一种食品分拣方法、系统及计算机可读存储介质技术方案

本发明专利技术提供的一种食品分拣方法、系统及计算机可读存储介质，食品分拣方法包括：获取存放区中食品的图像和深度信息；将所述图像输入预训练机器学习模型，所述预训练机器学习模型输出所述图像中食品的品类信息、轮廓信息和置信度；根据分拣指令、所述深度信息、所述品类信息以及所述置信度，确定所述图像中目标食品；根据所述目标食品的深度信息和轮廓信息，抓取所述目标食品。该方法基于深度信息指导机械臂进行抓取，在堆叠食品中优先抓取最顶层的食品，解决了无序抓取食品的问题，实现了堆叠食品的有序抓取。

A food sorting method, system and computer-readable storage medium

【技术实现步骤摘要】
一种食品分拣方法、系统及计算机可读存储介质
本专利技术涉及计算机视觉
，特别涉及一种食品分拣方法、系统及计算机可读存储介质。
技术介绍
随着人工智能浪潮的兴起，机械臂在各行各业发挥着日益重要的作用。对机械臂而言，抓取是机械臂走进真实世界必不可少的技能，比如在物流行业中对物体进行分拣，在工业生产线上完成零件的装配以及在快餐行业中进行炸鸡分拣等。机械臂完成抓取任务的过程中，需要待抓取物体的形状，待抓取物体的姿态、物体的质量等。目前，在快餐行业，由于固态食品(例如翅中和翅根)体积小，销量大，不同品类食品在待抓盘中往往以堆叠形式摆放，为提高工作效率，减少人工成本，现有技术中通常采用计算机视觉技术进行产品分类及定位，指导机械臂进行抓取食品，然而在机械臂抓取食品的过程中，由于食品油炸后表面呈金黄色，且油炸后的食品往往堆叠摆放于待抓取盘中，往往不能很好的被机器视觉准确识别，导致机械臂在抓取过程中只能抓取底层未被遮挡的食品，无法实现翅食品的有序抓取。
技术实现思路
为解决现有技术中无序抓取食品的技术问题，本专利技术提供了一种食本文档来自技高网...

【技术保护点】
1.一种食品分拣方法，其特征在于，包括：/nS1：获取存放区中食品的图像和深度信息；/nS2：将所述图像输入预训练机器学习模型，所述预训练机器学习模型输出所述图像中食品的品类信息、轮廓信息和置信度；/nS3：根据分拣指令、所述深度信息、所述品类信息以及所述置信度，确定所述图像中目标食品；/nS4：根据所述目标食品的深度信息和轮廓信息，抓取所述目标食品。/n

【技术特征摘要】
1.一种食品分拣方法，其特征在于，包括：
S1：获取存放区中食品的图像和深度信息；
S2：将所述图像输入预训练机器学习模型，所述预训练机器学习模型输出所述图像中食品的品类信息、轮廓信息和置信度；
S3：根据分拣指令、所述深度信息、所述品类信息以及所述置信度，确定所述图像中目标食品；
S4：根据所述目标食品的深度信息和轮廓信息，抓取所述目标食品。


2.根据权利要求1所述的食品分拣方法，其特征在于，在所述S1步骤之前，还包括：
S0：建立并训练机器学习模型，获取所述预训练机器学习模型。


3.根据权利要求2所述的食品分拣方法，其特征在于，所述S0步骤中，具体包括：
S01：获取历史存放区中食品的样本图像和样本深度信息；
S02：根据所述样本深度信息，对所述样本图像中食品进行边缘识别，获得边缘样本图像；
S03：对所述边缘样本图像进行分割，获得分割样本图像，并对所述分割样本图像添加标签作为训练样本；
S04：建立所述机器学习模型，并根据所述训练样本训练所述机器学习模型，获取所述预训练机器学习模型。


4.根据权利要求1所述的食品分拣方法，其特征在于，所述S2步骤中，所述预训练机器学习模型输出所述图像中食品的品类信息、轮廓信息和置信度的方法，具体包括：
S21：根据所述深度信息，对所述图像中食品进行边缘识别，获得边缘图像；
S22：对所述边缘图像进行分割，获得分割图像；
S23：将所述分割图像输入所述预训练机器学习模型进行模型识别判断；
S24：根据S23步骤的判断结果，所述预训练机器学习模型输出所述分割图像中食品的品类信息、轮廓信息和置信度。


5.根据权利要求4所述的食品分拣方法，其特征在于，所述S3步骤中，确定所述图像中目标食品的方法，具体包括：
S31：获取分拣指令；
S32：根据所述分拣指令和所述品类信息，确定第一目标食品集；
S33：根据所述第一目标食品集的置信度，确定置信度大于第一预设阈值的第二目标食品集；
S34：根据所述第二目标食品集的深度信息，确定...

【专利技术属性】
技术研发人员：张竞艺，仇雪雅，
申请(专利权)人：上海明略人工智能集团有限公司，
类型：发明
国别省市：上海;31