CN109332192A - 一种用于易拉罐和饮料瓶分类的图像识别方法 - Google Patents
一种用于易拉罐和饮料瓶分类的图像识别方法 Download PDFInfo
- Publication number
- CN109332192A CN109332192A CN201810879504.3A CN201810879504A CN109332192A CN 109332192 A CN109332192 A CN 109332192A CN 201810879504 A CN201810879504 A CN 201810879504A CN 109332192 A CN109332192 A CN 109332192A
- Authority
- CN
- China
- Prior art keywords
- image
- profile
- original image
- bottle
- template
- 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
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
Landscapes
- Image Analysis (AREA)
Abstract
一种用于易拉罐和饮料瓶分类的图像识别方法,包括以下步骤:S1:通过摄像头采集原始图像;S2:对传入的原始图像进行预处理1;S3:对截取后的图像进行预处理2;S4:查找形态学处理后图像中轮廓,对不符合要求的轮廓进行筛选;S5:对原始图像进行处理,提取出代表瓶罐区域轮廓信息的参数;S6:输入一张模板图像;S7:将采集的图像进行步骤2处理后和步骤5中的模板图像进行三通道和单通道直方图对比分析;S8:计算模板图像和待对比图像的哈希相似度;S9:由筛选后的轮廓数目,检测到轮廓的最小外接矩面积为主要分类参考指标。一种用于易拉罐和饮料瓶分类的图像识别方法,实现简单,操作方便,省时省力。
Description
技术领域
本发明涉及一种用于易拉罐和饮料瓶分类的图像识别方法。
背景技术
易拉罐和饮料瓶作为饮料包装在生活中随处可见,如果这类包装随意丢弃势必造成环境污染和资源浪费。若能将废弃易拉罐和饮料瓶进行有效回收处理,必能促进资源良性循环利用。
目前,易拉罐和饮料瓶分类识别主要有以下三种思路:第一类,依据易拉罐和饮料瓶本体的颜色进行分类识别。第二类,对易拉罐和饮料瓶包装上的二维码扫描进行分类识别。第三类,使用模板匹配法进行分类比对。上述方法缺点在于仅通过局部特征来作为分类识别依据,没有充分挖掘利用易拉罐和饮料瓶图像中包含的信息。因为易拉罐和饮料瓶的颜色易受外包装各类颜色及图案的干扰,这将降低分类准确率。易拉罐和饮料瓶经使用后,瓶罐包装上的二维码易破损且变形扭曲或者丢失,这将导致机器拒收;拒收情况增多,会降低投递者的积极性;此外,条形码容易仿造,这会误收非瓶罐类物体,导致回收成本增加。模板匹配法通过截取有代表性的图像区域作为模板数据库,将新传入的图像跟模板库中的图样进行对比,做出最后判断。但是易拉罐和饮料瓶种类繁多,同一品牌的产品也会有不同的包装,若数据库中没有对应模板则机器拒绝接收,这在产生新品牌新包装的饮料瓶以及以及瓶罐有明显变形情况下检测效果较差,另外模板多了也会衍生出识别时间过长的问题,从而降低识别的实时性。此外,目前的技术检测比较依赖摄像头辅助的光源的稳定性,光源变化到一定程度时识别分类效果往往不佳。
发明内容
以解决上述背景技术中提出的问题,本发明的目的在于提供一种用于易拉罐和饮料瓶分类的图像识别方法,准确率高,省时省力,成本低。
为解决上述技术问题,本发明提供的技术方案为:
一种用于易拉罐和饮料瓶分类的图像识别方法,包括以下步骤:
S1:通过摄像头采集原始图像,传入计算机存储在指定路径下;
S2:对传入的原始图像进行预处理1,截除多余背景区域,得到截取后三通道原始图像;
S3:对截取后的图像进行预处理2,首先是灰度转换,然后通过平滑滤波去噪,降低噪声对原始图像清晰度的影响;对降噪后的图像进行二值化阈值处理,得到瓶罐主要区域范围;对二值化阈值处理后的图像进行形态学处理,获取待分类识别的二值化原始图像;
S4:查找形态学处理后图像中轮廓,对不符合要求的轮廓进行筛选,排除杂乱轮廓区域对分类识别的干扰;
S5:对原始图像进行处理,提取出代表瓶罐区域轮廓信息的参数,包括检测轮廓数目,检测轮廓面积,检测轮廓的最小外接矩面积,检测轮廓面积和检测轮廓最小外接矩面积之比;
S6:输入一张模板图像,对其进行步骤2至步骤4的处理得到模板图像代表瓶罐区域轮廓信息的参数,并将模板图像预处理后的三通道原始图像和形态学处理后的二值化原始图像存储为模板文件;
S7:将采集的图像进行步骤2处理后和步骤5中的模板图像进行三通道直方图对比分析,同时将采集图像经过预处理后的二值化原始图像和模板的二值化原始图像进行单通道直方图对比分析;
S8:计算模板图像和待对比图像的哈希相似度;
S9:由筛选后的轮廓数目,检测到轮廓的最小外接矩面积为主要分类参考指标,结合检测轮廓面积和检测轮廓面积的最小外接矩面积之比,三通道直方图相似度,单通道直方图相似度以及模板图像和待对比图像的哈希相似度几个参数对瓶罐进行识别分类。
作为改进,在步骤S7中,所述对比分析包括图像的三通道色彩信息和单通道二值图信息对比分析。
作为改进,在步骤S8中,所述的哈希相似度包括形状的对比分析。
本发明的有益效果是:
该发明涉及的识别分类方法能提高分类识别的鲁棒性,降低对光源对分类识别的敏感度,并对较有明显形体变化瓶罐依然能有效识别,能够节省人力,识别度高,不易产生拒收的情况。
附图说明
图1为本发明的流程图;
图2为本发明的二值化图像;
图3为本发明的形态学处理图像。
具体实施方式
下面用具体实施例说明本发明,并不是对本发明的限制。
一种用于易拉罐和饮料瓶分类的图像识别方法,其具体步骤如下:
S1:通过摄像头采集原始图像A,图像尺寸size为(1920×1080),传入计算机存储;
S2:对传入的原始图像A进行预处理1。结合摄像头安装位置,截取原始图像A起始顶点位置在 (1920/5.2,1080/4),尺寸size为(1200×500)的区域,截除了超过70%的背景区域,有效减少多余背 景对识别判断的的干扰,得到截取后三通道原始图像B;
S3:对截取后的原始图像B进行预处理2。首先,把原始图像B进行灰度转换;然后,通过均值滤波 器平滑图像去除噪声点,降低噪声对原始图像清晰度的影响;对降噪后的图像使用大津算法(otsu)进行 二值化阈值处理,得到瓶罐主要区域范围,见图2;对二值化阈值处理后的图像进行形态学处理,包含一 次开运算(结构元素为9×9)和两次膨胀运算(结构元素分别为11×11和5×5),得到待分类识别的二 值化原始图像C,见图3;
S4:通过调用OpenCV(Open Source Computer Vision Library)库中的轮廓查找函数findContours()将二值 化原始图像C中的瓶罐轮廓找出,限制瓶罐轮廓大小范围不小于110,对不符合要求的轮廓进行剔除筛选, 排除杂乱轮廓区域对分类识别的干扰;
S5:提取原始图像C的瓶罐轮廓信息,得到筛选后的瓶罐检测轮廓数目、瓶罐检测轮廓面积、瓶罐检 测轮廓的最小外接矩面积以及瓶罐检测轮廓面积和瓶罐检测轮廓最小外接矩面积之比这四个反映瓶罐轮 廓信息的参数;
S6:选择一张有代表的图像作为模板图像D,对其进行步骤2至步骤5的处理,得到瓶罐模板图像轮 廓信息的参数,并将模板图像预处理后的三通道原始图像E和形态学处理后的二值化原始图像F存储为 “.xml”格式文件,作为比对的参考信息模板;
S7:调用OpenCV库中的compareHist()函数,将采集的原始图像A进行步骤2预处理1处理后和步骤 5中的模板图像E进行三通道直方图对比分析,对比二者的直方图相似度;同时将采集图像A经过步骤3 预处理2后的二值化原始图像和模板的二值化原始图像F进行单通道直方图对比分析,对比二者之间的相 似度;
计算图像之间的三通道直方图,目的是使用图像上的颜色信息;计算图像之间形态学处理后图像之 间的单通道直方图信息,目的是使用图像形状分布的信息。比较两个直方图之间的相似度,例如(和), 首先选择衡量直方图相似度的比较标准。比较两个直方图之间相似度有以下四种方法:
1.相关系数,Correlation(method=CV_COMP_CORREL)
Claims (3)
1.一种用于易拉罐和饮料瓶分类的图像识别方法,其特征在于,包括以下步骤:
S1:通过摄像头采集原始图像,传入计算机存储在指定路径下;
S2:对传入的原始图像进行预处理1,截除多余背景区域,得到截取后三通道原始图像;
S3:对截取后的图像进行预处理2,首先是灰度转换,然后通过平滑滤波去噪,降低噪声对原始图像清晰度的影响;对降噪后的图像进行二值化阈值处理,得到瓶罐主要区域范围;对二值化阈值处理后的图像进行形态学处理,获取待分类识别的二值化原始图像;
S4:查找形态学处理后图像中轮廓,对不符合要求的轮廓进行筛选,排除杂乱轮廓区域对分类识别的干扰;
S5:对原始图像进行处理,提取出代表瓶罐区域轮廓信息的参数,包括检测轮廓数目,检测轮廓面积,检测轮廓的最小外接矩面积,检测轮廓面积和检测轮廓最小外接矩面积之比;
S6:输入一张模板图像,对其进行步骤2至步骤4的处理得到模板图像代表瓶罐区域轮廓信息的参数,并将模板图像预处理后的三通道原始图像和形态学处理后的二值化原始图像存储为模板文件;
S7:将采集的图像进行步骤2处理后和步骤5中的模板图像进行三通道直方图对比分析,同时将采集图像经过预处理后的二值化原始图像和模板的二值化原始图像进行单通道直方图对比分析;
S8:计算模板图像和待对比图像的哈希相似度;
S9:由筛选后的轮廓数目,检测到轮廓的最小外接矩面积为主要分类参考指标,结合检测轮廓面积和检测轮廓面积的最小外接矩面积之比,三通道直方图相似度,单通道直方图相似度以及模板图像和待对比图像的哈希相似度几个参数对瓶罐进行识别分类。
2.根据权利要求1所述的一种用于易拉罐和饮料瓶分类的图像识别方法,其特征在于,在步骤S7中,所述对比分析包括图像的三通道色彩信息和单通道二值图信息对比分析。
3.根据权利要求1所述的一种用于易拉罐和饮料瓶分类的图像识别方法,其特征在于,在步骤S8中,所述的哈希相似度包括形状的对比分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810879504.3A CN109332192A (zh) | 2018-08-03 | 2018-08-03 | 一种用于易拉罐和饮料瓶分类的图像识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810879504.3A CN109332192A (zh) | 2018-08-03 | 2018-08-03 | 一种用于易拉罐和饮料瓶分类的图像识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109332192A true CN109332192A (zh) | 2019-02-15 |
Family
ID=65296712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810879504.3A Pending CN109332192A (zh) | 2018-08-03 | 2018-08-03 | 一种用于易拉罐和饮料瓶分类的图像识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109332192A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110147838A (zh) * | 2019-05-20 | 2019-08-20 | 苏州微创关节医疗科技有限公司 | 一种产品规格录入、检测方法及系统 |
CN111047558A (zh) * | 2019-11-20 | 2020-04-21 | 深圳市康冠智能科技有限公司 | 图像检测方法、装置、计算机设备以及存储介质 |
CN111047518A (zh) * | 2019-03-19 | 2020-04-21 | 绿桥(泰州)生态修复有限公司 | 现场除污策略选择平台 |
CN111429647A (zh) * | 2020-03-03 | 2020-07-17 | 佛山科学技术学院 | 一种饮品瓶回收系统及方法 |
CN112084940A (zh) * | 2020-09-08 | 2020-12-15 | 南京和瑞供应链管理有限公司 | 物资盘点管理系统及方法 |
CN112418083A (zh) * | 2020-11-23 | 2021-02-26 | 深兰人工智能(四川)有限公司 | 水桶的分类方法、分类装置 |
CN113369155A (zh) * | 2021-05-08 | 2021-09-10 | 上海万郃环保科技有限公司 | 可再生垃圾废品识别检测及自动回收系统及方法 |
WO2023171026A1 (ja) * | 2022-03-09 | 2023-09-14 | 株式会社電通 | 飲料缶を含む画像の処理装置、処理方法及び処理プログラム、並びに対象物を含む画像の処理装置 |
CN118010759A (zh) * | 2024-04-08 | 2024-05-10 | 青岛天仁微纳科技有限责任公司 | 一种纳米压印图像的检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2600154A1 (fr) * | 1986-06-13 | 1987-12-18 | Anred | Procede de reconnaissance de forme d'objet a symetrie axiale, notamment bouteille, et dispositif de mise en oeuvre du procede |
CN102974551A (zh) * | 2012-11-26 | 2013-03-20 | 华南理工大学 | 一种基于机器视觉的多晶硅太阳能检测分选的方法 |
CN104091303A (zh) * | 2014-07-11 | 2014-10-08 | 湖南大学 | 一种基于Radon变换和不变特征的鲁棒图像哈希方法及其装置 |
CN104182764A (zh) * | 2014-08-19 | 2014-12-03 | 田文胜 | 一种图形识别系统 |
CN106127749A (zh) * | 2016-06-16 | 2016-11-16 | 华南理工大学 | 基于视觉注意机制的目标零件识别方法 |
CN107195077A (zh) * | 2017-07-19 | 2017-09-22 | 浙江联运环境工程股份有限公司 | 瓶子智能回收机 |
CN107274442A (zh) * | 2017-07-04 | 2017-10-20 | 北京云测信息技术有限公司 | 一种图像识别方法和装置 |
-
2018
- 2018-08-03 CN CN201810879504.3A patent/CN109332192A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2600154A1 (fr) * | 1986-06-13 | 1987-12-18 | Anred | Procede de reconnaissance de forme d'objet a symetrie axiale, notamment bouteille, et dispositif de mise en oeuvre du procede |
CN102974551A (zh) * | 2012-11-26 | 2013-03-20 | 华南理工大学 | 一种基于机器视觉的多晶硅太阳能检测分选的方法 |
CN104091303A (zh) * | 2014-07-11 | 2014-10-08 | 湖南大学 | 一种基于Radon变换和不变特征的鲁棒图像哈希方法及其装置 |
CN104182764A (zh) * | 2014-08-19 | 2014-12-03 | 田文胜 | 一种图形识别系统 |
CN106127749A (zh) * | 2016-06-16 | 2016-11-16 | 华南理工大学 | 基于视觉注意机制的目标零件识别方法 |
CN107274442A (zh) * | 2017-07-04 | 2017-10-20 | 北京云测信息技术有限公司 | 一种图像识别方法和装置 |
CN107195077A (zh) * | 2017-07-19 | 2017-09-22 | 浙江联运环境工程股份有限公司 | 瓶子智能回收机 |
Non-Patent Citations (2)
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》 * |
张艳珠等: "序列图像的快速配准算法研究", 《沈阳理工大学学报》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047518A (zh) * | 2019-03-19 | 2020-04-21 | 绿桥(泰州)生态修复有限公司 | 现场除污策略选择平台 |
CN110147838B (zh) * | 2019-05-20 | 2021-07-02 | 苏州微创关节医疗科技有限公司 | 一种产品规格录入、检测方法及系统 |
CN110147838A (zh) * | 2019-05-20 | 2019-08-20 | 苏州微创关节医疗科技有限公司 | 一种产品规格录入、检测方法及系统 |
US20220207739A1 (en) * | 2019-05-20 | 2022-06-30 | Suzhou Microport Orthorecon Co., Ltd. | Methods and systems for entering and verifying product specifications |
CN111047558A (zh) * | 2019-11-20 | 2020-04-21 | 深圳市康冠智能科技有限公司 | 图像检测方法、装置、计算机设备以及存储介质 |
CN111429647A (zh) * | 2020-03-03 | 2020-07-17 | 佛山科学技术学院 | 一种饮品瓶回收系统及方法 |
CN112084940A (zh) * | 2020-09-08 | 2020-12-15 | 南京和瑞供应链管理有限公司 | 物资盘点管理系统及方法 |
CN112418083A (zh) * | 2020-11-23 | 2021-02-26 | 深兰人工智能(四川)有限公司 | 水桶的分类方法、分类装置 |
CN113369155A (zh) * | 2021-05-08 | 2021-09-10 | 上海万郃环保科技有限公司 | 可再生垃圾废品识别检测及自动回收系统及方法 |
CN113369155B (zh) * | 2021-05-08 | 2022-09-13 | 上海万郃环保科技有限公司 | 可再生垃圾废品识别检测及自动回收系统及方法 |
WO2023171026A1 (ja) * | 2022-03-09 | 2023-09-14 | 株式会社電通 | 飲料缶を含む画像の処理装置、処理方法及び処理プログラム、並びに対象物を含む画像の処理装置 |
JP7352677B1 (ja) | 2022-03-09 | 2023-09-28 | 株式会社電通 | 飲料缶を含む画像の処理装置、処理方法及び処理プログラム |
JP2023144163A (ja) * | 2022-03-09 | 2023-10-11 | 株式会社電通 | 飲料缶を含む画像の処理装置、処理方法及び処理プログラム |
CN118010759A (zh) * | 2024-04-08 | 2024-05-10 | 青岛天仁微纳科技有限责任公司 | 一种纳米压印图像的检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109332192A (zh) | 一种用于易拉罐和饮料瓶分类的图像识别方法 | |
CN102663348B (zh) | 一种光学遥感图像中的海上舰船检测方法 | |
CN113538429B (zh) | 基于图像处理的机械零件表面缺陷检测方法 | |
CN115082419B (zh) | 一种吹塑箱包生产缺陷检测方法 | |
CN102426649B (zh) | 一种简单的高准确率的钢印数字自动识别方法 | |
AU2009305437B2 (en) | Method and system for item identification | |
CN115082683A (zh) | 一种基于图像处理的注塑缺陷检测方法 | |
Shen et al. | Improving OCR performance with background image elimination | |
CN103034838B (zh) | 一种基于图像特征的特种车辆仪表类型识别与标定方法 | |
CN102509112A (zh) | 车牌识别方法及其识别系统 | |
Li et al. | Research on vehicle license plate location based on neural networks | |
Micenkov et al. | Stamp detection in color document images | |
CN107315990B (zh) | 一种基于xcs-lbp特征的行人检测算法 | |
CN113221881B (zh) | 一种多层级的智能手机屏幕缺陷检测方法 | |
CN105787475A (zh) | 一种复杂环境下的交通标志检测与识别方法 | |
CN114972356A (zh) | 塑料制品表面缺陷检测识别方法及系统 | |
CN106780464A (zh) | 一种基于改进阈值分割的织物疵点检测方法 | |
CN115239718B (zh) | 一种基于图像处理的塑料制品缺陷检测方法与系统 | |
CN104050684A (zh) | 一种基于在线训练的视频运动目标分类方法与系统 | |
CN115330795A (zh) | 布匹毛刺缺陷检测方法 | |
CN115082776A (zh) | 一种基于图像识别的电能表自动检测系统及方法 | |
CN109284759A (zh) | 一种基于支持向量机(svm)的魔方颜色识别方法 | |
CN111401364A (zh) | 一种基于颜色特征和模板匹配相结合的车牌定位算法 | |
Huang et al. | Ship detection using texture statistics from optical satellite images | |
Fitriyah et al. | Traffic sign recognition using edge detection and eigen-face: Comparison between with and without color pre-classification based on Hue |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190215 |
|
WD01 | Invention patent application deemed withdrawn after publication |