[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)的果蔬稱重方法及儲(chǔ)存介質(zhì)、裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201911374027.6
• 申請(qǐng)日: 2019-12-27
• 公開（公告）號(hào): CN111160450A
• 公開（公告）日: 2020-05-15
• 發(fā)明（設(shè)計(jì)）人: 江昊;王斌;徐剛;江威;鄧嵩源
• 申請(qǐng)（專利權(quán)）人: 中山德著智能科技有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/40;G06K9/46;G06N3/04
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 李旭亮

本發(fā)明公開了一種基于神經(jīng)網(wǎng)絡(luò)的果蔬稱重方法及儲(chǔ)存介質(zhì)、裝置,包括以下步驟：S1、獲取多張不同角度的果蔬照片；S2、基于神經(jīng)網(wǎng)絡(luò)模型至少對(duì)一張果蔬照片進(jìn)行識(shí)別，得出果蔬的種類信息；S3、從多張不同角度的果蔬照片中獲取果蔬的輪廓信息；S4、根據(jù)果蔬的輪廓信息計(jì)算果蔬體積，由與該果蔬的種類信息匹配的果蔬預(yù)設(shè)密度信息以及果蔬體積得出果蔬重量信息；本設(shè)計(jì)利用了神經(jīng)網(wǎng)絡(luò)模型來相對(duì)準(zhǔn)確地匹配果蔬的種類，同時(shí)使用多張不同角度的果蔬照片，利用多個(gè)輪廓信息分析果蔬的立體模型，得出果蔬的體積，從而減少視覺稱重的誤差。

技術(shù)領(lǐng)域

本發(fā)明涉及一種視覺稱重領(lǐng)域，特別是一種基于神經(jīng)網(wǎng)絡(luò)的果蔬稱重方法及儲(chǔ)存介質(zhì)。

背景技術(shù)

傳統(tǒng)的果蔬稱重方法，都是采用稱重儀器進(jìn)行稱重；然而對(duì)果蔬運(yùn)輸分類的過程中，需要在傳送機(jī)構(gòu)上布置專門的稱重機(jī)構(gòu)，具有難度，并且成本大大增加，同時(shí)也會(huì)占用較多空間。

而后，由于在運(yùn)輸分類過程中，只需要得知果蔬的大致重量，即可進(jìn)行分類，并且隨著視覺識(shí)別技術(shù)的日益發(fā)展，視覺稱重的概念應(yīng)運(yùn)而生，但是，現(xiàn)今還沒有較為合理的對(duì)果蔬進(jìn)行稱重的處理方法，稱重誤差較大，還不能滿足市場(chǎng)需求。

發(fā)明內(nèi)容

本發(fā)明的目的在于至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題之一，提供一種基于神經(jīng)網(wǎng)絡(luò)的果蔬稱重方法及儲(chǔ)存介質(zhì)、裝置，稱重誤差較小，結(jié)果相對(duì)準(zhǔn)確。

本發(fā)明采用的技術(shù)方案是：

一種基于神經(jīng)網(wǎng)絡(luò)的果蔬稱重方法，包括以下步驟：S1、獲取多張不同角度的果蔬照片；S2、基于神經(jīng)網(wǎng)絡(luò)模型至少對(duì)一張果蔬照片進(jìn)行識(shí)別，得出果蔬的種類信息；S3、從多張不同角度的果蔬照片中獲取果蔬的輪廓信息；S4、根據(jù)果蔬的輪廓信息計(jì)算果蔬體積，由與該果蔬的種類信息匹配的果蔬預(yù)設(shè)密度信息以及果蔬體積得出果蔬重量信息。

在S1中，獲取三張果蔬照片，分別是與x、y軸平行的第一圖片、與y、z軸平行的第二圖片以及與x、z軸平行的第三圖片；在S3中，從第一圖片、第二圖片以及第三圖片中分別提取第一輪廓信息、第二輪廓信息和第三輪廓信息，在S4中，利用第一輪廓信息、第二輪廓信息和第三輪廓信息計(jì)算果蔬體積。

在S4中，對(duì)輪廓信息進(jìn)行像素個(gè)數(shù)計(jì)算得出輪廓內(nèi)的像素個(gè)數(shù)，從輪廓信息得出圖像像素長(zhǎng)度，根據(jù)像素個(gè)數(shù)與圖像像素長(zhǎng)度得出果蔬實(shí)際長(zhǎng)度。

在S4中，對(duì)多張不同角度的果蔬照片的輪廓信息處理得出果蔬的實(shí)際長(zhǎng)預(yù)估值、實(shí)際寬預(yù)估值以及實(shí)際高預(yù)估值，根據(jù)實(shí)際長(zhǎng)預(yù)估值、實(shí)際寬預(yù)估值以及實(shí)際高預(yù)估值計(jì)算果蔬體積。

每種果蔬均設(shè)置相對(duì)應(yīng)的果蔬預(yù)設(shè)密度信息，在S2中，得出果蔬的種類信息后，匹配出相對(duì)應(yīng)的果蔬預(yù)設(shè)密度信息。

在S1中，在獲取果蔬照片后，對(duì)果蔬照片進(jìn)行圖質(zhì)增強(qiáng)和/或?yàn)V波和/或去噪處理。

根據(jù)本發(fā)明實(shí)施例的一種基于神經(jīng)網(wǎng)絡(luò)的果蔬稱重方法，至少具有如下有益效果：

本發(fā)明基于神經(jīng)網(wǎng)絡(luò)的果蔬稱重方法，采集對(duì)待檢測(cè)果蔬拍攝的多張不同角度的果蔬照片，基于神經(jīng)網(wǎng)絡(luò)模型對(duì)至少一張果蔬照片進(jìn)行識(shí)別，判斷為何種果蔬，對(duì)不同角度的果蔬照片中獲取果蔬額定輪廓信息，從而可以從輪廓信息中大致計(jì)算出果蔬的體積，再由果蔬預(yù)設(shè)密度信息以及果蔬體積得出果蔬重量信息，利用了神經(jīng)網(wǎng)絡(luò)模型來相對(duì)準(zhǔn)確地匹配果蔬的種類，同時(shí)使用多張不同角度的果蔬照片，利用多個(gè)輪廓信息分析果蔬的立體模型，得出果蔬的體積，從而減少視覺稱重的誤差。

本發(fā)明具體實(shí)施例還公開了一種儲(chǔ)存介質(zhì)，儲(chǔ)存有上述任一實(shí)施例公開的一種基于神經(jīng)網(wǎng)絡(luò)的果蔬稱重方法，并且能夠被計(jì)算機(jī)讀取運(yùn)行。

根據(jù)本發(fā)明實(shí)施例的一種儲(chǔ)存介質(zhì)，至少具有如下有益效果：