一种基于深度视觉的轮毂型号识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111507404A(43)申请公布日2020.08.07(21)申请号202010304278.3(22)申请日2020.04.17(71)申请人无锡雪浪数制科技有限公司地址214000江苏省无锡市金融一街1号昌兴国际金融大厦6楼(72)发明人洪康杰姜鹏(74)专利代理机构无锡华源专利商标事务所(普通合伙)32228代理人过顾佳聂启新(51)Int.Cl.G06K9/62(2006.01)G06K9/46(2006.01)权利要求书1页说明书3页附图1页(54)发明名称一种基于深度视觉的轮毂型号识别方法(57)摘要本发明公开了一种基于深度视觉的轮毂型号识别方法，涉及深度视觉领域，该方法对整个轮毂进行特征拆分，利用深度视觉技术采用目标检测代替分类问题，通过特征的组合结合预先建立的轮毂型号数据库可以自动化的进行轮毂型号的识别；该方法无需固定拍摄角度，可以在产线上直接操作，无需停机识别分拣，识别速度和精度都较高，可以有效提高识别效率；而且由于采用特征拆分组合的方式，因此特征可以复用组合更新轮毂型号数据库，以减少部分对新轮毂的入库操作，减少人为干预的复杂性。CN111507404ACN111507404A权利要求书1/1页1.一种基于深度视觉的轮毂型号识别方法，其特征在于，所述方法包括：通过相机采集轮毂产线上的待识别轮毂的轮毂图像；通过深度学习目标检测网络对所述轮毂图像进行处理识别得到所述待识别轮毂的毂部、辐条和凸台；对所述待识别轮毂的毂部、辐条和凸台进行特征提取依次得到毂部特征、辐条特征以及凸台特征；检测轮毂型号数据库中是否存在所述毂部特征、辐条特征以及凸台特征的组合方式对应的轮毂型号，所述轮毂型号数据库中包括每个轮毂型号及其对应的毂部特征、辐条特征以及凸台特征的组合方式的对应关系；若存在，则确定特征的组合方式对应的轮毂型号为所述待识别轮毂的轮毂型号；若不存在且所述毂部特征、辐条特征以及凸台特征都包含在所述轮毂型号数据库中，则生成所述待识别轮毂对应的新的轮毂型号，并将所述毂部特征、辐条特征以及凸台特征构成的新的组合方式与生成的新的轮毂型号的对应关系存储在所述轮毂型号数据库中。2.根据权利要求1所述的方法，其特征在于，所述毂部特征包括毂部形状、毂部外径、中孔外径和毂部洞直径；所述辐条特征包括辐条个数、辐条旋转方向、辐条长度、辐条宽度、辐条两侧直线长度、辐条两侧直线倾斜角度和辐条两侧直线延长线夹角；所述凸台特征包括凸台是否存在以及凸台与毂部之间的距离。3.根据权利要求1所述的方法，其特征在于，对所述待识别轮毂的毂部进行特征提取得到毂部特征，包括：对识别得到的毂部的框定方形区域进行取圆操作，得到圆形毂部区域；利用重新分类模型对圆形毂部区域进行重新分类，通过HoughCicle方法对重新分类后的所述圆形毂部区域进行圆检测得到所述毂部特征。4.根据权利要求3所述的方法，其特征在于，对所述待识别轮毂的辐条进行特征提取得到旋转方向、辐条两侧直线长度、辐条两侧直线倾斜角度和辐条两侧直线延长线夹角，包括：通过HoughLine方法进行直线检测提取辐条两侧直线并确定辐条两侧直线长度、辐条两侧直线倾斜角度和辐条两侧直线延长线夹角；根据辐条两侧直线长度的变化方向确定辐条的旋转方向，所述辐条旋转方向为顺时针或逆时针。5.根据权利要求1-4任一所述的方法，其特征在于，所述深度学习目标检测网络基于SSD网络或Fast-RCNN网络训练得到。2CN111507404A说明书1/3页一种基于深度视觉的轮毂型号识别方法技术领域[0001]本发明涉及深度视觉领域，尤其是一种基于深度视觉的轮毂型号识别方法。背景技术[0002]如今混线生产的工厂产线中，同时会有多种不同型号的轮毂在辊道上行进，在特定位置需要对不同型号的轮毂进行分拣，现在工厂的做法是专门金工师傅在产线分拣端进行人为分拣，分拣效率较低。发明内容[0003]本发明人针对上述问题及技术需求，提出了一种基于深度视觉的轮毂型号识别方法，本发明的技术方案如下：[0004]一种基于深度视觉的轮毂型号识别方法，该方法包括：[0005]通过相机采集轮毂产线上的待识别轮毂的轮毂图像；[0006]通过深度学习目标检测网络对轮毂图像进行处理识别得到待识别轮毂的毂部、辐条和凸台；[0007]对待识别轮毂的毂部、辐条和凸台进行特征提取依次得到毂部特征、辐条特征以及凸台特征；[0008]检测轮毂型号数据库中是否存在毂部特征、辐条特征以及凸台特征的组合方式对应的轮毂型号，轮毂型号数据库中包括每个轮毂型号及其对应的毂部特征、辐条特征以及凸台特征的组合方式的对应关系；[0009]若存在，则确定特征的组合方式对应的轮毂型号为待识别轮毂的轮毂型号；[0010]若不存在且