CN112580719A - 一种基于ai识别的红枣分选方法及*** - Google Patents
一种基于ai识别的红枣分选方法及*** Download PDFInfo
- Publication number
- CN112580719A CN112580719A CN202011506239.8A CN202011506239A CN112580719A CN 112580719 A CN112580719 A CN 112580719A CN 202011506239 A CN202011506239 A CN 202011506239A CN 112580719 A CN112580719 A CN 112580719A
- Authority
- CN
- China
- Prior art keywords
- red dates
- identification
- module
- red
- sorting
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于AI识别的红枣分选方法及***，涉及分选设备技术领域，包括以下步骤：步骤一：将红枣清洁处理后，放置在分选机进料仓内，经分选机传输至网格平台；步骤二：通过图像采集终端对网格平台的红枣进行图像采集，通过不同角度拍摄不少于8组照片；步骤三：将步骤二采集的照片上传至AI识别模块，根据红枣的尺寸面积从小至大依次分为四级、三级、二级、一级、特级，根据红枣的表皮颜色和光洁度分为黑斑、破皮、裂口、皮皮四种问题红枣；步骤四：将步骤三识别的数据传输至CPU控制模块，通过CPU控制分选机根据分类进行红枣拾取并分别传输至相应的包装盒内，通过使用AI识别筛选，提高了红枣分选的精度和效率。
Description
技术领域
本发明属于分选设备技术领域，具体涉及一种基于AI识别的红枣分选方法及***。
背景技术
中国是枣的原产国，也是世界上最大的枣生产国和唯一出口国，拥有全世界95％以上的枣树资源，在世界红枣行业中占据领导地位。红枣是我国加入世贸组织后最具竞争力的农产品。近些年，我国红枣产量保持总体增长，2015年产达到913.5万吨。红枣品质分拣是红枣贮藏、加工及流通等的一个关键技术环节，直接影响果农的经济效益。目前中国的红枣分拣方法主要分为人工拣选和机械筛选两大类。人工拣选红枣品质存在劳动强度大、效率低、成本高、分选精度和卫生质量难以保证等弊端。红枣机械筛选，目前市场上面红枣的机械筛选存在的问题是智能化程度不高，准确率较低，分选速度较慢等问题。
目前国内红枣分级机均针对缺陷、级别进行单次分选，分选出来的废品、次品和成品，有一定的误选概率，通常客户有两种处理办法：一种就是勉强接受，作为低端产品销售；一种是配备人工和设备进行一次人工分拣，挑出次品，提高成品成色。分选出来的废品、次品和成品精度较低，有一定的误选概率，不能很好第满足客户需求；通常客户再人工分拣一次，挑出次品；小批量生产客户尚能接受，大规模生产则弊端明显。简而言之，效率低下、增加了成本。因此，我们提出一种基于AI识别的红枣分选方法及***。
发明内容
针对现有技术的不足，本发明的目的在于提供一种基于AI识别的红枣分选方法及***，以解决上述背景技术中提出的问题。
本发明的目的可以通过以下技术方案实现：一种基于AI识别的红枣分选方法，其特征在于，包括以下步骤：
步骤一：将红枣清洁处理后，放置在分选机进料仓内，经分选机传输至网格平台；
步骤二：通过图像采集终端对网格平台的红枣进行图像采集，通过不同角度拍摄不少于8组照片；
步骤三：将步骤二采集的照片上传至AI识别模块，根据红枣的尺寸面积从小至大依次分为四级、三级、二级、一级、特级，根据红枣的表皮颜色和光洁度分为黑斑、破皮、裂口、皮皮四种问题红枣；
步骤四：将步骤三识别的数据传输至CPU控制模块，通过CPU控制分选机根据分类进行红枣拾取并分别传输至相应的包装盒内。
一种基于AI识别的红枣分选***，其特征在于，包括网格平台、分选终端、图像采集终端、AI识别模块、逻辑运算模块、CPU控制模块以及存储模块；
网格平台，由多个大小一致的矩形框阵列分布的组成，将待分选的红枣放置在网格平台中；
图像采集终端，对所述网格平台上的红枣进行图像采集，所述图像采集终端设在所述网格平台正上方，所述图像采集终端与所述网格平台之间距离可调节，所述图像采集终端将采集的照片传输至所述AI识别模块以及存储模块。
AI识别模块，将所述图像采集终端上传的照片进行智能比对识别，所述AI识别模块识别参数有尺寸、颜色以及表面光洁度，将识别的结果传输至所述CPU控制模块；
CPU控制模块，接收所述AI识别模块传输的数据，并转换成指令控制所述分选终端工作；
分选终端，设置在所述网格平台底端，接收所述CPU控制模块的指令完成对应的红枣分选操作；
