板片辨识分类方法及系统技术方案

一种板片辨识分类方法及系统，所述板片辨识分类方法适用于运算装置，并包含下列步骤：(A)于相关于所述板片的分析影像中取多个辨识影像。(B)使用神经网络，所述神经网络根据每一个辨识影像输出特征值组，每一个特征值组具有多个特征值。(C)将所述特征值组各自与标准特征值组比较，并根据比较结果判断所述板片的分类，所述标准特征值组具有多个分别对应于所述特征值的标准特征值。借此，不仅可以大幅提升辨识分类的精确度，也能大幅降低更新维护辨识软件的时间及成本。软件的时间及成本。软件的时间及成本。

【技术实现步骤摘要】
板片辨识分类方法及系统


[0001]本专利技术涉及一种辨识分类方法及系统，特别是涉及一种板片辨识分类方法及系统。

技术介绍

[0002]在目前的家具材料自动化产线中，作为家具材料的板片在出厂前，需进行辨识分类以确保出厂的货品正确。
[0003]由于板片通常面积较大，例如，常为2米x2米以上尺寸的板片，因此，会先使用摄影装置将板片分区拍摄为多张影像，接着，再使用辨识编程对所述影像进行辨识分类。目前的辨识编程的建构方式，是先由人工列出木纹的辨识特征，例如，胡桃木纹的色调分布状态、特定曲线、特定形状等，接着，分别由人工根据所述辨识特征撰写辨识运算式，再使用包含所述辨识运算式的辨识编程对所述影像进行辨识分类。
[0004]然而，此种辨识方式受限于人工能列出的木纹的辨识运算式十分有限，不仅辨识精确度仍有改善空间，且难以随着板材种类增加而快速扩充更新辨识编程。

