一种基于卷积神经网络对图像中的铅笔进行精确计数的方法技术

本发明专利技术公开了一种基于卷积神经网络对图像中的铅笔进行精确计数的方法，该方法首先搭建YOLO神经网络模型；对生产线上俯拍采集的多种不同类型的铅笔图片进行预处理，作为训练数据；通过对YOLO神经网络进行训练，得到网络的权重和偏置；将待计数的铅笔图像作为神经网络模型的输入，获得出铅笔的精确数目。铅笔形状有六边形和圆形，笔芯形状有圆形和三角形，笔芯颜色有红色、绿色、蓝色、黄色、黑色等多种。由于笔芯裸露在外，笔芯形状和铅笔形状相似，因此传统图像处理方法，包括二值化处理后进行形态学操作等不适用于这种类型的铅笔。通过深度学习的方法，构建YOLO神经网络模型可以对这种类型的铅笔进行精确计数，准确率可大大提升。

An accurate counting method of pencil in image based on convolution neural network

【技术实现步骤摘要】
一种基于卷积神经网络对图像中的铅笔进行精确计数的方法
本专利技术属于批量物品制造领域，尤其涉及一种基于卷积神经网络对图像中的铅笔进行精确计数的方法。
技术介绍
铅笔是是一种用来书写以及绘画素描专用的笔类，历史悠久。铅笔制造行业在当今制造业高度发达的时代也已屡见不鲜。针对市场需要，很多铅笔制造厂可以生产出不同外观、颜色、用途以及型号的铅笔，并且生产量巨大，高达上千万甚至数亿。经过机器生产的铅笔外观上完全相同，由于生产的数量级巨大，精确统计生产的铅笔数目成为生产厂家的一大困难。单一的利用传送带计数不够精确，依赖人工进行铅笔计数又十分耗费精力，并且效率极低。同时，由于铅笔的类型众多，不同类型的铅笔外观也大大不同，传统的图像处理方法针对某一类别的铅笔可能效果很好，但是无法做到通用。而精确、高效的统计出产品的数目对厂家十分重要，是厂家做出适合发展和销售的合理预测和规划的重要数据支持。
技术实现思路
专利技术目的：针对上述现有方法存在的问题和不足，本专利技术旨在提供一种基于卷积神经网络对图像中的铅笔进行精确计数的方法，通过该方法可以利用本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络对图像中的铅笔进行精确计数的方法，其特征在于，该方法包括以下步骤：/n(1)搭建YOLO神经网络模型；/n(2)对生产线上俯拍采集获得的铅笔图片进行预处理；/n(3)对神经网络结构参数进行设定和训练参数初始化；/n(4)将多种不同类型的铅笔图像作为一类数据进行数据增强；/n(5)对获取的铅笔图像进行数据训练，得到网络权重和偏置；/n(6)将待计数的铅笔图像输入神经网络模型，得到铅笔的精确数目。/n

【技术特征摘要】
1.一种基于卷积神经网络对图像中的铅笔进行精确计数的方法，其特征在于，该方法包括以下步骤：
(1)搭建YOLO神经网络模型；
(2)对生产线上俯拍采集获得的铅笔图片进行预处理；
(3)对神经网络结构参数进行设定和训练参数初始化；
(4)将多种不同类型的铅笔图像作为一类数据进行数据增强；
(5)对获取的铅笔图像进行数据训练，得到网络权重和偏置；
(6)将待计数的铅笔图像输入神经网络模型，得到铅笔的精确数目。


2.根据权利要求1所述的一种基于卷积神经网络对图像中的铅笔进行精确计数的方法，其特征在于，在步骤(1)中，所述搭建YOLO神经网络模型的结构如下：
第一层为卷积层，首先进行批量归一化，经过卷积核提取特征后，输出依次经过LeakyRelu函数、2×2最大池化层；
第二层为卷积层，首先进行批量归一化，经过卷积核提取特征后，输出依次经过LeakyRelu函数、2×2最大池化层；
第三层为卷积层，首先进行批量归一化，经过卷积核提取特征后，输出依次经过LeakyRelu函数、2×2最大池化层；
第四层为卷积层，首先进行批量归一化，经过卷积核提取特征后，输出依次经过LeakyRelu函数、2×2最大池化层；
第五层为卷积层，首先进行批量归一化，经过卷积核提取特征后，输出依次经过LeakyRelu函数、2×2最大池化层；
第六层为卷积层，首先进行批量归一化，经过卷积核提取特征后，输出依次经过LeakyRelu函数、2×2最大池化层；
第七层为卷积层，首先进行批量归一化，经过卷积核提取特征后，输出经过LeakyRelu函数；
第八层为卷积层，首先进行批量归一化，经过卷积核提取特征后，输出经过LeakyRelu函数；
第九层为卷积层，首先进行批量归一化，经过卷积核提取特征后，输出经过LeakyRelu函数；
第十层为卷积层，经过卷积核提取特征后，输出经过linear函数；
第十一层为YOLO层，使用6个anchor，进行数据增强和多尺度训练，最终得到目标的数目。


3.根据权利要求1所述的一种基于卷积神经网络对图像中的铅笔进行精确计数的方法，其特征在于，在步骤(2)中，对生产线上俯拍采集获得的铅笔图片进行预处理方法如下：
(2.1)将铅笔所在的区域从原始图像中裁剪出来；
(2.2)对(2.1)中裁剪得到的铅笔图像进行二次裁剪得到符合神经网络模型输入大小的图像作为网络的输入。


4.根据权利要求1所述的一种基于卷积神经网络对图像中的铅笔进行精确计数的方法，其特征在于：在步骤(3)中，所述YOLO网络结构参数设定和训练参数初始化如下：
(3.1)网络的输入图像大小为576*576*3，训练的batch大小设置为1，max_batches的...

【专利技术属性】
技术研发人员：蒋业凡，夏思宇，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32