CN109165568A - 一种基于变形塑料瓶形状特征通用的识别方法 - Google Patents
一种基于变形塑料瓶形状特征通用的识别方法 Download PDFInfo
- Publication number
- CN109165568A CN109165568A CN201810869564.7A CN201810869564A CN109165568A CN 109165568 A CN109165568 A CN 109165568A CN 201810869564 A CN201810869564 A CN 201810869564A CN 109165568 A CN109165568 A CN 109165568A
- Authority
- CN
- China
- Prior art keywords
- shape feature
- plastic bottle
- database
- bottleneck
- image
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
Abstract
本发明提供了一种基于变形塑料瓶形状特征通用的识别方法,包括以下步骤:S1:收集塑料瓶、易拉罐进行图片采集;S2:通过算法获取图像的形状特征;S3:形状特征保存到数据库;S4:获取不同种类塑料瓶瓶口的形状特征保存到数据库;S5:将数据库传输到设备上使用;S6:使用回收设备时,投入回收物品,设备通过传送带将物品送到识别区,拍照;S7:计算处理获取形状特征;S8:与数据库中保存的形状特征进行对比,判断为完整的塑料瓶或易拉罐,执行S11,不能判断为完整的塑料瓶或易拉罐,执行S9;S9:抓取瓶口可能存在区域的形状特征;S10:数据库瓶口模板对比;S11:废品回收。本发明提供的一种基于变形塑料瓶形状特征通用的识别方法,节省人力,效率高,识别度高。
Description
技术领域
本技术涉及环保智能技术领域,尤其是一种基于变形塑料瓶形状特征通用的识别方法。
背景技术
目前,塑料瓶的回收很多还停留在人工的方式进行识别,这种方式费时费力,效率低,成本较高,现 在也有一些智能识别的技术,不够现有的技术是要求现有的塑料瓶识别算法要求塑料瓶形状完整,才能进 行正确识别,甚至有些还需要有条形码等特征,识别率低,操作麻烦,成本较高。
发明内容
本发明要解决的技术问题是,提供了一种基于变形塑料瓶形状特征通用的识别方法,其识别率高,效 率高,使用成本低。
为解决上述技术问题,本发明提供的技术方案为:
一种基于变形塑料瓶形状特征通用的识别方法,包括以下步骤:
S1:收集塑料瓶、易拉罐进行图片采集;
S2:通过算法获取图像的形状特征,所述算法具体步骤为:
1)图像三通道分离;
2)三通道分别进行中值滤波;
3)使用二维高斯函数求出5×5,σ=1的高斯卷积核
4)三通道分别进行高斯滤波;
5)三通道分别计算X、Y方向的梯度值GX、GY;
6)三通道分别计算梯度角α=arctan(GY/GX);
7)三通道分别计算梯度值的幅值:
8)三通道对梯度幅值进行非极大值抑制;
9)用双阈值算法检测和连接边缘;
10)将三通道的图像求并集;
11)图像进行形态学开运算,先腐蚀:
后膨胀:
12)图像进行孔位填充,获取最大面积轮廓的形状特征;
S3:形状特征保存到数据库;
S4:获取不同种类塑料瓶瓶口的形状特征保存到数据库;
S5:将数据库传输到设备上使用;
S6:使用回收设备时,投入回收物品,设备通过传送带将物品送到识别区,识别区灯光打开,拍照;
S7:计算处理获取形状特征;
S8:与数据库中保存的形状特征进行对比,如果判断为完整的塑料瓶或易拉罐,执行S11,如果不能 判断为完整的塑料瓶或易拉罐,执行S9;
S9:抓取瓶口可能存在区域的形状特征;
S10:数据库瓶口模板对比,算法步骤如下:
1)抓取区域的形状特征与数据中所有瓶口形状特征的坐标进行对比,找到相似度最高的模板;
2)与相似度最高的模板的相似值满足设定值要求后,再将抓区域形状特征的坐标分别按X轴,Y轴从 小到大排序;
3)根据S9中第1步计算出的倾斜角得到抓取区域的最大宽度,与数据库中相似度最高的模板宽度对比, 两者要求都满足条件后,可以判断图像中包含瓶口;
4)将图像抓取出来的最大宽度与整体形状特征的最大宽度求比例值,比例值满足要求后,可以判断 为变形的塑料瓶,如果判断为变形的塑料瓶,执行S11,如果不能识别,执行S12;
S11:废品回收。
进一步的,如果有塑料瓶或者易拉罐没有被识别,通过以上方法将形状特征添加到数据库,并更新每 台设备的数据库。
进一步的,在步骤S9中,所述的形状特征算法步骤如下:
1)先用反三角正切函数α=arctan(y/x)计算整体形状特征长度方向与X轴的夹角;
2)计算整体形状的最小包围壳的四个顶点,使用数据库中每一个瓶口的最大长度,计算瓶口可能存 在的区域1,瓶口可能存在的区域2。
采用以上结构后,本发明具有如下优点:
智能垃圾回收机通过本技术回收塑料瓶,不仅可以识别完整的塑料瓶,还可以识别变形的塑料瓶,既 支持了国家的环保事业,还可在投递收塑料瓶时能得到经济回报,提高和引导全国人民的环保意识,节约 了成本,省时省力。
附图说明
图1是本发明专利名称的三通道分别进行中值滤波图。
图2是本发明专利名称三通道对梯度幅值进行非极大值抑制图。
具体实施方式
下面结合附图对本发明做进一步的详细说明。
结合附图1、2所示,一种基于变形塑料瓶形状特征通用的识别方法,包括以下步骤:
S1:收集塑料瓶、易拉罐进行图片采集;
S2:通过算法获取图像的形状特征,所述算法具体步骤为:
1)图像三通道分离BGR→B+G+R;
2)三通道分别进行中值滤波;
3)使用二维高斯函数:
求出5×5,σ=1的高斯卷积核:
4)三通道分别进行高斯滤波;B通道高斯滤波:
G通道高斯滤波:
R通道高斯滤波:
5)三通道分别计算X、Y方向的梯度值GX、GY:
6)三通道分别计算梯度角α=arctan(GY/GX);
7)三通道分别计算梯度值的幅值:
8)三通道对梯度幅值进行非极大值抑制;
9)用双阈值算法检测和连接边缘;
10)将三通道的图像求并集;
11)图像进行形态学开运算,先腐蚀:
后膨胀:
12)图像进行孔位填充,获取最大面积轮廓的形状特征;
S3:形状特征保存到数据库;
S4:获取不同种类塑料瓶瓶口的形状特征保存到数据库;
S5:将数据库传输到设备上使用;
S6:使用回收设备时,投入回收物品,设备通过传送带将物品送到识别区,识别区灯光打开,拍照;
S7:计算处理获取形状特征;
S8:与数据库中保存的形状特征进行对比,如果判断为完整的塑料瓶或易拉罐,执行S11,如果不能 判断为完整的塑料瓶或易拉罐,执行S9;
S9:抓取瓶口可能存在区域的形状特征;
S10:数据库瓶口模板对比,算法步骤如下:
1)抓取区域的形状特征与数据中所有瓶口形状特征的坐标进行对比,找到相似度最高的模板;
2)与相似度最高的模板的相似值满足设定值要求后,再将抓区域形状特征的坐标分别按X轴,Y轴从 小到大排序;
3)根据S9中第1步计算出的倾斜角得到抓取区域的最大宽度,与数据库中相似度最高的模板宽度对比, 两者要求都满足条件后,可以判断图像中包含瓶口;
4)将图像抓取出来的最大宽度与整体形状特征的最大宽度求比例值,比例值满足要求后,可以判断 为变形的塑料瓶,如果判断为变形的塑料瓶,执行S11,如果不能识别,执行S12;
S11:废品回收。
如果有塑料瓶或者易拉罐没有被识别,通过以上方法将形状特征添加到数据库,并更新每台设备的数 据库。
在步骤S9中,所述的形状特征算法步骤如下:
1)先用反三角正切函数α=arctan(y/x)计算整体形状特征长度方向与X轴的夹角;
2)计算整体形状的最小包围壳的四个顶点,使用数据库中每一个瓶口的最大长度,计算瓶口可能存 在的区域区域1,瓶口可能存在的区域2,其中Curpt1[0]-Curpt1[3]为瓶口可能存在区域矩形的4个顶点, Curptf[0]-Curptf[3]为最小包围壳的四个顶点,iwDis为数据库中每一个瓶口的最大长度,*angle为上一步求 出来的整体形状特征长度方向与X轴的夹角,计算方法如下:
Curpt1[0].x·=·Curptf[0].x;
Curpt1[0].y·=·Curptf[0].y;
Curpt1[1].x·=·Curptf[0].x·-·iwDis·*·cos(*angle);
Curpt1[1].y·=·Curptf[0].y·-·iwDis·*·sin(*ang1e);
Curpt1[2].x·=·Curptf[3].x·-·iwDis·*·cos(*angle);
Curpti[2].y·=·Curptf[3].y·-·iwDis·*·sin(*angle);
Curpt1[3].x·=·Curptf[3].x;
Curpt1[3].y·=·Curptf[3].y;
Curpt2[0].x·=·Curptf[1].x·+·iwDis·*·cos(*angle);
Curpt2[0].y·=·Curptf[1].y·+·iwDis·*·sin(*angle);
Curpt2[1].x·=·Curptf[1].x;
Curpt2[1].y·=·Curptf[1].y;
Currpt2[2].x·=·Curptf[2].x;
Curpt2[2].y·=·Curptf[2].y;
Curpt2[3].x·=·Curptf[2].x·+·iwDis·*·cos(*angle);
Curpt2[3].y·=·Curptf[2].y·+·iwDis·*·sin(*angle);
Curpt1[0].x·=·Curptf[0].x;
Curpt1[0].y·=·Curptf[0].y;
Curpt1[1].x·=·Curptf[1].x;
Curpt1[1].y·=·Curptf[1].y;
Curpt1[2].x·=·Curptf[1].x·+·iwDis·*·cos(*angle);
Curpt1[2].y·=·Curptf[1].y·-·iwDis·*·sin(*angle);
Curpt1[3].x·=·Curptf[0].x·+·iwDis·*·cos(*angle);
Curpt1[3].y·=·Curptf[0].y·-·iwDis·*·sin(*angle);
Curpt2[0].x·=·Curptf[3].x·-·iwDis·*·Cos(*angle);
Curpt2[0].y·=·Curptf[3].y·+·iwDis·*·sin(*angle);
Curpt2[1].x·=·Curptf[2].x·-·iwDis·*·cos(*angle);
Curpt2[1].y·=·Curptf[2].y·+·iwDis·*·sin(*angle);
Curpt2[2].x·=·Curptf[2].x;
Curpt2[2].y·=·Curptf[2].y;
Curpt2[3].x·=·Curptf[3].x;
Curpt2[3].y·=·Curptf[3].y;
以上对本发明及其实施方式进行了描述,这种描述没有限制性,附图中所示的也只是本发明的实施方 式之一,实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示,在不脱离本发明创造 宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均应属于本发明的保护范围。
Claims (3)
1.一种基于变形塑料瓶形状特征通用的识别方法,其特征在于,包括以下步骤:
S1:收集塑料瓶、易拉罐进行图片采集;
S2:通过算法获取图像的形状特征,所述算法具体步骤为:
1)图像三通道分离;
2)三通道分别进行中值滤波;
3)使用二维高斯函数求出5×5,σ=1的高斯卷积核
4)三通道分别进行高斯滤波;
5)三通道分别计算X、Y方向的梯度值GX、GY;
6)三通道分别计算梯度角α=arctan(GY/GX);
7)三通道分别计算梯度值的幅值:
8)三通道对梯度幅值进行非极大值抑制;
9)用双阈值算法检测和连接边缘;
10)将三通道的图像求并集;
11)图像进行形态学开运算,先腐蚀:
后膨胀:
12)图像进行孔位填充,获取最大面积轮廓的形状特征;
S3:形状特征保存到数据库;
S4:获取不同种类塑料瓶瓶口的形状特征保存到数据库;
S5:将数据库传输到设备上使用;
S6:使用回收设备时,投入回收物品,设备通过传送带将物品送到识别区,识别区灯光打开,拍照;
S7:计算处理获取形状特征;
S8:与数据库中保存的形状特征进行对比,如果判断为完整的塑料瓶或易拉罐,执行S11,如果不能判断为完整的塑料瓶或易拉罐,执行S9;
S9:抓取瓶口可能存在区域的形状特征;
S10:数据库瓶口模板对比,算法步骤如下:
1)抓取区域的形状特征与数据中所有瓶口形状特征的坐标进行对比,找到相似度最高的模板;
2)与相似度最高的模板的相似值满足设定值要求后,再将抓区域形状特征的坐标分别按X轴,Y轴从小到大排序;
3)根据S9中第1步计算出的倾斜角得到抓取区域的最大宽度,与数据库中相似度最高的模板宽度对比,两者要求都满足条件后,可以判断图像中包含瓶口;
4)将图像抓取出来的最大宽度与整体形状特征的最大宽度求比例值,比例值满足要求后,可以判断为变形的塑料瓶,如果判断为变形的塑料瓶,执行S11,如果不能识别,执行S12;
S11:废品回收。
2.根据权利要求1所述的一种基于变形塑料瓶形状特征通用的识别方法,其特征在于:如果有塑料瓶或者易拉罐没有被识别,通过以上方法将形状特征添加到数据库,并更新每台设备的数据库。
3.根据权利要求1所述的一种基于变形塑料瓶形状特征通用的识别方法,其特征在于:在步骤S9中,所述的形状特征算法步骤如下:
1)先用反三角正切函数α=arctan(y/x)计算整体形状特征长度方向与X轴的夹角;
