(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211086612.8 (22)申请日 2022.09.07 (65)同一申请的已公布的文献号 申请公布号 CN 115170992 A (43)申请公布日 2022.10.11 (73)专利权人 山东水发达 丰再生资源 有限公司 地址 273200 山东省济宁市泗水县 泉林镇 荀家岭村泉张线001号 (72)发明人 徐桂振　张祥迪　郝震　张建国　 (74)专利代理 机构 济宁仁礼信知识产权代理事 务所(普通 合伙) 37383 专利代理师 李新苗 (51)Int.Cl. G06V 20/20(2022.01) G06V 10/82(2022.01)G06V 10/44(2022.01) G06V 10/25(2022.01) (56)对比文件 CN 108416789 A,2018.08.17 CN 108510 510 A,2018.09.07 审查员 何凤杰 (54)发明名称 一种废钢料场散落料的图像识别方法及系 统 (57)摘要 本发明涉及一种废钢料场散落料的图像识 别方法及系统， 属于图像数据处理技术领域， 该 方法步骤包括： 获取废钢料厂地面图像， 根据地 面图像中每个像素点的梯度值， 将地面图像中像 素点标记 为第一边缘像素点和第二边缘像素点； 将强弱程度大于预设强弱程度阈值的第二边缘 像素点重新标记为第一边缘像素点， 计算出每个 剩余第二边缘像素点两侧梯度方向的灰度对比 度， 将灰度对比度大于预设对比度阈值的剩余第 二边缘像素点重新标记为第一边缘像素点， 对由 全部第一边缘像素点组成感兴趣区域； 本发明结 合废钢料厂环境对采集的废钢料厂地面图像中 边缘像素点进行多次筛选， 得到了更加精确的边 缘检测结果， 实现了对废钢料图像的精确识别。 权利要求书3页 说明书10页 附图2页 CN 115170992 B 2022.12.06 CN 115170992 B 1.一种废钢料场散落料的图像识别方法， 其特 征在于， 包括： 采集废钢料厂地 面图像； 根据地面图像 中每个像素点的梯度值， 确定对地面图像进行边缘检测的第 一阈值和第 二阈值； 其中， 第一阈值大于第二阈值； 将地面图像中梯度值大于或等于第 一阈值的像素点全部标记为第 一边缘像素点， 将地 面图像中梯度值大于或等于第二阈值且小于第一阈值的像素点全部标记为第二边缘像素 点； 利用每个第 二边缘像素点邻域内第 一边缘像素点的个数、 每个第 二边缘像素点和周围 邻域内第一边缘像素点的梯度值、 每个第二边缘像素点与周围邻域内第一边缘像素点的距 离， 计算出每 个第二边缘像素点的强弱程度； 计算出每个第 二边缘像素点的强弱程度的步骤包括： 选取任一第 二边缘像素点作为目 标像素点； 获取目标像素点邻域内第一边缘像素点的个数； 计算出目标像素点邻域内每个 第一边缘像素点与目标像素点之间的距离； 计算出目标像素点邻域内每个第一边缘像素点 与目标像素点之 间的梯度差值； 利用得到的全部距离数值、 梯度差值、 目标像素点邻域内第 一边缘像素点的总个数， 计算出目标像素点的强弱程度； 按照目标像素点的强弱程度计算 方法， 计算出每 个第二边缘像素点的强弱程度； 目标像素点的强弱程度计算公式为： 其中， 表示目标像素点的强弱程度； 表示目标像素点在地面图像中横坐标； 表示 目标像素点在地面图像中纵坐标； 表示目标像素点的梯度值； 表示目标像素点邻域 内第 个第一边缘像素点在地面图像中横坐标； 表示目标像素点邻域内第 个第一边缘 像素点在地面图像中纵坐标； 表示目标像素点邻域内第 个第一边缘像素点的梯度 值； 表示目标像素点邻域内的第一 边缘像素点的总个数； 将强弱程度大于或等于预设强弱程度阈值的第二边缘像素点重新标记为第一边缘像 素点， 将强弱程度小于预设强弱程度阈值的第二 边缘像素点作为剩余第二 边缘像素点； 计算出每个剩余第 二边缘像素点两侧梯度方向的灰度对比度， 将灰度对比度 大于预设 对比度阈值的剩余第二 边缘像素点重新标记为第一 边缘像素点； 计算出每个剩余第 二边缘像素点两侧梯度方向的灰度对比度的步骤包括： 获取每个剩 余第二边缘像素点的梯度方向； 以每个剩余第二边缘像素点为起始 点构建该剩余第二边缘 像素点沿梯度方向的第一窗口； 以每个剩余第二边缘像素点为起始 点构建该剩余第二边缘 像素点沿梯度反方向的第二窗口； 将 每个剩余第二边缘像素点对应的第一窗口和 第二窗口 的灰度对比度， 作为每 个剩余第二 边缘像素点两侧梯度方向的灰度对比度； 每个剩余第 二边缘像素点对应的第 一窗口和第 二窗口的灰度对比度的计算步骤包括： 计算出每个剩余第二边缘像素点对应的第一窗口的第一平均灰度值； 计算出每个剩余第二 边缘像素点对应的第二窗口的第二平均灰度值； 计算出每个剩余第二边缘像素点对应的第权　利　要　求　书 1/3 页 2 CN 115170992 B 2一平均灰度值与第二平均灰度值的差值， 并将该差值作为每个剩余第二边缘像素点对应的 第一窗口与第二窗口 的灰度对比度； 将地面图像中由全部第一边缘像素点组成的闭合 区域作为感兴趣区域， 获取感兴趣区 域图像作为精确图像， 将精确图像输入到已训练完成的废钢料识别神经网络中判断精确图 像是否为废钢料图像。 2.根据权利要求1所述的一种废钢料场散落料的图像识别方法， 其特征在于， 所述根据 地面图像中每个像素点的梯度值， 确定对地面图像进 行边缘检测的第一阈值和 第二阈值的 步骤包括： 根据地面图像中每 个像素点的梯度值构建梯度直方图； 将梯度直方图中每个梯度值与对应的像素点数量相乘得到的全部数值按降序排列， 得 到联合差异值序列； 利用联合差异值序列的中位数， 将联合差异值序列分割成第 一序列和第 二序列； 其中， 第一序列内的数值均大于中位数， 第二序列内的数值均小于中位数； 将第一序列内全部数值的均值作为边缘检测的第 一阈值， 将第 二序列内全部数值的均 值作为边缘检测的第二阈值； 其中， 第一阈值大于第二阈值。 3.一种废钢料场散落料的图像识别系统， 其特 征在于， 包括： 图像采集模块， 用于采集废钢料厂地 面图像； 第一标记模块， 用于根据地面图像中每个像素点的梯度值， 确定对地面图像进行边缘 检测的第一阈值和 第二阈值； 用于将地面图像中梯度值大于或等于第一阈值的像素点全部 标记为第一边缘像素点， 将地面图像中梯度值大于或等于第二阈值且小于第一阈值的像素 点全部标记为第二 边缘像素点； 其中， 第一阈值大于第二阈值； 计算模块， 用于利用每个第二边缘像素点邻域内第一边缘像素点的个数、 每个第二边 缘像素点和周围邻域内第一边缘像素点的梯度值、 每个第二边缘像素点与周围邻域内第一 边缘像素点的距离， 计算出每 个第二边缘像素点的强弱程度； 计算出每个第 二边缘像素点的强弱程度的步骤包括： 选取任一第 二边缘像素点作为目 标像素点； 获取目标像素点邻域内第一边缘像素点的个数； 计算出目标像素点邻域内每个 第一边缘像素点与目标像素点之间的距离； 计算出目标像素点邻域内每个第一边缘像素点 与目标像素点之 间的梯度差值； 利用得到的全部距离数值、 梯度差值、 目标像素点邻域内第 一边缘像素点的总个数， 计算出目标像素点的强弱程度； 按照目标像素点的强弱程度计算 方法， 计算出每 个第二边缘像素点的强弱程度； 目标像素点的强弱程度计算公式为： 其中， 表示目标像素点的强弱程度； 表示目标像素点在地面图像中横坐标； 表示 目标像素点在地面图像中纵坐标； 表示目标像素点的梯度值； 表示目标像素点邻域 内第 个第一边缘像素点在地面图像中横坐标； 表示目标像素点邻域内第 个第一边缘权　利　要　求　书 2/3 页 3 CN 115170992 B 3