[发明专利]基于神经网络BP模型的物料识别方法

说明书

本发明公开了基于神经网络BP模型的物料识别方法，涉及视觉检测技术领域，在将所拍摄的物料照片输入至已经完成训练的神经网络BP模型之前，对所拍摄的物料照片进行预处理，通过将物料照片划分为若干个单元区域，获得每个单元区域的中心点的LBP编码，对所拍摄的物料照片的无效部分进行剔除，再将经过预处理后的物料图片输入至已经完成训练的神经网络BP模型内，一方面降低神经网络BP模型的所需要的计算力，同时降低神经网络BP模型对无效部分的误识别的可能性，进而提高神经网络BP模型对物料的识别精度，解决了现有技术中，物料识别精度低的问题。

技术领域

本发明涉及视觉检测技术领域，具体是基于神经网络BP模型的物料识别方法。

背景技术

在工程施工过程中，在供应商将钢筋通过运输车辆运送到工地上之后，一般需要供货方、劳务队材料员、项目部材料员三方工地人员对钢筋数量进行清点以完成货物验收。目前工地普遍采用人工计数方法使用不同颜色的颜料或者点支电子自动计数笔对将要清点的钢筋进行区分标记；

在现有技术中，人工点根的工作强度大，清点过程繁琐枯燥，工作人员会长时间处于高度紧张的状态，容易导致统计数量与实际数量有所偏差，而现有的物料点数APP的识别精度低，所获得的识别结果与实际数量往往存在较大的偏差，如何提高物料点数的识别精度，是我们需要解决的问题，为此，现提供基于神经网络BP模型的物料识别方法。

发明内容

本发明的目的在于提供基于神经网络BP模型的物料识别方法。

本发明的目的可以通过以下技术方案实现：基于神经网络BP模型的物料识别方法，包括以下步骤：

步骤S1：构建神经网络BP模型，并利用样本数据对所构建的神经网络BP模型进行训练；

步骤S2：将所需要识别的物料放置在指定区域内进行拍摄，对所拍摄的物料照片进行预处理；

步骤S3：将经过预处理后的物料照片输出至神经网络BP模型内，输出对物料照片的识别结果，并对物料照片的输出结果进行核验。

进一步的，神经网络BP模型的构建过程包括：

构建神经网络BP模型，所述神经网络BP模型由输入层、隐含层以及输出层组成；所述输入层和隐含层均设置有若干个神经元节点；

分别设置输入层、隐含层以及输出层的神经元节点的激活函数、权值矩阵以及偏差向量；

设置神经网络BP模型的误差函数E；

E＝-∑∑(T×logF)

其中T为监督数据，F为预测数据。

进一步的，对所构建的神经网络BP模型进行训练的过程包括：

对所准备的样本数据进行标记，生成训练集，并对训练集中的每个图像样本进行图像二值化处理；

获得图像二值化处理后的结果，并将经过图像二值化处理后的图像样本作为验证集；

将训练集中的每个图像样本输入至神经网络BP模型内，将图像样本输入至输入层的神经元节点内，获得图像样本的净输入值；

根据对应神经元节点的激活函数，获得神经元节点的活性值；

将所获得的神经元节点的活性值输入至隐含层的神经元节点内，根据对应神经元节点的激活函数，获得该神经元节点的活性值；

将所获得的隐含层内的神经元节点的活性值，输入至输出层内的神经元节点内，并获得预测输出值，将所获得的预测输出值标记为预测数据；

同理，将验证集内的每个图像样本输入至神经网络BP模型内，获得对应的预测输出值，并将所获得的预测输出值标记为监督数据；