[發明專利]基于深度學習的多種類廢舊飲料瓶識別及分揀裝置

有效

• 申請號: 202010177182.5
• 申請日: 2020-03-13
• 公開（公告）號: CN111318474B
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 齊明洋;唐友;劉志東;鐘聞宇;王永江;高國麗;舒洋;李明樹;張震;陳巖;鞠明月
• 申請（專利權）人: 吉林農業科技學院
• 主分類號: B07C5/342
• 分類號: B07C5/342;B07C5/02;B07C5/36;G06K9/00;G06N3/08
• 代理公司: 哈爾濱華夏松花江知識產權代理有限公司 23213
• 代理人: 岳昕

1.基于深度學習的多種類廢舊可回收瓶識別及分揀裝置，其特征在于，包括圖像識別部分和分揀部分，圖像識別部分包括：多個工業相機(1)和上位機(9)，分揀部分包括：多個出料傳送帶(3)、進料傳送帶(4)、多個擊打裝置(5)和控制單元(8)；

所述進料傳送帶(4)包括相互連接的平面部分和斜坡部分，平面部分用于承載待分揀的可回收瓶、并傳送至斜坡部分，斜坡部分上開有呈矩形陣列排布的多個擊打孔(2)，多個擊打裝置(5)均位于斜坡部分的坡面下方、且分別與多個擊打孔(2)一一正對，多個出料傳送帶(3)均層疊布置在斜坡部分的坡面上方、且分別與每一組的擊打孔(2)一一正對，多個工業相機(1)分別與多個出料傳送帶(3)一一對應，每組擊打孔(2)均包括N個擊打孔(2)，N為4或5，工業相機(1)用于采集所對應出料傳送帶(3)進料端正對的斜坡部分上可回收瓶的圖片、并將采集到的圖片發送至上位機(9)；

上位機(9)包括軟件實現的訓練單元、識別單元和質心計算單元，

所述訓練單元：用于在進行訓練時，分別對每張圖片中不同顏色的可回收瓶進行標記，還用于根據標記后的圖片和深度學習網絡訓練獲得特征圖像提取模型，所述特征圖像提取模型能夠輸出目標邊界清晰的可回收瓶特征圖像和其對應的標記，

所述識別單元：用于在進行可回收瓶識別時，將圖片輸入至特征圖像提取模型中，識別出圖片中每個可回收瓶的特征圖像和其對應的標記，

所述質心計算單元：用于計算每個可回收瓶特征圖像的質心坐標，并將質心坐標和特征圖像對應的標記發送至控制單元(8)；

所述控制單元(8)內部存儲有每個擊打裝置(5)的坐標和每個擊打裝置(5)正對的出料傳送帶(3)的標記，出料傳送帶(3)根據可回收瓶的顏色分別進行標記，

所述控制單元(8)內部還包括軟件實現的坐標匹配單元、標記匹配單元和擊打驅動單元，

所述坐標匹配單元：用于將特征圖像的質心坐標與擊打裝置(5)的坐標進行匹配，

所述標記匹配單元：用于當坐標匹配成功時，將特征圖像的標記與擊打裝置(5)對應的出料傳送帶(3)的標記進行匹配，

所述擊打驅動單元：用于當標記匹配成功時，驅動匹配的擊打裝置(5)的擊打部分從擊打孔(2)伸出、并將可回收瓶擊打至對應的出料傳送帶(3)上。

2.根據權利要求1所述的基于深度學習的多種類廢舊可回收瓶識別及分揀裝置，其特征在于，所述擊打裝置(5)包括氣動閥(6)和擊打桿(7)，

擊打桿(7)作為擊打裝置(5)的擊打部分，

氣動閥(6)用于驅動擊打桿(7)從與其對應的擊打孔(2)中伸出。

3.根據權利要求1所述的基于深度學習的多種類廢舊可回收瓶識別及分揀裝置，其特征在于，上位機(9)中還包括驗證單元和測試單元，

所述訓練單元中，將標記后的圖片按照數量比3:1:1劃分為訓練集、驗證集和測試集，利用訓練集對特征圖像提取模型進行訓練；

所述驗證單元：用于在獲得特征圖像提取模型后，將驗證集中的圖片輸入至特征圖像提取模型中并獲得驗證結果，

根據正確率得分判斷驗證結果是否合格，當合格時，能夠開啟識別單元，當不合格時，重新啟動訓練單元對特征圖像提取模型進行訓練；

所述測試單元：用于在驗證單元判斷特征圖像提取模型合格時，將測試集中的圖片輸入至特征圖像提取模型中并獲得測試結果，

根據正確率得分判斷測試結果是否合格，當合格時，能夠開啟識別單元，當不合格時，重新啟動訓練單元對特征圖像提取模型進行訓練。

4.根據權利要求1或3所述的基于深度學習的多種類廢舊可回收瓶識別及分揀裝置，其特征在于，深度學習網絡為Deeplabv3+網絡。