存储模块：用于存储所述图像采集终端采集的图像信息数据以及所述AI识别模块的识别处理数据，用于信息数据调取和查阅。
作为本发明进一步的方案，所述网格平台上设有压电式传感器，用于识别网格平台上的红枣质量，所述压电式传感器与所述CPU控制模块和存储模块连接。
作为本发明进一步的方案，所述图像采集终端采用面阵相机，面阵相机具有较高的分辨率，可以用于测量面积，形状、尺寸、位置以及温度，可以获取二维图像信息，测量图像直观。
作为本发明进一步的方案，所述AI识别模块中设有10个等级标准对比模板，将红枣依次分为无枣、黑斑、破皮、裂口、皮皮、四级、三级、二级、一级、特级共10中分类，根据面积尺寸识别分类依次分为无枣、四级、三级、二级、一级、特级，根据颜色和表面光洁度识别分类依次分为黑斑、破皮、裂口和皮皮四种。
作为本发明进一步的方案，所述AI识别模块外接有控制面板，所述控制面板用于设定AI识别模块的识别标准参数。
本发明的有益效果：通过使用AI识别筛选，提高了红枣分选的精度和效率，同时根据个性化需求，制定对应的识别标准，符合市场需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，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是本发明的整体结构示意图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，一种基于AI识别的红枣分选方法，包括以下步骤：
步骤一：将红枣清洁处理后，放置在分选机进料仓内，经分选机传输至网格平台；
步骤二：通过图像采集终端对网格平台的红枣进行图像采集，通过不同角度拍摄不少于8组照片；
步骤三：将步骤二采集的照片上传至AI识别模块，根据红枣的尺寸面积从小至大依次分为四级、三级、二级、一级、特级，根据红枣的表皮颜色和光洁度分为黑斑、破皮、裂口、皮皮四种问题红枣；
步骤四：将步骤三识别的数据传输至CPU控制模块，通过CPU控制分选机根据分类进行红枣拾取并分别传输至相应的包装盒内。
具体地以尺寸面积分选为例，大小模块启用使能后，枣结果将分为特级别，等级一、等级二、等级三、等级四和无枣五个类别，设置的参数从小到大一共有参数1、参数2、参数3、参数4、参数5、参数6，最小值枣面积小于此参数判断为无枣。
等级四：枣面积小于参数2且大于等于参数1时，判断为等级五。
等级三：枣面积小于参数3且大于等于参数2时，判断为等级四。
等级二：枣面积小于参数4且大于等于参数3时，判断为等级三。
等级一：枣面积小于参数5且大于等于参数4时，判断为等级二。
特级：枣面积小于参数6且大于等于参数5时，判断为等级一。
枣面积大于等于参数6，或者小于参数1都判断为无枣，存在网格平台未拾取红枣地地特殊情况，通过图像采集终端采集地图片上传至AI识别模块及进行比对识别，将识别结果上传至CPU控制模块后，通过CPU控制模块发出指令控制分选机将分选后地红枣依次拾取传输至对应地包装盒内。
缺陷红枣地分选以黑斑为例：
通过设定AI识别模块中颜色参数，以灰度指标判断红枣黑色程度值，此参数为上限值，设置此参数越大，带出也会越大。设定图像中黑斑最大面积的下限，超过此值视为黑斑的，最大面面积为单个枣子黑斑面积总和，
一种基于AI识别的红枣分选***，包括网格平台、分选终端、图像采集终端、AI识别模块、逻辑运算模块、CPU控制模块以及存储模块；
网格平台，由多个大小一致的矩形框阵列分布的组成，将待分选的红枣放置在网格平台中，通过网格设置，有效避免红枣粘连一起导致识别困难，提高了识别地精准度。
图像采集终端，对所述网格平台上的红枣进行图像采集，所述图像采集终端设在所述网格平台正上方，所述图像采集终端与所述网格平台之间距离可调节，所述图像采集终端将采集的照片传输至所述AI识别模块以及存储模块。
AI识别模块，将所述图像采集终端上传的照片进行智能比对识别，所述AI识别模块识别参数有尺寸、颜色以及表面光洁度，将识别的结果传输至所述CPU控制模块；
CPU控制模块，接收所述AI识别模块传输的数据，并转换成指令控制所述分选终端工作；
分选终端，设置在所述网格平台底端，接收所述CPU控制模块的指令完成对应的红枣分选操作；
存储模块：用于存储所述图像采集终端采集的图像信息数据以及所述AI识别模块的识别处理数据，用于信息数据调取和查阅，当发现分选地红枣出现问题时，通过调取识别记录确认分选问题的源头，便于问题的检出。
优选地，所述网格平台上设有压电式传感器，用于识别网格平台上的红枣质量，所述压电式传感器与所述CPU控制模块和存储模块连接，通过压电式传感器测量红枣的重量，辅助红枣含水量以及尺寸大小的识别分类，提高了尺寸识别的精度。
优选地，所述图像采集终端采用面阵相机，面阵相机具有较高的分辨率，可以用于测量面积，形状、尺寸、位置以及温度，可以获取二维图像信息，测量图像直观。
优选地，所述AI识别模块中设有10个等级标准对比模板，将红枣依次分为无枣、黑斑、破皮、裂口、皮皮、四级、三级、二级、一级、特级共10中分类，根据面积尺寸识别分类依次分为无枣、四级、三级、二级、一级、特级，根据颜色和表面光洁度识别分类依次分为黑斑、破皮、裂口和皮皮四种。
优选地，所述AI识别模块外接有控制面板，所述控制面板用于设定AI识别模块的识别标准参数，用于设定比对的频次，从而提高识别分选的精度。
在本发明的描述中，需要理解的是，术语“上”、“下”、“左”、“右”等指示方位或者位置关系为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设备或元件必须具有特定的方位、以特定的方位构造或操作，因此不能理解为对本发明的限制。
此外。术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在本发明的描述中，“若干”的含义是两个或两个以上，除非另有明确具体的限定。
对于本领域技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型。因此，从任意一处来说，都应将实施例看作是指导性的，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，本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所有的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于AI识别的红枣分选方法，其特征在于，包括以下步骤：
步骤一：将红枣清洁处理后，放置在分选机进料仓内，经分选机传输至网格平台；
步骤二：通过图像采集终端对网格平台的红枣进行图像采集，通过不同角度拍摄不少于8组照片；
步骤三：将步骤二采集的照片上传至AI识别模块，根据红枣的尺寸面积从小至大依次分为四级、三级、二级、一级、特级，根据红枣的表皮颜色和光洁度分为黑斑、破皮、裂口、皮皮四种问题红枣；
步骤四：将步骤三识别的数据传输至CPU控制模块，通过CPU控制分选机根据分类进行红枣拾取并分别传输至相应的包装盒内。
2.一种基于AI识别的红枣分选***，其特征在于，包括网格平台、分选终端、图像采集终端、AI识别模块、逻辑运算模块、CPU控制模块以及存储模块；
网格平台，由多个大小一致的矩形框阵列分布的组成，将待分选的红枣放置在网格平台中；
图像采集终端，对所述网格平台上的红枣进行图像采集，所述图像采集终端设在所述网格平台正上方，所述图像采集终端与所述网格平台之间距离可调节，所述图像采集终端将采集的照片传输至所述AI识别模块以及存储模块。
AI识别模块，将所述图像采集终端上传的照片进行智能比对识别，所述AI识别模块识别参数有尺寸、颜色以及表面光洁度，将识别的结果传输至所述CPU控制模块；
CPU控制模块，接收所述AI识别模块传输的数据，并转换成指令控制所述分选终端工作；
分选终端，设置在所述网格平台底端，接收所述CPU控制模块的指令完成对应的红枣分选操作；
存储模块：用于存储所述图像采集终端采集的图像信息数据以及所述AI识别模块的识别处理数据，用于信息数据调取和查阅。
3.根据权利要求1所述的一种基于AI识别的红枣分选***，其特征在于，所述网格平台上设有压电式传感器，用于识别网格平台上的红枣质量，所述压电式传感器与所述CPU控制模块和存储模块连接。
4.根据权利要求1所述的一种基于AI识别的红枣分选***，其特征在于，所述图像采集终端采用面阵相机，面阵相机具有较高的分辨率，可以用于测量面积，形状、尺寸、位置以及温度，可以获取二维图像信息，测量图像直观。
5.根据权利要求1所述的一种基于AI识别的红枣分选***，其特征在于，所述AI识别模块中设有10个等级标准对比模板，将红枣依次分为无枣、黑斑、破皮、裂口、皮皮、四级、三级、二级、一级、特级共10中分类，根据面积尺寸识别分类依次分为无枣、四级、三级、二级、一级、特级，根据颜色和表面光洁度识别分类依次分为黑斑、破皮、裂口和皮皮四种。
6.根据权利要求1所述的一种基于AI识别的红枣分选***，其特征在于，所述AI识别模块外接有控制面板，所述控制面板用于设定AI识别模块的识别标准参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011506239.8A CN112580719A (zh) | 2020-12-18 | 2020-12-18 | 一种基于ai识别的红枣分选方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011506239.8A CN112580719A (zh) | 2020-12-18 | 2020-12-18 | 一种基于ai识别的红枣分选方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112580719A true CN112580719A (zh) | 2021-03-30 |
