CN111046722A - 一种视觉辅料智能识别系统 - Google Patents
一种视觉辅料智能识别系统 Download PDFInfo
- Publication number
- CN111046722A CN111046722A CN201910980857.7A CN201910980857A CN111046722A CN 111046722 A CN111046722 A CN 111046722A CN 201910980857 A CN201910980857 A CN 201910980857A CN 111046722 A CN111046722 A CN 111046722A
- Authority
- CN
- China
- Prior art keywords
- product
- model
- information
- photo
- back side
- 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
- 239000000463 material Substances 0.000 title claims abstract description 16
- 230000000007 visual effect Effects 0.000 title claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000010191 image analysis Methods 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000004438 eyesight Effects 0.000 claims description 2
- 238000010801 machine learning Methods 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000000034 method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种视觉辅料智能识别系统，识别系统包括：用于采集产品照片的摄像装置；用于识别产品颜色、判断产品型号的图像识别模块；用于解析照片中产品正、反面信息的图像解析计算模块；用于输出显示产品颜色、型号以及正反面信息的输出模块。本发明所述的一种视觉辅料智能识别系统，本发明系统通过机器学习的方式记录产品的对应数据，在使用时可以通过自动采集产品信息，识别产品的型号信息以及产品的正反面信息，这样的识别智能化程度更高，极大地节约了生产劳动力，且机器的判断不会存在误判，保证了判断的准确性，降低了产品生产加工的失误率。
Description
技术领域
本发明涉及工业产品信息识别领域，特别涉及一种视觉辅料智能识别系统。
背景技术
工业主要是指原料采集与产品加工制造的产业或工程，工业是社会分工发展的产物，经过手工业、机器大工业、现代工业几个发展阶段，工业是第二产业的重要组成部分，主要分为轻工业和重工业两大类，其中，重工业包括钢铁工业、冶金工业、机械、能源(电力、石油、煤炭、天然气等)、化学、材料等工业，是为国民经济各部门提供技术装备、动力和原材料的基础工业，它为国民经济各部门(包括工业本身)提供原材料、燃料、动力、技术装备等劳动资料和劳动对象，是实现社会再生产和扩大再生产的物质基础，一个国家重工业的发展规模和技术水平，是体现其国力的重要标志，而轻工业主要是指生产生活资料的工业部门，如：食品、纺织、家具、造纸、印刷、日用化工、文具、文化用品、体育用品工业等，轻工业是城乡居民生活消费资料的主要来源；
在工业产品生产加工的过程中需要对产品的信息进行识别，现有的识别方式大多为两种：一种为传统的人工方式通过人工的记忆在核对生产工件，另一种就是利用现在的视觉感知方式来做人工的判别工作，这两种识别方式均需要大量的人工来操作，费工费时，且工作效率较为低下，同时这样的识别方式存在的误差较大。
发明内容
本发明的主要目的在于提供一种视觉辅料智能识别系统，可以有效解决背景技术中的问题。
为实现上述目的，本发明采取的技术方案为：
一种视觉辅料智能识别系统，所述识别系统包括：
用于采集产品照片的摄像装置；
用于识别产品颜色、判断产品型号的图像识别模块；
用于解析照片中产品正、反面信息的图像解析计算模块；
用于输出显示产品颜色、型号以及正反面信息的输出模块。
优选的，所述摄像装置采用HD 1080P型高清摄像。
优选的，所述识别系统的具体流程如下：
调取摄像装置，对产品进行拍照，得到产品照片；
将环境照片输入到模型中，判断产品的型号和正、反面，其中，所述模型是使用多组训练数据训练出来的，所述多组中的训练数据包括第一类数据、第二类数据和第三类数据，其中，第一类数据包括产品颜色照片和标识该产品颜色照片对应产品型号的标签，第二类数据包括产品正面照片和标识该照片为产品正面的标签，第三类数据包括产品反面照片和标识该照片为产品反面的标签；
输出产品的型号信息和正、反面信息。
优选的，所述输出模块采用工业计算机显示客户端或手机客户端。
优选的，所述图像识别模块和所述图像解析计算模块均与所述输出模块连接。
优选的，所述图像解析计算模块解析照片中产品正、反面信息包括：
根据所述图像识别模块识别的产品型号信息，将采集的照片与该型号产品的正面或反面照片信息进行对比，其中相似度较高的一面即是该产品的正面或反面。
与现有技术相比，本发明具有如下有益效果：
本发明系统通过机器学习的方式记录产品的对应数据，在使用时可以通过自动采集产品信息，识别产品的型号信息以及产品的正反面信息，这样的识别智能化程度更高，极大地节约了生产劳动力，且机器的判断不会存在误判，保证了判断的准确性，降低了产品生产加工的失误率。
附图说明
图1为本发明一种视觉辅料智能识别系统的流程框图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
一种视觉辅料智能识别系统，识别系统包括：
用于采集产品照片的摄像装置；
用于识别产品颜色、判断产品型号的图像识别模块；
用于解析照片中产品正、反面信息的图像解析计算模块；
用于输出显示产品颜色、型号以及正反面信息的输出模块。
摄像装置采用HD 1080P型高清摄像。
识别系统的具体流程如下：
调取摄像装置，对产品进行拍照，得到产品照片；
将环境照片输入到模型中，判断产品的型号和正、反面，其中，模型是使用多组训练数据训练出来的，多组中的训练数据包括第一类数据、第二类数据和第三类数据，其中，第一类数据包括产品颜色照片和标识该产品颜色照片对应产品型号的标签，第二类数据包括产品正面照片和标识该照片为产品正面的标签，第三类数据包括产品反面照片和标识该照片为产品反面的标签；
输出产品的型号信息和正、反面信息。
输出模块采用工业计算机显示客户端或手机客户端。
图像识别模块和图像解析计算模块均与输出模块连接。
图像解析计算模块解析照片中产品正、反面信息包括：
根据图像识别模块识别的产品型号信息，将采集的照片与该型号产品的正面或反面照片信息进行对比，其中相似度较高的一面即是该产品的正面或反面。
实施例
本发明应用于工业中产品信息识别，其中，该种类产品型号共包含：A型、B型和C型，其中，A型产品的颜色为深黄色、B型产品的颜色为浅黄色、C型产品的颜色为红色，其中A型产品的正面具有特征x，反面没有特征或具有特征xx，B型产品的正面具有特征y，反面没有特征或具有特征yy，C型产品的正面具有特征z，反面没有特征或具有特征zz，将上述信息以机器学习的形式输入至模型中；
使用该系统进行产品识别过程为：
调取摄像装置，对产品进行拍照，得到产品照片；
图像识别模块识别照片中产品的颜色，若产品颜色为深黄色，则该产品为A型产品；若产品颜色为浅黄色，则该产品为B型产品；若产品颜色为红色，则该产品为C型产品；且图像识别模块将识别到的产品型号信息分别传输至输出显示模块和图像解析计算模块；
图像解析计算模块解析计算照片中产品的正反面，若该产品的为A型产品，则图像解析计算模块对照模型中A型产品的具体特征并与该产品进行对比，当该产品具有特征x时，则该产品为正面，当该产品没有特征或具有特征xx，则该产品为反面；
若该产品的为B型产品，则图像解析计算模块对照模型中B型产品的具体特征并与该产品进行对比，当该产品具有特征y时，则该产品为正面，当该产品没有特征或具有特征yy，则该产品为反面；
若该产品的为C型产品，则图像解析计算模块对照模型中C型产品的具体特征并与该产品进行对比，当该产品具有特征z时，则该产品为正面，当该产品没有特征或具有特征zz，则该产品为反面；
图像解析计算模块将解析到的产品正、反面信息分别传输至输出显示模块；
输出显示模块显示该产品的具体型号、正、反面信息。
结合实施例1可以看出，本发明系统通过机器学习的方式记录产品的对应数据，在使用时可以通过自动采集产品信息，识别产品的型号信息以及产品的正反面信息，这样的识别智能化程度更高，极大地节约了生产劳动力，且机器的判断不会存在误判，保证了判断的准确性，降低了产品生产加工的失误率。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种视觉辅料智能识别系统，其特征在于：所述识别系统包括：
用于采集产品照片的摄像装置；
用于识别产品颜色、判断产品型号的图像识别模块；
用于解析照片中产品正、反面信息的图像解析计算模块；
用于输出显示产品颜色、型号以及正反面信息的输出模块。
2.根据权利要求1所述的一种视觉辅料智能识别系统，其特征在于：所述摄像装置采用HD1080P型高清摄像头。
3.根据权利要求1-2任一所述的一种视觉辅料智能识别系统，其特征在于：所述识别系统的具体流程如下：
调取摄像装置，对产品进行拍照，得到产品照片；
将环境照片输入到模型中，判断产品的型号和正、反面，其中，所述模型是使用多组训练数据训练出来的，所述多组中的训练数据包括第一类数据、第二类数据和第三类数据，其中，第一类数据包括产品颜色照片和标识该产品颜色照片对应产品型号的标签，第二类数据包括产品正面照片和标识该照片为产品正面的标签，第三类数据包括产品反面照片和标识该照片为产品反面的标签；
输出产品的型号信息和正、反面信息。
4.根据权利要求1所述的一种视觉辅料智能识别系统，其特征在于：所述输出模块采用工业计算机显示客户端或手机客户端。
5.根据权利要求1所述的一种视觉辅料智能识别系统，其特征在于：所述图像识别模块和所述图像解析计算模块均与所述输出模块连接。
6.根据权利要求3所述的一种视觉辅料智能识别系统，其特征在于：所述图像解析计算模块解析照片中产品正、反面信息包括：
根据所述图像识别模块识别的产品型号信息，将采集的照片与该型号产品的正面或反面照片信息进行对比，其中相似度较高的一面即是该产品的正面或反面。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910980857.7A CN111046722A (zh) | 2019-10-16 | 2019-10-16 | 一种视觉辅料智能识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910980857.7A CN111046722A (zh) | 2019-10-16 | 2019-10-16 | 一种视觉辅料智能识别系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111046722A true CN111046722A (zh) | 2020-04-21 |
Family
ID=70232282
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910980857.7A Pending CN111046722A (zh) | 2019-10-16 | 2019-10-16 | 一种视觉辅料智能识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111046722A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113220924A (zh) * | 2021-04-13 | 2021-08-06 | 广东汇博机器人技术有限公司 | 一种产品型号视觉识别方法及视觉识别系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5703868A (en) * | 1995-12-08 | 1997-12-30 | Nippon Columbia Co., Ltd. | Optical information recording medium having discernible obverse and reverse sides |
| CN203778363U (zh) * | 2014-01-14 | 2014-08-20 | 温州中波电气有限公司 | 一种电气产品全自动智能识别分拣系统 |
| CN105758382A (zh) * | 2014-12-16 | 2016-07-13 | 马鞍山森格电子科技有限公司 | 一种基于机器视觉的磁瓦产品在线检测系统 |
| CN109632802A (zh) * | 2019-02-01 | 2019-04-16 | 东莞中科蓝海智能视觉科技有限公司 | 零件正反面检测调节方法 |
| CN109772733A (zh) * | 2019-01-15 | 2019-05-21 | 西安交通大学 | 一种基于视觉的缺陷竹块检测分拣装置及方法 |
| CN110127366A (zh) * | 2018-02-09 | 2019-08-16 | 比亚迪股份有限公司 | 工件取放系统 |
-
2019
- 2019-10-16 CN CN201910980857.7A patent/CN111046722A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5703868A (en) * | 1995-12-08 | 1997-12-30 | Nippon Columbia Co., Ltd. | Optical information recording medium having discernible obverse and reverse sides |
| CN203778363U (zh) * | 2014-01-14 | 2014-08-20 | 温州中波电气有限公司 | 一种电气产品全自动智能识别分拣系统 |
| CN105758382A (zh) * | 2014-12-16 | 2016-07-13 | 马鞍山森格电子科技有限公司 | 一种基于机器视觉的磁瓦产品在线检测系统 |
| CN110127366A (zh) * | 2018-02-09 | 2019-08-16 | 比亚迪股份有限公司 | 工件取放系统 |
| CN109772733A (zh) * | 2019-01-15 | 2019-05-21 | 西安交通大学 | 一种基于视觉的缺陷竹块检测分拣装置及方法 |
| CN109632802A (zh) * | 2019-02-01 | 2019-04-16 | 东莞中科蓝海智能视觉科技有限公司 | 零件正反面检测调节方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113220924A (zh) * | 2021-04-13 | 2021-08-06 | 广东汇博机器人技术有限公司 | 一种产品型号视觉识别方法及视觉识别系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102937595B (zh) | 一种pcb板检测方法、装置及系统 | |
| CN102914545B (zh) | 一种基于计算机视觉的齿轮缺陷检测方法及系统 | |
| CN103886760B (zh) | 实时的基于交通视频的车型检测系统 | |
| CN104021375A (zh) | 一种基于机器学习的车型识别方法 | |
| CN106919910B (zh) | 一种基于hog-cth组合特征的交通标志识别方法 | |
| CN104850850A (zh) | 一种结合形状和颜色的双目立体视觉图像特征提取方法 | |
| CN103440488A (zh) | 一种虫害识别的方法 | |
| AU2020103716A4 (en) | Training method and device of automatic identification device of pointer instrument with numbers in natural scene | |
| CN103440035A (zh) | 一种三维空间中的手势识别系统及其识别方法 | |
| CN103426164A (zh) | 基于Opencv图像分析的扇贝尺寸计算方法和扇贝分拣系统 | |
| CN104408449A (zh) | 智能移动终端场景文字处理方法 | |
| Tian et al. | An algorithm combined with color differential models for license-plate location | |
| CN111854700A (zh) | 基于物联网和云计算的无人机监测管理系统 | |
| CN111046722A (zh) | 一种视觉辅料智能识别系统 | |
| CN107516315A (zh) | 一种基于机器视觉的掘进机出渣监测方法 | |
| CN110674692A (zh) | 一种基于难样本生成的目标精确检索方法及系统 | |
| CN103559486A (zh) | 一种视频检测地板正反面的方法 | |
| CN113723558A (zh) | 基于注意力机制的遥感图像小样本舰船检测方法 | |
| CN113569966A (zh) | 基于gaf-深度学习的煤岩界面比例识别分类方法 | |
| Ouyang et al. | An anchor-free detector with channel-based prior and bottom-enhancement for underwater object detection | |
| CN115497006B (zh) | 基于动态混合策略的城区遥感图像变化深度监测方法及系统 | |
| CN204009938U (zh) | 轮毂类型的识别系统 | |
| CN110610474A (zh) | 一种基于红外图像的太阳能板缺陷实时检测方法 | |
| CN112907734B (zh) | 基于虚拟crh380a模型和深度学习的teds故障检测方法 | |
| CN111428796A (zh) | 一种基于深度学习的通用物品检测方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200421 |