识别基准面上,对应四个边,分别居中取大小和形状相同、且与对应边间距相等的识别区域,对比四个识别区域内维管束的密集度,维管束密集度最高和/或最低的识别区域对应边所对应的表面为青面和/或黄面。
3.根据权利要求2所述竹筷青黄面自动识别方法,其特征在于,所述识别基准面为正方形,边长为d,四个识别区域与各自对应边的间距为a,识别区域中心到对应边的距离为b,其中0≤a<b,0<b<d/2;所述识别区域为长方形,长方形识别区域与其对应边相平行,所述长方形识别区域的宽度e≤d/2,所述长方形识别区域长度f≤d。
4.根据权利要求3所述竹筷青黄面自动识别方法,其特征在于,所述长方形识别区域与对应边间距a=0,所述长方形识别区域长度f=d,所述长方形识别区域的宽度e=d/2。
5.一种竹筷青黄面自动识别方法,其特征在于,包括如下步骤:
步骤S1,原始图像获取:摄取包含竹筷粗端端面的灰度图像作为原始图像P1;
步骤S2,获取识别基准图像:从原始图像P1中,以竹筷端面轮廓为界截取竹筷端面图像P2作为判断基准图像;
步骤S3,青黄面识别;
步骤S3-1:在基准图像P2中确定分别对应基准图像四个边Side1- Side4的识别区域Region1- Region4;
步骤S3-2:对比四个识别区域Region1- Region4的维管束密集度;
步骤S3-3:以密集度最高/最低的区域对应边所在的竹筷表面为青面/黄面。
6.根据权利要求5所述竹筷青黄面自动识别方法,其特征在于,步骤S3-2所述对比方法为:分别计算四个识别区域Region1- Region4内灰度平均值,灰度平均越小表示该识别区域维管束密集度越高。
7.根据权利要求6所述竹筷青黄面自动识别方法,其特征在于,步骤S3-2所述对比方法为:分别计算四个识别区域Region1- Region4内各像素灰度值之和,灰度值总和越小表示该识别区域维管束密集度越高。
8.一种竹筷青黄面自动识别方法,其特征在于,包括如下步骤:
步骤S1’,原始图像获取:设置均匀取像背景,将取像中心对准竹筷中心,摄取包含竹筷粗端端面的灰度图像作为原始图像P1;
步骤S2’,青黄面识别:
步骤S2’-1:分别将图像P1的上半部、下半部、左半部、右半部作为分别对应上、下、左、右四个边的四个识别区域Region1- Region4;
步骤S2’-2:对比四个识别区域Region1- Region4的维管束密集度;
步骤S2’-3:以密集度最高/最低的区域对应的边所在的竹筷表面为青面/黄面。
9.根据权利要求8所述竹筷青黄面自动识别方法,其特征在于,步骤S2’-2所述对比方法为:分别计算四个识别区域Region1- Region4内灰度平均值,灰度平均越小表示该识别区域维管束密集度越高。
10.一种调整竹筷青面/黄面朝向的方法,包括:
步骤S1’’:正对竹筷粗端端面,摄取包含筷子端面的灰度图像作为原始图像P1;
步骤S2’’:根据筷子端面维管束密集度识别当前青面/黄面朝向;
步骤S3’’:调整青面/黄面朝向指定方向;
所述步骤S3’’包括:当青面/黄面朝向与指定方向相同时,执行步骤S3’’-1,当青面/黄面朝向与指定方向成90度时,执行步骤S3’’-2,当青面/黄面朝向与指定方向成180度时,执行步骤S3’’-3,当青面/黄面朝向与指定方向成270度时,执行步骤S3’’-4;
步骤S3’’-1:不做调整;
步骤S3’’-2:将竹筷逆时针翻转90度;
步骤S3’’-3:将竹筷顺时针或逆时针翻转180度;
步骤S3’’-4:将竹筷顺时针翻转90度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610757543.7A CN106372637A (zh) | 2016-08-30 | 2016-08-30 | 一种竹筷青黄面自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610757543.7A CN106372637A (zh) | 2016-08-30 | 2016-08-30 | 一种竹筷青黄面自动识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106372637A true CN106372637A (zh) | 2017-02-01 |
Family
ID=57902490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610757543.7A Pending CN106372637A (zh) | 2016-08-30 | 2016-08-30 | 一种竹筷青黄面自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106372637A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108181316A (zh) * | 2018-03-13 | 2018-06-19 | 广西师范大学 | 一种基于机器视觉的竹条缺陷检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103512884A (zh) * | 2013-09-29 | 2014-01-15 | 安徽农业大学 | 一种界定竹黄与竹肉界线的方法 |
