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() 基于机器视觉的大批量糕点烘焙阶段识别方法技术_技高网

基于机器视觉的大批量糕点烘焙阶段识别方法技术

技术编号:41114908 阅读:11 留言:0更新日期:2024-04-25 14:05
本发明专利技术涉及图像识别处理技术领域,具体涉及基于机器视觉的大批量糕点烘焙阶段识别方法,该方法包括:获取待烘焙阶段识别的待识别大批量糕点在当前时刻下的目标表面图像,以及历史大批量糕点在每个历史检测时刻下的目标表面图像;对每个目标表面图像进行糕点区域分割;对每个目标糕点区域进行烘焙形状颜色变化分析处理;确定每个目标表面图像对应的整体变化特征、差异性容差和目标烘焙特征;根据所有目标表面图像对应的目标烘焙特征,对所有目标表面图像进行聚类;根据当前时刻下的目标表面图像所在的目标聚类簇,判定待识别大批量糕点在当前时刻下的烘焙阶段。本发明专利技术通过对目标表面图像进行识别处理,提高了糕点烘焙阶段识别的准确度。

【技术实现步骤摘要】

本专利技术涉及图像识别处理,具体涉及基于机器视觉的大批量糕点烘焙阶段识别方法


技术介绍

1、糕点是人们日常生活中一种常见的食品,因为糕点作为一种食品和文化元素,不仅可以满足人的食欲,同时更是社交活动中的重要元素之一。所以糕点产业在很多国家都是一个庞大的产业,对其进行更加高效的生产可以提升整体的生产效率以及提供更多的附加价值因素。现有的提高糕点的生产效率的方式一般是利用机械化的糕点烘焙系统进行糕点的生产与加工。而在机械化的糕点生产中最为重要的一个环节为糕点的烘焙阶段的识别,准确的识别糕点的烘焙阶段可以对于糕点进行更加优秀的改进以及生产工艺的改良。

2、传统的糕点烘焙阶段识别主要依赖人工视觉检查,并且面对大批量糕点烘焙阶段识别来说,人工视觉检测需要大量的人力投入,增加了生产成本,并且由于人的主观判断,可能导致糕点烘焙阶段识别的准确度较差。

3、目前,还有一种糕点烘焙阶段识别的方法为:通过烘焙时间,判断糕点的烘焙阶段。然而,由于烘焙设备的新旧程度等原因,糕点的烘焙时间和烘焙阶段并不构成严格的函数关系,因此,直接基于烘焙时间,判断糕点的烘焙阶段时,可能导致糕点烘焙阶段识别的准确度较差。


技术实现思路

1、为了解决糕点烘焙阶段识别的准确度较差的技术问题,本专利技术提出了基于机器视觉的大批量糕点烘焙阶段识别方法。

2、本专利技术提供了基于机器视觉的大批量糕点烘焙阶段识别方法,该方法包括:

3、获取待烘焙阶段识别的待识别大批量糕点在当前时刻下的目标表面图像,以及历史大批量糕点在每个历史检测时刻下的目标表面图像;

4、对每个目标表面图像进行糕点区域分割,得到目标糕点区域;

5、根据预先获取的每个目标表面图像及其之前帧的目标表面图像,对每个目标表面图像中的每个目标糕点区域进行烘焙形状颜色变化分析处理,得到每个目标糕点区域对应的形状颜色变化特征;

6、根据每个目标表面图像中所有目标糕点区域对应的形状颜色变化特征,确定每个目标表面图像对应的整体变化特征;

7、根据预先获取的每个目标表面图像及其之前帧的目标表面图像中目标糕点区域对应的形状颜色变化特征,以及每个目标表面图像对应的整体变化特征,确定每个目标表面图像对应的差异性容差;

8、根据每个目标表面图像对应的整体变化特征和差异性容差,确定每个目标表面图像对应的目标烘焙特征;

9、根据所有目标表面图像对应的目标烘焙特征,对所有目标表面图像进行聚类,得到目标聚类簇;

