CN117589633B - 一种粮食杂质检测装置及方法 - Google Patents
一种粮食杂质检测装置及方法 Download PDFInfo
- Publication number
- CN117589633B CN117589633B CN202410077452.3A CN202410077452A CN117589633B CN 117589633 B CN117589633 B CN 117589633B CN 202410077452 A CN202410077452 A CN 202410077452A CN 117589633 B CN117589633 B CN 117589633B
- Authority
- CN
- China
- Prior art keywords
- impurity
- weight
- grain
- determining
- impurities
- 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
- 239000012535 impurity Substances 0.000 title claims abstract description 219
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims description 17
- 238000001914 filtration Methods 0.000 claims abstract description 70
- 230000005484 gravity Effects 0.000 claims abstract description 10
- 238000007689 inspection Methods 0.000 abstract description 3
- 235000013339 cereals Nutrition 0.000 description 125
- 238000005070 sampling Methods 0.000 description 4
- 239000004744 fabric Substances 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
- 235000020985 whole grains Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
- G01N5/04—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by removing a component, e.g. by evaporation, and weighing the remainder
Landscapes
- Physics & Mathematics (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)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本申请涉及粮食检测技术领域，公开了一种粮食杂质检测装置及方法，旨在解决现有粮食杂质检测方式存在准确性较差的问题，方案主要包括：过滤部件依靠粮食重力对其上方流动粮食中的第一杂质进行过滤；第一重量传感器实时检测过滤部件上方经过第一杂质过滤后的粮食的第一重量；杂质收集部件收集过滤部件下方过滤出的第一杂质；第二重量传感器实时检测第一杂质的第二重量；图像采集器实时采集过滤部件上方经过第一杂质过滤后的粮食的样本图像；控制器根据样本图像确定粮食中第二杂质的第三重量，并根据第一重量、第二重量和第三重量确定粮食的杂质率。本申请减少了现场检测人员劳动强度，并且提高了粮食杂质含量检测的准确性，适用于粮食质量检验。
Description
技术领域
本申请涉及粮食检测技术领域，具体涉及一种粮食杂质检测装置及方法。
背景技术
粮食质量检验是粮食入库前的第一道门槛，准确判定粮食质量是确保储粮安全和科学管理的前提。杂质含量是评定粮食质量的一个重要指标，杂质含量会直接影响粮食的收购价格以及是否满足收购条件。
传统的杂质检测方法一般采用定点扦样检测的方式，即从一批粮食中定点抽取其中的一部分粮食组成粮食样本，然后对粮食样本中的所有单体粮食逐个进行检验，然后根据粮食样本的检验结果判断该批粮食的杂质含量。这种方式操作流程复杂，费时费力，而且由于杂质分布不一定很均匀以及扦样位置等因素的影响，使得测量结果不一定能够准确的评估整个粮食的杂质水平。
发明内容
本申请旨在解决现有粮食杂质检测方式存在费时费力以及准确性较差的问题，提出另一种粮食杂质检测装置及方法。
本申请解决上述技术问题所采用的技术方案是：
第一方面，本申请提供一种粮食杂质检测装置，所述装置包括：
过滤部件，用于依靠粮食重力对其上方流动粮食中的第一杂质进行过滤；
第一重量传感器，用于实时检测过滤部件上方经过第一杂质过滤后的粮食的第一重量；
杂质收集部件，用于收集过滤部件下方过滤出的第一杂质；
第二重量传感器，用于实时检测过滤部件过滤出的第一杂质的第二重量；
图像采集器，用于实时采集过滤部件上方经过第一杂质过滤后的粮食的样本图像；
控制器，用于根据所述样本图像确定粮食中第二杂质的第三重量，并根据所述第一重量、第二重量和第三重量确定粮食的杂质率。
进一步地，所述过滤部件包括支撑架以及倾斜设置在所述支撑架上的筛网，所述第一重量传感器设置在支撑架下方。
进一步地，所述杂质收集部件设置在筛网下方并悬空固定于支架内，所述第二重量传感器设置在杂质收集部件的下方。
进一步地，根据所述样本图像确定粮食中第二杂质的第三重量，具体包括：
根据预先训练的杂质识别模型在样本图像中识别出粮食图像和杂质图像；
在样本图像中确定粮食轮廓所形成区域的第一像素面积，并分别在各杂质图像中确定杂质轮廓所形成区域的第二像素面积；
根据所述第一重量、第一像素面积和第二像素面积确定粮食中第二杂质的第三重量。
进一步地，根据所述第一重量、第一像素面积和第二像素面积确定粮食中第二杂质的第三重量，具体包括：
确定样本图像中所有粮食图像的第一像素面积和以及所有杂质图像的第二像素面积和，并确定第一像素面积和与第二像素面积和的像素面积总和；
根据第一像素面积和与像素面积总和的比值确定粮食中第二杂质的质量占比；
根据所述第一重量和质量占比确定粮食中第二杂质的第三重量。
进一步地，所述杂质率的计算公式如下：
；
其中，表示杂质率，/>表示第一重量，/>表示第二重量，/>表示第三重量。
第二方面，本申请提供一种粮食杂质检测方法，所述方法包括：
通过过滤部件依靠粮食重力对其上方流动粮食中的第一杂质进行过滤，并实时检测过滤部件上方经过第一杂质过滤后的粮食的第一重量；
通过杂质收集部件收集过滤部件下方过滤出的第一杂质，并实时检测过滤部件过滤出的第一杂质的第二重量；
实时采集过滤部件上方经过第一杂质过滤后的粮食的样本图像，根据所述样本图像确定粮食中第二杂质的第三重量，并根据所述第一重量、第二重量和第三重量确定粮食的杂质率。
进一步地，根据所述样本图像确定粮食中第二杂质的第三重量，具体包括：
根据预先训练的杂质识别模型在样本图像中识别出粮食图像和杂质图像；
在样本图像中确定粮食轮廓所形成区域的第一像素面积，并分别在各杂质图像中确定杂质轮廓所形成区域的第二像素面积；
根据所述第一重量、第一像素面积和第二像素面积确定粮食中第二杂质的第三重量。
进一步地，根据所述第一重量、第一像素面积和第二像素面积确定粮食中第二杂质的第三重量，具体包括：
确定样本图像中所有粮食图像的第一像素面积和以及所有杂质图像的第二像素面积和，并确定第一像素面积和与第二像素面积和的像素面积总和；
根据第一像素面积和与像素面积总和的比值确定粮食中第二杂质的质量占比；
根据所述第一重量和质量占比确定粮食中第二杂质的第三重量。
进一步地，所述杂质率的计算公式如下：
；
其中，表示杂质率，/>表示第一重量，/>表示第二重量，/>表示第三重量。
本申请的有益效果是：本申请提供的粮食杂质检测装置及方法，当粮食流动在过滤部件上方时，即可自动检测粮食中的第一杂质和第二杂质的重量，通过第一杂质和第二杂质的重量和以及包含杂质的粮食的总重量，即可确定粮食的杂质含量，本申请能够实时的在线检测粮食中的杂质含量，能够极大减少现场检测人员劳动强度，并且能够对整个粮食的杂质含量进行更准确的评估。
附图说明
图1为本申请实施例提供的一种粮食杂质检测装置的结构示意图；
图2为本申请实施例提供的一种粮食杂质检测方法的流程示意图；
附图标记说明：
11-支撑架，12-筛网；2-第一重量传感器；3-杂质收集部件； 4-第二重量传感器；5-图像采集器。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
在本申请的说明书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
本申请实施例的技术方案适用于需要对粮食进行杂质含量检测的应用场景中，例如稻类粮食、麦类粮食、豆类粮食或粗粮类粮食。
由于目前粮食的杂质含量检测基本是通过扦样检测，这种方式不仅操作流程复杂，费时费力，而且由于杂质分布不一定很均匀以及扦样位置等因素的影响，使得粮食的杂质含量检测的准确性较差。
