ImageVerifierCode 换一换
格式:PDF , 页数:12 ,大小:929.26KB ,
资源ID:1521663      下载积分:5000 积分
快捷下载
登录下载
邮箱/手机:
温馨提示:
如需开发票,请勿充值!快捷下载时,用户名和密码都是您填写的邮箱或者手机号,方便查询和重复下载(系统自动生成)。
如填写123,账号就是123,密码也是123。
特别说明:
请自助下载,系统不会自动发送文件的哦; 如果您已付费,想二次下载,请登录后访问:我的下载记录
支付方式: 支付宝扫码支付 微信扫码支付   
注意:如需开发票,请勿充值!
验证码:   换一换

加入VIP,免费下载
 

温馨提示:由于个人手机设置不同,如果发现不能下载,请复制以下地址【http://www.mydoc123.com/d-1521663.html】到电脑端继续下载(重复下载不扣费)。

已注册用户请登录:
账号:
密码:
验证码:   换一换
  忘记密码?
三方登录: 微信登录  

下载须知

1: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。
2: 试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓。
3: 文件的所有权益归上传用户所有。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 本站仅提供交流平台,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

版权提示 | 免责声明

本文(DB42 T 1650.2-2021 禽蛋自动化分拣方法 图像识别 第2部分ː形状尺寸要求.pdf)为本站会员(bonesoil321)主动上传,麦多课文库仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知麦多课文库(发送邮件至master@mydoc123.com或直接QQ联系客服),我们立即给予删除!

DB42 T 1650.2-2021 禽蛋自动化分拣方法 图像识别 第2部分ː形状尺寸要求.pdf

1、 ICS 67.120.20 CCS B 45 DB42 湖北省 地方 标准 DB42/T 1650.2 2021 禽蛋自动化分拣方法 图像识别 第 2 部分:形状尺寸要求 Automatic sorting method for eggs image recognition Part2: Shape and size requirements 2021 - 03 - 03 发布 2021 - 05 - 03 实施 湖北省市场监督管理局 发 布 DB42/T 1650.2 2021 I 目 次 前言 . II 引言 . III 1 范围 . 1 2 规范性引用文件 . 1 3 术语和定义 .

2、1 4 机器视觉检测方法 . 2 基本要求 . 2 检测步骤 . 2 数据处理 . 2 5 检测分级指标 . 2 附录 A(资料性) 数据处理部分实现代码 . 4 DB42/T 1650.2 2021 II 前 言 本文件按照 GB/T 1.1 2020标准化工作导则 第 1部分:标准化文件的结构和起草规则的规定 起草。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。 本文件由 华中农业大学 提出。 本文件由 湖北省农业农村厅 归口。 本文件起草单位: 华中农业大学、湖北神丹健康食品有限公司。 本文件主要起草人: 王巧华、马美湖、祝志慧、王树才、金永国、刘华桥、黄茜

3、、蔡朝霞、王彩云 。 本文件实施应用中的疑问,可咨询湖北省农业农村厅,联系电话, 027-87665821,邮箱: ;对本文件的有关修改意见建议请反馈至华中农业大学,联系电话: 027-87286905,邮 箱: 。 DB42/T 1650.2 2021 III 引 言 近年来我国禽蛋生产量飞速提升,跃居全球第一,占世界产量的 40%左右,然而出口量却一直下滑。 我国禽蛋生产商品化率仅为 40%,禽蛋业生产集约化程度不高,仅占 30%左右,而农村的散养比重仍高达 70%以上。因此,禽蛋的持续发展出路在集约化的推进和生产技术的提升,实现产品规格和包装的统一 化。 禽蛋的形状,不仅对孵化效果有很大

4、影响,而且对包装盒尺寸 及包装效果有着决定性作用。禽蛋形 状差异较大,通常利用蛋形指数来判定其形状,将禽蛋分为近球形、椭球形和细长型,而近球形和细长 型的禽蛋在贮运过程中极易损伤,所以在包装分拣时,要根据具体形状及尺寸大小区别对待。若把每种 形状的禽蛋根据纵径长度分为三个等级,将会最大程度地保证禽蛋在运输流通和储存的过程中不被损 坏。因此,禽蛋形状尺寸的分拣方法标准的制订,对促进我省禽蛋业的发展有重大积极意义。 DB42/T 1650.2 2021 1 禽蛋自动化分拣方法 图像识别 第 2 部分:形状尺寸要求 1 范围 本文件规定了禽蛋形状尺寸的术语和定义、检测方法、检测分级指标。 本文件适用

