[发明专利]料件重量百分比的获取方法、设备、装置及存储介质在审

专利信息
申请号: 202111515772.5 申请日: 2021-12-10
公开(公告)号: CN114332196A 公开(公告)日: 2022-04-12
发明(设计)人: 甘蕾;孙军欢;张春海 申请(专利权)人: 深圳致星科技有限公司
主分类号: G06T7/62 分类号: G06T7/62;G06K9/62;G06T7/12;G06V10/774
代理公司: 深圳市恒程创新知识产权代理有限公司 44542 代理人: 赵爱蓉
地址: 518000 广东省深圳市南山区粤海街道大冲社*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 重量 百分比 获取 方法 设备 装置 存储 介质
【说明书】:

发明公开了一种料件重量百分比的获取方法、设备、装置及存储介质,该方法包括:获取料件集合的图像数据集;基于所述料件集合的图像数据集得到所述料件集合的面积百分比信息;将所述料件集合的面积百分比信息输入至重量百分比预测模型中,对所述料件集合的面积百分比信息进行重量百分比预测处理,得到所述料件集合的重量百分比信息预测结果,所述料件集合的重量百分比信息的预测结果包括所述料件集合中不同种类料件各自占的重量百分比预测结果。本发明属于计算机视觉领域,提供获取料件重量百分比的方法,自动且准确地基于料件集合面积百分比得到料件集合的重量百分比,而无需依赖模糊的先验知识,因而,得到的料件集合的重量百分比更为准确。

技术领域

本发明涉及计算机视觉领域,尤其涉及一种料件重量百分比的获取方法、设备、装置及存储介质。

背景技术

目前,在诸如废钢料件回收、建筑料件批量进货等场景中,往往依赖于料件质量检测工作员(质检员)对料件集合及其重量百分比做出判断和记录,而当前质检员对料件重量百分比的判断主要通过先验知识推导来实现。

但依赖于模糊的先验知识推理出的料件集合重量百分比,很大程度上受人工经验的局限性,即存在准确性不高的问题。

发明内容

本发明的主要目的在于提供料件重量百分比的获取方法,旨在解决当前依赖于模糊的先验知识推理出的料件集合重量百分比,准确性低的技术问题。

为实现上述目的,本发明提供一种料件重量百分比的获取方法,所述获取料件重量百分比的方法包括:

获取料件集合的图像数据集;

基于所述料件集合的图像数据集得到所述料件集合的面积百分比信息,所述料件集合的面积百分比信息包括所述料件集合中不同种类料件各自占的面积百分比;

将所述料件集合的面积百分比信息输入至重量百分比预测模型中,对所述料件集合的面积百分比信息进行重量百分比预测处理,得到所述料件集合的重量百分比信息预测结果,所述料件集合的重量百分比信息的预测结果包括所述料件集合中不同种类料件各自占的重量百分比预测结果;

其中,所述重量百分比预测模型是基于具有重量百分比信息和面积百分比信息的料件集合的训练数据对预设的映射模型进行迭代训练后得到的;

利用所述料件集合的重量百分比信息预测结果,确定与所述料件集合的重量百分比信息预测结果相关的所述料件集合的至少一种关联信息。

可选地,将所述料件集合的面积百分比信息输入至预设重量百分比预测模型中的步骤之前,包括:

获取训练数据集合,所述训练数据集合的每一组训练数据对应一个料件集合,且该组训练数据包括该组训练数据对应的料件集合的重量百分比信息和面积百分比信息;

基于所述训练数据集合确定所述映射模型模型参数;

基于所述训练数据集合和所述模型参数对所述映射模型进行迭代训练,得到具有满足精度条件的模型参数的所述重量百分比预测模型。

可选地,所述基于所述训练数据集合和所述模型参数对所述映射模型进行迭代训练,得到具有满足精度条件的模型参数的所述重量百分比预测模型的步骤,包括:

将所述训练数据集合的每一组训练数据的面积百分比信息输入至所述映射模型;

利用所述映射模型基于所述训练数据集合的每一组训练数据的面积百分比信息和所述模型参数得到所述训练数据集合的每一组训练数据的重量百分比信息训练预测结果;

将所述训练数据集合的每一组训练数据的重量百分比信息训练预测结果与所述训练数据集合的每一组训练数据的重量百分比信息对应进行差异计算,得到训练误差结果;

判断所述训练误差结果是否达到满足预设误差阈值范围指示的误差标准;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳致星科技有限公司,未经深圳致星科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111515772.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top