CN107330878A - 一种建立镜片识别模型的方法及装置 - Google Patents

一种建立镜片识别模型的方法及装置 Download PDF

Info

Publication number
CN107330878A
CN107330878A CN201710474884.8A CN201710474884A CN107330878A CN 107330878 A CN107330878 A CN 107330878A CN 201710474884 A CN201710474884 A CN 201710474884A CN 107330878 A CN107330878 A CN 107330878A
Authority
CN
China
Prior art keywords
lens image
image sample
lens
correction
eyeglass
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710474884.8A
Other languages
English (en)
Inventor
夏明亮
李抄
杨磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Supore Instruments Co., Ltd.
Original Assignee
Suzhou Karuizhi Optoelectronics Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Karuizhi Optoelectronics Technology Co Ltd filed Critical Suzhou Karuizhi Optoelectronics Technology Co Ltd
Priority to CN201710474884.8A priority Critical patent/CN107330878A/zh
Publication of CN107330878A publication Critical patent/CN107330878A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/181Segmentation; Edge detection involving edge growing; involving edge linking
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20048Transform domain processing
    • G06T2207/20061Hough transform
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20084Artificial neural networks [ANN]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30242Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

一种建立镜片识别模型的方法及装置,其中所述建立镜片识别模型的方法,获取多个镜片图像样本;对所述镜片图像样本中镜片进行校正;对校正后的所述镜片图像样本进行边缘检测,得到所述镜片图像样本中的镜片信息;将所述多个镜片图像样本和所述镜片图像样本中的镜片信息作为训练数据,对神经网络模型进行训练,直至所述神经网络对所述镜片图像样本中镜片信息的识别率大于预设阈值。

Description

一种建立镜片识别模型的方法及装置
技术领域
本发明涉及计数系统领域,具体涉及一种建立镜片识别模型的方法及装置。
背景技术
光学镜片广泛应用于安防、医疗影像、智能交通、工业检测等诸多领域,其需求量及生产量日益增大。传统的光学加工行业中,对于加工的光学镜片进行加工数量的统计以及生产库存盘点时,都是通过人工的方式,即由员工一片一片地数镜片,统计其个数,然后人工记录。这种人工统计并记录光学镜片数量的方法,其工作效率非常低,导致生产成增加;并且由于存在人为因素,统计误差较大。
发明内容
因此,本发明要解决的技术问题在于现有技术中采用人工统计并记录光学镜片数量导致工作效率差、统计误差大。
有鉴于此,本发明提供一种建立镜片识别模型的方法,包括:
获取多个镜片图像样本;
对所述镜片图像样本中镜片进行校正;
对校正后的所述镜片图像样本进行边缘检测,得到所述镜片图像样本中的镜片信息;
将所述多个镜片图像样本和所述镜片图像样本中的镜片信息作为训练数据,对神经网络模型进行训练,直至所述神经网络对所述镜片图像样本中镜片信息的识别率大于预设阈值。
优选地,所述神经网络模型为卷积神经网络模型。
优选地,所述对校正后的所述镜片图像样本进行边缘检测,得到所述镜片图像样本中的镜片信息的步骤,包括:
根据索贝尔Sobel边缘检测算法,对所述校正后的图像进行边缘检测,得到所述镜片图像样本中的镜片信息。
优选地,所述根据索贝尔Sobel边缘检测算法,对所述校正后的图像进行边缘检测,得到所述镜片图像样本中的镜片信息的步骤,包括:
根据边缘检测结果,通过霍夫Hough变换识别出圆形轮廓,所述圆形轮廓作为镜片图像。
相应地,本发明还提供一种建立图像识别模型的装置,包括:
获取单元,用于获取多个镜片图像样本;
校正单元,用于对所述镜片图像样本中镜片进行校正;
检测单元,用于对校正后的所述镜片图像样本进行边缘检测,得到所述镜片图像样本中的镜片信息;
训练单元,用于将所述多个镜片图像样本和所述镜片图像样本中的镜片信息作为训练数据,对神经网络模型进行训练,直至所述神经网络对所述镜片图像样本中镜片信息的识别率大于预设阈值。
优选地,所述神经网络模型为卷积神经网络模型。
优选地,所述校正单元包括:
第一校正单元,用于根据索贝尔Sobel边缘检测算法,对所述校正后的图像进行边缘检测,得到所述镜片图像样本中的镜片信息。
优选地,所述第一校正单元包括:
变换单元,用于根据边缘检测结果,通过霍夫Hough变换识别出圆形轮廓,所述圆形轮廓作为镜片图像。
本发明提供的建立镜片识别模型的方法及装置,通过获取多个镜片图像样本,对镜片图像样本中镜片进行校正,对校正后的镜片图像样本进行边缘检测,得到镜片图像样本中的镜片信息并将多个镜片图像样本和镜片图像样本中的镜片信息作为训练数据,对神经网络模型进行训练,直至神经网络对所述镜片图像样本中镜片信息的识别率大于预设阈值,利用该模型确定采集图像中的镜片数量,解决了现有技术中采用人工统计并记录光学镜片数量导致工作效率差、统计误差大的问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种建立镜片识别模型的方法的流程图;
图2是本发明实施例提供的一种建立镜片识别模型的装置的结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种建立镜片识别模型的方法,如图1所示,包括:
S11,获取多个镜片图像样本。其中为了提供模型的识别的准确性,获取的镜片图像样本在保证满足训练数量的情况下,需满足样本的多样性,即镜片图像样本中可以是通过摄像机等照相设备得到的不同角度、不同光照得到的样本信息,由于样本是随机获取的,故可能样本中也应该包括边缘不完整的镜片图像,例如由于拍摄角度问题导致的原本圆形的镜片,此时在图像样本中未椭圆形或者其他不规则的形状。
S12,对所述镜片图像样本中镜片进行校正。
S13,对校正后的所述镜片图像样本进行边缘检测,得到所述镜片图像样本中的镜片信息。
S14,将所述多个镜片图像样本和所述镜片图像样本中的镜片信息作为训练数据,对神经网络模型进行训练,直至所述神经网络对所述镜片图像样本中镜片信息的识别率大于预设阈值。其中所述神经网络模型优选为卷积神经网络模型。将标记好的大量的镜片图像样本输入到神经网络模型中,对该模型进行训练,调节模型中的各项参数,直至该神经网络模型对镜片图像样本镜片信息的识别率大于预设阈值,则该神经网络模型训练完成。
本发明实施例提供的建立镜片识别模型的方法,通过获取多个镜片图像样本和所述镜片图像样本中的镜片信息,将所述多个镜片图像样本和所述镜片图像样本中的镜片信息作为训练数据,对神经网络模型进行训练,直至神经网络对所述镜片图像样本中镜片信息的识别率大于预设阈值,则该镜片识别模型建立完成,利用该模型对镜片图像中的镜片进行识别,确定图像中的镜片数量,解决了现有技术中采用人工统计并记录光学镜片数量导致工作效率差、统计误差大的问题。
优选地,所述神经网络模型为卷积神经网络模型。
优选地,所述对校正后的所述镜片图像样本进行边缘检测,得到所述镜片图像样本中的镜片信息的步骤,包括:
根据索贝尔Sobel边缘检测算法,对所述校正后的图像进行边缘检测,得到所述镜片图像样本中的镜片信息。
优选地,所述根据索贝尔Sobel边缘检测算法,对所述校正后的图像进行边缘检测,得到所述镜片图像样本中的镜片信息的步骤,包括:
根据边缘检测结果,通过霍夫Hough变换识别出圆形轮廓,所述圆形轮廓作为镜片图像。
本发明实施例提供的建立图像识别模型的方法,通过获取多个镜片图像样本,对镜片图像样本中镜片进行校正,对校正后的镜片图像样本进行边缘检测,得到镜片图像样本中的镜片信息并将多个镜片图像样本和镜片图像样本中的镜片信息作为训练数据,对神经网络模型进行训练,直至神经网络对所述镜片图像样本中镜片信息的识别率大于预设阈值,利用该模型确定采集图像中的镜片数量,解决了现有技术中采用人工统计并记录光学镜片数量导致工作效率差、统计误差大的问题。
相应地,本发明实施例提供一种建立镜片识别模型的装置,如图2所示,包括:
获取单元21,用于获取多个镜片图像样本;
校正单元22,用于对所述镜片图像样本中镜片进行校正;
检测单元23,用于对校正后的所述镜片图像样本进行边缘检测,得到所述镜片图像样本中的镜片信息;
训练单元24,用于将所述多个镜片图像样本和所述镜片图像样本中的镜片信息作为训练数据,对神经网络模型进行训练,直至所述神经网络对所述镜片图像样本中镜片信息的识别率大于预设阈值。
优选地,所述神经网络模型为卷积神经网络模型。
优选地,所述校正单元包括:
第一校正单元,用于根据索贝尔Sobel边缘检测算法,对所述校正后的图像进行边缘检测,得到所述镜片图像样本中的镜片信息。
优选地,所述第一校正单元包括:
变换单元,用于根据边缘检测结果,通过霍夫Hough变换识别出圆形轮廓,所述圆形轮廓作为镜片图像。
本发明实施例提供的建立镜片识别模型的装置,通过获取多个镜片图像样本,对镜片图像样本中镜片进行校正,对校正后的镜片图像样本进行边缘检测,得到镜片图像样本中的镜片信息并将多个镜片图像样本和镜片图像样本中的镜片信息作为训练数据,对神经网络模型进行训练,直至神经网络对所述镜片图像样本中镜片信息的识别率大于预设阈值,利用该模型确定采集图像中的镜片数量,解决了现有技术中采用人工统计并记录光学镜片数量导致工作效率差、统计误差大的问题。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (8)

1.一种建立图像识别模型的方法,其特征在于,包括:
获取多个镜片图像样本;
对所述镜片图像样本中镜片进行校正;
对校正后的所述镜片图像样本进行边缘检测,得到所述镜片图像样本中的镜片信息;
将所述多个镜片图像样本和所述镜片图像样本中的镜片信息作为训练数据,对神经网络模型进行训练,直至所述神经网络对所述镜片图像样本中镜片信息的识别率大于预设阈值。
2.根据权利要求1所述的方法,其特征在于,所述神经网络模型为卷积神经网络模型。
3.根据权利要求1所述的方法,其特征在于,所述对校正后的所述镜片图像样本进行边缘检测,得到所述镜片图像样本中的镜片信息的步骤,包括:
根据索贝尔Sobel边缘检测算法,对所述校正后的图像进行边缘检测,得到所述镜片图像样本中的镜片信息。
4.根据权利要求3所述的方法,其特征在于,所述根据索贝尔Sobel边缘检测算法,对所述校正后的图像进行边缘检测,得到所述镜片图像样本中的镜片信息的步骤,包括:
根据边缘检测结果,通过霍夫Hough变换识别出圆形轮廓,所述圆形轮廓作为镜片图像。
5.一种建立图像识别模型的装置,其特征在于,包括:
获取单元,用于获取多个镜片图像样本;
校正单元,用于对所述镜片图像样本中镜片进行校正;
检测单元,用于对校正后的所述镜片图像样本进行边缘检测,得到所述镜片图像样本中的镜片信息;
训练单元,用于将所述多个镜片图像样本和所述镜片图像样本中的镜片信息作为训练数据,对神经网络模型进行训练,直至所述神经网络对所述镜片图像样本中镜片信息的识别率大于预设阈值。
6.根据权利要求5所述的装置,其特征在于,所述神经网络模型为卷积神经网络模型。
7.根据权利要求5所述的装置,其特征在于,所述校正单元包括:
第一校正单元,用于根据索贝尔Sobel边缘检测算法,对所述校正后的图像进行边缘检测,得到所述镜片图像样本中的镜片信息。
8.根据权利要求7所述的装置,其特征在于,所述第一校正单元包括:
变换单元,用于根据边缘检测结果,通过霍夫Hough变换识别出圆形轮廓,所述圆形轮廓作为镜片图像。
CN201710474884.8A 2017-06-21 2017-06-21 一种建立镜片识别模型的方法及装置 Pending CN107330878A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710474884.8A CN107330878A (zh) 2017-06-21 2017-06-21 一种建立镜片识别模型的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710474884.8A CN107330878A (zh) 2017-06-21 2017-06-21 一种建立镜片识别模型的方法及装置

Publications (1)

Publication Number Publication Date
CN107330878A true CN107330878A (zh) 2017-11-07

