[发明专利]一种袋装产品的AI识别定位方法、系统及装置

说明书

一种袋装产品的识别定位方法或系统，融合AI与机器视觉，使用深度学习模型将采集到的袋装产品的原始图像进行识别和处理，得到第一组数据，并使用传统的模板匹配算法得到对应的另一组数据，将两组数据进行核对校准，获取最优组数据，以所述最优组数据作为袋装产品定位结果，以使得机械手根据该组最优数据进行袋装产品的抓取以完成后续程序，由于使用深度学习模型处理的方法得到数据进行判定袋装产品定位结果，不需要占用较大面积，就能完成混乱物料的识别和判断，并将准确数据传递给后续的充填或执行机械手，能够快速和准确的实现袋装产品包装自动化，更好的实现工厂现代化。

技术领域

本发明涉及包装自动化领域，具体涉及一种袋装产品的AI识别定位方法、系统及装置。

背景技术

在包装自动化领域，通常需要将袋装产品放入既定的包装容器当中(例如将小袋产品有序装入纸盒)，一般是利用充填或执行机械手抓取来料放入包装容器中，以实现包装自动化。然而，如果来料的不规则、混乱、堆叠等现象往往导致机械手无法抓取适当产品以至于后续自动化难以实现。通常，需要人工投料，以避免进料不规则、混乱或者堆叠的情况。

目前市面上有利用震动或差速理料装置将物料分开，以避免堆叠并使物料均匀的方式，但是，这些方式的成本较大，也需要占用较大的占地面积，效率较低，不利于现代化工厂。

因此，需要一种袋装产品识别定位方法，以使得在适当的占地面积情况下，完成混乱物料识别和判断，并将准确数据传递给后续的充填或执行机械手，使得效率更高。

发明内容

本发明主要解决的技术问题是提供一种袋装产品的识别定位方法、系统及装置，能够在不增加过多占地面积的情况下，完成混乱物料的识别和判断，并将准确数据传递给后续的充填或执行机械手。

根据第一方面，一种实施例中提供一种融合AI与机器视觉的袋装产品的识别定位方法，包括：

采集流水线上袋装产品的原始图像；

将所述原始图像传入深度学习模型进行处理，得到袋装产品的第一组数据，其中，所述第一组数据包括中心点坐标、正反类别以及角度数据；

使用模板匹配算法对所述原始图像进行处理，得到对应所述第一组数据的第二组数据，其中，所述第二组数据包括中心点坐标、正反类别以及角度数据；

将所述第一组数据和第二组数据进行核对校准，获取最优组数据，以所述最优组数据作为袋装产品识别定位结果；

将所述袋装产品识别定位结果传递给机械手，以使机械手抓取袋装产品，同时，通过上位机软件界面实时进行效果展示。

一些实施例中，将所述原始图像传入深度学习模型进行处理，得到袋装产品的第一组数据包括：

将所述原始图像传入预先训练好的深度学习模型YOLO中进行识别；

将识别到的每一个非堆叠状态的袋装产品的坐标与类别信息经数据提取转换成中心点坐标、正反类别以及角度，以实现初步定位。

一些实施例中，所述深度学习模型YOLO的训练过程包括：

使用工业相机采集流水线上随机摆放的袋装产品图像，并使用标注工具进行袋装产品整体目标、局部目标的标注，从而构建起数据集，其中，所述整体目标包括袋装产品整体区域的范围，分为正面和反面；所述局部目标包括袋装产品上的局部特征区域，正面和反面上均至少1个；

从所述数据集中按照预设比例划分出训练集、验证集和测试集；

使用训练集对深度学习模型YOLO进行训练，使用验证集在训练过程中进行模型的性能评判，然后使用测试集进行测试，当测试结果能够准确识别定位出整体目标和局部目标时既通过测试，最终得到满足要求的YOLO预训练模型。