基于深度学习的卷烟识别分拣方法及其卷烟识别分拣装置制造方法及图纸

本发明专利技术提供一种基于深度学习的卷烟识别分拣方法及其卷烟识别分拣装置，本发明专利技术的方法包括如下步骤：启动整个卷烟识别分拣装置，图像采集器处于待命状态；图像采集器开始采集图像，然后将采集到的图像进行压缩编码，并将其传送至图像识别系统中；图像识别系统中，将采集到的条烟图像输入到卷积神经网络中，得到的输出为条烟的种类；确认客户所需的条烟的品牌以及数量是否符合，当所有订单分拣完成，系统关闭。本发明专利技术解决了现有的卷烟识别分拣方法的工作量大、识别精度不高的问题。

【技术实现步骤摘要】
基于深度学习的卷烟识别分拣方法及其卷烟识别分拣装置
本专利技术涉及卷烟识别分拣
，尤其涉及一种基于深度学习的卷烟识别分拣方法及其卷烟识别分拣装置。
技术介绍
我国是卷烟生产以及消费的大国，2015年烟草行业上缴财政总额超过11000亿元，占国家财政收入的比重高达7.3％。且从行业发展中可以估计，它在未来的一定时期还会一直保持甚至发展。我国卷烟实现了“一库制”集中配送的网建新模式，这种新模式有多品种、少批量、多用户的特点，这使得一个地级市烟草配送中心条烟每日分拣量达到1000箱以上。为适应配送中心数量多，分拣效率高的要求，国内烟草配送中心多使用半自动卷烟分拣机。半自动卷烟分拣机分为上烟、分拣、收烟三个环节，本专利技术是针对分拣过程中的条烟识别功能。现有的条烟识别分拣设备主要用于解决在匀速运动的传送装置上，对于包装好的条烟的种类进行识别。以此来确定传送装置上的条烟是否是需要的品牌以及数目。现阶段主流的条烟识别系统有基于二维码的识别系统和基于数字图像的识别系统。基于二维码的识别系统，顾名思义，是通过扫描条烟上的二维码来进行条烟种类识别。如果成功获取二维码信息，则卷烟的正确识别率很高。本文档来自技高网...

【技术保护点】
1.基于深度学习的卷烟识别分拣方法，其特征在于，包括如下步骤：步骤1：启动整个卷烟(3)识别分拣装置，图像采集器处于待命状态；步骤2：当卷烟(3)位于图像采集器下方时，图像采集器开始采集图像；步骤3：将采集到的图像进行压缩编码，并将其传送至图像识别系统(5)中；步骤4：图像识别系统(5)中，将采集到的条烟图像输入到卷积神经网络中，得到的输出为条烟的种类；步骤5图像识别系统(5)调出数据库的其中一个订单，确认客户所需的条烟的品牌以及数量是否符合，如果符合则进入步骤6；如果不符合订单要求，则停止分拣，并立即更正错误条烟，待错误纠正后，返回步骤3；步骤6：检测步骤5中获取的订单分拣是否完成，如果没有...

【技术特征摘要】
1.基于深度学习的卷烟识别分拣方法，其特征在于，包括如下步骤：步骤1：启动整个卷烟(3)识别分拣装置，图像采集器处于待命状态；步骤2：当卷烟(3)位于图像采集器下方时，图像采集器开始采集图像；步骤3：将采集到的图像进行压缩编码，并将其传送至图像识别系统(5)中；步骤4：图像识别系统(5)中，将采集到的条烟图像输入到卷积神经网络中，得到的输出为条烟的种类；步骤5图像识别系统(5)调出数据库的其中一个订单，确认客户所需的条烟的品牌以及数量是否符合，如果符合则进入步骤6；如果不符合订单要求，则停止分拣，并立即更正错误条烟，待错误纠正后，返回步骤3；步骤6：检测步骤5中获取的订单分拣是否完成，如果没有完成则回到步骤3，如果完成，则再次调出下一个订单；当所有订单分拣完成，系统关闭。2.根据权利要求1中所述的基于深度学习的卷烟识别分拣方法，其特征在于，所述步骤4中的卷积神经网络的获得包括搭建过程和训练过程，卷积神经网络的搭建过过程为：搭建4个卷积层、2个池化层、2个全连接层以及1个输出层。3.根据权利要求2所述的基于深度学习的卷烟识别分拣方法，其特征在于，所述卷积神经网络的训练过程为：步骤4.1：模拟卷烟(3)分拣场景，采集客户需求的所有卷烟种类的图像；；如果已有的条烟图像库足够大，则不需要该步骤；步骤4.2：将采集到的所有图像做翻转、对称变化以扩大训练样本，并贴上相应的类别标签；步骤4.3：将贴上标签的图像分为训练集和测试集；步骤4.4：将训练集导入建立好后的卷积神经网络中进行训练，经过10k次以上的训练，得到参数合理的神经网络；步骤4.5：将测试集导入步骤4.4得到的卷积神经网络进行分类，如果识别率达到要求，则神经网络训练完成，否则重复步骤4.1到步骤4.5，直到识别率达到要求。4.根据权利要求1－3所述的基于深度学习的...

【专利技术属性】
技术研发人员：万川，易波，汤杨平，
申请(专利权)人：四川九哈科技股份有限公司，
类型：发明
国别省市：四川,51