Family
ID=75136724
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011506239.8A Pending CN112580719A (zh) | 2020-12-18 | 2020-12-18 | 一种基于ai识别的红枣分选方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112580719A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115581142A (zh) * | 2022-11-25 | 2023-01-10 | 海南大学三亚研究院 | 一种甘薯数量及破皮率的在线检测装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1142205A (zh) * | 1994-11-03 | 1997-02-05 | 新奇士种植者公司 | 检测半透明物体表面特征的方法和装置 |
| CN102183467A (zh) * | 2011-01-24 | 2011-09-14 | 中国科学院长春光学精密机械与物理研究所 | 一种近红外谱区新疆红枣品质分级建模方法 |
| KR20130124773A (ko) * | 2012-05-07 | 2013-11-15 | 조한용 | 정품 인증용 라벨, 그 라벨의 인증코드 생성 방법, 그 라벨의 인증 방법 및 시스템, 그 라벨을 인증하기 위한 휴대용 단말기, 및 그 라벨의 인증을 위한 컴퓨터 가독성 기록매체 |
| CN104689999A (zh) * | 2013-12-06 | 2015-06-10 | 刘扬 | 并行在线红枣自动分级设备 |
| CN105772410A (zh) * | 2016-03-09 | 2016-07-20 | 华南农业大学 | 一种智能化果蔬品质检测的光照控制及分拣*** |
| CN109332215A (zh) * | 2018-12-17 | 2019-02-15 | 华东交通大学 | 一种用于红枣分选机的分类和分级装置 |
| CN110495624A (zh) * | 2019-08-29 | 2019-11-26 | 贵州大学 | 一种基于图像识别的水果去蒂机 |
| CN111014082A (zh) * | 2020-01-10 | 2020-04-17 | 山东沂川电子有限公司 | 木片筛选方法及其装置 |
| CN111667475A (zh) * | 2020-06-09 | 2020-09-15 | 陕西科技大学 | 一种基于机器视觉的大枣分级检测方法 |
| CN211678819U (zh) * | 2020-01-09 | 2020-10-16 | 湖北玺瑞自动化输送设备科技有限公司 | 一种红枣筛选分拣装置 |
| CN111940339A (zh) * | 2020-08-18 | 2020-11-17 | 合肥金果缘视觉科技有限公司 | 一种基于人工智能的红枣分拣*** |
-
2020
- 2020-12-18 CN CN202011506239.8A patent/CN112580719A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1142205A (zh) * | 1994-11-03 | 1997-02-05 | 新奇士种植者公司 | 检测半透明物体表面特征的方法和装置 |
| CN102183467A (zh) * | 2011-01-24 | 2011-09-14 | 中国科学院长春光学精密机械与物理研究所 | 一种近红外谱区新疆红枣品质分级建模方法 |
| KR20130124773A (ko) * | 2012-05-07 | 2013-11-15 | 조한용 | 정품 인증용 라벨, 그 라벨의 인증코드 생성 방법, 그 라벨의 인증 방법 및 시스템, 그 라벨을 인증하기 위한 휴대용 단말기, 및 그 라벨의 인증을 위한 컴퓨터 가독성 기록매체 |
| CN104689999A (zh) * | 2013-12-06 | 2015-06-10 | 刘扬 | 并行在线红枣自动分级设备 |
| CN105772410A (zh) * | 2016-03-09 | 2016-07-20 | 华南农业大学 | 一种智能化果蔬品质检测的光照控制及分拣*** |
