-
公开(公告)号：CN104897671B
公开(公告)日：2018-09-11
申请号：CN201510230771.4
申请日：2015-05-07
Applicant: 北京农业智能装备技术研究中心
IPC: G01N21/84
Abstract: 本发明公开一种水果果梗花萼的识别系统，包括：CCD相机、与CCD相机连接的计算机、线阵激光器、传送装置以及至少一个光源；其中，CCD相机与线阵激光器设置在传送装置的中心线上方的相同高度，且CCD相机、线阵激光器与传送装置的中心线构成的平面垂直于传送装置；线阵激光器发出的激光在传送装置上形成的激光线条与传送装置的中心线垂直，且激光线条在CCD相机的正下方；光源，用于向传送装置上的水果提供光照；计算机，用于接收CCD相机采集的水果图像，并根据水果图像，识别水果果梗花萼。本发明的系统克服了机械装置定位方法确定果梗花萼的复杂性，避免了模式识别方法识别果梗花萼所需要的反复训练以及点阵结构光技术复杂的编码解码运算。
-
公开(公告)号：CN104014488B
公开(公告)日：2016-06-08
申请号：CN201410150603.X
申请日：2014-04-15
Applicant: 北京农业智能装备技术研究中心
Abstract: 本发明涉及农业机械领域，尤其涉及一种用于水果无损检测和称重卸料的果杯机构及水果处理系统。该果杯机构包括支撑卡座、爪式拨件、第一支撑导轨、称重导轨组件、第二支撑导轨及至少一对滚轮体，爪式拨件包括托爪和设置在托爪两侧的支撑臂；托爪的爪齿与滚轮体的环形凹槽相配合，果杯机构经过无损检测工位时，滚轮体被抬起并托起水果，并带动水果翻转，在重量测量工位，爪式拨件的支撑臂通过称重导轨组件支撑，在卸果工位，爪式拨件绕浮动铰接组件翻起，可将水果卸下，这样，水果的无损检测、称重及卸料通过本发明的果杯机构均可实现，水果在视觉检测工位、重量检测工位和传输卸果工位之间无缝平稳过渡，水果不会出现机械碰撞损伤。
-
公开(公告)号：CN103697833B
公开(公告)日：2016-03-09
申请号：CN201310747003.7
申请日：2013-12-30
Applicant: 北京农业智能装备技术研究中心
IPC: G01B11/24
Abstract: 本发明提供一种农产品形状检测方法及装置，涉及农产品形状检测与分级技术领域。该方法通过线阵结构光光源和面阵成像装置先行采集农产品投射线上各像素点的坐标信息以及基准面投射线上各像素点的基准坐标信息，并计算像素偏离距离，得到成像投射点与其对应的基准面投射线上投射点的距离，再计算农产品投射线上各像素点的高度，绘制出农产品投射线相对于基准面的高度图，完成农产品投射线上的形状检测。本发明克服了以提取农产品边界轮廓代表农产品形状的传统机器视觉形状检测方法的片面性，同时也避免了双目相机三维立体检测匹配困难和检测精度不高的问题。本发明实现了农产品形状的全面检测，在农产品形状检测中具有较大的应用潜力。
-
公开(公告)号：CN110771533B
公开(公告)日：2022-03-01
申请号：CN201910934884.0
申请日：2019-09-29
Applicant: 北京农业智能装备技术研究中心
IPC: A01K43/00
Abstract: 本发明涉及农畜产品检测技术领域，尤其涉及一种鸡胚蛋的性别检测系统及方法，鸡胚蛋的性别检测系统包括：传输装置，用于将鸡胚蛋逐个输送至检测区域；图像采集装置，图像采集装置设置于检测区域，用于采集鸡胚蛋视频图像；处理装置，处理装置与图像采集装置连接，用于对鸡胚蛋视频图像进行一维心率信号提取和二维血管分布图像提取，根据一维心率信号和二维血管分布图像的特征分析判定鸡胚蛋的性别。本发明在不破坏蛋壳的前提下有效提取到鸡胚蛋视频图像，再配合后续处理装置通过对鸡胚蛋视频图像的处理获得鸡胚蛋性别检测结果，实现鸡胚蛋性别在线无损检测，降低雏鸡孵化能源成本，提高企业生产效率和检测效率，操作简单安全，适用于生产的需要。
-
公开(公告)号：CN113030001A
公开(公告)日：2021-06-25
申请号：CN202110295363.2
申请日：2021-03-19
Applicant: 北京农业智能装备技术研究中心
IPC: G01N21/3563 , G01N21/359 , G01N21/35 , G06N3/04
Abstract: 本发明提供一种水果糖度检测方法及系统，该方法包括：采集待测水果的近红外光谱数据；将近红外光谱数据输入至糖度检测模型，以根据糖度检测模型的输出结果，获取近红外光谱数据对应的糖度预测值；糖度检测模型是采用迁移学习的方法，在训练好的卷积自编码器的基础上构建的。本发明提供的水果糖度检测方法及系统，基于迁移学习的方法，利用训练好的待迁移自编码器建立了提取苹果近红外光谱数据特征的卷积自编码器模型，以利用苹果近红外光谱数据集对其进行训练，解决了深度学习对于数据量需求较大的问题，可以有效提取苹果近红外光谱的特征，并且以这些特征作为输入变量，输入至糖度检测模型，能够有效地实现苹果糖度的高精度、高效率检测。
-
Patent Agency Ranking
公开(公告)号：CN111044469A
公开(公告)日：2020-04-21
申请号：CN201911404604.1
申请日：2019-12-30
Applicant: 北京农业智能装备技术研究中心
IPC: G01N21/31
Abstract: 本发明涉及可溶性固形物检测设备技术领域，公开了一种基于单积分球的水果可溶性固形物检测方法及设备，该方法首先获取目标水果的果皮果肉漫反射光谱和果皮果肉漫反射参考光谱基于所述目标水果的果皮果肉漫反射光谱和果皮果肉漫反射参考光谱，得到所述目标水果的总反射率光谱；将所述目标水果的总反射率光谱输入至预设的可溶性固形物含量预测模型，输出所述目标水果的可溶性固体物含量。该方法利用水果果皮果肉组织的反射光谱信息对水果可溶性固形物近红外检测模型的影响，提高了模型的稳定性和适用性，为实际生产中水果可溶性固形物含量的检测提供了新的检测思路，提高了可溶性固形物的预测精度。
-
公开(公告)号：CN104280346A
公开(公告)日：2015-01-14
申请号：CN201410555605.7
申请日：2014-10-17
Applicant: 北京农业智能装备技术研究中心
IPC: G01N21/25
Abstract: 本发明涉及肉类检测技术领域，具体涉及一种基于太赫兹光谱的肉类内部金属检测方法。本发明提供的一种基于太赫兹光谱的肉类内部金属检测装置包括密封箱、太赫兹光谱成像仪和图像处理器；所述密封箱内上部设置有太赫兹光谱发射器和太赫兹光谱接收器，所述密封箱内还设置有肉类放置台；所述太赫兹光谱成像仪与所述太赫兹光谱接收器和所述图像处理器分别连接。本发明采用太赫兹光谱检测肉类，通过获取待检测肉类的太赫兹光谱图像，并将所述太赫兹光谱图像转换成二值图像，进而判断所述待检测肉类中是否很有金属。能够实现大面积范围的检测，同时简化了检测方法，而且采用太赫兹光谱检测不会损坏肉类食品的品质。
-
公开(公告)号：CN109946246B
公开(公告)日：2023-03-14
申请号：CN201910145183.9
申请日：2019-02-27
Applicant: 北京农业智能装备技术研究中心
IPC: G01N21/31
Abstract: 本发明实施例提供一种苹果可溶性固形物的检测方法及装置，包括获取苹果样品标记点区域的光谱信息，获取苹果样品标记点区域可溶性固形物含量的实测值；根据光谱信息及其对应的可溶性固形物实测值，利用偏最小二乘算法建立苹果可溶性固形物含量预测模型；随机选取并获取预设数量苹果样品标记点区域可溶性固形物含量的预测值及其对应的实测值，结合斜率/偏差(Slope/Bias,S/B)模型传递算法建立苹果可溶性固形物含量校正模型。本发明实施例采用S/B算法对苹果可溶性固形物含量预测模型进行校正，克服了苹果的生理差异、仪器老化对苹果可溶性固形物预测模型的预测精度的影响，提高了对苹果可溶性固形物的预测精度。
-
公开(公告)号：CN107064056B
公开(公告)日：2020-05-22
申请号：CN201710135754.1
申请日：2017-03-08
Applicant: 北京农业智能装备技术研究中心
IPC: G01N21/359 , G01N21/3563 , G01N21/47 , G01N21/49
Abstract: 本发明的实施例公开了一种水果无损检测的方法及装置，该方法获取进行检测的水果的第一全漫反射光谱，从第一全漫反射光谱中提取出用于对果皮中果皮成分含量进行预测的第一漫反射光谱，并去除第一全漫反射光谱中的第一漫反射光谱，得到第二漫反射光谱，从第二漫反射光谱中提取用于对果肉中的果肉成分含量进行预测的第三漫反射光谱。由于第一漫反射光谱仅和果皮中果皮成分相关，第三漫反射光谱仅和果肉中果肉成分相关，因此通过第二漫反射光谱对果皮中果皮成分进行预测避免了果肉中的成分产生的光谱的影响，通过第三漫反射光谱对果肉中果肉成分进行预测也避免了果皮中的成分产生的光谱的影响，从而提高了对水果中成分含量进行预测的准确性。
-
公开(公告)号：CN111157484A
公开(公告)日：2020-05-15
申请号：CN202010039074.1
申请日：2020-01-14
Applicant: 北京农业智能装备技术研究中心
IPC: G01N21/3563 , G01N21/359 , G06K9/00
Abstract: 本发明涉及水果糖度检测设备技术领域，公开了一种用于水果糖度检测设备的近红外光谱模型传递方法，该方法利用标准光源对主机和从机进行校正，然后分别利用主机和从机对校正集进行光谱采集并对光谱进行预处理；基于校正集的糖度实测值和预设波段范围内的主机光谱，建立糖度检测模型；基于标准集的预设波段范围内的从机光谱和主机光谱，结合分段直接校正算法，得到从机光谱到主机光谱的转换关系；基于目标水果的从机光谱和从机光谱到主机光谱的转换关系，获取目标水果的主机光谱，将目标水果的主机光谱带入糖度检测模型，得到目标水果的糖度预测值。该方法保证了糖度检测模型在同类型仪器间的有效传递，实现水果糖度的有效检测。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.036 seconds)
