[发明专利]基于机器视觉的废铜米定级方法及系统

权利要求书

1.一种基于机器视觉的废铜米定级方法，其特征在于，包括：

获取待定级废铜米的总质量和总体积；

获取所述待定级废铜米的第一图像，所述第一图像中的待定级废铜米均匀平铺在传送带表面；

将所述总质量、所述总体积及所述第一图像输入三层级联网络模型，以得到所述待定级废铜米的纯度信息；所述纯度信息用于表示所述待定级废铜米的纯度；

基于所述纯度信息，对所述待定级废铜米定级；所述待定级废铜米的纯度越高，所述待定级废铜米的等级越高。

2.根据权利要求1所述的方法，其特征在于，所述基于所述纯度信息，对所述待定级废铜米定级之前，所述方法还包括：

获取N个图像，所述N个图像为将所述待定级废铜米在传送带平铺N次后拍照得到的，所述N大于1，每个图像对应所述待定级废铜米的一次平铺，所述第一图像为所述N个图像中的任一图像；

所述基于所述纯度信息，对所述待定级废铜米定级，包括：

基于每个第一图像所对应的纯度信息，对所述待定级废铜米定级。

3.根据权利要求2所述的方法，其特征在于，所述基于每个第一图像所对应的纯度信息，对所述待定级废铜米定级，包括：

对每个第一图像所对应的纯度信息进行求平均处理，得到平均纯度信息；

基于所述平均纯度信息，对所述待定级废铜米定级。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述三层级联网络模型包括第一层网络模型、第二层网络模型以及第三层网络模型，所述将所述总质量、所述总体积及所述第一图像输入三层级联网络模型，以得到所述待定级废铜米的纯度信息，包括：

将所述第一图像输入所述第一层网络模型，所述第一层网络模型识别并标注所述第一图像中的杂质，以得到标注图像；

将所述标注图像输入所述第二层网络模型，以得到所述第二层网络模型输出的所述标注图像中的铜面积比；

将所述总质量、所述总体积及所述铜面积比输入所述第三层网络模型，以得到所述纯度信息。

5.根据权利要求4所述的方法，其特征在于，所述第一层网络模型为语义分割模型，所述第二层网络模型为卷积神经网络模型，所述第三层网络模型为全连接网络模型。

6.根据权利要求4所述的方法，其特征在于，所述将所述第一图像输入所述第一层网络模型之前，所述方法还包括：

采集大量的废铜米原始图像，按照语义分割的标注方法对所述废铜米原始图像中的杂质进行标注提取，得到M个杂质区域；

根据所述M个杂质区域进行数据增强处理，得到训练样本图像；

基于所述训练样本图像，对初始第一层网络模型进行训练，以得到训练好的第一层网络模型。

7.根据权利要求6所述的方法，其特征在于，所述根据所述M个杂质区域进行数据增强处理，得到训练样本图像，包括：

对于每个废铜米原始图像，从所述M个杂质区域中选择2k个杂质区域，其中k是[0，2P]间的随机整数，P为所述废铜米原始图像的杂质区域个数；

根据所述2k个杂质区域，进行数据增强处理，得到训练样本图像。

8.根据权利要求7所述的方法，其特征在于，所述根据所述2k个杂质区域，进行数据增强处理，得到训练样本图像，包括：

将2k个杂质区域中的随机k个杂质区域嵌入到所述废铜米原始图像中；

将剩余k个杂质区域按照预设规则划分为预设数量个子区域，将所述子区域嵌入到所述废铜米原始图像中，得到训练样本图像；其中，所述预设数量大于1。