| CN109332215A (zh) * | 2018-12-17 | 2019-02-15 | 华东交通大学 | 一种用于红枣分选机的分类和分级装置 |
| CN110495624A (zh) * | 2019-08-29 | 2019-11-26 | 贵州大学 | 一种基于图像识别的水果去蒂机 |
| CN211678819U (zh) * | 2020-01-09 | 2020-10-16 | 湖北玺瑞自动化输送设备科技有限公司 | 一种红枣筛选分拣装置 |
| CN111014082A (zh) * | 2020-01-10 | 2020-04-17 | 山东沂川电子有限公司 | 木片筛选方法及其装置 |
| CN111667475A (zh) * | 2020-06-09 | 2020-09-15 | 陕西科技大学 | 一种基于机器视觉的大枣分级检测方法 |
| CN111940339A (zh) * | 2020-08-18 | 2020-11-17 | 合肥金果缘视觉科技有限公司 | 一种基于人工智能的红枣分拣*** |
Non-Patent Citations (1)
| Title |
|---|
| 梁宁: "基于机器视觉的红枣外观品质自动分选装置研制", 《中国优秀硕士学位论文全文数据库 农业科学辑》, pages 9 - 62 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115581142A (zh) * | 2022-11-25 | 2023-01-10 | 海南大学三亚研究院 | 一种甘薯数量及破皮率的在线检测装置 |
| CN115581142B (zh) * | 2022-11-25 | 2024-01-30 | 海南大学三亚研究院 | 一种甘薯数量及破皮率的在线检测装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103785622B (zh) | 基于机器视觉的零件分拣装置的零件分拣方法 | |
| CN105035279B (zh) | 一种平均水线检测方法 | |
| CN104966101B (zh) | 一种基于LabVIEW的太阳能电池片分类方法 | |
| CN112893159B (zh) | 一种基于图像识别的煤矸石分拣方法 | |
| CN109377487B (zh) | 一种基于深度学习分割的水果表面缺陷检测方法 | |
| CN106841214A (zh) | 一种非接触式风电叶片风沙侵蚀程度检测方法 | |
| CN103090946B (zh) | 果树单树产量测量的方法和*** | |
| CN115308222B (zh) | 一种基于机器视觉的芯片外观不良识别***及方法 | |
| CN112634237A (zh) | 一种基于YOLOv3改进网络的长竹条表面缺陷检测方法及*** | |
| CN111940339B (zh) | 一种基于人工智能的红枣分拣*** | |
| CN112580719A (zh) | 一种基于ai识别的红枣分选方法及*** | |
| CN111242057A (zh) | 产品分拣***、方法、计算机设备和存储介质 | |
| CN106645180A (zh) | 检查基板玻璃缺陷的方法、现场终端及服务器 | |
| CN110921146A (zh) | 基于互联网大数据和图像处理技术的生活垃圾分类方法及其*** | |
| CN116416250A (zh) | 一种速食罐装产品产线的成品检测*** | |
| CN111680738A (zh) | 一种用于苹果品质检测的筛选装置及其检测方法 | |
| CN115424057A (zh) | 一种基于拍照识别使用的物联网物流分类管理识别装置 | |
| CN201041553Y (zh) | 基于多光谱成像技术的水果品质无损检测*** | |
| CN116686738A (zh) | 一种奶牛自动称重识别*** | |
| CN114529536A (zh) | 一种实木质量检测方法 | |
| CN116559111A (zh) | 一种基于高光谱成像技术的高粱品种识别方法 | |
| CN110935646A (zh) | 基于图像识别的全自动螃蟹分级*** | |
| CN110929787A (zh) | 一种基于图像的苹果客观定级*** | |
| CN110575973A (zh) | 一种农作物种子品质检测与筛选*** | |
| CN114049368A (zh) | 一种“iid+参树网”智能工业设计软件 |
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 |