CN112614058B - 对象截面面积解析*** - Google Patents
对象截面面积解析*** Download PDFInfo
- Publication number
- CN112614058B CN112614058B CN202011198187.2A CN202011198187A CN112614058B CN 112614058 B CN112614058 B CN 112614058B CN 202011198187 A CN202011198187 A CN 202011198187A CN 112614058 B CN112614058 B CN 112614058B
- Authority
- CN
- China
- Prior art keywords
- melon
- sectional area
- section
- cross
- pixel
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 38
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical group N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 claims abstract description 79
- 241000219112 Cucumis Species 0.000 claims abstract description 74
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 claims abstract description 74
- 238000005520 cutting process Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 31
- 230000007246 mechanism Effects 0.000 claims description 26
- 238000003860 storage Methods 0.000 claims description 20
- 238000003825 pressing Methods 0.000 claims description 15
- 241000219109 Citrullus Species 0.000 claims description 14
- 235000012828 Citrullus lanatus var citroides Nutrition 0.000 claims description 14
- 238000003384 imaging method Methods 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 5
- 238000000034 method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000000630 rising effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 241000446313 Lamella Species 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种对象截面面积解析***,所述***包括:横向开瓜结构,由多个刀刃向内的长刀片、球形栅格和按压平台构成,球形栅格包括多个可伸缩式圆弧状杆体和直流电机构成,多个可伸缩式圆弧状杆体构成顶端维系在一起、底端围成水平面的第一圆形截面,多个可伸缩式圆弧状杆体尺寸相同且中间位置围成水平面的第二圆形截面,第一圆形截面小于第二圆形截面,多个刀刃向内的长刀片分别竖直设置在多个可伸缩式圆弧状杆体的内侧。本发明的对象截面面积解析***操作简单、方便实用。由于能够基于现场待开的瓜体的尺寸实现对定制结构的开瓜器的开瓜截面的自动设置,从而方便了开瓜人员的使用。
Description
技术领域
本发明涉及机电控制领域,尤其涉及一种对象截面面积解析***。
背景技术
由于近代科学技术的飞速发展,机械装备已与电子技术、计算机、控制工程等技术日益紧密结合而成为机电一体化的设备(普遍称之为Mechatronjcs)。这种设备还具有自动控制的功能。机电控制涉及的各种控制形式和控制元件,包括控制电机、电液伺服阀、电液比例阀、数字阀、电液阀控制的组件、电一气控制阀、控制放大器等。机电控制中各种元件的结构原理、性能特点及工程应用都是进行设计和改进的关键点。可以从应用的角度对各种控制元件进行了***的论述。
