一种基于机器视觉的多视角管材在线识别方法及系统

本发明涉及机器视觉和目标检测，特别是指一种基于机器视觉的多视角管材在线识别方法及系统。

背景技术：

1、随着工业领域的不断发展，特别是在管材的生产和分拣过程中，对管材进行快速、准确地识别和检测的需求日益增长。

2、传统的管材识别方法通常依赖于人工视觉检查或昂贵的专用设备，存在着效率低、成本高、易出错等问题，难以满足现代工业生产的高效、精确要求。

3、此外，传统的单视角图像识别方法受限于视角和遮挡问题，导致识别准确率较低，与此同时，传统的识别和分类算法如sift、hog和svm在进行管材识别时，依赖于手工特征提取和分类算法，需要大量的预处理和特征工程，难以适应复杂和多变的工业环境。

技术实现思路

1、为了解决传统技术方案中依赖于人工视觉检查或昂贵的专用设备，存在着效率低、成本高、易出错等问题，难以满足现代工业生产的高效、精确要求，以及受限于视角和遮挡问题，导致识别准确率较低，并依赖于手工特征提取和分类算法，需要大量的预处理和特征工程，难以适应复杂和多变的工业环境的技术问题，本发明提供了一种基于机器视觉的多视角管材在线识别方法及系统。

2、本发明实施例提供的技术方案如下：

3、第一方面：

4、本发明实施例提供的一种基于机器视觉的多视角管材在线识别方法，包括：

5、s1：采集多种类型的管材在多个视角下的图像；

6、s2：对采集到的图像进行数据增强处理；

7、s3：对数据增强处理后的图像进行标注，构建图像数据集；

8、s4：构建基于改进的yolov5s算法的管材识别模型；

9、s5：使用所述图像数据集，对所述管材识别模型进行训练；

10、s6：实时采集管材图像；

11、s7：通过训练完成的管材识别模型，对所述管材图像进行在线识别。

12、第二方面：

13、本发明实施例提供的一种基于机器视觉的多视角管材在线识别系统，包括：存储器和一个或多个处理器；

14、所述存储器中存储有一个或多个应用程序，所述一个或多个应用程序适于由所述一个或多个处理器执行以实现上述的基于机器视觉的多视角管材在线识别方法。

15、本发明实施例提供的技术方案带来的有益效果至少包括：

16、在本发明中，通过采集多种类型的管材在多个视角下的图像，使管材的识别不再受限于视角和遮挡问题，提高了识别准确率，同时构建基于改进的yolov5s算法的管材识别模型，不再依赖于手工特征提取和分类算法，不需要大量的预处理和特征工程，能够适应复杂和多变的工业环境，并通过训练完成的管材识别模型，对所述管材图像进行在线识别，不再依赖于人工视觉检查或昂贵的专用设备，效率高、成本低、不易出错，能够满足现代工业生产的高效、精确要求。

技术特征：

1.一种基于机器视觉的多视角管材在线识别方法，其特征在于，包括：

2.根据权利要求1所述的基于机器视觉的多视角管材在线识别方法，其特征在于，所述s4具体包括：

3.根据权利要求2所述的基于机器视觉的多视角管材在线识别方法，其特征在于，所述mobilenetv3网络结构包括深度可分离卷积模块、线性瓶颈模块和倒置残差模块。

4.根据权利要求3所述的基于机器视觉的多视角管材在线识别方法，其特征在于，所述深度可分离卷积模块包括深度卷积和逐点卷积；

5.根据权利要求3所述的基于机器视觉的多视角管材在线识别方法，其特征在于，所述线性瓶颈模块包括三个卷积层，第一个和最后一个卷积层是1×1的卷积层，中间的卷积层是3×3的卷积层；

6.根据权利要求3所述的基于机器视觉的多视角管材在线识别方法，其特征在于，所述倒置残差模块包括所述线性瓶颈模块和shortcut连接；

7.根据权利要求3所述的基于机器视觉的多视角管材在线识别方法，其特征在于，在所述mobilenetv3网络结构中，使用h-swish激活函数替换所述yolov5s算法中的relu6激活函数，并引入基于squeeze and excitation结构的轻量级通道注意力机制。

8.根据权利要求2所述的基于机器视觉的多视角管材在线识别方法，其特征在于，所述软性非极大值抑制算法具体为：

9.根据权利要求1所述的基于机器视觉的多视角管材在线识别方法，其特征在于，在所述s5之后，在所述s6之前，还包括：

10.一种基于机器视觉的多视角管材在线识别系统，其特征在于，包括：存储器和一个或多个处理器；

技术总结本发明提供一种基于机器视觉的多视角管材在线识别方法及系统，涉及机器视觉和目标检测技术领域，方法包括：采集多种类型的管材在多个视角下的图像；对采集到的图像进行数据增强处理；对数据增强处理后的图像进行标注，构建图像数据集；构建基于改进的YOLOv5s算法的管材识别模型；使用所述图像数据集，对所述管材识别模型进行训练；实时采集管材图像；通过训练完成的管材识别模型，对所述管材图像进行在线识别。本发明可以使管材的识别不再受限于视角和遮挡问题，提高了识别准确率，不再依赖于手工特征提取和分类算法，不需要大量的预处理和特征工程，就能够适应复杂和多变的工业环境，且不再依赖于人工视觉检查或昂贵的专用设备。技术研发人员：崔望朔,邓斌,王凯峰,吴委员,王涛涌受保护的技术使用者：天津大学浙江国际创新设计与智造研究院技术研发日：技术公布日：2024/8/27