CN112604977B - 利用大数据服务的目标分类平台及方法 - Google Patents
利用大数据服务的目标分类平台及方法 Download PDFInfo
- Publication number
- CN112604977B CN112604977B CN202011234309.9A CN202011234309A CN112604977B CN 112604977 B CN112604977 B CN 112604977B CN 202011234309 A CN202011234309 A CN 202011234309A CN 112604977 B CN112604977 B CN 112604977B
- Authority
- CN
- China
- Prior art keywords
- detection position
- big data
- mango
- sorting
- data service
- 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.)
- Active
Links
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
-
- 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
- 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
-
- 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
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/752—Contour matching
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Sorting Of Articles (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Polymers & Plastics (AREA)
- Chemical & Material Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
Abstract
本发明涉及一种利用大数据服务的目标分类平台及方法,所述平台包括:大数据服务节点,设置在大数据网络端,用于存储每一种类型的芒果的轮廓图片;电机传送机构,采用传送皮带依次传送各颗芒果,相邻的两颗芒果在所述传送皮带上的间距超过预设距离阈值,所述电机传送机构依次通过第一检测位置和第二检测位置;视觉捕获设备,设置在所述第一检测位置的上方,用于对其下的芒果执行视觉捕获动作以获得对应的芒果捕获图像。本发明的利用大数据服务的目标分类平台及方法操作有效、运行稳定。由于能够以流水线传送机构为平台对不成熟芒果和其他类型芒果执行现场分类和分拣处理,从而提升了芒果流水线作业的自动化水平。
Description
技术领域
本发明涉及大数据服务领域,尤其涉及一种利用大数据服务的目标分类平台及方法。
背景技术
从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理,必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。随着云时代的来临,大数据(Big data)也吸引了越来越多的关注。分析师团队认为,大数据(Big data)通常用来形容一个公司创造的大量非结构化数据和半结构化数据,这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起,因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。大数据需要特殊的技术,以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术,包括大规模并行处理(MPP)数据库、数据挖掘、分布式文件***、分布式数据库、云计算平台、互联网和可扩展的存储***。
当前,在执行芒果流水线作业过程中,有两种现象需要针对性处理,第一种现象是,一些违规人员将其他廉价类型的芒果混杂的当前芒果批次内以谋求更大的经济利益,第二种现象是,流水线中存在一些不成熟的芒果,而这些不成熟的芒果需要进行催熟等处理后方能流入市场。
发明内容
为了解决现有技术中的技术问题,本发明提供了一种利用大数据服务的目标分类平台,能够以流水线传送机构为平台对不成熟芒果和其他类型芒果执行现场分类和分拣处理,从而提升了芒果流水线作业的自动化水平。
为此,本发明需要具备以下两处重要的发明点:
(1)以流水线传送机构为平台,基于大数据存储模式对当前芒果是否属于分拣类型进行鉴别和相应分拣处理;
(2)以流水线传送机构为平台,基于红色分量成像特征对不成熟芒果执行现场分拣动作,关键的是,基于两个分拣位置的距离和传送速度计算对不成熟芒果执行现场分拣动作的触发时间,从而实现流水线传送机构中的电子设备的智能化联动控制。
根据本发明的一方面,提供了一种利用大数据服务的目标分类平台,所述平台包括:
大数据服务节点,设置在大数据网络端,用于存储每一种类型的芒果的轮廓图片,所述轮廓图片仅仅包括对应类型的芒果的成像内容;
电机传送机构,采用传送皮带依次传送各颗芒果,相邻的两颗芒果在所述传送皮带上的间距超过预设距离阈值,所述电机传送机构依次通过第一检测位置和第二检测位置;
视觉捕获设备,设置在所述第一检测位置的上方,用于对其下的芒果执行视觉捕获动作以获得对应的芒果捕获图像;
