衣物分拣方法、装置、计算机可读介质及电子设备制造方法及图纸

本申请属于衣物分类技术领域，具体涉及一种衣物分拣方法、装置、计算机可读介质以及电子设备。本申请通过获取衣物的图像数据，识别所述衣物的图像数据，得到破损处图像数据；再识别所述衣物的破损处图像数据得到长度特征信息、位置特征信息和工整度特征信息；根据所述长度特征信息、位置特征信息和工整度特征信息确定所述衣物的破损值；基于所述破损值对所述衣物进行分拣。通过本申请的衣物分拣方法，可以利用破损图像的长度特征信息、位置特征信息和工整度特征信息结合来对衣物的破损进行判断，可以准确的判断衣物的破损情况，并根据衣物的不同破损程度进行不同分拣，提高破损检测的准确度，减少了人工投入。减少了人工投入。减少了人工投入。

【技术实现步骤摘要】
衣物分拣方法、装置、计算机可读介质及电子设备


[0001]本申请属于衣物分类
，具体涉及一种衣物分拣方法、装置、计算机可读介质以及电子设备。

技术介绍

[0002]随着生活水平的不断提高，人们对于衣物的更新也更加频繁。而对于旧衣物的回收，目前还是采用人工根据衣物的外形来判断旧衣物是否有破损，并根据破损情况对衣物进行分拣。
[0003]然而，利用人工对衣物进行破损的识别，将大大的耗费人力成本，而且，人工对于衣物破损的判断并不准确，会出现分拣不当，导致旧衣物的实际破损情况与人工分拣的不匹配，这样会增加旧衣物的回收成本，不利于衣物的回收处理。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0005]本申请的目的在于提供一种衣物分拣方法、装置、计算机可读介质以及电子设备，至少在一定程度上克服相关技术中衣物的破损判断不准确导致衣物分拣不当等技术问题。
[0006]本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
[0007]根据本申请实施例的一个方面，提供一种衣物分拣方法，包括：
[0008]获取衣物的图像数据，识别所述衣物的图像数据，得到破损处图像数据；
[0009]识别所述衣物的破损处图像数据得到长度特征信息、位置特征信息和工整度特征信息；
[0010]根据所述长度特征信息、位置特征信息和工整度特征信息确定所述衣物的破损值；
[0011]基于所述破损值对所述衣物进行分拣。
[0012]在本申请的一些实施例中，基于以上技术方案，识别所述衣物的破损处图像数据得到长度特征信息，包括：
[0013]对所述破损处图像数据进行标记点拟合；
[0014]将所述标记点相互连接，将距离最远的两个标记点的距离作为长度特征信息。
[0015]在本申请的一些实施例中，基于以上技术方案，识别所述衣物的破损处图像数据得到位置特征信息和工整度特征信息，包括：
[0016]通过预训练的第一机器学习模型识别所述破损处图像数据，得到位置特征信息，所述第一机器学习模型是以破损处图像数据样本为输入，以位置特征信息为输出进行训练的机器学习模型；
[0017]通过预训练的第二机器学习模型识别所述破损处图像数据，得到工整度特征信
息，所述第二机器学习模型是以破损处图像数据样本为输入，以工整度特征信息为输出进行训练的机器学习模型。
[0018]在本申请的一些实施例中，基于以上技术方案，根据所述长度特征信息、位置特征信息和工整度特征信息确定所述衣物的破损值，包括：
[0019]基于所述长度特征信息和所述工整度特征信息得到长度破损值和工整度破损值，基于所述位置特征信息确定衣物的破损所在位置；
[0020]若衣物的破损所在位置位于衣物的袖口或口袋位置，则确定所述衣物的破损值为零；
[0021]若衣物的破损所在位置位于衣物的边角位置或除袖口和口袋位置之外的非边角位置，则将所述长度破损值和工整度破损值求平均值得到所述衣物的破损值。
[0022]在本申请的一些实施例中，基于以上技术方案，根据所述长度特征信息、位置特征信息和工整度特征信息确定所述衣物的破损值，包括：
[0023]基于所述长度特征信息和所述工整度特征信息得到长度破损值和工整度破损值，基于所述位置特征信息确定衣物的破损所在位置；
[0024]若所述工整度破损值小于设定阈值，则所述衣物的破损值为零。
[0025]在本申请的一些实施例中，基于以上技术方案，根据所述长度特征信息、位置特征信息和工整度特征信息确定所述衣物的破损值，包括：
[0026]若所述工整度破损值大于等于设定阈值，则判断衣物的破损所在位置；
[0027]若衣物的破损所在位置位于衣物的袖口或口袋位置，则确定所述衣物的破损值为零；
[0028]若衣物的破损所在位置位于衣物的边角位置，则在所述长度破损值大于第一设定阈值时，将所述长度破损值作为所述衣物的破损值；
[0029]若衣物的破损所在位置位于除袖口和口袋位置之外的非边角位置，则在所述长度破损值大于第二设定阈值时，将所述长度破损值作为所述衣物的破损值，所述第一设定阈值大于所述第二设定阈值。
[0030]在本申请的一些实施例中，基于以上技术方案，基于所述破损值对所述衣物进行分拣，包括：
[0031]设立多个破损值区间；
[0032]确定所述破损值所在区间为待分拣区间；
[0033]将所述衣物分拣到所述待分拣区间对应的衣物中。
[0034]根据本申请实施例的一个方面，提供一种衣物分拣装置，包括：
[0035]获取模块，用于获取衣物的图像数据，识别所述衣物的图像数据，得到破损处图像数据；
[0036]识别模块，用于识别所述衣物的破损处图像数据得到长度特征信息、位置特征信息和工整度特征信息；
[0037]计算模块，用于根据所述长度特征信息、位置特征信息和工整度特征信息确定所述衣物的破损值；
[0038]分拣模块，用于基于所述破损值对所述衣物进行分拣。
[0039]在本申请的一些实施例中，基于以上技术方案，所述识别模块包括长度识别单元，
所述长度识别单元包括：
[0040]拟合单元，用于对所述破损处图像数据进行标记点拟合；
[0041]连接单元，用于将所述标记点相互连接，将距离最远的两个标记点的距离作为长度特征信息。
[0042]在本申请的一些实施例中，基于以上技术方案，所述识别模块包括位置识别单元和工整度识别单元；
[0043]所述位置识别单元用于通过预训练的第一机器学习模型识别所述破损处图像数据，得到位置特征信息，所述第一机器学习模型是以破损处图像数据样本为输入，以位置特征信息为输出进行训练的机器学习模型；
[0044]所述工整度识别单元用于通过预训练的第二机器学习模型识别所述破损处图像数据，得到工整度特征信息，所述第二机器学习模型是以破损处图像数据样本为输入，以工整度特征信息为输出进行训练的机器学习模型。
[0045]在本申请的一些实施例中，基于以上技术方案，所述计算模块包括：
[0046]子特征获取单元，用于基于所述长度特征信息和所述工整度特征信息得到长度破损值和工整度破损值，基于所述位置特征信息确定衣物的破损所在位置；
[0047]位置判断单元，用于在衣物的破损所在位置位于衣物的袖口或口袋位置时，则确定所述衣物的破损值为零；
[0048]平均计算单元，用于在衣物的破损所在位置位于衣物的边角位置或除袖口和口袋位置之外的非边角位置时，将所述长度破损值和工整度破损值求平均值得到所述衣物的破损值。
[0049]在本申请的一些实施例中，基于以上技术方案，所述计算模块包括：
[0050]子特征获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种衣物分拣方法，其特征在于，包括：获取衣物的图像数据，识别所述衣物的图像数据，得到破损处图像数据；识别所述衣物的破损处图像数据得到长度特征信息、位置特征信息和工整度特征信息；根据所述长度特征信息、位置特征信息和工整度特征信息确定所述衣物的破损值；基于所述破损值对所述衣物进行分拣。2.根据权利要求1所述的衣物分拣方法，其特征在于，识别所述衣物的破损处图像数据得到长度特征信息，包括：对所述破损处图像数据进行标记点拟合；将所述标记点相互连接，将距离最远的两个标记点的距离作为长度特征信息。3.根据权利要求1所述的衣物分拣方法，其特征在于，识别所述衣物的破损处图像数据得到位置特征信息和工整度特征信息，包括：通过预训练的第一机器学习模型识别所述破损处图像数据，得到位置特征信息，所述第一机器学习模型是以破损处图像数据样本为输入，以位置特征信息为输出进行训练的机器学习模型；通过预训练的第二机器学习模型识别所述破损处图像数据，得到工整度特征信息，所述第二机器学习模型是以破损处图像数据样本为输入，以工整度特征信息为输出进行训练的机器学习模型。4.根据权利要求1所述的衣物分拣方法，其特征在于，根据所述长度特征信息、位置特征信息和工整度特征信息确定所述衣物的破损值，包括：基于所述长度特征信息和所述工整度特征信息得到长度破损值和工整度破损值，基于所述位置特征信息确定衣物的破损所在位置；若衣物的破损所在位置位于衣物的袖口或口袋位置，则确定所述衣物的破损值为零；若衣物的破损所在位置位于衣物的边角位置或除袖口和口袋位置之外的非边角位置，则将所述长度破损值和工整度破损值求平均值作为所述衣物的破损值。5.根据权利要求1所述的衣物分拣方法，其特征在于，根据所述长度特征信息、位置特征信息和工整度特征信息确定所述衣物的破损值，包括：基于所述长度特征信息和所述工整度特征...

【专利技术属性】
技术研发人员：刘建立，
申请(专利权)人：平安普惠企业管理有限公司，
类型：发明
国别省市：