[发明专利]一种红木家具识别分类方法、装置、介质和设备

权利要求书

1.一种红木家具识别分类方法，其特征在于，包括以下步骤：

S10：采集红木家具表面木纹图像作为原始图像；

S20：通过所述原始图像生成训练数据集，所述训练数据集包括第一训练数据集和第二训练数据集；

S30：通过深度学习方法根据所述第一训练数据集训练红木识别预测模型，通过深度学习方法根据所述第二训练数据集训练红木类别预测模型；

S40：待预测图像被输入所述红木识别预测模型，若输出结果为红木图像，则将所述待预测图像输入所述红木类别预测模型，输出红木类别结果；否则返回非红木图像结果。

2.根据权利要求1所述的红木家具识别分类方法，其特征在于，所述步骤S10中采集红木家具表面木纹图像作为原始图像包括：

图像校正，将拍摄到的图像二值化后利用Canny算法提取图像中的边缘，利用Hough找出直线边，选择最长的四条边计算出各个边之间的交点，确定红木家具图像四个顶点以及中心点，通过仿射变换矩阵裁剪出红木家具主体部分对应的图像；

图像去噪，利用7×7，σ＝1的高斯算子对图像进行平滑处理。

3.根据权利要求1所述的红木家具识别分类方法，其特征在于，所述步骤S20中通过所述原始图像生成第一训练数据集的方法包括：

S21：将采集到的所述原始图像缩放为为256×256的第一小块图像；

S22：对每一所述第一小块图像分别进行图像变换生成若干第一派生小块图像，所述图像变换包括上下镜像、左右镜像、顺时针旋转90度或者逆时针旋转90度中的一种或多种的组合；

S23：将所述第一小块图像和所述第一派生小块图像均输入所述第一训练数据集。

4.根据权利要求1所述的红木家具识别分类方法，其特征在于，通过所述原始图像生成第二训练数据集的方法包括：

S24：采集所述原始图像上4000×2000的中央区域，在所述中央区域中随机取若干大小为512×512的第二小块图像；

S25：对每一所述第二小块图像进行图像变换生成若干第二派生小块图像，所述图像变换包括镜像或旋转或亮度的增加/减小；

S26：将每一所述第二小块图像及所述第二派生小块图像均输入所述第二训练数据集。

5.根据权利要求3所述的红木家具识别分类方法，其特征在于，所述步骤S30中通过深度学习方法根据所述第一训练数据集训练红木识别预测模型，包括：

S31：初始化二分类算法卷积神经网络，所述二分类算法卷积神经网络包括8个卷积层、7个池化层、7个批量归一化层；

S32：将所述第一训练数据集输入所述二分类算法卷积神经网络，输入初始核函数，通过所述二分类算法卷积神经网络以及softmax激活函数计算得输出结果；

S33：针对所述输出结果与真实结果计算误差，使用反向传播方法修正所述二分类算法卷积神经网络。