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 PDF

Info

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Withdrawn
Application number
CN201810869564.7A
Other languages
English (en)
Inventor
唐军
张�林
宋怡彪
杨路
杨宗涛
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.)
Xiao Huang Dog Environmental Protection & Technology Co Ltd
Original Assignee
Xiao Huang Dog Environmental Protection & 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 Xiao Huang Dog Environmental Protection & Technology Co Ltd filed Critical Xiao Huang Dog Environmental Protection & Technology Co Ltd
Priority to CN201810869564.7A priority Critical patent/CN109165568A/zh
Publication of CN109165568A publication Critical patent/CN109165568A/zh
Withdrawn legal-status Critical Current

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

一种基于变形塑料瓶形状特征通用的识别方法
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。
CN201810869564.7A 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 Withdrawn CN109165568A (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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