申请/专利权人：北京工业大学

申请日：2023-06-02

公开（公告）日：2023-09-15

公开（公告）号：CN116758017A

主分类号：G06T7/00

分类号：G06T7/00;G06T7/80;G06V10/764;G06V10/82;G06T7/70;G06T7/50;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.10.03#实质审查的生效;2023.09.15#公开

摘要：本发明公开了流水线上密集竖排的袋装食品精确数量与异常情况的视觉实时检测方法，该方法采用改进的YOLO深度神经网络对密集竖排的袋装食品进行检测，得到小袋装食品的位置、类别、数量和姿态角度；利用该识别结果与视觉深度信息相结合，实时检测出流水线上异常摆放的个别小包装的位姿，便于及时处理异常摆放的食品。为进一步精确判别目标个数，根据每个检测出的包围框的宽度信息判断个数检测的可信度，若可信度低，对误判的目标物体个数进行纠正，确保识别准确。该方法具有检测速度快、密集排列袋装食品的数量检测精确、且可以识别异常情况的优点，对于机器人按多样的数量与排列要求实时自主地完成包装任务至关重要。

主权项：1.流水线上密集竖排的袋装食品精确数量与异常情况的视觉实时检测方法，其特征在于，该方法包括如下步骤：1建立系统内坐标系；所述系统内坐标系包括机器人坐标系、相机坐标系、传送带坐标系；其中传送带的系统坐标系与机器人坐标系平行，用Matlab实现相机标定，完成各个坐标系之间的转换；2流水线上密集竖排的小型袋装食品数量检测与异常情况识别；基于深度相机实时采集流水线上小型袋装的图片，并采用改进的YOLO深度神经网络训练识别模型，该改进的YOLO深度神经网络在数据加载部分添加了一个θ维度，将θ转为分类问题，并在损失函数中添加θ角度分类损失，检测出小型袋装的位置、类别、数量和旋转角度；基于深度相机检测目标物体的深度信息并于正常值进行比较，利用检测出的目标物体的深度信息与深度网络模型识别结果相结合辨别出异常摆放的零食，并将异常物品的位置与旋转角度信息实时传送给机器人，使机器人以姿态抓取异常摆放的零食，将其移除；应用改进的YOLO神经网络来获取包围框的旋转角度信息；3误判小型袋装食品数量情况下的检测纠正；设定物体宽度的经验范围，若检测出的宽度在正常范围之内，则可信度高；若检测出的宽度大于正常范围，则可信度低，可能有误判发生，需要对检测个数进行纠正，依据经验的物体宽度值对个数误判发生处进行重新计算。

全文数据：

权利要求：

百度查询： 北京工业大学 流水线上密集竖排的袋装食品精确数量与异常情况的视觉实时检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD