一种基于卷积神经网络的蚕茧在线视觉检测方法技术

本发明专利技术公开了一种基于卷积神经网络的蚕茧在线视觉检测方法，对获取的蚕茧图像进行区域选取，并按类别构建蚕茧数据集；设计并训练卷积神经网络，形成识别精度高且参数量小的蚕茧分类模型；在线检测中实时拍摄图片，自动选取蚕茧区域，输入到分类模型中进行预测，得到分类结果；网络模型使用全局平均池化层取代传统卷积神经网络结构中的全连接层，具有参数少，测试用时短的特点，能够实现对蚕茧的快速检测，大幅度减轻人工筛选蚕茧的压力并且具有较强的自适应能力。

An on-line vision detection method for Silkworm Cocoon Based on convolution neural network

The invention discloses an online vision detection method for Silkworm Cocoon Based on convolution neural network, which selects the region of the acquired silkworm cocoon image and constructs the data set of silkworm cocoon according to the category; designs and trains convolution neural network to form a classification model of silkworm cocoon with high recognition accuracy and small parameters; takes real-time pictures in Online detection, automatically selects the silkworm cocoon region and inputs it into the classification model. The network model uses the global average pooling layer instead of the full connection layer in the traditional convolution neural network structure, which has the characteristics of fewer parameters and shorter testing time. It can realize the rapid detection of silkworm cocoons, greatly reduce the pressure of manual screening of silkworm cocoons and has strong adaptive ability.

【技术实现步骤摘要】
一种基于卷积神经网络的蚕茧在线视觉检测方法
本专利技术涉及一种基于卷积神经网络的蚕茧在线检测方法，属于机器视觉领域。
技术介绍
丝绸是中国的瑰宝，每年的茧丝绸行业的经济效益很高，相关丝绸产品的产量巨大，每年需求都不断增加。蚕茧作为丝绸的原材料，其质量的优劣也对丝绸产品质量产生很大影响，因此筛选出优质的蚕茧对生产高质量丝绸产品至关重要。目前蚕茧行业里普遍采用人工挑选的方式进行筛选，这种方式不仅效率低，而且评判标准主要依靠工人师傅的经验，筛选的结果易受情绪影响，这就造成最终得到的蚕茧可能标准有差别，影响缫丝等后续操作。为了进一步增加工作的效率，蚕茧自动化辅助筛选的需求越来越大。自动化辅助筛选主要包括传送装置，视觉检测系统以及分拣装置三部分。通过机器视觉检测算法将合格蚕茧与缺陷蚕茧进行分类是蚕茧自动化筛选的关键技术。目前，有相关技术人员使用机器视觉的方法对蚕茧检测进行了一些研究，其中，宋亚杰等人提出根据数学形态学的方法计算蚕茧面积、相关系数和RGB值等特征来判断蚕茧种类，但每种蚕茧需要使用不同的参数进行分类，每种参数需要调节，过程较为复杂，且受灯光，图像处理方法等的多种因素影响。浙江大学金本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的蚕茧在线视觉检测方法，其特征在于：对获取的蚕茧图像进行区域选取，并按类别构建蚕茧数据集；设计并训练卷积神经网络，形成识别精度高且参数量小的蚕茧分类模型；在线检测中实时拍摄图片，自动选取蚕茧区域，输入到分类模型中进行预测，得到分类结果，具体包括以下步骤：S1建立蚕茧数据集S1.1获取不同类别蚕茧图像，在深色背景下拍摄不同类别的蚕茧图像，构造蚕茧图像原始图像库；S1.2在获取的原图上进行高斯滤波处理，对滤波后的图像执行二值化，增强对比度；S1.3求二值图中蚕茧区域的重心坐标；S1.4以重心为中心，在原图上扩展并截取出W*H的区域以去除多余背景信息，使该区域能够完整包含各类...

【技术特征摘要】
1.一种基于卷积神经网络的蚕茧在线视觉检测方法，其特征在于：对获取的蚕茧图像进行区域选取，并按类别构建蚕茧数据集；设计并训练卷积神经网络，形成识别精度高且参数量小的蚕茧分类模型；在线检测中实时拍摄图片，自动选取蚕茧区域，输入到分类模型中进行预测，得到分类结果，具体包括以下步骤：S1建立蚕茧数据集S1.1获取不同类别蚕茧图像，在深色背景下拍摄不同类别的蚕茧图像，构造蚕茧图像原始图像库；S1.2在获取的原图上进行高斯滤波处理，对滤波后的图像执行二值化，增强对比度；S1.3求二值图中蚕茧区域的重心坐标；S1.4以重心为中心，在原图上扩展并截取出W*H的区域以去除多余背景信息，使该区域能够完整包含各类蚕茧，其中W，H为固定数值，具体数值根据蚕茧在图像所占比例进行调整；根据步骤S1.1-S1.4建立蚕茧图像数据集；S2设计并训练基于卷积神经网络的蚕茧分类模型：训练蚕茧分类模型，对已建立的蚕茧图像数据集，采用卷积神经网络的方法进行训练，训练的过程主要分为三个步骤：S2.1图像尺寸调整和归一化处理；首先调整蚕茧数据集中图像的大小，设置为固定尺寸大小，其次对图像进行像素归一化处理；S2.2设计针对蚕茧的卷积神经网络结构；搭建的卷积神经网络采用八层结构，前四层为卷积层与池化层交替排列，第五层和第六层为卷积层，第七层为全局平均池化层，第八层为分类层，每层的权值采用高斯分布的随机数实现初始化；网络结构中的Conv1层、Conv2层、Conv3层、Conv4层分别有64、128、192、192个featuremap，所有卷积核的尺寸均为3x3，Pool1层、Pool2层均为最大池化层，GlobalAVEPool为全局平均池化层，最后一层为Softmax分类层；S2.3对设计的卷积神经网络进行训练；在训练过程中，每次采用小批次(minibatch)的方式将一定数量的蚕茧训练样本送入网络中，最终使用Softmax分类层输出每个样本的预测结果，通过多项逻辑损失函数衡量预测结果与真实结果之间的差距，采用动量式的梯度下降法为优化方法使损失函数达到最小，进而实现对卷积神经网络的训练，得到针对蚕茧分类的卷积神经网络分类模型；S3在线检测过程：S3.1在线获取蚕茧图像，调整好工业相机镜头光圈、焦距参数，在相机外侧安装光源，在深色背景下拍摄蚕茧图像；S3.2对于获取的深色背景下拍摄蚕茧图像，使用模板匹配的方法，初步定位出深色背景下拍摄蚕茧图像上蚕茧的位置；S3.3对深色背景下拍摄蚕茧图像中蚕茧的中心位置进行扩展，扩展到指定大小为W×H后截图，使每张截图上只有一个蚕茧位于图像的中心位置；S3.4调整每张截图的尺寸为固定大小；S3.5对调整完尺寸后的截图执行减均值的归一化方法，得到归一化后的图像；S3.6将归一化后的图像送入训练好的CNN模型中，通过模型的前向传播，得到预测结果，即得到蚕茧的分类信息。2.根据权利要求1所述的一种基于卷积神经网络的蚕茧在线视觉检测方法，其特征在于：本方法对采集到的蚕茧图像进行区域选取，并按类别构建蚕茧数据集；设计并训练卷积神经网络蚕茧分类模型，形成识别精度高且参数量小的分类模型；在线检测中实时拍摄图片，自动选取蚕茧区域，输入到分类模型中进行预测，得到分类结果；建立蚕茧数据集的具体实现步骤为：步骤一、蚕茧图像的获取根据蚕茧识别检测精度要求，调整好工业相机镜头光圈、焦距机械参数，获取蚕茧图像；步骤二、图像尺寸预处理(1)在获取的原图上进行高斯滤波处理，对滤波后的图像...

【专利技术属性】
技术研发人员：崔晶，冯玮，楚中毅，贾庚，张祖魁，王伟，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11