一种基于包装图像的智能识别系统

技术领域

本发明涉及图像识别技术领域，具体为一种基于包装图像的智能识别系统。

背景技术

随着资源回收利用的提倡，各种针对饮料瓶的回收利用方法和设备也越来越多，目前国内现有的饮料瓶回收装置通过扫描塑料瓶瓶身条形码或者包装图像，对瓶子类型进行简单识别并加以回收，在针对饮料瓶识别的过程中，经常会出现饮料瓶图像被不同面积的损坏，及包装图像不完整的情况，就会导致回收过程中出现识别分类错误或无法识别的情况，同时现有饮料瓶回收装置的识别方式单一，整体可靠性就变的较差，这些不足影响了人们使用饮料瓶回收机的积极性，导致塑料瓶回收率较低。因此，设计可靠性高和识别率高的一种基于包装图像的智能识别系统是很有必要的。

发明内容

本发明的目的在于提供一种基于包装图像的智能识别系统，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于包装图像的智能识别系统，包括一种基于包装图像的智能识别方法，所述该方法包括以下步骤：

步骤一：将饮料瓶包装置于系统摄像头前的固定位置，摄像头自动识别拍摄包装图像数据；

步骤二：录入模板图像数据建立饮料瓶包装图像的模板数据库，与图像数据库中的饮品包装图像模板比对，确定包装所属类别；

步骤三：通过中央处理单元利用图像识别算法，针对多种图像进行灰度化、滤波处理与二值化处理的预处理操作；

步骤四：基于预处理后的图像数据进行饮料瓶包装图像的识别匹配；

步骤五：进行识别出的包装图像信息的实时显示。

根据上述技术方案，所述摄像头自动识别拍摄包装图像数据的步骤，包括：

当饮料瓶进入到系统摄像头前的固定识别位置后，饮料瓶图像传感器设备中的单片机收到触发信号；

控制工业摄像机的摄像头和光源响应对饮料瓶的包装图像进行图像数据采集。

根据上述技术方案，所述建立饮料瓶包装图像的模板数据库的步骤，包括：

通过爬虫技术爬取现有网页中的多种饮料瓶包装图像数据和对应的品牌及材料类别数据；

根据爬取数据建立饮料瓶包装图像数据库。

根据上述技术方案，所述针对多种图像进行灰度化、滤波处理与二值化处理的预处理操作的步骤，包括：

利用平均值法求出彩色图像中每个像素点的红、绿、蓝三个分量的平均值；

将平均值赋给这个像素颜色的三个分量，实现对获取的彩色图像的灰度化处理；

采用邻域平均法和中值滤波法进行包装图像的滤波处理；

确定一个滤波窗口，通过对窗口内的所有像素灰度值按大小排序；

取有序序列的中间值作为窗口的中心点的灰度值，对含噪声的图像进行滤波；

采用阈值分割技术将灰度图像进行二值化处理。

根据上述技术方案，所述基于预处理后的图像数据进行饮料瓶包装图像的识别匹配的步骤，包括：

接收到预处理后的数字图像，进行包装图像的检测与分割；

利用Harris角点检测图像中的角点，通过角点检测最大矩形进行分割；

使用基于Harris角点改进的形状上下文算法提取饮料瓶包装图像的形状特征；

通过主色特征检索本地特征库，筛选掉差别较大的图像；

匹配特征库中颜色相似性和形状相似性之和最低的图像，完成识别并输出识别后的饮料瓶包装图像数据信息。

根据上述技术方案，所述进行识别出的包装图像信息的实时显示的步骤，包括：

将输出识别后的饮料瓶包装图像数据重新整合为数组变量；

不同包装类别的图像生成的数据不同，使每个图像具有专门的标识；

计算拍摄的包装图像与数据库中所有模板图像的相似度；

得出饮料瓶包装图像对应的类别信息；

根据得出饮料瓶包装图像对应的类别信息，触发智能回收箱中相应类别的页面；

打开相应类别的投放口，用户基于该投放口进行投放回收。

