[发明专利]基于深度学习的卷烟识别分拣方法及其卷烟识别分拣装置

说明书

本发明提供一种基于深度学习的卷烟识别分拣方法及其卷烟识别分拣装置，本发明的方法包括如下步骤：启动整个卷烟识别分拣装置，图像采集器处于待命状态；图像采集器开始采集图像，然后将采集到的图像进行压缩编码，并将其传送至图像识别系统中；图像识别系统中，将采集到的条烟图像输入到卷积神经网络中，得到的输出为条烟的种类；确认客户所需的条烟的品牌以及数量是否符合，当所有订单分拣完成，系统关闭。本发明解决了现有的卷烟识别分拣方法的工作量大、识别精度不高的问题。

技术领域

本发明涉及卷烟识别分拣技术领域，尤其涉及一种基于深度学习的卷烟识别分拣方法及其卷烟识别分拣装置。

背景技术

我国是卷烟生产以及消费的大国，2015年烟草行业上缴财政总额超过11000亿元，占国家财政收入的比重高达7.3％。且从行业发展中可以估计，它在未来的一定时期还会一直保持甚至发展。

我国卷烟实现了“一库制”集中配送的网建新模式，这种新模式有多品种、少批量、多用户的特点，这使得一个地级市烟草配送中心条烟每日分拣量达到1000箱以上。为适应配送中心数量多，分拣效率高的要求，国内烟草配送中心多使用半自动卷烟分拣机。半自动卷烟分拣机分为上烟、分拣、收烟三个环节，本发明是针对分拣过程中的条烟识别功能。

现有的条烟识别分拣设备主要用于解决在匀速运动的传送装置上，对于包装好的条烟的种类进行识别。以此来确定传送装置上的条烟是否是需要的品牌以及数目。现阶段主流的条烟识别系统有基于二维码的识别系统和基于数字图像的识别系统。

基于二维码的识别系统，顾名思义，是通过扫描条烟上的二维码来进行条烟种类识别。如果成功获取二维码信息，则卷烟的正确识别率很高。但是扫描前，必须确保条烟上刻有二维码的面朝上且正对扫描器，该过程主要是人工的，如此便大大的增加了工作量。而且二维码的识别时间较长，在高速运动的传送装置上很容易因二维码扫描失败而造成错误识别或拒绝识别。

基于数字图像的识别系统则是通过数字图像的知识，将采集到的条烟图像进行预处理(灰度化，图像增强，图像压缩等)后，对图像进行分割并提取图像的特征(主成分分析，频谱特征等)，进而通过一些模式识别的方法(模板匹配，模糊模式，支持向量机等)对图像进行分类。但是，目前基于数字图像识别方法的效率低下，精确度并不高。

发明内容

本发明的目的在于：为解决现有的卷烟识别分拣方法的工作量大、识别精度不高的问题，本发明提供一种基于深度学习的卷烟识别分拣方法及其卷烟识别分拣装置。

本发明的技术方案如下：

一种基于深度学习的卷烟识别分拣方法，包括如下步骤：

步骤1：启动整个卷烟识别分拣装置，图像采集器处于待命状态；

步骤2：当卷烟位于图像采集器下方时，图像采集器开始采集图像；

步骤3：将采集到的图像进行压缩编码，并将其传送至图像识别系统中；

步骤4：图像识别系统中，将采集到的条烟图像输入到卷积神经网络中，得到的输出为条烟的种类；

步骤5：图像识别系统调出数据库的其中一个订单，确认客户所需的条烟的品牌以及数量是否符合，如果符合则进入步骤6；如果不符合订单要求，则停止分拣，并立即更正错误条烟，待错误纠正后，返回步骤3；

步骤6：检测步骤5中获取的订单分拣是否完成，如果没有完成则回到步骤3，如果完成，则再次调出下一个订单；当所有订单分拣完成，系统关闭。

具体地，所述步骤4中的卷积神经网络的获得包括搭建过程和训练过程，卷积神经网络的搭建过过程为：搭建4个卷积层、2个池化层、2个全连接层以及1个输出层。

具体地，所述卷积神经网络的训练过程为：