[發明專利]基于機器學習的木板分揀方法及系統

有效

• 申請號: 201710566716.1
• 申請日: 2017-07-12
• 公開（公告）號: CN107437094B
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 丁磊
• 申請（專利權）人: 北京木業邦科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;B07C5/00
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 陳亞琴

1.一種木板分類學習方法，其特征在于，包括：

在不同環境條件下獲取不同移動速度的木板的圖像樣本數據，所述環境條件包括光照環境、拍攝角度；

對木板進行初始分類，分類后的圖像樣本數據包括一個自由定義的產品分類、一個移動速度、一個光照環境、一個攝像機角度的標簽；

基于初始分類后的圖像樣本數據，訓練神經網絡；

利用訓練好的神經網絡，確定待分類木板在每一個分類的置信度；其中，神經網絡的輸出是每個分類的置信度最終估計值；根據這些估計值，選擇置信度最高的分類、速度、攝像機角度作為最終的輸出；

根據一個時間與速度的映射關系得到并確定當前待分類木板的踢腿時間。

2.根據權利要求1所述的方法，其特征在于，所述環境條件包括光照環境、拍攝角度，所述光照環境包括木板外部光源光線的強弱、外部光源光線的照射方向和圖像獲取單元的光圈大小中的一個或多個，所述拍攝角度為圖像獲取單元的拍攝角度；

所述移動速度為圖像獲取單元與目標對象的相對移動速度。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

在獲取木板的圖像樣本的同時還獲取白色參考物體的圖像。

4.根據權利要求1所述的方法，其特征在于，所述神經網絡為卷積神經網絡和/或深度神經網絡。

5.根據權利要求1所述的方法，其特征在于，所述神經網絡包括多個層，每個層包括多個節點，相鄰兩層多個節點之間存在可訓練權重的神經網絡。

6.根據權利要求1所述的方法，其特征在于，所述利用訓練好的神經網絡，確定待分類木板在每一個分類的置信度，包括：

在任意環境條件下獲取任意移動速度的當前待分類木板的圖像。

7.根據權利要求6所述的方法，其特征在于，所述利用訓練好的神經網絡，確定待分類木板在每一個分類的置信度，還包括：

在獲取當前待分類木板的圖像的同時還獲取白色參考物體的圖像。

8.根據權利要求6所述的方法，其特征在于，所述當前待分類木板的圖像對應的環境條件包括外部光源光線的強弱、外部光源光線的照射方向、圖像獲取單元的拍攝角度和圖像獲取單元的光圈大小中的一個或多個；

所述當前待分類木板的圖像對應的移動速度為圖像獲取單元與所述當前待分類木板的相對移動速度。

9.一種對木板分類的學習系統，其特征在于，所述系統包括：

圖像獲取單元，用于在不同環境條件下獲取不同移動速度的木板的圖像樣本數據，所述環境條件包括光照環境、拍攝角度；

分類單元，用于對木板進行初始分類，分類后的圖像樣本數據包括一個自由定義的產品分類、一個移動速度、一個光照環境、一個攝像機角度的標簽；

訓練單元，用于基于初始分類后的圖像樣本數據，訓練神經網絡；

分析單元，用于：

利用訓練好的神經網絡，確定待分類木板在每一個分類的置信度；其中，神經網絡的輸出是每個分類的置信度最終估計值；根據這些估計值，選擇置信度最高的分類、速度、攝像機角度作為最終的輸出；

根據一個時間與速度的映射關系得到并確定當前待分類木板的踢腿時間。

10.根據權利要求9所述的系統，其特征在于，所述環境條件包括光照環境、拍攝角度，所述光照環境包括木板周圍環境光線的強弱、光線的照射方向和圖像獲取單元的光圈大小中的一個或多個，所述拍攝角度為圖像獲取單元的拍攝角度；

所述移動速度為圖像獲取單元與目標對象的相對移動速度。

11.根據權利要求9所述的系統，其特征在于，所述圖像獲取單元還用于：

在獲取圖像樣本的同時獲取白色參考物體的圖像。

12.根據權利要求9所述的系統，其特征在于，所述學習單元和/或所述訓練單元位于云服務器中。