【技术实现步骤摘要】
本专利技术涉及手套左右手识别，具体涉及一种基于机器视觉的手套左右手识别方法。
技术介绍
1、在手套生产领域，很多手套的生产都具有左右手之分。如医用手套的生产，基于医生在手术时手套与其手部曲线的贴合度考虑，生产出来的医用手套手指是略微弯曲有弧度的，存在左右手的区分，以增加医生手部的舒适度及其手指活动的灵活性。而为了提高便利性和安全性，通常会采用单只手套单独包装的包装方式，且包装时需要区分左右手。目前在此包装过程中依靠的是人工识别和手动分拣，将手套拇指一面向上，人眼识别手套拇指的朝向，拇指在左边就是左手，拇指在右边就是右手。手套生产线手模数量多，手模安装时候容易出现手模安装反的情况，造成生产线上手模的左右手分布是无规律的。在进行分拣时，分拣工人长时间的人工分拣容易产生视觉疲劳，造成分拣错乱，进入包装环节后更是难以分辨。
2、现有的手套识别技术，多是针对手套表面是否缺陷，手套是否合格作出的自动检测，如公开号为：cn113834814a，名称为“一种手套表面缺陷检测的装置”的文件。基于以上情况，需要一种手套左右手识别方法，识别生产线上或其他场景中的手套为左手还是右手，发送给后端的包装机构信号，分拣手套左右手，满足业务需求，提升包装效率。
技术实现思路
1、本专利技术要解决的技术问题是：克服现有技术的不足，提供一种基于机器视觉的手套左右手识别方法。
2、本专利技术为解决其技术问题所采用的技术方案为：基于机器视觉的手套左右手识别方法，包括以下步骤：
3、信息
4、图像处理：对手套图像进行轮廓提取，获得单个手套的轮廓信息；
5、获取特征图集：提取手套轮廓图像中的特征点，获得对应的手套左右手的特征图集；
6、手套左右手识别：基于获得手套左右手的特征图集进行手套左右手的识别。
7、本专利技术设置先用拍摄装置将手套生产线上的手套拍照，获取手套的图像信息，随后对图像信息进行手套轮廓提取，获得手套轮廓图像，由于左右手的手套对应的特征不同，针对左右手手套的不同特征进行提取，得到对应的特征图，随后对要进行分拣的手套与特征图进行比较，从而识别手套的左右手。
8、每一个手套对应唯一一个id，所述信息采集中将获取的手套图像中的手套与其id对应。如此设置将识别结果与手套对应，在后续分拣装置分拣时能够正确分拣。
9、所述图像处理中包括以下子步骤：
10、2-1：识别手套图像中完整轮廓的手套，进行整体框选；
11、2-2：在整体框选的完整轮廓的手套图像中识别单个手套进行框选裁剪，得到单个手套的轮廓图像信息。
12、所述获取特征图集包括以下子步骤：
13、3-1：在单个手套的轮廓图像中标注对应的特征信息，特征信息包括手套的左右手类别、正反面类别及手指关键点信息；
14、3-2：建立数据集，所述数据集中包括若干已标注特征的单个轮廓图像信息；
15、3-3：对数据集中数据进行预处理及归一化操作，得到特征图集。
16、所述3-1中手指关键点信息包括手套上至少两个手指的位置信息和/或手套中线与至少一个手指的位置信息。
17、所述3-3中预处理包括随机翻转和/或暗度变换对数据进行增强操作。
18、所述手套左右手识别中，将待识别手套与特征图集进行对照，判定待识别手套的左右手。
19、所述手套左右手识别中以特征图集作为训练集搭建深度学习模型，基于深度学习模型进行待识别手套左右手的识别判断。
20、所述深度学习模型搭建时利用损失函数计算得到损失值，使用反向传播算法进行梯度翻转，更新现用模型的权重值，进行多次迭代训练直到达到预设条件为止。
21、获取手套图像时基于下述两种场景的任一场景获取：
22、场景一：手套套在手模上，随手模输送线运行过程中获取；
23、场景二：手套在气检机上进行充气检查后，在充气状态下获取。
24、分拣设备可基于上述识别结果，进行自动分拣作业，代替人工作业，提高分拣正确率。
25、与现有技术相比，本专利技术具有以下有益效果：
26、本专利技术提供一种基于机器视觉的手套左右手识别方法，代替原有人工识别分拣左右手套的方式，实现对手套的自动化识别，降低识别分拣的错误，提升包装效率，实现降本增效，节约成本，解放劳动力。
本文档来自技高网...【技术保护点】
1.一种基于机器视觉的手套左右手识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器视觉的手套左右手识别方法，其特征在于，每一个手套对应唯一一个ID，所述信息采集中将获取的手套图像中的手套与其ID对应。
3.根据权利要求1所述的基于机器视觉的手套左右手识别方法，其特征在于，所述图像处理中包括以下子步骤：
4.根据权利要求3所述的基于机器视觉的手套左右手识别方法，其特征在于，所述获取特征图集包括以下子步骤：
5.根据权利要求4所述的基于机器视觉的手套左右手识别方法，其特征在于，所述3-1中手指关键点信息包括手套上至少两个手指的位置信息和/或手套中线与至少一个手指的位置信息。
6.根据权利要求4所述的基于机器视觉的手套左右手识别方法，其特征在于，所述3-3中预处理包括随机翻转和/或暗度变换对数据进行增强操作。
7.根据权利要求4所述的基于机器视觉的手套左右手识别方法，其特征在于，所述手套左右手识别中，将待识别手套与特征图集进行对照，判定待识别手套的左右手。
8.根据权利要求4或7中所
9.根据权利要求8中所述的基于机器视觉的手套左右手识别方法，其特征在于，所述深度学习模型搭建时利用损失函数计算得到损失值，使用反向传播算法进行梯度翻转，更新现用模型的权重值，进行多次迭代训练直到达到预设条件为止。
10.根据权利要求1所述的基于机器视觉的手套左右手识别方法，其特征在于，获取手套图像时基于下述两种场景的任一场景获取：
...【技术特征摘要】
1.一种基于机器视觉的手套左右手识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器视觉的手套左右手识别方法，其特征在于，每一个手套对应唯一一个id，所述信息采集中将获取的手套图像中的手套与其id对应。
3.根据权利要求1所述的基于机器视觉的手套左右手识别方法，其特征在于，所述图像处理中包括以下子步骤：
4.根据权利要求3所述的基于机器视觉的手套左右手识别方法，其特征在于，所述获取特征图集包括以下子步骤：
5.根据权利要求4所述的基于机器视觉的手套左右手识别方法，其特征在于，所述3-1中手指关键点信息包括手套上至少两个手指的位置信息和/或手套中线与至少一个手指的位置信息。
6.根据权利要求4所述的基于机器视觉的手套左右手识别方法，其特征在于，所述3-3中预处理包括随机...
【专利技术属性】
技术研发人员：梁文鑫，黄潇翔，李炎，曲磊，李彬，岳飞飞，贾威克，
申请(专利权)人：山东瑞邦智能装备股份有限公司，
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。