一种基于图像识别的物料匹配方法组成比例

本发明专利技术公开了一种基于图像识别的物料匹配方法，包括以下步骤：A)对物料图像进行二值化处理，识别物料图像的外形边框，确定物料的实际大小；B)对零件图像进行二值化处理，并将零件图像和物料图像的缩放比例调整一致；C)建立模版图像，将模版图像和物料图像进行相乘求和得到对比值DMAX，将模版图像和零件图像进行相乘求和得到对比值CMAX；D)当DMAX大于等于CMAX，则相应物料和相应的零件匹配，否则不匹配。本发明专利技术的物料匹配方法将物料图像和零件图像先进行处理实现同比例缩放，然后将二者和同一模版图像进行相乘求和，根据求和结果判断物料图像和零件图像是否匹配，实现了物料图像和零件图像的自动匹配。

A material matching method based on image recognition

The invention discloses an image matching method based on the identification of the material, which comprises the following steps: A) the material image binarization processing, shape recognition frame material images, determine the actual size of the material; B) on the part of image binarization processing, and parts of image and material image zoom ratio the adjustment is consistent; C) established the template image, the image and the template image multiplied by the sum of material values between DMAX, the template image and the image is multiplied by the sum of the parts of CMAX; D) when DMAX is greater than or equal to CMAX, the corresponding material and the corresponding parts matching, otherwise do not match. The invention of material materials and parts of image matching method of image before processing to achieve the same zoom ratio, then two and the same template image is multiplied by the sum according to the summation of the results to determine whether the images of materials and parts to achieve automatic image matching, image matching and image material parts.

