[发明专利]一种智能识别方法及设备

说明书

本发明公开了一种智能识别方法及设备，该方法包括：获取待识别对象的待识别图像，所述待识别对象具体为餐具清洗生产线上清洗完成的餐具，基于预设神经网络模型对所述待识别图像进行识别，确定出所述待识别对象的参数信息，其中，所述预设神经网络模型是根据所述待识别对象建立的，所述参数信息包括待识别对象的类型和数量，最后，输出所述参数信息，从而快速准确的识别出餐具的类型和数量，提高了餐具生产线的自动化效率。

技术领域

本申请涉及工业互联网领域，更具体地，涉及一种智能识别方法及设备。

背景技术

随着现代科技的进步，越来越多的工业生产线也在逐渐智能化与机械化，但在工业生产线中仍有一些环节处于人工处理等生产效率低下的方式。

例如在餐具生产线中，生产出的餐具在自动清洗完成后依旧是靠人工处理的方式来清点餐具的数量以及类型，这种处理方式效率低下且容易出现差错，其人工成本也较高，现有的自动识别也没有办法做到实时识别，影响了餐具生产线的生产效率和降低了餐具生产线的自动化效率。

因此，如何快速准确的识别出餐具的类型和数量，从而提高餐具生产线的自动化效率，是目前有待解决的技术问题。

发明内容

本发明提供一种智能识别方法，用以解决现有技术中自动识别无法做到实时识别，降低了餐具生产线的自动化效率的技术问题，该方法包括：

获取待识别对象的待识别图像，所述待识别对象具体为餐具清洗生产线上清洗完成的餐具；

基于预设神经网络模型对所述待识别图像进行识别，确定出所述待识别对象的参数信息，其中，所述预设神经网络模型是根据所述待识别对象建立的，所述参数信息包括待识别对象的类型和数量；

输出所述参数信息。

一些实施例中，所述预设神经网络模型是根据所述待识别对象建立，具体包括：

获取所述待识别对象的图像信息；

将所述图像信息进行归一化处理；

基于所述归一化处理后的图像信息、识别神经网络和损失函数建立预设神经网络模型，其中，所述识别神经网络由多个卷积层和多个全连接层组成。

一些实施例中，所述基于所述归一化处理后的图像信息、识别神经网络和损失函数建立预设神经网络模型，具体包括：

基于所述归一化处理后的图像信息、识别神经网络和损失函数建立待处理神经网络模型；

根据所述图像信息获取所述待处理神经网络模型的训练数据；

通过所述训练数据对所述待处理神经网络模型进行训练，并将训练后的所述待处理神经网络模型作为所述预设神经网络模型。

一些实施例中，通过所述训练数据对待处理神经网络模型进行训练，具体包括：

将所述训练数据导入至所述待处理神经网络模型中进行训练；

根据所述损失函数曲线变化值和黄金分割原理实时对训练参数进行调整；

基于所述调整后的训练参数继续对所述待处理神经网络模型进行训练。

一些实施例中，所述方法还包括：

通过配置深度摄像头获取待识别对象的位置信息，并在输出所述参数信息时将所述位置信息同步输出。

相应的本发明还提供了一种智能识别设备，所述设备包括：

第一获取模块，获取待识别对象的待识别图像，所述待识别对象具体为餐具清洗生产线上清洗完成的餐具；