[发明专利]羽毛片分类识别方法、装置及计算机可读存储介质

说明书

本发明公开了一种羽毛片分类识别方法、装置及计算机可读存储介质，包括获取羽毛片图像，并对所述羽毛片图像进行预处理；分割所述羽毛片图像中的损坏区域，根据损坏区域图像及正常羽毛片图像，分别计算均值协方差矩阵；根据所述均值协方差矩阵，构造训练样本；将所述训练样本输入Fisher线性判别中进行训练，得到分类模型；将测试样本输入至所述分类模型中，实现羽毛片的分类识别。本发明的技术方案，能够将带有一种或多种不同损坏种类的羽毛片从正常羽毛片中识别分类出来，减少人力物力检测成本，提高羽毛片检测准确度，有效提升生产效率。

技术领域

本发明涉及图像处理技术领域，特别涉及一种羽毛片分类识别方法、装置及计算机可读存储介质。

背景技术

由于鸭、鹅在自然生长过程中羽毛会受到伤害,且在后期对羽毛的生产加工过程中也可能会造成羽毛损坏,所以加工后的羽毛片通常会存在着多种损坏现象。羽毛片的损坏种类有很多,例如虫蛀、缺失、缺陷等。羽毛片是羽毛球生产的主要原料，羽毛片分拣质量直接决定了羽毛球成品的质量,最终影响着生产商的生产效率和经济效益,因此在生产羽毛球时需要准确地将带有虫蛀或缺失或缺陷等损坏种类的羽毛片分拣出来。

目前，羽毛球的工艺要求只能植入没有缺陷的羽毛片。而现有技术中，针对羽毛片的分类检测方法主要是通过人工视觉方法。即通过人工观察，对羽毛片进行手工分类，从而将没有缺陷的羽毛片分拣出来，但这种检测方法需要大量的人力物力来完成，生产效率低下，且劳动强度高。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种羽毛片分类识别方法、装置及计算机可读存储介质，能够实现羽毛片的识别与分类，减少人力物力检测成本，提高羽毛片检测准确度。

本发明实施例的第一方面，提供了一种羽毛片分类识别方法，包括以下步骤：获取羽毛片图像，并对所述羽毛片图像进行预处理；分割所述羽毛片图像中的损坏区域，根据损坏区域图像及正常羽毛片图像，分别计算均值协方差矩阵；根据所述均值协方差矩阵，构造训练样本；将所述训练样本输入Fisher线性判别中进行训练，得到分类模型；将测试样本输入至所述分类模型中，实现羽毛片的分类识别。

本发明实施例中提供的一个或多个技术方案，至少具有如下有益效果：本发明实施例，通过对获取的羽毛片图像进行预处理，便于增强图像的可检测性和最大限度地简化数据，从而提高特征抽取、图像分割、匹配和识别的可靠性；之后，分割羽毛片图像中的损坏区域，将损坏区域图像与正常羽毛片图像分离区别出来，再根据损坏区域图像及正常羽毛片图像，分别计算均值协方差矩阵；根据均值协方差矩阵，构造训练样本，训练样本内既包括损坏区域图像样本，也包括正常羽毛片图像样本；之后，将所有训练样本输入Fisher线性判别中进行训练，得到分类模型，该分类模型具有分类识别的效果，最后将需要测试样本输入至分类模型中，从而实现羽毛片的分类识别。相对于现有技术，本发明实施例的技术方案，通过羽毛片分类识别方法，能够将带有一种或多种不同损坏种类的羽毛片从正常羽毛片中识别分类出来，减少人力物力检测成本，提高羽毛片检测准确度，有效提升生产效率。

根据本发明的一些实施例，所述分割所述羽毛片图像中的损坏区域，根据损坏区域图像及正常羽毛片图像，分别计算均值协方差矩阵，包括以下步骤：分别从损坏区域图像和正常羽毛片图像中提取图像特征；根据所述图像特征，构建协方差特征矩阵；根据所述协方差特征矩阵，计算均值协方差矩阵。

根据本发明的一些实施例，所述协方差特征矩阵的计算公式如下：其中，n表示像素点的个数，/表示d维向量，d表示训练样本维数；μ表示所有像素点对应的/的均值。

根据本发明的一些实施例，所述均值协方差矩阵的计算公式如下：其中，C_n＝RR^T,R是通过对协方差特征矩阵C_n进行乔尔斯基分解得到的上三角矩阵。