与现有技术相比，本发明所达到的有益效果是：本发明，通过设置有包装图像数据模块、智能分析识别模块和匹配显示模块，使用Canny算子检测图像中的边缘，根据边缘轮廓信息，使用基于Harris角点改进的形状上下文算法提取饮料瓶包装图像的形状特征，特征提取完毕后，通过主色特征检索本地特征库，筛选掉差别较大的图像，使用所提取的颜色直方图和形状上下文特征计算与本地饮料瓶包装图像特征库中特征的相似性，匹配特征库中颜色相似性和形状相似性之和最低的图像，完成识别并输出识别后的饮料瓶包装图像数据信息，使得在出现饮料瓶图像被不同面积的损坏，及包装图像不完整的情况下仍能通过边缘化进行识别匹配，很大程度的提高了图像数据识别的准确性。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例一提供的一种基于包装图像的智能识别方法的流程图；

图2为本发明实施例二提供的一种基于包装图像的智能识别系统的模块组成示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一：

图1为本发明实施例一提供的一种基于包装图像的智能识别方法的流程图，本实施例可应用饮料包装平回收的场景，该方法可以由本实施例提供的一种基于包装图像的智能识别系统来执行，如图1所示，该方法具体包括以下步骤：

步骤一：将饮料瓶包装置于系统摄像头前的固定位置，摄像头自动识别拍摄包装图像数据；

在本发明实施例中，当饮料瓶进入到系统摄像头前的固定识别位置后，饮料瓶图像传感器设备中的单片机收到触发信号，控制工业摄像机的摄像头和光源响应对饮料瓶的包装图像进行图像数据采集，同步摄像机将采集到的图像数据转化为计算机处理的数字化图像，将处理后的数字化图像数据提供给微处理器进行识别处理；

示例性的，在对包装图像数据采集的过程中，利用24V直流LED的三色可变色谱光源，采用软件自动改变照明光谱，进行分时曝光控制，采用短光源、中光源、长光源三种不同规格的光源，利用短光源为饮料瓶包装的整体打光照明，利用中光源针对饮料瓶包装图像区域的针对照明，最后利用长光源提供饮料瓶包装图像的侧面照明，以确保采集到的饮料瓶包装图像足够清晰。

步骤二：录入模板图像数据建立饮料瓶包装图像的模板数据库，与图像数据库中的饮品包装图像模板比对，确定包装所属类别；

在本发明实施例中，通过爬虫技术爬取现有网页中的多种饮料瓶包装图像数据和对应的品牌及材料类别数据，以此建立饮料瓶包装图像数据库，根据爬取生成的图像数据制定对应的品牌和材料类别路径，按分类后的路径录入模板图像，保证后续采集图像与模板图像的对比调用。

步骤三：通过中央处理单元利用图像识别算法，针对多种图像进行灰度化、滤波处理与二值化处理的预处理操作；

在本发明实施例中，中央处理单元中的微处理器通过图像识别算法将摄像头输出的饮料瓶包装瓶图像进行灰度化、二值化处理，摄像头采集的图像是彩色的，其中包含有大量的色彩信息，而这些色彩信息对识别轮廓没有任何作用，为减小后续图像识别处理的计算量，提高微处理器处理效率，对处理后的数字化图像数据进行图像预处理，利用平均值法求出彩色图像中每个像素点的红、绿、蓝三个分量的平均值，然后将平均值赋给这个像素颜色的三个分量，实现对获取的彩色图像的灰度化处理；

示例性的，图像噪声是指那些影响人们对图像信息接收和理解的不确定性干扰信号，图像在生成、传输、采集、识别处理的过程中会受到各种噪声源的干扰，这些干扰将直接降低图像的质量，因此采用邻域平均法和中值滤波法进行包装图像的滤波处理，利用中值滤波方法进行二维中值滤波处理，确定一个滤波窗口，通过对窗口内的所有像素灰度值按大小排序，取有序序列的中间值作为窗口的中心点的灰度值，对含噪声的图像进行滤波，以减弱或消除这类干扰噪声提高图像的质量。

示例性的，采用阈值分割技术将灰度图像进行二值化处理，根据图像分割设定灰度阈值，将该阈值与图像中每一个像素点的灰度值进行比较，根据比较结果将图像分成两个部分，一部分是灰度值大于或者等于阈值的像素点为目标部分，另外一部分小于阈值的像素点为背景部分，将两部分像素点灰度值分别用255和0表示形成二值化图，且分割的阈值可动态调节，实现图像的二值化结果的实时显示。

步骤四：基于预处理后的图像数据进行饮料瓶包装图像的识别匹配；

在本发明实施例中，接收到预处理后的数字图像，进行包装图像的检测与分割，利用Harris角点检测图像中的角点，通过角点检测最大矩形进行分割，进一步进行图像缩放，将包装图像缩放至合适的尺寸，提取包装图像中的颜色特征，计算其中主色和颜色直方图中的两个颜色特征，通过灰度化图像增强图像的对比度；

示例性的，使用Canny算子检测图像中的边缘，根据边缘轮廓信息，使用基于Harris角点改进的形状上下文算法提取饮料瓶包装图像的形状特征，特征提取完毕后，通过主色特征检索本地特征库，筛选掉差别较大的图像，使用所提取的颜色直方图和形状上下文特征计算与本地饮料瓶包装图像特征库中特征的相似性，匹配特征库中颜色相似性和形状相似性之和最低的图像，完成识别并输出识别后的饮料瓶包装图像数据信息。

步骤五：进行识别出的包装图像信息的实时显示。

在本发明实施例中，将输出识别后的饮料瓶包装图像数据重新整合为数组变量，即得到一串只有0和1的图像数据，不同包装类别的图像生成的数据不同，使每个图像具有专门的标识，调用建立的饮料瓶包装图像数据库中的数据集，将现有饮料瓶包装图像的唯一标识与数据库中的饮料瓶包装图像进行对比，按照次序进行比较，计算数据中有多少相同的特征数据，再与所有像素的个数计算比值，得到一个小于等于1的数，此结果现有饮料包装图像与数据库中图像的相似度，按照此方法，将拍摄的包装图像与数据库中所有模板图像数据作对比，最接近1的数据即为相似度最大的图像，由此得出饮料瓶包装图像对应的类别信息；

示例性的，通过HDMI连接显示器，根据得出饮料瓶包装图像对应的类别信息，触发智能回收箱中相应类别的页面，并打开相应类别的投放口，用户基于该投放口进行投放回收。

实施例二：

本发明实施例二提供了一种基于包装图像的智能识别系统，图2为本发明实施例二提供的一种基于包装图像的智能识别系统的模块组成示意图，如图2所示，该系统包括：

包装图像数据模块，用于对饮料瓶的包装图像进行图像数据采集；

智能分析识别模块，用于对采集获取的包装图像数据进行分析计算和识别处理；

匹配显示模块，用于根据识别结果匹配输出对应的图像数据类别信息。

在本发明的一些实施例中，包装图像数据模块包括：

图像数据采集模块，用于控制工业摄像机的摄像头和光源响应对饮料瓶的包装图像进行图像数据采集；

工业摄像机模块，用于采用专业的工业摄像机进行包装图像的采集和转换；

光源模块，用于在对饮料瓶包装图像采集的过程中利用不同光源补光照明；

数字化图像模块，用于将摄像机将采集的图像转化为计算机处理的数字化图像。

在本发明的一些实施例中，智能分析识别模块包括：

类别数据爬取模块，用于通过爬虫技术爬取现有网页中的多种饮料瓶包装图像数据和对应的品牌及材料类别数据；

数据库建立模块，用于根据爬取的数据信息建立饮料瓶包装图像数据库；

数据与处理模块，用于利用图像识别算法针对多种图像进行灰度化、滤波处理与二值化处理的预处理操作；

图像识别模块，用于基于预处理后的图像数据进行饮料瓶包装图像的识别匹配。

在本发明的一些实施例中，匹配显示模块包括：

数组变量模块，用于将输出识别后的饮料瓶包装图像数据重新整合为数组变量；

唯一标识模块，用于根据数组变量得到的图像数据，生成每个图像具有专门标识的数据；

相似度计算模块，用于通过计算数据的特征数据和所有像素的个数计算比值进行相似度的计算；

类别信息匹配输出模块，用于输出计算得出的饮料瓶包装图像对应的类别信息。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。