10、根据当前时刻下的目标表面图像所在的目标聚类簇,判定待识别大批量糕点在当前时刻下的烘焙阶段。

11、可选地,所述根据预先获取的每个目标表面图像及其之前帧的目标表面图像,对每个目标表面图像中的每个目标糕点区域进行烘焙形状颜色变化分析处理,得到每个目标糕点区域对应的形状颜色变化特征,包括:

12、将任意一个目标表面图像确定为标记表面图像,并将所述标记表面图像的前一帧目标表面图像,确定为所述标记表面图像对应的参考表面图像;

13、将所述标记表面图像中任意一个目标糕点区域确定为标记糕点区域,并将所述标记糕点区域对应在所述参考表面图像中的目标糕点区域,确定为所述标记糕点区域对应的参考糕点区域;

14、根据所述标记糕点区域与其对应的参考糕点区域,确定所述标记糕点区域对应的形状颜色变化特征。

15、可选地,目标糕点区域对应的形状颜色变化特征对应的公式为:

16、;其中,to是目标糕点区域对应的形状颜色变化特征;是归一化函数;是取绝对值函数;是目标糕点区域内所有像素点对应的灰度值的均值;是目标糕点区域对应的参考糕点区域内所有像素点对应的灰度值的均值;是以自然常数为底的指数函数;是目标糕点区域内像素点的数量;是目标糕点区域对应的参考糕点区域内像素点的数量。

17、可选地,所述根据每个目标表面图像中所有目标糕点区域对应的形状颜色变化特征,确定每个目标表面图像对应的整体变化特征,包括:

18、根据所述目标表面图像中所有目标糕点区域对应的形状颜色变化特征的均值,以及所述目标表面图像中每个目标糕点区域对应的形状颜色变化特征,确定所述目标表面图像中每个目标糕点区域对应的特征置信度;

19、根据所述目标表面图像中所有目标糕点区域对应的特征置信度和形状颜色变化特征,确定所述目标表面图像对应的整体变化特征。

20、可选地,目标表面图像对应的整体变化特征对应的公式为:

21、;;其中,zto是目标表面图像对应的整体变化特征;n是目标表面图像中目标糕点区域的数量;i是目标表面图像中目标糕点区域的序号;是目标表面图像中第i个目标糕点区域对应的特征置信度;是目标表面图像中第i个目标糕点区域对应的形状颜色变化特征;是向上取整函数;是以自然常数为底的指数函数;是取绝对值函数;是目标表面图像中所有目标糕点区域对应的形状颜色变化特征的均值;是目标表面图像中对应的形状颜色变化特征等于第i个目标糕点区域对应的形状颜色变化特征的目标糕点区域的数量。

22、可选地,所述根据预先获取的每个目标表面图像及其之前帧的目标表面图像中目标糕点区域对应的形状颜色变化特征,以及每个目标表面图像对应的整体变化特征,确定每个目标表面图像对应的差异性容差,包括:

23、将任意一个目标表面图像确定为标记表面图像,并将所述标记表面图像的前预设数量帧目标表面图像,构成所述标记表面图像对应的候选图像集合;

24、根据所述标记表面图像和其对应的候选图像集合中目标表面图像对应目标糕点区域之间的形状颜色变化特征差异,以及所述标记表面图像对应的整体变化特征,确定所述标记表面图像对应的差异性容差。

25、可选地,目标表面图像对应的差异性容差对应的公式为:

26、;;其中,zzam是目标表面图像对应的差异性容差;是归一化函数;zto是目标表面图像对应的整体变化特征;n是目标表面图像中目标糕点区域的数量;i是目标表面图像中目标糕点区域的序号;是以自然常数为底的指数函数;是目标表面图像中第i个目标糕点区域对应的特征差异因子;n是预设数量;a是目标表面图像对应的候选图像集合中目标表面图像的序号;是取绝对值函数;是目标表面图像中第i个目标糕点区域对应的形状颜色变化特征;是目标表面图像中,第i个目标糕点区域对应在候选图像集合中第a个目标表面图像中的目标糕点区域对应的形状颜色变化特征;是预先设置的大于0的因子。

27、可选地,目标表面图像对应的整体变化特征和差异性容差均与其对应的目标烘焙特征呈正相关。

28、可选地,所述根据所有目标表面图像对应的目标烘焙特征,对所有目标表面图像进行聚类,得到目标聚类簇,包括:

29、根据所有目标表面图像对应的目标烘焙特征,通过k均值聚类算法,对所有目标表面图像进行聚类,并将得到的每个聚类簇,确定为目标聚类簇。

30、可选地,所述根据当前时本文档来自技高网...

【技术保护点】

1.一种基于机器视觉的大批量糕点烘焙阶段识别方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于机器视觉的大批量糕点烘焙阶段识别方法,其特征在于,所述根据预先获取的每个目标表面图像及其之前帧的目标表面图像,对每个目标表面图像中的每个目标糕点区域进行烘焙形状颜色变化分析处理,得到每个目标糕点区域对应的形状颜色变化特征,包括:

3.根据权利要求2所述的一种基于机器视觉的大批量糕点烘焙阶段识别方法,其特征在于,目标糕点区域对应的形状颜色变化特征对应的公式为:

4.根据权利要求1所述的一种基于机器视觉的大批量糕点烘焙阶段识别方法,其特征在于,所述根据每个目标表面图像中所有目标糕点区域对应的形状颜色变化特征,确定每个目标表面图像对应的整体变化特征,包括:

5.根据权利要求4所述的一种基于机器视觉的大批量糕点烘焙阶段识别方法,其特征在于,目标表面图像对应的整体变化特征对应的公式为:

6.根据权利要求1所述的一种基于机器视觉的大批量糕点烘焙阶段识别方法,其特征在于,所述根据预先获取的每个目标表面图像及其之前帧的目标表面图像中目标糕点区域对应的形状颜色变化特征,以及每个目标表面图像对应的整体变化特征,确定每个目标表面图像对应的差异性容差,包括:

7.根据权利要求6所述的一种基于机器视觉的大批量糕点烘焙阶段识别方法,其特征在于,目标表面图像对应的差异性容差对应的公式为:

8.根据权利要求1所述的一种基于机器视觉的大批量糕点烘焙阶段识别方法,其特征在于,目标表面图像对应的整体变化特征和差异性容差均与其对应的目标烘焙特征呈正相关。

9.根据权利要求1所述的一种基于机器视觉的大批量糕点烘焙阶段识别方法,其特征在于,所述根据所有目标表面图像对应的目标烘焙特征,对所有目标表面图像进行聚类,得到目标聚类簇,包括:

10.根据权利要求1所述的一种基于机器视觉的大批量糕点烘焙阶段识别方法,其特征在于,所述根据当前时刻下的目标表面图像所在的目标聚类簇,判定待识别大批量糕点在当前时刻下的烘焙阶段,包括:

...

【技术特征摘要】

1.一种基于机器视觉的大批量糕点烘焙阶段识别方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于机器视觉的大批量糕点烘焙阶段识别方法,其特征在于,所述根据预先获取的每个目标表面图像及其之前帧的目标表面图像,对每个目标表面图像中的每个目标糕点区域进行烘焙形状颜色变化分析处理,得到每个目标糕点区域对应的形状颜色变化特征,包括:

3.根据权利要求2所述的一种基于机器视觉的大批量糕点烘焙阶段识别方法,其特征在于,目标糕点区域对应的形状颜色变化特征对应的公式为:

4.根据权利要求1所述的一种基于机器视觉的大批量糕点烘焙阶段识别方法,其特征在于,所述根据每个目标表面图像中所有目标糕点区域对应的形状颜色变化特征,确定每个目标表面图像对应的整体变化特征,包括:

5.根据权利要求4所述的一种基于机器视觉的大批量糕点烘焙阶段识别方法,其特征在于,目标表面图像对应的整体变化特征对应的公式为:

6.根据权利要求1所述的一种基于机器视觉的大批量糕点...

【专利技术属性】
技术研发人员:朱江陈静段晓娟程渭峰程红京马维静
申请(专利权)人:西安大业食品有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1