申请/专利权人：南京海关工业产品检测中心

申请日：2024-01-26

公开（公告）日：2024-03-01

公开（公告）号：CN117635619A

主分类号：G06T7/00

分类号：G06T7/00;G06T7/62;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明涉及图像处理技术领域，尤其是涉及基于机器视觉的原木材积检测方法及系统；本发明在采用机器视觉模型对原木材积检测时，首先对待检测原木图像判断，将由于切割造成的端面部分缺失和由于阴影造成的端面图像部分缺失区分出来，进而采用不同的检测模型进行后续的机器视觉模型检测，以提高原木材积检测的准确度；同时，由于进行区分，则不需要复杂的模型进行上述图像的区分和检测，因此，一定程度上简化了检测的步骤，提高了原木材积检测的效率。

主权项：1.一种基于机器视觉的原木材积检测方法，其特征在于，所述方法包括以下步骤：S1：获取待检测原木图像；S2：对所述待检测原木图像进行预处理；S3：对所述预处理后的待检测原木图像进行判断，判断是否存在阴影，若不存在，则进入S4，若存在，则进入S5；S4：采用深度学习模型对所述待检测原木图像进行检测，得到所述待检测原木图像中原木的轮廓信息；所述深度学习模型为卷积神经网络模型，所述卷积神经网络模型用于对所述原木图像中仅包含有完整端面轮廓以及端面轮廓因非阴影原因造成残缺的原木图像进行识别，在所述S4中，采用深度学习模型对所述待检测原木图像进行检测具体为：S4.1：建立所述深度学习模型训练的样本集；其中，在选取样本集时，选取的原木图像中不包含影响原木轮廓信息完整的阴影，以及选择多张具有原木端面部分缺失图像作为样本集；S4.2：采用所述样本集对所述深度学习模型训练；S4.3：将待检测原木图像输入至所述深度学习模型中，得到所述原木图像中的原木的轮廓信息；S5：采用有阴影原木检测模型对所述待检测原木图像进行检测，得到所述待检测原木图像中原木的轮廓信息；所述有阴影原木检测模型用于对所述原木图像中包含因阴影原因造成残缺的原木图像进行识别，所述有阴影原木检测模型包括：深度学习模型以及不完整端面补足模型；S6：根据所述S4或者S5得到的轮廓信息计算所述原木材积。

全文数据：

权利要求：

百度查询： 南京海关工业产品检测中心 一种基于机器视觉的原木材积检测方法及系统

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