CN103920657A (zh) * | 2014-04-04 | 2014-07-16 | 陈森永 | 一种竹胚料自动认面分拣装置 |
CN104527223A (zh) * | 2014-12-30 | 2015-04-22 | 浙江天竹工贸有限公司 | 自动定位竹青面印花机 |
CN105437336A (zh) * | 2015-03-04 | 2016-03-30 | 朱春东 | 竹筷子的竹青竹黄浮力识别装置 |
CN205328132U (zh) * | 2016-02-04 | 2016-06-22 | 庞潮贵 | 竹筷认面翻转机构 |
-
2016
- 2016-08-30 CN CN201610757543.7A patent/CN106372637A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103512884A (zh) * | 2013-09-29 | 2014-01-15 | 安徽农业大学 | 一种界定竹黄与竹肉界线的方法 |
CN103920657A (zh) * | 2014-04-04 | 2014-07-16 | 陈森永 | 一种竹胚料自动认面分拣装置 |
CN104527223A (zh) * | 2014-12-30 | 2015-04-22 | 浙江天竹工贸有限公司 | 自动定位竹青面印花机 |
CN105437336A (zh) * | 2015-03-04 | 2016-03-30 | 朱春东 | 竹筷子的竹青竹黄浮力识别装置 |
CN205328132U (zh) * | 2016-02-04 | 2016-06-22 | 庞潮贵 | 竹筷认面翻转机构 |
Non-Patent Citations (1)
Title |
---|
裴韵文等: "毛竹竹黄部位的界定", 《东北林业大学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108181316A (zh) * | 2018-03-13 | 2018-06-19 | 广西师范大学 | 一种基于机器视觉的竹条缺陷检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170248803A1 (en) | Colored contact lens based on amorphous images | |
CN104376529B (zh) | 一种基于glcm的灰度图像彩色化***和方法 | |
TWI309026B (en) | Method for auto-cropping image objects and method for detecting image object contour | |
CN102693532B (zh) | 图像阴影和高光的自动局部调整 | |
CN108765309A (zh) | 基于暗通道的线状自适应改进全局大气光的图像去雾方法 | |
CN104574403B (zh) | 一种智能裁剪方法 | |
CN101901480A (zh) | 用于处理图像数据的设备和方法 | |
CN107154050A (zh) | 一种基于机器视觉的石材几何参数的自动获取方法 | |
CN105678749B (zh) | 一种基于视觉的鲜鱼方向判别方法 | |
CN106346137B (zh) | 竹筷全自动激光雕刻方法 | |
CN110175969A (zh) | 图像处理方法及图像处理装置 | |
CN106327533B (zh) | 一种用于调整竹筷青面/黄面朝向的装置 | |
CN106372637A (zh) | 一种竹筷青黄面自动识别方法 | |
CN109035377A (zh) | 用于获得适用于激光雕刻的浮雕素描效果图像处理方法 | |
CN110288670A (zh) | 一种ui描边特效的高性能渲染方法 | |
CN106886998A (zh) | 物体分割方法及设备 | |
CN113450282B (zh) | 美化图像的方法和*** | |
CN103379346A (zh) | 一种yuv格式图像的色度信息处理方法、装置及*** | |
CN105243651A (zh) | 基于近似方差和暗色块像素统计信息的图像边缘增强方法 | |
CN109903275A (zh) | 一种基于自适应多尺度滤波和直方图对比的酒醅发霉区域检测方法 | |
US20160229222A1 (en) | Systems and methods of producing images in bas relief via a printer | |
CN104794695B (zh) | 基于拍照的用于处理三维房屋装修材质的方法 | |
CN108550124A (zh) | 一种基于仿生螺线的光照补偿及图像增强方法 | |
CN101221654A (zh) | 一种电子***虚化方法 | |
CN105326161A (zh) | 一种渐变色树脂纽扣的生产工艺 |
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: 20170201 |
|
RJ01 | Rejection of invention patent application after publication |