2)计算整体形状的最小包围壳的四个顶点,使用数据库中每一个瓶口的最大长度,计算瓶口可能存在的区域1,瓶口可能存在的区域2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810869564.7A CN109165568A (zh) | 2018-08-02 | 2018-08-02 | 一种基于变形塑料瓶形状特征通用的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810869564.7A CN109165568A (zh) | 2018-08-02 | 2018-08-02 | 一种基于变形塑料瓶形状特征通用的识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109165568A true CN109165568A (zh) | 2019-01-08 |
Family
ID=64898783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810869564.7A Withdrawn CN109165568A (zh) | 2018-08-02 | 2018-08-02 | 一种基于变形塑料瓶形状特征通用的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109165568A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110047067A (zh) * | 2019-04-02 | 2019-07-23 | 广州大学 | 一种用于瓶子分类的瓶肩检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0910485A1 (en) * | 1996-07-12 | 1999-04-28 | Tomra Systems ASA | Method and device for detecting liquid containers |
CN202161614U (zh) * | 2011-07-05 | 2012-03-14 | 佛山市顺德区美诺电器科技有限公司 | 手持式智能电动吸奶器 |
CN103500441A (zh) * | 2013-09-29 | 2014-01-08 | 华南理工大学 | 微焦点x射线图像噪声建模与去噪方法 |
CN105809668A (zh) * | 2016-01-15 | 2016-07-27 | 武汉武大卓越科技有限责任公司 | 基于线扫描三维点云的物体表面变形特征提取方法 |
CN106813590A (zh) * | 2015-11-30 | 2017-06-09 | 中国石油化工股份有限公司 | 外浮顶储罐变形检测方法 |
CN206470858U (zh) * | 2016-11-25 | 2017-09-05 | 天津金石包装制品有限公司 | 一种废弃饮料瓶回收装置 |
-
2018
- 2018-08-02 CN CN201810869564.7A patent/CN109165568A/zh not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0910485A1 (en) * | 1996-07-12 | 1999-04-28 | Tomra Systems ASA | Method and device for detecting liquid containers |
CN202161614U (zh) * | 2011-07-05 | 2012-03-14 | 佛山市顺德区美诺电器科技有限公司 | 手持式智能电动吸奶器 |
CN103500441A (zh) * | 2013-09-29 | 2014-01-08 | 华南理工大学 | 微焦点x射线图像噪声建模与去噪方法 |
CN106813590A (zh) * | 2015-11-30 | 2017-06-09 | 中国石油化工股份有限公司 | 外浮顶储罐变形检测方法 |
CN105809668A (zh) * | 2016-01-15 | 2016-07-27 | 武汉武大卓越科技有限责任公司 | 基于线扫描三维点云的物体表面变形特征提取方法 |
CN206470858U (zh) * | 2016-11-25 | 2017-09-05 | 天津金石包装制品有限公司 | 一种废弃饮料瓶回收装置 |
Non-Patent Citations (1)
Title |
---|
康婷婷: "饮料瓶回收装置物品形状检测研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110047067A (zh) * | 2019-04-02 | 2019-07-23 | 广州大学 | 一种用于瓶子分类的瓶肩检测方法 |
CN110047067B (zh) * | 2019-04-02 | 2021-06-22 | 广州大学 | 一种用于瓶子分类的瓶肩检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shi et al. | Automatic license plate recognition system based on color image processing | |
CN101872416B (zh) | 对道路图像进行车牌识别的方法和系统 | |
Wu et al. | A practical system for road marking detection and recognition | |
CN110070090B (zh) | 一种基于手写文字识别的物流标签信息检测方法及系统 | |
CN105069466A (zh) | 基于数字图像处理的行人服饰颜色识别方法 | |
CN105095829A (zh) | 一种人脸识别方法及系统 | |
CN107330397A (zh) | 一种基于大间隔相对距离度量学习的行人重识别方法 | |
CN102609686A (zh) | 一种行人检测方法 | |
CN102663366A (zh) | 行人目标识别方法及系统 | |
CN107563380A (zh) | 一种基于mser和swt相结合的车辆车牌检测识别方法 | |
CN101719222A (zh) | 分类器训练方法和装置以及人脸认证方法和装置 | |
Zang et al. | Traffic sign detection based on cascaded convolutional neural networks | |
Sugiharto et al. | Traffic sign detection based on HOG and PHOG using binary SVM and k-NN | |
CN111353985A (zh) | 一种基于深度相机的机场自助托运行李的检测方法 | |
CN114359998A (zh) | 一种人脸口罩佩戴状态下的识别方法 | |
Rebut et al. | Image segmentation and pattern recognition for road marking analysis | |
Zaklouta et al. | Segmentation masks for real-time traffic sign recognition using weighted HOG-based trees | |
CN109165568A (zh) | 一种基于变形塑料瓶形状特征通用的识别方法 | |
CN106407904B (zh) | 一种确定刘海区域的方法及装置 | |
Thumthong et al. | Automatic detection and recognition of Thai vehicle license plate from CCTV images | |
Tribak et al. | QR code patterns localization based on Hu Invariant Moments | |
Li et al. | Seatbelt detection based on cascade adaboost classifier | |
CN105809699A (zh) | 一种基于图分割的车窗提取方法及系统 | |
Park et al. | Multi-style license plate recognition system using k-nearest neighbors | |
CN102129569A (zh) | 基于多尺度对比特征的对象检测设备和方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190108 |
|
WW01 | Invention patent application withdrawn after publication |