CN112387626A - 一种基于轻量级神经网络的苹果原料质量识别方法 - Google Patents

一种基于轻量级神经网络的苹果原料质量识别方法 Download PDF

Info

Publication number
CN112387626A
CN112387626A CN202011168871.6A CN202011168871A CN112387626A CN 112387626 A CN112387626 A CN 112387626A CN 202011168871 A CN202011168871 A CN 202011168871A CN 112387626 A CN112387626 A CN 112387626A
Authority
CN
China
Prior art keywords
holes
neural network
apples
raw material
lightweight neural
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
Application number
CN202011168871.6A
Other languages
English (en)
Inventor
王岩
马旭
李大琳
谈磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yangzhou Runji Intelligent Equipment Technology Co ltd
Original Assignee
Yangzhou Runji Intelligent Equipment Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yangzhou Runji Intelligent Equipment Technology Co ltd filed Critical Yangzhou Runji Intelligent Equipment Technology Co ltd
Priority to CN202011168871.6A priority Critical patent/CN112387626A/zh
Publication of CN112387626A publication Critical patent/CN112387626A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • B07C5/362—Separating or distributor mechanisms
    • A—HUMAN NECESSITIES
    • A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23N—MACHINES OR APPARATUS FOR TREATING HARVESTED FRUIT, VEGETABLES OR FLOWER BULBS IN BULK, NOT OTHERWISE PROVIDED FOR; PEELING VEGETABLES OR FRUIT IN BULK; APPARATUS FOR PREPARING ANIMAL FEEDING- STUFFS
    • A23N15/00—Machines or apparatus for other treatment of fruits or vegetables for human purposes; Machines or apparatus for topping or skinning flower bulbs
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/38—Collecting or arranging articles in groups
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • A—HUMAN NECESSITIES
    • A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23N—MACHINES OR APPARATUS FOR TREATING HARVESTED FRUIT, VEGETABLES OR FLOWER BULBS IN BULK, NOT OTHERWISE PROVIDED FOR; PEELING VEGETABLES OR FRUIT IN BULK; APPARATUS FOR PREPARING ANIMAL FEEDING- STUFFS
    • A23N15/00—Machines or apparatus for other treatment of fruits or vegetables for human purposes; Machines or apparatus for topping or skinning flower bulbs
    • A23N2015/008—Sorting of fruit and vegetables
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/009—Sorting of fruit
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/845—Objects on a conveyor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Polymers & Plastics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Sorting Of Articles (AREA)

Abstract

本发明涉及苹果原料质量检测技术领域，公开了一种基于轻量级神经网络的苹果原料质量识别方法，包括底板，所述底板底部四角处均竖直向下固定连接有支架，位于所述底板上部中间位置竖直向上开设有收集槽，位于所述收集槽前后两侧壁均向下倾斜固定连通有导流盒。本发明设置的两个摄像头进行实时检测苹果的图像状态，当图像传输给控制器内轻量级神经网络***进行对比数据后，一旦识别到位于筛选传输带上的置物孔内的苹果不合格时，控制器控制位于该置物孔下方对应的移动托板连接的气缸工作，从而控制其气缸工作带动移动托板向左移动，从而保证移动托板上的坠落孔与通孔对齐后保证将不合格的苹果筛选下来，自动化程度高。

Description

一种基于轻量级神经网络的苹果原料质量识别方法
技术领域
本发明涉及苹果原料质量检测技术领域，具体为一种基于轻量级神经网络的苹果原料质量识别方法。
背景技术
目前，大型深度神经网络的构建通常需要很强的专家知识，一般会耗费研究人员大量的时间和精力，尤其在遥感图像处理领域。同时这些人工设计的网络通常计算复杂度高、内存开销大，也给在边缘计算设备上的部署提出了极大的挑战。神经结构搜索，是一种专门针对深度神经网络的自动化设计方法，该方法可以有效降低人工参与程度，在机器视角下对深度神经网络进行自动化搭建。
我国的水果产量一直以来都稳居于世界第一位的位置，而且水果种植面积正在逐年增高，但是在这个水果种植面积飞速发展的时代，苹果在采摘后需要进行包装处理，包装处理前需要对腐坏以及损伤较大的苹果进行分离出来，但是目前的方式都是采用人工筛选的方式进行操作，费时费力，整个检测的效率低。
发明内容
本发明的目的在于提供一种基于轻量级神经网络的苹果原料质量识别方法，解决了背景技术中所提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于轻量级神经网络的苹果原料质量识别方法，包括底板，所述底板底部四角处均竖直向下固定连接有支架，位于所述底板上部中间位置竖直向上开设有收集槽，位于所述收集槽前后两侧壁均向下倾斜固定连通有导流盒；位于所述底板左右两部均水平纵向固定安装有传动辊，两个所述传动辊之间通过筛选输送带传动连接，位于所述底板上部水平固定安装有承重托板，位于所述承重托板中部左右两部均竖直开设有多个等距分布的通孔；
位于所述筛选传输带上沿其宽度方向竖直开设有多个等距分布的置物孔；位于所述承重托板底面左右两部均水平相向固定安装有多个等距分布的气缸，每个气缸的活塞杆端部均固定连接有移动托板，移动托板的数量与分布在筛选传输带上置物孔纵列数量相等，移动托板上竖直开设有多个等距分布的坠落孔；所述底板前后两侧壁均竖直向上固定安装有侧板，位于两块所述侧板之间中间位置上部水平固定连接有横板，横板底面左右两部均固定安装有摄像头，位于所述横板上部前侧竖直向上固定安装有控制器。
作为本发明的一种优选实施方式，所述收集槽内腔底部呈中间高前后两侧边低的形成分布。
作为本发明的一种优选实施方式，所述置物孔的数量和通孔的数量相等，且置物孔与通孔竖直对齐设置。
作为本发明的一种优选实施方式，位于所述移动托板上的坠落孔的孔径由内往外依次递增。
作为本发明的一种优选实施方式，所述纵向分布的坠落孔的数量与通孔的数量相等，最小孔径的坠落孔与通孔的孔径相等。
作为本发明的一种优选实施方式，两个所述摄像头分别与分布在底板左右两部的两个导流盒在竖直方向对齐设置。
作为本发明的一种优选实施方式，位于所述收集槽内腔底部固定铺设有海绵垫。
作为本发明的一种优选实施方式，一种基于轻量级神经网络的苹果原料质量识别方法，包括以下操作步骤：
S1：首先操作人员将不同品种的苹果合格的图像信息输入倒控制器的轻量级神经网络***中；
S2：操作人员将摘取的苹果或者不同种类的苹果分批次的投放在筛选传输带上，保证每个苹果独立的分布在筛选传输带的置物孔内；
S3：当筛选传输带工作将分布传输带上面的苹果经过横板底部的两个摄像头进行实时检测苹果的图像状态，当图像传输给控制器内轻量级神经网络***进行对比数据后，一旦识别到位于筛选传输带上的置物孔内的苹果不合格时，控制器控制位于该置物孔下方对应的移动托板连接的气缸工作，从而控制其气缸工作带动移动托板向左移动，从而保证移动托板上的坠落孔与通孔对齐后保证将不合格的苹果筛选下来，这种筛选方式快速便捷，自动化程度高；
S4：从坠落孔内落下的苹果落在收集槽上的海绵垫上进行缓冲并且在自重的作用下从导流盒排出，方便快捷。
与现有技术相比，本发明的有益效果如下：
本发明通过设置的两个摄像头进行实时检测苹果的图像状态，当图像传输给控制器内轻量级神经网络***进行对比数据后，一旦识别到位于筛选传输带上的置物孔内的苹果不合格时，控制器控制位于该置物孔下方对应的移动托板连接的气缸工作，从而控制其气缸工作带动移动托板向左移动，从而保证移动托板上的坠落孔与通孔对齐后保证将不合格的苹果筛选下来，这种筛选方式快速便捷，自动化程度高。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明一种基于轻量级神经网络的苹果原料质量识别方法的整体结构示意图；
图2为本发明一种基于轻量级神经网络的苹果原料质量识别方法的右视结构示意图；
图3为本发明一种基于轻量级神经网络的苹果原料质量识别方法的移动托板结构示意图；