技术实现思路

[0005]本专利技术的目的在于提供一种能解决
技术介绍
问题的板片辨识分类方法。
[0006]本专利技术的板片辨识分类方法，适用于运算装置，并包含下列步骤：
[0007](A)于相关于所述板片的分析影像中取多个辨识影像。
[0008](B)使用神经网络，所述神经网络根据每一个辨识影像输出特征值组，每一个特征值组具有多个特征值。
[0009](C)将所述特征值组各自与至少一个标准特征值组比较，并根据比较结果判断所述板片的分类，所述至少一个标准特征值组具有多个分别对应于所述特征值的标准特征值。
>[0010]本专利技术的板片辨识分类方法，于步骤(A)中，于所述分析影像中取N个辨识影像，N为奇数且小于20。
[0011]本专利技术的板片辨识分类方法，于步骤(B)中，每一个特征值组具有500个以上对应所述板片的特征的特征值。
[0012]本专利技术的板片辨识分类方法，于步骤(C)中，使用欧氏距离或余弦距离运算每一个特征值组与所述至少一个标准特征值组的差异值，并于多数特征值组与所述至少一个标准特征值组的差异值皆小于标准预定值时，判断所述板片为所述至少一个标准特征值组所对应的纹路。
[0013]本专利技术的板片辨识分类方法，于步骤(A)中，所述分析影像是由多个朝所述板片拍摄的分区影像组合而成，每一个所述分区影像的尺寸介于20厘米x20厘米～60厘米x45厘米间，且每一个所述辨识影像的尺寸介于8厘米x8厘米～12厘米x12厘米间。
[0014]本专利技术的板片辨识分类方法，还包含下列用于训练所述神经网络的步骤：
[0015](D)接收多个朝所述板片拍摄的分区影像，于每一个分区影像中取多个训练影像。
[0016](E)所述神经网络根据每一个训练影像输出对应的所述特征值组。
[0017](F)调整所述神经网络的参数，使所述神经网络根据所述训练影像所输出的所述特征值组间的损失降低。
[0018](G)根据对应所述训练影像的所述特征值组得出所述至少一个标准特征值组。
[0019]本专利技术的板片辨识分类方法，于步骤(D)中，所述分区影像包括由不同角度、或不同照度、或不同距离拍摄的所述板片的影像数据。
[0020]本专利技术的板片辨识分类方法，于步骤(F)中，使用对比损失方法或三元组损失方法调整所述神经网络的参数。
[0021]本专利技术的板片辨识分类方法，于步骤(D)中，于每一个分区影像中设置多个目标侦测点，且于每一个目标侦测点撷取20～50张位置不同的所述训练影像，每一个训练影像的重复区域不大于70％。
[0022]本专利技术的目的在于提供一种能解决
技术介绍
问题的板片辨识分类系统。
[0023]本专利技术的板片辨识分类系统，包含输送装置、摄影装置、照明装置，及运算装置。
[0024]所述输送装置用于输送所述板片。
[0025]所述摄影装置对应所述输送装置设置，用于朝所述板片拍摄，并输出多个分区影像。
[0026]所述照明装置对应所述摄影装置设置，用于提供所述摄影装置拍摄所述板片时的照明。
[0027]所述运算装置信号连接所述摄影装置，根据所述分区影像得出所述分析影像，用于执行如上述的方法的步骤。
[0028]本专利技术的有益效果在于：通过于相关于所述板片的所述分析影像中取所述辨识影像，再使用所述神经网络运算所述辨识影像而得出所述特征值组，接着再由所述特征值组与所述标准特征值组比较，而据以判断所述板片的分类。不仅可以大幅提升辨识分类的精确度，也能大幅降低更新维护辨识软件的时间及成本。
附图说明
[0029]图1是本专利技术板片辨识分类系统的一个实施例的一个示意图；
[0030]图2是一个示意图，说明所述实施例的一个分析影像、多个分区影像及多个辨识影像；
[0031]图3是本专利技术板片辨识分类方法的一个实施例的一个流程图；
[0032]图4是所述实施例的运作示意图；及
[0033]图5是所述实施例训练一个神经网络的一个流程图。
具体实施方式
[0034]参阅图1与图2，本专利技术板片辨识分类系统的一个实施例，包含一个输送装置2、一个摄影装置3、一个照明装置4，及一个运算装置5。
[0035]所述输送装置2用于输送板片9前进。所述输送装置2能使用履带或是多个并列转动的滚轮实施。
[0036]所述摄影装置3对应所述输送装置2设置，用于朝所述板片9拍摄，并输出多个分区影像71。所述摄影装置3为能撷取影像的装置，例如，使用CMOS彩色摄影机、CCD彩色摄影机等，其中，较佳是使用灵敏度、解析度、杂讯控制皆较佳的CCD摄影机，以获得较佳的影像质量。其中，由于一般家具的所述板片9面积较大，因此，通常无法将整张所述板片9容纳在一张影像中，所以会对所述板片9进行分区摄影，而得到多张可以组合为一张整体影像的分区影像71，而当所述板片9面积较小时，则可以以一张分区影像71作为整体影像进行后续分析。其中，每一个分区影像71的尺寸较佳是介于20厘米x20厘米～60厘米x45厘米间。
[0037]所述照明装置4对应所述摄影装置3设置，用于提供所述摄影装置3拍摄所述板片9时的照明。为了可以减少色偏，提高木纹颜色的正确度，所述照明装置4较佳是选用白光的灯具，例如，选用色温在4500K～6500K间的灯具，较佳是选用6000K左右的正白光灯具。
[0038]所述运算装置5信号连接所述摄影装置3，接收所述分区影像71，并根据所述分区影像71得出一个分析影像7，并用于执行内存的编程指令以执行一个板片辨识分类方法，并通过所述板片辨识分类方法对所述板片9进行辨识分类。其中，所述运算装置5与所述摄影装置3间能使用有线连接或无线连接(如Wi
‑
Fi、蓝牙等无线传输技术)传输所述分区影像71。所述运算装置5能使用电脑、服务器等具有影像处理计算能力的电子装置，例如，能使用具有图形处理器(Graphics Processing Unit，缩写为GPU)、神经网络处理器(Neural Network Proce本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种板片辨识分类方法，适用于运算装置，其特征在于：所述板片辨识分类方法包含下列步骤：(A)于相关于所述板片的分析影像中取多个辨识影像；(B)使用神经网络，所述神经网络根据每一个辨识影像输出特征值组，每一个特征值组具有多个特征值；及(C)将所述特征值组各自与至少一个标准特征值组比较，并根据比较结果判断所述板片的分类，所述至少一个标准特征值组具有多个分别对应于所述特征值的标准特征值。2.根据权利要求1所述的板片辨识分类方法，其特征在于：于步骤(A)中，于所述分析影像中取N个辨识影像，N为奇数且小于20。3.根据权利要求1所述的板片辨识分类方法，其特征在于：于步骤(B)中，每一个特征值组具有500个以上对应所述板片的特征的特征值。4.根据权利要求1所述的板片辨识分类方法，其特征在于：于步骤(C)中，使用欧氏距离或余弦距离运算每一个特征值组与所述至少一个标准特征值组的差异值，并于多数特征值组与所述至少一个标准特征值组的差异值皆小于标准预定值时，判断所述板片为所述至少一个标准特征值组所对应的纹路。5.根据权利要求1所述的板片辨识分类方法，其特征在于：于步骤(A)中，所述分析影像是由多个朝所述板片拍摄的分区影像组合而成，每一个所述分区影像的尺寸介于20厘米x20厘米～60厘米x45厘米间，且每一个所述辨识影像的尺寸介于8厘米x8厘米～12厘米x12厘米间。6.根据权利要求1所述的板片辨识分类方法，其特征在于：还包含下列用于训练...

【专利技术属性】
技术研发人员：李松沛，
申请(专利权)人：宝元数控股份有限公司，
类型：发明
国别省市：