[发明专利]用于产品数量检测的图像识别方法

说明书

技术领域

本发明涉及一种图像识别方法，特别是一种用于产品数量检测的图像识别方法。

背景技术

随着计算机技术与信息技术的发展，图像识别技术得到了积极的推广应用，例如医疗诊断中各种医学图片的分析与识别、天气预报中的卫星云图识别、指纹识别、脸谱识别等，图像识别技术越来越多地渗透到了我们的日常生活中。但是现有的图像识别方法大都存在以下缺点：图像识别的整个过程步骤很多，每个步骤都有若干算法，而算法的好坏直接影响后续步骤的效果，对于质量较差的图像的处理不太理想，算法的效率较低。如图像分割中，采用单一特征的图像分割方法难以达到理想的分割效果，如把多种图像分割方法结合起来使用，往往会造成图像的过度分割，也不利于图像的识别；某些算法采用Gabor变换进行图像增强，但由于对特征点区域的不敏感性，使得这部分的增强效果不佳，时常无法区分端点还是分支点，致使这一特征信息无效。

此外，在工业生产中，企业对产品数量的检测一般都是人工干涉的方式进行，这种方式存在以下缺点：需要投入的人工较多，生产成本较高，劳动强度较大，库存精度和生产效率较低。而若将传统的图像识别技术用于企业产品数量的清点检测，则存在效率低下、准确率低、方法过于复杂的不足之处。

发明内容

本发明要解决的技术问题是：提供一种识别精度高、方法简单的用于产品数量检测的图像识别方法，并使该方法可以降低生产成本、减小劳动强度，提高生产效率。

 解决上述技术问题的技术方案是：一种用于产品数量检测的图像识别方法，该方法是一种通过截取视频图像来对产品数量进行检测的方法，包括以下步骤：

    S1. 安装视频设备；

    S2. 产品的包装：分别将产品用色彩与周围环境颜色形成反差的长方体包装箱进行包装；

    S3. 包装箱的堆码：将各包装箱堆码成一个正方体或长方体的货垛；

    S4. 视频的采集：通过视频设备采集堆码后的货垛总外观视频资料；

    S5. 视频截图：调用视频截图软件读取视频流，生成图片；

    S6. 对图片进行前处理：依次将前景和背景分离、去除边界、去除周边噪音、灰度处理、形态再次除噪；

    S7. 对经前处理的图片进行中间识别：将经前处理的图片依次进行找最低点、修复边界线、找左右两侧点、搜索层数点、搜索左右上边界点，并判断最上层是否是整层，得出层数以及每层包装箱的数量；

S8. 判断产品的全部数量：如果最上层是整层，将每层包装箱数量乘以层数，得出产品的全部数量；如果最上层是非整层，将所有整层的每层包装箱数量乘以整层的层数，再加上非整层包装箱的数量，得出产品的全部数量；将结果输出。

 本发明的进一步技术方案是：所述的步骤S6.对图片进行前处理包括下列具体步骤： 

S6.1.前景和背景分离：

利用聚类分析计算方法，设定阈值，分割图像空间成几个区域块，取有效区域作为前景，其余为背景；

S6.2去除边界：

针对二值图中边界在整行数或整列数完全为1和0的特征，设定黑色为0，白色为1，从边界线逐行或逐列扫描，获得去除区域，去除边界；

S6.3去除周边噪音：

用聚类分析结果与原图像比较去除零散的周围点，同时恢复为JPG格式文件；

S6.4灰度处理：

通过改变像素点的变化范围，设定阈值，变彩色图像为灰度图；

S6.5形态再次除噪：

用形态学边缘算子，细化图像边缘，减少频率低的噪声，进一步确定边缘定位精度，以达到完全去除干扰散点。

本发明的进一步技术方案是：所述的步骤S7.对经前处理的图片进行中间识别包括下列具体步骤：

S7.1.找最低点：

每张图片均有四个角点，分别为L0{0,0}、L0{1,0}、L0{1,1}、L0{0,1}，通过对图片的像素扫描和阈值的设定，获取堆码后货垛总外观三维图片的最低点以及与最低点连接的两条边界线；

S7.2.修复边界线：

以最低点为原点，对两条边界线进行修复，减少在后处理中的搜索误差；

S7.3. 找左右两侧点：

同样通过对图片的像素扫描获取两条边界线上的最远端点，该两条边界线上的最远端点即为左右两侧点，所述的左右两侧点和最低点勾勒了堆码后货垛总外观三维图片的左右底层的轮廓范围；

S7.4.搜索层数点：