5、于普通鲜禽蛋(鸡蛋、鸭蛋和鹅蛋)及由禽蛋制成的传统蛋制品等,如皮蛋、咸蛋等。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中,注日期的引用文件, 仅该日期对应的版本适用于本文件;不注日期的引用文件,其最新版本(包括所有的修改单)适用于本 文件。 SB/T 10638-2011 鲜鸡蛋、鲜鸭蛋分级 3 术语和定义 下列术语和定义适用于本文件。 禽蛋形状 egg shape 指禽蛋外形的存在形式,如椭球形、近球形等,通常由蛋形指数来衡量。 3.1.1 椭球形 ellipsoidal shape 椭球是一种二次曲面,是椭圆在三维空间的推广。椭球在 xyz-笛

6、卡尔坐标系中的方程 见公式( 1) 22 + 22 + 22 = 1, , 且 (1) 式中: a 赤道半径(沿着 x轴); b 赤道半径(沿着 y轴); c 极半径(沿着 z轴); a、 b、 c均为正实数。 禽蛋尺寸 duck egg size 由 禽 蛋实际的最大纵径和横径来衡量,单位: mm。 3.2.1 纵径 longitudinal diameter 椭球的长轴尺寸大小,单位: mm。 3.2.2 横径 cross diameter DB42/T 1650.2 2021 2 椭球的短轴尺寸大小,单位: mm。 蛋形指数 egg shape index 指 禽 蛋最大纵径和横径之比。

7、 机器视觉 machine vision 机器视觉 就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品将被摄取目标 转换成图像信号,传送给专用的图像处理系统,得到被摄目标的形态信息,根据像素分布和亮度、颜色 等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结 果来控制现场的设备动作 。 4 机器视觉检测方法 基本要求 4.1.1 人员要求 会使用 MATLAB等软件。 4.1.2 装置要求 机器视觉装置由光源、光箱、工业相机、计算机等组成,应满足如下要求: a) 光源:普通光源,如 1 W 的 LED 黄色单筒光源; b) 光箱:光箱内壁为

8、深色,光箱分两层,下层放光源,上层顶部装相机,中间有开孔(孔径 30 mm)的隔板,隔板上放置刻度尺进行标定; c) 装有 MATLAB 等软件的计算机; d) 普通工业相机,相机与计算机相连; e) 该检测装置可静态设置,亦可动态设置(适用于流水线检测) 。 检测步骤 静态检测:把待测禽蛋置于光箱暗小孔中,打开光源,启动相机,正反各拍一次图像,相机的输出 信号通过数据线被传送到计算机中,计算机按照已经设置好的程序进行编辑处理并判断,给出检测结果。 动态检测:群体禽蛋随着蛋辊输送线不断翻滚前行,相机连续采集禽蛋的双面图像,相机的输出信 号通过数据线被传送到计算机中,计算机按照已经设置好的图像分

9、割等程序进行编辑处理并判断,给出 检测结果。 数据处理 4.3.1 最大纵径和最大横径计算 通过有效图像处理方法,获取禽蛋图像完整边缘,提取禽蛋图像最大纵径和最大横径像素点数,通 过标定 计算真实的禽蛋尺寸 中最大纵径和最大横径值。部分程序代码见附录 A。 4.3.2 计算蛋形指数 计算禽蛋最大纵径和最大横径的比值。 5 检测分级指标 DB42/T 1650.2 2021 3 禽 蛋蛋壳应符合 SB/T 10638-2011第五章中的鲜禽蛋品质分级要求中规定的蛋壳完整。 分级的 禽 蛋首先根据蛋形指数分为近球形、椭球形和细长型,蛋形指数分级范围见表 1。再将这 3种 形状的 禽 蛋根据 禽蛋尺

10、寸 最大纵径分为 S、 M、 L这 3个等级, 禽 蛋最大纵径分级范围见表 1。 表 1 禽蛋形状尺寸分级指标 蛋形 蛋形指数 禽 蛋最大纵径 mm S M L 近球形 R 1.34 56 56且 64 64 椭球形 O 1.34且 1.45 57 57且 65 65 细长型 T 1.45 59 59且 67 67 DB42/T 1650.2 2021 4 A A 附录 A (资料性) 数据处理部分实现代码 图 A.1为 MATLAB编程语言下的数据处理部分实现代码。 图 A.1 数据处理部分实现代码 ( 第 1页 /共 3页 ) DB42/T 1650.2 2021 5 图 A.1 数据处理部分实现代码 ( 第 2页 /共 3页 ) DB42/T 1650.2 2021 6 图 A.1 数据处理部分实现代码 ( 第 3页 /共 3页 )

copyright@ 2008-2019 麦多课文库(www.mydoc123.com)网站版权所有
备案/许可证编号:苏ICP备17064731号-1