[發(fā)明專利]基于神經(jīng)網(wǎng)絡(luò)BP模型的物料識別方法

在審

• 申請?zhí)枺?/td>: 202310030964.X
• 申請日: 2023-01-10
• 公開（公告）號: CN116051576A
• 公開（公告）日: 2023-05-02
• 發(fā)明（設(shè)計）人: 王英豪;董孟;李未然;王鵬超
• 申請（專利權(quán)）人: 南秀（河南）數(shù)字科技有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06V10/774;G06V10/82;G06N3/084;G06V10/56
• 代理公司: 北京中普鴻儒知識產(chǎn)權(quán)代理有限公司 11822
• 代理人: 張婉

本發(fā)明公開了基于神經(jīng)網(wǎng)絡(luò)BP模型的物料識別方法，涉及視覺檢測技術(shù)領(lǐng)域，在將所拍攝的物料照片輸入至已經(jīng)完成訓(xùn)練的神經(jīng)網(wǎng)絡(luò)BP模型之前，對所拍攝的物料照片進(jìn)行預(yù)處理，通過將物料照片劃分為若干個單元區(qū)域，獲得每個單元區(qū)域的中心點的LBP編碼，對所拍攝的物料照片的無效部分進(jìn)行剔除，再將經(jīng)過預(yù)處理后的物料圖片輸入至已經(jīng)完成訓(xùn)練的神經(jīng)網(wǎng)絡(luò)BP模型內(nèi)，一方面降低神經(jīng)網(wǎng)絡(luò)BP模型的所需要的計算力，同時降低神經(jīng)網(wǎng)絡(luò)BP模型對無效部分的誤識別的可能性，進(jìn)而提高神經(jīng)網(wǎng)絡(luò)BP模型對物料的識別精度，解決了現(xiàn)有技術(shù)中，物料識別精度低的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及視覺檢測技術(shù)領(lǐng)域，具體是基于神經(jīng)網(wǎng)絡(luò)BP模型的物料識別方法。

背景技術(shù)

在工程施工過程中，在供應(yīng)商將鋼筋通過運輸車輛運送到工地上之后，一般需要供貨方、勞務(wù)隊材料員、項目部材料員三方工地人員對鋼筋數(shù)量進(jìn)行清點以完成貨物驗收。目前工地普遍采用人工計數(shù)方法使用不同顏色的顏料或者點支電子自動計數(shù)筆對將要清點的鋼筋進(jìn)行區(qū)分標(biāo)記；

在現(xiàn)有技術(shù)中，人工點根的工作強度大，清點過程繁瑣枯燥，工作人員會長時間處于高度緊張的狀態(tài)，容易導(dǎo)致統(tǒng)計數(shù)量與實際數(shù)量有所偏差，而現(xiàn)有的物料點數(shù)APP的識別精度低，所獲得的識別結(jié)果與實際數(shù)量往往存在較大的偏差，如何提高物料點數(shù)的識別精度，是我們需要解決的問題，為此，現(xiàn)提供基于神經(jīng)網(wǎng)絡(luò)BP模型的物料識別方法。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供基于神經(jīng)網(wǎng)絡(luò)BP模型的物料識別方法。

本發(fā)明的目的可以通過以下技術(shù)方案實現(xiàn)：基于神經(jīng)網(wǎng)絡(luò)BP模型的物料識別方法，包括以下步驟：

步驟S1：構(gòu)建神經(jīng)網(wǎng)絡(luò)BP模型，并利用樣本數(shù)據(jù)對所構(gòu)建的神經(jīng)網(wǎng)絡(luò)BP模型進(jìn)行訓(xùn)練；

步驟S2：將所需要識別的物料放置在指定區(qū)域內(nèi)進(jìn)行拍攝，對所拍攝的物料照片進(jìn)行預(yù)處理；

步驟S3：將經(jīng)過預(yù)處理后的物料照片輸出至神經(jīng)網(wǎng)絡(luò)BP模型內(nèi)，輸出對物料照片的識別結(jié)果，并對物料照片的輸出結(jié)果進(jìn)行核驗。

進(jìn)一步的，神經(jīng)網(wǎng)絡(luò)BP模型的構(gòu)建過程包括：

構(gòu)建神經(jīng)網(wǎng)絡(luò)BP模型，所述神經(jīng)網(wǎng)絡(luò)BP模型由輸入層、隱含層以及輸出層組成；所述輸入層和隱含層均設(shè)置有若干個神經(jīng)元節(jié)點；

分別設(shè)置輸入層、隱含層以及輸出層的神經(jīng)元節(jié)點的激活函數(shù)、權(quán)值矩陣以及偏差向量；

設(shè)置神經(jīng)網(wǎng)絡(luò)BP模型的誤差函數(shù)E；

E＝-∑∑(T×logF)

其中T為監(jiān)督數(shù)據(jù)，F(xiàn)為預(yù)測數(shù)據(jù)。

進(jìn)一步的，對所構(gòu)建的神經(jīng)網(wǎng)絡(luò)BP模型進(jìn)行訓(xùn)練的過程包括：

對所準(zhǔn)備的樣本數(shù)據(jù)進(jìn)行標(biāo)記，生成訓(xùn)練集，并對訓(xùn)練集中的每個圖像樣本進(jìn)行圖像二值化處理；

獲得圖像二值化處理后的結(jié)果，并將經(jīng)過圖像二值化處理后的圖像樣本作為驗證集；

將訓(xùn)練集中的每個圖像樣本輸入至神經(jīng)網(wǎng)絡(luò)BP模型內(nèi)，將圖像樣本輸入至輸入層的神經(jīng)元節(jié)點內(nèi)，獲得圖像樣本的凈輸入值；

根據(jù)對應(yīng)神經(jīng)元節(jié)點的激活函數(shù)，獲得神經(jīng)元節(jié)點的活性值；

將所獲得的神經(jīng)元節(jié)點的活性值輸入至隱含層的神經(jīng)元節(jié)點內(nèi)，根據(jù)對應(yīng)神經(jīng)元節(jié)點的激活函數(shù)，獲得該神經(jīng)元節(jié)點的活性值；

將所獲得的隱含層內(nèi)的神經(jīng)元節(jié)點的活性值，輸入至輸出層內(nèi)的神經(jīng)元節(jié)點內(nèi)，并獲得預(yù)測輸出值，將所獲得的預(yù)測輸出值標(biāo)記為預(yù)測數(shù)據(jù)；

同理，將驗證集內(nèi)的每個圖像樣本輸入至神經(jīng)網(wǎng)絡(luò)BP模型內(nèi)，獲得對應(yīng)的預(yù)測輸出值，并將所獲得的預(yù)測輸出值標(biāo)記為監(jiān)督數(shù)據(jù)；