[發明專利]基于深度學習的投料校準方法與系統

在審

• 申請號: 202310322842.8
• 申請日: 2023-03-30
• 公開（公告）號: CN116469108A
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 鄭裕盛
• 申請（專利權）人: 廣東瓴仕數字科技有限公司
• 主分類號: G06V30/19
• 分類號: G06V30/19;G06V30/148;G06V10/82;G06N3/08
• 代理公司: 廣東穗科知識產權代理事務所(普通合伙) 44834
• 代理人: 黃啟文

1.基于深度學習的投料校準方法，其特征在于：包括以下步驟：

S1.在投料口安裝圖像拍攝模塊；

S2.下載投料單，獲取投料的批次信息；

S3.進行投料操作時，利用所述圖像拍攝模塊對料包包裝袋上的文字信息進行拍攝，獲取拍攝圖像；

S4.利用深度學習技術對所述拍攝圖像進行處理，獲取所述料包上的批次信息；

S5.將所述獲取的批次信息與投料單中的批次信息進行匹配，若成功匹配則提示校準成功，否則提示校準錯誤。

2.根據權利要求1所述的基于深度學習的投料校準方法，其特征在于：所述利用深度學習技術對所述拍攝圖像進行處理，具體包括：

利用已訓練好的模型對拍攝圖像進行處理。

3.根據權利要求2所述的基于深度學習的投料校準方法，其特征在于：所述模型的訓練過程包括：

構建樣本圖像，對所述樣本圖像進行標注后，將所述樣本圖像輸入至模型中，模型輸出識別結果；

基于所述識別結果更新模型的參數信息。

4.根據權利要求2所述的基于深度學習的投料校準方法，其特征在于：預設單個字符的寬度與間距；所述利用深度學習技術對所述拍攝圖像進行處理的過程中，若出現字符的分割區域形成粘連的情況，則利用所述單個字符的寬度與間距對字符進行切分。

5.根據權利要求4所述的基于深度學習的投料校準方法，其特征在于：預設面積閾值；所述利用深度學習技術對所述拍攝圖像進行處理的過程中，忽略小于面積閾值的連通區域。

6.基于深度學習的投料校準系統，其特征在于：包括圖像拍攝模塊、數據處理模塊；其中，圖像拍攝模塊用于對料包包裝袋上的文字信息進行拍攝，獲取拍攝圖像；數據處理模塊用于下載投料單，獲取投料的批次信息；利用深度學習技術對所述拍攝圖像進行處理，獲取所述料包上的批次信息；將所述獲取的批次信息與投料單中的批次信息進行匹配，若成功匹配則提示校準成功，否則提示校準錯誤。