[发明专利]物体分拣方法、装置、分拣设备及存储介质

权利要求书

1.一种物体分拣方法，其特征在于，包括：

获取待分拣物体的物体图像；

对所述物体图像进行检测，得到所述待分拣物体的物体掩膜和物体类别；

根据所述待分拣物体的物体掩膜确定所述待分拣物体的重心位置；

根据所述重心位置和所述物体类别对所述待分拣物体进行分拣处理。

2.根据权利要求1所述的物体分拣方法，其特征在于，所述对所述物体图像进行检测，得到所述待分拣物体的物体掩膜和物体类别包括：

对所述物体图像进行尺寸归一化，得到尺寸归一化后的物体图像；

对所述尺寸归一化后的物体图像进行像素值归一化，得到目标物体图像；

通过训练后的检测模型对所述目标物体图像进行检测，得到所述待分拣物体的物体掩膜和物体类别。

3.根据权利要求2所述的物体分拣方法，其特征在于，所述通过训练后的检测模型对所述目标物体图像进行检测，得到所述待分拣物体的物体掩膜和物体类别包括：

通过训练后的检测模型基于所述目标物体图像计算所述待分拣物体的候选物体掩膜、候选物体边界框和候选物体类别；

通过非极大值抑制算法从所述候选物体掩膜、候选物体边界框和候选物体类别中，筛选出预测物体掩膜、预测物体边界框和预测物体类别；

根据所述预测物体掩膜、预测物体边界框和预测物体类别，确定所述待分拣物体的物体掩膜和物体类别。

4.根据权利要求3所述的物体分拣方法，其特征在于，所述根据所述预测物体掩膜、预测物体边界框和预测物体类别，确定所述待分拣物体的物体掩膜和物体类别包括：

将所述预测边界框缩放为所述物体图像的大小比例，得到所所述预测边界框在所述物体图像上的边界框；

根据所述预测物体掩膜中的掩膜原型与掩膜系数获取掩膜图像；

将所述掩膜图像通过插值缩放到所述物体图像的大小比例，得到置于所述边界框内的物体掩膜；

根据预测物体类别确定所述待分拣物体的物体类别。

5.根据权利要求2所述的物体分拣方法，其特征在于，所述通过训练后的检测模型对所述目标物体图像进行检测，得到所述待分拣物体的物体掩膜和物体类别之前，所述方法还包括：

获取包含物体的样本图像；

对所述样本图像进行色度、亮度、以及饱和度的调节，得到调节后的样本图像；

对所述调节后的样本图像进行随机缩放，得到缩放后的样本图像；

对所述缩放后的样本图像进行裁剪，得到裁剪后的样本图像；

生成随机数，根据所述随机数对所述裁剪后的样本图像进行翻转，得到翻转后的样本图像；

根据所述翻转后的样本图像对检测模型进行训练，得到训练后的检测模型。

6.根据权利要求5所述的物体分拣方法，其特征在于，所述根据所述翻转后的样本图像对检测模型进行训练，得到训练后的检测模型包括：

对所述翻转后的样本图像进行尺寸归一化，得到尺寸归一化后的样本图像；

将所述尺寸归一化后的样本图像进行像素值归一化，得到目标样本图像；

从所述样本图像中截取物体的样本掩膜图像，并对所述样本掩膜图像进行预处理，得到预处理后的掩膜图像；

获取所述样本图像中物体的类别和边界框；

根据所述预处理后的掩膜图像、所述物体的类别和边界框对检测模型进行训练，得到训练后的检测模型。

7.根据权利要求5所述的物体分拣方法，其特征在于，所述对所述缩放后的样本图像进行裁剪，得到裁剪后的样本图像包括：

对所述缩放后的样本图像进行随机裁剪，得到裁剪后的候选样本图像；

获取所述候选样本图像中物体的边界框的中心位置；

从候选样本图像中筛选出面积大于预设值，且包含物体的边界框的中心位置的图像，得到裁剪后的样本图像。