买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京林业大学

摘要：本发明公开一种基于COMS和高光谱相机的杆状物分选装置及方法，属于物料分选技术领域，包括进料装置、传送装置、超高速图像预处理单元、工控机、喷阀控制单元和多级分选装置，相机采集物料图像，图像经超高速图像预处理单元处理后，发送至工控机，工控机通过迁移学习算法提取图片特征，使用实例分割算法分析特征图片得到物料中杆状物及异物的特点、位置信息，对物料中杆状物及异物进行识别分割，完成杆状物的分选工作。本发明将分选系统模块化，根据不同物料，自行搭配使用；CMOS工业线阵相机及高光谱相机通过深度学习的方法对图像进行识别分割可以提升杆状物识别的准确率，实现精准分选，成功的解决了人工分选的低精度、高成本的难题。

主权项：1.一种基于COMS和高光谱相机的杆状物分选装置，其特征在于，包括：包括进料装置（1）、传送装置、超高速图像预处理单元（15）、工控机（16）、喷阀控制单元（17）和多级分选装置，分选装置通过相机采集物料图像，图像经超高速图像预处理单元（15）处理后，把RGB图像信息发送给工控机（16），工控机（16）将采集到的图像进行分析，通过迁移学习算法提取图片特征，使用实例分割算法SOLO_v2分析特征图片得到物料中杆状物及异物的特点、位置信息，对物料中杆状物及异物进行识别分割，分析得到数据发送给喷阀控制单元（17）并驱动相应的电磁阀动作，开启喷阀喷掉异物至对应的杂质箱，完成杆状物的分选工作；迁移学习算法由VGG前三层卷积神经网络及三层CNN卷积层组成，共包含6层网络的结构，第一层为卷积层，采用64个3×3的卷积核，步长为1，采用ReLU激活函数；第二层为卷积层，采用64个3×3的卷积核，步长为1，激活函数为ReLU，输入矩阵的周边补0使得输出与输入形状相同；第三层为池化层，经maxpooling，滤波器为2×2，步长为2，图像尺寸减半；后续的第四层、第五层、第六层为微调后的网络，均为卷积层而非传统的全连接层，采用4个3×3的卷积核，步长为1；该网络输出的是包含卷积特征的图像信息，并发送至后续的改进实例分割算法SOLO_v2卷积神经网络；使用改进后的实例分割算法SOLO-V2分析特征图片得到物料中杆状物及异物的特点、位置信息，对物料中杆状物及异物进行识别分割；改进后的实例分割算法SOLO_v2卷积神经网络由5部分组成：全卷积网络、特征金字塔网络、语义分支、掩膜卷积核分支、以及掩膜特征分支；全卷积网络根据输出图像的维度划分为5层，每层的最后一个特征作为1个特征金字塔网络输入特征图，采用分类器预测网格内实例信息类别，掩膜卷积核分支加入网络架构搜索对每层特征金字塔输出图像进行处理再合并空间得到掩膜内核，掩膜卷积核分支首先通过语义分支处理得到输出空间操作，然后在掩膜分支中进行掩膜的尺寸及位置预测，通过动态卷积操作完成对掩膜的预测；掩膜特征分支通过3X3卷积操作、组归一化后，由激活函数ReLU与2个双线性插值运算后将4层特征图合并为与原图同样尺寸的特征图，最终通过1X1卷积计算、组归一化后经激活函数ReLU得到最终的掩膜特征图，最后非极大值抑制是抑制非极大值的元素，分割出杆状物及异物位置对杆状物进行分选。

全文数据：

权利要求：

百度查询： 南京林业大学 基于COMS和高光谱相机的杆状物分选装置及方法