[发明专利]物体颜色识别方法、装置及电子设备

说明书

本发明提供了一种物体颜色识别方法、装置及电子设备，涉及图像处理的技术领域，包括：获取待识别图像，其中，待识别图像中包含待识别对象；通过目标特征融合卷积神经网络对待识别图像进行颜色识别，得到待识别图像的颜色识别结果；颜色识别结果用于表征待识别对象中至少一个识别部件的颜色识别结果。本发明实施例通过目标特征融合卷积神经网络对待识别图像进行颜色识别的方式，能够缓解现有的利用人工的方式对产品的外观进行检测，该方式浪费了大量的人力，且难以适应高速的生产系统的技术问题。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种物体颜色识别方法、装置及电子设备。

背景技术

生产企业一般会生产几种不同型号的产品，不同型号产品的外观具有不同的设计。由于产品由各种零部件构成，因此对产品的外观进行设计，相当于对各种零部件的颜色进行设计。在产品的生产制造的过程中难免会发生零部件与其设计的颜色不匹配的情况。为了提高产品的外观质量，生产企业在产品生产过程中利用人工的方式对产品的外观进行检测，该方式浪费了大量的人力，且难以适应高速的生产系统。

发明内容

本发明的目的在于提供一种物体颜色识别方法、装置及电子设备，以缓解了现有技术中存在的生产企业在产品生产过程中利用人工的方式对产品的外观进行检测，该方式浪费了大量的人力，且难以适应高速的生产系统的技术问题。

第一方面，本发明实施例提供了一种物体颜色识别方法，其中，包括：获取待识别图像，其中，所述待识别图像中包含待识别对象；通过目标特征融合卷积神经网络对所述待识别图像进行颜色识别，得到所述待识别图像的颜色识别结果；其中，所述颜色识别结果用于表征所述待识别对象中至少一个识别部件的颜色识别结果；其中，所述目标特征融合卷积神经网络包括：至少一个卷积池化模块、特征融合模块和至少一个全连接模块，所述至少一个卷积池化模块输出的特征信息输入至所述特征融合模块，所述特征融合模块用于将所述至少一个卷积池化模块输出的特征信息进行特征融合处理，所述至少一个全连接模块用于对特征融合处理的结果进行处理。

进一步地，通过目标特征融合卷积神经网络对所述待识别图像进行颜色识别，得到所述待识别图像的颜色识别结果包括：通过所述目标特征融合卷积神经网络对所述待识别图像进行颜色识别，得到每个识别部件的预测值，其中，所述预测值用于表征识别部件的颜色为每个预设颜色的概率值；根据每个识别部件的预测值确定所述待识别图像的颜色识别结果。

进一步地，根据每个识别部件的预测值确定所述待识别图像的颜色识别结果包括：将每个识别部件的预测值中最大概率值所对应的预设颜色确定为所述识别部件所属的颜色。

进一步地，每个卷积池化模块包括：至少一个卷积层和至少一个池化层，所述特征融合模块与部分或者全部卷积池化模块中的至少一个池化层相连接。

进一步地，所述卷积池化模块的数量为多个；且多个卷积池化模块依次连接；所述特征融合模块包含：特征处理模块和特征连接模块；通过目标特征融合卷积神经网络对所述待识别图像进行颜色识别包括：依次通过对个所述卷积池化模块对所述待识别图像进行卷积池化处理，得到多个所述卷积池化模块分别输出的多个图像特征；通过所述特征处理模块对与其相连接的卷积池化模型的至少一个池化层输出的图像特征进行特征融合处理，得到多个第二图像特征；通过所述特征连接模块对所述多个第二图像特征进行特征连接，得到第三图像特征；通过所述至少一个全连接模块对所述第三图像特征进行全连接处理，得到所述待识别图像的颜色识别结果。

进一步地，所述特征处理模块包括：目标卷积层和全局平均池化层；通过所述特征处理模块对与其相连接的卷积池化模型的至少一个池化层输出的图像特征进行特征融合处理包括：通过所述目标卷积层对与其相连接的卷积池化模型的至少一个池化层输出的图像特征进行特征处理，得到中间图像特征；通过所述全局平均池化层对所述中间图像特征进行全局平均池化处理，得到所述第二图像特征。

进一步地，所述目标卷积层的卷积核为1×1卷积核。