[發明專利]一種工件分類方法、裝置、設備及介質

有效

• 申請號: 201910431136.0
• 申請日: 2019-05-22
• 公開（公告）號: CN110135514B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 劉永康;杜家鳴;李長升;段立新;王亞松
• 申請（專利權）人: 國信優易數據股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 北京中知法苑知識產權代理有限公司 11226
• 代理人: 李明

1.一種工件分類方法，其特征在于，包括：

獲取待識別工件的工件圖像，并提取所述工件圖像的方向梯度直方圖HOG特征；

基于提取的HOG特征以及預先訓練好的與各工件類別分別匹配的支持向量機SVM模型，確定所述待識別工件屬于每種工件類別的預測分類概率；

從確定出的各個預測分類概率中篩選出滿足預設條件的目標預測分類概率；

將所述目標預測分類概率對應的工件類別確定為所述待識別工件的類別；

其中，提取所述工件圖像的方向梯度直方圖HOG特征，包括：

將所述工件圖像轉換為灰度圖像；

將所述灰度圖像劃分為至少一個預設尺寸的圖像區域，其中，每個圖像區域包括至少一個單元格，每個單元格包括至少一個像素點；

針對每個圖像區域，提取該圖像區域中每個單元格的梯度信息并根據該圖像區域中各個單元格的梯度信息，確定該圖像區域的HOG特征；

將各個圖像區域的HOG特征進行拼接，得到所述工件圖像的HOG特征。

2.如權利要求1所述的工件分類方法，其特征在于，從確定出的各個預測分類概率中篩選出滿足預設條件的目標預測分類概率，包括：

將各個預測分類概率中數值最大的預測分類概率確定為目標預測分類概率。

3.如權利要求1所述的工件分類方法，其特征在于，針對每個工件類別，根據以下方式訓練得到與該工件類別匹配的SVM模型：

獲取包括正樣本和負樣本的樣本訓練集，其中，正樣本為屬于該工件類別的工件圖像，正樣本與正樣本標簽一一對應，負樣本為不屬于該工件類別的工件圖像，負樣本與負樣本標簽一一對應；

從所述樣本訓練集中獲取預設數量的正樣本和負樣本；

分別提取每個正樣本的HOG特征和每個負樣本的HOG特征；

基于提取出的各正樣本的HOG特征、各負樣本的HOG特征以及待訓練的SVM模型，分別確定各正樣本屬于該工件類別的預測分類概率和各負樣本屬于該工件類別的預測分類概率；

基于各正樣本屬于該工件類別的預測分類概率和所述正樣本標簽，以及，各負樣本屬于該工件類別的預測分類概率和所述負樣本標簽，確定本次訓練過程的損失值；

若所述損失值不大于設定閾值，則得到與該工件類別匹配的SVM模型。

4.根據權利要求3所述的工件分類方法，其特征在于，還包括：

若所述損失值大于所述設定閾值，則調整所述待訓練的SVM模型的模型參數后，進入從所述樣本訓練集中獲取預設數量的正樣本和負樣本的步驟。

5.一種工件分類裝置，其特征在于，包括：

獲取模塊，用于獲取待識別工件的工件圖像；

提取模塊，用于提取所述工件圖像的方向梯度直方圖HOG特征；

概率確定模塊，用于基于提取的HOG特征以及預先訓練好的與各工件類別分別匹配的支持向量機SVM模型，確定所述待識別工件屬于每種工件類別的預測分類概率；

篩選模塊，用于從確定出的各個預測分類概率中篩選出滿足預設條件的目標預測分類概率；

類別確定模塊，用于將所述目標預測分類概率對應的工件類別確定為所述待識別工件的類別；

提取單元，還用于：

將所述工件圖像轉換為灰度圖像；

將所述灰度圖像劃分為至少一個預設尺寸的圖像區域，其中，每個圖像區域包括至少一個單元格，每個單元格包括至少一個像素點；

針對每個圖像區域，提取該圖像區域中每個單元格的梯度信息并根據該圖像區域中各個單元格的梯度信息，確定該圖像區域的HOG特征；

將各個圖像區域的HOG特征進行拼接，得到所述工件圖像的HOG特征。

6.如權利要求5所述的工件分類裝置，其特征在于，所述裝置還包括：模型訓練模塊；所述模型訓練模塊，用于針對每個工件類別，根據以下方式訓練得到與該工件類別匹配的SVM模型：

7.根據權利要求6所述的工件分類裝置，其特征在于，所述模塊訓練模塊，還用于：