[发明专利]一种用于油污程度的识别方法和系统

说明书

本发明给出了一种用于油污程度的识别方法和系统，包括获取包含待识别油污程度的初始图片，并将初始图片转换为灰度图；基于方向的谷形检测获取灰度图中的油污纹理特征，对油污纹理特征进行二值图像细化获取油污纹理图形；利用深度学习识别获得油污纹理库中与油污纹理图形相似的纹理图形，根据纹理库中的纹理图形的油污程度标引获得初始图片的油污程度。利用该方法可以快速对图片中的油污进行污染程度的识别分类，相比于人工识别更加有效率且更加识别结果更加准确。

技术领域

本发明涉及油污图像识别的技术领域，尤其是一种用于油污程度的识别方法和系统。

背景技术

在一些特殊的应用场景例如餐饮行业的厨房等一些油烟环境下的风道中，由于使用环境的特殊性，即油烟重、蟑螂小虫易聚集，使空调等各个部件对环境的耐受性压力倍增，虽然目前空调和风口已经在防油烟方面做了很大改善，但作为一个易变的环境体，仍面临较大考验。风口与空调主体之间有一段风道的距离，存在油烟通过风口进入风道，污染风道，影响空调出风质量的问题，且风道难以自由拆卸清洗，进一步加剧了用户体验的降低。目前这些风道由于其封闭性难以自由拆卸无法及时获悉风道内部的油污情况，所以亟需一种能够自动识别油污程度的方案。

发明内容

为了解决现有技术中缺乏自动识别油污程度的技术问题，本发明提出了一种用于油污程度的识别方法和系统，利用图像处理以及深度学习的油污识别方式自动识别获得油污的程度。

在一个方面，本发明提出了一种用于油污程度的识别方法，包括以下步骤：

S1：获取包含待识别油污程度的初始图片，并将初始图片转换为灰度图；

S2：基于方向的谷形检测获取灰度图中的油污纹理特征，对油污纹理特征进行二值图像细化获取油污纹理图形；

S3：利用深度学习识别获得油污纹理库中与油污纹理图形相似的纹理图形，根据纹理库中的纹理图形的油污程度标引获得初始图片的油污程度。

优选的，步骤S2中对油污纹理特征进行二值图像细化获取油污纹理图形具体包括：对油污纹理特征依次进行Otsu滤波，限制对比度，膨胀腐蚀和迭代细化算法，获得油污纹理图形。通过上述图像处理方式可以获得较为清晰的油污纹理图形，便于进行油污程度的判断。

进一步优选的，限制对比度的方式采用对比度受限的自适应直方图均衡算法。采用该方法可以解决噪音放大的问题。

进一步优选的，迭代细化算法采用zhang suen细化算法。通过迭代细化算法获得油污纹理的细化图，便于进行深度学习训练以及识别。

优选的，步骤S3之前还包括：利用深度学习训练进行油污纹理图形相似度的归类并构建油污纹理库，对油污纹理库中的油污程度进行标引。凭借油污纹理库的构建能够为深度学习识别提供识别数据基础。

进一步优选的，深度学习为基于密集卷积网络的深度学习，深度学习训练模型为densenet121模型。利用密集卷积网络的深度学习具有网络更窄，参数更少的优点。

优选的，油污纹理特征包括油污纹理的走向、长度和密集程度。通过多个纹理特征的识别进一步提高油污程度判断的准确性。

根据本发明的第二方面，提出了一种计算机可读存储介质，其上存储有一或多个计算机程序，该一或多个计算机程序被计算机处理器执行时实施上述方法。

根据本发明的第三方面，提出了一种用于油污程度的识别系统，该系统包括：

预处理单元：配置用于获取包含待识别油污程度的初始图片，并将初始图片转换为灰度图；

油污纹理图形获取单元：配置用于基于方向的谷形检测获取灰度图中的油污纹理特征，对油污纹理特征进行二值图像细化获取油污纹理图形；以及