[发明专利]一种基于深度神经网络的视觉智能分拣方法及系统

说明书

本发明公开了一种基于深度神经网络的视觉智能分拣方法及系统，方法包括基于深度神经网络构建货品识别模型，所述货品识别模型的输入为待识别货品的目标图像，所述货品识别模型的输出为货品的种类，智能相机获取待识别货品的图像，对待识别货品的图像进行预处理，得到待识别货品的目标图像，将待识别货品的目标图像输入货品识别模型，货品识别模型输出货品种类，分拣装置依据货品种类对货品进行移动，从而实现货品的分拣；通过采用深度神经网络构建货品识别模型，并通过货品识别模型对货品进行识别，从而避免了在货品上粘贴二维码而损坏货品的情况发生，同时，通过货品识别模型进行识别还能够大大提升识别能力，提高分拣的效率。

技术领域

本发明涉及智能分拣技术领域，特别涉及一种基于深度神经网络的视觉智能分拣方法及系统。

背景技术

随着人工成本的不断升高，用机器代替人力去做一些重复性的高强度的劳动是现代机器研究的一个重要方向，在现有的工业化产业中，一般会通过机械分拣的方式对产品进行分拣，具体为，通过智能相机对货品上的二维码标签进行识别，从而判断出货品种类，然后通过控制系统依据判断结果控制机械手对货品进行相应位置的移动，从而实现货品分拣的效果。

但是，现有技术实现货品分拣存在以下的缺陷：(1)需要在货品上粘贴二维码标签，可能会导致损坏货品的情况发生，同时，也增加了工作量，降低分拣效率；(2)识别的效果比较差，如果货品上的二维码展示角度与智能相机拍摄角度不一致，会导致无法对货品进行识别，从而也无法对货品进行分拣。

发明内容

本发明的目的在于提供一种基于深度神经网络的视觉智能分拣方法及系统，解决了现有技术存在的分拣效率低、容易造成货品损坏和货品识别能力差的问题。

本发明通过以下技术方案实现的：

一种基于深度神经网络的视觉智能分拣方法，具体包括以下步骤：

步骤S1，基于深度神经网络构建货品识别模型，所述货品识别模型的输入为待识别货品的目标图像，所述货品识别模型的输出为货品的种类；

步骤S2，智能相机获取待识别货品的图像；

步骤S3，对待识别货品的图像进行预处理，得到待识别货品的目标图像；

步骤S4，将待识别货品的目标图像输入货品识别模型，货品识别模型输出货品种类；

步骤S5，分拣装置依据货品种类对货品进行移动，从而实现货品的分拣。

作为所述基于深度神经网络的视觉智能分拣方法的进一步可选方案，所述步骤S1中基于深度神经网络构建货品识别模型包括以下步骤：

步骤S11，获取货品不同形态下的图像信息；

步骤S12，对货品不同形态下的图像信息进行特征提取，得到货品的姿势特征；

步骤S13，将货品的姿势特征输入深度神经网络中进行训练，从而构建出货品识别模型。

作为所述基于深度神经网络的视觉智能分拣方法的进一步可选方案，所述步骤S3包括以下步骤：

步骤S31，确定待识别货品图像的阈值；

步骤S32，依据所述阈值对待识别货品图像进行分割，得到待识别货品的目标图像。

作为所述基于深度神经网络的视觉智能分拣方法的进一步可选方案，所述步骤S31包括以下步骤：

步骤S311，对待识别货品图像进行灰度化处理，得到灰度图像；

步骤S312，将灰度图像转换成积分图像，并对积分图像进行区域领域均值运算，得到各区域新的中心像素点灰度值；