一种融入学习机理的双目颜色识别方法技术

本发明专利技术公开了一种融入学习机理的双目颜色识别方法，包括如下步骤:新场景下判别是否需要修订识别阈值，如果不需要则直接进行双目识别，否则进入阈值修订阶段；阈值修订阶段，进行CCD标定采集；对提取的数据降噪处理，剔除图像噪声背景；对处理后的数据进行RGB三原色采集并求取均值；以冗余重复策略发放至从业人员，进行二分类识别，形成图像RGB三原色与识别结果的关联矩阵；采用等距法计算R、G、B的阈值；更新并调用平面占比算法，进行双目识别；将识别结果传递给阵列化振动部件，进行精准采摘。本发明专利技术解决了现有技术中场景更换无法精确识别的问题。别的问题。别的问题。

【技术实现步骤摘要】
一种融入学习机理的双目颜色识别方法


[0001]本专利技术涉及一种融入学习机理的双目颜色识别方法，属于智能检测与图像视觉


技术介绍

[0002]采用双目视觉对目标图像进行识别已成为时代主流技术，相关机构都在大力推进双目视觉技术。采用双目视觉对目标对象的定位和识别技术业已相对成熟，但仍有部分应用场景的重难点亟待突破，如何有效多场景提高识别精度，并依据识别效果进行精准控制是当前图像视觉行业面临的“卡脖子”问题之一。
[0003]以枸杞自动采摘系统为例，双目颜色识别面临如下困扰：首先，传统双目系统将颜色参数锁定，新场景应用中需重新示教，费时费力且无固定范式，示教结果无法达到从业人员或相关工程师满意程度。其次，不同产地的枸杞存在颜色差异，如甘肃相较安徽，颜色有较大差异。

技术实现思路

[0004]为解决现有技术的不足，本专利技术的目的在于提供一种融入学习机理的双目颜色识别方法，解决了现有技术中场景更换无法精确识别的问题。
[0005]为了实现上述目标，本专利技术采用如下的技术方案：
[0006]一种融入学习机理的双目颜色识别方法，包括如下步骤:
[0007]新场景下判别是否需要修订识别阈值，如果不需要则直接进行双目识别，否则进入阈值修订阶段；
[0008]阈值修订阶段，进行CCD标定采集；
[0009]对提取的数据降噪处理，剔除图像噪声背景；
[0010]对处理后的数据进行RGB三原色采集并求取均值；
[0011]以冗余重复策略发放至从业人员，进行二分类识别，形成图像RGB三原色与识别结果的关联矩阵；
[0012]采用等距法计算R、G、B的阈值；
[0013]更新并调用平面占比算法，进行双目识别；
[0014]将识别结果传递给阵列化振动部件，进行精准采摘。
[0015]进一步地，前述新场景下判别是否需要修订识别阈值的判别方法为人工判别或系统自动识别。
[0016]进一步地，前述阈值修订阶段，进行CCD标定采集是具体操作包括：
[0017]对目标种群进行图像拍摄，对目标种群采集T张图像，对每张图像进行CCD标定采集。
[0018]进一步地，前述对处理后的数据进行RGB三原色采集并求取均值的步骤包括：
[0019]分别遍历每张图像中所有像素点，提取每个像素点的RGB三原色，统计其中的红色
像素、绿色像素、蓝色像素统计值，通过公式得出每张图像上红色像素、绿色像素、蓝色像素的统计均值，所述公式为
[0020][0021][0022][0023]其中，R
k
表示第k张图像中的R统计均值；G
k
表示第k张图像中的G统计均值；B
k
表示第k张图像中的B统计均值；image
k
.at(Vec3b).(i,j)[r]表示第k张图像中第i行，第j列个像素点的R统计值，image
k
.at(Vec3b).(i,j)[g]表示第k张图像中第i行，第j列个像素点的G统计值，image
k
.at(Vec3b).(i,j)[b]表示第k张图像中第i行，第j列个像素点的B统计值，k∈(1,2，
…
，T)。
[0024]进一步地，前述形成图像RGB三原色与识别结果的关联矩阵的具体步骤包括：
[0025]将同一张图像发给若干从业人员，分别进行识别，如果从业人员通过图像判定果实成熟，则识别结果输出为Y，否则输出为N，最后得出关联矩阵；
[0026]其中[R
m
‑
n
,G
m
‑
n
,B
m
‑
n
,Y]，表示第n个从业人员对图像序号为m的图像进行的识别结果为Y，并提取序号为m的图像中RGB统计均值R
m
,G
m
,B
m
将其赋值给R
m
‑
n
,G
m
‑
n
,B
m
‑
n
；
[0027][R
t
‑
s
,G
t
‑
s
,B
t
‑
s
,N],表示第s个从业人员对图像序号为t的图像进行的识别结果为N，并提取序号为t的图像中RGB统计均值R
t
,G
t
,B
t
将其赋值给R
t
‑
s
,G
t
‑
s
,B
t
‑
s
。
[0028]进一步地，前述采用等距法计算R、G、B的阈值R
thod
、G
thod
、B
thod
的过程包括：
[0029]通过识别结果Y/N将所有矩阵进行分类；
[0030]对识别结果为Y的矩阵中的R
m
‑
n
,G
m
‑
n
,B
m
‑
n
分别求其均值，对识别结果为N的矩阵中的R
t
‑
s
,G
t
‑
s
,B
t
‑
s
分别求其均值，再对两组均值求取其中位数，得到R、G、B的阈值R
thod
、G
thod
、B
thod
。
[0031]进一步地，前述更新并调用平面占比算法，进行双目识别的步骤包括：
[0032]更新输入后的新阈值，
[0033]对实时获取的新图像进行切割，
[0034]遍历切割后的图像中所有像素点，通过双目视觉颜色识别每个像素点的RGB值，
[0035]将每个像素点的RGB实测值R
x
、G
x
、B
x
分别与R
thod
、G
thod
、B
thod
做比较，若R
x
>R
thod
且G
x
>G
thod
且B
x
>B
thod
，则执行下步操作，否则跳过执行下一个像素点的比较；
[0036]对通过的像素点进行数量累加，将累加后的像素点数量除以该图像上的总像素点数，得到初始比值；
[0037]设定通过比值，若初始比值超过通过比值，识别为成熟。
[0038]进一步地，前所述通过比值设定为20％。
[0039]本专利技术所达到的有益效果：
[0040]1、在新场景中通过固定范式进行自学习，省时省力，且在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融入学习机理的双目颜色识别方法，其特征在于，包括如下步骤:新场景下判别是否需要修订识别阈值，如果不需要则直接进行双目识别，否则进入阈值修订阶段；阈值修订阶段，进行CCD标定采集；对提取的数据降噪处理，剔除图像噪声背景；对处理后的数据进行RGB三原色采集并求取均值；以冗余重复策略发放至从业人员，进行二分类识别，形成图像RGB三原色与识别结果的关联矩阵；采用等距法计算R、G、B的阈值；更新并调用平面占比算法，进行双目识别；将识别结果传递给阵列化振动部件，进行精准采摘。2.根据权利要求1所述的一种融入学习机理的双目颜色识别方法，其特征在于,所述新场景下判别是否需要修订识别阈值的判别方法为人工判别或系统自动识别。3.根据权利要求1所述的一种融入学习机理的双目颜色识别方法，其特征在于,所述阈值修订阶段，进行CCD标定采集是具体操作包括：对目标种群进行图像拍摄，对目标种群采集T张图像，对每张图像进行CCD标定采集。4.根据权利要求3所述的一种融入学习机理的双目颜色识别方法，其特征在于,所述对处理后的数据进行RGB三原色采集并求取均值的步骤包括：分别遍历每张图像中所有像素点，提取每个像素点的RGB三原色，统计其中的红色像素、绿色像素、蓝色像素统计值，通过公式得出每张图像上红色像素、绿色像素、蓝色像素的统计均值，所述公式为统计均值，所述公式为统计均值，所述公式为其中，R
k
表示第k张图像中的R统计均值；G
k
表示第k张图像中的G统计均值；B
k
表示第k张图像中的B统计均值；image
k
.at(Vec3b).(i,j)[r]表示第k张图像中第i行，第j列个像素点的R统计值，image
k
.at(Vec3b).(i,j)[g]表示第k张图像中第i行，第j列个像素点的G统计值，image
k
.at(Vec3b).(i,j)[b]表示第k张图像中第i行，第j列个像素点的B统计值，k∈(1,2，
…
，T)。5.根据权利要求4所述的一种融入学习机理的双目颜色识别方法，其特征在于,所述形成图像RGB三原色与识别结果的关联矩阵的具体步骤包括：将同一张图像发给若干从业人员，分别进行识别，如果从业人员通过图像判定果实成熟，则识别结果输出为Y，否则输出为N，最后得出关联矩阵；其中[R
m
‑
n
,G
m
‑
n
,B
m
‑
n
,Y]，表示第n个从业人员对图像序号为m的图像进行的识别结果为Y，并提取序号为m的图像中RGB统计均值R
m
,G
m
,B
m
将其赋值给R
m
‑
n
,G
m
‑
n
,B
m

【专利技术属性】
技术研发人员：裴凤雀，郑良，毛柯夫，苑明海，顾文斌，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：