[发明专利]一种融合分类检测分割的废纸类别自动识别方法

权利要求书

1.一种融合分类检测分割的废纸类别自动识别方法，其特征在于，包括以下步骤：

步骤S1、在传送带上方设置摄像机和照明设备，并使摄像机能够从上往下垂直对传送带上的废纸进行图像拍摄，以获得预测废纸图像；

步骤S2、先将步骤S1中获取的预测废纸图像分成n×n块子预测废纸图像，再对每一块子预测废纸图像进行分类，以获得每一个子预测废纸图像块的类别信息与置信度信息；

步骤S3、对步骤S1中获取的预测废纸图像进行检测，检测出预测废纸图像中所有可能存在的适合检测的废纸类别的矩形框位置和置信度信息；

步骤S4、对步骤S1中获取的预测废纸图像进行图像分割，以获得多个不同的废纸分割块；

步骤S5、将步骤S2-S4中预测废纸图像的分类、检测、分割结果进行融合，得到最终的废纸类别识别结果；具体方法为：

S5.1、基于步骤S4中预测废纸图像分割的结果，遍历所有的废纸分割块；

S5.2、统计每个废纸分割块内的每一个像素在步骤S3和S4中所隶属的类别信息和置信度；对于某一像素的分类结果，考虑到不同废纸类别分类和检测准确率不同，定义反映各废纸类别分类和检测准确率的权重α_i，i＝1，2，...，C，其中C表示全部的废纸类别数目，该权重可以指定为测试集上测得的各废纸类别的分类准确率和检测准确率，也可以由人工直接设定；对于某一像素的分类结果，设该像素所在子图像块分类为各废纸类别的置信度为θ_i，i＝1，2，...C，则该像素分类结果的类别即取α_iθ_i′值最大的类别；对于该像素的检测结果，考虑到不同废纸类别检测准确率不同，定义反映各废纸类别检测准确率的权重β_i，i＝1，2，...，D，其中D表示适合用检测来识别的废纸类别的数目，该权重可以指定为测试集上测得的各废纸类别的检测准确率，也可以由人工直接设定；设该像素若其位于废纸类别为d的矩形框位置区域，检测置信度为θ_d，则该像素检测结果为类别d；最后融合分类与检测结果，该像素的最终类别由max(α_cθ_c，α_dθ_d)决定，也即，若α_cθ_c＞α_dθ_d，则该像素属于类别c，否则属于类别d；

S5.3、统计每个废纸分割块中所有像素的类别信息，采用投票的方式确定该废纸分割块最终的类别信息；

步骤S6、统计整张预测废纸图像中每种废纸类别出现的位置和占比，从而实现对预测废纸图像的自动识别。

2.根据权利要求1所述的废纸类别自动识别方法，其特征在于，所述步骤S2中利用机器学习方法对子预测废纸图像进行分类，并获取子预测废纸图像块的类别信息与置信度信息；具体包括以下步骤：

S2.1、收集用于训练的训练废纸图像；

S2.2、先由人工对收集到的训练废纸图像进行标记，并将训练废纸图像分成n×n块子训练废纸图像，标记每一块子训练废纸图像的废纸类别，构建废纸分类数据集；再采用基于深度学习的图像分类识别方法，训练废纸图像分类模型；

S2.3、利用训练好的废纸图像分类模型，将每一个子预测废纸图像块进行分类，得到子预测废纸图像块的类别信息和分类置信度。

3.根据权利要求1所述的废纸类别自动识别方法，其特征在于，所述步骤S3的具体实施方法如下：

S3.1、人工标记出预测废纸图像中适合检测的废纸类别的矩形框位置区域，构建废纸检测数据集；

S3.2、在废纸检测数据集上训练一个基于深度学习的目标检测模型，目标检测模型检测出预测废纸图像中可能存在的适合检测的废纸类别的矩形框位置和置信度信息。

4.根据权利要求1所述的废纸类别自动识别方法，其特征在于，所述步骤S4中，进行预测废纸图像分割的具体方法为：

S4.1、采用整体嵌套边缘检测算法提取出子预测废纸图像块的边缘信息，即输出二值化的边缘图像；

S4.2、将整体嵌套边缘检测算法的结果进行二值化和最大连通域分析，获得边缘轮廓；

S4.3、将预测废纸图像及边缘轮廓输入给分水岭分割算法，得出多个不同废纸分割块之间的分割结果。