【技術實現步驟摘要】
本專利技術涉及圖像處理，特別是涉及一種重疊物料的面積計算方法和裝置。
技術介紹
1、不同大小的中草藥具有不同的經濟價值。人工分揀效率極低，難以應對大量中草藥的加工場景。相關技術中，引入機器視覺技術主動識別不同大小的中草藥，再通過噴閥等設備實現特定大小中草藥的剔除。對于黃芪等片狀藥材，在生產環境中，一般是使用傳送帶運輸，在傳送帶上可能會出現物料重疊的情況，從而無法有效識別重疊物料的真實面積，在分選的過程中容易剔除重疊物料，導致生產效率低、分選效果差。
技術實現思路
1、本專利技術要解決的技術問題之一是提供一種能夠識別重疊物料的真實面積的方法。
2、為了實現上述目的，本專利技術第一方面實施例提出了一種重疊物料的面積計算方法，包括：
3、獲取重疊物料圖片，并將重疊物料圖片輸入至預先訓練的分割模型，分割得到重疊物料中每個物料對應的輪廓；其中，所述分割模型被設計為對重疊物料的遮擋關系進行建模，解耦并從前視角和后視角提取物料輪廓；
4、根據所述重疊物料中每個物料對應的輪廓，分別計算所述重疊物料中每個物料對應的面積。
5、根據本專利技術實施例的重疊物料的面積計算方法，通過分割重疊物料中每個物料對應的輪廓，利用分割得到的每個物料對應的輪廓，計算重疊物料中每個物料的面積，由此可以更加準確地對處于重疊狀態的各個物料進行面積估計，有利于利用物料的面積對處于重疊狀態的各個物料進行分選，進而提高了物料的加工效率。
6、另外，根據本專利技術上述的重疊
7、上述方案中，所述分割模型包括下采樣網絡、前視上采樣網絡和后視上采樣網絡，所述將重疊物料圖片輸入至預先訓練的分割模型，分割得到重疊物料中每個物料對應的輪廓，包括：
8、基于所述下采樣網絡提取關于所述重疊物料圖片的第一深層特征；
9、通過所述前視上采樣網絡，在所述下采樣網絡的基礎上對所述第一深層特征進行上采樣，并將第一上采樣結果與所述第一深層特征進行拼接，輸出在前視角下的遮擋物料輪廓；
10、通過所述后視上采樣網絡，在所述前視上采樣網絡的基礎上對所述第一深層特征進行上采樣，并將第二上采樣結果與所述前視上采樣網絡提取的第二深層特征進行拼接，輸出在后視角下的被遮擋物料輪廓。
11、上述方案中，所述下采樣網絡包括4個步長為2的卷積模塊和3個c3層，其中，所述卷積模塊的輸入通道數分別為3、64、128、256，所述卷積模塊的輸出通道數分別為64、128、256、512，所述c3層的深度分別為4、6、2；
12、所述前視上采樣網絡和所述后視上采樣網絡均包括5個步長為1的卷積層、3個深度為3的c3層和4個上采樣層，其中，所述卷積層的輸入通道數分別為512、256、128、64、32，所述卷積層的輸出通道數分別為256、128、64、32、2；所述c3層的輸出通道數分別為256、128、64。
13、上述方案中，在所述分割模型的訓練過程中，所述方法還包括：
14、沿著訓練數據中的遮擋物料的輪廓進行標注，以及根據所述訓練數據中的被遮擋物料的可見區域，模擬在后視角下所述被遮擋物料的被遮擋區域的輪廓，并對所述被遮擋物料進行標注；所述遮擋物料置于所述被遮擋物料的前方；
15、將標注的所述訓練數據輸入至待訓練的分割模型進行迭代訓練。
16、上述方案中，所述將標注的所述訓練數據輸入至待訓練的分割模型進行迭代訓練，包括：
17、在一次迭代訓練結束時，根據所述前視上采樣網絡的輸出結果計算第一損失值，并根據所述后視上采樣網絡的輸出結果計算第二損失值；
18、對所述第一損失值和所述第二損失值進行加權求和，得到所述分割模型在本次迭代訓練的總損失值。
19、上述方案中，所述方法還包括：
20、根據所述重疊物料中每個物料對應的面積，對所述重疊物料中每個物料進行分選。
21、上述方案中，所述獲取重疊物料圖片，包括：
22、獲取物料在傳輸帶傳送的物料傳送圖片，并在所述物料傳送圖片中識別得到所述重疊物料圖片。
23、上述方案中，相鄰兩張所述物料傳送圖片存在寬度為l的重疊行；所述重疊行表征相鄰兩張所述物料傳送圖片中相同的圖像區域；其中，若所述物料傳送圖片中存在邊緣不完整的重疊物料，則在相鄰的下一張所述物料傳送圖片中獲取邊緣完整的重疊物料。
24、為實現上述目的，本專利技術第二方面實施例提出了一種重疊物料的面積計算裝置，包括：
25、獲取模塊，用于獲取重疊物料圖片；
26、輪廓分割模塊，用于將重疊物料圖片輸入至預先訓練的分割模型，分割得到重疊物料中每個物料對應的輪廓；其中，所述分割模型被設計為對重疊物料的遮擋關系進行建模，解耦并從前視角和后視角提取物料輪廓；
27、面積計算模塊，用于根據所述重疊物料中每個物料對應的輪廓，分別計算所述重疊物料中每個物料對應的面積。
28、本專利技術的附加方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本專利技術的實踐了解到。
本文檔來自技高網...【技術保護點】
1.一種重疊物料的面積計算方法，其特征在于，包括：
2.根據權利要求1所述的重疊物料的面積計算方法，其特征在于，所述分割模型包括下采樣網絡、前視上采樣網絡和后視上采樣網絡，所述將重疊物料圖片輸入至預先訓練的分割模型，分割得到重疊物料中每個物料對應的輪廓，包括：
3.根據權利要求2所述的重疊物料的面積計算方法，其特征在于，所述下采樣網絡包括4個步長為2的卷積模塊和3個C3層，其中，所述卷積模塊的輸入通道數分別為3、64、128、256，所述卷積模塊的輸出通道數分別為64、128、256、512，所述C3層的深度分別為4、6、2；
4.根據權利要求2所述的重疊物料的面積計算方法，其特征在于，在所述分割模型的訓練過程中，所述方法還包括：
5.根據權利要求4所述的重疊物料的面積計算方法，其特征在于，所述將標注的所述訓練數據輸入至待訓練的分割模型進行迭代訓練，包括：
6.根據權利要求1所述的重疊物料的面積計算方法，其特征在于，所述方法還包括：
7.根據權利要求1所述的重疊物料的面積計算方法，其特征在于，所述獲取重疊物料
8.根據權利要求7所述的重疊物料的面積計算方法，其特征在于，相鄰兩張所述物料傳送圖片存在寬度為L的重疊行；所述重疊行表征相鄰兩張所述物料傳送圖片中相同的圖像區域。
9.一種重疊物料的面積計算裝置，其特征在于，包括：
...【技術特征摘要】
1.一種重疊物料的面積計算方法，其特征在于，包括：
2.根據權利要求1所述的重疊物料的面積計算方法，其特征在于，所述分割模型包括下采樣網絡、前視上采樣網絡和后視上采樣網絡，所述將重疊物料圖片輸入至預先訓練的分割模型，分割得到重疊物料中每個物料對應的輪廓，包括：
3.根據權利要求2所述的重疊物料的面積計算方法，其特征在于，所述下采樣網絡包括4個步長為2的卷積模塊和3個c3層，其中，所述卷積模塊的輸入通道數分別為3、64、128、256，所述卷積模塊的輸出通道數分別為64、128、256、512，所述c3層的深度分別為4、6、2；
4.根據權利要求2所述的重疊物料的面積計算方法，其特征...
【專利技術屬性】
技術研發人員：徐錦程，劉松，
申請(專利權)人：合肥美亞光電技術股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。