[發明專利]一種面向教育實訓的物體識別系統和方法

在審

• 申請號: 201910726506.3
• 申請日: 2019-08-07
• 公開（公告）號: CN110428014A
• 公開（公告）日: 2019-11-08
• 發明（設計）人: 崔曉輝;閔文強;胡少林
• 申請（專利權）人: 北京賽育達科教有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 蘇州國誠專利代理有限公司 32293
• 代理人: 楊強

1.一種面向教育實訓的物體識別系統，其包括工作臺，其特征在于：所述工作臺上裝有通過網線連接的工控機和視覺裝置，所述工控機內嵌于所述工作臺上，所述視覺裝置包括裝于所述工作臺上的相機架，所述相機架頂端裝有相機，所述相機上裝有鏡頭，所述鏡頭下方裝有光源，位于所述光源正下方的所述工作臺上設有產品放置區。

2.一種面向教育實訓的物體識別方法，其特征在于：其包括以下步驟：

S1、采集目標對象的原始圖像，作為樣本圖片，隨后通過圖像標注軟件對原始圖像中的所述目標對象的位置進行標注，將所述目標對象的邊緣進行點劃線連接起來，作為樣本標簽，從而得到樣本圖片與樣本標簽；

S2、對所述樣本圖片與樣本標簽進行縮放、旋轉幾何變換，使得所述樣本圖片與樣本標簽的圖像大小滿足神經網絡輸入格式要求；

S3、在python軟件上構建CNN神經網絡模型，所述CNN神經網絡采用經典網絡AlexNet；

S4、訓練所述CNN神經網絡，以實現對輸入的圖片的準確特征學習及分類，隨后將訓練后的神經網絡參數進行保存，以便測試時使用；

S5、打開相機，在所述相機正下方的產品放置區放入所述目標對象，所述相機將拍攝到的物體圖像傳入工控機的所述CNN神經網絡中，通過所述CNN神經網絡輸出物體圖像中物體的類別。

3.根據權利要求2所述的一種面向教育實訓的物體識別方法，其特征在于：在所述步驟S5中，當物體圖像傳入工控機的神經網絡中后，所述神經網絡會對物體圖像進行預測屬于每個類別的概率，最終輸出最大概率對應的類別。

4.根據權利要求2所述的一種面向教育實訓的物體識別方法，其特征在于：所述經典網絡AlexNet依次組成為1個輸入層、5個卷積層、2個全連接層以及1個輸出層。

5.根據權利要求2所述的一種面向教育實訓的物體識別方法，其特征在于：在所述步驟S4中，所述CNN神經網絡的訓練過程分為兩個階段：第一個階段是將所述目標對象的圖像數據由所述經典網絡AlexNet網絡結構從左向右傳播，即前向傳播階段，當前向傳播得出的結果與圖片真實類別不相符時，執行第二個階段，將誤差從右往左進行傳播訓練的階段，即反向傳播階段，反向傳播的過程會對所述CNN神經網絡參數進行修改，直至前向傳播的結果與圖片真實類別一致，即訓練完成。