[发明专利]一种红木家具识别分类方法、装置、介质和设备

说明书

本发明涉及智能识别技术，特别涉及一种红木木纹识别分类方法、装置、介质和设备，与现有技术相比，本发明提供的一种红木家具识别分类方法，只需直接采集红木家具表面的木纹图像进行模型搭建以及预测识别使用，无需采集红木切片的显微图像，便于使用；本发明通过采集到的原始图像进行第一训练数据集以及第二训练数据集的生成，并通过深度学习方法根据第一训练数据集训练红木识别预测模型，根据第二训练数据集训练红木类别预测模型。当对待预测图像进行红木分类时，可先通过红木识别预测模型对图像判断出是否为红木图像，然后通过红木类别预测模型对红木图像进行分类预测，当处理大量待预测图像时，本发明可明显降低计算资源的浪费。

技术领域

本发明涉及智能识别技术，特别涉及一种红木木纹识别分类方法、装置、介质和设备。

背景技术

一直以来红木家具就受到很多人的喜爱和推崇，但是大部分人对红木家具知之甚少，无法区分出红木的种类或者真假。以往红木种类的主观区分主要靠专家经验，通过观察颜色、木纹、软硬、重量等诸多方面得出初步判别。而专业的红木种类鉴别则需要通过专业的鉴别机构在显微镜下观察其微观构造得出结论。这两种区分红木种类的方法对于普通想购买红木家具的消费者来说，大部分消费者不具备辨识红木种类的技能，而找专业机构检测也很不方便。在红木家具的消费市场上，消费者亟需一种能快速初步辨别红木种类的设备，其检测结果能为消费者提供一定的参考和辅助作用。

现有技术中例如公开号为CN110363249A(公开日期为2019年7月22日)的中国专利申请公开的一种基于神经网络的红木种类识别方法，通过搭建卷积神经网络模型，运用于红木切片的识别，具有识别精度高，识别速度快的优点；由于红木切片受切片试剂的影响，切片的显微镜图像存在气泡和空白，运用图像预处理技术消除存在的气泡和空白，避免影响识别精度；红木切片大小不一造成的图像尺寸不一致，通过旋转裁剪的方式使图像的尺寸和观测角度一致；经过均衡化处理后的图像，使图像上的黑块变淡、纹理变清晰。

现有技术中存在的问题有，一方面是需要采用红木切片的显微镜图像，图像采集过程复杂，不便于用户的直接使用；另一方面则是直接对图像进行红木类别的判断，若识别对象数量庞大且存在较多非红木图像，会浪费大量计算资源。

发明内容

为解决上述现有技术中的不足，本发明提供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。

在一些实施例中，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。

在一些实施例中，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；