期刊文献+

基于机器视觉的软胶囊重量在线分选研究 被引量:4

Machine Vision On-line Grading Weight of Soft Capsules
原文传递
导出
摘要 软胶囊的质量检测是软胶囊行业发展的一个软肋,软胶囊大小的检测是质量检测中的主要指标。研究采用机器视觉的方法进行检测,首先获取胶囊图像,用ostu自动取阈法分割图像,采用形态滤波消除噪声,进行区域标记,对有效区域进行形状特征的提取,建立形状参数与重量之间的关系,求出胶囊的重量,实现对胶囊的分选。该研究开发了一套基于机器视觉的软胶囊自动分选系统,能实时检测出生产流水线上的不合格胶囊,并通过剔除机构将其剔除。合格品准确率为95.6%,不合格品准确率为90.2%,总体准确率为94.1%,日产量达到20万粒以上。 The quality inspect of soft capsules is a weakness in soft capsule development of the industry and the size detection of soft capsules is key indicators of the quality detection. Because of many shortcomings in the artificial separation, this study used machine vision approach to the test, first of all, access to capsule images, automatic threshold by ostu to segmentation image, using morphological filter to eliminate noise, regional markings, shape the effective region feature extraction, the establish the relationship between the shape parameters and the weight, obtain the capsule weight, achieve the separation of capsule. This study developed a set of machine vision-based automatic sorting system on soft capsule capable of real-time detection of the production pipeline failure capsule, and will be removed through its omissions. Conforming accuracy was 95.6%, unqualified goods for 90.2% accuracy rate, the overall accuracy was 94.1%, production per day is more than two hundred thousand.
出处 《食品工业》 北大核心 2008年第5期64-66,共3页 The Food Industry
基金 国家863科技项目(2002AA248051) 江苏省自然基金重点项目(BK2006707-1)
关键词 软胶囊 机器视觉 在线分选 soft capsules machine vision on-line grading
  • 相关文献

参考文献7

  • 1张学仁.统计学习理论的本质[M].清华大学出版社,2000. 被引量:1
  • 2于秀林,任雪松编著..多元统计分析[M].北京:中国统计出版社,1999:306.
  • 3乐宋进,武和雷,胡泳芬.图像分割方法的研究现状与展望[J].南昌水专学报,2004,23(2):15-20. 被引量:18
  • 4Kenneth R Castleman. Digital image processing.北京:清华大学出版社,2003. 被引量:1
  • 5方如明等编著..计算机图像处理技术及其在农业工程中的应用[M].北京:清华大学出版社,1999:181.
  • 6Milan Sonka. Image Processing Analysis and Machine Vision[M]. Beiiing. Posts & Telecom Press. 2003. 被引量:1
  • 7冈萨雷斯.数字图像处理学[M].北京:电子工业出版社,2003. 被引量:1

二级参考文献50

  • 1陆宗骐,梁诚.灰阶边缘的细化[J].小型微型计算机系统,2003,24(1):107-108. 被引量:5
  • 2[1]章毓晋.图像分割 [M].北京:北京科学出版社,2001. 被引量:3
  • 3[13]CHEN Zi- kuan,TAO Yang,CHEN Xin,etal.Wavelet Based Adaptive Thresholding Method for Image Segmentation[J]. Optical Engineering,2001,40(5):868- 874. 被引量:1
  • 4赵初,王纯.模糊边缘检测方法[J].模式识别与人工智能,1999,12(1):79-84. 被引量:1
  • 5张斌,朱正中.基于边缘轮廓信息的多源遥感图像分割[J].中国图象图形学报,2003,3(5):830-835. 被引量:1
  • 6[31]GALAMBOSC, KITTLERJ,MATASJ. Gradient Based Progressive Probal Listic Hough Transform[J]. Image Signal Process,2001, 148(3):158- 165. 被引量:1
  • 7[39]LORENZ Thomas. Set_Valued Mapsfor Image Segmentation[J]. Computing and Visualization Science, 2001(5):45- 57. 被引量:1
  • 8[44]KIM Jinsang, CHEN Tom. Multiple Feature Clustering for Image Sequence Segmentation [J]. Pattern Recognition Letters. 2001,(22):1207- 1217. 被引量:1
  • 9[47]Papamarkes N.Gatos B.Anew Approach for Multilevel Threshold Selection CVGIP[J].Graphical Models and Image Process, 1994, 56(5):357- 370. 被引量:1
  • 10[48]Olivo J C.Automatic Threshold Selection Using the Wavelet Transform CVGIP[J].Graphical Models and Image Process,1994,56 (5):357- 370. 被引量:1

共引文献17

同被引文献50

引证文献4

二级引证文献13

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部