机电控制可以应用到各种领域,例如,基于机电控制的自动开瓜***。目前,不同人员的开瓜习惯不同,包括西瓜的瓜体的打开模式也不同,但是不管采用什么样的打开模式,手动开瓜都显得较为粗糙,打开的瓜瓣大小不一,打开瓜体需要耗费的时间也较为长久,不适合希望均匀分瓜以及快速分瓜的场合,另外,不考虑实际瓜体的大小而采用同一尺寸的开瓜器,会导致开瓜动作的实施既费时又费力。
发明内容
为了解决现有技术的技术问题,本发明提供了一种对象截面面积解析***,能够采用电子检测模式对现场待开的瓜体的尺寸进行鉴别,并基于鉴别数据实现对定制结构的开瓜器的开瓜截面的自动设置,从而方便了开瓜人员的使用。
为此,本发明至少需要具备以下两处关键的发明点:
(1)采用针对性的检测机制对现场待开的瓜体的最大截面面积进行检测,并根据现场待开的瓜体的最大截面面积的检测数据实时调节定制结构的开瓜结构的张开截面面积,从而提升现场开瓜的效率和效果;
(2)引入定制的横向开瓜结构实现开瓜截面面积的电动设置处理,所述横向开瓜结构由多个刀刃向内的长刀片、球形栅格和按压平台构成,所述球形栅格包括多个可伸缩式圆弧状杆体和直流电机构成,所述多个可伸缩式圆弧状杆体构成顶端维系在一起、底端围成水平面的第一圆形截面,所述多个可伸缩式圆弧状杆体尺寸相同且中间位置围成水平面的第二圆形截面,所述第一圆形截面小于所述第二圆形截面,所述多个刀刃向内的长刀片分别竖直设置在所述多个可伸缩式圆弧状杆体的内侧。
根据本发明的一方面,提供了一种对象截面面积解析***,所述***包括:
横向开瓜结构,由多个刀刃向内的长刀片、球形栅格和按压平台构成,所述球形栅格包括多个可伸缩式圆弧状杆体和直流电机构成。
更具体地,根据本发明的对象截面面积解析***中:
在所述横向开瓜结构中,所述多个可伸缩式圆弧状杆体构成顶端维系在一起、底端围成水平面的第一圆形截面,所述多个可伸缩式圆弧状杆体尺寸相同且中间位置围成水平面的第二圆形截面。
更具体地,根据本发明的对象截面面积解析***中:
在所述横向开瓜结构中,所述第一圆形截面小于所述第二圆形截面,所述多个刀刃向内的长刀片分别竖直设置在所述多个可伸缩式圆弧状杆体的内侧。
更具体地,根据本发明的对象截面面积解析***中,所述***还包括:
在所述横向开瓜结构中,所述按压平台设置所述多个可伸缩式圆弧状杆体的维系在一起的顶端的上方,所述直流电机设置在所述按压平台的外壳内,所述按压平台用于为用户向所述球形栅格施加向下压力以使用多个刀刃向内的长刀片打开被所述多个可伸缩式圆弧状杆体围住的瓜体;
所述直流电机根据接收到的瓜体最大截面面积驱动所述多个可伸缩式圆弧状杆体一致收缩或扩张以使得所述第二圆形截面等于所述瓜体最大截面面积;
***设备,设置在所述按压平台的底部,用于对被所述多个可伸缩式圆弧状杆体围住的瓜体执行摄像动作,以获得开瓜环境图像;
锐化处理机构,位于所述直流电机的附近,与所述***设备连接,用于对接收到的开瓜环境图像执行基于Roberts算子的图像内容的锐化处理,以获得锐化处理图像;
绿色分析设备,与所述锐化处理机构连接,用于将所述锐化处理图像中具有RGB颜色空间下的、数值在西瓜绿色分布范围内的绿色分量值的像素作为待处理像素;
截面辨识机构,与所述绿色分析设备连接,用于基于将所述锐化处理图像中的各个待处理像素进行去孤点处理后的剩余像素的数量以及各个剩余像素的各个成像景深的均值估算瓜体最大截面面积;
其中,基于将所述锐化处理图像中的各个待处理像素进行去孤点处理后的剩余像素的数量以及各个剩余像素的各个成像景深的均值估算瓜体最大截面面积包括:将所述锐化处理图像中的各个待处理像素进行去孤点处理后的剩余像素的数量越多,估算的瓜体最大截面面积越大;
其中,基于将所述锐化处理图像中的各个待处理像素进行去孤点处理后的剩余像素的数量以及各个剩余像素的各个成像景深的均值估算瓜体最大截面面积包括:各个剩余像素的各个成像景深的均值越浅,估算的瓜体最大截面面积越小;
其中,在所述绿色分析设备中,所述西瓜绿色分布范围由上限绿色分量阈值和下限绿色分量阈值进行限定。
本发明的对象截面面积解析***操作简单、方便实用。由于能够基于现场待开的瓜体的尺寸实现对定制结构的开瓜器的开瓜截面的自动设置,从而方便了开瓜人员的使用。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为现有技术中的用于切开西瓜的手动切瓜器的结构示意图。
具体实施方式
下面将参照附图对本发明的对象截面面积解析***的实施方案进行详细说明。
智能控制的定义一:智能控制是由智能机器自主地实现其目标的过程。而智能机器则定义为,在结构化或非结构化的,熟悉的或陌生的环境中,自主地或与人交互地执行人类规定的任务的一种机器。定义二:K.J.奥斯托罗姆则认为,把人类具有的直觉推理和试凑法等智能加以形式化或机器模拟,并用于控制***的分析与设计中,使之在一定程度上实现控制***的智能化,这就是智能控制。他还认为自调节控制,自适应控制就是智能控制的低级体现。定义三:智能控制是一类无需人的干预就能够自主地驱动智能机器实现其目标的自动控制,也是用计算机模拟人类智能的一个重要领域。定义四:智能控制实际只是研究与模拟人类智能活动及其控制与信息传递过程的规律,研制具有仿人智能的工程控制与信息处理***的一个新兴分支学科。
目前,不同人员的开瓜习惯不同,包括西瓜的瓜体的打开模式也不同,但是不管采用什么样的打开模式,手动开瓜都显得较为粗糙,打开的瓜瓣大小不一,打开瓜体需要耗费的时间也较为长久,不适合希望均匀分瓜以及快速分瓜的场合,另外,不考虑实际瓜体的大小而采用同一尺寸的开瓜器,会导致开瓜动作的实施既费时又费力。
图1为现有技术中的用于切开西瓜的手动切瓜器的结构示意图。
为了克服上述不足,本发明搭建了一种对象截面面积解析***,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对象截面面积解析***包括:
横向开瓜结构,由多个刀刃向内的长刀片、球形栅格和按压平台构成,所述球形栅格包括多个可伸缩式圆弧状杆体和直流电机构成,所述多个可伸缩式圆弧状杆体构成顶端维系在一起、底端围成水平面的第一圆形截面,所述多个可伸缩式圆弧状杆体尺寸相同且中间位置围成水平面的第二圆形截面,所述第一圆形截面小于所述第二圆形截面,所述多个刀刃向内的长刀片分别竖直设置在所述多个可伸缩式圆弧状杆体的内侧;
所述按压平台设置所述多个可伸缩式圆弧状杆体的维系在一起的顶端的上方,所述直流电机设置在所述按压平台的外壳内,所述按压平台用于为用户向所述球形栅格施加向下压力以使用多个刀刃向内的长刀片打开被所述多个可伸缩式圆弧状杆体围住的瓜体;
所述直流电机根据接收到的瓜体最大截面面积驱动所述多个可伸缩式圆弧状杆体一致收缩或扩张以使得所述第二圆形截面等于所述瓜体最大截面面积;
***设备,设置在所述按压平台的底部,用于对被所述多个可伸缩式圆弧状杆体围住的瓜体执行摄像动作,以获得开瓜环境图像;
锐化处理机构,位于所述直流电机的附近,与所述***设备连接,用于对接收到的开瓜环境图像执行基于Roberts算子的图像内容的锐化处理,以获得锐化处理图像;
绿色分析设备,与所述锐化处理机构连接,用于将所述锐化处理图像中具有RGB颜色空间下的、数值在西瓜绿色分布范围内的绿色分量值的像素作为待处理像素;
截面辨识机构,与所述绿色分析设备连接,用于基于将所述锐化处理图像中的各个待处理像素进行去孤点处理后的剩余像素的数量以及各个剩余像素的各个成像景深的均值估算瓜体最大截面面积。
接着,继续对本发明的对象截面面积解析***的具体结构进行进一步的说明。
所述对象截面面积解析***中:
基于将所述锐化处理图像中的各个待处理像素进行去孤点处理后的剩余像素的数量以及各个剩余像素的各个成像景深的均值估算瓜体最大截面面积包括:将所述锐化处理图像中的各个待处理像素进行去孤点处理后的剩余像素的数量越多,估算的瓜体最大截面面积越大。
所述对象截面面积解析***中:
基于将所述锐化处理图像中的各个待处理像素进行去孤点处理后的剩余像素的数量以及各个剩余像素的各个成像景深的均值估算瓜体最大截面面积包括:各个剩余像素的各个成像景深的均值越浅,估算的瓜体最大截面面积越小。
所述对象截面面积解析***中:
在所述绿色分析设备中,所述西瓜绿色分布范围由上限绿色分量阈值和下限绿色分量阈值进行限定。
所述对象截面面积解析***中:
在所述绿色分析设备中,将所述锐化处理图像中具有RGB颜色空间下的、数值在西瓜绿色分布范围外的绿色分量值的像素作为其他类型像素。
所述对象截面面积解析***中还可以包括:
内容存储芯片,设置在所述锐化处理机构所在的集成电路板上,与所述锐化处理机构连接,用于暂存所述锐化处理机构的输出信号。
所述对象截面面积解析***中:
所述内容存储芯片还用于暂存所述锐化处理机构的输出信号以及所述锐化处理机构的工作状态;
其中,所述内容存储芯片还与所述绿色分析设备连接,用于存储所述绿色分析设备的各项配置参数。
所述对象截面面积解析***中:
所述内容存储芯片还用于存储所述绿色分析设备的输出信号和输入信号;
其中,所述内容存储芯片还与所述截面辨识机构连接,用于暂存所述截面辨识机构的各项配置参数。
所述对象截面面积解析***中:
所述内容存储芯片还用于存储所述截面辨识机构的输出信号和输入信号;
其中,所述内容存储芯片为FLASH闪存、SDRAM存储芯片以及DDR存储芯片中的一种。
另外,在所述对象截面面积解析***中,严格的说DDR应该叫DDRSDRAM,人们习惯称为DDR,部分初学者也常看到DDRSDRAM,就认为是SDRAM。DDRSDRAM是DoubleDataRateSDRAM的缩写,是双倍速率同步动态随机存储器的意思。DDR内存是在SDRAM内存基础上发展而来的,仍然沿用SDRAM生产体系,因此对于内存厂商而言,只需对制造普通SDRAM的设备稍加改进,即可实现DDR内存的生产,可有效的降低成本。SDRAM在一个时钟周期内只传输一次数据,他是在时钟的上升期进行数据传输;而DDR内存则是一个时钟周期内传输两次次数据,它能够在时钟的上升期和下降期各传输一次数据,因此称为双倍速率同步动态随机存储器。DDR内存可以在与SDRAM相同的总线频率下达到更高的数据传输率。与SDRAM相比:DDR运用了更先进的同步电路,使指定地址、数据的输送和输出主要步骤既独立执行,又保持与CPU完全同步;DDR使用了DLL(DelayLockedLoop,延时锁定回路提供一个数据滤波信号)技术,当数据有效时,存储控制器可使用这个数据滤波信号来精确定位数据,每16次输出一次,并重新同步来自不同存储器模块的数据。DDR本质上不需要提高时钟频率就能加倍提高SDRAM的速度,他允许在时钟脉冲的上升沿和下降沿读出数据,因而其速度是标准SDRAM的两倍。
应当理解,本发明的各部分可以用硬件、软件、固件或他们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (6)
1.一种对象截面面积解析***,其特征在于,所述***包括:
横向开瓜结构,由多个刀刃向内的长刀片、球形栅格和按压平台构成,所述球形栅格包括多个可伸缩式圆弧状杆体和直流电机构成;
在所述横向开瓜结构中,所述多个可伸缩式圆弧状杆体构成顶端维系在一起、底端围成水平面的第一圆形截面,所述多个可伸缩式圆弧状杆体尺寸相同且中间位置围成水平面的第二圆形截面;
在所述横向开瓜结构中,所述第一圆形截面小于所述第二圆形截面,所述多个刀刃向内的长刀片分别竖直设置在所述多个可伸缩式圆弧状杆体的内侧;
在所述横向开瓜结构中,所述按压平台设置所述多个可伸缩式圆弧状杆体的维系在一起的顶端的上方,所述直流电机设置在所述按压平台的外壳内,所述按压平台用于为用户向所述球形栅格施加向下压力以使用多个刀刃向内的长刀片打开被所述多个可伸缩式圆弧状杆体围住的瓜体;
所述直流电机根据接收到的瓜体最大截面面积驱动所述多个可伸缩式圆弧状杆体一致收缩或扩张以使得所述第二圆形截面等于所述瓜体最大截面面积;
***设备,设置在所述按压平台的底部,用于对被所述多个可伸缩式圆弧状杆体围住的瓜体执行摄像动作,以获得开瓜环境图像;
锐化处理机构,位于所述直流电机的附近,与所述***设备连接,用于对接收到的开瓜环境图像执行基于Roberts算子的图像内容的锐化处理,以获得锐化处理图像;
绿色分析设备,与所述锐化处理机构连接,用于将所述锐化处理图像中具有RGB颜色空间下的、数值在西瓜绿色分布范围内的绿色分量值的像素作为待处理像素;
截面辨识机构,与所述绿色分析设备连接,用于基于将所述锐化处理图像中的各个待处理像素进行去孤点处理后的剩余像素的数量以及各个剩余像素的各个成像景深的均值估算瓜体最大截面面积;
其中,基于将所述锐化处理图像中的各个待处理像素进行去孤点处理后的剩余像素的数量以及各个剩余像素的各个成像景深的均值估算瓜体最大截面面积包括:将所述锐化处理图像中的各个待处理像素进行去孤点处理后的剩余像素的数量越多,估算的瓜体最大截面面积越大;
其中,基于将所述锐化处理图像中的各个待处理像素进行去孤点处理后的剩余像素的数量以及各个剩余像素的各个成像景深的均值估算瓜体最大截面面积包括:各个剩余像素的各个成像景深的均值越浅,估算的瓜体最大截面面积越小;
其中,在所述绿色分析设备中,所述西瓜绿色分布范围由上限绿色分量阈值和下限绿色分量阈值进行限定。
2.如权利要求1所述的对象截面面积解析***,其特征在于:
在所述绿色分析设备中,将所述锐化处理图像中具有RGB颜色空间下的、数值在西瓜绿色分布范围外的绿色分量值的像素作为其他类型像素。
3.如权利要求2所述的对象截面面积解析***,其特征在于,所述***还包括:
内容存储芯片,设置在所述锐化处理机构所在的集成电路板上,与所述锐化处理机构连接,用于暂存所述锐化处理机构的输出信号。
4.如权利要求3所述的对象截面面积解析***,其特征在于:
所述内容存储芯片还用于暂存所述锐化处理机构的输出信号以及所述锐化处理机构的工作状态;
其中,所述内容存储芯片还与所述绿色分析设备连接,用于存储所述绿色分析设备的各项配置参数。
5.如权利要求4所述的对象截面面积解析***,其特征在于:
所述内容存储芯片还用于存储所述绿色分析设备的输出信号和输入信号;
其中,所述内容存储芯片还与所述截面辨识机构连接,用于暂存所述截面辨识机构的各项配置参数。
6.如权利要求5所述的对象截面面积解析***,其特征在于:
所述内容存储芯片还用于存储所述截面辨识机构的输出信号和输入信号;
其中,所述内容存储芯片为FLASH闪存、SDRAM存储芯片以及DDR存储芯片中的一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011198187.2A CN112614058B (zh) | 2020-10-31 | 2020-10-31 | 对象截面面积解析*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011198187.2A CN112614058B (zh) | 2020-10-31 | 2020-10-31 | 对象截面面积解析*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112614058A CN112614058A (zh) | 2021-04-06 |
CN112614058B true CN112614058B (zh) | 2021-11-09 |
Family
ID=75224522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011198187.2A Active CN112614058B (zh) | 2020-10-31 | 2020-10-31 | 对象截面面积解析*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112614058B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104440232A (zh) * | 2014-11-21 | 2015-03-25 | 常州后肖宇恒幕墙有限公司 | 一种夹具 |
CN205394653U (zh) * | 2016-03-31 | 2016-07-27 | 张翯扬 | 一种西瓜刀 |
CN107358627A (zh) * | 2017-07-12 | 2017-11-17 | 西北农林科技大学 | 基于Kinect相机的果实尺寸检测方法 |
JP2018049218A (ja) * | 2016-09-23 | 2018-03-29 | キヤノン株式会社 | 電子写真用プロセスカートリッジ及び電子写真画像形成装置 |
CN111839439A (zh) * | 2020-07-28 | 2020-10-30 | 朱来清 | 应用信号解析的幽门状态检测*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206953111U (zh) * | 2017-05-17 | 2018-02-02 | 浙江百传网络科技有限公司 | 一种自动水果切块装置 |
WO2020010561A1 (zh) * | 2018-07-12 | 2020-01-16 | 华为技术有限公司 | 测量物体参数的方法及装置 |
CN109596076B (zh) * | 2019-01-16 | 2019-07-23 | 国网江苏省电力有限公司宿迁供电分公司 | 对象面积分析机构 |
-
2020
- 2020-10-31 CN CN202011198187.2A patent/CN112614058B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104440232A (zh) * | 2014-11-21 | 2015-03-25 | 常州后肖宇恒幕墙有限公司 | 一种夹具 |
CN205394653U (zh) * | 2016-03-31 | 2016-07-27 | 张翯扬 | 一种西瓜刀 |
JP2018049218A (ja) * | 2016-09-23 | 2018-03-29 | キヤノン株式会社 | 電子写真用プロセスカートリッジ及び電子写真画像形成装置 |
CN107358627A (zh) * | 2017-07-12 | 2017-11-17 | 西北农林科技大学 | 基于Kinect相机的果实尺寸检测方法 |
CN111839439A (zh) * | 2020-07-28 | 2020-10-30 | 朱来清 | 应用信号解析的幽门状态检测*** |
Non-Patent Citations (2)
Title |
---|
《Quantitative Evaluation of Apple(Malus*domestica Borkh.)Fruit Shape by Principle Component Analysis of Fourier Description》;Currie AJ et al;《SpringerLink》;20000229;全文 * |
