[发明专利]一种基于机器视觉的废弃充电宝回收分拣设计方法

权利要求书

1.一种基于机器视觉的废弃充电宝回收分拣设计方法，其特征在于，包括以下步骤：

S1:制作充电宝数据集和充电宝铭牌数据集；基于维度聚类分别选取充电宝目标框和充电宝铭牌目标框的预测框；

S2:使用MATLAB标定工具箱标定两个工业相机，以获取工业相机的内参数、畸变系数及外参数；

S3:建立充电宝检测网络和充电宝铭牌检测网络；

S4:分别对充电宝检测网络和充电宝铭牌检测网络进行网络训练以获取充电宝检测模型和充电宝铭牌检测模型；

S5:通过充电宝检测模型和两个工业相机，采用深度学习目标检测算法提取检测场景中的充电宝感兴趣区域，检测到的充电宝感兴趣区域作为充电宝平面二维定位(x，y坐标)；

S6:通过充电宝铭牌检测模型和两个工业相机，采用深度学习目标检测算法提取充电宝感兴趣区域中的充电宝铭牌区域，然后用特征点检测算法检测左右相机铭牌感兴趣区域中的铭牌特征点；

S7:通过特征点三维重建模块，实现充电宝铭牌的测距，通过双目立体视觉特征点三维重建理论公式计算充电宝在z方向的坐标，完成对流水线下废弃充电宝的自动分拣。

2.根据权利要求1所述的基于机器视觉的废弃充电宝回收分拣设计方法，其特征在于，在步骤S1中，采用K-means对充电宝数据集和充电宝铭牌数据集分别进行聚类。

3.根据权利要求1所述的基于机器视觉的废弃充电宝回收分拣设计方法，其特征在于，步骤S2具体为：

S21：分别对两个工业相机分别进行单目标定；

S22：将单目标标定结果均导入至matlab双目立体标定工具箱进行双目立体标定，以获取两个工业相机的标定结果。

4.根据权利要求1所述的基于机器视觉的废弃充电宝回收分拣设计方法，其特征在于，在步骤S3中，所述充电宝检测网络基于YOLOv2-tiny-voc网络结构并加入密集模块。

5.根据权利要求1所述的基于机器视觉的废弃充电宝回收分拣设计方法，其特征在于，在步骤S3中，所述充电宝铭牌检测网络基于YOLOv2-tiny-voc网络结构并加入跨层连接模块。

6.根据权利要求1所述的基于机器视觉的废弃充电宝回收分拣设计方法，其特征在于，在步骤S4中，所述网络训练具体为：设置网络训练参数和网络训练策略，将步骤S1中的数据集输入至步骤S3中相应的检测网络中，以网络训练参数和网络训练策略为约束激进型网络训练。

7.根据权利要求1所述的基于机器视觉的废弃充电宝回收分拣设计方法，其特征在于，在步骤S5中，所述充电宝感兴趣区域包括充电宝的铭牌、轮廓及轮廓中心。

8.根据权利要求7所述的基于机器视觉的废弃充电宝回收分拣设计方法，其特征在于，所述铭牌包括目标铭牌和干扰铭牌。

9.根据权利要求8所述的基于机器视觉的废弃充电宝回收分拣设计方法，其特征在于，在步骤S6中，所述铭牌包括目标铭牌。

10.根据权利要求7所述的基于机器视觉的废弃充电宝回收分拣设计方法，其特征在于，在步骤S7中，三维重建模块前后，对充电宝铭牌区域内的特征点进一步筛选。