申请/专利权人：中华人民共和国张家港海关;浙江理工大学

申请日：2021-01-29

公开（公告）日：2024-04-30

公开（公告）号：CN112767387B

主分类号：G06V10/764

分类号：G06V10/764;G06T7/00;G06T7/11;G06T7/90;G06T5/80;G06T3/4007;G06V10/44;G06V10/82;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2021.05.25#实质审查的生效;2021.05.07#公开

摘要：本发明公开了一种基于分块梯度加权的木材图像自动识别方法，包括预处理木材横截面图像；分块处理所述木材横截面图像；通过卷积神经网络模型训练分分块后的子图像；从所述木材横截面图像边缘到中心采用不同的梯度值作为不同子区域图像分类得分的权重，并加大中心区域在整个木材横截面图像分类得分中所占的比重，将加权得分转换为最终的概率值。本发明提供的技术方案通过分块处理图像，能够提取更加精细的图像特征，提高木材的识别准确率，同时采用梯度加权法增强了模型的鲁棒性，提高了模型的容错率和泛化能力。

主权项：1.一种基于分块梯度加权的木材图像自动识别方法，其特征在于，包括以下步骤：S1、预处理木材横截面图像；S2、分块处理所述木材横截面图像；S3、通过卷积神经网络模型训练分块子图像；S4、从所述木材横截面图像边缘到中心采用不同的梯度值作为不同区域子图像分类得分的权重，并加大中心区域在整个木材横截面图像分类得分中所占的比重，将加权得分转换为最终的概率值；其中，S1中所述预处理木材横截面图像的步骤包括：S11、对所述木材横截面图像进行颜色校正，包括通过灰色世界法对所述木材横截面图像进行颜色校正，由所述木材横截面图像整体和R、G、B三通道的像素期望值计算R、G、B三通道的增益系数以及灰度平均值，并根据所述增益系数以及灰度平均值，对所述木材横截面图像中的每个像素进行各自R、G、B三通道分量的调整；S12、对校正后的木材横截面图像进行数据增强，包括采用水平翻转、垂直翻转和增添椒盐噪声的方法对所述校正后的木材横截面图像进行数据增强，使每种木材图像训练样本量处于规定数量范围中；S2中所述分块处理所述木材横截面图像的步骤包括：S21、对预处理后的木材横截面图像进行分割，得到多个子图像；S22、通过双线性插值法使每个子图像的尺寸像素统一；通过以下公式将加权得分转换为最终的概率值： 其中，S表示加权后的得分值，n表示分块的行数，m表示分块的列数，Z表示各子图像分类得分值，Y表示最终概率值，C表示木材总类别数。

全文数据：

权利要求：

百度查询： 中华人民共和国张家港海关;浙江理工大学 一种基于分块梯度加权的木材图像自动识别方法

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