【技术实现步骤摘要】
一种基于图像识别的物料匹配方法
本专利技术涉及图像识别
，尤其涉及一种基于图像识别的物料匹配方法。
技术介绍
图像识别技术已经形成了很多完善的理论模型，并且很多场合中都得到了实际应用。在工业生产加工，图像识别技术也有应用于质量监控，过程监督等生产场景。在现有生产环节中，加工物料后产生了大量的废旧物料，造成了成本上的浪费，需要对废旧物料进行回收再利用。现有生产环节中物料和零件的形状匹配主要还是依靠人工肉眼完成，尤其是生产加工过程中产生的废旧物料在重新回收利用的过程中，需要人工进行归类再分配过程。人工进行归类再分配效率较低，急需一种可实现废旧物料和零件形状的自动匹配方法。
技术实现思路
本专利技术提供了一种基于图像识别的物料匹配方法，可实现物料和零件形状的自动匹配。为了解决上述技术问题，本专利技术采用如下技术方案：一种基于图像识别的物料匹配方法，包括以下步骤：A)对物料图像进行二值化处理，识别物料图像的外形边框，确定物料的实际大小；B)对零件图像进行二值化处理，并将零件图像和物料图像的缩放比例调整一致；C)建立模版图像，将模版图像和物料图像进行相乘求和得到对比值DMAX，将模版图像和零件图像进行相乘求和得到对比值CMAX；D)当DMAX大于等于CMAX，则相应物料和相应的零件匹配，否则不匹配。图像预处理的效果直接影响到图像特征的提取及后期的处理的效果，并最终影响到图像的识别和匹配过程。步骤A)中，还包括对物料图像的滤波和去噪过程；对物料图像进行二值化处理之前，先对物料图像进行滤波和去噪处理。优选的，步骤A)和步骤B)中，对物料图像和对零件图像进行二值化的方法为最大类间方差法。物料图像中包括物料图和标准参考图，标准参考图的实际面积已知；步骤A)通过以下公式确定物料的实际大小：S2＝kN2其中，S1为标准参考图的实际面，S2为物料的实际面积，N1为标准参考图对应像素个数，N2为物料图像对应像素个数，k为每一个像素所代表的实际面积。当物料存在孔洞时，需要注意的是物料的面积包括了物料内的空洞面积。优选的，步骤A)中还包括对物料图像中孔洞面积的去除方法，先将二值化之后的物料图像取反，然后依据标准参考图计算得到。优选的，物料图像中孔洞面积的计算方法为：先将二值化后的物料图像取反，计算物料图像中空白部分的面积，该空白部分的面积包括标准参考图的面积和物料图像中孔洞的面积，去除标准参考图的面积后即为物料图像中孔洞的面积。步骤B)中，零件的实际大小已知，将零件图像和物料图像的缩放比例调整一致的方法是：将零件图像和物料图像的k调整至相等。将物料图像和零件图像进行预处理后，可以进行后续的匹配工序。在匹配过程中，如果将物料图像跟所有零件图像都进行匹配，需要花费太多的工作量。作为优选，步骤C)之前先对物料图像提取形状描述子，然后将物料图像与规则形状的特征进行相似度计算，确定物料图像最接近的规则形状并归类，确定零件图像接近的规则形状检索相应的类别的物料图像。所述的规则形状包括圆形、矩形、正方形、环形和三角形。在步骤C)的细匹配之前先对物料图像和零件图像进行粗匹配，粗匹配基于物料形状特征对物料图像和各个规则形状的二值化图进行首次匹配，目的是大致判断出物料的形状，这个过程也可以理解为，将物料与规则形状(圆形、矩形、正方形、环形、三角形等)的特征进行相似度准则计算，并确定相似度最高的形状，即为物料最接近的形状。优选的，将物料图像与规则形状的特征进行相似度计算的步骤如下：1)进行物料图的Hu不变矩计算，得到七个特征值；2)进行各个规则形状的Hu不变矩计算，得到各个规则形状的7个特征值；3)将物料图的7个特征值与各个规则形状的7个特征值分别使用距离公式计算；4)将计算的结果进行从大到小排序，排序最小值所对应的规则形状即为物料图最接近的规则形状。优选的，所述的距离公式为欧几里得距离公式、曼哈顿距离公式或者霍夫距离公式。在细匹配之前先进行粗匹配，可以快速锁定物料的大致形状，进而缩小其匹配零件形状的检索范围，大大提高了匹配的效率，具有非常重要的意义。步骤C)中，采用相关匹配法实现细匹配过程。图像中的相关可以这样理解：图像f(x)，模板g(x)，将模板g(x)在图像f(x)中移动，每到一个位置，就把f(x)与g(x)的定义域相交的元素进行乘机并且求和，得出新的图像。模板可以理解为相关核。相关匹配的计算步骤为：1)移动模板的中心元素，使其位于输入图像待处理像素的正上方；即：滑动模板，使其位于输入图像f的(i，j)像素上；2)将输入图像的像素值作为权重，乘以模板，得到输出图像的(i，j)像素值；3)遍历输入图像操作一次，直到得到输出图像的所有像素值。步骤C)中假设模版图像的集合为g(x)、物料图像为f(x)，如果g(x)和f(x)为连续函数，则两者的相乘求和公式为：如果g(x)和f(x)为离散函数，则两者的相乘求和公式为：设相关的变量是序列x(n)和y(n)，则模版图像和物料图像相乘求和的结果公式为：其中通过f(n)可以得到所述的数值CMAX，时序n＝0时，序列y(-i)是y(i)的时序i取反的结果；时序取反使得y(i)以纵轴为中心翻转180度。同理的，步骤C)中假设模版图像的集合为g(x)和零件图像为f(x)，如果g(x)和f(x)为连续函数，则两者的相乘求和公式为：如果g(x)和f(x)为离散函数，则两者的相乘求和公式为：设相关的变量是序列x(n)和y(n)，则模版图像和零件图像相乘求和的结果公式为：其中通过f(n)可以得到所述的数值DMAX，时序n＝0时，序列y(-i)是y(i)的时序i取反的结果；时序取反使得y(i)以纵轴为中心翻转180度。另外，物料图像的角度会影响到最后的匹配结果。优选的，步骤C)中，以设定角度和设定中心对物料图像进行360度的旋转并重复进行模版图像和物料图像进行相乘求和，当物料图像和零件图像匹配时，物料图像停止旋转，否则，物料图像旋转一周之后认定物料图像和零件图像不匹配。所述的设定角度大于0度小于等于30度。与现有技术相比，本专利技术的有益效果为：将物料图像和零件图像先进行处理实现同比例缩放，然后将二者和同一模版图像进行相乘求和，根据求和结果判断物料图像和零件图像是否匹配，实现了物料图像和零件图像的自动匹配，尤其适用于废旧物料的重新利用；还对物料图像进行了预判别，对应于各规则形状，增大了物料图像和零件图像的匹配效率。具体实施方式下面结合附图和实施例对本专利技术作进一步详细描述。本专利技术公开了一种基于图像识别物料匹配方法，在工厂原件的物料匹配中，由于原件的材料已知，所以主要关注物料的形状，一般常用二值化即黑白化方式进行处理，所以预处理中对图像进行二值化处理。在本实施例中，物料图像和零件图像都进行二值化处理，并进行二者之间的匹配过程，主要通过以下步骤完成：A)对物料图像进行二值化处理，识别物料图像的外形边框，确定物料的实际大小；B)对零件图像进行二值化处理，并将零件图像和物料图像的缩放比例调整一致；C)建立模版图像，将模版图像和物料图像进行相乘求和得到对比值DMAX，将模版图像和零件图像进行相乘求和得到对比值CMAX；D)当DMAX大于等于CMAX，则相应物料和相应的零件匹配，否则不匹配。通过上述的步骤即可完成对于物料图像和零件图像的自本文档来自技高网...

【技术保护点】
一种基于图像识别的物料匹配方法，其特征在于，包括以下步骤：A)对物料图像进行二值化处理，识别物料图像的外形边框，确定物料的实际大小；B)对零件图像进行二值化处理，并将零件图像和物料图像的缩放比例调整一致；C)建立模版图像，将模版图像和物料图像进行相乘求和得到对比值DMAX，将模版图像和零件图像进行相乘求和得到对比值CMAX；D)当DMAX大于等于CMAX，则相应物料和相应的零件匹配，否则不匹配。

【技术特征摘要】
2016.10.18 CN 20161090563741.一种基于图像识别的物料匹配方法，其特征在于，包括以下步骤：A)对物料图像进行二值化处理，识别物料图像的外形边框，确定物料的实际大小；B)对零件图像进行二值化处理，并将零件图像和物料图像的缩放比例调整一致；C)建立模版图像，将模版图像和物料图像进行相乘求和得到对比值DMAX，将模版图像和零件图像进行相乘求和得到对比值CMAX；D)当DMAX大于等于CMAX，则相应物料和相应的零件匹配，否则不匹配。2.根据权利要求1所述的基于图像识别的物料匹配方法，其特征在于，步骤A)中，还包括对物料图像的滤波和去噪过程。3.根据权利要求1所述的基于图像识别的物料匹配方法，其特征在于，物料图像中包括物料图和标准参考图，标准参考图的实际面积已知；步骤A)通过以下公式确定物料的实际大小：S2＝kN2其中，S1为标准参考图的实际面，S2为物料的实际面积，N1为标准参考图对应像素个数，N2为物料图像对应像素个数，k为每一个像素所代表的实际面积。4.根据权利要求3所述的基于图像识别的物料匹配方法，其特征在于，步骤A)中还包括对物料图像中孔洞面积的去除；物料图像中孔洞面积的计算方法为：先将二值化后的物料图像取反，计算物料图像中空白部分的面积，该空白部分的面积包括标准参考图的面积和物料图像中孔洞的面积，去除标准参考图的面积后即为物料图像中孔洞的面积。5.根据权利要求3所述的基于图像识别的物料匹配方法，其特征在于，步骤B)中，零件的实际大小已知，将零件图像和物料图像的缩放比例调整一致的方法是：将零件图像和物料图像的k调整至相等。6.根据权利要求1所述的基于图像识别的物料匹配方法，其特征在于，步骤C)之前先对物料图像提取形状描述子，然后将物料图像与规则形状的特征进行相似度计算，确定物料图像最接近的规则形状并归类，确定零件图像接近的规则形状检索相应的类别的物料图像。7.根据权利要求6所述的基于图像识别的物料匹配方法，其特征在于，将物料图像与规则形状的特征进行相似度计算的步骤如下：1)进行物料图的Hu不变矩计算，得到七个特征值；2)进行各个规则形状的Hu不变矩计算，得到各个规则形状的7个特征值；3)将物料图的7个特征值与各个规则形状的7个特征值分别使用距离公式计算；4)将计算的结果进行从大到小排序，排序最小值所对应的规则形状即为物料图最接近的规则形状。8.根据权利要求1所述的基于...

【专利技术属性】
技术研发人员：陈祥献，刘丹丹，郭艳梅，袁佳希，阳涛，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33