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】
本专利技术涉及图像识别,尤其涉及一种石材纹理识别与工艺参数生成方法与系统。
技术介绍
1、在建筑行业的快速发展和装饰需求的不断提高下,石材作为一种优质的装饰材料,受到了越来越广泛的关注和应用。然而,传统的石材纹理识别方法存在许多缺陷,这些问题限制了其在实际应用中的效果和效率。
2、传统的人工识别方法主要依赖于人眼观察,工人需要花费大量时间和精力来识别和识别石材纹理的走向。这种方法存在着明显的主观性和误差,因为不同的工人在纹理识别时可能会出现不一致的结果。而且,随着工作时间的增长,工人的疲劳度也会导致识别结果的准确性下降,这在高强度生产环境下尤为明显。
3、除了人工识别的缺陷外,现有的自动化纹理识别技术也存在一些问题。这些技术通常基于图像处理和特征提取算法,虽然可以实现部分自动化,但在复杂的石材纹理情况下,其识别准确率和鲁棒性都较低。复杂多样的石材纹理使得传统的特征提取方法难以捕捉到全局和局部的纹理信息,从而导致识别结果不够准确,无法满足高精度纹理识别的要求。
4、此外,现有的自动化纹理识别技术通常只能对石材纹理进行简单的分类和识别,无法进一步提供有关石材纹理走向的信息以及应该采用的刀具和色粉等加工参数。这就限制了其在石材加工过程中的应用,不能为后续的加工工作提供有效的辅助决策,降低了石材加工的效率和质量。
5、综上所述,现有的石材纹理识别方法存在人工识别效率低、识别准确率不高以及无法提供进一步加工参数的问题。因此,亟需一种新的技术方案。
技术实现思路
1、本专利技术的其一目的在于提出一种石材纹理识别与工艺参数生成方法,能够高效准确地识别石材纹理的走向,并为后续的石材加工提供可靠的参考,以满足建筑行业对于高质量石材装饰的不断追求和市场的需求。
2、本专利技术的另一目的在于提出一种石材纹理识别与工艺参数生成系统,采用上述一种石材纹理识别与工艺参数生成方法。
3、为达此目的,本专利技术采用以下技术方案:
4、一种石材纹理识别与工艺参数生成方法,包括以下步骤:
5、获取待识别的石材图片,将石材图片输入至石材纹理识别模型中,生成石材纹理识别结果和掩码,基于石材纹理识别结果和掩码,提取纹理走向中心位置和对应的工艺参数;
6、其中,所述石材纹理识别结果包括:纹理对应的工艺参数识别信息;所述掩码为每个纹理区域在石材图片中的位置和形状的指示信息。
7、优选的,所述石材纹理识别结果还包括纹理走向识别信息。
8、优选的,所述石材纹理识别模型通过以下训练步骤生成:
9、获取若干石材纹理的样本图片,对样本图片进行预处理;其中,预处理包括信息标注子步骤,信息标注子步骤包括对样本图片进行图像标注,得到标注图像和对应的标签信息,所述标注图像包括纹理边界框和纹理走向标记,所述标签信息包括生产工艺参数信息,生成标注图像集和对应的标签信息集;
10、基于所述标注图像集和所述标签信息集,生成训练样本组;
11、构建yolov8网络模型,基于所述训练样本组,对yolov8网络模型进行训练,得到石材纹理识别模型。
12、优选的,所述工艺参数识别信息包括纹理刀具类型识别名称和色粉识别信息,所述生产工艺参数信息包括纹理刀具类型名称和色粉信息。
13、优选的,在训练步骤中,基于所述标注图像集和所述标签信息集,还生成测试样本组;
14、基于所述训练样本组,对yolov8网络模型进行训练,得到的石材纹理识别模型作为训练后识别模型;
15、基于所述测试样本组,对所述训练后识别模型进行测试,生成测试结果,基于测试结果对所述训练后识别模型进行调优,得到调优后识别模型,循环迭代测试的步骤,响应于确定所述测试结果满足预设条件,将调优后识别模型确定为石材纹理识别模型。
16、优选的,对yolov8网络模型进行训练,得到的石材纹理识别模型作为训练后识别模型,具体包括以下步骤:
17、进行环境配置,新建python3.8虚拟环境,并在该环境下安装pytorch,torchvision和ultralytics;
18、进行超参数设置,包括对yolov8网络模型的学习率、批次大小、迭代次数、优化算法、置信度阈值和非最大抑制阈值进行初步设置;
19、通过交叉验证的方法来选择最优参数设置,包括采用损失函数来计算训练过程中的正负样本分配策略和损失计算;具体包括:
20、正负样本分配策略,根据分类与回归的分数加权的分数排序,选择最大的k个正样本,公式如下:
21、t=sα×uβ
22、其中,t表示加权分数,s表示标注类别对应的预测分值,u表示预测框和纹理边界框的交并比,α和β是权重超参数,s与u相乘用于衡量对齐程度;
23、对于损失计算,采取二分类交叉熵损失:
24、
25、其中,l表示损失函数,y表示真实标签,表示预测标签。
26、优选的,在训练步骤中,所述预处理还包括以下至少一个子步骤:图像增强子步骤和图像去噪子步骤。
27、优选的,其中,提取纹理走向中心位置和对应的工艺参数,包括:
28、对每个纹理区域的掩码进行逐行像素扫描,对于每一行,识别出包含1的索引范围,即这一行中有纹理存在的位置;
29、记录索引范围的中间值,得到纹理走向中心向量,每条纹理的纹理走向中心向量代表该纹理的走向中心位置。
30、优选的,在训练步骤中,获取若干石材纹理的样本图片为获取若干不同种类、不同规格和不同纹理特征的石材纹理图片。
31、一种石材纹理识别与工艺参数生成系统,采用如上述所述的一种石材纹理识别与工艺参数生成方法,包括:
32、获取模块,所述获取模块用于获取待识别的石材图片;
33、识别模块,所述识别模块部署有所述石材纹理识别模型,所述识别模块用于生成石材纹理识别结果和掩码,所述石材纹理识别结果包括:纹理对应的生产工艺参数识别信息,所述掩码为每个纹理区域在石材图片中的位置和形状的指示信息;
34、提取模块,所述提取模块基于石材纹理识别结果和掩码,提取纹理走向中心位置和对应的工艺参数。
35、上述技术方案中的一个技术方案具有以下有益效果:基于石材纹理识别模型,生成石材纹理识别结果和掩码,只需浏览一次待识别的石材图片就可以识别出每条石材纹理在图像上的位置以及形状,以及该纹理的走向和对应的工艺参数。不仅降低了人为肉眼观察识别石材纹理的误差,提高了石材纹理识别的准确性和精度;还能够识别该石材纹理对应的工艺参数,为后续的石材加工提供可靠的参考,以满足建筑行业对于高质量石材装饰的不断追求和市场的需求。
本文档来自技高网...【技术保护点】
1.一种石材纹理识别与工艺参数生成方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种石材纹理识别与工艺参数生成方法,其特征在于,所述石材纹理识别结果还包括纹理走向识别信息。
3.根据权利要求2所述的一种石材纹理识别与工艺参数生成方法,其特征在于,所述石材纹理识别模型通过以下训练步骤生成:
4.根据权利要求2所述的一种石材纹理识别与工艺参数生成方法,其特征在于,所述工艺参数识别信息包括纹理刀具类型识别名称和色粉识别信息,所述生产工艺参数信息包括纹理刀具类型名称和色粉信息。
5.根据权利要求2所述的一种石材纹理识别与工艺参数生成方法,其特征在于,在训练步骤中,基于所述标注图像集和所述标签信息集,还生成测试样本组;
6.根据权利要求5所述的一种石材纹理识别与工艺参数生成方法,其特征在于,对YOLOv8网络模型进行训练,得到的石材纹理识别模型作为训练后识别模型,具体包括以下步骤:
7.根据权利要求2所述的一种石材纹理识别与工艺参数生成方法,其特征在于,在训练步骤中,所述预处理还包括以下至少一个子步骤:图像
8.根据权利要求1所述的一种石材纹理识别与工艺参数生成方法,其特征在于,其中,提取纹理走向中心位置和对应的工艺参数,包括:
9.根据权利要求1所述的一种石材纹理识别与工艺参数生成方法,其特征在于,在训练步骤中,获取若干石材纹理的样本图片为获取若干不同种类、不同规格和不同纹理特征的石材纹理图片。
10.一种石材纹理识别与工艺参数生成系统,其特征在于,采用如权利要求1-9任一项所述的一种石材纹理识别与工艺参数生成方法,包括:
...【技术特征摘要】
1.一种石材纹理识别与工艺参数生成方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种石材纹理识别与工艺参数生成方法,其特征在于,所述石材纹理识别结果还包括纹理走向识别信息。
3.根据权利要求2所述的一种石材纹理识别与工艺参数生成方法,其特征在于,所述石材纹理识别模型通过以下训练步骤生成:
4.根据权利要求2所述的一种石材纹理识别与工艺参数生成方法,其特征在于,所述工艺参数识别信息包括纹理刀具类型识别名称和色粉识别信息,所述生产工艺参数信息包括纹理刀具类型名称和色粉信息。
5.根据权利要求2所述的一种石材纹理识别与工艺参数生成方法,其特征在于,在训练步骤中,基于所述标注图像集和所述标签信息集,还生成测试样本组;
6.根据权利要求5所述的一种石材纹理识别与工艺参数生...
【专利技术属性】
技术研发人员:邱建平,李忠远,陈羽旻,钱宇驰,
申请(专利权)人:佛山慧谷科技股份有限公司,
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。