第一识别机构,分别与所述大数据服务节点和所述视觉捕获设备连接,用于在接收到的芒果捕获图像中不存在与所述大数据服务节点存储的任何一个轮廓图片匹配的图像区域时,发出第一控制信号;
第一分拣机构,设置在所述第一检测位置处,与所述第一识别机构连接,用于在接收到所述第一控制信号时,将所述第一检测位置处的芒果分拣到所述第一检测位置侧面的其他类型容器内;
第二识别机构,与所述第一识别机构连接,用于将接收到的芒果捕获图像中存在的与所述大数据服务节点存储的某一个轮廓图片匹配的图像区域作为待分析区域,获取所述待分析区域的整体红色分量,并在所述整体红色分量的数值低于预设分量阈值时,发出第三控制信号;
第二分拣机构,设置在所述第二检测位置处,与所述第二识别机构连接,用于在接收到所述第三控制信号时,用于基于所述第一检测位置和所述第二检测位置之间的距离以及所述传送皮带的传送速度计算触发将所述第二检测位置处的芒果分拣到所述第二检测位置侧面的不成熟果实容器内的动作的时间间隔。
根据本发明的另一方面,还提供了一种利用大数据服务的目标分类方法,所述方法包括使用如上述的利用大数据服务的目标分类平台以基于芒果的外形成像特征和颜色成像特征对其他类型芒果和不成熟芒果执行现场分类处理。
本发明的利用大数据服务的目标分类平台及方法操作有效、运行稳定。由于能够以流水线传送机构为平台对不成熟芒果和其他类型芒果执行现场分类和分拣处理,从而提升了芒果流水线作业的自动化水平。
具体实施方式
下面将对本发明的利用大数据服务的目标分类平台及方法的实施方案进行详细说明。
芒果是一种原产印度的漆树科常绿大乔木,叶革质,互生;花小,杂性,黄色或淡黄色,成顶生的圆锥花序。核果大,压扁,长5-10厘米,宽3-4.5厘米,成熟时黄色,味甜,果核坚硬。
芒果为著名热带水果之一,芒果果实含有糖、蛋白质、粗纤维,芒果所含有的维生素A的前体胡萝卜素成分特别高,是所有水果中少见的。其次维生素C含量也不低。矿物质、蛋白质、脂肪、糖类等,也是其主要营养成分。可制果汁、果酱、罐头、腌渍、酸辣泡菜及芒果奶粉、蜜饯等。
产芒果的树木为常绿大乔木,高10-20米;树皮灰褐色,小枝褐色,无毛。叶薄革质,常集生枝顶,叶形和大小变化较大,通常为长圆形或长圆状披针形,长12-30厘米,宽3.5-6.5厘米,先端渐尖、长渐尖或急尖,基部楔形或近圆形,边缘皱波状,无毛,叶面略具光泽,侧脉20-25对,斜升,两面突起,网脉不显,叶柄长2-6厘米,上面具槽,基部膨大。
当前,在执行芒果流水线作业过程中,有两种现象需要针对性处理,第一种现象是,一些违规人员将其他廉价类型的芒果混杂的当前芒果批次内以谋求更大的经济利益,第二种现象是,流水线中存在一些不成熟的芒果,而这些不成熟的芒果需要进行催熟等处理后方能流入市场。
为了克服上述不足,本发明搭建了一种利用大数据服务的目标分类平台及方法,能够有效解决相应的技术问题。
根据本发明实施方案示出的利用大数据服务的目标分类平台包括:
大数据服务节点,设置在大数据网络端,用于存储每一种类型的芒果的轮廓图片,所述轮廓图片仅仅包括对应类型的芒果的成像内容;
电机传送机构,采用传送皮带依次传送各颗芒果,相邻的两颗芒果在所述传送皮带上的间距超过预设距离阈值,所述电机传送机构依次通过第一检测位置和第二检测位置;
视觉捕获设备,设置在所述第一检测位置的上方,用于对其下的芒果执行视觉捕获动作以获得对应的芒果捕获图像;
第一识别机构,分别与所述大数据服务节点和所述视觉捕获设备连接,用于在接收到的芒果捕获图像中不存在与所述大数据服务节点存储的任何一个轮廓图片匹配的图像区域时,发出第一控制信号;
第一分拣机构,设置在所述第一检测位置处,与所述第一识别机构连接,用于在接收到所述第一控制信号时,将所述第一检测位置处的芒果分拣到所述第一检测位置侧面的其他类型容器内;
第二识别机构,与所述第一识别机构连接,用于将接收到的芒果捕获图像中存在的与所述大数据服务节点存储的某一个轮廓图片匹配的图像区域作为待分析区域,获取所述待分析区域的整体红色分量,并在所述整体红色分量的数值低于预设分量阈值时,发出第三控制信号;
第二分拣机构,设置在所述第二检测位置处,与所述第二识别机构连接,用于在接收到所述第三控制信号时,用于基于所述第一检测位置和所述第二检测位置之间的距离以及所述传送皮带的传送速度计算触发将所述第二检测位置处的芒果分拣到所述第二检测位置侧面的不成熟果实容器内的动作的时间间隔。
接着,继续对本发明的利用大数据服务的目标分类平台的具体结构进行进一步的说明。
所述利用大数据服务的目标分类平台中:
基于所述第一检测位置和所述第二检测位置之间的距离以及所述传送皮带的传送速度计算触发将所述第二检测位置处的芒果分拣到所述第二检测位置侧面的不成熟果实容器内的动作的时间间隔包括:所述第一检测位置和所述第二检测位置之间的距离越大,计算获得的时间间隔越长。
所述利用大数据服务的目标分类平台中:
基于所述第一检测位置和所述第二检测位置之间的距离以及所述传送皮带的传送速度计算触发将所述第二检测位置处的芒果分拣到所述第二检测位置侧面的不成熟果实容器内的动作的时间间隔包括:所述传送皮带的传送速度越慢,计算获得的时间间隔越长。
所述利用大数据服务的目标分类平台中:
基于所述第一检测位置和所述第二检测位置之间的距离以及所述传送皮带的传送速度计算触发将所述第二检测位置处的芒果分拣到所述第二检测位置侧面的不成熟果实容器内的动作的时间间隔包括:计算获得的时间间隔是以所述视觉捕获设备执行视觉捕获动作的时间为计时起点。
所述利用大数据服务的目标分类平台中:
所述第二分拣机构还用于在接收到所述第三控制信号时,以所述视觉捕获设备执行视觉捕获动作的时间为计时起点,在达到计算获得的时间间隔时,执行将所述第二检测位置处的芒果分拣到所述第二检测位置侧面的不成熟果实容器内的动作。
