[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡(luò)的高噪聲環(huán)境窯車標(biāo)識(shí)識(shí)別方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011538399.0
• 申請(qǐng)日: 2020-12-23
• 公開（公告）號(hào): CN112613403A
• 公開（公告）日: 2021-04-06
• 發(fā)明（設(shè)計(jì)）人: 高煥兵;董正通;楊健;貝太學(xué);王濤;杜傳勝
• 申請(qǐng)（專利權(quán)）人: 山東建筑大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06T7/13;G06T7/73;G06T5/00;G06N3/04
• 代理公司: 北京頭頭知識(shí)產(chǎn)權(quán)代理有限公司 11729
• 代理人: 白芳仿;劉鋒

本發(fā)明公開了一種基于卷積神經(jīng)網(wǎng)絡(luò)的高噪聲環(huán)境下的窯車標(biāo)識(shí)識(shí)別方法及系統(tǒng)。該識(shí)別方法為一種采用Canny邊緣檢測(cè)算法的邊緣檢測(cè)算法?邊緣增強(qiáng)型邊緣檢測(cè)算法，該算法中對(duì)圖像進(jìn)行高斯模糊的高斯平滑步驟是通過構(gòu)建高斯卷積核對(duì)圖像進(jìn)行卷積處理,當(dāng)像素矩陣中不包含邊界像素信息時(shí)，是通過坐標(biāo)位置取權(quán)重系數(shù)來建立高斯權(quán)重系數(shù)矩陣，而包含有邊界信息時(shí)，則對(duì)邊界像素對(duì)應(yīng)的權(quán)重系數(shù)進(jìn)行改變，構(gòu)成改進(jìn)的高斯權(quán)重系數(shù)矩陣。本發(fā)明借助上述技術(shù)方案，應(yīng)用于墻材生產(chǎn)線，可以對(duì)窯車上的標(biāo)識(shí)牌進(jìn)行識(shí)別，通過組態(tài)軟件，能夠動(dòng)態(tài)的監(jiān)控每輛窯車的位置，每輛窯車的狀態(tài)是否準(zhǔn)確。在代替人力的同時(shí)能夠提高生產(chǎn)的效率，增強(qiáng)生產(chǎn)的可靠性。

技術(shù)領(lǐng)域

本發(fā)明涉及到圖像識(shí)別領(lǐng)域，尤指一種基于卷積神經(jīng)網(wǎng)絡(luò)的高噪聲環(huán)境下的窯車標(biāo)識(shí)識(shí)別方法。

背景技術(shù)

目前國(guó)內(nèi)的磚瓦燒結(jié)工廠中，隧道窯成為了首選的磚瓦生產(chǎn)設(shè)備，這是我國(guó)磚瓦行業(yè)技術(shù)迅速發(fā)展進(jìn)步的重要標(biāo)志。但目前國(guó)內(nèi)隧道窯生產(chǎn)過程自動(dòng)化水平還普遍比較落后，現(xiàn)有的墻材制造生產(chǎn)線的窯車仍需要人工操作，對(duì)生產(chǎn)線設(shè)備還停留在手動(dòng)控制階段依靠人力去統(tǒng)計(jì)窯車得數(shù)量和窯車的狀態(tài)及位置，因而其存在著如下缺點(diǎn)：

1.浪費(fèi)人力資源；

2.阻礙從半自動(dòng)化向自動(dòng)化以及智能化發(fā)展；

3.在智能性上有所欠缺。

因此急需該設(shè)備進(jìn)行自動(dòng)化改造，其中必然涉及目標(biāo)的識(shí)別，通常采用設(shè)置標(biāo)識(shí)的方法，而就目前而言，我國(guó)標(biāo)識(shí)識(shí)別技術(shù)正處于飛速發(fā)展階段，具體體現(xiàn)在處理精度、再現(xiàn)性、靈活性、適用面、信息壓縮等方面，但是，在實(shí)際發(fā)展過程中，該技術(shù)的發(fā)展還是受到了實(shí)際需求的限制。影響標(biāo)識(shí)識(shí)別技術(shù)發(fā)展的關(guān)鍵因素主要體現(xiàn)在以下幾個(gè)方面：標(biāo)識(shí)識(shí)別技術(shù)對(duì)噪聲比較敏感，特別是本發(fā)明涉及的高灰塵、高溫、高光的情況下，因高灰塵容易對(duì)標(biāo)識(shí)牌進(jìn)行遮擋，而高溫則會(huì)對(duì)標(biāo)識(shí)牌造成損壞，以及標(biāo)識(shí)牌的顏色也會(huì)發(fā)生變化，同時(shí)高光照會(huì)模糊掉整個(gè)圖像。

因此，發(fā)明一種能夠應(yīng)用于高噪聲墻材生產(chǎn)中的圖像識(shí)別方法及設(shè)備具有重大的意義。

發(fā)明內(nèi)容

為解決上述問題，本發(fā)明主要目的在于，提供一種基于卷積神經(jīng)網(wǎng)絡(luò)的高噪聲環(huán)境下的窯車標(biāo)識(shí)識(shí)別方法及系統(tǒng)，其是為了實(shí)現(xiàn)如下目的：

(1)實(shí)現(xiàn)高噪聲環(huán)境下對(duì)標(biāo)識(shí)牌進(jìn)行提取。

(2)提供一種深度學(xué)習(xí)模型能在小型的嵌入式設(shè)備上運(yùn)行。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于卷積神經(jīng)網(wǎng)絡(luò)的高噪聲環(huán)境下的窯車標(biāo)識(shí)識(shí)別方法，其采用了一種Canny邊緣檢測(cè)算法中的邊緣檢測(cè)算法-邊緣增強(qiáng)型邊緣檢測(cè)算法，該算法中對(duì)圖像進(jìn)行高斯模糊的高斯平滑步驟是通過構(gòu)建高斯卷積核對(duì)圖像進(jìn)行卷積處理,當(dāng)像素矩陣中不包含邊界像素信息時(shí)，是通過坐標(biāo)位置取權(quán)重系數(shù)來建立高斯權(quán)重系數(shù)矩陣，而包含有邊界信息時(shí)，則對(duì)邊界像素對(duì)應(yīng)的權(quán)重系數(shù)進(jìn)行改變，構(gòu)成改進(jìn)的高斯權(quán)重系數(shù)矩陣。

其中較佳的是，在判斷是否包含邊界像素信息時(shí)，是利用四周像素值和中心像素值進(jìn)行對(duì)比，如果像素值差值大于30就考慮為邊界像素，根據(jù)像素之間的差值得到改進(jìn)的權(quán)重系數(shù)矩陣。

而所述構(gòu)建高斯卷積核對(duì)圖像進(jìn)行卷積處理的具體步驟如下：

1)將圖像中心點(diǎn)的坐標(biāo)設(shè)為(0,0)，將圖像表示為坐標(biāo)圖；

2)計(jì)算權(quán)重矩陣

根據(jù)如下二維高斯分布函數(shù)得到每一個(gè)坐標(biāo)所對(duì)應(yīng)的權(quán)重：

設(shè)定σ的值,假定σ＝1.5，得到模糊半徑為1時(shí)的權(quán)重矩陣；

3)根據(jù)坐標(biāo)矩陣獲得其對(duì)應(yīng)的像素值，利用四周像素值和中心像素值進(jìn)行對(duì)比，如果像素值差值大于30就考慮為邊界像素，令其對(duì)應(yīng)的權(quán)重為0；