[发明专利]基于深度学习的日用陶瓷类型识别方法

说明书

本发明属于计算机视觉目标识别计算领域，涉及一种基于深度学习的日用陶瓷类型识别方法，包括：1）在自然光下采用不同角度对日用陶瓷进行拍摄，获取日用陶瓷图像数据集；2）将日用陶瓷图像数据集使用图像标注工具进行标注，并将标注后的日用陶瓷图像数据集中的每类图像随机分成训练集和测试集；3）搭建深度学习网络YOLOv3‑M3模型；4）采用深度学习网络YOLOv3‑M3模型对训练集进行训练，获取日用陶瓷类型识别网络模型；5）用日用陶瓷类型识别网络模型对测试集进行识别测试，获取识别结果。本发明可提高识别的精准度和检测速度、具有良好的可行性和优越性的优点。

技术领域

本发明属于计算机视觉目标识别计算领域，涉及一种日用陶瓷类型识别方法，尤其涉及一种基于深度学习的日用陶瓷类型识别方法。

背景技术

自1960年代第一批学术论文出现以来，计算机视觉已经走了很远，现代系统已经出现，且它们可以集成到移动应用中。由于其广泛应用和巨大潜力，计算机视觉成为最热的人工智能和机器学习子领域之一，其目标是：复制人类视觉的强大能力。

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。其搭建的卷积神经网络模型类似于人的大脑，有自主学习的能力。广泛应用于各行各业，如图像识别、语音识别、自动驾驶、金融和智能制造等领域。

目标检测与识别是计算机视觉和深度学习领域中一种非常重要的研究方向。目标检测与识别是指从一幅场景(图片)中找出目标，包括检测和识别两个过程。其实现的难点在于待检测区域候选的提取与识别。

随着工业4.0的兴起，我国日用陶瓷产量和陶瓷企业数量都位于世界前列，已成为世界最大的日用陶瓷生产国。然而，日用陶瓷生产仍然面临诸多问题，目前有些日用陶瓷企业在生产技术方面还存在欠缺，采用传统落后的设备和人工质检方式对日用陶瓷进行质量检测和分拣。这样大大降低了日用陶瓷的生产效率和产品质量，同时也增加了生产的能耗和成本。对于多类型的日用陶瓷进行高效识别的方法还是很欠缺的。由于日用陶瓷在实际分拣环境下存在种类繁多，相互重叠、遮挡严重、造型差异大等问题，同时也是成为高效、高精度识别日用陶瓷类型的难点。

有鉴于此，急需解决日用陶瓷自动化生产、日用陶瓷精细化管理、日用陶瓷市场产量需求，日用陶瓷类型检测效率低的问题。

发明内容

为了解决背景技术中存在的上述技术问题，本发明提供了一种可提高识别的精准度和检测速度、具有良好的可行性和优越性的基于深度学习的日用陶瓷类型识别方法。

为了实现上述目的，本发明采用如下技术方案：

一种基于深度学习的日用陶瓷类型识别方法，其特征在于，所述基于深度学习的日用陶瓷类型识别方法包括步骤：

1)在自然光下采用不同角度对日用陶瓷进行拍摄，获取日用陶瓷图像数据集；

2)将步骤1)获取得到的日用陶瓷图像数据集使用图像标注工具进行标注，并将标注后的日用陶瓷图像数据集中的每类图像随机分成训练集和测试集，将训练集和测试集按照PASCAL VOC数据集的格式存储；所述训练集的数量和测试集的数量之比是4：1；

3)搭建深度学习网络YOLOv3-M3模型；

4)采用步骤3)搭建得到的深度学习网络YOLOv3-M3模型对步骤2)得到的训练集进行训练，获取日用陶瓷类型识别网络模型；

5)用步骤4)所获取得到的日用陶瓷类型识别网络模型对步骤2)得到的测试集进行识别测试，获取识别结果。

作为优选，本发明所采用的步骤1)的具体实现方式是：

1.1)在自然光下采用不同角度对日用陶瓷进行拍摄，获取日用陶瓷图像；