CN112560821A - 回收瓦楞纸原料检测的自动分类分拣系统及方法 - Google Patents

回收瓦楞纸原料检测的自动分类分拣系统及方法 Download PDF

Info

Publication number
CN112560821A
CN112560821A CN202110197313.0A CN202110197313A CN112560821A CN 112560821 A CN112560821 A CN 112560821A CN 202110197313 A CN202110197313 A CN 202110197313A CN 112560821 A CN112560821 A CN 112560821A
Authority
CN
China
Prior art keywords
corrugated paper
paper
pixel
point
sequence
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.)
Granted
Application number
CN202110197313.0A
Other languages
English (en)
Other versions
CN112560821B (zh
Inventor
孙俊军
田凡
田亚利
朱民强
黄煜琪
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.)
Zhejiang Great Shengda Packing Co Ltd
Original Assignee
Zhejiang Great Shengda Packing 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 Zhejiang Great Shengda Packing Co Ltd filed Critical Zhejiang Great Shengda Packing Co Ltd
Priority to CN202110197313.0A priority Critical patent/CN112560821B/zh
Publication of CN112560821A publication Critical patent/CN112560821A/zh
Application granted granted Critical
Publication of CN112560821B publication Critical patent/CN112560821B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/30—Administration of product recycling or disposal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Evolutionary Biology (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Sustainable Development (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Geometry (AREA)
  • Making Paper Articles (AREA)
  • Sorting Of Articles (AREA)

Abstract

本申请公开了回收瓦楞纸原料检测的自动分类分拣系统及方法，其中空间特征分析模块获取回收的瓦楞纸的形态数据，对形态数据进行分析得到瓦楞纸的空间形态特征向量，状态特征分析模块获取回收的瓦楞纸的状态数据，对状态数据进行分析得到瓦楞纸所包含纸板的破损程度特征向量，可用方式分类模块依据空间形态特征向量和破损程度特征向量对瓦楞纸进行可用方式分类，瓦楞纸拾取装置将被分类为待接合纸板类的纸板临时存储于缓存区，以及用于从缓存区中选择出形态特征满足被分类为待接合纸箱类的纸箱的粘合条件的瓦楞纸纸板，瓦楞纸输送设备将该纸箱和该纸板输送至接合区进行接合。该系统能够将残缺和破损程度较小的纸箱立即进行加工复用。

Description

回收瓦楞纸原料检测的自动分类分拣系统及方法
技术领域
本申请涉及纸品分类技术领域，特别涉及回收瓦楞纸原料检测的自动分类分拣系统及方法。
背景技术
纸品加工行业是我国重要的产业之一，无论是包装箱用的瓦楞纸板，还是作为卫生用品的纸巾，均是日常生活中不可或缺的常用品，产品、货物等物品的包装大多是以纸品构成的包装箱来包裹承装的。而数量众多的物品在完成运输之后，承装物品的纸品包装箱失去了其承装作用，此时需要对废弃的包装箱进行回收利用，但在回收利用的过程中，如何对回收来的瓦楞纸进行自动分类，以及如何依据分类结果进行相应的回收，是目前亟需解决的问题。
发明内容
基于此，为了能够对回收来的瓦楞纸进行自动分类，并依据分类结果进行相应的回收，将残缺和破损程度较小的纸箱立即进行加工复用，节约纸品资源，加快回收速度，本申请公开了以下技术方案。
一方面，还提供了一种回收瓦楞纸原料检测自动分类分拣系统，包括：
空间特征分析模块，用于获取回收的瓦楞纸的形态数据，对所述形态数据进行分析得到瓦楞纸的空间形态特征向量；
状态特征分析模块，用于获取回收的瓦楞纸的状态数据，对所述状态数据进行分析得到瓦楞纸所包含纸板的破损程度特征向量；
可用方式分类模块，用于依据所述空间形态特征向量和所述破损程度特征向量对瓦楞纸进行可用方式分类；
瓦楞纸拾取装置，用于将被分类为待接合纸板类的纸板临时存储于缓存区，以及用于从所述缓存区中选择出形态特征满足被分类为待接合纸箱类的纸箱的粘合条件的瓦楞纸纸板；
瓦楞纸输送设备，用于将该纸箱和该纸板输送至接合区进行接合。
在一种可能的实施方式中，该系统还包括：
多个摄像头，用于分别采集瓦楞纸的多视角外观图像；并且，
所述空间特征分析模块包括：
外观图像二值化单元，用于获取各视角的所述外观图像的灰度图像，并对所述灰度图像进行二值化处理得到二值图像；
轮廓起点确定单元，用于以所述二值图像的任一角为原点，逐点获取像素值，直到获取到首个与原点的像素值不同的像素点作为轮廓的起点；
轮廓点序列计算单元，用于将所述起点作为当前判断点，依轮转次序获取所述当前判断点的八个邻域像素点的像素值，并获取每一邻域像素点及其在所述轮转次序中下一邻域像素点之间的像素变化情况，依照所述轮转次序确定出首次像素值从与所述原点相同变为与所述当前判断点相同的像素变化情况，记录该像素变化情况中与所述当前判断点像素值相同的邻域像素点，并将其作为新的当前判断点，重复上述判断过程直至新的当前判断点为所述起点，得到所述各视角的外轮廓像素序列；
完整程度分析单元，用于将所述各视角的外轮廓像素序列输入预先训练好的神经网络，得到空间形态特征向量中的完整程度。
在一种可能的实施方式中，所述空间特征分析模块还包括：
坐标差值计算单元，用于分别对各所述外轮廓像素序列中的像素点按照其在序列中的排列次序计算相邻像素点之间的坐标差值，得到各视角的坐标差值序列；
部位识别单元，用于从所述坐标差值序列中识别出外轮廓的直线段及其长度和在图像中的位置，进而识别出各直线段所表征的瓦楞纸部位；
空间区域计算单元，用于依据各直线段的长度及其表征的瓦楞纸部位得到瓦楞纸的占用空间在图像中的区域；
尺寸计算单元，用于依据该区域的尺寸和预先标定的缩放比例算出瓦楞纸的尺寸。
在一种可能的实施方式中，该系统还包括：
扫码设备，用于分别对所述多视角外观图像进行码图案识别，获取识别出的码图案包含的纸板厚度、楞型和层数信息。
在一种可能的实施方式中，该系统还包括：
安装于瓦楞纸图像采集区域底部四周的多组夹紧机构，用于在所述对所述多视角外观图像进行码图案识别之前，先控制各组夹紧块同时相向运动，直至每一侧的夹紧机构中均有至少一个夹紧块的内侧受力。
在一种可能的实施方式中，该系统还包括：
瓦楞纸输送设备，用于在所述采集瓦楞纸的多视角外观图像之前，先将瓦楞纸输送至作为图像采集空间区域的独立空间，然后控制入口开闭机构关闭独立空间的入口形成封闭或半封闭空间，并在所述独立空间采集瓦楞纸的多视角外观图像；
至少一个光源，用于在所述采集瓦楞纸的多视角外观图像之前，先调整所述独立空间内的环境亮度。
在一种可能的实施方式中，所述可用方式包括：
待接合纸板类，作为可用的纸板进行接合复用；
待接合纸箱类，作为可用的纸箱进行接合复用；
直接使用类，作为可用的纸箱直接进行复用；
重新生产制造类，作为报废纸品进行重新生产楞纸。
在一种可能的实施方式中，所述瓦楞纸拾取装置拾取当前瓦楞纸，并将该瓦楞纸放入缓存区中的与该瓦楞纸的空间形态特征向量所表征的预设规格参数相适配的存储槽；另外，
所述瓦楞纸拾取装置还从缓存区中确定出预设规格参数不低于当前瓦楞纸纸箱的空间形态特征向量所表征的预设规格参数的纸板，拾取该确定出的纸板；其中，
所述预设规格参数包括：尺寸、楞型和层数。
另一方面，提供了一种回收瓦楞纸原料检测自动分类分拣方法，包括：
获取回收的瓦楞纸的形态数据，对所述形态数据进行分析得到瓦楞纸的空间形态特征向量；
获取回收的瓦楞纸的状态数据，对所述状态数据进行分析得到瓦楞纸所包含纸板的破损程度特征向量；
依据所述空间形态特征向量和所述破损程度特征向量对瓦楞纸进行可用方式分类；
将被分类为待接合纸板类的纸板临时存储于缓存区；
从所述缓存区中选择出形态特征满足被分类为待接合纸箱类的纸箱的粘合条件的瓦楞纸纸板，将该纸箱和该纸板输送至接合区进行接合。
在一种可能的实施方式中，所述获取回收的瓦楞纸的形态数据，对所述形态数据进行分析得到瓦楞纸的空间形态特征向量，包括：
分别采集瓦楞纸的多视角外观图像；
获取各视角的所述外观图像的灰度图像，并对所述灰度图像进行二值化处理得到二值图像；
以所述二值图像的任一角为原点，逐点获取像素值，直到获取到首个与原点的像素值不同的像素点作为轮廓的起点；
将所述起点作为当前判断点，依轮转次序获取所述当前判断点的八个邻域像素点的像素值，并获取每一邻域像素点及其在所述轮转次序中下一邻域像素点之间的像素变化情况，依照所述轮转次序确定出首次像素值从与所述原点相同变为与所述当前判断点相同的像素变化情况，记录该像素变化情况中与所述当前判断点像素值相同的邻域像素点，并将其作为新的当前判断点，重复上述判断过程直至新的当前判断点为所述起点，得到各视角的外轮廓像素序列；
将所述各视角的外轮廓像素序列输入预先训练好的神经网络，得到空间形态特征向量中的完整程度。
在一种可能的实施方式中，所述获取回收的瓦楞纸的形态数据，对所述形态数据进行分析得到瓦楞纸的空间形态特征向量，还包括：
分别对各所述外轮廓像素序列中的像素点按照其在序列中的排列次序计算相邻像素点之间的坐标差值，得到各视角的坐标差值序列；
从所述坐标差值序列中识别出外轮廓的直线段及其长度和在图像中的位置，进而识别出各直线段所表征的瓦楞纸部位；
依据各直线段的长度及其表征的瓦楞纸部位得到瓦楞纸的占用空间在图像中的区域；
依据该区域的尺寸和预先标定的缩放比例算出瓦楞纸的尺寸。
在一种可能的实施方式中，所述获取回收的瓦楞纸的形态数据，对所述形态数据进行分析得到瓦楞纸的空间形态特征向量，还包括：
分别对所述多视角外观图像进行码图案识别，获取识别出的码图案包含的纸板厚度、楞型和层数信息。
在一种可能的实施方式中，在所述对所述多视角外观图像进行码图案识别之前，先控制安装于瓦楞纸图像采集区域底部四周的多组夹紧机构同时相向运动，直至每一侧的夹紧机构中均有至少一个夹紧块的内侧受力。
在一种可能的实施方式中，其特征在于，在所述采集瓦楞纸的多视角外观图像之前，先将瓦楞纸输送至作为图像采集空间区域的独立空间，然后控制入口开闭机构关闭独立空间的入口形成封闭或半封闭空间，并在所述独立空间采集瓦楞纸的多视角外观图像；并且，在所述采集瓦楞纸的多视角外观图像之前，先调整所述独立空间内的环境亮度。
在一种可能的实施方式中，所述可用方式包括：
待接合纸板类，作为可用的纸板进行接合复用；
待接合纸箱类，作为可用的纸箱进行接合复用；
直接使用类，作为可用的纸箱直接进行复用；
重新生产制造类，作为报废纸品进行重新生产楞纸。
在一种可能的实施方式中，所述将被分类为待接合纸板类的纸板临时存储于缓存区，包括：拾取当前瓦楞纸，并将该瓦楞纸放入缓存区中的与该瓦楞纸的空间形态特征向量所表征的预设规格参数相适配的存储槽；另外，
从所述缓存区中选择出形态特征满足被分类为待接合纸箱类的纸箱的粘合条件的瓦楞纸纸板，包括：从缓存区中确定出预设规格参数不低于当前瓦楞纸纸箱的空间形态特征向量所表征的预设规格参数的纸板，拾取该确定出的纸板；其中，
所述预设规格参数包括：尺寸、楞型和层数。
本申请公开的回收瓦楞纸原料检测的自动分类分拣系统及方法，能够通过检测瓦楞纸的形态和状态数据，对瓦楞纸进行自动分类，将不同类别的瓦楞纸进行分别处理，尤其是将其中能够互相组合加工形成完整复用纸箱的类别进行针对性处理，将占用空间小且取用更为方便的纸板进行存储，并依据纸箱的补全需求从存储的纸板中挑选出合适的纸板，以用于将两者进行组合加工，在整体上通过分类和组合搭配实现了对瓦楞纸的自动分类和自动回收，能够将残缺和破损程度较小的纸箱立即进行加工复用，既能够节约纸品资源，又能够加快回收速度。
附图说明
以下参考附图描述的实施例是示例性的，旨在用于解释和说明本申请，而不能理解为对本申请的保护范围的限制。
图1是本申请公开的回收瓦楞纸原料检测自动分类分拣系统实施例的结构框图。
图2是二值图像轮廓线识别示意图。
图3是瓦楞纸的完整程度为单纸板情况下的外轮廓线示意图。
图4是瓦楞纸的完整程度为相连接的两个单纸板的外轮廓线示意图。
图5是瓦楞纸的完整程度为缺纸板的纸箱的外轮廓线示意图。
图6是瓦楞纸的完整程度为完整纸箱的外轮廓线示意图。
图7是瓦楞纸未被夹紧时的示意图。
图8是瓦楞纸已被夹紧时的示意图。
图9是本申请公开的回收瓦楞纸原料检测自动分类分拣方法实施例的流程示意图。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行更加详细的描述。
下面参考图1-图8详细描述本申请公开的回收瓦楞纸原料检测自动分类分拣系统实施例。如图1所示，本实施例公开的方法包括
空间特征分析模块获取回收的瓦楞纸的形态数据，对所述形态数据进行分析得到瓦楞纸的空间形态特征向量。
在进行瓦楞纸回收时，可以是设置一个专门回收废弃纸品的纸品回收站，用户将瓦楞纸放置到指定的入口处，回收站自动将入口处的瓦楞纸输送至站内的一个分拣区域进行瓦楞纸分拣。
回收站回收到的瓦楞纸可能是单独的纸板，也可能是废弃的纸箱，无论是纸板、完整纸箱还是只包含部分组成纸板的纸箱，也无论纸箱、纸板是完好的还是破损的，均可以对其进行回收，但由于这些瓦楞纸的形态和状态不同，因此相应的回收处理加工手段也不同，因此可以依据瓦楞纸的形态和状态对回收的瓦楞纸作为复用瓦楞纸的原料进行自动化分类分拣，以便于对不同形态和状态的瓦楞纸进行相应回收处理加工，最终实现瓦楞纸的回收利用，达到节约生产资源的目的。
空间特征分析模块获取的形态数据可以包括瓦楞纸在空间形态方面的直接规格参数，例如瓦楞纸的尺寸、重量等，直接规格参数可以通过传感器或测量机构直接测量得到，例如通过安装于输送设备上的压力传感器测量重量。尺寸包括长度、宽度和高度，对于单纸板的瓦楞纸来说，高度和纸板厚度相同。
形态数据也可以包括能够表征瓦楞纸在空间形态方面规格参数的间接数据，例如瓦楞纸的图像、点云数据等，间接数据需要借助相应设备进行数据采集，并需要经过数据分析从而提取出间接数据中包含的瓦楞纸规格参数，数据分析的分析方式可以是图像分析等，并可以通过边缘检测、阈值分割、灰度特征提取、几何特征提取等算法实现。通过分析间接数据得出的规格参数，可以是尺寸、重量等上述直接规格参数，也可以是完整程度、纸板厚度、楞型、层数等间接规格参数。完整程度包括单纸板、相连接的多个单纸板、缺纸板的纸箱、完整纸箱，其中，相连接的多个单纸板指的是未呈箱体状的多纸板，缺纸板的纸箱指的是呈箱体状的多纸板，前者的完整程度低于后者，前者是缺少了很多纸板的纸箱，因此已经不呈箱体状而只是多个纸板，而后者是缺少了较少纸板的纸箱，整体还是呈箱体状的；楞型包括A、B、C、E等型号，还包括AB、BB等多层纸板幸好，不同楞型的瓦楞纸的瓦楞数、瓦楞楞高、楞宽等各参数不同，芯纸波纹的波形也会不同；层数则包括单层、双层、三层、五层、七层等。
空间特征分析模块分析得到的空间形态特征向量能够表征瓦楞纸的空间形态特征，例如空间形态特征向量SF=｛De， We，In，Th，Ct，Ln｝，其中De为尺寸， We为重量，In为完整程度，Th为厚度，Ct为楞型，Ln为层数。De=（L，W，H），In=（Si或Mu或Ib或Cb），Si为单纸板，Mu为相连接的多个单纸板，Ib为缺纸板的纸箱，Cb为完整纸箱，Ct=（A或B或C或E或AA或BB或AB或BC或BE），Ln=（1或2或3或5或7）。回收到的瓦楞纸不同，则空间形态特征向量也会相应不同。可以理解的是，上文中对于楞型Ct只是列举了一部分作为示例，并未将单层纸板和多层纸板的所有楞型全部列举出来。
状态特征分析模块获取回收的瓦楞纸的状态数据，对所述状态数据进行分析得到瓦楞纸所包含纸板的破损程度特征向量。
空间特征分析模块获取的状态数据可以包括瓦楞纸的破损情况，例如瓦楞纸是否存在开裂、破洞等破损，以及破损的具体程度和位置等数据。状态数据通常为间接数据，需要借助相应设备进行数据采集，这一点与形态数据中的间接数据相同，例如通过采集瓦楞纸的图像或点云数据等并对其进行数据分析后得出，例如识别出图像中的阴影部分并将其作为破损区域，或者识别出点云数据中的深度异变区域（外凸或内凹）并将其作为破损区域。
状态数据和形态数据的获取时机的先后，主要取决于两者之间是否存在依赖关系。若状态数据的获取与形态数据的获取是独立而不相关的，则状态数据获取分析的执行顺序可以晚于形态数据获取分析，也可以早于形态数据获取分析；若状态数据的获取依赖于形态数据的获取，则状态数据获取分析的执行顺序必须晚于形态数据获取分析，例如利用获取到的形态数据中瓦楞纸的图像、点云数据作为状态数据进行数据分析。
空间特征分析模块分析得到的破损程度特征向量能够表征瓦楞纸的破损程度特征，例如破损程度特征向量DA=｛da1，da2，…，dan｝，n为瓦楞纸包含的纸板数量，dai为瓦楞纸的第i个纸板的破损程度，dai=（nd或sd或cd），nd表示无破损可以继续使用，sd表示轻微破损但还可以继续使用，cd表示严重破损无法继续使用。回收到的瓦楞纸不同，则破损程度特征向量也会相应不同。
可用方式分类模块依据所述空间形态特征向量和所述破损程度特征向量对瓦楞纸进行可用方式分类。
可用方式指的是回收到的瓦楞纸如何进行回收复用。具体的，可用方式分为以下四种情况。
第一种是待接合纸板类，该类瓦楞纸作为可用的纸板进行接合复用。该情况适用于回收到的瓦楞纸满足以下两个条件：1、空间形态特征向量表征的完整程度为单纸板或相连接的多个单纸板；2、破损程度特征向量表征的各纸板破损程度不高于较低级别。这些瓦楞纸由于未形成纸箱主体而只包含几个纸板，因此只能作为主动接合件去对缺少纸板的纸箱进行接合补缺，以形成完整纸箱。
第二种是待接合纸箱类，该类瓦楞纸作为可用的纸箱进行接合复用。该情况适用于回收到的瓦楞纸满足以下两个条件：1、空间形态特征向量表征的完整程度为缺纸板的纸箱；2、破损程度特征向量表征的各纸板破损程度不高于较低级别。这些瓦楞纸由于已经接近纸箱状态但只是缺少少量的纸板，因此可以作为被动接合件去与相应的纸板进行接合补缺，以形成完整纸箱。
第三种是直接使用类，该类瓦楞纸作为可用的纸箱直接进行复用。该情况适用于回收到的瓦楞纸满足以下两个条件：1、空间形态特征向量表征的完整程度为完整纸箱；2、破损程度特征向量表征的各纸板破损程度不高于较低级别。由于完整纸箱无需通过其他纸板进行修补，且自身没有破损因此可以直接再次投入使用。
第四种是重新生产制造类，该类瓦楞纸作为报废纸品进行重新生产楞纸。该情况适用于回收到的瓦楞纸满足以下两个条件：1、破损程度特征向量表征的纸板破损程度高于较低级别。这些瓦楞纸由于破损程度较高，因此无法进行复用，必须重新作为瓦楞纸生产原料重新进行加工生产，制成新的纸箱。
瓦楞纸拾取装置将被分类为待接合纸板类的纸板临时存储于缓存区。
对于可用方式为第一、二种情况的瓦楞纸来说，其均需要与其他类的瓦楞纸进行接合才能进行复用，而第一种的待接合纸板类通常比第二种的待接合纸箱类的重量轻、体积小，更加便于存放，因此为了将待接合纸板与相应的待接合纸箱进行配对，实现纸板与纸箱的匹配接合。
缓存区是用于临时存储待接合纸板类纸板的地方，当回收到的瓦楞纸在进行形态数据和状态数据采集的区域完成数据采集后，立即对其进行数据分析和可用方式分类，得到可用方式类别后，对其类别进行判断，若瓦楞纸属于待接合纸板类，则瓦楞纸拾取装置将该瓦楞纸输送到缓存区；若瓦楞纸属于待接合纸箱类，则详见下一段落中纸板选择拾取的内容；若瓦楞纸属于直接使用类，则瓦楞纸拾取装置将该瓦楞纸输送到成品区，准备作为新品纸箱进行快递包装等用途；若瓦楞纸属于重新生产制造类，则瓦楞纸拾取装置将该瓦楞纸输送到原料区，准备作为返厂加工的原料进行化学处理。
瓦楞纸拾取装置从所述缓存区中选择出形态特征满足被分类为待接合纸箱类的纸箱的粘合条件的瓦楞纸纸板，瓦楞纸输送设备将该纸箱和该纸板输送至接合区进行接合。
形态特征可以是指尺寸、重量、楞型、层数等这些空间形态特征向量所表征的参数。由于本实施例中缓存的是纸板，并且是依据纸箱的需求，从纸板中挑选出合适的来匹配纸箱，因此形态特征是以纸箱为基准。
具体的，瓦楞纸拾取装置拾取当前瓦楞纸，并将该瓦楞纸放入缓存区中的与该瓦楞纸的空间形态特征向量所表征的预设规格参数相适配的存储槽。其中，所述预设规格参数包括：尺寸、楞型和层数。
并且，瓦楞纸拾取装置从缓存区中确定出预设规格参数不低于当前瓦楞纸纸箱的空间形态特征向量所表征的预设规格参数的纸板，拾取该确定出的纸板。
假设当前瓦楞纸被检测后分类为待接合纸箱类，属于缺纸板的纸箱，通过对形态数据进行分析可知其是尺寸为500mm×500mm×600mm的纸箱ZX，并且其缺少一个尺寸为500mm×600mm、楞型为AB型的双层的纸箱侧纸板。
此时缓存区中存有一个尺寸为400mm×500mm的单纸板ZB1，一个尺寸为550mm×650mm、楞型为B型的单层的纸箱侧纸板ZB2，还有一个尺寸为600mm×700mm、楞型为BC型的双层的纸箱侧纸板ZB3。此时，ZB1由于尺寸不够大且层数少于2而不满足ZX的形态特征，ZB2尺寸满足但层数少于2且楞型不同而不满足ZX的形态特征，ZB3尺寸满足且层数与ZX相同，并且AB楞型也与BC楞型的抗冲击力、缓冲力相似，因此满足ZX的形态特征。
因此，瓦楞纸拾取装置从缓存区中确定出纸板ZB3的位置，并将其从缓存区中取出并放入纸箱ZX内，然后通过瓦楞纸输送设备（例如输送带）将纸箱ZX连带纸板ZB3送至接合区，将纸板ZB3的两侧和底部进行折弯，两侧折弯的距离分别为50mm，合计100mm，底部折弯的距离为100mm，正好消除掉纸板ZB3的尺寸多出纸箱ZX的100mm长度和100mm高度，最后将折弯部与纸箱进行粘合或装订等接合处理，将纸箱ZX补全并得到完整纸箱。
具体的，对于不同形态的瓦楞纸，接合的方式也可能不同，例如前文中缺少侧纸板的纸箱ZX，其与纸板ZB3接合时，可以采用粘合的方式，也可以采用箱钉进行钉接；而若纸箱ZX缺少的时顶部侧盖板，则由于盖板需要在打开时能够折弯，因此不能采用钉接的方式，只能采用粘合的方式。
本实施例能够通过检测瓦楞纸的形态和状态数据，对瓦楞纸进行自动分类，将不同类别的瓦楞纸进行分别处理，尤其是将其中能够互相组合加工形成完整复用纸箱的类别进行针对性处理，将占用空间小且取用更为方便的纸板进行存储，并依据纸箱的补全需求从存储的纸板中挑选出合适的纸板，以用于将两者进行组合加工，在整体上通过分类和组合搭配实现了对瓦楞纸的自动分类和自动回收，能够将残缺和破损程度较小的纸箱立即进行加工复用，既能够节约纸品资源，又能够加快回收速度。
由于回收到的瓦楞纸的完整程度可能是单纸板、相连接的多个单纸板、缺纸板的纸箱还是完整纸箱，因此通过可以通过采集图像作为形态数据并进行分析从而得到关于完整程度的判断结果。在一种实施方式中，空间特征分析模块获取回收的瓦楞纸的形态数据，并对所述形态数据进行分析得到瓦楞纸的空间形态特征向量。
该自动分类分拣系统还包括多个摄像头，空间特征分析模块包括外观图像二值化单元、轮廓起点确定单元、轮廓点序列计算单元和完整程度分析单元，通过摄像头以及该四个单元获取关于瓦楞纸完整程度的特征向量，进而通过神经网络进行完整程度判断。
摄像头分别采集瓦楞纸的多视角外观图像。
本实施例通过采集瓦楞纸的图像来实现间接数据中关于瓦楞纸完整程度的获取。当检测到分拣区域内被放置了瓦楞纸之后，则可以将分拣区域作为图像采集空间区域，直接控制分拣区域的各视角采集侧的摄像头对分拣区域内的瓦楞纸进行多视角外观图像的采集。
摄像头采集到的多视角外观图像可以包括前视图、后视图、左视图、右视图、俯视图和仰视图，简称六视图，各摄像头的位置可以被设置为不会出现在任一外观图像中，以减少图像分析的计算量和错误率。
外观图像二值化单元获取各视角的外观图像的灰度图像，六个视角的六视图对应得到六张灰度图像，并对灰度图像进行二值化处理得到二值图像，该二值图像为用于识别瓦楞纸轮廓的二值图像。
以下以图2所示的二值图像为例进行说明，可以理解的是，图2的形状并非是瓦楞纸的二值图像，而是用于说明即使被判断对象的图案规则性很差，本实施例提供的完整程度判断方法也能够算出相应结果。
轮廓起点确定单元以二值图像的任一角为原点，逐点获取像素值，直到获取到首个与原点的像素值不同的像素点作为轮廓的起点。
假设图2所示的二值图像中，背景色为白色，像素值（也就是灰度值）为0，前景色为黑色，像素值为1，则图2中黑色部分为瓦楞纸。以图2的左上角为原点，按照先从左到右、后从上到下的顺序依次获取每个像素点的像素值，而首个像素值为1的像素点为I1(xn，ym)，I1即为瓦楞纸轮廓的起点。
轮廓点序列计算单元将起点I1作为当前判断点，依轮转次序获取当前判断点的八个邻域像素点的像素值，并获取每一邻域像素点及其在轮转次序中下一邻域像素点之间的像素变化情况。
轮转次序可以是顺时针或逆时针，本实施例以顺时针为例。则当前判断点I1的八个邻域像素点P1至P8从水平方向的左侧像素点开始，像素点及其像素值依次为P1(xn-1，ym)=0，P2(xn-1，ym-1)=0，P3(xn，ym-1)=0，P4(xn+1，ym-1)=0，P5(xn+1，ym)=1，P6(xn+1，ym+1)=1，P7(xn，ym+1)=1，P8(xn-1，ym+1)=1。图2中只标注了I1的部分邻域像素点，图中的虚线像素点为像素值为0的四个邻域像素点。
像素变化情况是两个相邻的邻域像素点之间的像素值变化情况，八个邻域像素点之间共有八组变化情况，例如第一组的像素变化情况为(P1->P2)的变化情况，具体为像素值无变化；第八组的像素变化情况为(P8->P1)的变化情况，具体为像素值从1变为0，其他组依此类推。
然后轮廓点序列计算单元依照轮转次序确定出首次像素值从与原点相同变为与当前判断点相同的像素变化情况，记录该像素变化情况中与当前判断点像素值相同的邻域像素点，并将其作为新的当前判断点。以图2中的I1为例，I1的P1-P8的八个邻域像素点中，首次出现像素值从0变为1的组别为第四组（P4->P5），其中P5的像素值为1，P5为与当前判断点像素值相同的邻域像素点，因此P5是新的当前像素点，并且P5为瓦楞纸外轮廓线的一部分。
可以理解的是，若采用逆时针方向作为轮转次序时，则本步骤变为：依照轮转次序确定出首次像素值从与当前判断点相同变为与原点相同的像素变化情况，但记录的像素点以及新的当前判断点依旧是与当前判断点像素值相同的邻域像素点。
之后轮廓点序列计算单元重复上述判断过程直至新的当前判断点为起点，构建出各视角的外轮廓像素序列。具体的，依次对每一个新的当前像素点进行上述的像素变化情况获取以及上述的与当前判断点像素值相同的邻域像素点判断，以此得到像素值为1的轮廓线，该轮廓线即为瓦楞纸的轮廓线，通过对每个视角的图像进行上述分析，得到每个视角的外轮廓线。
最后完整程度分析单元将所述各视角的外轮廓像素序列输入预先训练好的神经网络，得到空间形态特征向量中的完整程度，通过神经网络得出得到空间形态特征向量SF中关于瓦楞纸完整程度In的表达，甚至还能作为破损程度特征向量DA中关于破损程度da的表达。
图3至图6为瓦楞纸不同完整程度情况下的外轮廓线示意图。
图3所示为瓦楞纸的完整程度为单纸板情况下的外轮廓线示意图，包括了位于左上的俯视图、位于左下的前视图和位于右下的左视图，经过空间特征分析模块的数据分析可知完整程度In=｛Si｝。从俯视图能够看出图3中的单纸板存在边缘变形破损情况，这能够反映在破损程度特征向量DA中，由于缺失了一大块纸板，因此若直接以此作为破损程度的表征，则dai=｛cd｝。
图4所示为瓦楞纸的完整程度为相连接的两个单纸板的外轮廓线示意图，包括了位于左上的俯视图、位于左下的前视图和位于右下的右视图，经过空间特征分析模块的数据分析可知完整程度In=｛Mu｝。从各视图中能够看出图4中的两个单纸板均不存在边缘变形破损情况，假设若以此作为破损程度的表征，则DA=｛nd，nd｝。
图5所示为瓦楞纸的完整程度为缺纸板的纸箱的外轮廓线示意图，包括了位于上方的俯视图和位于下方的前视图，经过空间特征分析模块的数据分析可知完整程度In=｛Ib｝。从侧视图能够看出图5中的缺纸板的纸箱存在边缘变形破损情况，这能够反映在破损程度特征向量DA中，由于顶部侧面盖板缺失了一大块纸板，并且箱体的侧棱线发生了内凹外凸的变形，因此若直接以此作为破损程度的表征，则dai=｛sd或cd｝。
图6所示为瓦楞纸的完整程度为完整纸箱的外轮廓线示意图，包括了位于上方的俯视图和位于下方的前视图，经过空间特征分析模块的数据分析可知完整程度In=｛Cb｝。从各视图中能够看出图6中的完整纸箱均不存在边缘变形破损情况，若直接以此作为破损程度的表征，则DA=｛nd，nd｝。
需要说明的是，图4至图6中的虚线并非外轮廓线，也不是空间特征分析模块生成的，而是为了便于理解瓦楞纸结构和视角而添加的辅助线。并且，图3至图6中只示出了部分视角下的视图，但可以理解的是，还可以采集并获取到六视图及其外轮廓线，六视图包括俯、仰、前、后、左、右视图，以利于使空间形态特征向量更为全面，使得分类结果更为准确。另外，图3和图4的侧视图图像采集视角为对准放置瓦楞纸的平台水平底面水平线，而图5和图6的侧视图图像采集视角则为对准瓦楞纸中心部位，对不同瓦楞纸的采集视角可以是不同的，也可以是相同的，即使用同一视角对图3的单纸板和图6的纸箱进行采集，最后分析识别出的完整程度也不会因为视角的不同而有所不同。
通过该实施方式提供的像素点计算方式，能够快速准确地计算出瓦楞纸在图像中的轮廓线，其中，对于前、后、左、右视图来说，轮廓线相对简单，主要是箱体侧部纸板的轮廓线，以及敞口的顶部侧面盖板的轮廓线；对于俯、仰视图来说，由于顶部侧面盖板为敞口状态，因此轮廓线稍微复杂一下，大致呈十字形。将该六视图的外轮廓像素序列作为空间形态特征向量中关于瓦楞纸完整程度的表征向量，甚至能够作为破损程度特征向量中关于瓦楞纸边缘处破损程度的表征向量。
在如何检测回收到的瓦楞纸的尺寸方面，尤其是瓦楞纸为纸箱的情况下，可以利用在检测完整程度时得到的外轮廓像素序列来进行瓦楞纸尺寸的获取，也就是在形态数据的获取和分析时，可以先进行完整程度的计算，然后利用其中间数据（外轮廓像素序列）进行尺寸的计算。因此在一种实施方式中，空间特征分析模块获取回收的瓦楞纸的形态数据，对所述形态数据进行分析得到瓦楞纸的空间形态特征向量，空间特征分析模块还包括坐标差值计算单元、部位识别单元、空间区域计算单元和尺寸计算单元。
坐标差值计算单元分别对各所述外轮廓像素序列中的像素点按照其在序列中的排列次序计算相邻像素点之间的坐标差值，得到各视角的坐标差值序列。
在形态数据包括瓦楞纸多视图的情况下，外轮廓像素序列也有多个，每个外轮廓像素序列中包含的像素点均是按照顺时针或逆时针有序排列的，假设外轮廓像素序列Se1共有n个像素点，则由于像素点均位于一个闭合图形的外轮廓上，因此在排列次序上，首个像素点实际就是末尾像素点的下一像素点，因此n个像素点能够产生n组相邻像素点，每组相邻像素点包含两个像素点。
对每组相邻像素点求坐标的差值，坐标差值计算单元用后一个像素点在图像中的坐标减去前一个像素点在图像中的坐标，得到n个坐标差值，按照序列中的排列次序进行排列，分别得到各自按序列次序排好的多个坐标差值序列。
部位识别单元从所述坐标差值序列中识别出外轮廓的直线段及其长度和在图像中的位置，进而识别出各直线段所表征的瓦楞纸部位。
坐标差值序列能够表征出轮廓的走向，进而识别出轮廓的形态。若坐标差值序列中包含m个差值为(1,0)或(-1,0)，且m与n之比超过了显著部位阈值，则可判断该m个坐标差值对应的像素点为一条较长的横直线。显著部位阈值用于识别出属于瓦楞纸关键部位的轮廓线，可以设置为1/6至1/12之间的一个比例数值，以此来识别出纸板的长短边，以及纸箱的箱体部分和顶部侧面盖板边沿部分。此时m即为横直线的长度，而坐标差值对应的像素点的y轴坐标值即为横直线在图像中的位置。同理，竖直线对应的差值为(0,1)和(0,-1)，其长度就是差值数量，位置就是坐标差值对应的像素点的x轴坐标值。
部位识别单元得到多个坐标差值序列中每个坐标差值序列的长度满足显著部位阈值的线段后，再利用x或y轴坐标值判断各线段的位置，将位于图像下方的线段作为瓦楞纸箱体的尺寸。
需要说明的是，由于瓦楞纸是长方形纸板或长方体纸箱，因此无论视角如何选取，图像中的主要线段均为直线，因此无需考虑外轮廓线中的斜线段，例如图5中，dl1和dl2为表征顶部侧面盖板的纸板面的斜线段，dl3和dl4为表征另一顶部侧面盖板的侧面边沿的斜线段，这些斜线段均不是计算箱体尺寸的必要获取对象。
在线段由于瓦楞纸边缘变形而被分为多个子线段时，例如图5中，dl5和dl6为由于顶部侧面盖板的侧面边沿存在破损而由单线段分割出的两条子线段，dl7和dl8则为由于箱体侧棱线存在变形而由单线段分割出的两条子线段，为了避免由于破损和变形导致对单线段长度的判断失误，使得原本能够满足显著部位阈值的线段长度因被分割为子线段而未满足显著部位阈值，进而导致无法识别出纸箱的箱体部分，因此在识别外轮廓的直线段的长度时，若未满足显著部位阈值的直线段中，存在有x轴坐标值或y轴坐标值均相同的多条直线段的，则认为该多条直线段属于被破损和变形所分割的子线段，因此将该多条直线段中的包含的相距最远的两个坐标点作为原直线段的长度并再次与显著部位阈值比较，若满足阈值则将该相距最远的两个坐标点之间的连线作为原直线段，参与瓦楞纸部位识别。
当空间特征分析模块分析得到瓦楞纸的完整程度为单纸板时，依据该完整程度为单纸板识别结果，对其俯视图（图3左上角）和仰视图（图3未示出）进行直线段提取和瓦楞纸部位识别，或者对其四个侧视图（图3左下角和右下角）进行直线段提取和瓦楞纸部位识别。由于单纸板的尺寸只有长度和宽度，因此判定识别出的直线段l1和l2为单纸板的边沿线，即瓦楞纸部位为单纸板边沿线。
当空间特征分析模块分析得到瓦楞纸的完整程度为缺纸板的纸箱时，依据该完整程度为缺纸板的纸箱识别结果，对其各侧视图（图5下方）进行直线段提取和瓦楞纸部位识别。由于纸箱为立体的，因此判定识别出位于图中下侧位置的直线段l3和l4为纸箱的棱线，即瓦楞纸部位为纸箱棱线。图6的完整纸箱与图5的缺纸板的纸箱同理。
空间区域计算单元依据各直线段的长度及其表征的瓦楞纸部位得到瓦楞纸的占用空间在图像中的区域。
对于图3的单纸板，通过部位识别单元得到作为单纸板边沿线的直线段l1和l2，也就得到单纸板占用空间在图3中的区域，由于单纸板的尺寸只包括长度和宽度，因此占用空间即为单纸板纸面面积，因此空间区域计算单元判定直线段l1和l2或直线段l1'和l2'为单纸板的长度和宽度。可以理解的是，同时还可以依据四个侧视图来计算纸板厚度，也就是侧视图中两直线段的y轴坐标差值。
对于图5的缺纸板的纸箱，通过部位识别单元得到作为缺纸板纸箱的棱线的直线段l3和l4，也就得到缺纸板的纸箱占用空间在图5中的区域，对于纸箱（无论是否缺纸板）来说，其占用空间即为包装之后箱体体积，顶部盖板由于在包装之后几乎不占用空间因此可忽略，由此，箱体的长和高即为图5下侧图中纸箱的占用空间，因此空间区域计算单元判定直线段l3和l4为纸箱的长度和高度，宽度l5未在图5中示出，需要另一视角的侧视图进行提取和识别。
尺寸计算单元依据该区域的尺寸和预先标定的缩放比例算出瓦楞纸的尺寸。
由于独立空间的空间尺寸已知，摄像头的位置已知，直线段在图中的长度已知，因此可以预先对不同的标定用的瓦楞纸进行图像采集，计算标定用的瓦楞纸的占用空间在图像中的区域，并通过这些瓦楞纸的实际尺寸和该区域的线段长度，算出实物与图像之间的缩放比例，基于该缩放比例对之后回收站实际使用时空间区域计算单元得到的区域相乘，实现图像的放大，得到瓦楞纸的真是尺寸。
为了在采集瓦楞纸图像时避免图像背景的内容是复杂而随机的，以避免对后续的图像分析过程产生干扰，进而实现增强分析结果准确性的效果，因此在一种实施方式中，回收站专门设置一封闭或半封闭的独立空间作为图像采集空间区域，该独立空间设有与外界连通的入口，将回收到的瓦楞纸从外界输送至该独立空间，通过该独立空间实现对图像背景的设定和控制，并且通过在该空间内设置光源实现对图像辨识的设定和控制，利于灰度图和二值图的正确生成。
具体的，在摄像头采集瓦楞纸的多视角外观图像之前，先通过瓦楞纸输送设备（例如输送带或机械臂等）将瓦楞纸从用于接收用户投放瓦楞纸的接收投放区通过该入口输送至作为图像采集空间区域的独立空间，然后控制入口开闭机构（例如闸门等）关闭独立空间的入口，使该独立空间形成封闭或半封闭空间，实现独立空间的环境封闭，并在该独立空间采集瓦楞纸的多视角外观图像。该独立空间的各视角采集侧设置有上述用于图像采集的摄像头，由于该独立空间为封闭或半封闭环境且形成空间的壁板均为非透明的，因此各壁板的壁面的颜色和形态为可预先设置的，例如将所有背景壁面设置为纯白色或纯黑色，以利于在后续图像分析过程中对白色/黑色背景和黄褐色瓦楞纸进行区分。
并且，在摄像头采集瓦楞纸的多视角外观图像之前，先通过光源调整独立空间内的环境亮度。光源可以设置于独立空间轮廓的边线和棱角附近，通过预先设置光源来进行环境亮度的调节，并且非透明壁板能够避免独立空间内的亮度受到外界影响，以此能够将图像分析的环境调整为预期最佳的环境。在光源为点光源时，各光源的位置可以被设置为不会出现在任一外观图像中，以减少图像分析的计算量和错误率；而光源也可以设置为面光源，即独立空间的六个壁面均设有光线均匀的面光源。
为了节省形态数据的获取时间和空间形态特征向量的计算时间，在一种实施方式中，形态数据中的纸板厚度、楞型、层数通过对瓦楞纸上的码图案进行获取。具体的，瓦楞纸包含的所有纸板的外侧的表面的角落处在出厂时均可以印制有二维码或条形码等码图案，在摄像头采集外观图像时或之后，分别对所述多视角外观图像进行码图案识别，获取识别出的码图案包含的纸板厚度、楞型和层数信息。
由于瓦楞纸的尺寸可能会因为使用和拆解等发生变化，重量也可能因此而变化，但纸板厚度、楞型和层数等难以因为使用而发生改变，因此纸板厚度、楞型和层数可以无需在回收时进行现场测量和检测，而是直接采用出厂设置即可，同时码图案识别的信息获取方式也比现场识别更为便捷快速。可以理解的是，尺寸、重量等其他信息也可以记载在二维码中，在需要的时候可以直接采用二维码中包含的尺寸、重量信息作为瓦楞纸当前的尺寸和重量。例如，可以先通过扫描码图案获取尺寸、重量信息，并将其与空间特征分析模块分析得到的尺寸、重量信息进行比对，若完全一致，则直接判定瓦楞纸未发生形态变化，因此无需对其他的形态数据进行获取而直接将码图案中的信息作为当前的实际信息补充到空间形态特征向量中。
由于瓦楞纸在使用过程中可能会发生磨损，为了避免二维码因磨损而无法识别，以及为了避免瓦楞纸为单纸板的情况下只在单一侧印制的二维码因磨损而无法识别，因此可以在所有瓦楞纸的内外两侧均印制二维码，对于单纸板和相连接的多纸板来说，只要有一侧的二维码完好，即可从俯视图或仰视图中识别出二维码；对于缺纸板的纸箱和完整纸箱来说，只要有一个箱体侧面纸板的二维码完好，即可从侧视图中识别出二维码。
由于瓦楞纸可能为纸箱，为了保证扫码时，纸箱箱体侧面能够正对摄像头，提高二维码识别率，在一种实施方式中，在所述对所述多视角外观图像进行码图案识别之前，先控制安装于瓦楞纸图像采集区域底部四周的多组夹紧机构同时相向运动，直至每一侧的夹紧机构中均有至少一个夹紧块的内侧受力。
具体的，如图7所示，该系统还设有纸箱朝向调节装置，纸箱朝向调节装置包括安装于瓦楞纸图像采集区域底部的四个夹紧机构，其中两个夹紧机构负责前方和后方的调节，即第一夹紧机构1和第二夹紧机构2，另两个夹紧机构负责左侧和右侧的调节，即第三夹紧机构3和第四夹紧机构4，每个夹紧机构包含至少一个夹紧块。
如图8所示，在夹紧时，四组夹紧机构同时相向运动，向图像采集区域中心移动，当其中一组夹紧机构遇上瓦楞纸时，则安装于各夹紧块内侧的应变片或压力传感器会检测到来着瓦楞纸的阻力，由于瓦楞纸在朝向调节之前的位置和朝向是随机的，因此只有当四组夹紧机构均受到阻力时，说明四组夹紧机构均夹住了瓦楞纸，说明瓦楞纸的底部的位置和朝向均被夹紧机构所约束，因此实现对朝向的调节，使纸箱的侧面正对于摄像头。之后夹紧机构退回，再对瓦楞纸进行图像采集。
需要说明的是，夹紧块可以是从独立空间（也就是图像采集区域）的侧面向中心伸出的长杆，长杆可以只设有一层，但长杆紧贴于独立空间的底面，以避免无法对没有高度的单纸板进行朝向调节。由于回收到的瓦楞纸的尺寸有大有小，因此夹紧块的数量和间隔距离的设置可能会导致在对尺寸较小的瓦楞纸进行朝向调节时，夹紧块之间会发生碰撞，如图8所示，此时由于第一、第二和第四夹紧机构已经受到瓦楞纸的阻力，而第三夹紧机构虽然是受到其他夹紧机构的阻力，但最终也实现了瓦楞纸的夹紧，因此只要夹紧块内侧受力即可，即使受到的阻力不是来自瓦楞纸，也能实现夹紧。
下面参考图9详细描述本申请公开的回收瓦楞纸原料检测自动分类分拣方法实施例，本实施例是用于实施前述的回收瓦楞纸原料检测自动分类分拣系统实施例的方法。
如图9所示，本实施例公开的方法主要包括如下步骤100至步骤500。
步骤100，获取回收的瓦楞纸的形态数据，对所述形态数据进行分析得到瓦楞纸的空间形态特征向量；
步骤200，获取回收的瓦楞纸的状态数据，对所述状态数据进行分析得到瓦楞纸所包含纸板的破损程度特征向量；
步骤300，依据所述空间形态特征向量和所述破损程度特征向量对瓦楞纸进行可用方式分类；
步骤400，将被分类为待接合纸板类的纸板临时存储于缓存区；
步骤500，从所述缓存区中选择出形态特征满足被分类为待接合纸箱类的纸箱的粘合条件的瓦楞纸纸板，将该纸箱和该纸板输送至接合区进行接合。
在一种实施方式中，所述获取回收的瓦楞纸的形态数据，对所述形态数据进行分析得到瓦楞纸的空间形态特征向量，包括：
分别采集瓦楞纸的多视角外观图像；
获取各视角的所述外观图像的灰度图像，并对所述灰度图像进行二值化处理得到二值图像；
以所述二值图像的任一角为原点，逐点获取像素值，直到获取到首个与原点的像素值不同的像素点作为轮廓的起点；
将所述起点作为当前判断点，依轮转次序获取所述当前判断点的八个邻域像素点的像素值，并获取每一邻域像素点及其在所述轮转次序中下一邻域像素点之间的像素变化情况，依照所述轮转次序确定出首次像素值从与所述原点相同变为与所述当前判断点相同的像素变化情况，记录该像素变化情况中与所述当前判断点像素值相同的邻域像素点，并将其作为新的当前判断点，重复上述判断过程直至新的当前判断点为所述起点，得到各视角的外轮廓像素序列；
将所述各视角的外轮廓像素序列输入预先训练好的神经网络，得到空间形态特征向量中的完整程度。
在一种实施方式中，所述获取回收的瓦楞纸的形态数据，对所述形态数据进行分析得到瓦楞纸的空间形态特征向量，还包括：
分别对各所述外轮廓像素序列中的像素点按照其在序列中的排列次序计算相邻像素点之间的坐标差值，得到各视角的坐标差值序列；
从所述坐标差值序列中识别出外轮廓的直线段及其长度和在图像中的位置，进而识别出各直线段所表征的瓦楞纸部位；
依据各直线段的长度及其表征的瓦楞纸部位得到瓦楞纸的占用空间在图像中的区域；
依据该区域的尺寸和预先标定的缩放比例算出瓦楞纸的尺寸。
在一种实施方式中，所述获取回收的瓦楞纸的形态数据，对所述形态数据进行分析得到瓦楞纸的空间形态特征向量，还包括：
分别对所述多视角外观图像进行码图案识别，获取识别出的码图案包含的纸板厚度、楞型和层数信息。
在一种实施方式中，在所述对所述多视角外观图像进行码图案识别之前，先控制安装于瓦楞纸图像采集区域底部四周的多组夹紧机构同时相向运动，直至每一侧的夹紧机构中均有至少一个夹紧块的内侧受力。
在一种实施方式中，在所述采集瓦楞纸的多视角外观图像之前，先将瓦楞纸输送至作为图像采集空间区域的独立空间，然后控制入口开闭机构关闭独立空间的入口形成封闭或半封闭空间，并在所述独立空间采集瓦楞纸的多视角外观图像；并且，在所述采集瓦楞纸的多视角外观图像之前，先调整所述独立空间内的环境亮度。
在一种实施方式中，所述可用方式包括：
待接合纸板类，作为可用的纸板进行接合复用；
待接合纸箱类，作为可用的纸箱进行接合复用；
直接使用类，作为可用的纸箱直接进行复用；
重新生产制造类，作为报废纸品进行重新生产楞纸。
在一种实施方式中，所述将被分类为待接合纸板类的纸板临时存储于缓存区，包括：拾取当前瓦楞纸，并将该瓦楞纸放入缓存区中的与该瓦楞纸的空间形态特征向量所表征的预设规格参数相适配的存储槽；另外，
从所述缓存区中选择出形态特征满足被分类为待接合纸箱类的纸箱的粘合条件的瓦楞纸纸板，包括：从缓存区中确定出预设规格参数不低于当前瓦楞纸纸箱的空间形态特征向量所表征的预设规格参数的纸板，拾取该确定出的纸板；其中，
所述预设规格参数包括：尺寸、楞型和层数。
在本文中，“第一”、“第二”等仅用于彼此的区分，而非表示它们的重要程度及顺序等。
本文中的模块、单元或组件的划分仅仅是一种逻辑功能的划分，在实际实现时可以有其他的划分方式，例如多个模块和/或单元可以结合或集成于另一个系统中。作为分离部件说明的模块、单元、组件在物理上可以是分开的，也可以是不分开的。作为单元显示的部件可以是物理单元，也可以不是物理单元，即可以位于一个具体地方，也可以分布到网格单元中。因此可以根据实际需要选择其中的部分或全部的单元来实现实施例的方案。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种回收瓦楞纸原料检测自动分类分拣系统，其特征在于，包括：
空间特征分析模块，用于获取回收的瓦楞纸的形态数据，对所述形态数据进行分析得到瓦楞纸的空间形态特征向量；
状态特征分析模块，用于获取回收的瓦楞纸的状态数据，对所述状态数据进行分析得到瓦楞纸所包含纸板的破损程度特征向量；
可用方式分类模块，用于依据所述空间形态特征向量和所述破损程度特征向量对瓦楞纸进行可用方式分类；
瓦楞纸拾取装置，用于将被分类为待接合纸板类的纸板临时存储于缓存区，以及用于从所述缓存区中选择出形态特征满足被分类为待接合纸箱类的纸箱的粘合条件的瓦楞纸纸板；
瓦楞纸输送设备，用于将该纸箱和该纸板输送至接合区进行接合。
2.如权利要求1所述的自动分类分拣系统，其特征在于，该系统还包括：
多个摄像头，用于分别采集瓦楞纸的多视角外观图像；并且，
所述空间特征分析模块包括：
外观图像二值化单元，用于获取各视角的所述外观图像的灰度图像，并对所述灰度图像进行二值化处理得到二值图像；
轮廓起点确定单元，用于以所述二值图像的任一角为原点，逐点获取像素值，直到获取到首个与原点的像素值不同的像素点作为轮廓的起点；
轮廓点序列计算单元，用于将所述起点作为当前判断点，依轮转次序获取所述当前判断点的八个邻域像素点的像素值，并获取每一邻域像素点及其在所述轮转次序中下一邻域像素点之间的像素变化情况，依照所述轮转次序确定出首次像素值从与所述原点相同变为与所述当前判断点相同的像素变化情况，记录该像素变化情况中与所述当前判断点像素值相同的邻域像素点，并将其作为新的当前判断点，重复上述判断过程直至新的当前判断点为所述起点，得到所述各视角的外轮廓像素序列；
完整程度分析单元，用于将所述各视角的外轮廓像素序列输入预先训练好的神经网络，得到空间形态特征向量中的完整程度。
3.如权利要求2所述的自动分类分拣系统，其特征在于，所述空间特征分析模块还包括：
坐标差值计算单元，用于分别对各所述外轮廓像素序列中的像素点按照其在序列中的排列次序计算相邻像素点之间的坐标差值，得到各视角的坐标差值序列；
部位识别单元，用于从所述坐标差值序列中识别出外轮廓的直线段及其长度和在图像中的位置，进而识别出各直线段所表征的瓦楞纸部位；
空间区域计算单元，用于依据各直线段的长度及其表征的瓦楞纸部位得到瓦楞纸的占用空间在图像中的区域；
尺寸计算单元，用于依据该区域的尺寸和预先标定的缩放比例算出瓦楞纸的尺寸。
4.如权利要求2所述的自动分类分拣系统，其特征在于，该系统还包括：
扫码设备，用于分别对所述多视角外观图像进行码图案识别，获取识别出的码图案包含的纸板厚度、楞型和层数信息。
5.如权利要求4所述的自动分类分拣系统，其特征在于，该系统还包括：
安装于瓦楞纸图像采集区域底部四周的多组夹紧机构，用于在所述对所述多视角外观图像进行码图案识别之前，先控制各组夹紧块同时相向运动，直至每一侧的夹紧机构中均有至少一个夹紧块的内侧受力。
6.一种回收瓦楞纸原料检测自动分类分拣方法，其特征在于，包括：
获取回收的瓦楞纸的形态数据，对所述形态数据进行分析得到瓦楞纸的空间形态特征向量；
获取回收的瓦楞纸的状态数据，对所述状态数据进行分析得到瓦楞纸所包含纸板的破损程度特征向量；
依据所述空间形态特征向量和所述破损程度特征向量对瓦楞纸进行可用方式分类；
将被分类为待接合纸板类的纸板临时存储于缓存区；
从所述缓存区中选择出形态特征满足被分类为待接合纸箱类的纸箱的粘合条件的瓦楞纸纸板，将该纸箱和该纸板输送至接合区进行接合。
7.如权利要求6所述的自动分类分拣方法，其特征在于，所述获取回收的瓦楞纸的形态数据，对所述形态数据进行分析得到瓦楞纸的空间形态特征向量，包括：
分别采集瓦楞纸的多视角外观图像；
获取各视角的所述外观图像的灰度图像，并对所述灰度图像进行二值化处理得到二值图像；
以所述二值图像的任一角为原点，逐点获取像素值，直到获取到首个与原点的像素值不同的像素点作为轮廓的起点；
将所述起点作为当前判断点，依轮转次序获取所述当前判断点的八个邻域像素点的像素值，并获取每一邻域像素点及其在所述轮转次序中下一邻域像素点之间的像素变化情况，依照所述轮转次序确定出首次像素值从与所述原点相同变为与所述当前判断点相同的像素变化情况，记录该像素变化情况中与所述当前判断点像素值相同的邻域像素点，并将其作为新的当前判断点，重复上述判断过程直至新的当前判断点为所述起点，得到各视角的外轮廓像素序列；
将所述各视角的外轮廓像素序列输入预先训练好的神经网络，得到空间形态特征向量中的完整程度。
8.如权利要求7所述的自动分类分拣方法，其特征在于，所述获取回收的瓦楞纸的形态数据，对所述形态数据进行分析得到瓦楞纸的空间形态特征向量，还包括：
分别对各所述外轮廓像素序列中的像素点按照其在序列中的排列次序计算相邻像素点之间的坐标差值，得到各视角的坐标差值序列；
从所述坐标差值序列中识别出外轮廓的直线段及其长度和在图像中的位置，进而识别出各直线段所表征的瓦楞纸部位；
依据各直线段的长度及其表征的瓦楞纸部位得到瓦楞纸的占用空间在图像中的区域；
依据该区域的尺寸和预先标定的缩放比例算出瓦楞纸的尺寸。
9.如权利要求7所述的自动分类分拣方法，其特征在于，所述获取回收的瓦楞纸的形态数据，对所述形态数据进行分析得到瓦楞纸的空间形态特征向量，还包括：
分别对所述多视角外观图像进行码图案识别，获取识别出的码图案包含的纸板厚度、楞型和层数信息。
10.如权利要求9所述的自动分类分拣方法，其特征在于，在所述对所述多视角外观图像进行码图案识别之前，先控制安装于瓦楞纸图像采集区域底部四周的多组夹紧机构同时相向运动，直至每一侧的夹紧机构中均有至少一个夹紧块的内侧受力。
CN202110197313.0A 2021-02-22 2021-02-22 回收瓦楞纸原料检测的自动分类分拣系统及方法 Active CN112560821B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110197313.0A CN112560821B (zh) 2021-02-22 2021-02-22 回收瓦楞纸原料检测的自动分类分拣系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110197313.0A CN112560821B (zh) 2021-02-22 2021-02-22 回收瓦楞纸原料检测的自动分类分拣系统及方法

Publications (2)

Publication Number Publication Date
CN112560821A true CN112560821A (zh) 2021-03-26
CN112560821B CN112560821B (zh) 2021-05-25

Family

ID=75034469

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110197313.0A Active CN112560821B (zh) 2021-02-22 2021-02-22 回收瓦楞纸原料检测的自动分类分拣系统及方法

Country Status (1)

Country Link
CN (1) CN112560821B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112718572A (zh) * 2021-04-02 2021-04-30 浙江大胜达包装股份有限公司 再生纸制品分类自动管理系统及方法
CN112765696A (zh) * 2021-04-06 2021-05-07 浙江大胜达包装股份有限公司 基于产品图像分析的纸品包装自动匹配设计方法及平台

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012121594A (ja) * 2010-12-08 2012-06-28 Olympus Imaging Corp 梱包箱
CN209342589U (zh) * 2018-12-13 2019-09-03 深圳市慧大成智能科技有限公司 一种瓦楞纸三维外观缺陷与尺寸检测装置
CN110400321A (zh) * 2019-07-26 2019-11-01 广东工业大学 基于机器视觉的皮革原料轮廓及实际尺寸的提取方法
CN111137645A (zh) * 2019-12-31 2020-05-12 四川索牌科技股份有限公司 一种纸盖的检测系统及检测方法
CN111222949A (zh) * 2020-01-03 2020-06-02 重庆特斯联智慧科技股份有限公司 一种基于深度学习的社区废旧资源共享方法和系统
CN111311147A (zh) * 2020-02-03 2020-06-19 北京京东振世信息技术有限公司 包装箱回收方法、客户端、服务端和系统
CN111861990A (zh) * 2020-06-10 2020-10-30 宜通世纪物联网研究院(广州)有限公司 一种产品不良外观检测的方法、系统及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012121594A (ja) * 2010-12-08 2012-06-28 Olympus Imaging Corp 梱包箱
CN209342589U (zh) * 2018-12-13 2019-09-03 深圳市慧大成智能科技有限公司 一种瓦楞纸三维外观缺陷与尺寸检测装置
CN110400321A (zh) * 2019-07-26 2019-11-01 广东工业大学 基于机器视觉的皮革原料轮廓及实际尺寸的提取方法
CN111137645A (zh) * 2019-12-31 2020-05-12 四川索牌科技股份有限公司 一种纸盖的检测系统及检测方法
CN111222949A (zh) * 2020-01-03 2020-06-02 重庆特斯联智慧科技股份有限公司 一种基于深度学习的社区废旧资源共享方法和系统
CN111311147A (zh) * 2020-02-03 2020-06-19 北京京东振世信息技术有限公司 包装箱回收方法、客户端、服务端和系统
CN111861990A (zh) * 2020-06-10 2020-10-30 宜通世纪物联网研究院(广州)有限公司 一种产品不良外观检测的方法、系统及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112718572A (zh) * 2021-04-02 2021-04-30 浙江大胜达包装股份有限公司 再生纸制品分类自动管理系统及方法
CN112718572B (zh) * 2021-04-02 2021-06-15 浙江大胜达包装股份有限公司 再生纸制品分类自动管理系统及方法
CN112765696A (zh) * 2021-04-06 2021-05-07 浙江大胜达包装股份有限公司 基于产品图像分析的纸品包装自动匹配设计方法及平台

Also Published As

Publication number Publication date
CN112560821B (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
CN112560821B (zh) 回收瓦楞纸原料检测的自动分类分拣系统及方法
US8073239B1 (en) Error detection system for verifying the construction of paper boxes
CN112561098B (zh) 基于快递纸包装箱图像分析的自动回收复用系统及方法
JP5023670B2 (ja) 製函装置
CN112562174B (zh) 可再生纸品自助回收系统及方法
EP0326284B1 (en) Apparatus and method of processing lumber
EP2660787B1 (en) Defect Categorisation in a digital image
CN208716520U (zh) 一种卷筒纸模切连线二维码喷印与检测装置
CN115294123B (zh) 一种基于图像视觉的瓦楞纸板质量检测方法
US10466687B2 (en) Method for controlling a folding box machine for quality assurance
JP2021512342A (ja) マスク欠陥検査装置及び方法
CN112718572B (zh) 再生纸制品分类自动管理系统及方法
EP0892264B1 (en) Method for the determination of the quality of a bonded area in a boxmaking blank
WO2020001480A1 (zh) 一种瓷砖按等级包装方法及系统
CN111545483B (zh) 一种筷子分拣检测装置及其检测算法
US6373519B1 (en) System and method for visually inspecting a cigarette packaging process
CN112620136B (zh) 基于机器视觉引导的lcr与3d测量定位系统
CN117102079A (zh) 一种木材旋切薄板分级分拣系统及其检测方法
JPH05281152A (ja) 物品検査装置
CN217165388U (zh) 一种不合格手套分级筛选装置
CN214638363U (zh) 一种片材组件检测系统
US20150117746A1 (en) Defect categorization
CN105556576A (zh) 校验具有聚合物基底和透明窗口的有价文件的方法及实施所述方法的设备
JP2001330414A (ja) 製函用シート材のジョイント部検査装置及び検査方法並びに製函機
JP2791213B2 (ja) 紙幣処理装置

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
GR01 Patent grant
GR01 Patent grant