一种内衬纸产品类型的智能识别方法技术

本发明专利技术公开了一种内衬纸产品类型的智能识别方法，该方法包括以下步骤：步骤1、获取包含不同类型内衬纸的产品图库；步骤2、对产品图库中不同类型内衬纸的图像进行训练，对图像进行边缘提取并完善其产品轮廓；步骤3、获得不同类型内衬纸产品的特征数据，包括：高度、孔径、颜色、纹理，根据特征数据建立识别模型；步骤4、拍摄待检测的内衬纸产品的图像，提取其特征数据，将其高度、孔径、颜色、纹理与不同类型内衬纸的特征数据进行相似度分析，输出产品智能识别的类型。本发明专利技术能智能的识别内衬纸的类型，精度高，稳定性好，对使用环境要求低。

An intelligent identification method for the product type of interlining paper

【技术实现步骤摘要】
一种内衬纸产品类型的智能识别方法
本专利技术涉及计算机视觉检测
，尤其涉及一种内衬纸产品类型的智能识别方法。
技术介绍
机器视觉检测技术是非接触检测，对于检测者和被检测者之间均不会产生损伤破坏；可以检测到人眼可见范围之外的物体；能够长时间稳定地工作；成本低，效率高；准确率高并且灵活性强。传统的检测，检测人员容易在长期工作的环境下产生视觉疲劳，使检测结果主观性强，准确度低，效率低。近年来，机器视觉人工智能技术已经迅速发展，出现了一些内衬纸产品类型的智能识别系统，这些系统可以实现产品的颜色，大小等的自动识别，大大提高了工厂的经济效益。但是目前基于机器视觉技术的智能识别技术还存在诸如可靠性差，过拟合，通用性差的问题，还有待提高。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种内衬纸产品类型的智能识别方法。本专利技术解决其技术问题所采用的技术方案是：本专利技术提供一种内衬纸产品类型的智能识别方法，该方法包括以下步骤：步骤1、获取包含不同类型内衬纸的产品图库；步骤2、对产品图库中不同类型内衬纸的图像进行训练，对图像进行边缘提取并完善其产品轮廓；步骤3、获得不同类型内衬纸产品的特征数据，包括：高度、孔径、颜色、纹理，根据特征数据建立识别模型；步骤4、拍摄待检测的内衬纸产品的图像，提取其特征数据，将其高度、孔径、颜色、纹理与不同类型内衬纸的特征数据进行相似度分析，输出产品智能识别的类型。进一步地，本专利技术的该方法中对图像进行训练的方法包括进行变量定义，其方法具体为：定义图像中内衬纸产品的最大面积来表示高度特征；定义内孔面积，来反映内孔孔径大小；定义周边颜色，通过RGB三个通道分别的到的平均值，用来体现圆周表面的颜色；定义纹理，用来反映表面是否具有花纹；定义相似度，用来储存验证时的物体与训练用的两组物体之间的相似程度。进一步地，本专利技术的该方法中对图像进行处理并提取特征数据的方法具体为：将图片读入到C++图片处理程序中；提取边缘并完善产品轮廓；通过求取最大面积，除去干扰噪声和膨胀操作中的孔，得到最大面积，用于代替高度特征；使用排序操作，得到所需的最小孔径，得到孔径特征；获取颜色特征；判断是否具有纹理特征。进一步地，本专利技术的该方法中提取边缘并完善产品轮廓的方法为：通过blur函数将原始图片进行中值滤波处理；利用canny算子将图片进行边缘提取；由于纹理的显示尺寸小于产品的最大尺寸，并且不易直接获取，由此运用dilate函数,将细微的纹理特征进行放大操作。进一步地，本专利技术的该方法中获取颜色特征的方法为：首先在内衬纸产品图像中心选取一定大小的矩形区域；通过mean函数，将框选区域的三元色进行平均化，得到最终的平均值，分别存放在color数组中；将得到的RGB的值通过矩阵转换为YUV的值，最后对所得到的值进行判断得到内衬纸的颜色特征。进一步地，本专利技术的该方法中进行相似度分析的方法为：将得到的四个特征数据进行相似度的分析，每个特征所占的权重分配系数为0.25；对与高度特征的信息，通过对前后最大的面积进行作差运算，得到最大的面积信息，最后乘以权重0.25；孔径特征的操作与高度一致；颜色特征是指将三元色的相似性分别计算，再进行累加；设置bool型变量，纹理相似记为1，不相似记为0。进一步地，本专利技术的该方法中的识别模型包括神经网络和SVM。进一步地，本专利技术的该方法中拍摄待检测的内衬纸产品的图像的方法具体为：本专利技术产生的有益效果是：本专利技术的内衬纸产品类型的智能识别方法，通过工业相机，对内衬纸产品的“高度，孔径，颜色，纹理”进行检测，将产品的四种特征数据进行相似度分析进行对产品智能分类，这样就完成了内衬纸产品智能识别。本专利技术扩大了机器视觉技术的应用范围，精度高，稳定性好，对使用环境要求低。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术实施例的结构示意图；图1为本专利技术的原始输入图片；图2为纹理膨胀后的图片；图3为边缘提取后的图片；图4为内衬纸智能识别的流程图；图5为产品识别的安装单元示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。本专利技术实施例中的内衬纸产品的识别方法，包括以下步骤：S1：根据产品图库进行训练；定义变量；在S1步骤中，由于在同一角度拍摄时，物体的高度不同所得的图片中物体的大小必然有区别，物体的高度难以提取，由此定义最大面积；定义内孔面积，来反映内孔面积大小；定义周边颜色，通过RGB三个通道分别的到的平均值，用来体现圆周表面的颜色；定义纹理，用来反映表面是否具有花纹；定义相似度，用来储存验证时的物体与训练用的两组物体之间的相似程度。S2：获取待测物体的图像，得到原始的输入图片将BMP格式的图片，读入到C++之中。S3：提取边缘并且完善产品轮廓；在上述S3步骤中，通过blur()函数将原始图片进行简单的中值滤波处理；利用canny()算子是将图片进行边缘提取；由于纹理的显示尺寸相对于产品的最大尺寸较小，并且不易被直接获取，由此运用了dilate(),将细微的纹理特征进行放大操作。S4：通过求取最大面积，除去干扰噪声和膨胀操作中的孔，可以的到最终的最大面积，用此来代替高度特征。S5：使用排序操作，得到所需要的最小的孔径，得到所需要的孔径特征。S6：获取颜色特征；在上述S6的步骤中，首先在产品中心选取一定大小的矩形区域；通过mean()函数，将框选区域的三元色进行平均化，得到最终的平均值，分别存放在color数组中；将得到的RGB的值通过矩阵转换为YUV的值，最后对所得到的值进行判断就可以得到内衬纸的颜色特征；S7：将上述步骤得到的四个特征进行相似度的分析，每个特征所占的权重分配系数为0.25；对与高度特征的信息，通过对前后最大的面积进行作差运算，可以得到最大的面积信息，最后乘以权重0.25；孔径特征的操作与高度类似；颜色特征是指将三元色的相似性分别得到，进行累加；设置bool型变量，纹理相似记为1，不相似记为0。本专利技术在S7步骤中，所使用的识别模型还有神经网络，svm等，不局限于S7所提到的一种方法，可以根据实际情况选择合适的识别模型。应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本专利技术所附权利要求的保护范围。本文档来自技高网...

【技术保护点】
1.一种内衬纸产品类型的智能识别方法，其特征在于，该方法包括以下步骤：步骤1、获取包含不同类型内衬纸的产品图库；步骤2、对产品图库中不同类型内衬纸的图像进行训练，对图像进行边缘提取并完善其产品轮廓；步骤3、获得不同类型内衬纸产品的特征数据，包括：高度、孔径、颜色、纹理，根据特征数据建立识别模型；步骤4、拍摄待检测的内衬纸产品的图像，提取其特征数据，将其高度、孔径、颜色、纹理与不同类型内衬纸的特征数据进行相似度分析，输出产品智能识别的类型。

【技术特征摘要】
1.一种内衬纸产品类型的智能识别方法，其特征在于，该方法包括以下步骤：步骤1、获取包含不同类型内衬纸的产品图库；步骤2、对产品图库中不同类型内衬纸的图像进行训练，对图像进行边缘提取并完善其产品轮廓；步骤3、获得不同类型内衬纸产品的特征数据，包括：高度、孔径、颜色、纹理，根据特征数据建立识别模型；步骤4、拍摄待检测的内衬纸产品的图像，提取其特征数据，将其高度、孔径、颜色、纹理与不同类型内衬纸的特征数据进行相似度分析，输出产品智能识别的类型。2.根据权利要求1所述的内衬纸产品类型的智能识别方法，其特征在于，该方法中对图像进行训练的方法包括进行变量定义，其方法具体为：定义图像中内衬纸产品的最大面积来表示高度特征；定义内孔面积，来反映内孔孔径大小；定义周边颜色，通过RGB三个通道分别的到的平均值，用来体现圆周表面的颜色；定义纹理，用来反映表面是否具有花纹；定义相似度，用来储存验证时的物体与训练用的两组物体之间的相似程度。3.根据权利要求1所述的内衬纸产品类型的智能识别方法，其特征在于，该方法中对图像进行处理并提取特征数据的方法具体为：将图片读入到C++图片处理程序中；提取边缘并完善产品轮廓；通过求取最大面积，除去干扰噪声和膨胀操作中的孔，得到最大面积，用于代替高度特征；使用排序操作，得到所需的最小孔径，得到孔径特征；获取颜色特征；判断是否具有纹理特征。4.根据权利要求3所述的内衬纸产品类型的智能识别方法，其特征在于，该方法中提取边缘并完善产品...

【专利技术属性】
技术研发人员：倪忠园，
申请(专利权)人：徐州创源包装材料有限公司，
类型：发明
国别省市：江苏,32