一种基于机器视觉的废旧空调高压阀、低压阀自动识别与定位方法与流程

本技术涉及电子废弃物资源利用的，尤其是涉及一种基于机器视觉的废旧空调高压阀、低压阀自动识别与定位方法。

背景技术：

1、近年来，随着计算机信息技术的快速发展，我国的智能制造技术水平也在不断提高，废旧家电拆解行业对生产效率的要求也不断提升。

2、目前，根据2020年《废弃电器电子产品处理产业研究报告》所披露的信息，全国2020年实际拆解处理的废电器种类结构进一步变化，废旧空调拆解量达700.5万套，占比8.3％，占比较去年增加0.9个百分点，废旧空调拆解需求大。针对废旧空调的拆解，主要需要定位并拆解高压阀和低压阀两重阀门，但是不同型号的空调，使用的高压阀、低压阀的位置和型号通常有差别。

3、针对上述中的相关技术，发明人认为：由于所回收到废旧空调具有品种多、尺寸不一、大小各异等特点，在自动拆卸过程中对识别技术的要求不断的提高，传统的识别方法在识别效率和识别精度等方面己经无法满足目前大批量的自动化拆卸需求。

技术实现思路

1、为了提高废旧家电拆解过程中的识别效率和识别精度，本技术提供一种基于机器视觉的废旧空调高压阀、低压阀自动识别与定位方法。

2、第一方面，本技术提供的一种基于机器视觉的废旧空调高压阀、低压阀自动识别与定位方法，采用如下的技术方案：

3、一种基于机器视觉的废旧空调高压阀、低压阀自动识别与定位方法，包括：

4、获取目标区域内的图像数据，确定目标区域，并识别目标区域内的高压阀和低压阀，输出高压阀和低压阀的二维平面数据，所述二维平面数据包括二维中心坐标数据；

5、采集每一阀门的深度数据，根据二维中心坐标数据为基准，采集确定每一阀门的深度数据，所述深度数据的方向垂直于二维坐标系；

6、获取每一阀门的三维数据，将每一阀门的二维平面数据和深度数据融合，生成每一阀门的三维数据；以及，

7、确定每一阀门的位置，获取每一阀门的三维数据以及类别信息，并输出至处理器。

8、通过采用上述技术方案，先获取阀门的二维平面数据，并确定阀门的中心坐标，同时可以根据二维平面数据预测当前阀门的型号；再获取每一阀门的深度数据，从而得到每一阀门三个方向的数据，融合后可生成三维数据，从而进一步确定每一阀门的型号；而后由处理器进行处理，以便实现自动化拆卸的目的。通过二维平面数据融合深度数据，生成三维数据并预测阀门型号的方式，能够实现提高废旧家电拆解过程中的识别效率和识别精度的目的。

9、优选的，所述获取目标区域内的图像数据包括：

10、建立标定数据，建立已知物理尺寸的坐标系，并建立物理尺寸与像素之间的关系；

11、获取标定数据与目标数据，获取坐标系内目标阀门的尺寸，所述目标阀门的尺寸由像素值组成；

12、计算目标阀门的物理尺寸，通过物理尺寸与像素值之间的关系以及目标阀门的尺寸，得出目标阀门的物理尺寸。

13、通过采用上述技术方案，通过建立坐标系的方式，获取准确的二维平面数据，并以像素为基准，输出目标阀门的尺寸，根据每一图像的不同，可建立不同的坐标系，从而获得更加准确二维平面数据。

14、优选的，建立已知物理尺寸的坐标系，采用棋盘格作为标定检测物体，标定过程中计算棋盘格边长与相应的边在图像中像素个数的对应值，完成坐标系的建立。

15、通过采用上述技术方案，通过采用棋盘格的方式进行标定，借助张正友标定方式，使得获取的二维平面数据更加准确。

16、优选的，所述二维中心坐标数据的确定还包括畸变标定，所述畸变标定数学模型为：其中，xd是目标阀门进行畸变参数标定后的x轴的坐标值，yd是目标阀门进行畸变参数标定后的y轴的坐标值；k1、k2、k3分别表示各阶次径向畸变系数；p1、p2分别表示各阶次切向畸变系数；r表示目标坐标与原点之间的距离，即r2＝x2+y2。

