[發明專利]一種基于計算機視覺的糧倉儲糧數量變化自動監測方法有效
| 申請號: | 201810621000.1 | 申請日: | 2018-06-15 |
| 公開(公告)號: | CN109472261B | 公開(公告)日: | 2020-09-18 |
| 發明(設計)人: | 李磊;董卓莉;費選;趙晨陽;張永威;王峰 | 申請(專利權)人: | 河南工業大學 |
| 主分類號: | G06K9/34 | 分類號: | G06K9/34;G06K9/62;G06Q10/08 |
| 代理公司: | 鄭州睿信知識產權代理有限公司 41119 | 代理人: | 符亞飛 |
| 地址: | 450001 河南省鄭*** | 國省代碼: | 河南;41 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 計算機 視覺 糧倉 數量 變化 自動 監測 方法 | ||
1.一種基于計算機視覺的糧倉儲糧數量變化自動監測方法,步驟如下:
(1)采集出糧口處的糧面圖像;所述糧面圖像包括出糧口糧面上方的參考線,所述參考線為裝糧線或標記線;
(2)通過對所述糧面圖像進行處理,計算出糧面的整體高度,與預定的一次或前一次計算的糧面的整體高度相比;
(3)若糧面的整體高度下降,則判定倉內儲糧數量減少;
所述對糧面圖像進行處理的過程包括:提取所有樣本圖像的特征;根據所提取的樣本圖像特征訓練SVM分類器模型;然后利用訓練好的SVM分類器模型對待處理的糧面圖像進行分割,獲取參考線和糧面;
所述對待處理的糧面圖像進行分割的過程包括:圖像預處理;生成圖像的高層超像素和底層超像素;提取圖像的底層超像素特征;所述提取圖像的底層超像素特征的過程包括:在提取底層超像素的特征時,以高層超像素作為空間限制,若一個底層超像素的鄰域像素均在同一高層超像素下,則該底層超像素的最終特征是其鄰域超像素的特征的加權平均;否則,使用該底層超像素內像素的顏色均值作為其最終特征。
2.根據權利要求1所述的基于計算機視覺的糧倉儲糧數量變化自動監測方法,其特征在于:所述糧面的整體高度是指參考線和糧面之間的平均距離,所述平均距離通過計算糧面上邊界每一個點到參考線下邊界之間的垂直距離的平均值得到;所述糧面的整體高度下降是指當前計算的參考線和糧面之間的平均距離大于預定的一次或前一次計算結果。
3.根據權利要求1所述的基于計算機視覺的糧倉儲糧數量變化自動監測方法,其特征在于:所述糧面的整體高度是指參考線和糧面之間的區域面積,所述區域面積在計算出糧面上邊界每一個點到參考線下邊界之間的垂直距離后,用積分的方式得到;所述糧面的整體高度下降是指當前計算的參考線和糧面之間的區域面積大于預定的一次或前一次計算結果。
4.根據權利要求2或3所述的基于計算機視覺的糧倉儲糧數量變化自動監測方法,其特征在于:所述獲取參考線和糧面的過程還包括:去噪處理、細化處理、參考線下邊界擬合處理。
5.根據權利要求4所述的基于計算機視覺的糧倉儲糧數量變化自動監測方法,其特征在于:所述去噪處理的過程包括:利用參考線和糧面為帶狀的先驗信息,去除分割結果中小的空心區域和寬度小于圖像寬度一半的區域,并根據鄰域相似度將其合并到最相似的鄰接區域中,得到進一步的分割結果。
6.根據權利要求5所述的基于計算機視覺的糧倉儲糧數量變化自動監測方法,其特征在于:所述細化處理的過程包括:分別對所述進一步分割結果中的參考線和糧面進行膨脹,然后分別使用寬度為圖像寬度的矩形框覆蓋住參考線和糧面,通過基于圖論的分割方法對參考線和糧面分別進行細化,得到最終的分割結果。
7.根據權利要求6所述的基于計算機視覺的糧倉儲糧數量變化自動監測方法,其特征在于:所述參考線下邊界擬合處理的過程包括:對所述最終分割結果中的參考線下邊界進行線性擬合,用擬合后的直線作為參考線下邊界。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于河南工業大學,未經河南工業大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810621000.1/1.html,轉載請聲明來源鉆瓜專利網。





