CN112474387A - 一种原粮不完善粒的图像识别和自动分拣装置 - Google Patents
一种原粮不完善粒的图像识别和自动分拣装置 Download PDFInfo
- Publication number
- CN112474387A CN112474387A CN202011120388.0A CN202011120388A CN112474387A CN 112474387 A CN112474387 A CN 112474387A CN 202011120388 A CN202011120388 A CN 202011120388A CN 112474387 A CN112474387 A CN 112474387A
- Authority
- CN
- China
- Prior art keywords
- grains
- grain
- channel
- module
- raw
- 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.)
- Granted
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
- B07C5/02—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
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
-
- 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
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3425—Sorting according to other particular properties according to optical properties, e.g. colour of granular material, e.g. ore particles, grain
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Sorting Of Articles (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种原粮不完善粒的图像识别和自动分拣装置,包括:颗粒分离模块、全景摄像模块、识别控制模块和分拣模块;其中,分拣模块包括转盘,该转盘包括多个储粮格,每一储粮格分别用于收集一类原粮;颗粒分离模块用于将原粮样品堆分离成一颗颗单粒;全景摄像模块用于从多个不同的角度对颗粒分离模块分离出的粮粒进行拍摄;识别控制模块用于基于卷积神经网络,对全景摄像模块拍摄的粮粒图像进行识别,以判断当前粮粒的类别,并在判断出当前粮粒类别后,根据当前粮粒的类别,驱动转盘转动,使得当前粮粒落入对应的储物格中。本发明可对粮粒进行准确分类,并自动完成原粮的分拣工作。
Description
技术领域
本发明涉及机械自动化和人工智能图像识别技术领域,特别涉及一种原粮不完善粒的图像识别和自动分拣装置。
背景技术
原粮是指已经脱皮、尚未碾磨加工的颗粒状粮食,可以是小麦粒、稻谷粒、大豆粒、玉米粒等。我国是世界最大的粮食生产、储备、流通和消费国之一,对原粮的质量检验在流通、存储等环节意义重大。
原粮中除大部分为完善粒外,还会有少量的虫蚀粒、病斑粒、破损粒、生芽粒、生霉粒、杂质共6类不完善粒。各类不完善粒的占比是衡量原粮品质的重要指标。目前的原粮质检方法是,将一定重量的原粮样品平铺在一张标准光源照射下的白板上,检验员用镊子逐粒拨动原粮,肉眼识别所属类型,并拨到不同位置上以便分类称重。人工检验一般要重复两次,取其均值作为最终检验结果,以降低人工出错的概率。这种目视检测、手工分类方法,耗时费力,错检率在高劳动强度下也会增大,而且对临界状态的判别也会有随意性,难以满足自动化粮食流通、储备中的大规模、多点位质检需要。实现原粮的自动化、智能化分类分拣是原粮质检的必然趋势。
利用图像识别技术的原粮分类方法已受到广泛关注。目前的研发成果大多采用特征提取算法。由于不同原粮***、不均匀照明等因素都会干扰提取外观特征的准确度,所以需要对所提取的特征进行不断测试和优化,在实际应用中误差较大。例如,申请号为CN201720454687.5的专利申请公开了一种粮食不完善粒的智能检测***,将单粒粮食置于旋转玻璃盘上,用上位相机、下位相机同时拍摄后进行识别,未涉及识别算法。申请号为CN201810616422.X的专利申请公开了一种基于机器视觉的小麦不完善粒识别方法,对位于玻璃板的粮粒从上、下两面拍照,然后提取频谱特征进行识别,这种人工归纳特征的算法,普适性不高,且仅用于识别、未涉及分拣。申请号为CN201910010711.X的专利申请公开了一种粮食不完善粒智能检测仪,利用输送带将样品分离成单粒,然后在颗粒下落中采集图像,这种下落图像难免模糊。
发明内容
本发明提供了一种原粮不完善粒的图像识别和自动分拣装置,以解决现有技术中人工检验耗时费力,利用图像识别的原粮分类技术误差较大的技术问题。
为解决上述技术问题,本发明提供了如下技术方案:
一种原粮不完善粒的图像识别和自动分拣装置,包括:颗粒分离模块、全景摄像模块、识别控制模块和分拣模块;其中,
所述颗粒分离模块和全景摄像模块分别与所述识别控制模块电连接;所述分拣模块包括转盘,所述转盘位于所述颗粒分离模块的下方,并与所述识别控制模块电连接;所述转盘包括多个储粮格,每一储粮格分别用于收集一类原粮;
所述颗粒分离模块用于将待检测的原粮样品堆分离成一颗颗单粒;所述全景摄像模块用于从多个不同的角度对所述颗粒分离模块分离出的粮粒进行拍摄;所述识别控制模块用于基于预设的卷积神经网络,对所述全景摄像模块拍摄的粮粒图像进行识别,以判断当前粮粒的类别,并在判断出当前粮粒类别后,根据当前粮粒的类别,驱动所述转盘转动,使得当前粮粒落入对应的储物格中。
进一步地,所述颗粒分离模块包括振动筛、通道和针阀组;其中,
所述振动筛和所述针阀组分别与所述识别控制模块电连接;
所述通道由透明材质制成,所述通道竖直设置在所述振动筛的出口的正下方,且所述通道的上端口与所述振动筛的出口对齐但无物理接触;所述转盘位于所述通道下方,当所述识别控制模块根据当前粮粒的类别,驱动所述转盘转动后,当前粮粒所属类别所对应的储粮格位于所述通道的下端口的正下方;
所述振动筛用于将原粮样品堆分离成一颗颗单粒,并一一落入所述通道;所述针阀组设置在所述通道的侧面,用于控制落入所述通道的粮粒的流动。
进一步地,所述针阀组包括上阀针、下阀针和联杆;其中,
所述上阀针和所述下阀针分别固定在所述联杆的两端,所述联杆与一转动机构连接;所述转动机构与所述识别控制模块电连接;
所述通道的侧壁上开设有两个通孔,两个通孔与所述上阀针和下阀针一一对应,当所述转动机构通过正、反转带动所述联杆往复运动时,所述上阀针和下阀针分别通过对应的通孔轮流***所述通道内,以对通道内的粮粒进行截留。
进一步地,所述上阀针和下阀针的直径均小于1mm且与粮粒间呈点状接触。
进一步地,所述通道的材质为透明玻璃。
进一步地,所述全景摄像模块包括第一摄像头和第二摄像头;
其中,所述第一摄像头和所述第二摄像头分别与所述识别控制模块电连接,且所述第一摄像头和所述第二摄像头在所述通道的两侧相对设置。
进一步地,所述识别控制模块基于预设的卷积神经网络,对所述全景摄像模块拍摄的粮粒图像进行识别,以判断当前粮粒的类别的过程,包括:
首先对待识别的粮粒图像进行预处理,以降低颗粒姿态、大小、背景光、光源不一致、光照不均匀所造成的不利影响;然后,基于事先对预设类别的原粮样本的训练所得到的卷积神经网络,进行图像的卷积数据处理和张量拼接。
进一步地,所述预处理包括:旋转、缩放、滤波、色度增强和对比度增强。
进一步地,所述预设类别的原粮样本包括完善粒、虫蚀粒、病斑粒、破损粒、生芽粒、生霉粒和杂质样本中的任意一种或多种的组合。
进一步地,所述储粮格的数量为七个,以分别存储不同类别的原粮。
本发明提供的技术方案带来的有益效果至少包括:
1、本发明采用振动筛、玻璃立管和针阀组结构,将堆放的原粮样品分离成单一颗粒流,最终实现了单粒原粮的静止取样,保障了成像画面的质量。
2、本发明将单粒粮截留在透明通道内,且以阀针点接触的方式支撑,使粮粒呈近似悬空状态。用两(或三)台摄像设备可实现全方位成像,任何部位的缺陷都不会被漏检,从而保障了成像画面的近100%覆盖率。
3、本发明采用人工智能的不完善粒图像识别算法,自动归纳图像特征,泛化能力强,分类准确。
4、本发明对每一颗原粮的识别、分拣同步进行,整个处理过程迅速、快捷。
5、本发明将完善粒、各类不完善粒都进行了空间分离,能够分别称重,然后计算出各类成分的重量占比,结果与现行检验标准兼容。
6、整个装置在识别控制模块的统一管理下协调运行,对原粮品种的适应性强。除尺寸变化大需更换不同内径的通道外,只需调整个别参数即可达到单粒静态采样,因此可分拣具有不同形态、尺寸、密度、弹性等理化性质的原粮。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的原粮不完善粒的图像识别和自动分拣装置的结构示意图;
图2为本发明实施例提供的对单颗粮的图像进行完善粒及不完善粒种类判断的智能算法流程示意图。
附图标记说明:
11、振动筛;12、通道;13、针阀组;21、第一摄像头;22、第二摄像头;
3、识别控制模块;4、分拣模块。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
本实施例提供了一种原粮不完善粒的图像识别和自动分拣装置,包括:颗粒分离模块、全景摄像模块、识别控制模块和分拣模块;其中,
所述颗粒分离模块用于将待检测的原粮样品堆分离成一颗颗单粒,其包括振动筛11、通道12和针阀组13;其中,所述振动筛11和所述针阀组13分别与所述识别控制模块3电连接;所述振动筛11将堆放的原粮进行振动分离,排序成单粒流动状态,最后从出口一一落下。所述通道12由透明玻璃制成,所述通道12竖直设置在所述振动筛11的出口的正下方,以接收落下的原粮;且所述通道12的上端口与所述振动筛11的出口对齐但无物理接触;从而避免了振动源干扰。所述通道12的尺寸与原粮种类有关,其内径略大于原粮的粒径,可保证原粮下落后的位置迅速稳定;例如,小麦用的管径可取5mm,大豆用的管径可取10mm;通道12的材质透明,以便能够从管外清晰观察到颗粒的外貌。
进一步地,为了能够在通道12内截留住单颗粮,本实施例在所述通道12的侧壁上开设有两个通孔,所述针阀组13包括上阀针、下阀针和联杆;其中,所述上阀针和所述下阀针分别固定在所述联杆的两端,所述联杆与一转动机构连接;所述转动机构为微幅度,可正、反转动的机构,其与所述识别控制模块3电连接;两个通孔与所述上阀针和下阀针一一对应,当所述转动机构通过正、反转带动所述联杆往复运动时(见图1中13的实线、虚线两个位置),所述上阀针和下阀针分别通过对应的通孔轮流***所述通道12内,以轮流截断所述通道12内的下落通道,留住单颗粮以便独立识别。而且,所述上阀针和下阀针的直径均小于1mm且与粮粒间呈点状接触,因此,对成像的遮挡可以忽略不计。
其中,所述全景摄像模块用于从多个不同的角度对所述通道12内被截留的粮粒进行拍摄,其包括第一摄像头21和第二摄像头22;所述第一摄像头21和所述第二摄像头22分别与所述识别控制模块3电连接,且所述第一摄像头21和所述第二摄像头22在所述通道12的两侧相对设置。通过所述第一摄像头21和所述第二摄像头22可全方位观察粮粒的缺陷,避免死角漏判。
其中,所述识别控制模块3用于基于预设的卷积神经网络,对所述全景摄像模块拍摄的粮粒图像进行识别,以判断当前粮粒的类别,其过程如图2所示,包括:首先对待识别的粮粒图像进行旋转、缩放、滤波、色度增强和对比度增强等预处理,以降低颗粒姿态、大小、背景光、光源不一致、光照不均匀等不利影响;然后,基于事先对完善粒、虫蚀粒、病斑粒、破损粒、生芽粒、生霉粒、杂质等七类样本的训练所得到的卷积神经网络,进行图像的卷积数据处理和张量拼接。这种智能图像识别算法可自动寻找图像特征并记录在神经网络参数中,与人工特征提取算法相比,可更迅速、更准确地分辨出粮粒所属的种类。
其中,所述分拣模块4是一个被分成七格容器的转盘,其位于所述颗粒分离模块的下方,并与所述识别控制模块3电连接;转盘的每一储粮格分别用于收集一类原粮;当所述识别控制模块3判断出当前粮粒类别后,根据当前粮粒的类别,驱动所述转盘转动适当角度,使得当前粮粒所属类别所对应的储粮格位于所述通道12的下端口的正下方;以便当前粮粒可以落入对应的储物格中。
待全部原粮样品被逐粒分拣完毕后,取出各储粮格内的原粮分别称重,就可以计算出各类不完善粒的重量占比,作为原粮的质量评价。
下面,对本实施例的上述装置的使用过程进行说明:
1、预备工作
在对一批不同种类原粮进行检测之前,需要在识别控制模块3中做些参数调整工作,其主要包括以下过程:
(1)将原粮注入振动筛11内,从识别控制模块3处调整振动筛11的振幅和频率,达到能将堆放的原粮摊平,并整齐排列成单粒流的状态。此时会有粮粒从振动筛11的出口落下。
(2)从识别控制模块3处调整针阀组13的摆动频率,使之与单粒流的流速相匹配,则通道12内的粮粒将被逐一截留,呈稳定的单颗粒状态。
2、开始单粒分拣运行
(1)将待检原粮注入振动筛11内,原粮堆将被摊平并排列成整齐的单粒流,从振动筛11的出口依次下落。
(2)识别控制模块3控制针阀组13摆动,使得通道12的上针阀开启,下针阀关闭,粮粒被截留在通道12的下端。
(3)识别控制模块3抓取第一摄像头21和第二摄像头22传回的图像,按图2所示的流程识别出粮粒种类。
(4)识别控制模块3控制分拣模块4转动,将对应储粮格对准通道12。
(5)识别控制模块3控制针阀组13摆动,截留通道12上方的粮粒,释放下方的粮粒并落入对应的转盘储粮格内。
3、连续单粒分拣运行
识别控制模块3重复上述2中的步骤(2)-(5),直到分拣完每一粒原粮。最后称重每一储粮格内的原粮,计算各种不完善粒的重量占比,得到质检结果。
综上,本实施例的装置采用振动筛、竖立的通道和针阀组结构,将堆放的原粮样品分离成单一颗粒流,最终实现了单粒原粮的静止取样,保障了成像画面的质量。而且将单粒粮截留在透明通道内,且以阀针点接触的方式支撑,使粮粒呈近似悬空状态,用两(或三)台摄像设备实现全方位成像,任何部位的缺陷都不会被漏检,从而保障了成像画面的近100%覆盖率。对每一颗原粮的识别、分拣同步进行,整个处理过程迅速、快捷;采用人工智能的不完善粒图像识别算法,自动归纳图像特征,泛化能力强,分类准确。而且本装置将完善粒、各类不完善粒都进行了空间分离,能够分别称重,然后计算出各类成分的重量占比,结果与现行检验标准兼容。此外,本实施例的装置对原粮品种的适应性强。除尺寸变化大需更换不同内径的通道外,只需调整个别参数即可达到单粒静态采样,因此可分拣具有不同形态、尺寸、密度、弹性等理化性质的原粮。
此外,需要说明的是,在本文中,诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
还需要说明的是,以上所述仅是本发明优选实施方式,应当指出,尽管已描述了本发明优选实施例,但对于本技术领域的技术人员来说,一旦得知了本发明的基本创造性概念,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
Claims (10)
1.一种原粮不完善粒的图像识别和自动分拣装置,其特征在于,包括:颗粒分离模块、全景摄像模块、识别控制模块和分拣模块;其中,
所述颗粒分离模块和全景摄像模块分别与所述识别控制模块电连接;所述分拣模块包括转盘,所述转盘位于所述颗粒分离模块的下方,并与所述识别控制模块电连接;所述转盘包括多个储粮格,每一储粮格分别用于收集一类原粮;
所述颗粒分离模块用于将待检测的原粮样品堆分离成一颗颗单粒;所述全景摄像模块用于从多个不同的角度对所述颗粒分离模块分离出的粮粒进行拍摄;所述识别控制模块用于基于预设的卷积神经网络,对所述全景摄像模块拍摄的粮粒图像进行识别,以判断当前粮粒的类别,并在判断出当前粮粒类别后,根据当前粮粒的类别,驱动所述转盘转动,使得当前粮粒落入对应的储物格中。
2.如权利要求1所述的原粮不完善粒的图像识别和自动分拣装置,其特征在于,所述颗粒分离模块包括振动筛、通道和针阀组;其中,
所述振动筛和所述针阀组分别与所述识别控制模块电连接;
所述通道由透明材质制成,所述通道竖直设置在所述振动筛的出口的正下方,且所述通道的上端口与所述振动筛的出口对齐但无物理接触;所述转盘位于所述通道下方,当所述识别控制模块根据当前粮粒的类别,驱动所述转盘转动后,当前粮粒所属类别所对应的储粮格位于所述通道的下端口的正下方;
所述振动筛用于将原粮样品堆分离成一颗颗单粒,并一一落入所述通道;所述针阀组设置在所述通道的侧面,用于控制落入所述通道的粮粒的流动。
3.如权利要求2所述的原粮不完善粒的图像识别和自动分拣装置,其特征在于,所述针阀组包括上阀针、下阀针和联杆;其中,
所述上阀针和所述下阀针分别固定在所述联杆的两端,所述联杆与一转动机构连接;所述转动机构与所述识别控制模块电连接;
所述通道的侧壁上开设有两个通孔,两个通孔与所述上阀针和下阀针一一对应,当所述转动机构通过正、反转带动所述联杆往复运动时,所述上阀针和下阀针分别通过对应的通孔轮流***所述通道内,以对通道内的粮粒进行截留。
4.如权利要求3所述的原粮不完善粒的图像识别和自动分拣装置,其特征在于,所述上阀针和下阀针的直径均小于1mm且与粮粒之间呈点状接触。
5.如权利要求2-4任一项所述的原粮不完善粒的图像识别和自动分拣装置,其特征在于,所述通道的材质为透明玻璃。
6.如权利要求2所述的原粮不完善粒的图像识别和自动分拣装置,其特征在于,所述全景摄像模块包括第一摄像头和第二摄像头;
其中,所述第一摄像头和所述第二摄像头分别与所述识别控制模块电连接,且所述第一摄像头和所述第二摄像头在所述通道的两侧相对设置。
7.如权利要求1所述的原粮不完善粒的图像识别和自动分拣装置,其特征在于,所述识别控制模块基于预设的卷积神经网络,对所述全景摄像模块拍摄的粮粒图像进行识别,以判断当前粮粒的类别的过程,包括:
首先对待识别的粮粒图像进行预处理,以降低颗粒姿态、大小、背景光、光源不一致、光照不均匀所造成的不利影响;然后,基于事先对预设类别的原粮样本的训练所得到的卷积神经网络,进行图像的卷积数据处理和张量拼接。
8.如权利要求7所述的原粮不完善粒的图像识别和自动分拣装置,其特征在于,所述预处理包括:旋转、缩放、滤波、色度增强和对比度增强。
9.如权利要求7所述的原粮不完善粒的图像识别和自动分拣装置,其特征在于,所述预设类别的原粮样本包括完善粒、虫蚀粒、病斑粒、破损粒、生芽粒、生霉粒和杂质样本中的任意一种或多种的组合。
10.如权利要求9所述的原粮不完善粒的图像识别和自动分拣装置,其特征在于,所述储粮格的数量为七个,以分别存储不同类别的原粮。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011120388.0A CN112474387B (zh) | 2020-10-19 | 2020-10-19 | 一种原粮不完善粒的图像识别和自动分拣装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011120388.0A CN112474387B (zh) | 2020-10-19 | 2020-10-19 | 一种原粮不完善粒的图像识别和自动分拣装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112474387A true CN112474387A (zh) | 2021-03-12 |
CN112474387B CN112474387B (zh) | 2022-03-29 |
Family
ID=74927149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011120388.0A Active CN112474387B (zh) | 2020-10-19 | 2020-10-19 | 一种原粮不完善粒的图像识别和自动分拣装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112474387B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113109240A (zh) * | 2021-04-08 | 2021-07-13 | 国家粮食和物资储备局标准质量中心 | 一种计算机实施的粮食不完善粒测定方法和*** |
CN113176210A (zh) * | 2021-04-20 | 2021-07-27 | 西派特(北京)科技有限公司 | 一种粮食多种物化性质智能检测*** |
EP4151564A1 (de) * | 2021-09-17 | 2023-03-22 | Ohrmann Montagetechnik GmbH | Vibrationswendelförderer und dichtringvereinzelungsbaugruppe |
CN116912244A (zh) * | 2023-09-12 | 2023-10-20 | 中储粮成都储藏研究院有限公司 | 基于机器视觉的粮食质量指标智能检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2039438A1 (en) * | 2007-09-21 | 2009-03-25 | Sanmak Industria de Maquinas S.A. | Feeding conveyor belt doser with adjustable production flow |
CN106395314A (zh) * | 2016-09-19 | 2017-02-15 | 宁波高新区敦和科技有限公司 | 一种轴承内圈自动上料装置 |
CN206997129U (zh) * | 2017-07-20 | 2018-02-13 | 中华人民共和国北仑出入境检验检疫局 | 一种大豆热损伤粒快速分离装置 |
CN207013318U (zh) * | 2017-07-28 | 2018-02-16 | 合肥安杰特光电科技有限公司 | 一种基于输送带入料缓冲漏斗的智能色选机 |
CN208495027U (zh) * | 2018-04-23 | 2019-02-15 | 北京农业智能装备技术研究中心 | 作物籽粒单粒分选装置 |
CN109711319A (zh) * | 2018-12-24 | 2019-05-03 | 安徽高哲信息技术有限公司 | 一种粮食不完善粒图像识别样本库建立的方法及*** |
CN109794431A (zh) * | 2019-03-19 | 2019-05-24 | 广东省农业科学院农业生物基因研究中心 | 一种智能化筛选高活力作物种子的技术 |
CN209918368U (zh) * | 2019-04-02 | 2020-01-10 | 迩言(上海)科技有限公司 | 一种用于提供粮食感观鉴别的基础*** |
-
2020
- 2020-10-19 CN CN202011120388.0A patent/CN112474387B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2039438A1 (en) * | 2007-09-21 | 2009-03-25 | Sanmak Industria de Maquinas S.A. | Feeding conveyor belt doser with adjustable production flow |
CN106395314A (zh) * | 2016-09-19 | 2017-02-15 | 宁波高新区敦和科技有限公司 | 一种轴承内圈自动上料装置 |
CN206997129U (zh) * | 2017-07-20 | 2018-02-13 | 中华人民共和国北仑出入境检验检疫局 | 一种大豆热损伤粒快速分离装置 |
CN207013318U (zh) * | 2017-07-28 | 2018-02-16 | 合肥安杰特光电科技有限公司 | 一种基于输送带入料缓冲漏斗的智能色选机 |
CN208495027U (zh) * | 2018-04-23 | 2019-02-15 | 北京农业智能装备技术研究中心 | 作物籽粒单粒分选装置 |
CN109711319A (zh) * | 2018-12-24 | 2019-05-03 | 安徽高哲信息技术有限公司 | 一种粮食不完善粒图像识别样本库建立的方法及*** |
CN109794431A (zh) * | 2019-03-19 | 2019-05-24 | 广东省农业科学院农业生物基因研究中心 | 一种智能化筛选高活力作物种子的技术 |
CN209918368U (zh) * | 2019-04-02 | 2020-01-10 | 迩言(上海)科技有限公司 | 一种用于提供粮食感观鉴别的基础*** |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113109240A (zh) * | 2021-04-08 | 2021-07-13 | 国家粮食和物资储备局标准质量中心 | 一种计算机实施的粮食不完善粒测定方法和*** |
CN113176210A (zh) * | 2021-04-20 | 2021-07-27 | 西派特(北京)科技有限公司 | 一种粮食多种物化性质智能检测*** |
EP4151564A1 (de) * | 2021-09-17 | 2023-03-22 | Ohrmann Montagetechnik GmbH | Vibrationswendelförderer und dichtringvereinzelungsbaugruppe |
CN116912244A (zh) * | 2023-09-12 | 2023-10-20 | 中储粮成都储藏研究院有限公司 | 基于机器视觉的粮食质量指标智能检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112474387B (zh) | 2022-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112474387B (zh) | 一种原粮不完善粒的图像识别和自动分拣装置 | |
JP6152845B2 (ja) | 光学式粒状物選別機 | |
JP6037125B2 (ja) | 光学式粒状物選別機 | |
CN202021164U (zh) | 一种花生外观品质检测和分拣装置 | |
OuYang et al. | An automatic method for identifying different variety of rice seeds using machine vision technology | |
KR101926641B1 (ko) | 건설폐기물 중의 유기 이물질과 무기 이물질의 선별을 위한 분석시스템과 이를 이용한 순환골재 생산방법 | |
CN113030108A (zh) | 一种基于机器视觉的涂层缺陷检测***与方法 | |
CN105268659A (zh) | 基于视觉技术的红枣筛选机 | |
CN1485616A (zh) | 禽蛋品质无损自动检测分级设备及方法 | |
CN110146516A (zh) | 基于正交双目机器视觉的水果分级装置 | |
CN109030504B (zh) | 基于虚实成像相结合的全景马铃薯缺陷检测装置及方法 | |
CN207238542U (zh) | 一种基于机器视觉的篾片缺陷在线检测*** | |
CN210071686U (zh) | 基于正交双目机器视觉的水果分级装置 | |
CN113222926B (zh) | 基于深度支持向量数据描述模型的拉链异常检测方法 | |
RU2699751C1 (ru) | Способ сортировки объектов по их цветовым характеристикам | |
CN109675819B (zh) | 基于深度相机的黑果枸杞分选装置及识别与分类算法 | |
CN110586502A (zh) | 一种青梅分选装置和分选方法 | |
CN112676195B (zh) | 基于线阵cmos相机的实木地板的颜色分选装置及方法 | |
CN109663747A (zh) | 一种板栗虫眼智能检测方法 | |
CN110813795B (zh) | 一种化纤丝锭纸筒破损在线检测装置及方法 | |
CN116740449A (zh) | 基于ai计算机视觉技术的刨花形态检测方法及*** | |
CN110614232A (zh) | 一种双孢蘑菇分级*** | |
CN115953568A (zh) | 一种基于轻量级目标检测架构的矿物智能分选方法 | |
CN112845183B (zh) | 一种果品智能分选机 | |
Zhang et al. | On-line sorting maturity of cherry tomato bymachine vision |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |