一种基于图像特征和深度学习技术的玉石分类方法技术

本发明专利技术涉及一种基于图像特征和深度学习技术的玉石分类方法，包括图像采集模块、玉石检测模块、检测结果分析模块、结果输出模块，所述图像采集模块通过采集设备采集玉石图像，对输入的图像进行预处理，然后使用深度学习模型算法对图像进行特征提取，根据二者的特征进行玉石的检测和分类，确定当前图像中的玉石个数及各个玉石所在位置、玉石种类、置信度，从而实现玉石智能分类。本发明专利技术采用深度学习方法解决现有技术方案中识别准确率低、识别效率低、分类成本高等突出问题。本发明专利技术为了弥补现有技术的缺陷，提供了一种基于图像特征和深度学习技术的简单高效的玉石分类方法。术的简单高效的玉石分类方法。

【技术实现步骤摘要】
一种基于图像特征和深度学习技术的玉石分类方法


[0001]本专利技术涉及图像识别
，尤其涉及一种基于图像特征和深度学习技术的玉石分类方法。

技术介绍

[0002]近年来，随着人工智能技术的快速发展，尤其是基于机器学习、深度学习的人工智能等前沿科学技术在各行各业的落地，“AI+传统行业”的模式正在引领一场新的改革，过去只能由人工完成的事情，现在逐步由人工智能技术所替代，逐步实现了半自动化、自动化、智能化。
[0003]在玉石行业，玉石主要分为硬玉和软玉，而在硬玉和软玉中又有不同的玉石种类，其间硬玉是以翡翠为代表，软玉是以和田玉为代表。我国玉石类型多样，包括翡翠、和田玉、碧玉、黄龙玉、俄料、籽料、岫玉、独玉、水晶等等。在玉石行业市场交易中，对玉石的原料种类进行分类主要是依靠人工进行判断，针对某些不易辨识的玉石，还需要依靠专门的仪器设备进行鉴定。然而，现有技术的分类方法中，依靠肉眼判断不仅低效、准确度不高，而依靠专门仪器设备进行分类成本高昂、耗时巨大、处理能力大大受限，难以适应市场化需求。

技术实现思路

[0004]鉴于
技术介绍
存在的不足，本专利技术涉及一种基于图像特征和深度学习技术的玉石分类方法，根据上述问题，本专利技术采用深度学习方法解决现有技术方案中识别准确率低、识别效率低、分类成本高等突出问题。本专利技术为了弥补现有技术的缺陷，提供了一种基于图像特征和深度学习技术的简单高效的玉石分类方法。
[0005]本专利技术涉及一种基于图像特征和深度学习技术的玉石分类方法，包括图像采集模块、玉石检测模块、检测结果分析模块、结果输出模块，所述图像采集模块通过采集设备采集玉石图像，对输入的图像进行预处理，然后使用深度学习模型算法对图像进行特征提取，根据二者的特征进行玉石的检测和分类，确定当前图像中的玉石个数及各个玉石所在位置、玉石种类、置信度，从而实现玉石智能分类。
[0006]通过采用上述方案，借助于使用预先训练好的深度学习模型算法对图像进行特征进行智能识别分类，有效提高识别精准度及效率。
[0007]进一步的，所述采集模块采用采集设备进行图像采集，图像包括可见光图像、专业设备采集的非可见光图像；所述玉石检测模块包括图像预处理、模型检测、玉石个数检测、检测结果可靠性判断；所述检测结果分析模块包括玉石数量分析、位置分析、类别分析、置信度分析，所述结果输出模块包括检测结果完成判断、信息上传。
[0008]通过采用上述方案，使得待检测图像可通过多种途径获得，包含所有拍摄或者视频流解析出的图像。
[0009]进一步的，所述采集模块的采集模块包括但不限于客户端相机、专业相机、扫描仪、数码相机、显微镜、红外发射仪、探伤仪等。
[0010]进一步的，所述图像预处理及图像处理方式包括但不限于缩放、平移、转置、镜像、旋转、归一化、降维、去噪、均衡化、平滑等。
[0011]通过采用上述方案，使得处理图片更加方便，处理后同一管理识别速度快。
[0012]进一步的，所述模型检测的训练模型的方法可以使用目标检测算法、图像分割算法或分类算法。
[0013]通过采用上述方案，通过收集大量关于翡翠、和田玉、碧玉、黄龙玉、俄料、籽料、岫玉、独玉、水晶等玉石的图片素材，根据不同玉石类别进行分类、标定，再借助于计算机设备使用图像检测或分类或分割算法进行模型参数训练学习，训练结束后最终得到所需要的预训练模型。
[0014]进一步的，包括如下实施步骤：S1：图像采集，通过图像采集设备获取玉石的待检测图像；S2：图像预处理，通过对图像的格式处理以达到指定大小及格式；S3：模型检测，采用预先训练好的模型，计算出图像中包含的玉石个数、种类概率值；S4：是否有检测结果，是否有检测结果的判定依据可以检测到的玉石个数是否为非0进行判定，若有检测结果，也即检测到的玉石个数≥1，则执行S7；若无检测结果，也即检测到的玉石个数为0，则执行S5；S5：是否超过阈值，可根据场景需要、软硬件平台的算力性能、对玉石漏检的容错率等因素决定阈值，若无检测结果次数未超过阈值N0，则执行S6，调整图像分辨率、亮度、饱和度等，继续进行检测；若无检测结果次数超过阈值N0，则执行S1，该输入图像不含玉石，继续处理下一张图像；S6：图像处理，通过对图像进行去噪、归一化等操作，以及对图像的格式处理以达到指定大小及格式；S7：检测结果分析，对玉石逐个进行分析，包括玉石概率、玉石个数、玉石所在图像位置、宽高、玉石种类概率；S8：置信度是否超过阈值，若检测结果置信度未超过阈值N1，则执行S5，对图像进行处理后重新进行检测；若检测结果置信度超过阈值N1，说明检测结果可靠，则执行S9；S9：检测结果是否处理完成，若检测结果未处理完成，则执行S7，继续对下一个玉石图像进行处理；若检测结果处理完成，则执行S10，对结果进行上报。S10：上报结果，上报包含玉石个数、所在位置、置信度及玉石概率信息。
[0015]通过采用上述方案，使其方法具有玉石分类准确率高、识别效率高、场景适应性强、鲁棒性好、成本低等优点。
[0016]进一步的，S7、S10中所述玉石概率为属于翡翠、和田玉、碧玉、黄龙玉、俄料、籽料、岫玉、独玉、水晶、其它类别的概率值。
[0017]进一步的，S1、S2、S6中的图像格式、文件、分辨率无大小上下限限制，也不限制图像格式。
[0018]进一步的，S3中的模型包括但不限于Yolo系列、MobileNet系列、SSD、Pelee、RCNN、FastRCNN、FasterRCNN、Mask R
‑
CNN、VGGNet、ResNet、GoogleNet、FCN、SetNet、ReSeg、CRF、MRF等以及其变体算法。
[0019]本专利技术的有益效果如下：1.实现了玉石分类方法上的创新；2.对于新型的玉石可以通过调整模型分类类别重新训练后适配；3.对玉石的个数不做限制，能够处理包括1个或任意多个的玉石的图像；4.对采集图像的数据源不作限制，比如手机相机、专业相机、扫描仪、数码相机拍
摄图像或者视频流解析出的图像，以及显微镜、红外发射仪、探伤仪等专业设备采集的图像等。对图像格式不做限制，能够支持jpg、png、tif、gif等各类图片、视频帧、截图、截屏、扫描件等，对采集图像文件大小无上下限限制。
附图说明
[0020]下面结合附图和实施例对本专利技术进一步说明。
[0021]图1是本专利技术实施例的模块结构示意图。
[0022]图2是本专利技术实施例的流程框图。
[0023]附图标记，1、图像采集模块；2、玉石检测模块；3、检测结果分析模块；4、结果输出模块。
具体实施方式
[0024]以下将结合本专利技术的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述和讨论，显然，这里所描述的仅仅是本专利技术的一部分实例，并不是全部的实例，基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术的保护范围。
[0025]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像特征和深度学习技术的玉石分类方法，其特征在于：包括图像采集模块、玉石检测模块、检测结果分析模块、结果输出模块，所述图像采集模块通过采集设备采集玉石图像，对输入的图像进行预处理，然后使用深度学习模型算法对图像进行特征提取，根据二者的特征进行玉石的检测和分类，确定当前图像中的玉石个数及各个玉石所在位置、玉石种类、置信度，从而实现玉石智能分类。2.根据权利要求1所述的一种基于图像特征和深度学习技术的玉石分类方法，其特征在于：所述采集模块采用采集设备进行图像采集，图像包括可见光图像、专业设备采集的非可见光图像；所述玉石检测模块包括图像预处理、模型检测、玉石个数检测、检测结果可靠性判断；所述检测结果分析模块包括玉石数量分析、位置分析、类别分析、置信度分析，所述结果输出模块包括检测结果完成判断、信息上传。3.根据权利要求2所述的一种基于图像特征和深度学习技术的玉石分类方法，其特征在于：所述采集模块的采集模块包括但不限于客户端相机、专业相机、扫描仪、数码相机、显微镜、红外发射仪、探伤仪等。4.根据权利要求2所述的一种基于图像特征和深度学习技术的玉石分类方法，其特征在于：所述图像预处理及图像处理方式包括但不限于缩放、平移、转置、镜像、旋转、归一化、降维、去噪、均衡化、平滑等。5.根据权利要求2所述的一种基于图像特征和深度学习技术的玉石分类方法，其特征在于：所述模型检测的训练模型的方法可以使用目标检测算法、图像分割算法或分类算法。6.根据权利要求2所述的一种基于图像特征和深度学习技术的玉石分类方法，其特征在于：包括如下实施步骤：S1：图像采集，通过图像采集设备获取玉石的待检测图像；S2：图像预处理，通过对图像的格式处理以达到指定大小；S3：模型检测，采用预先训练好的模型，计算出图像中包含的玉石个数、种类概率值；S4：是否有检测结果，是否有检测结果的判定依据可以检测到的玉石个数是否为非0进行判定，若有检测结果，也...

【专利技术属性】
技术研发人员：郭双双，易长安，王旭伟，王旭辉，李洋，张玉龙，
申请(专利权)人：杭州麦趣网络科技有限公司，
类型：发明
国别省市：