《基于机器视觉哈密瓜外部品质与成熟度分析研究》;胡光辉;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150515(第2015年第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112614058A (zh) | 2021-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109118491A (zh) | 一种基于深度学习的图像分割方法、***及电子设备 | |
US20230062238A1 (en) | Pooling Processing Method and System Applied to Convolutional Neural Network | |
US10909471B2 (en) | Resource-efficient machine learning | |
CN114359665B (zh) | 全任务人脸识别模型的训练方法及装置、人脸识别方法 | |
CN111080654B (zh) | 图像的病变区域分割方法、装置及服务器 | |
JP2023507248A (ja) | 物体検出および認識のためのシステムおよび方法 | |
CN112614058B (zh) | 对象截面面积解析*** | |
AU2014277847A1 (en) | A method or computing device for configuring parameters of a feature extractor | |
CN102074003A (zh) | 基于均值漂移的嵌入式图像跟踪*** | |
WO2020062277A1 (zh) | 神经网络中数据预处理阶段的计算资源的管理方法和装置 | |
CN101814183A (zh) | 用于图像分割的方法及*** | |
CN112200310B (zh) | 智能处理器、数据处理方法及存储介质 | |
US20220147537A1 (en) | Data analysis device, data analysis method, and data analysis program | |
CN101640795A (zh) | 一种视频解码优化方法及装置 | |
CN114002949B (zh) | 基于人工智能的控制方法与控制装置 | |
WO2023056370A1 (en) | Mixing sparsity compression | |
CN117853559B (zh) | 一种基于芯片二维数据获取三维数据的方法及其相关装置 | |
CN112766277A (zh) | 卷积神经网络模型的通道调整方法、装置和设备 | |
US20220019898A1 (en) | Information processing apparatus, information processing method, and storage medium | |
Hagara et al. | FPGA implementation of histogram-based thresholding | |
Ojashwini et al. | Edge detection Canny algorithm using adaptive threshold technique | |
CN112990453A (zh) | 利用神经网络处理的方法和装置 | |
CN117079060B (zh) | 一种基于光合信号的叶片智能分类方法和*** | |
CN110634107B (zh) | 一种针对t1增强脑部磁共振图像亮度标准化方法 | |
CN111582266B (zh) | 配置目标跟踪硬件加速控制方法、***、存储介质及应用 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211025 Address after: 317525 Daxi Zhen Ying Qian Cun, Wenling City, Taizhou City, Zhejiang Province Applicant after: Wenling Shanshi Jindeli electrical accessories factory Address before: 225300 609, 6th floor, building a, No. 26, Chengzhong Qingnian Road, Hailing District, Taizhou City, Jiangsu Province Applicant before: Taizhou REBIT Intelligent Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |