[发明专利]传送带物料检测方法、装置、存储介质及终端设备有效

专利信息
申请号: 201911242276.X 申请日: 2019-12-06
公开(公告)号: CN111179218B 公开(公告)日: 2023-07-04
发明(设计)人: 吴黄子桑 申请(专利权)人: 深圳市燕麦科技股份有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06V10/50;G06V10/762
代理公司: 深圳众鼎汇成知识产权代理有限公司 44566 代理人: 朱业刚
地址: 518000 广东省深圳市光明区凤凰街道*** 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: 传送带 物料 检测 方法 装置 存储 介质 终端设备
【说明书】:

本申请适用于检测技术领域,尤其涉及传送带物料检测方法、装置、存储介质及终端设备。所述方法获取拍摄自传送带的目标图片;采用预设滑动窗口遍历目标图片,获取各第一检测窗口内的目标图片对应的特征向量;根据各特征向量与各预设聚类中心之间的距离匹配各特征向量对应的目标聚类中心;确定未匹配到目标聚类中心的目标特征向量,并获取目标特征向量对应的目标窗口的第一窗口位置;根据第一窗口位置合并相邻的目标窗口;若合并的目标窗口的第一数量大于预设数量阈值,则确定传送带中存在物料。通过特征向量和聚类进行物料检测,可有效减少传送带物料检测对待检测物料的颜色及形状的依赖,降低传送带物料检测的维护成本,提高检测效率和准确性。

技术领域

本申请属于检测技术领域,尤其涉及一种传送带物料检测方法、装置、计算机可读存储介质及终端设备。

背景技术

物料自动分拣系统是工业流水线自动化生产的基础组成部分,即在产品制造过程中,需自动检测传送带上的物料是否被及时取走,以避免传送带到达尽头时造成物料的掉落或损坏。

现有技术,主要基于连通域分析或者分类器训练的方法来检测传送带上是否存在物料。其中,基于连通域分析的方法是通过在适合的颜色空间选择合适的二值化阈值将图片中的传送带区域设置为背景,并选择合适的结构元素对二值图像进行腐蚀膨胀等形态学操作去除图片中的噪声点,然后通过形状选择定位传送带上的物料。分类器训练的方法则是通过收集空传送带图片和载有物料的传送带图片,根据传送带区域和物料区域的RGB像素值训练分类器,并使用分类器对图片进行逐像素分类,以此判断传送带上是否存在物料。但上述两种方法均依赖于待检测物料的颜色和形状,对不同的检测目标需要调整不同的检测参数,增加了物料检测的维护成本,降低了物料的检测效率。

发明内容

本申请实施例提供了一种传送带物料检测方法、装置、计算机可读存储介质及终端设备,可以解决现有的传送带物料检测中维护成本高、检测效率低的问题。

第一方面,本申请实施例提供了一种传送带物料检测方法,包括:

获取拍摄自传送带的目标图片;

采用预设滑动窗口遍历所述目标图片,获取各第一检测窗口内的目标图片对应的特征向量;

根据各所述特征向量与各预设聚类中心之间的距离匹配各所述特征向量对应的目标聚类中心;

确定未匹配到目标聚类中心的目标特征向量,并获取所述目标特征向量对应的目标窗口的第一窗口位置;

根据所述第一窗口位置合并相邻的目标窗口;

若合并的目标窗口的第一数量大于预设数量阈值,则确定所述传送带中存在物料。

可选地,在根据各所述特征向量与各预设聚类中心之间的距离匹配各所述特征向量对应的目标聚类中心之前,包括:

获取所述传送带对应的多张样本图片,其中,所述样本图片为所述传送带中不存在物料时的图片;

采用所述预设滑动窗口遍历各所述样本图片,获取各第二检测窗口内的各所述样本图片对应的样本特征向量;

利用预设聚类算法对各所述样本特征向量进行聚类处理,得到所述样本特征向量对应的各预设聚类中心和各所述预设聚类中心对应的聚类半径。

在第一方面的一种可能的实现方式中,在利用预设聚类算法对各所述样本特征向量进行聚类处理,得到所述样本特征向量对应的各预设聚类中心和各所述预设聚类中心对应的聚类半径之后,包括:

获取各所述预设聚类中心对应的各样本特征向量对应的第二检测窗口的第二窗口位置;

根据各所述第二窗口位置构建各所述第二检测窗口对应的聚类中心集,所述聚类中心集为所述第二检测窗口对应的预设聚类中心的集合。

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市燕麦科技股份有限公司,未经深圳市燕麦科技股份有限公司许可,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/201911242276.X/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