CN116309442B - 挑拣信息的确定方法及目标对象的挑拣方法 - Google Patents

挑拣信息的确定方法及目标对象的挑拣方法 Download PDF

Info

Publication number
CN116309442B
CN116309442B CN202310259604.7A CN202310259604A CN116309442B CN 116309442 B CN116309442 B CN 116309442B CN 202310259604 A CN202310259604 A CN 202310259604A CN 116309442 B CN116309442 B CN 116309442B
Authority
CN
China
Prior art keywords
picking
information
target
target area
determining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310259604.7A
Other languages
English (en)
Other versions
CN116309442A (zh
Inventor
戴至修
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202310259604.7A priority Critical patent/CN116309442B/zh
Publication of CN116309442A publication Critical patent/CN116309442A/zh
Application granted granted Critical
Publication of CN116309442B publication Critical patent/CN116309442B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/04—Sorting according to size
    • B07C5/10—Sorting according to size measured by light-responsive means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Manipulator (AREA)

Abstract

本公开提供了挑拣信息的确定方法及目标对象的挑拣方法，涉及图像处理技术领域，尤其涉及计算机视觉、人工智能、深度学习等领域。具体实现方案为：确定目标采集图像中的挑拣目标区域；在挑拣目标区域的质心坐标点位于挑拣目标区域之外的情况下，根据挑拣目标区域的轮廓信息，确定挑拣目标区域的挑拣坐标点；挑拣坐标点位于挑拣目标区域之中；根据挑拣目标区域的图像属性信息和挑拣坐标点，确定挑拣目标区域的挑拣信息，挑拣信息用于指示挑拣机构挑拣挑拣目标区域对应的目标对象。根据本公开的技术，基于所采集的目标采集图像，可准确的确定出目标区域的挑拣信息，以使挑拣机构能够利用挑拣信息，精准的实现目标对象的挑拣。

Description

挑拣信息的确定方法及目标对象的挑拣方法
技术领域
本公开涉及图像处理技术领域，尤其涉及计算机视觉、人工智能、深度学习等领域。
背景技术
相关技术中的目标对象挑拣技术，无法很好的满足目标对象被精准挑拣的需求以及目标对象的拣出率需求。
发明内容
本公开提供了一种挑拣信息的确定方法及目标对象的挑拣方法。
根据本公开的一方面，提供了一种挑拣信息的确定方法，包括：
确定目标采集图像中的挑拣目标区域；
在挑拣目标区域的质心坐标点位于挑拣目标区域之外的情况下，根据挑拣目标区域的轮廓信息，确定挑拣目标区域的挑拣坐标点；其中，挑拣坐标点位于挑拣目标区域之中；以及
根据挑拣目标区域的图像属性信息和挑拣坐标点，确定挑拣目标区域的挑拣信息，挑拣信息用于指示挑拣机构挑拣挑拣目标区域对应的目标对象。
根据本公开的另一方面，提供了一种目标对象的挑拣方法，包括：
基于目标采集图像，利用本公开任一实施例的挑拣信息的确定方法，获取目标采集图像中的挑拣目标区域的图像属性信息；
根据图像属性信息，确定挑拣目标区域的挑拣模式和挑拣坐标信息；以及
基于挑拣模式和挑拣坐标信息，控制挑拣机构对目标采集图像所对应的待挑区域进行目标对象的挑拣。
根据本公开的另一方面，提供了一种挑拣信息的确定装置，包括：
第一确定模块，用于确定目标采集图像中的挑拣目标区域；
第二确定模块，用于在挑拣目标区域的质心坐标点位于挑拣目标区域之外的情况下，根据挑拣目标区域的轮廓信息，确定挑拣目标区域的挑拣坐标点；其中，挑拣坐标点位于挑拣目标区域之中；以及
第三确定模块，用于根据挑拣目标区域的图像属性信息和挑拣坐标点，确定挑拣目标区域的挑拣信息，挑拣信息用于指示挑拣机构挑拣挑拣目标区域对应的目标对象。
根据本公开的另一方面，提供了一种目标对象的挑拣装置，包括：
获取模块，用于基于目标采集图像，利用本公开任一实施例的挑拣信息的确定方法，获取目标采集图像中的挑拣目标区域的图像属性信息；
第四确定模块，用于根据图像属性信息，确定挑拣目标区域的挑拣模式和挑拣坐标信息；以及
控制模块，用于基于挑拣模式和挑拣坐标信息，控制挑拣机构对目标采集图像所对应的待挑区域进行目标对象的挑拣。
根据本公开的另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开实施例中任一的方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使该计算机执行根据本公开实施例中任一的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现根据本公开实施例中任一的方法。
根据本公开的另一方面，提供了一种挑拣机台，包括：
机台本体；
载盘，设置于机台本体的台面，用于承载待挑拣的物料；
图像采集装置，设置于机台本体，用于对待挑拣的物料进行图像采集；
挑拣机构，设置于机台本体，用于执行目标对象挑拣动作；
控制器，与图像采集装置和挑拣机构电连接，用于执行本公开实施例中任一的方法。
根据本公开的技术，基于所采集的目标采集图像，可准确的确定出目标区域的挑拣信息，以使挑拣机构能够利用挑拣信息，精准的实现目标对象的挑拣。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开实施例的挑拣信息的确定方法的流程示意图；
图2是根据本公开实施例的挑拣信息的确定方法的应用场景示意图；
图3是根据本公开实施例的挑拣信息的确定方法的应用场景示意图；
图4是根据本公开实施例的目标对象的挑拣方法的流程示意图；
图5是根据本公开实施例的目标对象的挑拣方法的应用场景示意图；
图6是根据本公开实施例的目标对象的挑拣方法的应用场景示意图；
图7是根据本公开实施例的挑拣信息的确定装置的示意图；
图8是根据本公开实施例的目标对象的挑拣装置的示意图；
图9是根据本公开实施例的挑拣机台的示意图；
图10是用来实现本公开实施例的挑拣信息的确定方法和/或目标对象的挑拣方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
如图1所示，本公开实施例提供了一种挑拣信息的确定方法，包括：
步骤S101：确定目标采集图像中的挑拣目标区域。
步骤S102：在挑拣目标区域的质心坐标点位于挑拣目标区域之外的情况下，根据挑拣目标区域的轮廓信息，确定挑拣目标区域的挑拣坐标点。其中，挑拣坐标点位于挑拣目标区域之中。以及
步骤S103：根据挑拣目标区域的图像属性信息和挑拣坐标点，确定挑拣目标区域的挑拣信息，挑拣信息用于指示挑拣机构挑拣挑拣目标区域对应的目标对象。
根据本公开实施例，需要说明的是：
目标采集图像为图像采集装置从待挑拣物料的上方拍摄待挑拣物料后所得到的图像。目标采集图像可以是图像采集装置所采集的与其采集视野范围一致的原始图像，目标采集图像也可以是从原始图像中截取出的一部分图像。目标采集图像中包含有待挑拣物料的图像以及掺杂在待挑拣物料中的目标对象的图像。
挑拣目标区域，可以理解为目标采集图像中的目标对象所呈现出的图像区域。挑拣目标区域可以是一个独立的目标对象所对应的区域，也可以是多个重叠的目标对象所对应的一片完整区域。从目标采集图像中确定挑拣目标区域的具体方法，在此不做具体限定，可以采用现有技术中的任意图像识别算法或图像识别模型实现。
在目标对象呈现环形、弧形或不规则的形状时，其质心会位于目标对象之外，若将质心坐标点作为目标对象的挑拣坐标点，挑拣机构极大概率无法基于该挑拣坐标点挑拣到目标对象。因此，可以基于目标对象的轮廓信息，重新确定一个位于目标对象之中的点，作为挑拣坐标点。基于目标对象的轮廓信息确定挑拣坐标点的具体方式，在此不做限定，保证挑拣坐标点位于目标对象中即可。质心坐标点的确定方式，在此不做具体限定，可以采用现有技术中任意的质心确定算法。
挑拣信息用于指示挑拣机构挑拣挑拣目标区域对应的目标对象，可以理解为挑拣信息中的图像属性信息，用于表征挑拣目标区域的尺寸信息、对比度信息、亮度信息等。基于图像属性信息，可以准确的挑选出适配的挑拣机构。挑拣机构基于挑拣信息中的挑拣坐标点，可以准确定位目标对象在待挑拣物料中的具***置，从而可以准确的从待挑拣物料中挑拣目标对象。质心坐标点和挑拣坐标点，可以理解为在图像坐标系中的像素坐标。
目标对象，可以理解为任何的需要从物料中挑拣出的对象。具体的目标对象可以根据挑拣场景进行调整，在此不做具体限定。例如，当物料为食品原料时，目标对象为食品原料中的杂质。当物料为物流输送线上的包裹时，目标对象为需要分拣的麻袋包裹。当物料为垃圾时，目标对象为垃圾中的可回收物品。
根据本公开实施例的技术，基于所采集的目标采集图像，可准确的确定出目标区域的挑拣信息，以使挑拣机构能够利用挑拣信息，精准的实现目标对象的挑拣。本公开实施例利用挑拣目标区域的轮廓信息所确定的挑拣坐标点代替质心坐标点，可以有效解决在目标对象形态不规则的情况下无法准确抓取到目标对象物料的问题。同时，由于能够在挑拣目标区域之中确定出挑拣坐标，因此可以实现对目标对象的精准挑拣，尽可能的避免将物料一同被挑拣出的可能性，减少物料的损耗。
在一种实施方式中，本公开实施例的挑拣信息的确定方法，包括步骤S101至步骤S103，其中，步骤S101：确定目标采集图像中的挑拣目标区域，包括：
步骤S1011：利用图像识别模型对目标采集图像进行识别，确定候选目标区域。
步骤S1012：根据候选目标区域中的多个像素点的图像信息，确定候选目标区域的图像属性信息。
步骤S1013：在图像属性信息满足筛选阈值的情况下，将候选目标区域确定为挑拣目标区域。
根据本公开实施例，需要说明的是：
图像识别模型，可以采用现有技术中任意的模型，在此不做具体限定。通过目标对象样本可以实现对模型训练，使其识别出图像中的目标对象即可。
目标区域中的多个像素点的图像信息，可以理解为形成目标区域的全部像素点的图像信息，也可以理解为目标区域所包含的部分像素点的图像信息。
像素点的图像信息，可以理解为像素点的亮度信息、对比度信息等。
候选目标区域，可以理解为目标采集图像中的疑似目标对象所呈现出的图像区域。候选目标区域可以是一个独立的目标对象所对应的区域，也可以是多个重叠的目标对象所对应的一片完整区域。候选目标区域的图像属性信息，可以理解为候选目标区域的尺寸信息、对比度信息、亮度信息等。
筛选阈值，可以根据图像属性信息进行选择和调整。在图像属性信息包含多种维度的信息时，筛选阈值也可以对应为多个不同维度的阈值。
根据本公开实施例的技术，不论何种类型的目标对象均可以使用本公开实施例的图像识别模型。也即是说，本公开实施例的方法不需要区分目标对象的类型，从而使得在利用模型对目标采集图像中的目标对象进行识别时，不需要选择某一类型的特定目标对象样本对模型进行训练，克服了目标对象样本数量少所带来的模型训练问题，降低了样本标注的难度，提高了模型训练的精度，降低了模型漏报率和误报率。
在一种实施方式中，本公开实施例的挑拣信息的确定方法，包括步骤S101至步骤S103、以及步骤S1011至步骤S1013，其中，步骤S1011：利用图像识别模型对目标采集图像进行识别，确定候选目标区域，包括：
利用图像识别模型对目标采集图像进行识别，确定多个初始目标区域。
在根据多个初始目标区域的轮廓信息确定多个初始目标区域的轮廓重叠的情况下，将多个初始目标区域的轮廓融合，得到候选目标区域。
根据本公开实施例，需要说明的是：
将多个初始目标区域的轮廓融合，可以理解为将多个目标对象的初始目标区域融合为一个目标区域，即将多个目标对象认定为是一个整体的目标对象。如图2的左图所示，其中有多个初始目标区域的轮廓出现重叠的情况，在此情况下将多个初始目标区域的轮廓融合，得到图2右图所示的结果，即将多个初始目标区域的轮廓融合为一个候选目标区域。
将多个初始目标区域的轮廓融合的具体方式，可以根据需要进行选择和调整，在此不做具体限定。例如，可以利用GEOS(Geometry Engine Open Source，开源几何引擎)的空间合并工具，将所有交叠的初始目标区域合并。
根据本公开实施例的技术，在物料中的目标对象密度偏高的情况下，目标对象之间容易出现重叠，若对重叠的各个目标对象分别进行挑拣，不仅挑拣效率低，而且在挑拣某一个重叠目标对象时，会影响重叠的其他目标对象的位置，进而导致基于一张目标采集图像，不能够将目标对象挑拣干净，还需再次对物料复拍复拣。本公开实施例的方法，可以有效的解决上述问题，通过对个重叠的初始目标区域的轮廓融合，可以将多个目标对象确认为一个完整的目标对象，基于这一个整体的目标对象，可以优化对应的挑拣坐标，在挑拣时可以一次性的将其挑拣出，无需分为多次进行挑拣，提高了目标对象的挑拣效率。同时，基于融合后的目标区域可以匹配更加适配的挑拣机构及挑拣模式。
在一种实施方式中，本公开实施例的挑拣信息的确定方法，包括步骤S101至步骤S103、以及步骤S1011至步骤S1013，其中，图像属性信息包括以下子信息中的至少一种：候选目标区域的长度、候选目标区域的宽度、候选目标区域的面积、候选目标区域的周长、候选目标区域的图像对比度、候选目标区域的亮度。
根据本公开实施例的技术，通过不同维度的图像属性信息与筛选阈值的比对，可以更加准确的确定出候选目标区域是否为挑拣目标区域，即是否真的是物料中的目标对象。
在一个示例中，在一种实施方式中，本公开实施例的挑拣信息的确定方法，包括步骤S101至步骤S103、以及步骤S1011至步骤S1013，其中，图像属性信息包括多种子信息，步骤S1013：在图像属性信息满足筛选阈值的情况下，将候选目标区域确定为挑拣目标区域，包括：
在图像属性信息中的任一子信息不满足对应的筛选阈值的情况下，将候选目标区域确定为非挑拣目标区域。
例如，候选目标区域的长度小于长度的筛选阈值时，确定该候选目标区域为非挑拣目标区域，不对该区域进行目标对象挑拣。又如，候选目标区域的面积小于面积的筛选阈值时，确定该候选目标区域为非挑拣目标区域，不对该区域进行目标对象挑拣。再如，候选目标区域的对比度小于对比度的筛选阈值时，确定该候选目标区域为非挑拣目标区域，不对该区域进行目标对象挑拣。
在一种实施方式中，本公开实施例的挑拣信息的确定方法，包括步骤S101至步骤S103、以及步骤S1011至步骤S1013，其中，图像属性信息包括多种子信息，步骤S1013：在图像属性信息满足筛选阈值的情况下，将候选目标区域确定为挑拣目标区域，包括：
在图像属性信息中的多种子信息均满足对应的筛选阈值的情况下，和/或，在图像属性信息中的多种子信息之间的逻辑运算关系满足对应的筛选阈值的情况下，将候选目标区域确定为挑拣目标区域。
根据本公开实施例，需要说明的是：
在图像属性信息中的多种子信息均满足对应的筛选阈值的情况下，将候选目标区域确定为挑拣目标区域，可以理解为：图像属性信息中的每个子信息均满足与其对应的筛选阈值，则将候选目标区域确定为挑拣目标区域。例如，候选目标区域的图像属性信息包括的子信息为候选目标区域的长度、候选目标区域的面积和候选目标区域的对比度，当候选目标区域的长度满足长度的筛选阈值、候选目标区域的面积满足面积的筛选阈值、以及候选目标区域的对比度满足对比度的筛选阈值时，确定该候选目标区域为挑拣目标区域，需要对该区域进行目标对象的挑拣。
在图像属性信息中的多种子信息之间的逻辑运算关系满足对应的筛选阈值的情况下，将候选目标区域确定为挑拣目标区域，可以理解为：多种子信息直接的某种逻辑运算关系满足对应的逻辑运算关系的筛选阈值时，则将候选目标区域确定为挑拣目标区域。例如，候选目标区域的长度和宽度的比值满足对应的逻辑运算筛选阈值，可以将候选目标区域确定为挑拣目标区域。又如，候选目标区域的亮度不满足亮度的筛选阈值，但候选目标区域的对比度满足对比度的筛选阈值时，将候选目标区域确定为挑拣目标区域。再如，候选目标区域的亮度与目标采集图像的亮度的比值满足亮度的筛选阈值时，将候选目标区域确定为挑拣目标区域。例如，候选目标区域的图像属性信息包括的子信息为候选目标区域的长度、候选目标区域的面积和候选目标区域的对比度，当候选目标区域的长度满足长度的筛选阈值、候选目标区域的面积满足面积的筛选阈值、候选目标区域的对比度满足对比度的筛选阈值，以及候选目标区域的长度、候选目标区域的面积和候选目标区域的对比度的逻辑运算关系满足对应的筛选阈值时，确定该候选目标区域为挑拣目标区域，需要对该区域进行目标对象的挑拣。
在图像属性信息中的多种子信息均满足对应的筛选阈值且多种子信息之间的逻辑运算关系满足对应的筛选阈值的情况下，将候选目标区域确定为挑拣目标区域，可以理解为：图像属性信息中的每个子信息均满足与其对应的筛选阈值，同时多种子信息之间的某种逻辑运算关系满足对应的逻辑运算关系的筛选阈值时，则将候选目标区域确定为挑拣目标区域。
根据本公开实施例的技术，在图像识别模型初步识别出候选目标区域后，为了弥补图像识别模型的误检和漏检情况，利用图像属性信息与筛选阈值的比较，可以进一步的确定出候选目标区域是否真的为需要挑拣目标对象的挑拣目标区域。
在一种实施方式中，本公开实施例的挑拣信息的确定方法，包括步骤S101至步骤S103，其中，步骤S102：在挑拣目标区域的质心坐标点位于挑拣目标区域之外的情况下，根据挑拣目标区域的轮廓信息，确定挑拣目标区域的挑拣坐标点，包括：
在挑拣目标区域的质心坐标点位于挑拣目标区域之外的情况下，根据挑拣目标区域的轮廓信息，确定挑拣目标区域的多个轮廓特征点。
根据多个轮廓特征点，确定位于挑拣目标区域之中的挑拣坐标点。
根据本公开实施例，需要说明的是：
多个轮廓特征点的位置，可以根据不同的挑拣目标区域的轮廓形状进行调整。
可以基于拓扑分析的方法，基于挑拣目标区域的大体轮廓形状和多个轮廓特征点，确定出该形状的挑拣目标区域的经典点(represent point)的位置，将其作为挑拣坐标点。
根据本公开实施例的技术，根据挑拣目标区域的轮廓信息和多个轮廓特征点，可以实现利用简化的空间分析准确的找到挑拣坐标点，保证挑拣机构可以精准的挑拣到目标对象。
在一种实施方式中，本公开实施例的挑拣信息的确定方法，包括步骤S101至步骤S103，还包括：
在目标采集图像上可视化地显示挑拣目标区域的挑拣信息，其中，挑拣信息包括挑拣目标区域的轮廓信息和/或挑拣坐标点。和/或
将挑拣信息与图像属性信息进行关联，响应于挑拣信息的查询指令，可视化地显示图像属性信息。
根据本公开实施例，需要说明的是：
如图2和图3所示，可以将标目标区域的轮廓信息可视化地显示在目标采集图像上，以便用户直观的观察到所确定的挑拣目标区域是否准确。
挑拣目标区域的图像属性信息可以预先与可视化显示的挑拣信息建立关联关系并存入数据库。响应于挑拣信息的查询指令时，可以基于关联关系在数据库中调取图像属性信息，并将图像属性信息可视化的显示给用户查看。图像属性信息可以通过终端的交互界面显示给用户。
根据本公开实施例的技术，通过可视化地显示挑拣信息和图像属性信息，可以使用户直观的看到目前的目标对象挑拣过程是否合理，即挑拣目标区域的轮廓识别的是否准确，目标对象是否被识别出，所确定的挑拣坐标点是否合适，基于图像属性信息所选择的挑拣机构和挑拣模式是否合理。通过这些可视化的信息，可以使用户有的放矢的调参优化目标对象的挑拣过程。
如图4所示，本公开实施例提供了一种目标对象的挑拣方法，包括：
步骤S401：基于目标采集图像，利用本公开任一实施例的挑拣信息的确定方法，获取目标采集图像中的挑拣目标区域的图像属性信息。
步骤S402：根据图像属性信息，确定挑拣目标区域的挑拣模式和挑拣坐标信息。以及
步骤S403：基于挑拣模式和挑拣坐标信息，控制挑拣机构对目标采集图像所对应的待挑区域进行目标对象的挑拣。
根据本公开实施例，需要说明的是：
图像属性信息用于表征挑拣目标区域的尺寸信息、对比度信息、亮度信息等。
挑拣模式，可以包括所选用的挑拣机构的种类以及挑拣机构的具体挑拣速度、挑拣停留时间等。根据挑拣目标区域的图像属性信息，可以选取出与其适配的挑拣模式。
挑拣坐标信息，可以理解为目标对象在世界坐标系中的坐标，通过对挑拣坐标点进行由图像采集装置的坐标系到承载物料的载盘的世界坐标系的转换，即可得到挑拣坐标信息。挑拣坐标信息用于指示挑拣机构准确的在载盘所承载的物料中挑拣出目标对象。
根据本公开实施例的技术，通过图像属性信息可以精细化的对挑拣模式进行分型匹配，基于视觉特征(即图像属性信息)匹配最优挑拣模式，提高对目标对象的挑拣效率、降低对物料的损耗率。更鲁棒地完成图像采集装置的采集视野内所有目标对象的快速定位，同时通过引入目标挑拣模式分型的后处理算力，可灵活应对目标对象挑拣、物料回收、物料分拣等多种场景，从全局着眼、更高效地实现精细化挑拣。
在一种实施方式中，本公开实施例的目标对象的挑拣方法，包括步骤S401至步骤S403，其中，步骤S402：根据图像属性信息，确定挑拣目标区域的挑拣模式和挑拣坐标信息，包括：
步骤S4021：根据图像属性信息，确定挑拣目标区域的挑拣模式。
步骤S4022：根据挑拣模式，确定匹配的挑拣机构。
步骤S4023：根据挑拣目标区域的轮廓信息和挑拣机构的作业范围，确定挑拣坐标信息。
根据本公开实施例，需要说明的是：
挑拣模式，可以包括挑拣的方式(例如，抽吸方式吸出目标对象或抓取方式夹出目标对象)、挑拣的速度(例如，夹取速度或抽吸功率)、挑拣一个目标对象的停留时间等。
挑拣机构，可以包括具有抽吸功能的吸嘴、可以包括具有夹取功能的机械爪、可以包括多个不同口径大小的吸嘴、可以包括多个不同尺寸的机械爪、可以同时包括联动的多个吸嘴、联动的多个机械爪或联动的吸嘴和机械爪。联动可以理解为，其中一个吸嘴向物料移动并进行目标对象挑拣时，其余吸嘴向远离物料的方向移动。
根据本公开实施例的技术，通过图像属性信息可以精细化的对挑拣模式进行分型匹配，基于视觉特征(即图像属性信息)匹配最优挑拣模式，提高对目标对象的挑拣效率、降低对物料的损耗率。
在一种实施方式中，本公开实施例的目标对象的挑拣方法，包括步骤S401至步骤S403，以及步骤S4021至步骤S4023，其中，步骤S4023：根据挑拣目标区域的轮廓信息和挑拣机构的作业范围，确定挑拣坐标信息，包括：
在挑拣目标区域的轮廓信息满足挑拣机构的作业范围的情况下，根据挑拣目标区域的挑拣坐标点，确定挑拣坐标信息。其中，挑拣坐标点基于本公开任一实施例的挑拣信息的确定方法得到。
根据本公开实施例，需要说明的是：
挑拣机构的作业范围，可以理解为挑拣机构能够一次性挑拣目标对象的最大区域范围。
如图5所示，挑拣目标区域的轮廓信息满足挑拣机构的作业范围，可以理解为挑拣目标区域的轮廓小等于挑拣机构的作业范围，或略大于挑拣机构的作业范围，即挑拣机构可以一次性将挑拣目标区域对应的目标对象完全挑拣出。
根据本公开实施例的技术，通过挑拣目标区域的轮廓信息满足挑拣机构的作业范围，可以准确的判断出挑拣目标区域对应的目标对象是否可以被挑拣机构一次性挑拣完毕。
在一种实施方式中，本公开实施例的目标对象的挑拣方法，包括步骤S401至步骤S403，以及步骤S4021至步骤S4023，其中，步骤S4023：根据挑拣目标区域的轮廓信息和挑拣机构的作业范围，确定挑拣坐标信息，包括：
在挑拣目标区域的轮廓信息不满足挑拣机构的作业范围的情况下，根据轮廓信息，确定挑拣目标区域的长度信息。
根据长度信息和挑拣机构的作业范围，在挑拣目标区域中确定多个挑拣坐标信息。
根据本公开实施例，需要说明的是：
挑拣机构的作业范围，可以理解为挑拣机构能够一次性挑拣目标对象的最大区域范围。
如图6所示，挑拣目标区域的轮廓信息不满足挑拣机构的作业范围，可以理解为挑拣目标区域的轮廓大于挑拣机构的作业范围，即挑拣机构一次性不能够将挑拣目标区域对应的目标对象完全挑拣出，需要确定多个挑拣坐标信息，对目标对象进行多次挑拣，以实现完全清除该目标对象。
根据长度信息和挑拣机构的作业范围，在挑拣目标区域中确定多个挑拣坐标信息，可以理解为利用长度信息整除作业范围，确定需要多少个作业范围才能够将目标对象完全挑拣清除。如图6所示，根据目标对象的长度和挑拣机构的作业范围，需要确定出三个挑拣坐标信息才能够将目标对象完全清除。
根据本公开实施例的技术，针对挑拣目标区域(目标对象的轮廓)大于挑拣机构的作业范围的情况，也可以实现对大尺寸的目标对象完全挑拣清除。
在一种实施方式中，本公开实施例的目标对象的挑拣方法，包括步骤S401至步骤S403，还包括：
对原始采集图像进行识别，确定原始采集图像中的目标对象数量。
在目标对象数量达到阈值数量的情况下，将原始采集图像划分为多个子图像。
将多个子图像均确定为目标采集图像。
根据本公开实施例，需要说明的是：
多个子图像均确定为目标采集图像，可以理解为将多个子图像中的每个子图像均确定为目标采集图像。每个子图像均需要本公开任一实施例的挑拣信息的确定方法和目标对象的挑拣方法进行处理。
原始采集图像，可以理解为图像采集装置采集到的与采集视野大小一致的图像。
根据本公开实施例的技术，当目标对象密度较高时，一次性对原始采集图像进行识别会增加计算负担，通过将原始采集图像划分为多个子图像，可以提高识别的效率和挑拣效率。
在一种实施方式中，本公开实施例的目标对象的挑拣方法，包括步骤S401至步骤S403，还包括：
对已进行目标对象挑拣的待挑区域进行图像采集，得到复拍目标采集图像。
将复拍目标采集图像中的目标对象数量与目标采集图像中的目标对象数量进行比对，得到挑拣比对结果。
根据挑拣比对结果，确定已进行目标对象挑拣的待挑区域是否完成目标对象挑拣。
根据本公开实施例，需要说明的是：
若确定已进行目标对象挑拣的待挑区域还存在目标对象，则可以重复执行本公开任一实施例的挑拣信息的确定方法和目标对象的挑拣方法，再次进行目标对象的识别与挑拣。
根据本公开实施例的技术，可以确保目标对象被挑拣清除干净。
在一个示例中，当目标采集图像中的挑拣目标区域较多时，可以对多个挑拣目标区域进行挑拣顺序标号，即规划多个挑拣目标区域的挑拣路径。使挑拣机构基于挑拣路径有序的对目标采集图像中的挑拣目标区域对应的目标对象进行挑拣，减少挑拣机构折返挑拣的情况出现，提高挑拣效率。
在一个示例中，挑拣顺序标号、挑拣路径也可以可视化地显示在目标采集图像上，以便用户查看挑拣路径的规划是否合理。如图3所示，图中的序号即表示每个目标对象被挑拣的顺序标号。
在一个示例中，目标对象的挑拣过程包括：
利用挑拣机台的图像采集装置对挑拣机台的载盘上的物料进行图像采集，得到目标采集图像；
确定目标采集图像中的挑拣目标区域；
在挑拣目标区域的质心坐标点位于挑拣目标区域之外的情况下，根据挑拣目标区域的轮廓信息，确定挑拣目标区域的挑拣坐标点；其中，挑拣坐标点位于挑拣目标区域之中；
根据挑拣目标区域的图像属性信息和挑拣坐标点，确定挑拣目标区域的挑拣信息；
根据图像属性信息，确定挑拣目标区域的挑拣模式和挑拣坐标信息；
基于挑拣模式和挑拣坐标信息，控制挑拣机台的挑拣机构对目标采集图像所对应的待挑区域进行目标对象的挑拣。
如图7所示，本公开实施例提供了一种挑拣信息的确定装置，包括：
第一确定模块710，用于确定目标采集图像中的挑拣目标区域。
第二确定模块720，用于在挑拣目标区域的质心坐标点位于挑拣目标区域之外的情况下，根据挑拣目标区域的轮廓信息，确定挑拣目标区域的挑拣坐标点。其中，挑拣坐标点位于挑拣目标区域之中。以及
第三确定模块730，用于根据挑拣目标区域的图像属性信息和挑拣坐标点，确定挑拣目标区域的挑拣信息，挑拣信息用于指示挑拣机构挑拣挑拣目标区域对应的目标对象。
在一种实施方式中，第一确定模块710包括：
第一确定子模块，用于利用图像识别模型对目标采集图像进行识别，确定候选目标区域。
第二确定子模块，用于根据候选目标区域中的多个像素点的图像信息，确定候选目标区域的图像属性信息。
第三确定子模块，用于在图像属性信息满足筛选阈值的情况下，将候选目标区域确定为挑拣目标区域。
在一种实施方式中，第一确定子模块用于：
利用图像识别模型对目标采集图像进行识别，确定多个初始目标区域。
在根据多个初始目标区域的轮廓信息确定多个初始目标区域的轮廓重叠的情况下，将多个初始目标区域的轮廓融合，得到候选目标区域。
在一种实施方式中，图像属性信息包括以下子信息中的至少一种：候选目标区域的长度、候选目标区域的宽度、候选目标区域的面积、候选目标区域的周长、候选目标区域的图像对比度、候选目标区域的亮度。
在一种实施方式中，图像属性信息包括多种子信息，第三确定模块730用于：
在图像属性信息中的多种子信息均满足对应的筛选阈值的情况下，和/或，在图像属性信息中的多种子信息之间的逻辑运算关系满足对应的筛选阈值的情况下，将候选目标区域确定为挑拣目标区域。
在一种实施方式中，第二确定模块720用于：
在挑拣目标区域的质心坐标点位于挑拣目标区域之外的情况下，根据挑拣目标区域的轮廓信息，确定挑拣目标区域的多个轮廓特征点。
根据多个轮廓特征点，确定位于挑拣目标区域之中的挑拣坐标点。
在一种实施方式中，本公开实施例的挑拣信息的确定装置，还包括：
可视化模块，在目标采集图像上可视化地显示挑拣目标区域的挑拣信息，其中，挑拣信息包括挑拣目标区域的轮廓信息和/或挑拣坐标点。和/或
关联模块，用于将挑拣信息与图像属性信息进行关联，响应于挑拣信息的查询指令，可视化地显示图像属性信息。
如图8所示，本公开实施例提供了一种目标对象的挑拣装置，包括：
获取模块810，用于基于目标采集图像，利用本公开任一实施例的挑拣信息的确定方法，获取目标采集图像中的挑拣目标区域的图像属性信息。
第四确定模块820，用于根据图像属性信息，确定挑拣目标区域的挑拣模式和挑拣坐标信息。以及
控制模块830，用于基于挑拣模式和挑拣坐标信息，控制挑拣机构对目标采集图像所对应的待挑区域进行目标对象的挑拣。
在一种实施方式中，第四确定模块820包括：
第四确定子模块，用于根据图像属性信息，确定挑拣目标区域的挑拣模式。
第五确定子模块，用于根据挑拣模式，确定匹配的挑拣机构。
第六确定子模块，用于根据挑拣目标区域的轮廓信息和挑拣机构的作业范围，确定挑拣坐标信息。
在一种实施方式中，第六确定子模块用于：
在挑拣目标区域的轮廓信息满足挑拣机构的作业范围的情况下，根据挑拣目标区域的挑拣坐标点，确定挑拣坐标信息。其中，挑拣坐标点基于本公开任一实施例的挑拣信息的确定方法。
在一种实施方式中，第六确定子模块用于：
在挑拣目标区域的轮廓信息不满足挑拣机构的作业范围的情况下，根据轮廓信息，确定挑拣目标区域的长度信息。
根据长度信息和挑拣机构的作业范围，在挑拣目标区域中确定多个挑拣坐标信息。
在一种实施方式中，本公开实施例的目标对象的挑拣装置，还包括：
第五确定模块，用于对原始采集图像进行识别，确定原始采集图像中的目标对象数量。
划分模块，用于在目标对象数量达到阈值数量的情况下，将原始采集图像划分为多个子图像。
第六确定模块，用于将多个子图像均确定为目标采集图像。
在一种实施方式中，本公开实施例的目标对象的挑拣装置，还包括：
采集模块，用于对已进行目标对象挑拣的待挑区域进行图像采集，得到复拍目标采集图像。
比对模块，用于将复拍目标采集图像中的目标对象数量与目标采集图像中的目标对象数量进行比对，得到挑拣比对结果。
第七确定模块，用于根据挑拣比对结果，确定已进行目标对象挑拣的待挑区域是否完成目标对象挑拣。
本公开实施例的装置的各模块、子模块的具体功能和示例的描述，可以参见上述方法实施例中对应步骤的相关描述，在此不再赘述。
如图9所示，本公开实施例提供了一种挑拣机台，包括：
机台本体910。
载盘920，设置于机台本体910的台面，用于承载待挑拣的物料。
图像采集装置930，设置于机台本体910，用于对待挑拣的物料进行图像采集。
挑拣机构940，设置于机台本体910，用于执行目标对象挑拣动作。
控制器，与图像采集装置930和挑拣机构940电连接，用于执行本公开任一实施例的挑拣信息的确定方法和/或目标对象的挑拣方法。
根据本公开实施例的技术，利用控制器可以实现基于所采集的目标采集图像，可准确的确定出目标区域的挑拣信息，以使挑拣机构能够利用挑拣信息，精准的实现目标对象的挑拣。本公开实施例利用挑拣目标区域的轮廓信息所确定的挑拣坐标点代替质心坐标点，可以有效解决在目标对象形态不规则的情况下无法准确抓取到目标对象物料的问题。同时，由于能够在挑拣目标区域之中确定出挑拣坐标，因此可以实现对目标对象的精准挑拣，尽可能的避免将物料一同被挑拣出的可能性，减少物料的损耗。通过图像属性信息可以精细化的对挑拣模式进行分型匹配，基于视觉特征(即图像属性信息)匹配最优挑拣模式，提高对目标对象的挑拣效率、降低对物料的损耗率。
在一个示例中，挑拣机台提供多种工作模式切换：识别模式-挑拣驱动关闭(仅识别不挑拣)，挑拣模式-支持多轮挑拣(可配置每个视野自动连续挑拣遍数)，复拍模式-支持挑拣前后存照对比(是否在挑拣完成后再就地采相一张)，测试模式-自动按指定挑拣模式工作(在手动对准目标对象后驱动挑拣机构作业)。
挑拣机台在开发阶段支持样本采集和图像识别模型迭代，在运行阶段支持图像识别模型调用和配置挑拣机构，在调试阶段支持挑拣配参和效果评估。通过切换工作模式，保存现场、定位目标对象，然后再测试挑拣，跟踪分析效果，调配参数、多次迭代，才能满足精挑***调优需求。
开发阶段，挑拣机台的工作模式设为识别模式，上料采相存照，对照实物复核标注，可用于图像识别模型训练。利用标注结果统计目标对象的分布情况，设计挑拣机构的形态和尺寸。挑拣机构上配置多个夹具，每个夹具对应多个不同的挑拣模式，大夹具挑拣大目标对象或者目标对象簇，小夹具挑拣小目标对象。工作模式设为测试模式，将夹具对准直径在设计范围内的单个目标对象，模拟自动挑拣过程，基于实物挑拣效果调配挑拣参数，如：夹具向盘面的下降速度、离盘面的挑拣高度、在盘面的停留时延等。
运行阶段，挑拣机台的工作模式设为挑拣模式，每次待挑拣的物料上料后，图像采集装置对视野范围采相，调用图像识别模型识别目标对象，识别到的目标经过后处理确定典型点像素坐标、合并、定标、筛选、匹配转为挑拣坐标信息和挑拣模式组成的挑拣信号驱动夹具挑拣，每个挑拣坐标对应一次挑拣，在视野内依次按挑拣模式匹配夹具进行挑拣。挑拣过程中，以图像保留目标轮廓、目标对象属性及挑拣标识。对于目标对象密度高的场景，夹具活动范围有限，一轮挑拣无法挑净的，可设置多轮挑拣，每轮挑拣重新采相，基于视野内的所有目标对象返回挑拣信号。
调试阶段，启动挑拣机台的复拍模式，挑拣完毕后对挑拣后的物料采相存图，参照图像直观对比挑拣前后目标对象是否还有遗漏。对于有目标对象遗留的目标对象，首先从图中确认是否有挑拣动作，前序挑拣是否会对目标对象定位造成影响，此类情况可以通过调整挑拣坐标排序规则来优化挑拣路径，如设置之字形路线、缓冲半径等；其次确认挑拣环境与假定的理想挑拣环境是否一致，此类情况可以通过加装辅助装置维持挑拣环境，如加水装置、载盘吸盘等；若有目标对象没有对应实际挑拣标识，需调整属性阈值、放宽筛选条件；若图像上目标对象有对应的挑拣标识，但实际挑拣位置与目标对象位置发生偏差，需重新校正标定参数；若挑拣环境理想且夹具对准目标对象但仍未挑拣成功，检查目标对象尺寸及其与物料的相对关系，优化挑拣模式甚或更换夹具；若挑拣对应的位置实际没有目标对象或者不需要挑拣，则调整筛选条件和属性阈值，提高挑拣效率。
在一个示例中，挑拣机构的具体结构可以根据挑拣需求进行设置，在此不做具体限定。例如，挑拣机构的提供大小不同的夹具，以连杆连接多个夹具，其中一个进行挑拣向盘面下降时，其他的夹具将上升远离盘面。每个夹具设一个安全活动范围，避免超范围挑拣损伤夹具。所有夹具都是以通用卡口与连杆相连，因而每个夹具位置可以灵活更换夹具以便适应不同的物料。两个夹具的方案，相对单个夹具而言，能处理更宽尺度范围内的目标对象；相对多个夹具而言，机构结构简单。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图10示出了可以用来实施本公开的实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图10所示，设备1000包括计算单元1001，其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序，来执行各种适当的动作和处理。在RAM 1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006，例如键盘、鼠标等；输出单元1007，例如各种类型的显示器、扬声器等；存储单元1008，例如磁盘、光盘等；以及通信单元1009，例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理，例如，挑拣信息的确定方法和/或目标对象的挑拣方法。例如，在一些实施例中，挑拣信息的确定方法和/或目标对象的挑拣方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM1003并由计算单元1001执行时，可以执行上文描述的挑拣信息的确定方法和/或目标对象的挑拣方法的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行挑拣信息的确定方法和/或目标对象的挑拣方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入、或者触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式***的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (27)

1.一种挑拣信息的确定方法，包括：
确定目标采集图像中的挑拣目标区域；
在所述挑拣目标区域的质心坐标点位于所述挑拣目标区域之外的情况下，根据所述挑拣目标区域的轮廓信息，确定所述挑拣目标区域的多个轮廓特征点；
根据所述多个轮廓特征点，确定所述挑拣目标区域的挑拣坐标点；其中，所述挑拣坐标点位于所述挑拣目标区域之中；以及
根据所述挑拣目标区域的图像属性信息和所述挑拣坐标点，确定所述挑拣目标区域的挑拣信息，所述挑拣信息用于指示挑拣机构挑拣所述挑拣目标区域对应的目标对象。
2.根据权利要求1所述的方法，其中，确定目标采集图像中的挑拣目标区域，包括：
利用图像识别模型对目标采集图像进行识别，确定候选目标区域；
根据所述候选目标区域中的多个像素点的图像信息，确定所述候选目标区域的图像属性信息；
在所述图像属性信息满足筛选阈值的情况下，将所述候选目标区域确定为挑拣目标区域。
3.根据权利要求2所述的方法，其中，利用图像识别模型对目标采集图像进行识别，确定候选目标区域，包括：
利用图像识别模型对目标采集图像进行识别，确定多个初始目标区域；
在根据所述多个初始目标区域的轮廓信息确定所述多个初始目标区域的轮廓重叠的情况下，将所述多个初始目标区域的轮廓融合，得到候选目标区域。
4.根据权利要求2所述的方法，其中，所述图像属性信息包括以下子信息中的至少一种：所述候选目标区域的长度、所述候选目标区域的宽度、所述候选目标区域的面积、所述候选目标区域的周长、所述候选目标区域的图像对比度、所述候选目标区域的亮度。
5.根据权利要求4所述的方法，其中，所述图像属性信息包括多种所述子信息，在所述图像属性信息满足筛选阈值的情况下，将所述候选目标区域确定为挑拣目标区域，包括：
在所述图像属性信息中的多种所述子信息均满足对应的筛选阈值的情况下，和/或，在所述图像属性信息中的多种所述子信息之间的逻辑运算关系满足对应的筛选阈值的情况下，将所述候选目标区域确定为挑拣目标区域。
6.根据权利要求1至5任一项所述的方法，还包括：
在所述目标采集图像上可视化地显示所述挑拣目标区域的挑拣信息，其中，所述挑拣信息包括所述挑拣目标区域的所述轮廓信息和/或所述挑拣坐标点；和/或
将所述挑拣信息与所述图像属性信息进行关联，响应于所述挑拣信息的查询指令，可视化地显示所述图像属性信息。
7.一种目标对象的挑拣方法，包括：
基于目标采集图像，利用权利要求1至6任一项所述的方法，获取所述目标采集图像中的挑拣目标区域的图像属性信息；
根据所述图像属性信息，确定所述挑拣目标区域的挑拣模式和挑拣坐标信息；以及
基于所述挑拣模式和所述挑拣坐标信息，控制挑拣机构对所述目标采集图像所对应的待挑区域进行目标对象的挑拣。
8.根据权利要求7所述的方法，其中，根据所述图像属性信息，确定所述挑拣目标区域的挑拣模式和挑拣坐标信息，包括：
根据所述图像属性信息，确定所述挑拣目标区域的挑拣模式；
根据所述挑拣模式，确定匹配的挑拣机构；
根据所述挑拣目标区域的轮廓信息和所述挑拣机构的作业范围，确定挑拣坐标信息。
9.根据权利要求8所述的方法，其中，根据所述挑拣目标区域的轮廓信息和所述挑拣机构的作业范围，确定挑拣坐标信息，包括：
在所述挑拣目标区域的轮廓信息满足所述挑拣机构的作业范围的情况下，根据所述挑拣目标区域的挑拣坐标点，确定挑拣坐标信息；其中，所述挑拣坐标点基于权利要求1至6任一项所述的方法得到。
10.根据权利要求8所述的方法，其中，根据所述挑拣目标区域的轮廓信息和所述挑拣机构的作业范围，确定挑拣坐标信息，包括：
在所述挑拣目标区域的轮廓信息不满足所述挑拣机构的作业范围的情况下，根据所述轮廓信息，确定所述挑拣目标区域的长度信息；
根据所述长度信息和所述挑拣机构的作业范围，在所述挑拣目标区域中确定多个挑拣坐标信息。
11.根据权利要求7至10任一项所述的方法，还包括：
对原始采集图像进行识别，确定所述原始采集图像中的目标对象数量；
在所述目标对象数量达到阈值数量的情况下，将所述原始采集图像划分为多个子图像；
将所述多个子图像均确定为所述目标采集图像。
12.根据权利要求7至10任一项所述的方法，还包括：
对已进行目标对象挑拣的待挑区域进行图像采集，得到复拍目标采集图像；
将所述复拍目标采集图像中的目标对象数量与所述目标采集图像中的目标对象数量进行比对，得到挑拣比对结果；
根据所述挑拣比对结果，确定所述已进行目标对象挑拣的待挑区域是否完成目标对象挑拣。
13.一种挑拣信息的确定装置，包括：
第一确定模块，用于确定目标采集图像中的挑拣目标区域；
第二确定模块，用于在所述挑拣目标区域的质心坐标点位于所述挑拣目标区域之外的情况下，根据所述挑拣目标区域的轮廓信息，确定所述挑拣目标区域的多个轮廓特征点；根据所述多个轮廓特征点，确定所述挑拣目标区域的挑拣坐标点；其中，所述挑拣坐标点位于所述挑拣目标区域之中；以及
第三确定模块，用于根据所述挑拣目标区域的图像属性信息和所述挑拣坐标点，确定所述挑拣目标区域的挑拣信息，所述挑拣信息用于指示挑拣机构挑拣所述挑拣目标区域对应的目标对象。
14.根据权利要求13所述的装置，其中，所述第一确定模块包括：
第一确定子模块，用于利用图像识别模型对目标采集图像进行识别，确定候选目标区域；
第二确定子模块，用于根据所述候选目标区域中的多个像素点的图像信息，确定所述候选目标区域的图像属性信息；
第三确定子模块，用于在所述图像属性信息满足筛选阈值的情况下，将所述候选目标区域确定为挑拣目标区域。
15.根据权利要求14所述的装置，其中，所述第一确定子模块用于：
利用图像识别模型对目标采集图像进行识别，确定多个初始目标区域；
在根据所述多个初始目标区域的轮廓信息确定所述多个初始目标区域的轮廓重叠的情况下，将所述多个初始目标区域的轮廓融合，得到候选目标区域。
16.根据权利要求14所述的装置，其中，所述图像属性信息包括以下子信息中的至少一种：所述候选目标区域的长度、所述候选目标区域的宽度、所述候选目标区域的面积、所述候选目标区域的周长、所述候选目标区域的图像对比度、所述候选目标区域的亮度。
17.根据权利要求16所述的装置，其中，所述图像属性信息包括多种所述子信息，所述第三确定模块用于：
在所述图像属性信息中的多种所述子信息均满足对应的筛选阈值的情况下，和/或，在所述图像属性信息中的多种所述子信息之间的逻辑运算关系满足对应的筛选阈值的情况下，将所述候选目标区域确定为挑拣目标区域。
18.根据权利要求13至17任一项所述的装置，还包括：
可视化模块，在所述目标采集图像上可视化地显示所述挑拣目标区域的挑拣信息，其中，所述挑拣信息包括所述挑拣目标区域的所述轮廓信息和/或所述挑拣坐标点；和/或
关联模块，用于将所述挑拣信息与所述图像属性信息进行关联，响应于所述挑拣信息的查询指令，可视化地显示所述图像属性信息。
19.一种目标对象的挑拣装置，包括：
获取模块，用于基于目标采集图像，利用权利要求1至6任一项所述的方法，获取所述目标采集图像中的挑拣目标区域的图像属性信息；
第四确定模块，用于根据所述图像属性信息，确定所述挑拣目标区域的挑拣模式和挑拣坐标信息；以及
控制模块，用于基于所述挑拣模式和所述挑拣坐标信息，控制挑拣机构对所述目标采集图像所对应的待挑区域进行目标对象的挑拣。
20.根据权利要求19所述的装置，所述第四确定模块包括：
第四确定子模块，用于根据所述图像属性信息，确定所述挑拣目标区域的挑拣模式；
第五确定子模块，用于根据所述挑拣模式，确定匹配的挑拣机构；
第六确定子模块，用于根据所述挑拣目标区域的轮廓信息和所述挑拣机构的作业范围，确定挑拣坐标信息。
21.根据权利要求20所述的装置，其中，所述第六确定子模块用于：
在所述挑拣目标区域的轮廓信息满足所述挑拣机构的作业范围的情况下，根据所述挑拣目标区域的挑拣坐标点，确定挑拣坐标信息；其中，所述挑拣坐标点基于权利要求1至7任一项所述的方法得到。
22.根据权利要求20所述的装置，其中，所述第六确定子模块用于：
在所述挑拣目标区域的轮廓信息不满足所述挑拣机构的作业范围的情况下，根据所述轮廓信息，确定所述挑拣目标区域的长度信息；
根据所述长度信息和所述挑拣机构的作业范围，在所述挑拣目标区域中确定多个挑拣坐标信息。
23.根据权利要求19至22任一项所述的装置，还包括：
第五确定模块，用于对原始采集图像进行识别，确定所述原始采集图像中的目标对象数量；
划分模块，用于在所述目标对象数量达到阈值数量的情况下，将所述原始采集图像划分为多个子图像；
第六确定模块，用于将所述多个子图像均确定为所述目标采集图像。
24.根据权利要求19至22任一项所述的装置，还包括：
采集模块，用于对已进行目标对象挑拣的待挑区域进行图像采集，得到复拍目标采集图像；
比对模块，用于将所述复拍目标采集图像中的目标对象数量与所述目标采集图像中的目标对象数量进行比对，得到挑拣比对结果；
第七确定模块，用于根据所述挑拣比对结果，确定所述已进行目标对象挑拣的待挑区域是否完成目标对象挑拣。
25.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至12中任一项所述的方法。
26.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1至12中任一项所述的方法。
27.一种挑拣机台，包括：
机台本体；
载盘，设置于所述机台本体的台面，用于承载待挑拣的物料；
图像采集装置，设置于所述机台本体，用于对所述待挑拣的物料进行图像采集；
挑拣机构，设置于所述机台本体，用于执行目标对象挑拣动作；
控制器，与所述图像采集装置和所述挑拣机构电连接，用于执行权利要求1至12任一项所述的方法。
CN202310259604.7A 2023-03-13 2023-03-13 挑拣信息的确定方法及目标对象的挑拣方法 Active CN116309442B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310259604.7A CN116309442B (zh) 2023-03-13 2023-03-13 挑拣信息的确定方法及目标对象的挑拣方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310259604.7A CN116309442B (zh) 2023-03-13 2023-03-13 挑拣信息的确定方法及目标对象的挑拣方法

Publications (2)

Publication Number Publication Date
CN116309442A CN116309442A (zh) 2023-06-23
CN116309442B true CN116309442B (zh) 2023-10-24

Family

ID=86825265

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310259604.7A Active CN116309442B (zh) 2023-03-13 2023-03-13 挑拣信息的确定方法及目标对象的挑拣方法

Country Status (1)

Country Link
CN (1) CN116309442B (zh)

Citations (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130032990A (ko) * 2011-09-26 2013-04-03 한국과학기술연구원 범주 인식에 의한 파지점 생성방법 및 그 방법에 대한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
CN108182705A (zh) * 2016-12-08 2018-06-19 广州映博智能科技有限公司 一种基于机器视觉的三维坐标定位方法
CN109543665A (zh) * 2017-09-22 2019-03-29 凌云光技术集团有限责任公司 图像定位方法及装置
CN109858333A (zh) * 2018-12-20 2019-06-07 腾讯科技（深圳）有限公司 图像处理方法、装置、电子设备及计算机可读介质
CN109967359A (zh) * 2017-12-28 2019-07-05 北京京东尚科信息技术有限公司 用于拣选物品的方法和装置
CN110210276A (zh) * 2018-05-15 2019-09-06 腾讯科技（深圳）有限公司 一种移动轨迹获取方法及其设备、存储介质、终端
CN110796702A (zh) * 2019-10-23 2020-02-14 中冶赛迪工程技术股份有限公司 一种基于机器视觉的工业设备识别定位方法、***及设备
CN111144322A (zh) * 2019-12-28 2020-05-12 广东拓斯达科技股份有限公司 一种分拣方法、装置、设备和存储介质
CN111144426A (zh) * 2019-12-28 2020-05-12 广东拓斯达科技股份有限公司 一种分拣方法、装置、设备和存储介质
CN111178250A (zh) * 2019-12-27 2020-05-19 深圳市越疆科技有限公司 物体识别定位方法、装置及终端设备
CN111243005A (zh) * 2020-01-07 2020-06-05 洛阳语音云创新研究院 牲畜估重方法、装置、设备以及计算机可读存储介质
CN111354077A (zh) * 2020-03-02 2020-06-30 东南大学 一种基于双目视觉的三维人脸重建方法
CN112720487A (zh) * 2020-12-23 2021-04-30 东北大学 基于自适应动态力平衡的机械臂抓取方法和***
CN113487523A (zh) * 2021-09-08 2021-10-08 腾讯科技（深圳）有限公司 图形轮廓优化方法、装置、计算机设备和存储介质
CN113657551A (zh) * 2021-09-01 2021-11-16 陕西工业职业技术学院 一种用于分拣堆叠多目标的机器人抓取姿态任务规划方法
CN113920142A (zh) * 2021-11-11 2022-01-11 江苏昱博自动化设备有限公司 一种基于深度学习的分拣机械手多物体分拣方法
CN113927601A (zh) * 2021-11-11 2022-01-14 盐城工学院 一种基于视觉识别实现机械臂精准挑拣的方法及***
CN113989167A (zh) * 2021-12-27 2022-01-28 杭州爱科科技股份有限公司 基于种子点自生长的轮廓提取方法、装置、设备及介质
CN114029243A (zh) * 2021-11-11 2022-02-11 江苏昱博自动化设备有限公司 一种用于分拣机器手的软物抓取识别方法
CN114405866A (zh) * 2022-01-20 2022-04-29 湖南视比特机器人有限公司 视觉引导钢板分拣方法、视觉引导钢板分拣装置和***
CN114494463A (zh) * 2022-02-11 2022-05-13 黎明职业大学 一种双目立体视觉技术机器人分拣方法及装置
CN114596355A (zh) * 2022-03-16 2022-06-07 哈尔滨工业大学 一种基于合作目标的高精度位姿测量方法及***
CN114730177A (zh) * 2019-11-19 2022-07-08 通快机床两合公司 用于将信息与工件数据组关联的方法和平面工具机
CN114758250A (zh) * 2022-06-15 2022-07-15 山东青岛烟草有限公司 基于人工智能的全品规柔性自动分拣控制方法及装置
CN114820679A (zh) * 2022-07-01 2022-07-29 小米汽车科技有限公司 图像标注方法、装置、电子设备和存储介质
CN115447924A (zh) * 2022-09-05 2022-12-09 广东交通职业技术学院 基于机器视觉的垃圾分类分拣方法、***、装置及介质
CN115619804A (zh) * 2022-10-19 2023-01-17 哈尔滨理工大学 一种结合肺肿瘤先验信息的ct肺肿瘤自动分割方法
CN115719444A (zh) * 2022-11-24 2023-02-28 百度(中国)有限公司 图像质量确定方法、装置、电子设备和介质
CN115761196A (zh) * 2022-11-15 2023-03-07 软通动力信息技术(集团)股份有限公司 一种对象的表情生成方法、装置、设备及介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3999561B2 (ja) * 2002-05-07 2007-10-31 松下電器産業株式会社 監視システムと監視カメラ
JP2005196678A (ja) * 2004-01-09 2005-07-21 Neucore Technol Inc テンプレートマッチング方法および対象画像領域抽出装置
JP2018142168A (ja) * 2017-02-28 2018-09-13 セイコーエプソン株式会社 頭部装着型表示装置、プログラム、及び頭部装着型表示装置の制御方法
US10970425B2 (en) * 2017-12-26 2021-04-06 Seiko Epson Corporation Object detection and tracking
JP7341736B2 (ja) * 2019-06-06 2023-09-11 キヤノン株式会社 情報処理装置、情報処理方法及びプログラム

Patent Citations (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130032990A (ko) * 2011-09-26 2013-04-03 한국과학기술연구원 범주 인식에 의한 파지점 생성방법 및 그 방법에 대한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
CN108182705A (zh) * 2016-12-08 2018-06-19 广州映博智能科技有限公司 一种基于机器视觉的三维坐标定位方法
CN109543665A (zh) * 2017-09-22 2019-03-29 凌云光技术集团有限责任公司 图像定位方法及装置
CN109967359A (zh) * 2017-12-28 2019-07-05 北京京东尚科信息技术有限公司 用于拣选物品的方法和装置
CN110210276A (zh) * 2018-05-15 2019-09-06 腾讯科技（深圳）有限公司 一种移动轨迹获取方法及其设备、存储介质、终端
CN109858333A (zh) * 2018-12-20 2019-06-07 腾讯科技（深圳）有限公司 图像处理方法、装置、电子设备及计算机可读介质
CN110796702A (zh) * 2019-10-23 2020-02-14 中冶赛迪工程技术股份有限公司 一种基于机器视觉的工业设备识别定位方法、***及设备
CN114730177A (zh) * 2019-11-19 2022-07-08 通快机床两合公司 用于将信息与工件数据组关联的方法和平面工具机
CN111178250A (zh) * 2019-12-27 2020-05-19 深圳市越疆科技有限公司 物体识别定位方法、装置及终端设备
CN111144322A (zh) * 2019-12-28 2020-05-12 广东拓斯达科技股份有限公司 一种分拣方法、装置、设备和存储介质
CN111144426A (zh) * 2019-12-28 2020-05-12 广东拓斯达科技股份有限公司 一种分拣方法、装置、设备和存储介质
CN111243005A (zh) * 2020-01-07 2020-06-05 洛阳语音云创新研究院 牲畜估重方法、装置、设备以及计算机可读存储介质
CN111354077A (zh) * 2020-03-02 2020-06-30 东南大学 一种基于双目视觉的三维人脸重建方法
CN112720487A (zh) * 2020-12-23 2021-04-30 东北大学 基于自适应动态力平衡的机械臂抓取方法和***
CN113657551A (zh) * 2021-09-01 2021-11-16 陕西工业职业技术学院 一种用于分拣堆叠多目标的机器人抓取姿态任务规划方法
CN113487523A (zh) * 2021-09-08 2021-10-08 腾讯科技（深圳）有限公司 图形轮廓优化方法、装置、计算机设备和存储介质
CN113927601A (zh) * 2021-11-11 2022-01-14 盐城工学院 一种基于视觉识别实现机械臂精准挑拣的方法及***
CN114029243A (zh) * 2021-11-11 2022-02-11 江苏昱博自动化设备有限公司 一种用于分拣机器手的软物抓取识别方法
CN113920142A (zh) * 2021-11-11 2022-01-11 江苏昱博自动化设备有限公司 一种基于深度学习的分拣机械手多物体分拣方法
CN113989167A (zh) * 2021-12-27 2022-01-28 杭州爱科科技股份有限公司 基于种子点自生长的轮廓提取方法、装置、设备及介质
CN114405866A (zh) * 2022-01-20 2022-04-29 湖南视比特机器人有限公司 视觉引导钢板分拣方法、视觉引导钢板分拣装置和***
CN114494463A (zh) * 2022-02-11 2022-05-13 黎明职业大学 一种双目立体视觉技术机器人分拣方法及装置
CN114596355A (zh) * 2022-03-16 2022-06-07 哈尔滨工业大学 一种基于合作目标的高精度位姿测量方法及***
CN114758250A (zh) * 2022-06-15 2022-07-15 山东青岛烟草有限公司 基于人工智能的全品规柔性自动分拣控制方法及装置
CN114820679A (zh) * 2022-07-01 2022-07-29 小米汽车科技有限公司 图像标注方法、装置、电子设备和存储介质
CN115447924A (zh) * 2022-09-05 2022-12-09 广东交通职业技术学院 基于机器视觉的垃圾分类分拣方法、***、装置及介质
CN115619804A (zh) * 2022-10-19 2023-01-17 哈尔滨理工大学 一种结合肺肿瘤先验信息的ct肺肿瘤自动分割方法
CN115761196A (zh) * 2022-11-15 2023-03-07 软通动力信息技术(集团)股份有限公司 一种对象的表情生成方法、装置、设备及介质
CN115719444A (zh) * 2022-11-24 2023-02-28 百度(中国)有限公司 图像质量确定方法、装置、电子设备和介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Contour-based learning for object detection;Shotton, Jamie等;《Tenth IEEE International Conference on Computer Vision》;第1卷(第1期);1-8 *
基于体感互动的人机协作脐橙采摘机械手的研究;敬启超;《中国优秀硕士学位论文全文数据库 农业科技辑》(第2期);D044-321 *

Also Published As

Publication number Publication date
CN116309442A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN112528850B (zh) 人体识别方法、装置、设备和存储介质
CN111768381A (zh) 零部件缺陷检测方法、装置及电子设备
US20200286268A1 (en) Automatic obstacle avoidance optimization method for connecting line of graphical programming software
CN110796640A (zh) 一种小目标缺陷的检测方法、装置、电子设备及存储介质
CN111428731A (zh) 基于机器视觉的多类目标识别定位方法、装置和设备
CN111242240B (zh) 物料检测方法、装置及终端设备
CN115321090B (zh) 机场行李自动接取方法、装置、设备、***及介质
CN112845143A (zh) 一种生活垃圾分类智能分拣***及方法
CN113538459B (zh) 一种基于落点区域检测的多模式抓取避障检测优化方法
CN114758236A (zh) 一种非特定形状物体识别、定位与机械手抓取***及方法
CN115781673A (zh) 一种零件抓取方法、装置、设备及介质
CN110910401A (zh) 半自动化图像分割数据标注方法、电子装置及存储介质
CN111715559A (zh) 一种基于机器视觉的垃圾分拣***
CN113378969A (zh) 一种目标检测结果的融合方法、装置、设备及介质
CN116258682A (zh) 基于PSPNet和改进YOLOv7的PCB锡膏缺陷检测方法
CN116309442B (zh) 挑拣信息的确定方法及目标对象的挑拣方法
CN111191619A (zh) 车道线虚线段的检测方法、装置、设备和可读存储介质
CN114202526A (zh) 质量检测方法、***、装置、电子设备和介质
CN114800533B (zh) 一种用于工业机器人的分拣控制方法及***
CN115909253A (zh) 一种目标检测、模型训练方法、装置、设备及存储介质
CN115070757A (zh) 物体抓取方法、装置、机器人及存储介质
CN113516122A (zh) 面向配电房智能值守作业的机器人视觉***和方法
CN116777986A (zh) 基于工业互联网的工件分拣方法、装置和存储介质
CN116309835A (zh) 用于食品分拣的图像处理方法、装置、设备和存储介质
CN117548360B (zh) 一种图像特征的识别方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant