木板识别及木板识别的机器学习方法、装置及电子设备制造方法及图纸

本公开实施例公开了一种木板识别及木板识别的机器学习方法、装置及电子设备。所述方法包括：获取木板在多个不同预定速度下的多组一维图像；其中，每组一维图像包括对应木板不同位置处的多个一维图像，且每组一维图像中的多个一维图像对应相同的预定速度；将所获取的多组一维图像中的每组一维图像分别进行拼接，得到在多个不同预定速度下的多个二维图像；将木板的类别、多个不同预定速度以及多个二维图像作为多组训练数据，分别对木板识别模型进行训练；多组训练数据中每组训练数据包括木板的类别、多个二维图像中的一个二维图像以及对应的预定速度；木板识别模型的识别结果包括木板的类别以及移动速度。

【技术实现步骤摘要】
木板识别及木板识别的机器学习方法、装置及电子设备
本公开涉及木材自动化处理
，具体涉及一种木板识别及木板识别的机器学习方法、装置、电子设备及计算机可读存储介质。
技术介绍
在木材加工领域，木板分选是一个重要环节。不管是半成品，还是经过成型、上色、烘干等工艺之后的成品，都需要按照不同的木材特征结合质量标准进行分类。在传统的方法中，木板的分选由人工完成。经过训练的工人，通过观察，判断每一块木板的颜色、纹理、缺陷等，结合经验将一块木板归入不同的分类。每一个分类之中的木板拥有更为接近的特性，实现较高的产品外观、质量的一致性。然而，使用人工的分选的方法需要耗费大量的人力资源，并且由于每一批次的木板材质和上色工艺可能存在不同，每一次的产品分类标准也可能存在变动，因此需要不断的对工人进行培训和训练。同时，随着工作时间的增加，人力的方法也会出现准确率下降，效率变慢的现象。使用机器进行木材分选的方法正成为当前行业的新兴方向，在木材处理过程中的很多步骤可以通过机器的方法来解决。然而，这些技术多数使用一种固定方式对木材或木板进行特征提取，其分选参数和方法是固定的，必须通过专门的设计和调校才能有效运行，因而标准化和适用性存在一定缺陷。随着最近机器学习方面的研究进展，使用机器学习进行木板加工自动化的方法变得越来越受到欢迎。现有技术中也出现了使用机器学习的木材分类方法，通过各种成像方式采集预先指定的样本木材的图像，然后使用机器学习的方法训练一个模型，通过该模型来实现自动的分类检测。然而，专利技术人在实现本专利技术的过程中专利技术，现有的机器学习的方法只是部分解决了标准化的问题，并没能解决木材分类中最关键的适应性问题。具体地，当前木板分类的标准通常由生产厂商自定义，也就是说当前的木板分类实质上是非标准化的；现有技术中的机器学习方法采用预先训练方式，只能为特定厂商训练出一个特定模型，显然无法在多个厂商中通用。此外，木材实质上是按批次生产的，每一批次的产品都与该批次的原木材质、喷漆工艺高度相关，不同批次间可能会有巨大差异；但现有技术中的训练模型完全依赖于样本批次，并不能针对不同批次进行动态调校。最后，自然光线的改变会对视觉识别产生较大的影响，现有技术并未考虑环境光线变化下的标准化，不能适应不同环境的检测。因此，当前缺少自适应的检测方法，现有技术并不能满足快速部署的需求，也不能在多变的运行环境中鲁棒的运行。
技术实现思路
本公开实施例提供一种木板识别的机器学习方法、装置及计算机可读存储介质。第一方面，本公开实施例中提供了一种木板识别的机器学习方法。获取所述木板在多个不同预定速度下的多组一维图像；其中，每组一维图像包括对应所述木板不同位置处的多个一维图像，且每组一维图像中的所述多个一维图像对应相同的预定速度；将所获取的所述多组一维图像中的每组一维图像分别进行拼接，得到在多个不同预定速度下的多个二维图像；将所述木板的类别、所述多个不同预定速度以及所述多个二维图像作为多组训练数据，分别对木板识别模型进行训练；所述多组训练数据中每组训练数据包括所述木板的类别、所述多个二维图像中的一个二维图像以及对应的预定速度；所述木板识别模型的识别结果包括木板的类别以及移动速度。可选地，获取所述木板在多个不同预定速度下的多组一维图像，包括：在所述木板与线性摄像机具有相对速度，且所述相对速度与所述线性摄像机的采样帧率的组合对应于所述多个不同预定速度的情况下，获取所述木板的多组一维图像。可选地，获取所述木板在多个不同预定速度下的多组一维图像，包括：在不同光照条件下，获取所述木板在多个不同预定速度下的多组一维图像；将所述木板的类别、所述多个不同预定速度以及所述多个二维图像作为多组训练数据，分别对木板识别模型进行训练，包括：将所述木板的类别、所述多个不同预定速度、所述不同光照条件以及所述多个二维图像作为多组训练数据，分别对木板识别模型进行训练；所述多组训练数据中每组训练数据包括所述木板的类别、所述多个二维图像中的一个二维图像及其对应的预定速度和光照条件。可选地，将所获取的所述多组一维图像中的每组一维图像分别进行拼接，得到在多个不同预定速度下的多个二维图像，包括：将所获取的所述多组一维图像中的每组一维图像分别按照图像获取时间顺序和/或图像次序分成至少两个小组；将所述至少两个小组的一维图像分别进行拼接，形成在所述不同预定速度下的多个二维图像。可选地，所述光照条件包括木板外部光源光线的强弱、外部光源光线的照射方向、获取所述一维图像的图像获取单元的拍摄角度和图像获取单元的光圈大小中的一个或多个；所述预定速度为所述图像获取单元与所述木板之间的相对移动速度。可选地，所述方法还包括：在获取所述木板的多组一维图像的同时还获取白色参考物体的多个一维图像。可选地，将所述木板的类别、所述多个不同预定速度以及所述多个二维图像作为多组训练数据，分别对木板识别模型进行训练，包括：将所述多组一维图像中的每组一维图像分别进行拼接，得到多个二维图像；对所述多个二维图像分别进行标注，得到所述木板的边界信息。可选地，将所述木板的类别、所述多个不同预定速度以及所述多个二维图像作为多组训练数据，分别对木板识别模型进行训练，还包括：根据所述多个二维图像和所述木板的边界信息对木板边界识别模型进行训练，所述木板边界识别模型的识别结果包括所述木板的边界信息。第二方面，本公开实施例提供了一种木板识别方法，包括：获取所述木板的多个一维图像；将所获取的所述多个一维图像进行拼接，得到待识别的二维图像；根据所述二维图像以及训练好的木板识别模型进行识别，得到所述木板的类别以及移动速度。可选地，将所获取的所述多个一维图像进行拼接，得到待识别的二维图像，包括：将所获取的所述多个一维图像按照图像获取时间顺序和/或图像次序分成至少两组一维图像；将所述至少两组一维图像分别进行拼接，形成待识别的至少两个二维图像。可选地，根据所述二维图像以及训练好的木板识别模型进行识别，得到所述木板的类别以及移动速度，包括：将所述至少两个二维图像分别输入至所述木板识别模型中，得到所述木板的类别以及移动速度的两组置信度估值；从所述两组置信度估值中选取置信度最高的一组作为最终识别结果。可选地，所述方法还包括：根据所述木板的移动速度获得所述木板的踢腿时机。可选地，将所述二维图像以及训练好的木板识别模型进行识别，得到所述木板的类别以及移动速度，包括：根据所述二维图像以及训练好的边界识别模型，得到所述木板的边界信息；根据所述二维图像、所述边界信息以及所述木板识别模型，得到所述木板的类别以及移动速度。可选地，根据所述二维图像以及训练好的木板识别模型进行识别，得到所述木板的类别以及移动速度，包括：将多个不同光照条件下获得的多个所述二维图像分别输入至所述木板识别模型，得到所述木板的类别以及移动速度的多组置信度估值；从所述多组置信度估值中选取置信度最高的一组作为最终识别结果。可选地，所述方法还包括：在获取所述木板的多个一维图像的同时还获取白色参考物体的多个一维图像。第三方面，提供了一种木板识别的机器学习装置，包括：第一获取模块，被配置为获取所述木板在多个不同预定速度下的多组一维图像；其中，每组一维图像包括对应所述木板不同位置处的多个一维图像，且每组一维图像中的所述多个一维本文档来自技高网...

【技术保护点】
一种木板识别的机器学习方法，其特征在于，包括：获取所述木板在多个不同预定速度下的多组一维图像；其中，每组一维图像包括对应所述木板不同位置处的多个一维图像，且每组一维图像中的所述多个一维图像对应相同的预定速度；将所获取的所述多组一维图像中的每组一维图像分别进行拼接，得到在多个不同预定速度下的多个二维图像；将所述木板的类别、所述多个不同预定速度以及所述多个二维图像作为多组训练数据，分别对木板识别模型进行训练；所述多组训练数据中每组训练数据包括所述木板的类别、所述多个二维图像中的一个二维图像以及对应的预定速度；所述木板识别模型的识别结果包括木板的类别以及移动速度。

【技术特征摘要】
1.一种木板识别的机器学习方法，其特征在于，包括：获取所述木板在多个不同预定速度下的多组一维图像；其中，每组一维图像包括对应所述木板不同位置处的多个一维图像，且每组一维图像中的所述多个一维图像对应相同的预定速度；将所获取的所述多组一维图像中的每组一维图像分别进行拼接，得到在多个不同预定速度下的多个二维图像；将所述木板的类别、所述多个不同预定速度以及所述多个二维图像作为多组训练数据，分别对木板识别模型进行训练；所述多组训练数据中每组训练数据包括所述木板的类别、所述多个二维图像中的一个二维图像以及对应的预定速度；所述木板识别模型的识别结果包括木板的类别以及移动速度。2.根据权利要求1所述的木板识别的机器学习方法，其特征在于，获取所述木板在多个不同预定速度下的多组一维图像，包括：在所述木板与线性摄像机具有相对速度，且所述相对速度与所述线性摄像机的采样帧率的组合对应于所述多个不同预定速度的情况下，获取所述木板的多组一维图像。3.根据权利要求1所述的木板识别的机器学习方法，其特征在于，获取所述木板在多个不同预定速度下的多组一维图像，包括：在不同光照条件下，获取所述木板在多个不同预定速度下的多组一维图像；将所述木板的类别、所述多个不同预定速度以及所述多个二维图像作为多组训练数据，分别对木板识别模型进行训练，包括：将所述木板的类别、所述多个不同预定速度、所述不同光照条件以及所述多个二维图像作为多组训练数据，分别对木板识别模型进行训练；所述多组训练数据中每组训练数据包括所述木板的类别、所述多个二维图像中的一个二维图像及其对应的预定速度和光照条件。4.根据权利要求3所述的木板识别的机器学习方法，其特征在于，将所获取的所述多组一维图像中的每组一维图像分别进行拼接，得到在多个不同预定速度下的多个二维图像，包括：将所获取的所述多组一维图像中的每组一维图像分别按照图像获取时间顺序和/或图像次序分成至少两个小组；将所述至少两个小组的一维图像分别进行拼接，形成在所述不同预定速度下的多个二维图...

【专利技术属性】
技术研发人员：丁磊，
申请(专利权)人：北京木业邦科技有限公司，
类型：发明
国别省市：北京,11