17、通过采用上述技术方案，借助张正友标定方式的同时，引入切向畸变，使得径向畸变和切向畸变均能够得到矫正，从而得到更加精确的二维平面数据。

18、优选的，所述识别目标区域内的高压阀和低压阀包括生成边界框参数模型，所述边界框参数模型用于输出边界框内的目标检测概率，所述边界框参数模型为：其中，bx、by分别为中心坐标的横坐标与纵坐标，tx、ty分别为聚类得到的anchor的中心坐标在整个图像中的比值；bw、bh分别为宽度与高度占全图的比值，tw、th分别为聚类得到的anchor的宽度与高度占整个图像的比例；pw、ph为需在反向传播过程中更新的优化参数；cx、cy为yolo所划分的每个网格的长度中心坐标在整个图像中的比值x、y，宽度与高度占整个图像的比例w、h，均为0-1之间的数。

19、通过采用上述技术方案，建立边界框参数，判断每个边框内有目标的概率，若有目标，则此为依据判断目标阀门的二维平面数据，以提高识别效率。

20、优选的，所述识别目标区域内的高压阀和低压阀包括置信度模型confidence和损失函数所述置信度模型confidence＝pr(object)*iou，当网格中无目标时，pr(object)＝0，当网格中有目标时，pr(object)＝1，则confidence＝iou，预测目标概率为pr(class|object)*confidence。

21、通过采用上述技术方案，通过置信度模型确定置信度，从而便于提高识别效率；通过损失函数，对产生损失的部分进行补偿，以提高识别的准确性。

22、第二方面，本技术提供一种电子设备，采用如下的技术方案：

23、一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如下方法的步骤：

24、获取目标区域内的图像数据，确定目标区域，并识别目标区域内的高压阀和低压阀，输出高压阀和低压阀的二维平面数据，所述二维平面数据包括二维中心坐标数据；

25、采集每一阀门的深度数据，根据二维中心坐标数据为基准，采集确定每一阀门的深度数据，所述深度数据的方向垂直于二维坐标系；

26、获取每一阀门的三维数据，将每一阀门的二维平面数据和深度数据融合，生成每一阀门的三维数据；以及，

27、确定每一阀门的位置，获取每一阀门的三维数据以及类别信息，并输出至处理器。

28、第三方面，本技术提供一种存储介质，采用如下的技术方案：

29、一种存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如下方法的步骤：获取目标区域内的图像数据，确定目标区域，并识别目标区域内的高压阀和低压阀，输出高压阀和低压阀的二维平面数据，所述二维平面数据包括二维中心坐标数据；

30、采集每一阀门的深度数据，根据二维中心坐标数据为基准，采集确定每一阀门的深度数据，所述深度数据的方向垂直于二维坐标系；

31、获取每一阀门的三维数据，将每一阀门的二维平面数据和深度数据融合，生成每一阀门的三维数据；以及，

32、确定每一阀门的位置，获取每一阀门的三维数据以及类别信息，并输出至处理器。

33、综上所述，本技术包括以下至少一种有益技术效果：

34、1.先获取阀门的二维平面数据，并确定阀门的中心坐标，同时可以根据二维平面数据预测当前阀门的型号；再获取每一阀门的深度数据，从而得到每一阀门三个方向的数据，融合后可生成三维数据，从而进一步确定每一阀门的型号；而后由处理器进行处理，以便实现自动化拆卸的目的。通过二维平面数据融合深度数据，生成三维数据并预测阀门型号的方式，能够实现提高废旧家电拆解过程中的识别效率和识别精度的目的；

35、2.建立边界框参数，判断每个边框内有目标的概率，若有目标，则此为依据判断目标阀门的二维平面数据，以提高识别效率。