[发明专利]一种基于模型融合的多侧面联合检测物品分类方法

权利要求书

1.一种基于模型融合的多侧面联合检测物品分类方法，其特征在于，其步骤如下：

采集待分类物品不同视角的图像后其分别分别输入处理模型I得到各预测概率矩阵；再对各预测概率矩阵进行融合得到融合矩阵；最后将融合矩阵输入处理模型II即得到待分类物品的分类结果；

所述处理模型I为Densenet模型，其输入为物品图像，输出为物品的对应类别，其训练是以类别已知的物品图像作为训练集对模型进行训练，不断调整模型参数，最终达到训练次数上限；

所述处理模型II为BP神经网络，其输入为物品各图像融合矩阵，输出为物品的对应类别，其训练过程是以包含已知类别的物品各图像融合矩阵及其对应类别的样本集作为训练集对模型进行训练，不断调整模型参数，最终达到训练次数上限，所述已知类别的物品各图像融合矩阵是指将已知类别的物品的各图像输入处理模型I后得到的各预测概率矩阵融合后得到的矩阵。

2.根据权利要求1所述的一种基于模型融合的多侧面联合检测物品分类方法，其特征在于，所述采集待分类物品不同视角的图像是通过视觉图像采集系统完成的，具体操作为：将待分类物品放在视觉图像采集系统的转盘中心上，开启视觉图像采集系统所有的图像采集设备均开始采集待分类物品的图像；

所述视觉图像采集系统，包括一用于放置待分类物品的转盘，所述转盘与转盘驱动装置连接，在转盘驱动装置的驱动下可水平旋转；

围绕所述转盘布置有两个以上视野中心对准转盘中心的图像采集设备，所述图像采集设备位于所述转盘的上方，所述图像采集设备布置在所述转盘的不同方位上且其与转盘间的高度差不同；

所述图像采集设备、转盘驱动装置分别与中央处理单元连接。

3.根据权利要求2所述的一种基于模型融合的多侧面联合检测物品分类方法，其特征在于，所述已知类别的物品图像是将已知类别的物品放置在视觉图像采集系统的转盘中心上开启视觉图像采集系统采集得到的。

4.根据权利要求1所述的一种基于模型融合的多侧面联合检测物品分类方法，其特征在于，所述中央处理器采用图像采集设备的观察视角信息对图像采集设备采集到的图片进行处理即可对数据进行有效扩充。

5.根据权利要求1所述的一种基于模型融合的多侧面联合检测物品分类方法，其特征在于，所述转盘外设有一将其包覆在内的框架，所有的图像采集设备均与框架固定连接，框架上还固定有光源；

所述转盘底部设有一黑色背板；

所述转盘驱动装置为驱动电机。

6.根据权利要求5所述的一种基于模型融合的多侧面联合检测物品分类方法，其特征在于，所述光源布置在转盘的上方，所述框架外套有柔光罩；

所述框架为方形框架；

所述图像采集设备共有三个，分别布置在框架的A侧、B侧及顶部，且三个图像采集设备与转盘的高度差均不相同，A侧与B侧相互垂直。

7.根据权利要求6所述的一种基于模型融合的多侧面联合检测物品分类方法，其特征在于，所述框架的转角处圆角过渡；所述框架由多根铝合金方管固定拼接而成。

8.根据权利要求3所述的一种基于模型融合的多侧面联合检测物品分类方法，其特征在于，所述处理模型I具体为Densenet121网络模型；

训练处理模型I所用的一组数据组包括视觉图像采集系统采集得到的已知类别的物品的图像和其对应的类别。

9.根据权利要求3所述的一种基于模型融合的多侧面联合检测物品分类方法，其特征在于，训练处理模型II所用的一组数据组包括视觉图像采集系统中各图像采集设备采集得到的已知类别的一物品的图像输入处理模型I后得到的矩阵融合后的矩阵和其对应的类别。

10.根据权利要求2所述的一种基于模型融合的多侧面联合检测物品分类方法，其特征在于，所述图像采集设备采集到的图像在应用前需要进行如下预处理：

(1)灰度化；

(2)去除图像噪音；

(3)使用canny算子进行边缘检测；

(4)根据边缘找出最小外接正方形，将整个外接正方形截取；

(5)将正方形的图像采用双线性插值的方法缩放至合适大小。