[發(fā)明專(zhuān)利]水桶的分類(lèi)方法、分類(lèi)裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202011317420.4
• 申請(qǐng)日: 2020-11-23
• 公開(kāi)（公告）號(hào): CN112418083A
• 公開(kāi)（公告）日: 2021-02-26
• 發(fā)明（設(shè)計(jì)）人: 陳海波;其他發(fā)明人請(qǐng)求不公開(kāi)姓名
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深蘭人工智能（四川）有限公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/20;G06K9/62;G06K17/00;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 常州佰業(yè)騰飛專(zhuān)利代理事務(wù)所(普通合伙) 32231
• 代理人: 劉松

本發(fā)明提供一種水桶的分類(lèi)方法、分類(lèi)裝置，所述方法包括：獲取預(yù)設(shè)區(qū)域的圖像信息；根據(jù)圖像信息識(shí)別圖像中是否具有水桶；如果圖像中具有水桶，則識(shí)別水桶的信息，其中，信息包括：型號(hào)、品牌；根據(jù)水桶的信息進(jìn)行分類(lèi)。本發(fā)明能夠自動(dòng)進(jìn)行水桶的識(shí)別和分類(lèi)，從而方便水桶的回收，省時(shí)省力且準(zhǔn)確度高。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)識(shí)別技術(shù)領(lǐng)域，具體涉及一種水桶的分類(lèi)方法和一種水桶的分類(lèi)裝置。

背景技術(shù)

目前，飲用水的生產(chǎn)廠家使用的飲水桶數(shù)量具大，分布面太廣，即有不同的水站，又有數(shù)量眾多的用戶(hù)，對(duì)于飲水桶的管理，生產(chǎn)廠家往往力不從心，對(duì)于需要回收的水桶無(wú)更好的解決辦法。

相關(guān)技術(shù)中，基本通過(guò)人工回收，費(fèi)時(shí)費(fèi)力，且在回收過(guò)程中，進(jìn)行分類(lèi)時(shí)會(huì)出現(xiàn)偏差。

發(fā)明內(nèi)容

本發(fā)明為解決上述技術(shù)問(wèn)題，提供了一種水桶的分類(lèi)方法，能夠自動(dòng)進(jìn)行水桶的識(shí)別和分類(lèi)，從而方便水桶的回收，省時(shí)省力且準(zhǔn)確度高。

本發(fā)明采用的技術(shù)方案如下：

一種水桶的分類(lèi)方法，包括以下步驟：獲取預(yù)設(shè)區(qū)域的圖像信息；根據(jù)所述圖像信息識(shí)別圖像中是否具有水桶；如果所述圖像中具有水桶，則識(shí)別所述水桶的信息，其中，所述信息包括：型號(hào)、品牌；根據(jù)所述水桶的信息進(jìn)行分類(lèi)。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，通過(guò)廣角攝像頭獲取所述預(yù)設(shè)區(qū)域的圖像信息。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，識(shí)別所述水桶的信息，包括：基于OpenCV2(跨平臺(tái)計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)軟件庫(kù))構(gòu)建分類(lèi)器；基于OpenCV2采集需要分類(lèi)的水桶樣本圖像；基于TensorFlow(端到端開(kāi)源機(jī)器學(xué)習(xí)平臺(tái))進(jìn)行模型訓(xùn)練；將所述圖像信息輸入訓(xùn)練好的模型中，根據(jù)所述模型的輸出結(jié)果識(shí)別所述水桶的信息。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，采用VGG 16(Visual Geometry Group，卷積神經(jīng)網(wǎng)絡(luò))模型進(jìn)行所述模型訓(xùn)練。

一種水桶的分類(lèi)裝置，包括：獲取模塊，所述獲取模塊用于獲取預(yù)設(shè)區(qū)域的圖像信息；第一識(shí)別模塊，所述第一識(shí)別模塊用于根據(jù)所述圖像信息識(shí)別圖像中是否具有水桶；第二識(shí)別模塊，所述第二識(shí)別模塊用于在所述圖像中具有水桶時(shí)，識(shí)別所述水桶的信息，其中，所述信息包括：型號(hào)、品牌；分類(lèi)模塊，所述分類(lèi)模塊用于根據(jù)所述水桶的信息進(jìn)行分類(lèi)。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，通過(guò)廣角攝像頭獲取所述預(yù)設(shè)區(qū)域的圖像信息。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述第二識(shí)別模塊具體用于：基于OpenCV2構(gòu)建分類(lèi)器；基于OpenCV2采集需要分類(lèi)的水桶樣本圖像；基于TensorFlow進(jìn)行模型訓(xùn)練；將所述圖像信息輸入訓(xùn)練好的模型中，根據(jù)所述模型的輸出結(jié)果識(shí)別所述水桶的信息。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述第二識(shí)別模塊，采用VGG 16模型進(jìn)行所述模型訓(xùn)練。

本發(fā)明的有益效果：

本發(fā)明能夠自動(dòng)進(jìn)行水桶的識(shí)別和分類(lèi)，從而方便水桶的回收，省時(shí)省力且準(zhǔn)確度高。

附圖說(shuō)明

圖1是根據(jù)本發(fā)明一個(gè)實(shí)施例的水桶的分類(lèi)方法的流程圖；

圖2是根據(jù)本發(fā)明另一個(gè)實(shí)施例的水桶的分類(lèi)方法的流程圖；

圖3是根據(jù)本發(fā)明一個(gè)實(shí)施例的水桶的分類(lèi)裝置的方框示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。