Family

ID=60195108

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710474884.8A Pending CN107330878A (zh) 2017-06-21 2017-06-21 一种建立镜片识别模型的方法及装置

Country Status (1)

Country Link
CN (1) CN107330878A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120294535A1 (en) * 2010-02-05 2012-11-22 S1 Corporation Face detection method and apparatus
CN104050450A (zh) * 2014-06-16 2014-09-17 西安通瑞新材料开发有限公司 一种基于视频的车牌识别方法
CN105631832A (zh) * 2016-03-21 2016-06-01 苏州卡睿知光电科技有限公司 一种镜片计数移动终端及方法
CN205486307U (zh) * 2016-03-21 2016-08-17 苏州卡睿知光电科技有限公司 一种镜片计数移动终端
CN106803090A (zh) * 2016-12-05 2017-06-06 中国银联股份有限公司 一种图像识别方法和装置
CN106874907A (zh) * 2017-01-19 2017-06-20 博康智能信息技术有限公司北京海淀分公司 一种建立车牌识别模型的方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120294535A1 (en) * 2010-02-05 2012-11-22 S1 Corporation Face detection method and apparatus
CN104050450A (zh) * 2014-06-16 2014-09-17 西安通瑞新材料开发有限公司 一种基于视频的车牌识别方法
CN105631832A (zh) * 2016-03-21 2016-06-01 苏州卡睿知光电科技有限公司 一种镜片计数移动终端及方法
CN205486307U (zh) * 2016-03-21 2016-08-17 苏州卡睿知光电科技有限公司 一种镜片计数移动终端
CN106803090A (zh) * 2016-12-05 2017-06-06 中国银联股份有限公司 一种图像识别方法和装置
CN106874907A (zh) * 2017-01-19 2017-06-20 博康智能信息技术有限公司北京海淀分公司 一种建立车牌识别模型的方法及装置

Similar Documents

Publication Publication Date Title
US20210034840A1 (en) Method for Recognzing Face from Monitoring Video Data
CN107066942A (zh) 一种活体人脸识别方法及系统
CN102129558B (zh) 基于普尔钦斑分析的虹膜采集方法
CN102096802B (zh) 人脸检测方法及装置
CN109741314A (zh) 一种零件的视觉检测方法及系统
CN102646193A (zh) 一种环形排布字符图像分割方法
CN105389574B (zh) 一种检测图片中人眼虹膜的方法及系统
CN104897671B (zh) 一种水果果梗花萼的识别系统
CN104021382A (zh) 一种眼部图像采集方法及其系统
CN111047556B (zh) 一种带钢表面缺陷检测方法及装置
CN111259763B (zh) 目标检测方法、装置、电子设备及可读存储介质
CN105654040B (zh) 基于虹膜的测距方法和移动终端
CN107729853A (zh) 一种适用于变电站窄刻度指针式仪表的自动识别方法
CN102129553A (zh) 基于单红外光源的人眼检测方法
CN111062961A (zh) 一种基于深度学习的隐形眼镜边缘缺陷检测方法
CN105608700A (zh) 照片的筛选方法及系统
CN109544535B (zh) 一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法及系统
CN104809725A (zh) 一种布匹缺陷视觉识别检测装置和方法
CN107545251A (zh) 人脸质量判别及图片增强的方法及装置
CN108399617B (zh) 一种动物健康状况的检测方法和装置
CN203038297U (zh) 多光谱指纹识别传感器
CN107578372A (zh) 图像处理方法、装置、计算机可读存储介质和电子设备
Zhang et al. Yeast cell detection and segmentation in bright field microscopy
CN105447450B (zh) 虹膜识别中判断左右虹膜的方法和装置
CN107153072A (zh) 一种镜片疵病检测方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190122

Address after: 215000 room 504-1, Arts crafts emporium, 689 Binhe Road, hi tech Zone, Suzhou, Jiangsu.

Applicant after: SUZHOU KARUIZHI OPTOELECTRONICS TECHNOLOGY CO., LTD.

Applicant after: Shanghai Supore Instruments Co., Ltd.

Address before: 215000 room 504-1, Arts crafts emporium, 689 Binhe Road, hi tech Zone, Suzhou, Jiangsu.

Applicant before: SUZHOU KARUIZHI OPTOELECTRONICS TECHNOLOGY CO., LTD.

WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20171107