图4为本发明一种基于轻量级神经网络的苹果原料质量识别方法的通孔在承重托板上分布位置结构示意图；
图5为本发明一种基于轻量级神经网络的苹果原料质量识别方法的海绵垫在收集槽内分布俯视结构示意图。
图中：1、底板；2、支架；3、传动辊；4、筛选传输带；5、置物孔；6、侧板；7、摄像头；8、控制器；9、横板；10、通孔；11、收集槽；12、导流盒；13、移动托板；14、气缸；15、承重托板；16、坠落孔；17、海绵垫。
本发明中的仪器均可通过市场购买和私人定制获得。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制；在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“设置”应做广义理解，例如，可以是固定相连、设置，也可以是可拆卸连接、设置，或一体地连接、设置。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
请参阅图1-5，本发明提供一种技术方案：一种基于轻量级神经网络的苹果原料质量识别方法，包括底板1，所述底板1底部四角处均竖直向下固定连接有支架2，位于所述底板1上部中间位置竖直向上开设有收集槽11，位于所述收集槽11前后两侧壁均向下倾斜固定连通有导流盒12；位于所述底板1左右两部均水平纵向固定安装有传动辊3，两个所述传动辊3之间通过筛选输送带4传动连接，位于所述底板1上部水平固定安装有承重托板15，位于所述承重托板15中部左右两部均竖直开设有多个等距分布的通孔10；
位于所述筛选传输带4上沿其宽度方向竖直开设有多个等距分布的置物孔5；位于所述承重托板15底面左右两部均水平相向固定安装有多个等距分布的气缸14，每个气缸14的活塞杆端部均固定连接有移动托板13，移动托板13的数量与分布在筛选传输带4上置物孔5纵列数量相等，移动托板13上竖直开设有多个等距分布的坠落孔16；所述底板1前后两侧壁均竖直向上固定安装有侧板6，位于两块所述侧板6之间中间位置上部水平固定连接有横板9，横板9底面左右两部均固定安装有摄像头7，位于所述横板9上部前侧竖直向上固定安装有控制器8。
本实施例中(请参阅图1)，所述收集槽11内腔底部呈中间高前后两侧边低的形成分布，保证落下的苹果可以在自重的作用下进行落下。
本实施例中(请参阅图1)，所述置物孔5的数量和通孔10的数量相等，且置物孔5与通孔10竖直对齐设置。
本实施例中，位于所述移动托板13上的坠落孔16的孔径由内往外依次递增。
本实施例中(请参阅图1)，所述纵向分布的坠落孔16的数量与通孔10的数量相等，最小孔径的坠落孔16与通孔10的孔径相等。
本实施例中(请参阅图1)，两个所述摄像头7分别与分布在底板1左右两部的两个导流盒12在竖直方向对齐设置，导流盒12可以将落下的苹果进行导向。
本实施例中(请参阅图5)，位于所述收集槽11内腔底部固定铺设有海绵垫17，可以保证对落在的苹果进行缓冲减震。
本实施例中，一种基于轻量级神经网络的苹果原料质量识别方法，包括以下操作步骤：
S1：首先操作人员将不同品种的苹果合格的图像信息输入倒控制器8的轻量级神经网络***中；
S2：操作人员将摘取的苹果或者不同种类的苹果分批次的投放在筛选传输带4上，保证每个苹果独立的分布在筛选传输带4的置物孔5内；
S3：当筛选传输带4工作将分布传输带上面的苹果经过横板9底部的两个摄像头7进行实时检测苹果的图像状态，当图像传输给控制器8内轻量级神经网络***进行对比数据后，一旦识别到位于筛选传输带4上的置物孔5内的苹果不合格时，控制器8控制位于该置物孔5下方对应的移动托板13连接的气缸14工作，从而控制其气缸14工作带动移动托板13向左移动，从而保证移动托板13上的坠落孔16与通孔10对齐后保证将不合格的苹果筛选下来，这种筛选方式快速便捷，自动化程度高；
S4：从坠落孔16内落下的苹果落在收集槽11上的海绵垫17上进行缓冲并且在自重的作用下从导流盒12排出，方便快捷。
在一种基于轻量级神经网络的苹果原料质量识别方法使用的时候，需要说明的是，本发明为一种基于轻量级神经网络的苹果原料质量识别方法，各个部件均为通用标准件或本领域技术人员知晓的部件，其结构和原理都为本技术人员均可通过技术手册得知或通过常规实验方法获知。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点，对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (8)

1.一种基于轻量级神经网络的苹果原料质量识别方法，其特征在于：包括底板(1)，所述底板(1)底部四角处均竖直向下固定连接有支架(2)，位于所述底板(1)上部中间位置竖直向上开设有收集槽(11)，位于所述收集槽(11)前后两侧壁均向下倾斜固定连通有导流盒(12)；位于所述底板(1)左右两部均水平纵向固定安装有传动辊(3)，两个所述传动辊(3)之间通过筛选输送带(4)传动连接，位于所述底板(1)上部水平固定安装有承重托板(15)，位于所述承重托板(15)中部左右两部均竖直开设有多个等距分布的通孔(10)；
位于所述筛选传输带(4)上沿其宽度方向竖直开设有多个等距分布的置物孔(5)；位于所述承重托板(15)底面左右两部均水平相向固定安装有多个等距分布的气缸(14)，每个气缸(14)的活塞杆端部均固定连接有移动托板(13)，移动托板(13)的数量与分布在筛选传输带4上置物孔(5)纵列数量相等，移动托板(13)上竖直开设有多个等距分布的坠落孔(16)；所述底板(1)前后两侧壁均竖直向上固定安装有侧板(6)，位于两块所述侧板(6)之间中间位置上部水平固定连接有横板(9)，横板(9)底面左右两部均固定安装有摄像头(7)，位于所述横板(9)上部前侧竖直向上固定安装有控制器(8)。
2.根据权利要求1所述的一种基于轻量级神经网络的苹果原料质量识别方法，其特征在于：所述收集槽(11)内腔底部呈中间高前后两侧边低的形成分布。
3.根据权利要求1所述的一种基于轻量级神经网络的苹果原料质量识别方法，其特征在于：所述置物孔(5)的数量和通孔(10)的数量相等，且置物孔(5)与通孔(10)竖直对齐设置。
4.根据权利要求1所述的一种基于轻量级神经网络的苹果原料质量识别方法，其特征在于：位于所述移动托板(13)上的坠落孔(16)的孔径由内往外依次递增。
5.根据权利要求1所述的一种基于轻量级神经网络的苹果原料质量识别方法，其特征在于：所述纵向分布的坠落孔(16)的数量与通孔10的数量相等，最小孔径的坠落孔(16)与通孔(10)的孔径相等。
6.根据权利要求1所述的一种基于轻量级神经网络的苹果原料质量识别方法，其特征在于：两个所述摄像头(7)分别与分布在底板(1)左右两部的两个导流盒(12)在竖直方向对齐设置。
7.根据权利要求1所述的一种基于轻量级神经网络的苹果原料质量识别方法，其特征在于：位于所述收集槽(11)内腔底部固定铺设有海绵垫(17)。
8.根据权利要求1所述的一种基于轻量级神经网络的苹果原料质量识别方法，其特征在于，包括以下操作步骤：
S1：首先操作人员将不同品种的苹果合格的图像信息输入倒控制器(8)的轻量级神经网络***中；
S2：操作人员将摘取的苹果或者不同种类的苹果分批次的投放在筛选传输带(4)上，保证每个苹果独立的分布在筛选传输带(4)的置物孔(5)内；
S3：当筛选传输带4工作将分布传输带上面的苹果经过横板(9)底部的两个摄像头(7)进行实时检测苹果的图像状态，当图像传输给控制器(8)内轻量级神经网络***进行对比数据后，一旦识别到位于筛选传输带(4)上的置物孔(5)内的苹果不合格时，控制器(8)控制位于该置物孔(5)下方对应的移动托板(13)连接的气缸(14)工作，从而控制其气缸(14)工作带动移动托板(13)向左移动，从而保证移动托板(13)上的坠落孔(16)与通孔(10)对齐后保证将不合格的苹果筛选下来，这种筛选方式快速便捷，自动化程度高；
S4：从坠落孔(16)内落下的苹果落在收集槽(11)上的海绵垫(17)上进行缓冲并且在自重的作用下从导流盒(12)排出，方便快捷。
CN202011168871.6A 2020-10-28 2020-10-28 一种基于轻量级神经网络的苹果原料质量识别方法 Pending CN112387626A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011168871.6A CN112387626A (zh) 2020-10-28 2020-10-28 一种基于轻量级神经网络的苹果原料质量识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011168871.6A CN112387626A (zh) 2020-10-28 2020-10-28 一种基于轻量级神经网络的苹果原料质量识别方法

Publications (1)

Publication Number Publication Date
CN112387626A true CN112387626A (zh) 2021-02-23

Family

ID=74597978

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011168871.6A Pending CN112387626A (zh) 2020-10-28 2020-10-28 一种基于轻量级神经网络的苹果原料质量识别方法

Country Status (1)

Country Link
CN (1) CN112387626A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102527650A (zh) * 2011-12-05 2012-07-04 浙江佳丽珍珠首饰有限公司 一种珍珠落下自动归纳装置
CN103567157A (zh) * 2013-11-12 2014-02-12 浙江省农业科学院 一种对脱囊衣橘片进行分片分拣的装置
PL405047A1 (pl) * 2013-08-12 2015-02-16 International Tobacco Machinery Poland Spółka Z Ograniczoną Odpowiedzialnością Zespół do oddzielania i sposób oddzielania wybranych obiektów wadliwych z grupy obiektów stosowanych w przemyśle tytoniowym
CN106829082A (zh) * 2017-03-10 2017-06-13 胡珂 一种可以检测苹果完整度的苹果自动装箱机
CN108906642A (zh) * 2018-08-24 2018-11-30 深圳科易设计服务有限公司 检测分选包装机构
CN210618577U (zh) * 2019-08-29 2020-05-26 郑州轻工业学院 基于机器视觉和plc控制的水果分拣与大小分级包装***
CN214289462U (zh) * 2020-10-09 2021-09-28 扬州润吉智能设备科技有限公司 一种基于轻量级神经网络的苹果原料质量识别检测装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102527650A (zh) * 2011-12-05 2012-07-04 浙江佳丽珍珠首饰有限公司 一种珍珠落下自动归纳装置
PL405047A1 (pl) * 2013-08-12 2015-02-16 International Tobacco Machinery Poland Spółka Z Ograniczoną Odpowiedzialnością Zespół do oddzielania i sposób oddzielania wybranych obiektów wadliwych z grupy obiektów stosowanych w przemyśle tytoniowym
CN103567157A (zh) * 2013-11-12 2014-02-12 浙江省农业科学院 一种对脱囊衣橘片进行分片分拣的装置
CN106829082A (zh) * 2017-03-10 2017-06-13 胡珂 一种可以检测苹果完整度的苹果自动装箱机
CN108906642A (zh) * 2018-08-24 2018-11-30 深圳科易设计服务有限公司 检测分选包装机构
CN210618577U (zh) * 2019-08-29 2020-05-26 郑州轻工业学院 基于机器视觉和plc控制的水果分拣与大小分级包装***
CN214289462U (zh) * 2020-10-09 2021-09-28 扬州润吉智能设备科技有限公司 一种基于轻量级神经网络的苹果原料质量识别检测装置

Similar Documents

Publication Publication Date Title
CN206705277U (zh) 自动送料机器人***集成
CN206701743U (zh) 一种物流分拣***
CN207106970U (zh) 一种自动检测摆盘机
CN112605001A (zh) 高精度快速检测设备
CN105268659A (zh) 基于视觉技术的红枣筛选机
CN110743818A (zh) 基于视觉及深度学习的垃圾分选***、垃圾分选方法
CN108323028B (zh) 一种pcb成品清洗一体化生产线及一体化作业方法
CN102680102A (zh) 基于机器视觉的太阳能硅晶片颜色自动检测方法
CN110877015A (zh) 一种智能物流柔性分拣生产线
CN105548198A (zh) 基于云平台的复杂产品质量自动检测的方法
CN214289462U (zh) 一种基于轻量级神经网络的苹果原料质量识别检测装置
CN108455150A (zh) 一种内流转式自动分拣存取装置
CN111438072A (zh) 一种称重产品分拣设备
CN209337611U (zh) 一种吊装式高速取放料平台
CN112387626A (zh) 一种基于轻量级神经网络的苹果原料质量识别方法
CN206269766U (zh) 产品平面度检测装置
CN109351655A (zh) 一种红枣挑选机的改进装置
CN211926765U (zh) 一种用于新能源电池全尺寸测量的检测装置
CN109526878B (zh) 一种全自动定量分盒机
CN117007519A (zh) 一种半导体芯片框架的外观检测设备
CN209271938U (zh) 一种红枣挑选机的改进装置
CN209139210U (zh) 一种轴类产品检测设备
CN102205319A (zh) 贝类水产品与条茎状蔬果长度分级方法与分级装置
CN115606623A (zh) 基于机器视觉的小龙虾分拣装置
CN114535107B (zh) 一种背检分选下料装置及下料方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210223

RJ01 Rejection of invention patent application after publication