[发明专利]禽蛋检测、图像处理方法、装置、电子设备及存储介质在审

专利信息
申请号: 201911002691.8 申请日: 2019-10-21
公开(公告)号: CN110930360A 公开(公告)日: 2020-03-27
发明(设计)人: 李俊玲 申请(专利权)人: 北京海益同展信息科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G01N33/08
代理公司: 北京华夏泰和知识产权代理有限公司 11662 代理人: 韩来兵
地址: 100176 北京市北京经济技*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 禽蛋 检测 图像 处理 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种禽蛋检测方法,其特征在于,包括:

获取待检测蛋盘图像,所述待检测蛋盘图像中包括放置在蛋盘中的禽蛋;

根据预先训练的蛋盘检测模型检测得到所述待检测蛋盘图像中禽蛋的禽蛋类型及所述禽蛋在所述蛋盘中的位置信息,所述禽蛋类型至少包括异常禽蛋和/或正常禽蛋;

根据所述禽蛋类型及位置信息生成所述禽蛋对应的标签。

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

根据所述标签生成分拣指令,所述分拣指令用于控制分拣设备对所述蛋盘中所述位置信息对应的禽蛋执行所述禽蛋类型对应的分拣操作;

将所述分拣指令发送至所述分拣设备。

3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:

获取蛋盘样本图像,所述蛋盘样本图像中包括异常禽蛋和/或正常禽蛋;

获取所述蛋盘样本图像对应的蛋盘标注信息,所述蛋盘标注信息包括蛋盘中各个禽蛋对应的禽蛋标注信息;

采用预设卷积神经网络对所述蛋盘样本图像及蛋盘标注信息进行训练,得到所述蛋盘检测模型。

4.一种图像处理方法,其特征在于,包括:

获取蛋盘样本图像,所述蛋盘样本图像中包括异常禽蛋和/或正常禽蛋;

获取所述蛋盘样本图像对应的蛋盘标注信息,所述蛋盘标注信息包括蛋盘中各个禽蛋对应的禽蛋标注信息;

采用预设卷积神经网络对所述蛋盘样本图像及蛋盘标注信息进行训练,得到蛋盘检测模型。

5.根据权利要求4所述的方法,其特征在于,所述蛋盘样本图像包括:增强蛋盘样本图像和/或原始蛋盘样本图像;所述蛋盘增强样本图像由禽蛋样本图像拼接而成。

6.根据权利要求5所述的方法,其特征在于,所述方法还包括:

获取空蛋盘图像,所述空蛋盘图像中的空蛋盘为预设的第一尺寸;

识别所述空蛋盘图像中蛋槽位置及蛋槽数量;

获取所述蛋槽数量的异常禽蛋图像和正常禽蛋图像,所述异常禽蛋图像和正常禽蛋图像为第二尺寸,所述第二尺寸根据所述第一尺寸及所述蛋槽数量计算得到;

将所述异常禽蛋图像和正常禽蛋图像拼接到所述空蛋盘图像中的蛋槽位置,得到增强蛋盘样本图像。

7.根据权利要求6所述的方法,其特征在于,所述获取所述蛋盘样本图像对应的蛋盘标注信息,所述蛋盘标注信息包括蛋盘中各个禽蛋对应的禽蛋标注信息,包括:

获取所述异常禽蛋图像对应的禽蛋标注信息,所述禽蛋标注信息包括所述异常禽蛋图对应的禽蛋异常类型及预先标注的检测框的第一坐标;

将所述第一坐标转换为所述检测框在所述增强蛋盘样本图像中的第二坐标;

根据所述禽蛋异常类型及所述第二坐标生成所述增强蛋盘样本图像对应的蛋盘标注信息。

8.根据权利要求6所述的方法,其特征在于,所述获取所述蛋槽数量的异常禽蛋图像和正常禽蛋图像,包括:

查询禽蛋样本库,所述禽蛋样本库包括正常禽蛋子样本库及不同异常类型对应的异常禽蛋子样本库;

从各个所述异常禽蛋子样本库中随机选取异常禽蛋图像,从所述正常禽蛋子样本库中随机选取正常禽蛋图像;

所述将所述异常禽蛋图像和正常禽蛋图像拼接到所述空蛋盘图像中的蛋槽位置,包括:

将所述异常禽蛋图像和正常禽蛋图像随机拼接到所述空蛋盘图像中的蛋槽位置。

9.根据权利要求4所述的方法,其特征在于,所述采用预设卷积神经网络对所述蛋盘样本图像及蛋盘标注信息进行训练,包括:

通过所述预设卷积神经网络对所述蛋盘样本图像进行预设倍数的下采样卷积计算和/或预设步长的空洞卷积计算。

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北京海益同展信息科技有限公司,未经北京海益同展信息科技有限公司许可,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/201911002691.8/1.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