[发明专利]一种用于同时检测家具板材边界、圆孔、槽的方法及系统

说明书

本发明公开了一种用于同时检测家具板材边界、圆孔、槽的方法及系统，该方法包括：构建边界、圆孔、槽的数据集，并对数据集进行预处理，得到修改后的数据集；基于修改后的数据集对预构建的改进VGG19网络模型进行训练，得到检测模型；将待测样本输入到检测模型，得到检测结果；将检测结果标注在原图上。该系统包括：数据集预处理模块、训练模块、检测模块和标注模块。通过使用本发明，能够兼顾板材的多种花色并在受到纹理、破损以及槽深的影响下同时完成样本的分类，及其边界，圆孔，槽轮廓的提取。本发明可广泛应用于计算机视觉目标检测领域。

技术领域

本发明涉及计算机视觉目标检测领域，尤其涉及一种用于同时检测家具板材边界、圆孔、槽的方法及系统。

背景技术

对于家具板材来说，生产出来的不同花色的板材表面的纹理结构往往比较复杂，且对于板材中圆孔和槽来说，其轮廓边缘往往质量参差不齐，轮廓可能会有一定的破损，模糊及瑕疵，同时，在采样技术条件或采样环境不稳定不够好的情况下，得到的图像成像效果偏差，得到的边界也往往不够明显。基于此，目前使用的方法是针对边界检测，圆孔检测，槽检测分别设置不同的方法，如对于圆孔检测来说，采用霍夫圆或最小二乘法拟合圆的方法去检测；对于边界和槽来说，采用边缘投影的方法去检测。但是此类方法无法同时适应不同花色种类的样本，而且受到纹理，破损，及槽深，成像的影响从而难以精确识别到边界，圆孔，槽的轮廓，进而无法准确的识别到边界，圆孔，槽。

发明内容

为了解决上述技术问题，本发明的目的是提供一种用于同时检测家具板材边界、圆孔、槽的方法及系统，兼顾板材的多种花色并在受到纹理、破损以及槽深的影响下同时完成样本的分类，及其边界，圆孔，槽轮廓的提取。

本发明所采用的第一技术方案是：一种用于同时检测家具板材边界、圆孔、槽的方法，包括以下步骤：

构建边界、圆孔、槽的数据集，并对数据集进行预处理，得到修改后的数据集；

基于修改后的数据集对预构建的改进VGG19网络模型进行训练，得到检测模型；

将待测样本输入到检测模型，得到检测结果；

将检测结果标注在原图上。

进一步，所述构建边界、圆孔、槽的数据集，并对数据集进行预处理，得到修改后的数据集这一步骤，其具体包括：

分别获取边界、圆孔、槽的图片并制作其轮廓标签，得到对应的三种数据集，每张图片仅包含一个目标，三种类型的图片的数目相等；

对三种数据集进行标签的加工，得到对应三种加工后的数据集；

将三种加工后的数据集进行数据增强，得到对应三种扩充后的数据集；

将三种扩充后的数据集进行数据集整合，得到修改后的数据集。

进一步，所述对三种数据集进行标签的加工，得到对应三种加工后的数据集这一步骤，其具体包括：

以图片左上角为原点，向下为y轴，向右为x轴做直角坐标系；

针对边界数据集，基于两条边界的边界起点和边界终点，根据欧几里得距离公式计算最近的两个点，结合四个点的相对位置得到边界属于的方向；

针对圆孔数据集，从原始标签中直接提取圆心坐标，通过圆上任意一点坐标和圆心坐标求解得到半径；

针对槽数据集，从原始标签中分别提取两条槽边的起点和终点的坐标，获取到两对起点和终点的坐标，对于每对起点和终点的坐标，将这两个点的横坐标相加后除2，得到关键点信息。

进一步，所述数据增强的方式包括随机水平翻转，随机垂直翻转及双边滤波。