CN111815559A - 一种农产品品质检测方法、***、装置及其存储介质 - Google Patents
一种农产品品质检测方法、***、装置及其存储介质 Download PDFInfo
- Publication number
- CN111815559A CN111815559A CN202010514743.6A CN202010514743A CN111815559A CN 111815559 A CN111815559 A CN 111815559A CN 202010514743 A CN202010514743 A CN 202010514743A CN 111815559 A CN111815559 A CN 111815559A
- Authority
- CN
- China
- Prior art keywords
- image
- product
- quality
- size
- reference object
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 57
- 238000004458 analytical method Methods 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 18
- 235000013399 edible fruits Nutrition 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 239000004615 ingredient Substances 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Animal Husbandry (AREA)
- General Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种农产品品质检测方法、***、装置及存储介质,方法包括:将待测产品与基准参考物置于同一画面中,并对所述画面进行图像采集,得到第一图像;获取所述基准参考物的第一实际尺寸,并根据所述第一实际尺寸与所述第一图像中的基准参考物,确定尺寸比例;根据所述第一图像,识别所述待测产品的产品品种;根据所述产品品种,确定所述待测产品对应的品质分析模型;根据所述第一图像和尺寸比例,通过所述品质分析模型进行品质分析,得出品质检测结果。本发明通过将待测产品的图像利用品质分析模型进行品质分析,从而实现了快速品质检测,在成本降低的同时,还能大大提高检测准确度。本发明可广泛应用于农产品检测技术领域。
Description
技术领域
本发明涉及农产品检测技术领域,尤其涉及一种农产品品质检测方法、***、装置及其存储介质。
背景技术
现在市场上的农产品品质检测的方法,一般是使用各种硬件设备,利用传感器通过对具体的指标进行检测,得出检测数据对比农业部和各级相关部门发布的标准,从而判断农产品的品质。
但是上述这种农产品品质检测方法需要大量的硬件检测设备和专业的检测人员投入,人力和成本投入比较高,对于地处农村的广大农户来说,基本是不可能实现的方法。
同时,上述检测方法也都是抽检,是对区域农产品抽样检测得出的结果,无法对每一个销售的农产品的品质进行检测。对于网购的消费者来说,他们除了对农产品基础安全数据需要了解以外,还需要对农产品的品质、卖相、等级等情况有更详细的了解,以便知道自己购买产品的实际情况,而不是像开彩票一样等待自己收货才知道真实情况。
发明内容
为了解决上述技术问题,本发明的目的是提供一种农产品品质检测方法、***、装置及其存储介质。
第一方面,本发明实施例提供了一种农产品品质检测方法,包括以下步骤:
将待测产品与基准参考物置于同一画面中,并对所述画面进行图像采集,得到第一图像;
获取所述基准参考物的第一实际尺寸,并根据所述第一实际尺寸与所述第一图像中的基准参考物,确定尺寸比例;
根据所述第一图像,识别所述待测产品的产品品种;
根据所述产品品种,确定所述待测产品对应的品质分析模型;
根据所述第一图像和尺寸比例,通过所述品质分析模型进行品质分析,得出品质检测结果。
本发明的一些实施例中,所述待测产品与所述基准参考物平行放置。
本发明的一些实施例中,所述的根据所述第一图像,识别所述待测产品的产品品种,具体为:
根据所述第一图像,将所述第一图像与数据库中的产品图像进行匹配,得出匹配度最高的产品品种;
或,
根据所述第一图像,通过训练好的品种识别模型进行识别,确定所述待测产品的产品品种。
本发明的一些实施例中,所述的获取所述基准参考物的第一实际尺寸,并根据所述第一实际尺寸与所述第一图像中的基准参考物,确定尺寸比例,包括:
获取所述基准参考物的第一实际尺寸;
获取所述基准参考物在所述第一图像中的边界,确定所述基准参考物的第一图像尺寸;
根据所述第一实际尺寸和所述第一图像尺寸,确定尺寸比例。
本发明的一些实施例中,所述的根据所述第一图像和尺寸比例,通过所述品质分析模型进行品质分析,得出品质检测结果,具体包括:
根据所述第一图像和尺寸比例,确定所述待测产品的产品参数;
根据所述产品参数,通过所述品质分析模型进行品质分析,得出品质检测结果。
本发明的一些实施例中,所述品质检测结果包括体积、果径、重量、成分占比和外形参数中的至少一种。
第二方面,本发明实施例提供了一种农产品品质检测***,包括:
采集单元,用于将待测产品与基准参考物置于同一画面中,并对所述画面进行图像采集,得到第一图像;
比例确定单元,用于获取所述基准参考物的第一实际尺寸,并根据所述第一实际尺寸与所述第一图像中的基准参考物,确定尺寸比例;
识别单元,用于根据所述第一图像,识别所述待测产品的产品品种;
模型确定单元,用于根据所述产品品种,确定所述待测产品对应的品质分析模型;
品质分析单元,用于根据所述第一图像和尺寸比例,通过所述品质分析模型进行品质分析,得出品质检测结果。
本发明的一些实施例中,所述的比例确定单元包括:
实际尺寸获取单元,用于获取所述基准参考物的第一实际尺寸;
图像尺寸获取单元,用于获取所述基准参考物在所述第一图像中的边界,确定所述基准参考物的第一图像尺寸;
尺寸比例确定单元,用于根据所述第一实际尺寸和所述第一图像尺寸,确定尺寸比例。
第三方面,本发明实施例提供了一种农产品品质检测装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的一种农产品品质检测方法。
第四方面,本发明实施例提供了一种计算机存储介质,其特征在于,包括计算机程序,当所述计算机程序在计算机上运行时,使得所述的一种农产品品质检测方法被执行。
本发明的有益效果是:
本发明一种农产品品质检测方法、***、装置及其存储介质通过将待测产品的图像利用品质分析模型进行品质分析,从而实现了快速品质检测,在成本降低的同时,还能大大提高检测准确度。
附图说明
图1是本发明一种农产品品质检测方法的步骤流程图;
图2是本发明一种农产品品质检测***的模块方框图;
图3是本发明实施例的示意图。
具体实施方式
下面结合说明书附图和具体实施例对本发明做进一步解释和说明。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
参考图1,本发明实施例提供了一种农产品品质检测方法,包括以下步骤:
S101、将待测产品1与基准参考物2置于同一画面中,并对所述画面进行图像采集,得到第一图像。
本实施例中,可以将待测产品1放置在基准参考物2上,也可以将待测产品1放置在基准参考物2旁边,只要在拍照时待测产品1与基准参考物2置于同一画面中即可。如图3所示,待测产品1与基准参考物2可以是平行放置,通过摄像头3拍照时可以是平行拍照,也可以是有角度的拍照,但平行拍照时获得的第一图像会使得后续的检测准确度更高。
S102、获取所述基准参考物2的第一实际尺寸,并根据所述第一实际尺寸与所述第一图像中的基准参考物2,确定尺寸比例。
本实施例中,可以得出基准参考物2上下左右边界的边界点,具体的,在获取第一图像时,需要将第一图像和拍摄时的焦距和方向角度对应起来,依据焦距和方向,可计算出边界之间的距离,这样就获得了尺寸计算的基础数据,从而确定尺寸比例。
S103、根据所述第一图像,识别所述待测产品1的产品品种。
S104、根据所述产品品种,确定所述待测产品1对应的品质分析模型。
S105、根据所述第一图像和尺寸比例,通过所述品质分析模型进行品质分析,得出品质检测结果。
本实施例中,获取有基准参考物2的第一图像;第一图像中携带基本的图片信息、设备的焦距和方向传感器信息;计算待测产品1的尺寸和边界轮廓;利用农产品的品质分析模型,对农产品的品质进行检测,得出农产品的各种品质信息,与现有技术中的农产品检测方法依靠大量昂贵的硬件设备和专业技术人员投入相比,本发明对广大偏远地区农户的可行性更高,农户操作简单成本几乎为0,秒速对每一个销售出去的农产品的品质进行检测并自动传给消费者,对农产品品质检测本身、农户的产品销售、消费者的购物体验都有各方面的提升。
而且,本实施例中会将每次检测的图片回传到分类的分析模型数据库,品质分析模型可以有不断进化的可能,最终达到一个较高的检测准确度。
在一些实施例中,根据所述第一图像,识别所述待测产品1的产品品种,可以具体为:
根据所述第一图像,将所述第一图像与数据库中的产品图像进行匹配,得出匹配度最高的产品品种。
本实施例中,建立农产品的数据库,数据库来源用户上传的海量的产品图像,从而可根据产品图像与第一图像进行比对匹配,得出匹配度最高的产品图像的产品品种,即为待测产品1的产品品种。
在一些实施例中,根据所述第一图像,识别所述待测产品1的产品品种,也可以具体为:
根据所述第一图像,通过训练好的品种识别模型进行识别,确定所述待测产品1的产品品种。
本实施例中,建立农产品的数据库,数据库来源用户上传的海量的产品图像,然后根据海量的产品图像对品种识别模型进行训练,品种识别模型可从海量真实数据中对各种元素的抽象概念提取出来,品种识别模型归纳出农产品类别和品种的特征,品种识别模型对第一图像中待测产品1进行识别和判断。
在一些实施例中,所述的获取所述基准参考物2的第一实际尺寸,并根据所述第一实际尺寸与所述第一图像中的基准参考物2,确定尺寸比例,包括:
S1021、获取所述基准参考物2的第一实际尺寸;
S1022、获取所述基准参考物2在所述第一图像中的边界,确定所述基准参考物2的第一图像尺寸;
S1023、根据所述第一实际尺寸和所述第一图像尺寸,确定尺寸比例。
在一些实施例中,所述的根据所述第一图像和尺寸比例,通过所述品质分析模型进行品质分析,得出品质检测结果,具体包括:
S1051、根据所述第一图像和尺寸比例,确定所述待测产品1的产品参数。
S1052、根据所述产品参数,通过所述品质分析模型进行品质分析,得出品质检测结果。
本实施例中,品质检测结果包括体积、果径、重量、成分占比和外形参数中的至少一种。
本实施例中,品质检测结果为体积和果径时,首先对第一图像进行识别,识别出要检测的各个农产品的边界;基于已知的基准参考物2的尺寸,可计算出农产品上下左右边界点之间的距离;然后将这个尺寸与品质分析模型进行对比,通过品质分析模型可计算出农产品的体积和果径;体积、果径是农产品尤其是水果的等级划分重要的指标,可以帮助消费者对此指标进行初步检测。
本实施例中,品质检测结果为重量时,上述已知农产品的体积和边界尺寸,可基于分析模型,计算出农产品的重量;单个农产品的重量同样是划分等级的标准。另一方面基于此数据,可以知道农产品的总重量,可用此数据核对消费者购买农产品实际发货的重量是否合格。
本实施例中,品质检测结果为成分占比时,已知农产品的体积和重量,基于分析模型,可计算出农产品的水分、糖分等关键成分的含量,知道农产品的品质。
本实施例中,品质检测结果为外形参数时,基于拍摄的农产品的图像,将图像信息代入分析模型,可知道农产品的外形等级、色泽评分,通过表皮图像分析判断农产品是否有损坏、成熟程度、卖相等级。
本实施例的具体实施步骤如下:
(1)根据基准参考物2的尺寸,可计算出农产品的尺寸,包括轮廓曲线、长度、宽度等,利用分析模型对农产品的尺寸进行计算,可得到所属农产品的直径、体积等品质参数;
(2)根据农产品尺寸、体积参数,利用分析模型对农产品的质量进行计算,可得到农产品总重量;
(3)根据农产品的的重量和体积数据,利用分析模型对农产品进行计算,可得到农产品水分、糖分及其他关键成分的重量及含量占比;
(4)根据农产品的图像信息,利用分析模型可对农产品的外形、色泽、有无坏点进行检测,可得到农产品的品质等级分数;
(5)基于不同品种农产品品质检测历史的图片信息,按照划分的类别保存到数据库中,不断完善修正分析模型;
(6)消费者电商平台下单购买农产品,商户利用此方法拍照,平台将分析结果及原始图片展示给消费者,方便消费者及时掌握自己购买的农产品的品质,减少心中的担忧,提升消费者与商户之间的信任关系,形成良性的购物体验。
参考图2,本发明实施例提供了一种农产品品质检测***,包括:
采集单元,用于将待测产品1与基准参考物2置于同一画面中,并对所述画面进行图像采集,得到第一图像;
比例确定单元,用于获取所述基准参考物2的第一实际尺寸,并根据所述第一实际尺寸与所述第一图像中的基准参考物2,确定尺寸比例;
识别单元,用于根据所述第一图像,识别所述待测产品1的产品品种;
模型确定单元,用于根据所述产品品种,确定所述待测产品1对应的品质分析模型;
品质分析单元,用于根据所述第一图像和尺寸比例,通过所述品质分析模型进行品质分析,得出品质检测结果。
在一些实施例中,所述的比例确定单元包括:
实际尺寸获取单元,用于获取所述基准参考物2的第一实际尺寸;
图像尺寸获取单元,用于获取所述基准参考物2在所述第一图像中的边界,确定所述基准参考物2的第一图像尺寸;
尺寸比例确定单元,用于根据所述第一实际尺寸和所述第一图像尺寸,确定尺寸比例。
本发明实施例提供了一种农产品品质检测装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的一种农产品品质检测方法。
此外,本发明实施例提供了一种计算机存储介质,其特征在于,包括计算机程序,当所述计算机程序在计算机上运行时,使得所述的一种农产品品质检测方法被执行。
从上述内容可知,本发明通过将待测产品的图像利用品质分析模型进行品质分析,从而实现了快速品质检测,在成本降低的同时,还能大大提高检测准确度。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种农产品品质检测方法,其特征在于,包括以下步骤:
将待测产品与基准参考物置于同一画面中,并对所述画面进行图像采集,得到第一图像;
获取所述基准参考物的第一实际尺寸,并根据所述第一实际尺寸与所述第一图像中的基准参考物,确定尺寸比例;
根据所述第一图像,识别所述待测产品的产品品种;
根据所述产品品种,确定所述待测产品对应的品质分析模型;
根据所述第一图像和尺寸比例,通过所述品质分析模型进行品质分析,得出品质检测结果。
2.根据权利要求1所述的一种农产品品质检测方法,其特征在于,所述待测产品与所述基准参考物平行放置。
3.根据权利要求1所述的一种农产品品质检测方法,其特征在于,所述的根据所述第一图像,识别所述待测产品的产品品种,具体为:
根据所述第一图像,将所述第一图像与数据库中的产品图像进行匹配,得出匹配度最高的产品品种;
或,
根据所述第一图像,通过训练好的品种识别模型进行识别,确定所述待测产品的产品品种。
4.根据权利要求1所述的一种农产品品质检测方法,其特征在于,所述的获取所述基准参考物的第一实际尺寸,并根据所述第一实际尺寸与所述第一图像中的基准参考物,确定尺寸比例,包括:
获取所述基准参考物的第一实际尺寸;
获取所述基准参考物在所述第一图像中的边界,确定所述基准参考物的第一图像尺寸;
根据所述第一实际尺寸和所述第一图像尺寸,确定尺寸比例。
5.根据权利要求1所述的一种农产品品质检测方法,其特征在于,所述的根据所述第一图像和尺寸比例,通过所述品质分析模型进行品质分析,得出品质检测结果,具体包括:
根据所述第一图像和尺寸比例,确定所述待测产品的产品参数;
根据所述产品参数,通过所述品质分析模型进行品质分析,得出品质检测结果。
6.根据权利要求1所述的一种农产品品质检测方法,其特征在于,所述品质检测结果包括体积、果径、重量、成分占比和外形参数中的至少一种。
7.一种农产品品质检测***,其特征在于,包括:
采集单元,用于将待测产品与基准参考物置于同一画面中,并对所述画面进行图像采集,得到第一图像;
比例确定单元,用于获取所述基准参考物的第一实际尺寸,并根据所述第一实际尺寸与所述第一图像中的基准参考物,确定尺寸比例;
识别单元,用于根据所述第一图像,识别所述待测产品的产品品种;
模型确定单元,用于根据所述产品品种,确定所述待测产品对应的品质分析模型;
品质分析单元,用于根据所述第一图像和尺寸比例,通过所述品质分析模型进行品质分析,得出品质检测结果。
8.根据权利要求7所述的一种农产品品质检测***,其特征在于,所述的比例确定单元包括:
实际尺寸获取单元,用于获取所述基准参考物的第一实际尺寸;
图像尺寸获取单元,用于获取所述基准参考物在所述第一图像中的边界,确定所述基准参考物的第一图像尺寸;
尺寸比例确定单元,用于根据所述第一实际尺寸和所述第一图像尺寸,确定尺寸比例。
9.一种农产品品质检测装置,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1~6任一项所述的一种农产品品质检测方法。
10.一种计算机存储介质,其特征在于,包括计算机程序,当所述计算机程序在计算机上运行时,使得如权利要求1~6任一项所述的一种农产品品质检测方法被执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010514743.6A CN111815559A (zh) | 2020-06-08 | 2020-06-08 | 一种农产品品质检测方法、***、装置及其存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010514743.6A CN111815559A (zh) | 2020-06-08 | 2020-06-08 | 一种农产品品质检测方法、***、装置及其存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111815559A true CN111815559A (zh) | 2020-10-23 |
Family
ID=72844700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010514743.6A Pending CN111815559A (zh) | 2020-06-08 | 2020-06-08 | 一种农产品品质检测方法、***、装置及其存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111815559A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6005959A (en) * | 1995-02-17 | 1999-12-21 | International Business Machines Corporation | Produce size recognition system |
CN106093321A (zh) * | 2016-07-04 | 2016-11-09 | 中国农业科学院农业信息研究所 | 一种农产品市场监测***及方法 |
CN106157159A (zh) * | 2016-07-06 | 2016-11-23 | 北京禾木源农业科技有限责任公司 | 一种基于互联网影像远程农产品品质检测方法和装置 |
KR20180086745A (ko) * | 2017-01-23 | 2018-08-01 | 한국과학기술연구원 | 식물 영상 처리 장치 및 방법 |
CN109990742A (zh) * | 2017-12-31 | 2019-07-09 | 邹成加 | 基于图像处理技术的板栗检测方法 |
CN110136044A (zh) * | 2019-05-17 | 2019-08-16 | 顺丰科技有限公司 | 一种物品分拣方法、***、设备及智能终端 |
-
2020
- 2020-06-08 CN CN202010514743.6A patent/CN111815559A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6005959A (en) * | 1995-02-17 | 1999-12-21 | International Business Machines Corporation | Produce size recognition system |
CN106093321A (zh) * | 2016-07-04 | 2016-11-09 | 中国农业科学院农业信息研究所 | 一种农产品市场监测***及方法 |
CN106157159A (zh) * | 2016-07-06 | 2016-11-23 | 北京禾木源农业科技有限责任公司 | 一种基于互联网影像远程农产品品质检测方法和装置 |
KR20180086745A (ko) * | 2017-01-23 | 2018-08-01 | 한국과학기술연구원 | 식물 영상 처리 장치 및 방법 |
CN109990742A (zh) * | 2017-12-31 | 2019-07-09 | 邹成加 | 基于图像处理技术的板栗检测方法 |
CN110136044A (zh) * | 2019-05-17 | 2019-08-16 | 顺丰科技有限公司 | 一种物品分拣方法、***、设备及智能终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108444924B (zh) | 一种应用高光谱图像技术判别茶叶贮藏期的方法 | |
CN101419166A (zh) | 基于近红外光谱和机器视觉技术的茶叶品质无损检测方法及装置 | |
CN106442525B (zh) | 用于核桃内部干瘪缺陷的在线检测方法 | |
CN103900972B (zh) | 基于多特征融合的肉类新鲜度高光谱图像可视化检测 | |
CN108955901B (zh) | 一种红外测温方法、***及终端设备 | |
CN109285140A (zh) | 一种印刷电路板图像配准评估方法 | |
CN109900363A (zh) | 一种基于轮廓提取的目标物红外测温方法和装置 | |
CN112541381A (zh) | 基于机器人的商品采购方法及机器人 | |
TW201524455A (zh) | 以深度圖影像與骨架特徵點進行人體重量估測之方法 | |
CN108362652A (zh) | 一种基于证据理论的物体新鲜度无损检测方法 | |
CN111815559A (zh) | 一种农产品品质检测方法、***、装置及其存储介质 | |
JP2016024596A (ja) | 情報処理装置 | |
CN111724350A (zh) | 鱼体新鲜度无损检测方法及装置 | |
CN115861895A (zh) | 一种磷酸铁锂生产现场的物料追踪方法及*** | |
CN113324928B (zh) | 一种基于图谱数据智能化无损检测菜肴食品营养含量方法 | |
CN114169903A (zh) | 一种可融合无损检测技术的中药材数字化质控追溯方法 | |
CN111523605B (zh) | 一种图像识别方法、装置、电子设备及介质 | |
CN103592258B (zh) | 一种茶叶中茶多酚含量的检测方法 | |
CN111474293B (zh) | 一种青枯病菌溶液测定方法及测定*** | |
CN106442339B (zh) | 熟肉冷藏时间可视化检测方法及装置 | |
JP2003251282A (ja) | 苺用等階級計測判定装置 | |
CN109100359A (zh) | 一种基于机器视觉的产品缺陷识别方法 | |
CN201051074Y (zh) | 多光谱肉类新鲜度人工智能测量*** | |
Merga | Measuring and analysis of plant diseases | |
Van Pham et al. | A comparison of effectiveness between 2-dimensional and 3-dimensional data visualization in detecting plant architectural characteristics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |