[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

本申請提供了一種工件分類方法、裝置、設備及介質，其中，該方法包括：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。采用上述方法，可以提升工件分類準確性。

技術領域

本申請涉及圖像處理技術領域，具體而言，涉及一種工件分類方法、裝置、設備及介質。

背景技術

隨著智能制造產業的興起，工業生產制造過程也越來越智能化。例如，在智能工廠搭建過程中，機械臂要分揀抓取各類工件，這就需要對工件進行準確地識別分類。

目前，在對工件進行識別分類時，往往是通過提取工件圖像的邊緣特征等圖像特征，將提取的圖像特征和預設圖像特征進行匹配，以確定工件類別。但是對于一些構造較為簡單的工件，例如法蘭等，由于從法蘭圖像中提取出的特征較為簡單，在預測這類工件的類別時，由于提取的圖像特征一般都是各個像素點獨立的特征，沒有考慮到各個像素點之間的關聯，這樣就會出現工件分類準確性差的問題。

發明內容

有鑒于此，本申請實施例的目的在于提供一種工件分類方法、裝置、設備及介質，能夠提高工件分類的準確性。

第一方面，本申請提供一種工件分類方法，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；

基于提取的方向梯度直方圖(Histogram ofOriented Gradient，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(Support Vector Machine，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。

本申請的一些實施例中，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。

本申請的一些實施例中，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。

本申請的一些實施例中，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；