1.一种基于机器视觉和深度分割网络的平面物体边缘提取方法,其特征在于:方法包括如下步骤:
2.根据权利要求1所述的一种基于机器视觉和深度分割网络的平面物体边缘提取方法,其特征在于:所述的步骤s1中,采集的不同的平面物体的图像具体为不同背光条件下的不同厚度、形状及材质的平面物体的图像。
3.根据权利要求1所述的一种基于机器视觉和深度分割网络的平面物体边缘提取方法,其特征在于:所述的步骤s1中,采集若干不同的平面物体的图像并依次进行数据增强处理和标注后建立平面物体增强标注图像数据集,针对每张平面物体的图像,首先进行数据增强处理,将平面物体的图像进行拉伸、翻转、增强对比度及增加噪声中的一种和几种方法进行处理后获得若干张增强图像,将各张平面物体的图像及其各张增强图像构建为增强图像数据集,将增强图像数据集中的每张图像中的平面物体进行边缘轮廓标注获得训练标签,从而获得增强标注图像,各张增强标注图像构建为增强标注图像数据集。
4.根据权利要求1所述的一种基于机器视觉和深度分割网络的平面物体边缘提取方法,其特征在于:所述的步骤s2中,将平面物体增强标注图像数据集依次输入卷积神经网络u-net构建的图像分割网络模型和预测模型中进行训练,直至达到预设训练次数或者卷积神经网络构建的图像分割网络模型和预测模型的损失率趋近于一个定值后,获得训练完成的图像分割网络模型和预测模型。
5.根据权利要求1所述的一种基于机器视觉和深度分割网络的平面物体边缘提取方法,其特征在于:所述的步骤s4中,将预测分割结果进行形态学图像处理后获得待提取的平面物体的分割膨胀区域,具体如下:
6.根据权利要求1所述的一种基于机器视觉和深度分割网络的平面物体边缘提取方法,其特征在于:所述的步骤s5中,根据预设阈值对待提取的平面物体的分割膨胀区域进行阈值分割后进行闭运算,具体如下: