[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

说明书

本发明公开了一种基于光编码和深度学习的开心果头尾识别装置和方法，装置包括支撑平台上设置有传送机构和支撑架，传送机构上放置有开心果，支撑架上连接有工业相机，工业相机正对传送机构，支撑架上还连接有RGB结构光光源，RGB结构光光源与工业相机之间还夹持有同轴光光源。本发明的检测装置，采用三色RGB光和同轴光，对物体进行多角度成像。上述方法，由于开心果的头尾过度曲面与轮廓骨架变化角度存在明显差异，基于同轴白色光源，RGB三色结构光源四种不同颜色的光源，从不同的角度对开心果端部进行成像，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，增强了开心果头尾部的区分度，提高了网络的识别率。

技术领域

本发明涉及自动光学检测技术领域，尤其涉及一种基于光编码与深度学习的开心果头尾识别装置与方法。

背景技术

在市场上，开心果的自然开口，和机器开口的品质价格是不一样的。为了企业的利益的最大化，需要在工厂加工一开始就要将自然开口和机器开口的开心果区分开。开心果每年的产量巨大，如果依靠人工肉眼去检测，不仅效率低下，并且成本高。满足不了企业的需要。所以急需有自动化且高效率的智能产品代替人工进行开心果的开口识别。而要进行开口识别首先需要实现对开心果的头尾进行识别。

发明内容

本发明实施例提供一种基于光编码与深度学习的开心果头尾识别装置与方法，能够对开心过的头尾进行识别。由于开心果的形状是自然形成的，呈多面性和复杂性，多是一些比较复杂且无规律的曲面，处理开心果的企业想对开心果进行头尾识别，从而进行头部开口，却又无从下手。本发明提供了一种由工业相机、白色同轴光、RGB三色光源等组成的开心果头尾的成像与检测装置对开心果形体进行多角度的光照，从而进行编码，最后用独特的深度学习方法对信息进行网络训练，从而自动识别开心果的头尾。解决了开心果食品加工企业对开心果进行快速准确头尾自动化识别，克服了头部开口，设备难以定位的问题。

本发明所采用的机械结构技术方案如下：

基于多角度光编码与深度学习的开心果头尾识别装置，包括：支撑平台，所述支撑平台上设置有传送机构V型槽，所述V型槽中是平躺放置的开心果，所述的支撑平台上有支撑架，所述支撑架上连接有工业相机，所述工业相机正对所述传送机构，所述支撑架上还安装有RGB三色结构光，所述结构光光源位于工业相机正下面，RGB结构光与工业相机之间还安装有同轴光光源。

进一步的，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。。

进一步的，所述夹具包括用螺纹进行连接的两个夹片。

进一步的，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。

进一步的，所述传送机构包括输送开心果用的V型传送导轨。

进一步的，所述支撑架采用螺栓紧固于所述支撑平台上。

本发明所采用的方法技术方案如下：

基于多角度光编码与深度学习的开心果头尾识别方法，包括以下步骤：

步骤1、通过工业相机辅以RGB三色光源以及白色同轴光光源获取开心果的原始图像，开心果的头尾过度曲面与轮廓骨架变化角度存在明显差异，基于上述四种不同颜色的光源，从不同的角度对开心果进行成像，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。这种颜色编码的差异性增强并放大了开心果头部与尾部的区分度。

步骤2、对相机提取到的开心果的图像进行图像分析，提取出开心果感兴趣的部分图像区域。接着对感兴趣区域进行边缘检测，包括：平滑图像、计算图像的梯度、非最大抑制、用滞后阈值化选择边缘，提取出开心果的轮廓边缘。