一种基于深度学习技术的一次性餐具套件检测识别方法技术

本发明专利技术公开了一种基于深度学习技术的一次性餐具套件检测识别方法，包括以下步骤：步骤S1：获取待处理一次性餐具套件图像；步骤S2：将获取的图像送入到餐具检测识别模块中进行数据预处理和餐具检测识别；步骤S3：将S2输出的餐具位置信息送入越界检测模块中，通过位置比对判断餐具是否越界；步骤S4：将S2输出的餐具类型信息送入单根筷子识别模块中，通过阈值判定是否存在单根筷子；步骤S5：将S2输出的餐具类型信息送入缺件识别模块中，通过将阈值和颜色识别结合方法判定是否缺件；本发明专利技术的有益效果是，通过深度学习技术训练餐具检测识别模型，并结合阈值判定与颜色识别技术进行一次性餐具的缺件、越界和单根筷子的检测识别。越界和单根筷子的检测识别。越界和单根筷子的检测识别。

【技术实现步骤摘要】
一种基于深度学习技术的一次性餐具套件检测识别方法


[0001]本专利技术涉及目标检测与识别领域，特别是一种基于深度学习技术的一次性餐具套件检测识别方法。

技术介绍

[0002]目前，随着以人工智能为代表的新一代信息技术繁荣发展，人工智能等技术加速融入经济社会发展的各领域全过程，融合效应渐显，对生产生活产生极大影响。随着人工智能浪潮来袭，全球制造业也面临前所未有的机遇和挑战。将新一代信息技术与制造行业相融合，发展智能制造，可以极大提升制造业效能，因此被誉为继机械化、电气化、自动化的工业革命之后的第四代工业革命。为应对第四代工业革命下日趋激烈的市场竞争，各国政府都将智能制造列入国家发展计划，大力推动实施。而我国作为制造大国，要实现迈入制造强国的目标，需要制造业的转型升级，而发展智能制造是我国制造业转型升级的钥匙。智能制造发展水平关乎我国未来制造业的全球地位，对于加快发展现代产业体系，巩固壮大实体经济根基，构建新发展格局，建设数字中国具有重要意义。而全面推动企业智能化改造和数字化转型，加速构筑发展新优势、提升核心竞争力也逐渐成为新时代制造业企业的转型目标。
[0003]在智能制造的大背景下，由人工智能辅助的智能质检正在成为企业转型的关键一环。智能质检是人工智能在制造领域成熟度最高的应用，其利用图像识别与深度学习技术可以解决传统质检的人工成本高且无法长时间连续作业、只能抽检且缺陷检出率不高等痛点，能大幅提升产品质检效率和缺陷检出准确率，在降低人工成本的同时确保出厂产品的合格率。
[0004]具体到一次性餐具行业的质检，需要三方面的质检工作：第一，要检测餐具套件的齐全性，避免因为一次性餐具套件中缺少必要餐具而对用餐带来不便；其次，在包装一次性餐具套件时，需要检测餐具是否在包装纸袋的范围内，避免因为餐具超出纸袋范围被切割导致餐具损坏。最后，由于筷子存在单根筷子的不良品，因此需要将单根筷子剔除。如果在一次性餐具套件中存在缺件、因餐具越界导致被切割损坏和存在单根筷子的情况，需要将其剔除，避免不合格品流入客户手中，影响用餐感受。

技术实现思路

[0005]本专利技术的目的是为了解决上述问题，设计了一种基于深度学习技术的一次性餐具套件检测识别方法。
[0006]实现上述目的本专利技术的技术方案为，一种基于深度学习技术的一次性餐具套件检测识别方法，包括以下步骤：步骤S1：获取待处理一次性餐具套件图像；步骤S2：将获取的图像送入到餐具检测识别模块中进行数据预处理和餐具检测识别；
步骤S3：将S2输出的餐具位置信息送入越界检测模块中，通过位置比对判断餐具是否越界；步骤S4：将S2输出的餐具类型信息送入单根筷子识别模块中，通过阈值判定是否存在单根筷子；步骤S5：将S2输出的餐具类型信息送入缺件识别模块中，通过将阈值和颜色识别结合方法判定是否缺件。
[0007]所述步骤S1中，将一次性餐具套件置于稳光环境中，通过相机拍摄生成待处理的一次性餐具套件图像。
[0008]所述步骤S2中的餐具检测识别模块中涵盖数据预处理和餐具检测识别两部分功能。
[0009]所述数据预处理：调节待检测识别图像的亮度和对比度，使其特征清晰更利于检测识别，然后对调整亮度和对比度后的图像进行缩放，使其大小满足检测识别要求。
[0010]所述餐具检测识别：将数据预处理后的待检测识别图像送入餐具检测识别模型中，输出检测识别到的餐具的位置信息和类型信息。
[0011]所述餐具检测识别模型进行餐具位置信息检测和类型信息识别之前，所述方法还包括：深度学习餐具检测识别模型训练：采集不同样式的一次性餐具套件图像；标注图像数据，所需标注信息为可以表现餐具位置的矩形框及可以表现餐具位置矩形框类型的标签；将标注后的图像数据划分为训练集、验证集和测试集；利用所划分的训练集和验证集训练餐具检测识别模型，将所述待检测一次性餐具套件图像的测试集输入到所述餐具检测识别模型中得到检测到的餐具的位置信息和对应位置的类型信息，进行模型评估，最终得到深度学习餐具检测识别模型。
[0012]所述步骤S3中的越界检测模块：将餐具检测识别模块输出的餐具位置信息与规定的餐具范围进行对比，餐具位置超出规定的餐具范围，则判定该餐具越界；餐具位置在规定的餐具范围内，则判定该餐具没有越界；当检测出的所有餐具均没有越界时，则越界检测模块输出没有越界结果，当存在一个及以上餐具越界时，则越界检测模块输出存在越界结果。
[0013]所述步骤S4中的单根筷子阈值判定方法：设定单根筷子的判定阈值，对餐具检测识别模块最终输出餐具类型置信度信息进行后处理，即提取餐具的识别得分信息，当单根筷子的识别得分大于前面设定的单根筷子的判定阈值，则单根筷子识别模块输出存在单根筷子结果，否则单根筷子识别模块输出不存在单根筷子结果。
[0014]所述步骤S5中的餐具阈值判定方法：设定阈值为餐具识别结果的判定条件；对餐具检测识别模块输出的餐具类型置信度信息进行后处理，即提取餐具的类型得分信息；设定餐具类型得分的判定阈值，当餐具的类型得分大于对应餐具的判定阈值时，则判定存在该类型餐具，否则判定不存在该类型餐具；所述步骤S5中的颜色识别方法：对步骤S1中获取的一次性餐具套件图像进行HSV颜色变换，得到颜色变换后的图像；设定每种餐具所属的HSV颜色范围和像素个数阈值；在颜色变换后的图像中，存在有餐具颜色范围内的像素，并且在该颜色范围内的像素个数大于该类型餐具的像素个数阈值，则判定存在该类型餐具，否则判定不存在该类型餐具。
[0015]所述餐具阈值判定方法以及颜色识别方法的两种方法返回的结果，综合判定是否
存在对应类型的餐具，当两种方法中的任意一种方法判定存在对应类型的餐具时，则最终判定存在对应类型的餐具，当两种方法都判定不存在对应类型的餐具时，则判定不存在对应类型的餐具，当餐具图片中缺少勺子、双根筷子和纸巾三种类型餐具的任意一种时，餐具缺件识别模块输出存在缺件的识别结果，否则输出不存在缺件的识别结果。
[0016]利用本专利技术的技术方案制作的一种基于深度学习技术的一次性餐具套件检测识别方法，采用小样本学习方法，通过深度学习技术训练餐具检测识别模型，结合阈值判定与颜色识别技术进行一次性餐具的缺件、越界和单根筷子的检测识别。采用机器识别方法，使得质检与生产过程紧密结合，排除了人工抽检的漏检的可能性，保证了一次性餐具套件的合格品率。通过上述方法的集成解决了该特定领域中存在的问题。
附图说明
[0017]图1是本专利技术所述一种基于深度学习技术的一次性餐具套件检测识别方法的流程图。
具体实施方式
[0018]下面结合附图对本专利技术进行具体描述，如图1所示，一种基于深度学习技术的一次性餐具套件检测识别方法，包括如下步骤：S1：获取待处理产品的一次性餐具套件图像；需要说明的是：一次性餐具套件中包含筷子、勺子、纸巾及牙签等物品，数量可变、材质多样、位置可变；S1.1：将待处理产品的一次性餐具套件置于稳光环境中；需要说明的是：由于实际生产线环境较开放，为避免自然光线对餐本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习技术的一次性餐具套件检测识别方法，其特征在于，包括以下步骤：步骤S1：获取待处理一次性餐具套件图像；步骤S2：将获取的图像送入到餐具检测识别模块中进行数据预处理和餐具检测识别；步骤S3：将S2输出的餐具位置信息送入越界检测模块中，通过位置比对判断餐具是否越界；步骤S4：将S2输出的餐具类型信息送入单根筷子识别模块中，通过阈值判定是否存在单根筷子；步骤S5：将S2输出的餐具类型信息送入缺件识别模块中，通过将阈值和颜色识别结合方法判定是否缺件。2.根据权利要求1所述的一种基于深度学习技术的一次性餐具套件检测识别方法，其特征在于，所述步骤S1中，将一次性餐具套件置于稳光环境中，通过相机拍摄生成待处理的一次性餐具套件图像。3.根据权利要求1所述的一种基于深度学习技术的一次性餐具套件检测识别方法，其特征在于，所述步骤S2中的餐具检测识别模块中涵盖数据预处理和餐具检测识别两部分功能。4.根据权利要求3所述的一种基于深度学习技术的一次性餐具套件检测识别方法，其特征在于，所述数据预处理：调节待检测识别图像的亮度和对比度，使其特征清晰更利于检测识别，然后对调整亮度和对比度后的图像进行缩放，使其大小满足检测识别要求。5.根据权利要求3所述的一种基于深度学习技术的一次性餐具套件检测识别方法，其特征在于，所述餐具检测识别：将数据预处理后的待检测识别图像送入餐具检测识别模型中，输出检测识别到的餐具的位置信息和类型信息。6.根据权利要求1所述的一种基于深度学习技术的一次性餐具套件检测识别方法，其特征在于，所述餐具检测识别模型进行餐具位置信息检测和类型信息识别之前，所述方法还包括：深度学习餐具检测识别模型训练：采集不同样式的一次性餐具套件图像；标注图像数据，所需标注信息为可以表现餐具位置的矩形框及可以表现餐具位置矩形框类型的标签；将标注后的图像数据划分为训练集、验证集和测试集；利用所划分的训练集和验证集训练餐具检测识别模型，将所述待检测一次性餐具套件图像的测试集输入到所述餐具检测识别模型中得到检测到的餐具的位置信息和对应位置的类型信息，进行模型评估，最终得到深度学习餐具检测识别模型。7.根据权利要求1所述的一种基于深度学习技术的一次性餐具...

【专利技术属性】
技术研发人员：兰勇，王治国，王宪勇，邹伯宜，王超，
申请(专利权)人：信华信技术股份有限公司，
类型：发明
国别省市：