基于此，提出本申请的技术方案，在本申请实施例中，通过过滤部件依靠粮食重力对其上方流动粮食中的第一杂质进行过滤，并通过第一重量传感器实时检测过滤部件上方经过第一杂质过滤后的粮食的第一重量；通过杂质收集部件收集过滤部件下方过滤出的第一杂质，并通过第二重量传感器实时检测过滤部件过滤出的第一杂质的第二重量；通过图像采集器实时采集过滤部件上方经过第一杂质过滤后的粮食的样本图像，通过控制器根据所述样本图像确定粮食中第二杂质的第三重量，并根据所述第一重量、第二重量和第三重量确定粮食的杂质率。
具体而言，在粮食重力作用下，粮食在过滤部件上方流动，粮食中的第一杂质被过滤至过滤部件的下方，第一杂质由杂质收集部件进行收集，并通过第二重量传感器进行称重获得第一杂质的第二重量，其中，第一杂质即能够被筛网过滤的杂质，过滤部件的上方保留粮食和第二杂质，第二杂质即不能被筛网过滤的杂质，由第一重量传感器进行称重获得粮食和第二杂质的第一重量，并通过图像采集器采集样本图像，控制器对采集获得的样本图像进行图像识别，并确定其中第二杂质的第三重量，最后根据第一重量、第二重量和第三重量即可确定粮食的杂质率。在实际应用时，检测人员只需将粮食以一定流量放置在过滤部件上方，即可实现对流过的粮食自动进行杂质含量检测，实现对粮食杂质含量进行实时在线检测，减少了现场检测人员劳动强度，并且提高了粮食杂质含量检测的准确性。
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。
请参阅图1，本申请实施例提供的粮食杂质检测装置，包括过滤部件、杂质收集部件3、第一重量传感器2、第二重量传感器4、图像采集器5和控制器。其中，第一重量传感器2、第二重量传感器4和图像采集器5与控制器电性连接。
在本申请实施例中，过滤部件用于依靠粮食重力对其上方流动的粮食进行第一杂质过滤，过滤部件可以包括支撑架11以及倾斜设置在支撑架上的筛网12，筛网12上设置有许多孔径小于粮食颗粒的筛孔。杂质收集部件3用于收集过滤部件下方过滤出的第一杂质，第一杂质即能够被筛网过滤的杂质，例如筛下物以及能被筛网过滤的有机杂质或无机杂质。杂质收集部件3设置在筛网12下方并悬空固定于支撑架11内。
在本申请实施例中，第一重量传感器2设置在支撑架11的下方，用于实时检测过滤部件上方经过第一杂质过滤后的粮食的第一重量，即粮食和第二杂质的总重量，并将其发送至控制器。第二重量传感器4设置在杂质收集部件3的下方，用于实时检测过滤部件过滤出的第一杂质的第二重量，并将其发送至控制器。图像采集器5用于实时采集过滤部件上方经过第一杂质过滤后的粮食的样本图像，并将其发送至控制器，图像采集器5可以为设置在筛网12上方的相机。
请参阅图2，基于上述检测装置，本申请实施例提供的粮食杂质检测方法，包括以下步骤：
步骤201、通过过滤部件依靠粮食重力对其上方流动粮食中的第一杂质进行过滤，并实时检测过滤部件上方经过第一杂质过滤后的粮食的第一重量；
在实际应用时，检测人员将粮食以一定流量放置在过滤部件上方，粮食在重力作用下流经倾斜的筛网时，通过筛网实现对粮食中第一杂质的过滤。过滤后的粮食仍位于筛网上方，此时通过支撑架下方的第一重量传感器检测第一重量并将其发送至控制器，第一重量即过滤后的粮食重量，过滤后的粮食中可能包含第二杂质，即不能被筛网过滤的杂质。
步骤202、通过杂质收集部件收集过滤部件下方过滤出的第一杂质，并实时检测过滤部件过滤出的第一杂质的第二重量；
在通过筛网对粮食进行过滤的过程中，第一杂质落入筛网下方的杂质收集部件中进行收集，此时通过杂质收集部件下方的第二重量传感器检测第二重量并将其发送至控制器，第二重量即由筛网过滤出的第一杂质的重量。
步骤203、实时采集过滤部件上方经过杂质过滤后的粮食的样本图像，根据所述样本图像确定粮食中第二杂质的第三重量，并根据所述第一重量、第二重量和第三重量确定粮食的杂质率。
设置在筛网上方的图像采集器实时采集过滤后粮食的样本图像并将其发送至控制器，该样本图像中包含粮食，还可能包含第二杂质，即不能被筛网过滤的杂质，例如不能被筛网过滤的有机杂质或无机杂质。
控制器根据收到的样本图像确定第二杂质的第三重量，具体包括以下步骤：
步骤2031、根据预先训练的杂质识别模型在样本图像中识别出粮食图像和杂质图像；
在实际应用时，可以收集粮食的多种第二杂质并对其进行逐粒图像采集，将获得的杂质图像进行图像预处理后作为负样本图像，然后获取多个粮食图像，并将获得的粮食图像进行图像预处理后作为正样本图像，最后根据正样本图像和负样本图像训练深度学习模型，获得杂质识别模型。将样本图像输入值杂质识别模型中，即可确定样本图像中的粮食和第二杂质，实现对粮食中第二杂质的分类。
步骤2032、在样本图像中确定粮食轮廓所形成区域的第一像素面积，并分别在各杂质图像中确定杂质轮廓所形成区域的第二像素面积；
在实际应用时，在确定粮食图像和杂质图像后，可以根据图像中目标物体的轮廓所形成区域内的像素点个数确定对应的像素面积，针对粮食图像确定对应的第一像素面积，针对杂质图像确定对应的第二像素面积。
步骤2033、根据所述第一重量、第一像素面积和第二像素面积确定粮食中第二杂质的第三重量。
通常情况下，单体图像中目标物体的轮廓所形成区域的像素面积越大，则对应的目标物体也越重。基于此，本申请实施例先确定所有第二杂质的轮廓所形成区域的第二像素面积和，再确定所有粮食以及第二杂质的杂质轮廓所形成区域的像素面积总和，最后根据第二像素面积和与像素面积总和的比值并结合相关系数即可估算出粮食中第二杂质的质量占比，第一质量与质量占比的积即为粮食中第二杂质的第三重量。
在控制器获得第一重量、第二重量和第三重量后，即可计算获得粮食的杂质率，计算公式如下：
；
其中，表示杂质率，/>表示第一重量，/>表示第二重量，/>表示第三重量。
综上所述，本申请实施例提供的粮食杂质检测装置及方法，当粮食流动在过滤部件上方时，即可自动检测粮食中的第一杂质和第二杂质的重量，通过第一杂质和第二杂质的重量和以及包含杂质的粮食的总重量，即可确定粮食的杂质含量。在实际应用时，检测人员只需将粮食以一定流量放置在过滤部件上方，即可实现对流过的粮食自动进行杂质含量检测，实现对粮食杂质含量进行实时在线检测，减少了现场检测人员劳动强度，并且提高了粮食杂质含量检测的准确性。
Claims (8)
1.一种粮食杂质检测装置，其特征在于，所述装置包括：
过滤部件，用于依靠粮食重力对其上方流动粮食中的第一杂质进行过滤；
第一重量传感器，用于实时检测过滤部件上方经过第一杂质过滤后的粮食的第一重量；
所述过滤部件包括支撑架以及倾斜设置在所述支撑架上的筛网，所述第一重量传感器设置在支撑架下方；
杂质收集部件，用于收集过滤部件下方过滤出的第一杂质；
第二重量传感器，用于实时检测过滤部件过滤出的第一杂质的第二重量；
所述杂质收集部件设置在筛网下方并悬空固定于支撑架内，所述第二重量传感器设置在杂质收集部件的下方；
图像采集器，用于实时采集过滤部件上方经过第一杂质过滤后的粮食的样本图像；
控制器，用于根据所述样本图像确定粮食中第二杂质的第三重量，并根据所述第一重量、第二重量和第三重量确定粮食的杂质率。
2.根据权利要求1所述的粮食杂质检测装置，其特征在于，根据所述样本图像确定粮食中第二杂质的第三重量，具体包括：
根据预先训练的杂质识别模型在样本图像中识别出粮食图像和杂质图像；
在样本图像中确定粮食轮廓所形成区域的第一像素面积，并分别在各杂质图像中确定杂质轮廓所形成区域的第二像素面积；
根据所述第一重量、第一像素面积和第二像素面积确定粮食中第二杂质的第三重量。
3.根据权利要求2所述的粮食杂质检测装置，其特征在于，根据所述第一重量、第一像素面积和第二像素面积确定粮食中第二杂质的第三重量，具体包括：
确定样本图像中所有粮食图像的第一像素面积和以及所有杂质图像的第二像素面积和，并确定第一像素面积和与第二像素面积和的像素面积总和；
根据第一像素面积和与像素面积总和的比值确定粮食中第二杂质的质量占比；
根据所述第一重量和质量占比确定粮食中第二杂质的第三重量。
4.根据权利要求1所述的粮食杂质检测装置，其特征在于，所述杂质率的计算公式如下：
；
其中，表示杂质率，/>表示第一重量，/>表示第二重量，/>表示第三重量。
5.一种粮食杂质检测方法，其特征在于，应用于如权利要求1至4任一项所述的粮食杂质检测装置，所述方法包括：
通过过滤部件依靠粮食重力对其上方流动粮食中的第一杂质进行过滤，并实时检测过滤部件上方经过第一杂质过滤后的粮食的第一重量；
通过杂质收集部件收集过滤部件下方过滤出的第一杂质，并实时检测过滤部件过滤出的第一杂质的第二重量；
实时采集过滤部件上方经过第一杂质过滤后的粮食的样本图像，根据所述样本图像确定粮食中第二杂质的第三重量，并根据所述第一重量、第二重量和第三重量确定粮食的杂质率。
6.根据权利要求5所述的粮食杂质检测方法，其特征在于，根据所述样本图像确定粮食中第二杂质的第三重量，具体包括：
根据预先训练的杂质识别模型在样本图像中识别出粮食图像和杂质图像；
在样本图像中确定粮食轮廓所形成区域的第一像素面积，并分别在各杂质图像中确定杂质轮廓所形成区域的第二像素面积；
根据所述第一重量、第一像素面积和第二像素面积确定粮食中第二杂质的第三重量。
7.根据权利要求6所述的粮食杂质检测方法，其特征在于，根据所述第一重量、第一像素面积和第二像素面积确定粮食中第二杂质的第三重量，具体包括：
确定样本图像中所有粮食图像的第一像素面积和以及所有杂质图像的第二像素面积和，并确定第一像素面积和与第二像素面积和的像素面积总和；
根据第一像素面积和与像素面积总和的比值确定粮食中第二杂质的质量占比；
根据所述第一重量和质量占比确定粮食中第二杂质的第三重量。
8.根据权利要求5所述的粮食杂质检测方法，其特征在于，所述杂质率的计算公式如下：
；
其中，表示杂质率，/>表示第一重量，/>表示第二重量，/>表示第三重量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410077452.3A CN117589633B (zh) | 2024-01-19 | 2024-01-19 | 一种粮食杂质检测装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410077452.3A CN117589633B (zh) | 2024-01-19 | 2024-01-19 | 一种粮食杂质检测装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117589633A CN117589633A (zh) | 2024-02-23 |
| CN117589633B true CN117589633B (zh) | 2024-04-16 |
Family
ID=89910268
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410077452.3A Active CN117589633B (zh) | 2024-01-19 | 2024-01-19 | 一种粮食杂质检测装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117589633B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117816544B (zh) * | 2024-03-04 | 2024-05-31 | 中储粮成都储藏研究院有限公司 | 自适应可控粮食杂质清理装置及清理方法 |
| CN117842727B (zh) * | 2024-03-05 | 2024-06-04 | 中储粮成都储藏研究院有限公司 | 用于平房仓的粮食清理入仓一体化设备 |
| CN117864707B (zh) * | 2024-03-11 | 2024-05-28 | 中储粮成都储藏研究院有限公司 | 一种粮食流量检测装置及方法 |
| CN117902338B (zh) * | 2024-03-20 | 2024-05-28 | 中储粮成都储藏研究院有限公司 | 平房仓粮食进仓自动控制*** |
| CN117945145B (zh) * | 2024-03-27 | 2024-06-14 | 山西迎才物流设备科技有限公司 | 一种杆件堆垛装置及其堆垛方法 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008241618A (ja) * | 2007-03-28 | 2008-10-09 | Gunma Univ | カンチレバー型センサ |
| CN104749067A (zh) * | 2015-04-15 | 2015-07-01 | 安徽古井贡酒股份有限公司 | 一种酿酒稻壳杂质含量的检验方法 |
| US9410387B1 (en) * | 2015-03-23 | 2016-08-09 | Shijiazhuang Shengshitiancheng Info Technology Co. Ltd. | Automatic rock debris catching and washing apparatus |
| CN207114354U (zh) * | 2017-08-29 | 2018-03-16 | 深圳市龙洋兴粮油供应有限公司 | 粮食质量检测装置 |
| CN208239245U (zh) * | 2018-06-20 | 2018-12-14 | 苏州越楚吞吴网络科技有限公司 | 一种沙石料检测装置 |
| CN109530267A (zh) * | 2019-01-07 | 2019-03-29 | 山东泓盛智能科技有限公司 | 粮食质量智能化定等检验***及其检验方法 |
| CN208721213U (zh) * | 2018-06-14 | 2019-04-09 | 扬州宝达橡塑制品有限公司 | 一种用于粮食收购的称重装置 |
| CN109769459A (zh) * | 2019-01-22 | 2019-05-21 | 雷沃重工股份有限公司 | 一种车载测产方法及装置、测产网络*** |
| CN209452323U (zh) * | 2019-01-07 | 2019-10-01 | 山东泓盛智能科技有限公司 | 粮食质量智能化定等检验*** |
| CN110333162A (zh) * | 2019-07-12 | 2019-10-15 | 中冶长天国际工程有限责任公司 | 一种烧结混合料水分和粒度组成的检测方法及*** |
| CN111579427A (zh) * | 2020-05-22 | 2020-08-25 | 山东农业大学 | 一种玉米籽粒内部组分密度测量方法及*** |
| CN112525765A (zh) * | 2020-11-20 | 2021-03-19 | 贵州省产品质量检验检测院 | 一种食品检测肉类含水量检测装置 |
| CN113196294A (zh) * | 2018-12-11 | 2021-07-30 | 克莱米特公司 | 使用机器学习方法利用卫星数据来映射土壤属性 |
| CN113426709A (zh) * | 2021-07-21 | 2021-09-24 | 长沙荣业软件有限公司 | 谷料收购智能检测机器人及谷料分类方法 |
| KR102452080B1 (ko) * | 2021-11-30 | 2022-10-07 | 주식회사 아이디알시스템 | 인공지능을 이용한 미곡 등급판정 및 품질관리시스템 및 그 방법 |
| CN218098742U (zh) * | 2022-09-09 | 2022-12-20 | 浙江智谱实业集团有限公司 | 一种谷物容重及杂质检测装置 |
| CN115524254A (zh) * | 2022-09-16 | 2022-12-27 | 云南省农业科学院质量标准与检测技术研究所 | 一种大米水分及质量检测装置 |
| CN116503402A (zh) * | 2023-06-26 | 2023-07-28 | 中储粮成都储藏研究院有限公司 | 一种粮食并肩杂质含量的检测方法及装置 |
| CN220177465U (zh) * | 2023-05-29 | 2023-12-15 | 赛默威(湖北)智能科技有限公司 | 一种全自动粮食待检样品除杂装置 |
-
2024
- 2024-01-19 CN CN202410077452.3A patent/CN117589633B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008241618A (ja) * | 2007-03-28 | 2008-10-09 | Gunma Univ | カンチレバー型センサ |
| US9410387B1 (en) * | 2015-03-23 | 2016-08-09 | Shijiazhuang Shengshitiancheng Info Technology Co. Ltd. | Automatic rock debris catching and washing apparatus |
| CN104749067A (zh) * | 2015-04-15 | 2015-07-01 | 安徽古井贡酒股份有限公司 | 一种酿酒稻壳杂质含量的检验方法 |
| CN207114354U (zh) * | 2017-08-29 | 2018-03-16 | 深圳市龙洋兴粮油供应有限公司 | 粮食质量检测装置 |
| CN208721213U (zh) * | 2018-06-14 | 2019-04-09 | 扬州宝达橡塑制品有限公司 | 一种用于粮食收购的称重装置 |
| CN208239245U (zh) * | 2018-06-20 | 2018-12-14 | 苏州越楚吞吴网络科技有限公司 | 一种沙石料检测装置 |
| CN113196294A (zh) * | 2018-12-11 | 2021-07-30 | 克莱米特公司 | 使用机器学习方法利用卫星数据来映射土壤属性 |
| CN209452323U (zh) * | 2019-01-07 | 2019-10-01 | 山东泓盛智能科技有限公司 | 粮食质量智能化定等检验*** |
| CN109530267A (zh) * | 2019-01-07 | 2019-03-29 | 山东泓盛智能科技有限公司 | 粮食质量智能化定等检验***及其检验方法 |
| CN109769459A (zh) * | 2019-01-22 | 2019-05-21 | 雷沃重工股份有限公司 | 一种车载测产方法及装置、测产网络*** |
| CN110333162A (zh) * | 2019-07-12 | 2019-10-15 | 中冶长天国际工程有限责任公司 | 一种烧结混合料水分和粒度组成的检测方法及*** |
| CN111579427A (zh) * | 2020-05-22 | 2020-08-25 | 山东农业大学 | 一种玉米籽粒内部组分密度测量方法及*** |
| CN112525765A (zh) * | 2020-11-20 | 2021-03-19 | 贵州省产品质量检验检测院 | 一种食品检测肉类含水量检测装置 |
| CN113426709A (zh) * | 2021-07-21 | 2021-09-24 | 长沙荣业软件有限公司 | 谷料收购智能检测机器人及谷料分类方法 |
| KR102452080B1 (ko) * | 2021-11-30 | 2022-10-07 | 주식회사 아이디알시스템 | 인공지능을 이용한 미곡 등급판정 및 품질관리시스템 및 그 방법 |
| CN218098742U (zh) * | 2022-09-09 | 2022-12-20 | 浙江智谱实业集团有限公司 | 一种谷物容重及杂质检测装置 |
| CN115524254A (zh) * | 2022-09-16 | 2022-12-27 | 云南省农业科学院质量标准与检测技术研究所 | 一种大米水分及质量检测装置 |
| CN220177465U (zh) * | 2023-05-29 | 2023-12-15 | 赛默威(湖北)智能科技有限公司 | 一种全自动粮食待检样品除杂装置 |
| CN116503402A (zh) * | 2023-06-26 | 2023-07-28 | 中储粮成都储藏研究院有限公司 | 一种粮食并肩杂质含量的检测方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| Grain storage: methods and measurements;A. Mishra;Quality Assurance and Safety of Crops & Foods;20210915;255-259 * |
| 水稻栽培技术对稻米品质的影响研究;张洪涛;;农家参谋;20190614(第12期);98 * |
| 稻谷收购入库检验的探讨;邹建成;龙红波;;粮食科技与经济;20130415(第02期);25-29 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117589633A (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117589633B (zh) | 一种粮食杂质检测装置及方法 | |
| CN109344894B (zh) | 基于多传感器融合和深度学习的垃圾分类识别方法及装置 | |
| CN105388162B (zh) | 基于机器视觉的原料硅片表面划痕检测方法 | |
| CN106733701B (zh) | 马铃薯多级联合智能缺陷检测***及检测方法 | |
| CN100506401C (zh) | 基于机器视觉的珍珠实时检测和分级*** | |
| CN202421024U (zh) | 大米碎米率在线检测*** | |
| CN101907453B (zh) | 基于机器视觉的块状农产品尺寸在线测量方法与装置 | |
| CN107845090A (zh) | 一种硅片检测方法和硅片检测装置 | |
| CN102494977B (zh) | 大米碎米率在线检测方法和*** | |
| CN106442525B (zh) | 用于核桃内部干瘪缺陷的在线检测方法 | |
| CN107876425A (zh) | 一种基于视觉的轴承缺陷检测***装置 | |
| CN108564577A (zh) | 基于卷积神经网络的太阳能电池片断栅缺陷检测方法 | |
| CN101837351A (zh) | 基于图像检测法的油封弹簧全自动分选***及方法 | |
| CN106934800A (zh) | 一种基于yolo9000网络的金属板带表面缺陷检测方法及装置 | |
| CN105241811A (zh) | 多层次聚焦自动采图方法与*** | |
| CN106371013A (zh) | 一种基于图片识别的gis开关故障自动识别*** | |
| CN111007061A (zh) | 一种农药残留检测方法及*** | |
| CN116503402B (zh) | 一种粮食并肩杂质含量的检测方法及装置 | |
| CN111462058A (zh) | 一种水稻有效穗快速检测方法 | |
| CN106778439A (zh) | 一种基于图像处理的锂电池批量扫码***及方法 | |
| CN106067173A (zh) | 柑橘果实糖度的复杂性测度无损检测方法 | |
| CN110813795B (zh) | 一种化纤丝锭纸筒破损在线检测装置及方法 | |
| CN112067517A (zh) | 一种河湖水体智慧监测方法、设备、***及可读存储介质 | |
| CN109934297B (zh) | 一种基于深度学习卷积神经网络的水稻考种方法 | |
| CN111222360B (zh) | 硅料熔化状态的检测方法、设备及存储介质 |
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 |