申请/专利权人：山东朝辉自动化科技有限责任公司

申请日：2024-01-03

公开（公告）日：2024-04-19

公开（公告）号：CN117523465B

主分类号：G06V20/50

分类号：G06V20/50;G01N29/04;G01N29/12;G06V10/764;G06V10/98

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明涉及物料识别技术领域，具体涉及一种料场物料种类自动识别方法，自动识别步骤为：S1、将料场物料放置在摄像模块下方，对物料进行拍摄；S2、将拍摄的图像上传至计算机内部，通过计算机内部的图像识别模块进行识别分析；S3、再次使用敲击设备，对物料进行敲击，通过声音收集模块对敲击出的声音进行收集；S4、通过对比分析模型，对收集的敲击声波与识别分析结果相应的声波波形进行匹配分析；S5、来检验图像识别模块识别的准确性，对正确性进行验证。本发明放弃人工识别的方法，操作快速便捷，通过声波匹配的方式去检测图像识别模块判断是否准确，减少降低误差的情况，带来了更好的使用前景。

主权项：1.一种料场物料种类自动识别方法，其特征在于，自动识别步骤为：S1、将料场物料放置在摄像模块下方，对物料进行拍摄；S2、将拍摄的图像上传至计算机内部，通过计算机内部的图像识别模块进行识别分析；S3、再次使用敲击设备，对物料进行敲击，通过声音收集模块对敲击出的声音进行收集；S4、通过对比分析模型，对收集的敲击声波与识别分析结果相应的声波波形进行匹配分析；S5、来检验图像识别模块识别的准确性，对正确性进行验证；S6、假设对比结果存在不一致情况，则将物料继续重复S1-S4步骤，来对物料进行识别；S1步骤中摄像模块为摄像头，摄像头与计算机相互连接，S2步骤中图像识别模块建立在计算机内部，图像识别模块构建步骤为：构建模型框架，确定好需要的卷积层，每个层的激活函数，每个层的隐藏单元；模型训练，一旦构建了模型框架，使用培训映像，此过程还需要定义迭代次数，在每个元素之后评估模型的性能；通过测试数据来评估模型的性能；图像识别模块识别步骤为：图像的预处理，对图像文件的预处理，对图像进行缩放、归一化与去噪必要的预处理；对图像的特征进行提取，从图像中提取出有区分性的特征，包括颜色、边缘与纹理；采用深度学习算法对提取的特征进行分类，将分类后的结果进行输出；特征提取步骤为：灰度化，将彩色图像转换为灰度图像，减少图像中的数据量，高亮显示图像的亮度信息；滤波处理，通过滤波对图像进行平滑，去除噪声和细节，使图像更加平滑；边缘检测，利用边缘检测算法检测图像中的边缘，提取物体的轮廓和边界；拐角检测，检测图像中的拐角，即像素值急剧变化的区域，强调显示图像中的重要特征点；特征描述，描述提取的特征，并用于后续匹配和识别；特征滤波，对提取的特征进行滤波，消除重复和冗余特征，保留重要特征点；特征编码，对特征进行编码以进行后续匹配和识别；其中边缘检测算法涉及的公式有：Gx，y＝absx-f+absx-f其中G为像素点x，y所在的梯度至，f为像素点的灰度值，absx为加权差；S3步骤中敲击设备通过气缸驱动，通过锤头产生敲打效果，气缸能够控制其敲打力的大小，声音收集模块通过录音设备进行收集，将收集得到的音频文件存储在计算机内部，计算机内声波分析步骤通过频谱分析法对声波进行分析，揭示声波不同频率分布的情况，将时域信号分解成不同频率的成分，并计算每个成分的幅度和相位，通过分析频谱，可以了解信号中的各个频率分量以及它们的强度和相位信息，得出相对应的波形示意图；S4步骤中匹配分析步骤为确定协变量，依据条件独立性假设选择协变量，变量应该同时影响干预变量和结果变量的混杂因素，选择发生在干预变量之前的变量，同时，不影响干预变量但对结果变量有重要影响的变量也需要引入；定义相似性，根据多维协变量计算距离，假设坐标轴上的量纲是相同的，表明协变量的量纲必须相同。

全文数据：

权利要求：

百度查询： 山东朝辉自动化科技有限责任公司 一种料场物料种类自动识别方法

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