所述利用大数据服务的目标分类平台中:
所述第二识别机构还用于在所述整体红色分量的数值高于等于所述预设分量阈值时,发出第四控制信号。
所述利用大数据服务的目标分类平台中:
获取所述待分析区域的整体红色分量包括:获取所述待分析区域中每一个像素点的红色分量,将所述待分析区域的各个像素点的均值作为所述整体红色分量,红色分量为RGB颜色空间下的R分量。
所述利用大数据服务的目标分类平台中:
所述第一识别机构用于在接收到的芒果捕获图像中存在与所述大数据服务节点存储的某一个轮廓图片匹配的图像区域时,发出第二控制信号。
所述利用大数据服务的目标分类平台中还可以包括:
并行通信接口,分别与所述第一识别机构、所述第二识别机构、所述第一分拣机构和所述第二分拣机构连接;
其中,所述并行通信接口用于分别为所述第一识别机构、所述第二识别机构、所述第一分拣机构和所述第二分拣机构提供各自需要的工作配置参数。
同时,为了克服上述不足,本发明还搭建了一种利用大数据服务的目标分类方法,所述方法包括使用如上述的利用大数据服务的目标分类平台以基于芒果的外形成像特征和颜色成像特征对其他类型芒果和不成熟芒果执行现场分类处理。
另外,在所述利用大数据服务的目标分类平台中,所述视觉捕获设备内置有CMOS传感器。CMOS图像传感器具有以下几个优点:1)、随机窗口读取能力。随机窗口读取操作是CMOS图像传感器在功能上优于CCD的一个方面,也称之为感兴趣区域选取。此外,CMOS图像传感器的高集成特性使其很容易实现同时开多个跟踪窗口的功能。2)、抗辐射能力。总的来说,CMOS图像传感器潜在的抗辐射性能相对于CCD性能有重要增强。3)、***复杂程度和可靠性。采用CMOS图像传感器可以大大地简化***硬件结构。4)、非破坏性数据读出方式。5)、优化的曝光控制。值得注意的是,由于在像元结构中集成了多个功能晶体管的原因,CMOS图像传感器也存在着若干缺点,主要是噪声和填充率两个指标。鉴于CMOS图像传感器相对优越的性能,使得CMOS图像传感器在各个领域得到了广泛的应用。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:只读内存(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (3)
1.一种利用大数据服务的目标分类平台,其特征在于,所述平台包括:
大数据服务节点,设置在大数据网络端,用于存储每一种类型的芒果的轮廓图片,所述轮廓图片仅仅包括对应类型的芒果的成像内容;
电机传送机构,采用传送皮带依次传送各颗芒果,相邻的两颗芒果在所述传送皮带上的间距超过预设距离阈值;
其中,所述电机传送机构依次通过第一检测位置和第二检测位置;
视觉捕获设备,设置在所述第一检测位置的上方,用于对其下的芒果执行视觉捕获动作以获得对应的芒果捕获图像;
第一识别机构,分别与所述大数据服务节点和所述视觉捕获设备连接,用于在接收到的芒果捕获图像中不存在与所述大数据服务节点存储的任何一个轮廓图片匹配的图像区域时,发出第一控制信号;
第一分拣机构,设置在所述第一检测位置处,与所述第一识别机构连接,用于在接收到所述第一控制信号时,将所述第一检测位置处的芒果分拣到所述第一检测位置侧面的其他类型容器内;
第二识别机构,与所述第一识别机构连接,用于将接收到的芒果捕获图像中存在的与所述大数据服务节点存储的某一个轮廓图片匹配的图像区域作为待分析区域,获取所述待分析区域的整体红色分量,并在所述整体红色分量的数值低于预设分量阈值时,发出第三控制信号;
第二分拣机构,设置在所述第二检测位置处,与所述第二识别机构连接,用于在接收到所述第三控制信号时,用于基于所述第一检测位置和所述第二检测位置之间的距离以及所述传送皮带的传送速度计算触发将所述第二检测位置处的芒果分拣到所述第二检测位置侧面的不成熟果实容器内的动作的时间间隔;
其中,基于所述第一检测位置和所述第二检测位置之间的距离以及所述传送皮带的传送速度计算触发将所述第二检测位置处的芒果分拣到所述第二检测位置侧面的不成熟果实容器内的动作的时间间隔包括:所述第一检测位置和所述第二检测位置之间的距离越大,计算获得的时间间隔越长;
其中,基于所述第一检测位置和所述第二检测位置之间的距离以及所述传送皮带的传送速度计算触发将所述第二检测位置处的芒果分拣到所述第二检测位置侧面的不成熟果实容器内的动作的时间间隔包括:所述传送皮带的传送速度越慢,计算获得的时间间隔越长;
基于所述第一检测位置和所述第二检测位置之间的距离以及所述传送皮带的传送速度计算触发将所述第二检测位置处的芒果分拣到所述第二检测位置侧面的不成熟果实容器内的动作的时间间隔包括:计算获得的时间间隔是以所述视觉捕获设备执行视觉捕获动作的时间为计时起点;
所述第二分拣机构还用于在接收到所述第三控制信号时,以所述视觉捕获设备执行视觉捕获动作的时间为计时起点,在达到计算获得的时间间隔时,执行将所述第二检测位置处的芒果分拣到所述第二检测位置侧面的不成熟果实容器内的动作;
所述第二识别机构还用于在所述整体红色分量的数值高于等于所述预设分量阈值时,发出第四控制信号;
获取所述待分析区域的整体红色分量包括:获取所述待分析区域中每一个像素点的红色分量,将所述待分析区域的各个像素点的均值作为所述整体红色分量,红色分量为RGB颜色空间下的R分量;
所述第一识别机构用于在接收到的芒果捕获图像中存在与所述大数据服务节点存储的某一个轮廓图片匹配的图像区域时,发出第二控制信号。
2.如权利要求1所述的利用大数据服务的目标分类平台,其特征在于,所述平台还包括:
