本发明涉及图像识别，具体为一种基于图像识别和机器学习的牙刷分拣优化方法。
背景技术：
1、图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用，近几年随着我国工业自动化水平的不断提高，机器视觉定位分拣技术越来越应用到各种工业产品分拣的生产线中。
2、在中国发明公开号cn 107804514 a提出的一种基于图像识别的牙刷分拣方法，包括以下步骤:s1：将牙刷放入爬坡上料输送机上，送入水平传送带中；s2：在水平传送带的初始位置处将牙刷依次分开；s3：当水平传输带上的光电传感器检测到有牙刷通过后，通过发送信号给工业计算机触发工业相机完成图像采集；s4：工业计算机通过对采集到的图像进行图像处理分析，计算出牙刷的位姿信息；s5：最后，机械手根据计算位姿信息抓取牙刷，并且对牙刷位姿进行校正然后传递至下一道工序，完成，此方案可提高牙刷包装机的自动化程度，避免因牙刷品种繁杂工作量大的缺点，但是此方案存在以下问题：在竞争日渐激烈的市场中，研发新的牙刷品种是必然趋势，当企业生产新的牙刷后，原有的机器识别系统无法对新牙刷进行分辨，无法实现新生产牙刷的分拣工作，故而提出了一种基于图像识别和机器学习的牙刷分拣优化方法来解决上述问题。
技术实现思路
1、（一）解决的技术问题
2、本发明的目的是为了解决在竞争日渐激烈的市场中，研发新的牙刷品种是必然趋势，当企业生产新的牙刷后，原有的机器识别系统无法对新牙刷进行分辨，无法实现新生产牙刷的分拣工作的问题，而提出的一种基于图像识别和机器学习的牙刷分拣优化方法。
3、（二）技术方案
4、本发明解决上述技术问题的技术方案如下：
5、一种基于图像识别和机器学习的牙刷分拣优化方法，包括以下步骤：
6、s1：首先采集分拣过程中的背景图像，将背景图像进行预处理后得到背景图像'；
7、s2：采集个牙刷图像分为训练集t和测试集m，将训练集t的图像进行随机放缩裁剪，得到尺寸为m×n的图像集合t’；
8、s3：将图像集合t’进行图像处理后得到牙刷区域，计算图像集合t’的区域特征向量，将区域特征向量作为分类器添加到机器学习分类器；
9、s4：将测试集m的图像进行随机放缩裁剪，得到尺寸为m×n尺寸的图像集合m’，并将m’中的图像与背景图像'相减并取绝对值，然后做全局固定阈值处理得到二值图，最后对图像做形态学开操作，获取牙刷在图像中的区域；
10、s5：选出其中区域异常的牙刷图像，将进行图像处理后得到牙刷区域，计算图像集合m’的区域特征向量，将区域特征向量作为第一次增量分类器添加到机器学习分类器中；
11、s6：采集个牙刷的图像作为测试集n，将测试集n的图像进行随机缩放裁剪，得到尺寸为m×n尺寸的图像集合n’，并将n’中的图像与背景图像'相减并取绝对值，然后做全局固定阈值处理得到二值图，最后对图像做形态学开操作，获取牙刷在图像中的区域；
12、s7：选出其中区域异常的牙刷图像，将进行图像处理后得到牙刷区域，计算图像集合m’的区域特征向量，将区域特征向量作为第二次增量分类器添加到机器学习分类器中；
13、s8：对后续生产的牙刷利用分类器，第一次增量分类器和第二次增量分类器进行分类，判断图像是否属于分类器，第一次增量分类器和第二次增量分类器中所属分类。
14、在上述技术方案的基础上，本发明还可以做如下改进。
15、优选地，所述随机放缩裁剪包括：固定尺寸裁剪、随机尺寸裁剪、单边裁剪、最小外接矩阵裁剪、双线性插值缩放和双三次插值缩放；
16、通过固定尺寸裁剪、随机尺寸裁剪、单边裁剪、最小外接矩阵裁剪、双线性插值缩放和双三次插值缩放两者或两者以上相结合的随机放缩裁剪方式将原图像变为尺寸为m×n的图像。
17、优选地，所述s3中样本的区域特征向量包括：牙刷区域面积、牙刷区域矩形度r、牙刷区域与其最小外接矩形右边界围成的孔洞区域面积a及孔洞区域灰度均值g。
18、优选地，所述选出其中区域异常的牙刷图像包括如下步骤：
19、获取待分拣牙刷图像的区域特征向量，将牙刷图像的区域特征向量与区域特征向量、特征向量和特征向量所有特征向量进行比对，找出与牙刷图像的区域特征向量最为相似的区域特征向量，再将特征重合度小于f的确认为区域异常的牙刷图像，f取0.95，
20、特征重合度公式如下：
21、，，为待分拣牙刷图像牙刷区域面积，为待分拣牙刷图像的牙刷区域矩形度，为待分拣牙刷图像的牙刷区域与其最小外接矩形右边界围成的孔洞区域面积，为待分拣牙刷图像的孔洞区域灰度均值，为最为相似的牙刷区域面积，为最为相似的牙刷区域矩形度，为最为相似的牙刷区域与其最小外接矩形右边界围成的孔洞区域面积，为最为相似的孔洞区域灰度均值，为牙刷区域面积影响因子，为牙刷区域矩形度影响因子，为牙刷区域与其最小外接矩形右边界围成的孔洞区域面积影响因子，为孔洞区域灰度均值影响因子。
22、优选地，所述s8具体过程包括：
23、对后续生产的牙刷进行分类，判断其是否隶属于分类器，第一次增量分类器和第二次增量分类器中所属类别；
24、若其是否隶属于分类器，第一次增量分类器和第二次增量分类器中所属类别正常进行分类；
25、若其不隶属于分类器，第一次增量分类器和第二次增量分类器中所属分类的牙刷，不对其进行分类，将其图像命名为，将进行图像处理后得到牙刷区域，计算的区域特征向量并作为新的增量分类器添加到机器学习分类器中。
26、（三）有益效果
27、与现有技术相比，本申请的技术方案具有以下有益技术效果：
28、1、本发明通过不断增加分类器，使整个系统一直处于学习过程，即使企业生产了新品类的牙刷也可以对牙刷进行学习并分类，保证牙刷分捡的过程中不断的对牙刷的品类进行实时更新，满足企业实际生产需求。
29、2、本发明通过使用特征重合度公式，将牙刷区域面积、牙刷区域矩形度r、牙刷区域与其最小外接矩形右边界围成的孔洞区域面积a及孔洞区域灰度均值g四个参数融入一个公式中，相较于单一参数，选出区域异常的牙刷图像更加准确无误。
1.一种基于图像识别和机器学习的牙刷分拣优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图像识别和机器学习的牙刷分拣优化方法，其特征在于：所述随机放缩裁剪包括：固定尺寸裁剪、随机尺寸裁剪、单边裁剪、最小外接矩阵裁剪、双线性插值缩放和双三次插值缩放；
3.根据权利要求1所述的一种基于图像识别和机器学习的牙刷分拣优化方法，其特征在于：
4.根据权利要求1所述的一种基于图像识别和机器学习的牙刷分拣优化方法，其特征在于：所述选出其中区域异常的牙刷图像包括如下步骤：
5.根据权利要求1所述的一种基于图像识别和机器学习的牙刷分拣优化方法，其特征在于：所述s8具体过程包括：