System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【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。