[發(fā)明專利]一種基于深度學(xué)習(xí)的瓦楞紙板堆疊層數(shù)計數(shù)方法

在審

• 申請?zhí)枺?/td>: 202010740901.X
• 申請日: 2020-07-29
• 公開（公告）號: CN111862122A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計）人: 張堃;韓宇;徐子洋;榮夢杰;馮文宇;華亮;李文俊;鮑毅
• 申請（專利權(quán)）人: 南通大學(xué);杭州博拉哲科技有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T5/40;G06N3/08;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于深度學(xué)習(xí)的瓦楞紙板堆疊層數(shù)計數(shù)方法，該方法利用AA R2U?Net提取瓦楞紙板的大孔洞特征，將大孔洞區(qū)域從瓦楞紙板堆疊照片中分割出來，并通過成行的大孔洞區(qū)域判別并計數(shù)瓦楞紙板堆疊層數(shù)，識別精度高，效率高，減少了人工計數(shù)時間，避免了人工計數(shù)失誤而產(chǎn)生的誤數(shù)、漏數(shù)等情況。

技術(shù)領(lǐng)域

本發(fā)明涉及瓦楞紙板堆疊層數(shù)計數(shù)技術(shù)領(lǐng)域，具體為一種基于深度學(xué)習(xí)的瓦楞紙板堆疊層數(shù)計數(shù)方法。

背景技術(shù)

瓦楞紙板是由掛面紙和瓦楞棍加工后，和波形的瓦楞紙板粘合而成的板狀物，一般分為單瓦楞紙板和雙瓦楞紙板兩類。在實際應(yīng)用中，瓦楞紙板緩沖性非常好，可以保護大物件在運輸途中不受損，是一種常用的包裝材料。

在瓦楞紙生產(chǎn)的過程中，生產(chǎn)企業(yè)需要對計數(shù)瓦楞紙板產(chǎn)品的堆疊層數(shù)并進(jìn)行分批。對堆疊瓦楞紙板計數(shù)的過程目前主要是由人工計數(shù)完成，存在勞動強度大、生產(chǎn)效率低和容易出現(xiàn)誤數(shù)、漏數(shù)等問題。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于深度學(xué)習(xí)的瓦楞紙板堆疊層數(shù)計數(shù)方法，以解決上述背景技術(shù)中提出的問題。

為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于深度學(xué)習(xí)的瓦楞紙板堆疊層數(shù)計數(shù)方法，包括以下步驟：

A、對紙板堆疊照片截取感興趣區(qū)域并進(jìn)行圖像預(yù)處理：首先從原始紙板堆疊照片中截取感興趣區(qū)域，其具體步驟為：首先對一張紙板堆疊照片截取紙板大孔洞區(qū)域，作為模板圖像，然后通過OpenCV圖像模板進(jìn)行匹配，從待截取圖像的左上角開始截取一塊臨時圖像，將截取的臨時圖像與模板圖像進(jìn)行匹配，記錄匹配結(jié)果，重復(fù)該操作直到截取至圖像的右下角；其中，匹配結(jié)果最好的臨時圖像即為感興趣區(qū)域；

然后將所截取的感興趣區(qū)域變換為灰度圖像，并對其采用直方圖均衡化處理以增強紙板大孔洞區(qū)域與背景區(qū)域的對比度，對圖像進(jìn)行直方圖均衡化的變換表示如下：

其中，H_r(r_j)為圖像的灰度直方圖，k為進(jìn)行均衡化變換前圖像的灰度級總數(shù)，r_k表示圖像直方圖均衡化變換前的灰度值，T為直方圖均衡化變換函數(shù)，s_k為直方圖均衡化變換后的灰度值，n_j為直方圖均衡化變換后圖像中灰度值為j的像素個數(shù)，n為圖像的像素數(shù)；

B、將步驟A得到的預(yù)處理后的圖像作為輸入，搭建AA R2U-Net模型；

C、對步驟B得到的AA R2U-Net進(jìn)行訓(xùn)練；

D、加載步驟三得到的訓(xùn)練后的AA R2U-Net對紙板堆疊照片進(jìn)行紙板大孔洞分割并對瓦楞紙板堆疊層數(shù)進(jìn)行計數(shù)。

優(yōu)選的，所述步驟B包括：在Unet中加入了R2模塊與AttentionAugment模塊；其中，Unet結(jié)構(gòu)總體呈對稱的U型結(jié)構(gòu)，在設(shè)計時共包含12個單元(F1-F12),其中左側(cè)F1-F6為收縮路徑，用于特征的提取；右側(cè)F6-F12為擴張路徑，用于細(xì)節(jié)的恢復(fù)實現(xiàn)精準(zhǔn)預(yù)測；R2模塊包括了殘差學(xué)習(xí)單元和遞歸卷積。

優(yōu)選的，所述R2模塊包括了殘差學(xué)習(xí)單元和遞歸卷積，

(1)殘差學(xué)習(xí)單元：假定一個神經(jīng)網(wǎng)絡(luò)單元的輸入是x，期望輸出是H(x)，另外定義一個殘差映射F(x)＝H(x)-x，若把x直接傳遞給輸出，則該神經(jīng)網(wǎng)絡(luò)單元要學(xué)習(xí)的目標(biāo)就是殘差映射F(x)＝H(x)-x，殘差學(xué)習(xí)單元由一系列卷積層和一個捷徑組成，輸入x通過這個捷徑傳遞給殘差學(xué)習(xí)單元的輸出，則殘差學(xué)習(xí)單元的輸出為z＝F(x)+x；

(2)遞歸卷積：假定輸入為x，對該輸入x進(jìn)行連續(xù)的卷積，且每一次的卷積輸出加上當(dāng)前的輸入作為下一次的卷積的輸入；

R2模塊即將殘差學(xué)習(xí)單元中的普通卷積替換為遞歸卷積。