并行通信接口,分别与所述第一识别机构、所述第二识别机构、所述第一分拣机构和所述第二分拣机构连接;
其中,所述并行通信接口用于分别为所述第一识别机构、所述第二识别机构、所述第一分拣机构和所述第二分拣机构提供各自需要的工作配置参数。
3.一种利用大数据服务的目标分类方法,所述方法包括使用如权利要求1-2任一所述的利用大数据服务的目标分类平台以基于芒果的外形成像特征和颜色成像特征对其他类型芒果和不成熟芒果执行现场分类处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011234309.9A CN112604977B (zh) | 2020-11-07 | 2020-11-07 | 利用大数据服务的目标分类平台及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011234309.9A CN112604977B (zh) | 2020-11-07 | 2020-11-07 | 利用大数据服务的目标分类平台及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112604977A CN112604977A (zh) | 2021-04-06 |
CN112604977B true CN112604977B (zh) | 2021-12-28 |
Family
ID=75225825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011234309.9A Active CN112604977B (zh) | 2020-11-07 | 2020-11-07 | 利用大数据服务的目标分类平台及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112604977B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435726A (zh) * | 2021-06-22 | 2021-09-24 | 布瑞克农业大数据科技集团有限公司 | 一种商品管理方法和*** |
CN115907622B (zh) * | 2022-11-30 | 2023-12-29 | 布瑞克(苏州)农业互联网股份有限公司 | 一种大宗农产品出入库管理方法和*** |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008018354A (ja) * | 2006-07-13 | 2008-01-31 | Maki Mfg Co Ltd | 農産物の選別装置 |
CN101486033A (zh) * | 2009-03-09 | 2009-07-22 | 中国农业大学 | 一种果品分检装置及板栗分检方法 |
CN102735340A (zh) * | 2012-06-11 | 2012-10-17 | 陕西科技大学 | 一种基于压缩传感的水果颜色分级方法 |
CN105893497A (zh) * | 2016-03-29 | 2016-08-24 | 杭州数梦工场科技有限公司 | 一种任务处理方法和装置 |
CN108111590A (zh) * | 2017-12-15 | 2018-06-01 | 安徽长泰信息安全服务有限公司 | 一种基于多服务节点的数据处理***及其方法 |
CN109992575A (zh) * | 2019-02-12 | 2019-07-09 | 哈尔滨学院 | 大数据的分布式存储*** |
CN110011827A (zh) * | 2019-02-26 | 2019-07-12 | 中电科软件信息服务有限公司 | 面向医联体的多用户大数据分析服务***和方法 |
CN110445697A (zh) * | 2019-08-08 | 2019-11-12 | 杭州阿启视科技有限公司 | 视频大数据云平台设备接入服务方法 |
CN110554047A (zh) * | 2019-09-06 | 2019-12-10 | 腾讯科技(深圳)有限公司 | 产品缺陷检测数据处理方法、装置、***和设备 |
CN110653179A (zh) * | 2019-10-10 | 2020-01-07 | 华北水利水电大学 | 杂色猪鬃分捡装置及其使用方法 |
CN110732500A (zh) * | 2018-07-19 | 2020-01-31 | 湖南农业大学 | 一种基于机器视觉的芒果分级装置 |
CN111346834A (zh) * | 2020-03-09 | 2020-06-30 | 富丽慧 | 一种芒果自动高效分拣设备 |
CN111698301A (zh) * | 2020-05-29 | 2020-09-22 | 成都新希望金融信息有限公司 | 一种保证服务延续的服务管理方法、装置及存储介质 |
CN111701888A (zh) * | 2020-06-20 | 2020-09-25 | 张家港市欧微自动化研发有限公司 | 一种自动检测分选装置及使用方法 |
CN111882275A (zh) * | 2020-07-24 | 2020-11-03 | 浙江商擎达电子商务有限公司 | 一种基于工业标识解析的贸易大数据管理方法及其*** |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2881663B1 (fr) * | 2005-02-08 | 2007-03-16 | Solystic Sa | Procede de traitement d'envois postaux avec une detection des occurences d'attributs ocr |
CN208390463U (zh) * | 2018-05-08 | 2019-01-18 | 远方机器人科技(天津)有限公司 | 一种自动检测设备 |
CN110170456A (zh) * | 2019-04-30 | 2019-08-27 | 南京邮电大学 | 基于图像处理的水果分拣装置 |
CN210071686U (zh) * | 2019-06-17 | 2020-02-14 | 湖南农业大学 | 基于正交双目机器视觉的水果分级装置 |
CN111299186A (zh) * | 2020-02-21 | 2020-06-19 | 杨伟 | 水果分级的方法、装置及设备 |
-
2020
- 2020-11-07 CN CN202011234309.9A patent/CN112604977B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008018354A (ja) * | 2006-07-13 | 2008-01-31 | Maki Mfg Co Ltd | 農産物の選別装置 |
CN101486033A (zh) * | 2009-03-09 | 2009-07-22 | 中国农业大学 | 一种果品分检装置及板栗分检方法 |
CN102735340A (zh) * | 2012-06-11 | 2012-10-17 | 陕西科技大学 | 一种基于压缩传感的水果颜色分级方法 |
CN105893497A (zh) * | 2016-03-29 | 2016-08-24 | 杭州数梦工场科技有限公司 | 一种任务处理方法和装置 |
CN108111590A (zh) * | 2017-12-15 | 2018-06-01 | 安徽长泰信息安全服务有限公司 | 一种基于多服务节点的数据处理***及其方法 |
CN110732500A (zh) * | 2018-07-19 | 2020-01-31 | 湖南农业大学 | 一种基于机器视觉的芒果分级装置 |
CN109992575A (zh) * | 2019-02-12 | 2019-07-09 | 哈尔滨学院 | 大数据的分布式存储*** |
CN110011827A (zh) * | 2019-02-26 | 2019-07-12 | 中电科软件信息服务有限公司 | 面向医联体的多用户大数据分析服务***和方法 |
CN110445697A (zh) * | 2019-08-08 | 2019-11-12 | 杭州阿启视科技有限公司 | 视频大数据云平台设备接入服务方法 |
CN110554047A (zh) * | 2019-09-06 | 2019-12-10 | 腾讯科技(深圳)有限公司 | 产品缺陷检测数据处理方法、装置、***和设备 |
CN110653179A (zh) * | 2019-10-10 | 2020-01-07 | 华北水利水电大学 | 杂色猪鬃分捡装置及其使用方法 |
CN111346834A (zh) * | 2020-03-09 | 2020-06-30 | 富丽慧 | 一种芒果自动高效分拣设备 |
CN111698301A (zh) * | 2020-05-29 | 2020-09-22 | 成都新希望金融信息有限公司 | 一种保证服务延续的服务管理方法、装置及存储介质 |
CN111701888A (zh) * | 2020-06-20 | 2020-09-25 | 张家港市欧微自动化研发有限公司 | 一种自动检测分选装置及使用方法 |
CN111882275A (zh) * | 2020-07-24 | 2020-11-03 | 浙江商擎达电子商务有限公司 | 一种基于工业标识解析的贸易大数据管理方法及其*** |
Non-Patent Citations (2)
Title |
---|
世界设施园艺智能化装备发展对中国的启示研究;齐飞等;《农业工程学报》;20190123;第35卷(第2期);第186页右栏第2段 * |
中国农产品电商发展报告发布 生鲜电商高增速下"底盘"不稳;秦川;《中国食品》;20180401(第7期);第107页第三、(三)节 * |
Also Published As
Publication number | Publication date |
---|---|
CN112604977A (zh) | 2021-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ni et al. | Deep learning image segmentation and extraction of blueberry fruit traits associated with harvestability and yield | |
CN112604977B (zh) | 利用大数据服务的目标分类平台及方法 | |
Bargoti et al. | Image segmentation for fruit detection and yield estimation in apple orchards | |
Amatya et al. | Detection of cherry tree branches with full foliage in planar architecture for automated sweet-cherry harvesting | |
Bharate et al. | A review on plant disease detection using image processing | |
Häni et al. | Apple counting using convolutional neural networks | |
Sood et al. | Computer vision and machine learning based approaches for food security: A review | |
Rozaqi et al. | Identification of disease in potato leaves using Convolutional Neural Network (CNN) algorithm | |
CN110245720A (zh) | 一种基于深度学习的柑橘病虫害智能诊断方法及*** | |
Annamalai et al. | Citrus yield mapping system using machine vision | |
Majeed et al. | Estimating the trajectories of vine cordons in full foliage canopies for automated green shoot thinning in vineyards | |
CN113252584A (zh) | 基于5g传输的作物生长检测方法及*** | |
Siricharoen et al. | Fruit maturity grading framework for small dataset using single image multi-object sampling and Mask R-CNN | |
Raveena et al. | ResNet50-based classification of coffee cherry maturity using deep-CNN | |
Akshitha et al. | Paddy crop disease detection using deep learning techniques | |
CN114596274A (zh) | 基于改进Cascade RCNN网络的自然背景柑橘黄龙病检测方法 | |
Hanh et al. | Autonomous lemon grading system by using machine learning and traditional image processing | |
Kazama et al. | Monitoring coffee fruit maturity using an enhanced convolutional neural network under different image acquisition settings | |
CN103487380B (zh) | 一种梨树叶片上梨锈病斑的识别方法 | |
He et al. | Detection of strawberries with varying maturity levels for robotic harvesting using YOLOv4 | |
Costa et al. | Classification of macaw palm fruits from colorimetric properties for determining the harvest moment | |
Modi et al. | Review of crop yield estimation using machine learning and deep learning techniques | |
Karnik et al. | Agricultural plant leaf disease detection using Deep Learning Techniques | |
Harel et al. | Sweet pepper maturity evaluation via multiple viewpoints color analyses | |
Neethi et al. | Yield estimation in mango orchards using machine 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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211213 Address after: 102400 160m south of Dayuan village committee, Qinglonghu Town, Fangshan District, Beijing Applicant after: Beijing chuangxiang open Ying Trade Co.,Ltd. Address before: 225300 s area, No.18 factory building, co construction area, hailing Industrial Park, Hailing District, Taizhou City, Jiangsu Province Applicant before: Taizhou Corduro Semiconductor Technology Co., Ltd |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |