本发明专利技术公开了一种基于轻量网络的智能仓储物件识别装置，包括一用于放置待识别件的转盘，转盘与转盘驱动装置连接，在转盘驱动装置的驱动下可水平旋转；围绕转盘布置有两个以上视野中心对准转盘中心的图像采集设备，图像采集设备布置在所述转盘的不同方位上且其与转盘间的高度差不同；图像采集设备、转盘驱动装置分别与中央处理单元连接，中央处理器通过图像采集设备获取待识别件的图片，而后将其输入训练好的Densenet改进模型中，训练好的Densenet改进模型输出目标类别。本发明专利技术的装置，识别效率高、数据处理量小且识别精度高，极具应用前景。具应用前景。具应用前景。
【技术实现步骤摘要】
一种基于轻量网络的智能仓储物件识别装置
[0001]本专利技术属于设备识别
，涉及一种基于轻量网络的智能仓储物件 识别装置。
技术介绍
[0002]从20世纪开始，机器视觉经历了近60年的发展已经出现的众多应用， 也是当下各界学者的热点研究方向之一。将机器视觉应用到检测、交通、医 疗图像、监控系统当中的案例数不胜数，将机器视觉应用到工业仓储当中能 够有助于更快实现工业智能化。由于机器视觉系统可以快速获取大量信息， 而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现 代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验 和质量控制等领域。但是机器视觉技术比较复杂，最大的困难在于人的视觉 机制尚不清楚。因此建立机器视觉系统仍存在一定复杂性。在研究机器视觉 的过程中，获取一张高质量的可用图像至关重要，因此为保证图像质量，整 个结构对于光源系统的要求很高，对比度、亮度、鲁棒性(位置敏感度)等 都是设计过程中需要慎重考虑的问题。可以预见的是，随着机器视觉技术自 身的成熟和发展，它将在现代和未来制造业中得到越来越广泛的应用。
[0003]随着物联网的快速发展，各行各业都在开发智能仓储系统，尤其体现在 物流行业。在工业环境中建立智能仓储系统将极大提升查找效率，现代工业 仓储系统内部不仅物品复杂，而且形态各异、性能各异，实现动态存取、智 能查询可以为工业智能化提供良好的保证。
[0004]传统工业生产或仓储场景中，对生产物料(器件)或货物的识别跟踪通 常以打标签(条形码、二维码)的方式实现，通过人力来对打过标签(如二 维码)的货物存放到仓库的固定位置，取货时通过扫描标签获取货物在仓库 的位置，实现货物取放，或者设置于传送带上的扫码系统扫描通过的物料， 实现对物料的跟踪。而对于非标准货物(数量少)或异形货物(无法打标签)， 打标签方式效率低或者根本无法实现。对于此类货物，当前的仓储系统主要 是在特定角度采集特定状态的零件，而后完成零件识别，为完成零件识别往 往还需要使用理料机与图像采集设备配合，其不仅采集非常繁琐且不易于管 理，而且理料机往往需要定制，其价格昂贵，同时其难以适用于不规则且复 杂的物料整理。
[0005]此外，目标检测是计算机视觉领域的重要研究方向之一，传统的目标检 测方法是通过构建特征描述子提取特征后利用分类器对特征进行分类实现目 标检测，如梯度方向直方图HOG(Histogram of Oriented Gradient)和支持向量机 SVM(Support Vector Machine)。随着深度学习在图像分类领域的优异表现，卷 积神经网络在计算机视觉的各领域开始得到了广泛使用。在目标检测领域中 使用深度学习实现目标检测成为一个新的方向。传统神经网络使用使用全连 接层进行层与层之间的连接，而卷积神经网络的权值共享网络使得计算量大 幅度减少，降低了网络模型的复杂度。卷积神经网络的平移不变性可以使其 更好处理图片的特征，基于图像识别方法出现了大量的卷积神经网络，从最 初的
ShuffleNet通道打算顺序的特性、ResNet中的残差网络、Inception中通道分割、 DenseNet中多重残网络以及MobileNet中的DWConv得到Densenet改进模型， 其相比于传统网络以及轻量化网络进一步提升精度和缩小模型的结构，而应 用Densenet改进模型完成目标类别识别，不仅数据处理量小，而且其识别精 度高，极具应用前景。
[0014]作为优选的技术方案：
[0015]如上所述的一种基于轻量网络的智能仓储物件识别装置，所述中央处理 器运行如下程序进行数据增强：
[0016](1)待识别件安放在转盘的中心后，中央处理单元开启转盘驱动装置及 所有的图像采集设备，转盘驱动装置驱动转盘水平旋转，图像采集设备定时 对待识别件进行图像采集，在图像采集设备进行图像采集的同时中央处理单 元将记录图像采集设备的观察视角信息，并将采集的图像与观察视角信息数 据信息进行映射构成所述数据集，第n个图像采集设备第t时刻观察视角信息 G
tn
的表达式具体如下：
[0017][0018][0019]其中，r
n
为第n个图像采集设备与转盘中心连线的距离，θ
n
为第n个图像 采集设备与转盘所在水平面的夹角，为第t时刻第n个图像采集设备的水 平面投影与x轴的夹角，为初始时刻第n个图像采集设备的水平面投影与 x轴的夹角，x轴为以转盘中心为原点、以转盘所在水平面为x轴、y轴所在 面所建立的坐标系中的x轴，V表示转盘的旋转速度；
[0020](2)对数据集中的图像采集设备观察视角信息数据进行增强处理，增强 后的第n个图像采集设备第t时刻的观察视角信息H
tn
的表达式具体如下：
[0021][0022][0023]其中，为增强后的数据相比于第n个图像采集设备第t时刻的观察视角 信息的旋转角度，[d
x
,d
y
]分别表示增强后的数据相比于第n个图像采集设备第 t时刻的观察视角信息x、y轴方向上的平移分量。
[0024]本专利技术的装置在数据采集过程中，在内部以转盘中心为原点建立笛卡尔 坐标系，当物体放置转盘中心位置开始采集图像后，计算相机相对物体的视 角的实时空间极坐标描述(用以描述不同角度摄像单元的空间位姿)，从而在 获取的物体图像数据中标注基于空间极坐标表示的观察视角信息(包括识别 角度与距离参数)，增加后续识别过程的效率和准确性。
[0025]如上所述的一种基于轻量网络的智能仓储物件识别装置，所述增强后的 数据对应的状态相比于增强对象对应的状态左右或上下平移小于等于20％或 者顺或逆时针的随
机旋转角度小于等于30
°
，此处仅给出一种可行的技术方 案，本领域技术人员可根据实际需求通过平移和旋转操作生成增强数据。
[0026]如上所述的一种基于轻量网络的智能仓储物件识别装置，所述转盘布置 在一框架内，所述图像采集设备固定在框架上，框架上还固定有光源；
[0027]所述转盘下布置黑色背板；黑色背板、光源与柔光罩共同构成本装置的 光源系统，提供漫反射所需条件，其照明条件是基于漫反射照明的，其用于 为装置提供稳定、适宜的光照环境，避免图像采集受到外界噪声干扰与影响， 提高识别正确率。
[0028]所述转盘驱动装置为驱动电机。
[0029]如上所述的一种基于轻量网络的智能仓储物件识别装置，所述光源布置 在转盘的上方，所述框架外套有柔光罩；
[0030]所述框架为方形框架；
[0031]所述图像采集设备共有五个，分别布置在框架的四周及顶部，且五个图 像采集设备与转盘的高度差均不相同；五个图像采集设备可以实现并行采集， 采集1次可得到5张同一零件不同视角的图像数据，大幅提升采集速度与效 率；
[0032]所述框架的转角处圆角过渡，防止局部压强过大损坏设备；所述框架由 多根铝合金方管固定拼本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于轻量网络的智能仓储物件识别装置，其特征在于，包括一用于放置待识别件的转盘，所述转盘与转盘驱动装置连接，在转盘驱动装置的驱动下可水平旋转；围绕所述转盘布置有两个以上视野中心对准转盘中心的图像采集设备，所述图像采集设备布置在所述转盘的不同方位上且其与转盘间的高度差不同；所述图像采集设备、转盘驱动装置分别与中央处理单元连接，所述中央处理器通过图像采集设备获取待识别件的图片，而后将其输入训练好的Densenet改进模型中，训练好的Densenet改进模型输出目标类别；所述Densenet改进模型相比于Densenet模型的改进之处在于，网块中的Back Bone包括Channel Split、第一卷积层、第二卷积层、第三卷积层、第一深度分离卷积层、第二深度分离卷积层、Concat、Channel Shuffle，其中Channel Split、第一卷积层、第一深度分离卷积层、第二卷积层、Concat、Channel Shuffle依次连接，第二深度分离卷积层、第三卷积层与第一卷积层、第一深度分离卷积层、第二卷积层并联，第二深度分离卷积层与Channel Split连接，第三卷积层与Concat连接。2.根据权利要求1所述的一种基于轻量网络的智能仓储物件识别装置，其特征在于，所述中央处理器运行如下程序进行数据增强：(1)待识别件安放在转盘的中心后，中央处理单元开启转盘驱动装置及所有的图像采集设备，转盘驱动装置驱动转盘水平旋转，图像采集设备定时对待识别件进行图像采集，在图像采集设备进行图像采集的同时中央处理单元将记录图像采集设备的观察视角信息，并将采集的图像与观察视角信息数据信息进行映射构成所述数据集，第n个图像采集设备第t时刻观察视角信息G
tn
的表达式具体如下：的表达式具体如下：其中，r
n
为第n个图像采集设备与转盘中心连线的距离，θ
n
为第n个图像采集设备与转盘所在水平面的夹角，为第t时刻第n个图像采集设备的水平面投影与x轴的夹角，为初始时刻第n个图像采集设备的水平面投影与x轴的夹角，x轴为以转盘中心为原点、以转盘所在水平面为x轴、y轴所在面所建立的坐标系中的x轴，V表示转盘的旋转速度；(2)对数据集中的图像采集设备观察视角信息数据进行增强处理，增强后的第n个图像采集设备第t时刻的观察视角信息H
t...
【专利技术属性】
技术研发人员：安康，陆叶斌，苗田恬，上官倩芡，方祖华，
申请(专利权)人：上海师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。