[发明专利]一种基于机器视觉的载雪车货箱目标抛雪区识别方法

权利要求书

1.一种基于机器视觉的载雪车货箱目标抛雪区识别方法，其特征在于：包括以下步骤：

1)采集白天和夜晚情况下载雪车货箱的各种装载状态的图像数据，并将所采集的图像数据按照一定格式制作成图像数据集，将图像数据集划分位训练数据集和测试数据集；

2)构建基于3D卷积神经网络的载雪车货箱装载状态识别模型；

3)对训练数据集和测试数据集中的图像先进行离散拉普拉斯变换，然后再进行二值化处理；离散拉普拉斯变换的算子如下式所示：

l(x,y)＝[f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1)]-4(x,y)

其中x，y分别为图像中某像素点的x，y坐标；l(x，y)为坐标点x，y处的拉普拉斯值；

在每个像素点的二值化过程中，定义水平方向和垂直方向上的图像拉普拉斯算子值为l_x和l_y，当对拉普拉斯幅值进行二值化时，采用对(min(|l_x|+|ly|,255)/255)取整，即得到一个二值化幅值；

4)利用步骤3)处理后的训练数据集对载雪车货箱装载状态识别模型进行参数权重的训练，然后用测试数据集对经过训练的载雪车货箱装载状态识别模型进行测试，最终得到合格的载雪车货箱装载状态识别模型；

5)在抛雪车上设置图像采集设备连续实时采集载雪车货箱装载图像，并采用步骤3)中所述方法对采集的图像进行二值化处理；

6)将步骤5)获得的图像输入步骤4)得到的载雪车货箱装载状态识别模型，通过载雪车货箱装载状态识别模型对图像中货箱各区域的装载情况进行识别，划分货箱的满载区域和未满载区域；

7)根据步骤6)的识别结果，在未满载区域中划分出与满载区域相邻的下一个抛雪目标区域。

2.根据权利要求1所述的基于机器视觉的载雪车货箱目标抛雪区识别方法，其特征在于：所述步骤2)中构建的载雪车货箱装载状态识别模型由单层稀疏自编码层和多层卷积神经网络组成，所述多层卷积神经网络包括与单层稀疏自编码层连接的卷积层、与卷积层连接的采样层、与采样层连接的特征卷积层、与特征卷积层连接的特征降采样层、与特征降采样层连接的全连接层。