物料识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种物料识别方法、装置、设备及存储介质。该方法包括：获取待识别物料图像；采用设定边缘识别算法对待识别物料图像进行处理，获得局部特征信息；将待识别物料图像输入设定神经网络中的卷积层，获得深度特征信息；其中，设定神经网络包括卷积层和全连接层；将局部特征信息与深度特征信息加权融合，获得中间特征；将中间特征输入设定神经网络的全连接层，获得待识别物料的物料类型。本发明专利技术实施例的技术方案，解决了仅采用设定神经网络进行物料识别时，神经网络中部分神经元死亡且无法复活导致的识别失败问题，提高了物料识别的准确性，同时提高了通过设定神经网络进行物料识别时神经网络的容错率。

【技术实现步骤摘要】
物料识别方法、装置、设备及存储介质
本专利技术实施例涉及工程机械
，尤其涉及一种物料识别方法、装置、设备及存储介质。
技术介绍
随着科学技术的不断进步，人们对工作和生活中的舒适、安全和高效的追求越专利技术显，而智能化甚至人工智能则成为实现这一目标的重要手段。由于在进行土方工程期间工作环境恶劣，存在高温、粉尘、潮湿及远离生活区等种种问题，对于无人化的需求日益强烈。针对土方机械中所采集物料类型的识别，目前通常是通过声、光等介质获取物料的关键特性信息进行识别的，大多采用基于机器视觉的深度学习方法，及对获取到的物料进行滑窗处理后通过分类器进行分类，常通过Alexnet网络模型实现。然而，采用传统机器视觉对物料进行识别时，常因识别过程中需要对物料进行多种处理而导致识别过程较慢，而相同的处理对不同物料会产生不同的处理结果，导致识别准确率较低。而通过Alexnet网络模型识别物料时，该网络模型在获取的物料图像中的某些地方会存在神经单元死亡且无法复活的现象，降低了物料识别的准确性。
技术实现思路
本专利技术提供一种物料本文档来自技高网...

【技术保护点】
1.一种物料识别方法，其特征在于，包括：/n获取待识别物料图像；/n采用设定边缘识别算法对所述待识别物料图像进行处理，获得局部特征信息；/n将所述待识别物料图像输入设定神经网络中的卷积层，获得深度特征信息；其中，所述设定神经网络包括卷积层和全连接层；/n将所述局部特征信息与所述深度特征信息加权融合，获得中间特征；/n将所述中间特征输入所述设定神经网络的全连接层，获得所述待识别物料的物料类型。/n

【技术特征摘要】
1.一种物料识别方法，其特征在于，包括：
获取待识别物料图像；
采用设定边缘识别算法对所述待识别物料图像进行处理，获得局部特征信息；
将所述待识别物料图像输入设定神经网络中的卷积层，获得深度特征信息；其中，所述设定神经网络包括卷积层和全连接层；
将所述局部特征信息与所述深度特征信息加权融合，获得中间特征；
将所述中间特征输入所述设定神经网络的全连接层，获得所述待识别物料的物料类型。


2.根据权利要求1所述的方法，其特征在于，在将所述待识别物料图像输入设定神经网络中的卷积层之前，还包括：
对所述待识别物料图像进行滑窗分割，获得目标物料图像；所述目标物料图像的尺寸满足所述设定神经网络的要求；
相应的，将所述目标物料图像输入设定神经网络中的卷积层，包括：
将所述目标物料图像输入所述设定神经网络的卷积层。


3.根据权利要求2所述的方法，其特征在于，将所述局部特征信息与所述深度特征信息加权融合，获得中间特征，包括：
调整所述局部特征信息的数据特征，使得调整后的局部特征信息的数据特征与所述深度特征信息的数据特征相同；
根据预设权重对所述调整后的局部特征信息与所述深度特征信息进行加权融合，并将融合结果确定为中间特征。


4.根据权利要求1所述的方法，其特征在于，在获取待识别物料图像之后，还包括：
对所述待识别物料图像按照如下至少一种方式进行预处理：
二值化、灰度化、噪声抑制、图像分割、边缘提取；
相应的，采用设定边缘识别算法对所述待识别物料图像进行处理，包括：
采用设定边缘识别算法对预处理后的待识别物料图像进行处理。


5.根据权利要求1至4任一...

【专利技术属性】
技术研发人员：杨思雨，蔡登胜，孙金泉，
申请(专利权)人：广西柳工机械股份有限公司，
类型：发明
国别省市：广西;45