CN114112989B - 基于复合视觉的近红外检测方法及*** - Google Patents
基于复合视觉的近红外检测方法及*** Download PDFInfo
- Publication number
- CN114112989B CN114112989B CN202111465250.9A CN202111465250A CN114112989B CN 114112989 B CN114112989 B CN 114112989B CN 202111465250 A CN202111465250 A CN 202111465250A CN 114112989 B CN114112989 B CN 114112989B
- Authority
- CN
- China
- Prior art keywords
- near infrared
- sample
- vision
- detected
- position information
- 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
- 150000001875 compounds Chemical class 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 239000002131 composite material Substances 0.000 claims abstract description 48
- 239000011159 matrix material Substances 0.000 claims abstract description 48
- 238000001228 spectrum Methods 0.000 claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000000007 visual effect Effects 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 5
- 238000001444 catalytic combustion detection Methods 0.000 description 34
- 238000005457 optimization Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000002329 infrared spectrum Methods 0.000 description 5
- 238000010183 spectrum analysis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Studio Devices (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及近红外检测技术领域，公开了一种基于复合视觉的近红外检测方法及***，旨在解决现有的光谱检测存在准确率低的问题，方案主要包括：首先构建复合视觉矩阵对待测样品进行图像采集；然后调整复合视觉矩阵的拍摄角度对便携式近红外光谱仪进行图像采集；再根据采集的图像分别计算待测样品的第一空间位置信息以及便携式近红外光谱仪的第二空间位置信息；然后基于第一空间位置信息、第二空间位置信息以及调整的拍摄角度计算待测样品与便携式近红外光谱仪之间的精确距离；最后根据所述精确距离确定对应的光谱模型，并基于光谱模型对待测样品进行检测分析，本发明提高了光谱检测的准确性，特别适用于便携式近红外光谱仪。
Description
技术领域
本发明涉及近红外检测技术领域，具体来说涉及一种基于复合视觉的近红外检测方法及***。
背景技术
近年来，近红外光谱分析技术发展十分迅速，已在化工，制药，军工，食品等多个领域都获得了应用。近红外光谱技术属于分子光谱技术，可以在分子水平上表明物质成分和性质信息，不论对经济还是社会影响来说，都取得了非常高的效益，极具发展潜力。
伴随着便携式近红外光谱技术的发展，市场主流的大型近红外光谱仪设备都朝着体积小巧，价格低廉的便携式方向发展。但是便携式近红外光谱仪易于受光源、检测器、检测距离、环境条件等影响，其光谱分析能力偏弱，尤其是检测距离的影响最为直接，在不同检测距离下对同一样品进行光谱分析所得到的结果都有较大的差异，进而会极大程度的影响光谱分析准确率。
发明内容
本发明旨在解决现有的光谱检测存在准确率低的问题，提出一种基于复合视觉的近红外检测方法及***。
本发明解决上述技术问题所采用的技术方案是：
第一方面，提供一种基于复合视觉的近红外检测方法，包括以下步骤：
步骤1、构建复合视觉矩阵对待测样品进行图像采集，所述复合视觉矩阵包括一个单目视觉***和多个双目视觉***；
步骤2、调整复合视觉矩阵的拍摄角度对便携式近红外光谱仪进行图像采集；
步骤3、根据采集的图像并基于复合视觉定位算法分别计算所述待测样品的第一空间位置信息以及便携式近红外光谱仪的第二空间位置信息；
步骤4、基于所述第一空间位置信息、第二空间位置信息以及调整的拍摄角度计算待测样品与便携式近红外光谱仪之间的精确距离；
步骤5、根据待测样品与便携式近红外光谱仪之间的精确距离确定对应的光谱模型，并基于所述光谱模型对待测样品进行检测分析。
作为进一步优化，所述单目视觉***中包括一个CCD相机，所述双目视觉***中包括两个CCD相机，所述复合视觉矩阵中的各CCD相机呈一字或十字排列，所述单目视觉***位于复合视觉矩阵的中心点，单目视觉***为复合视觉矩阵的坐标系原点。
作为进一步优化，步骤3中，所述根据采集的图像并基于复合视觉定位算法分别计算所述待测样品的第一空间位置信息，具体包括：
步骤311、分别对双目视觉***中的每个CCD相机使用棋盘格进行标定，得到畸变校正参数；
步骤312、在各CCD相机上固定靶标点，基于Optitrack室内定位***得到各CCD相机坐标系相对全局坐标系位姿；
步骤313、使用软触发同步采集待测样品的第一图像；
步骤314、使用连通域分析方法得到第一所述图像中待测样品的位置；
步骤315、根据所述第一图像中待测样品的位置计算待测样品相对于各个CCD相机的方位；
步骤316、基于角度前方交会算法得到所述待测样品的第一空间位置信息。
作为进一步优化，步骤3中，所述根据采集的图像并基于复合视觉定位算法分别计算所述便携式近红外光谱仪的第二空间位置信息，具体包括：
步骤321、分别对双目视觉***中的每个CCD相机使用棋盘格进行标定，得到畸变校正参数；
步骤322、在各CCD相机上固定靶标点，基于Optitrack室内定位***得到各CCD相机坐标系相对全局坐标系位姿；
步骤323、使用软触发同步采集便携式近红外光谱仪的第二图像；
步骤324、使用连通域分析方法得到第二所述图像中便携式近红外光谱仪的位置；
步骤325、根据所述第二图像中便携式近红外光谱仪的位置计算待测样品相对于各个CCD相机的方位；
步骤326、基于角度前方交会算法得到所述便携式近红外光谱仪的第二空间位置信息。
作为进一步优化，步骤4中，所述基于所述第一空间位置信息、第二空间位置信息以及调整的拍摄角度计算待测样品与便携式近红外光谱仪之间的精确距离，具体包括：
根据所述第一空间位置信息计算待测样品与单目视觉***的第一空间距离，根据所述第二空间位置信息计算便携式近红外光谱仪与单目视觉***的第二空间距离，根据所述第一空间距离、第二空间距离以及调整的拍摄角度计算待测样品与便携式近红外光谱仪之间的精确距离。
作为进一步优化，所述第一空间距离的计算公式如下：
所述第二空间距离的计算公式如下：
其中，a表示第一空间距离，b表示第二空间距离，(x1，y1，z1)表示第一空间位置信息对应的三维空间坐标，(x2，y2，z2)表示第二空间位置信息对应的三维空间坐标。
作为进一步优化，所述精确距离的计算公式如下：
其中，c表示精确距离，a表示第一空间距离，b表示第二空间距离，β表示调整的拍摄角度。
作为进一步优化，步骤5中，所述根据待测样品与便携式近红外光谱仪之间的精确距离确定对应的光谱模型，具体包括：
在光谱数据库中预先设置各距离范围对应的光谱模型；
在得到待测样品与便携式近红外光谱仪之间的精确距离后，确定所述精确距离对应的距离范围，并根据所述距离范围确定与其对应的光谱模型。
作为进一步优化，所述复合视觉矩阵中的双目视觉***的数量为两个。
另一方面，提供一种基于复合视觉的近红外检测***，包括：
复合视觉矩阵，用于对待测样品进行图像采集，以及调整拍摄角度后对便携式近红外光谱仪进行图像采集；所述复合视觉矩阵包括一个单目视觉***和多个双目视觉***；
计算单元，用于根据采集的图像并基于复合视觉定位算法分别计算所述待测样品的第一空间位置信息以及便携式近红外光谱仪的第二空间位置信息；以及基于所述第一空间位置信息、第二空间位置信息以及调整的拍摄角度计算待测样品与便携式近红外光谱仪之间的精确距离；
确定单元，用于根据待测样品与便携式近红外光谱仪之间的精确距离确定对应的光谱模型，并基于所述光谱模型对待测样品进行检测分析。
本发明的有益效果是：本发明所述的基于复合视觉的近红外检测方法及***，根据待测样品与便携式近红外光谱仪之间的精确距离调用光谱模型库中相应模型对其组分进行检测与分析，解决便携式近红外光谱仪在不同检测距离下对同一样品进行光谱分析准确率低的问题，极大程度提高便携式近红外光谱分析技术的预测准确率。
附图说明
图1为本发明实施例所述的基于复合视觉的近红外检测方法的流程示意图；
图2为本发明实施例所述的复合视觉矩阵的结构示意图；
图3为本发明实施例所述的基于复合视觉的近红外检测***的结构示意图。
具体实施方式
下面将结合附图对本发明的实施方式进行详细描述。
本发明提供的基于复合视觉的近红外检测方法及***，主要的方案包括：首先构建复合视觉矩阵对待测样品进行图像采集，所述复合视觉矩阵包括一个单目视觉***和多个双目视觉***；然后调整复合视觉矩阵的拍摄角度对便携式近红外光谱仪进行图像采集；再根据采集的图像并基于复合视觉定位算法分别计算所述待测样品的第一空间位置信息以及便携式近红外光谱仪的第二空间位置信息；然后基于所述第一空间位置信息、第二空间位置信息以及调整的拍摄角度计算待测样品与便携式近红外光谱仪之间的精确距离；最后根据待测样品与便携式近红外光谱仪之间的精确距离确定对应的光谱模型，并基于所述光谱模型对待测样品进行检测分析。
在利用便携式近红外光谱仪对待测样品进行近红外光谱检测分析时，不同检测距离下对同一样品进行光谱分析所得到的结果具有较大的差异，为了克服上述问题，本发明通过在光谱数据库中预置不同检测距离对应的光谱模型，在利用便携式近红外光谱仪对待测样品进行近红外光谱检测分析时，分析计算出待测样品与便携式近红外光谱仪之间的精确距离，进而调用对应的光谱模型来对待测样品进行光谱检测，进而提高近红外光谱检测的准确性。其中，计算待测样品与便携式近红外光谱仪之间的精确距离的具体方法包括：首先构建复合视觉矩阵对待测样品进行图像采集，然后调整复合视觉矩阵拍摄角度对便携式近红外光谱仪进行图像采集，接着使用复合视觉定位算法对待测样品及便携式近红外光谱仪空间位置进行定位计算，最后结合复合视觉矩阵中的单目视觉***计算出待测样品与便携式近红外光谱仪之间的精确距离。
实施例
本发明实施例所述的基于复合视觉的近红外检测方法，如图1所示，包括以下步骤：
步骤1、构建复合视觉矩阵对待测样品进行图像采集，所述复合视觉矩阵包括一个单目视觉***和多个双目视觉***；
本实施例通过复合相机矩阵来构建复合视觉矩阵，复合视觉矩阵由(1+2n)个CCD相机构成,其中n＝1，2，3......n。复合相机矩阵中的1个CCD相机为单目视觉***，其作用为原点位置标定；2n个CCD相机为n个双目视觉***。其中，CCD，英文全称：Charge coupledDevice，中文全称：电荷耦合元件，也可以称为CCD图像传感器，CCD是一种半导体器件，能够把光学影像转化为数字信号。
在本实施例中，复合相机矩阵的具体排布方式为一字或十字型排列。当n＝1时，复合相机矩阵包含3个CCD相机，其排布方式为一字型，其中包含1个单目视觉***以及1个双目视觉***，单目视觉***在双目视觉***的中心点位置，即为复合相机矩阵原点位置。当n>1时，复合相机矩阵包含(1+2n)个CCD相机，其排布方式为十字型，其中包含1个单目视觉***以及n个双目视觉***，单目视觉***在双目视觉***的十字中心点位置，即为复合相机矩阵原点位置。在复合相机矩阵中，相机数量越多，待检测物三维空间坐标越为准确，但是同时也会造成成本增加，资源浪费。图2所示的实施例采用5个CCD相机构成复合相机矩阵，其中CCD01为单目视觉***中的CCD相机，两个CCD02为第一个双目视觉***中的两个CCD相机，两个CCD03为第二个双目视觉***中的两个CCD相机。这样的好处在于：在保证获取待测样品三维空间坐标准确性的前提下，采用尽可能少的CCD相机，可以有效的节约***成本及资源。
本步骤通过采集待测样品的第一图像以便于计算待测样品的第一空间位置信息，即待测样品的三维空间位置。
步骤2、调整复合视觉矩阵的拍摄角度对便携式近红外光谱仪进行图像采集；
具体地，对复合视觉矩阵进行拍摄角度调整，采集便携式近红外光谱仪的第二图像，以便于计算便携式近红外光谱仪的第二空间位置信息，即便携式近红外光谱仪的三维空间位置信息。
步骤3、根据采集的图像并基于复合视觉定位算法分别计算所述待测样品的第一空间位置信息以及便携式近红外光谱仪的第二空间位置信息；
复合视觉***中的双目视觉***中两个摄像机从不同角度，同时拍摄同一物体的两幅图像，并进行空间匹配，再结合两个摄像机之间的空间位置关系计算得到的该物体的空间三维信息。
具体地，对于待测样品的第一图像，其复合视觉定位的具体步骤为：
步骤311、分别对双目视觉***中的每个CCD相机使用棋盘格进行标定，得到畸变校正参数；
步骤312、在各CCD相机上固定靶标点，基于Optitrack室内定位***得到各CCD相机坐标系相对全局坐标系位姿；
步骤313、使用软触发同步采集待测样品的第一图像；
步骤314、使用连通域分析方法得到第一所述图像中待测样品的位置；
步骤315、根据所述第一图像中待测样品的位置计算待测样品相对于各个CCD相机的方位；
步骤316、基于角度前方交会算法得到所述待测样品的第一空间位置信息。
对于便携式近红外光谱仪的第二图像，其复合视觉定位的具体步骤为：
步骤321、分别对双目视觉***中的每个CCD相机使用棋盘格进行标定，得到畸变校正参数；
步骤322、在各CCD相机上固定靶标点，基于Optitrack室内定位***得到各CCD相机坐标系相对全局坐标系位姿；
步骤323、使用软触发同步采集便携式近红外光谱仪的第二图像；
步骤324、使用连通域分析方法得到第二所述图像中便携式近红外光谱仪的位置；
步骤325、根据所述第二图像中便携式近红外光谱仪的位置计算待测样品相对于各个CCD相机的方位；
步骤326、基于角度前方交会算法得到所述便携式近红外光谱仪的第二空间位置信息。
步骤4、基于所述第一空间位置信息、第二空间位置信息以及调整的拍摄角度计算待测样品与便携式近红外光谱仪之间的精确距离；
本实施例中，步骤4具体包括：根据所述第一空间位置信息计算待测样品与单目视觉***的第一空间距离，根据所述第二空间位置信息计算便携式近红外光谱仪与单目视觉***的第二空间距离，根据所述第一空间距离、第二空间距离以及调整的拍摄角度计算待测样品与便携式近红外光谱仪之间的精确距离。
可以理解，虽然步骤3得到了待测样品的第一空间位置信息以及便携式近红外光谱仪的第二空间位置信息，但由于复合视觉***进行了角度转动，所以该两个三维空间坐标并非在同一三维坐标系，也就是并不能直接进行三维坐标计算进而获取两者之间的精确距离。
本实施例中，设在复合视觉***中待测样品的三维空间坐标为(x1，y1，z1)，便携式近红外光谱仪的三维空间坐标为(x2，y2，z2)，单目视觉***的转动角度为β，则可以计算出待测样品与单目视觉***的第一空间距离a以及便携式近红外光谱仪与单目视觉***的第二空间距离b，其中，所述第一空间距离的计算公式如下：
所述第二空间距离的计算公式如下：
进一步即可计算出待测样品与便携式近红外光谱仪之间的精确空间距离c为：
步骤5、根据待测样品与便携式近红外光谱仪之间的精确距离确定对应的光谱模型，并基于所述光谱模型对待测样品进行检测分析。
在本实施例中，步骤5具体包括：在光谱数据库中预先设置各距离范围对应的光谱模型；在得到待测样品与便携式近红外光谱仪之间的精确距离后，确定所述精确距离对应的距离范围，并根据所述距离范围确定与其对应的光谱模型。
可以理解，为了最大程度的提高光谱预测准确率，在光谱数据库中最好包括各个距离对应的光谱模型用于调用进行光谱检测分析，但如此细分数据会造成数据量极大，且在某个距离范围内，光谱模型的预测能力差异较小，所以本实施例选用预设范围对待测样品与光谱仪之间的距离进行划分，当所述精确距离在某个距离范围内则调用对应的光谱模型进行检测分析，进而可以在保证预测分析能力的前提下有效减小光谱数据量，提升预测效率。
基于上述技术方案，本实施例还提出一种基于复合视觉的近红外检测***，如图3所示，包括：
复合视觉矩阵，用于对待测样品进行图像采集，以及调整拍摄角度后对便携式近红外光谱仪进行图像采集；所述复合视觉矩阵包括一个单目视觉***和多个双目视觉***；
计算单元，用于根据采集的图像并基于复合视觉定位算法分别计算所述待测样品的第一空间位置信息以及便携式近红外光谱仪的第二空间位置信息；以及基于所述第一空间位置信息、第二空间位置信息以及调整的拍摄角度计算待测样品与便携式近红外光谱仪之间的精确距离；
确定单元，用于根据待测样品与便携式近红外光谱仪之间的精确距离确定对应的光谱模型，并基于所述光谱模型对待测样品进行检测分析。
可以理解，由于本发明实施例所述的基于复合视觉的近红外检测***是用于实现实施例所述的基于复合视觉的近红外检测方法的***，对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的较为简单，相关之处参见方法的部分说明即可。
Claims (7)
1.基于复合视觉的近红外检测方法，其特征在于，包括以下步骤：
步骤1、构建复合视觉矩阵对待测样品进行图像采集，所述复合视觉矩阵包括一个单目视觉***和多个双目视觉***，所述单目视觉***中包括一个CCD相机，所述双目视觉***中包括两个CCD相机，所述复合视觉矩阵中的各CCD相机呈一字或十字排列，所述单目视觉***位于复合视觉矩阵的中心点，单目视觉***为复合视觉矩阵的坐标系原点；
步骤2、调整复合视觉矩阵的拍摄角度对便携式近红外光谱仪进行图像采集；
步骤3、根据采集的图像并基于复合视觉定位算法分别计算所述待测样品的第一空间位置信息以及便携式近红外光谱仪的第二空间位置信息；
步骤4、基于所述第一空间位置信息、第二空间位置信息以及调整的拍摄角度计算待测样品与便携式近红外光谱仪之间的精确距离；具体包括：
根据所述第一空间位置信息计算待测样品与单目视觉***的第一空间距离，根据所述第二空间位置信息计算便携式近红外光谱仪与单目视觉***的第二空间距离，根据所述第一空间距离、第二空间距离以及调整的拍摄角度计算待测样品与便携式近红外光谱仪之间的精确距离；所述精确距离的计算公式如下：
其中，c表示精确距离，a表示第一空间距离，b表示第二空间距离，β表示调整的拍摄角度；
步骤5、根据待测样品与便携式近红外光谱仪之间的精确距离确定对应的光谱模型，并基于所述光谱模型对待测样品进行检测分析。
2.如权利要求1所述的基于复合视觉的近红外检测方法，其特征在于，步骤3中，所述根据采集的图像并基于复合视觉定位算法分别计算所述待测样品的第一空间位置信息，具体包括：
步骤311、分别对双目视觉***中的每个CCD相机使用棋盘格进行标定，得到畸变校正参数；
步骤312、在各CCD相机上固定靶标点，基于Optitrack室内定位***得到各CCD相机坐标系相对全局坐标系位姿；
步骤313、使用软触发同步采集待测样品的第一图像；
步骤314、使用连通域分析方法得到第一所述图像中待测样品的位置；
步骤315、根据所述第一图像中待测样品的位置计算待测样品相对于各个CCD相机的方位；
步骤316、基于角度前方交会算法得到所述待测样品的第一空间位置信息。
3.如权利要求1所述的基于复合视觉的近红外检测方法，其特征在于，步骤3中，所述根据采集的图像并基于复合视觉定位算法分别计算所述便携式近红外光谱仪的第二空间位置信息，具体包括：
步骤321、分别对双目视觉***中的每个CCD相机使用棋盘格进行标定，得到畸变校正参数；
步骤322、在各CCD相机上固定靶标点，基于Optitrack室内定位***得到各CCD相机坐标系相对全局坐标系位姿；
步骤323、使用软触发同步采集便携式近红外光谱仪的第二图像；
步骤324、使用连通域分析方法得到第二所述图像中便携式近红外光谱仪的位置；
步骤325、根据所述第二图像中便携式近红外光谱仪的位置计算待测样品相对于各个CCD相机的方位；
步骤326、基于角度前方交会算法得到所述便携式近红外光谱仪的第二空间位置信息。
4.如权利要求1所述的基于复合视觉的近红外检测方法，其特征在于，所述第一空间距离的计算公式如下：
所述第二空间距离的计算公式如下：
其中，a表示第一空间距离，b表示第二空间距离，(x1，y1，z1)表示第一空间位置信息对应的三维空间坐标，(x2，y2，z2)表示第二空间位置信息对应的三维空间坐标。
5.如权利要求1所述的基于复合视觉的近红外检测方法，其特征在于，步骤5中，所述根据待测样品与便携式近红外光谱仪之间的精确距离确定对应的光谱模型，具体包括：
在光谱数据库中预先设置各距离范围对应的光谱模型；
在得到待测样品与便携式近红外光谱仪之间的精确距离后，确定所述精确距离对应的距离范围，并根据所述距离范围确定与其对应的光谱模型。
6.如权利要求1所述的基于复合视觉的近红外检测方法，其特征在于，所述复合视觉矩阵中的双目视觉***的数量为两个。
7.基于复合视觉的近红外检测***，其特征在于，包括：
复合视觉矩阵，用于对待测样品进行图像采集，以及调整拍摄角度后对便携式近红外光谱仪进行图像采集；所述复合视觉矩阵包括一个单目视觉***和多个双目视觉***，所述单目视觉***中包括一个CCD相机，所述双目视觉***中包括两个CCD相机，所述复合视觉矩阵中的各CCD相机呈一字或十字排列，所述单目视觉***位于复合视觉矩阵的中心点，单目视觉***为复合视觉矩阵的坐标系原点；
计算单元，用于根据采集的图像并基于复合视觉定位算法分别计算所述待测样品的第一空间位置信息以及便携式近红外光谱仪的第二空间位置信息；以及基于所述第一空间位置信息、第二空间位置信息以及调整的拍摄角度计算待测样品与便携式近红外光谱仪之间的精确距离；具体包括：
根据所述第一空间位置信息计算待测样品与单目视觉***的第一空间距离，根据所述第二空间位置信息计算便携式近红外光谱仪与单目视觉***的第二空间距离，根据所述第一空间距离、第二空间距离以及调整的拍摄角度计算待测样品与便携式近红外光谱仪之间的精确距离；所述精确距离的计算公式如下：
其中，c表示精确距离，a表示第一空间距离，b表示第二空间距离，β表示调整的拍摄角度；
确定单元，用于根据待测样品与便携式近红外光谱仪之间的精确距离确定对应的光谱模型，并基于所述光谱模型对待测样品进行检测分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111465250.9A CN114112989B (zh) | 2021-12-03 | 2021-12-03 | 基于复合视觉的近红外检测方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111465250.9A CN114112989B (zh) | 2021-12-03 | 2021-12-03 | 基于复合视觉的近红外检测方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114112989A CN114112989A (zh) | 2022-03-01 |
| CN114112989B true CN114112989B (zh) | 2023-07-11 |
Family
ID=80365909
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111465250.9A Active CN114112989B (zh) | 2021-12-03 | 2021-12-03 | 基于复合视觉的近红外检测方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114112989B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105699318A (zh) * | 2014-11-24 | 2016-06-22 | 严红兵 | 种子单籽粒无损检测方法及*** |
| CN111855595A (zh) * | 2020-08-24 | 2020-10-30 | 四川长虹电器股份有限公司 | 一种基于黑白校准板的光谱数据校准方法 |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7738095B2 (en) * | 2003-07-18 | 2010-06-15 | Chemimage Corporation | Method and apparatus for compact spectrometer for detecting hazardous agents |
| CN102184288B (zh) * | 2011-05-05 | 2012-12-19 | 北京航空航天大学 | 一种针对红外成像***的全数字仿真***及其仿真方法 |
| US8963089B2 (en) * | 2011-06-28 | 2015-02-24 | Otsuka Pharmaceutical Co., Ltd. | Drug detection device and drug detection method |
| US9494567B2 (en) * | 2012-12-31 | 2016-11-15 | Omni Medsci, Inc. | Near-infrared lasers for non-invasive monitoring of glucose, ketones, HBA1C, and other blood constituents |
| CN103411906B (zh) * | 2013-08-23 | 2015-10-14 | 中国检验检疫科学研究院 | 珍珠粉和贝壳粉的近红外光谱定性鉴别方法 |
| CN104111234A (zh) * | 2014-07-29 | 2014-10-22 | 中国农业大学 | 基于近红外光谱技术的生物质基础特性在线检测方法及装置 |
| CN104568815A (zh) * | 2014-12-31 | 2015-04-29 | 中国肉类食品综合研究中心 | 生鲜牛肉中挥发性盐基氮含量的快速无损检测方法 |
| CN106442396A (zh) * | 2016-08-26 | 2017-02-22 | 广西壮族自治区产品质量检验研究院 | 基于近红外技术的甘蔗渣蔗糖含量快检方法 |
| CN106965939A (zh) * | 2017-03-17 | 2017-07-21 | 中国民航大学 | 一种基于近红外多光谱残冰检测的多相机图像采集装置 |
| CN107462528B (zh) * | 2017-08-02 | 2020-04-21 | 塔里木大学 | 一种多通道光谱检测红枣品质的方法 |
| CN107894408B (zh) * | 2017-11-24 | 2021-04-13 | 中国农业科学院油料作物研究所 | 一种基于近红外光谱仪的食用油多元掺伪鉴别方法 |
| CN110632021A (zh) * | 2019-10-17 | 2019-12-31 | 四川长虹电器股份有限公司 | 基于便携式近红外光谱仪的光谱检测方法及*** |
| CN111380833B (zh) * | 2020-03-11 | 2024-02-06 | 惠仁康宁(苏州)健康科技有限公司 | 基于多目视觉的除杂*** |
| CN111563436B (zh) * | 2020-04-28 | 2022-04-08 | 东北大学秦皇岛分校 | 一种基于ct-cdd的红外光谱测量仪器标定迁移方法 |
| CN111879725B (zh) * | 2020-08-24 | 2022-02-01 | 四川长虹电器股份有限公司 | 一种基于权重系数的光谱数据修正方法 |
-
2021
- 2021-12-03 CN CN202111465250.9A patent/CN114112989B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105699318A (zh) * | 2014-11-24 | 2016-06-22 | 严红兵 | 种子单籽粒无损检测方法及*** |
| CN111855595A (zh) * | 2020-08-24 | 2020-10-30 | 四川长虹电器股份有限公司 | 一种基于黑白校准板的光谱数据校准方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114112989A (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110517216B (zh) | 一种基于多类型相机的slam融合方法及其*** | |
| CN113359097B (zh) | 一种毫米波雷达和相机联合标定的方法 | |
| CN105716542B (zh) | 一种基于柔性特征点的三维数据拼接方法 | |
| CN107635129B (zh) | 一种三维三目摄像装置及深度融合方法 | |
| CN109341668B (zh) | 基于折射投影模型和光束追踪法的多相机测量方法 | |
| CN107560592B (zh) | 一种用于光电跟踪仪联动目标的精确测距方法 | |
| CN106971408B (zh) | 一种基于时空转换思想的摄像机标定方法 | |
| CN109559348A (zh) | 一种基于特征点追踪的桥梁非接触式变形测量方法 | |
| CN105741379A (zh) | 一种变电站全景巡检方法 | |
| CN111288967A (zh) | 一种基于机器视觉的远距离高精度位移检测方法 | |
| CN107092905B (zh) | 一种电力巡检机器人的待识别仪器定位方法 | |
| CN114323571A (zh) | 一种光电瞄准***多光轴一致性检测方法 | |
| CN112946679B (zh) | 一种基于人工智能的无人机测绘果冻效应检测方法及*** | |
| CN108596117B (zh) | 一种基于二维激光测距仪阵列的场景监控方法 | |
| CN109712188A (zh) | 一种目标跟踪方法及装置 | |
| CN111289111B (zh) | 自标校红外体温快速检测方法及检测装置 | |
| CN112215903A (zh) | 一种基于超声波和光流法检测河流流速的方法及装置 | |
| CN114529610A (zh) | 一种基于rgb-d相机的毫米波雷达数据标注方法 | |
| CN116071424A (zh) | 基于单目视觉的果实空间坐标定位方法 | |
| CN113850868B (zh) | 一种波浪爬高图像识别方法 | |
| CN101726316A (zh) | 内方位元素及畸变测试仪 | |
| CN114112989B (zh) | 基于复合视觉的近红外检测方法及*** | |
| CN106500577A (zh) | 一种医用直线加速器多页光栅位置检测方法 | |
| CN201277864Y (zh) | 内方位元素及畸变测试仪 | |
| CN214410073U (zh) | 一种工业相机与深度相机结合的三维检测定位*** |
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 |