[发明专利]基于光编码与深度学习的开心果头尾识别装置与方法

权利要求书

1.一种基于光编码与深度学习的开心果头尾识别装置，其特征在于，包括：

支撑平台，所述支撑平台上设置有传送机构；所述传送结构包括用于放置开心果的V型槽；

所述支撑平台上设置有支撑架，所述支撑架与工业相机连接；所述工业相机正对所述传送机构；

所述支撑架上还连接有RGB三色结构光源，所述RGB三色结构光光源位于所述工业相机下方，所述三色RGB结构光光源与所述工业相机之间还固定有同轴光光源。

2.如权利要求1所述的基于光编码与深度学习的开心果头尾识别装置，其特征在于，所述支撑架上连接有夹具，所述夹具用于夹持所述工业相机。

3.如权利要求2所述的基于光编码与深度学习的开心果头尾识别装置，其特征在于，所述夹具包括用螺纹进行连接的两个夹片。

4.如权利要求1所述的基于光编码与深度学习的开心果头尾识别装置，其特征在于，所述夹具还用于夹持所述RGB结构光光源及所述同轴光光源，且所述同轴光光源位于所述RGB结构光与工业相机之间。

5.如权利要求1所述的基于光编码与深度学习的开心果头尾识别装置，其特征在于，所述传送机构还包括，用于输送开心果的V型传送导轨。

6.如权利要求1所述的基于光编码与深度学习的开心果头尾识别装置，其特征在于，所述支撑架通过螺丝固定于所述支撑平台上。

7.如权利要求1所述的基于光编码与深度学习的开心果头尾识别装置，其特征在于，通过所述RGB三色结构光源发出的RGB三色结构光，以及所述同轴光光源发出的白色同轴光，对不同角度的开心果曲面进行编码；不同的角度的特征分别表现为：

8.如权利要求7所述的基于光编码与深度学习的开心果头尾识别装置，其特征在于，采用了所述RGB三色结构光和所述白色同轴光对开心果进行成像；其中，R、G、B与白色构成的四种不同颜色的光对不同角度的开心果曲面进行编码；白色同轴光对开心果平面部分进行编码，R、G、B的编码顺序是从高角度到低角度，对应着开心果表面过度曲面由平坦区域到陡峭区域的变换过程；使得开心果不同的轮廓过度曲面就呈现出不同的颜色，在相机成像后变为二维的颜色编码；由于四种颜色光在不同角度成像，增强了开心果头尾部的区分度。

9.一种基于光编码与深度学习的开心果头尾识别方法，其特征在于，包括如下步骤：

步骤一：通过所述工业相机、所述RGB三色结构光源和所述同轴光光源对开心果进行多角度采集图像；

步骤二：将步骤一采集到的图像进行图像分析；其中，所述图像分析包括：，将图像转换为灰度图并运用低通滤泼器平滑图像对图像进行去噪处理，继而对图像进行二值化，提取出感兴趣的ROI区域；

步骤三：运用Canny方法对步骤二处理后的ROI区域进行边缘提取，继而使用最小二乘法椭圆拟合；计算目标椭圆拟合长轴倾斜角，并对图像进行倾斜校正；

步骤四：对步骤三进行倾斜校正的图像进行仿射变化，继而归一化处理；

步骤五：将归一化处理后的图像输入到深度学习网络，对所述开心果的头尾进行识别；

步骤六：将识别结果进行输出。

10.如权利要求9所述的深度学习网络，其特征在于，深度学习网络流程主要步骤如下：

步骤一：获取需要进行训练的初始数据集；

步骤二：对所述初始数据集中各训练样本，进行人工标注，标注各训练样本的开心果的头部与尾部；

步骤三：对标注过的样本，进行增广数据集的操作，获得数据样本；其中，所述增广数据集的操作，包括：图像的翻转，或者随机裁剪；

步骤四：将数据样本分为训练集及测试集；其中，所述训练集与所述测试集样本数量的比例设计为9：1；

步骤五：将所述训练集输入到深度学习网络中进行学习，获得开心果不同特征对应的权重；

步骤六：通过步骤五获得的开心果不同特征对应的权重，对所述测试集进行训练，并计算所述测试集中样本识别的正确率；当所述正确率达到预设阈值时，将各特征对应的权重对新的开心果样本图像进行自动识别。