纸箱封箱底部专版识别方法及系统与流程

本发明涉及图像识别，特别涉及纸箱封箱底部专版识别方法及系统。

背景技术：

1、在方便面等纸箱化包装产线中，不同出口国家或客户版本通常对应不同的封箱底部专版，如图2所示，图2中红框内为底部专版标签。该类专版不仅体现在纸箱底部的大区域印刷信息上，还体现在局部小标签、标识或贴标信息上。由于不同专版之间整体版式相近、局部差异细微，产线长期依赖人工目检进行区分，存在疲劳后漏判、误判以及无法持续高速作业的问题。

2、为实现自动识别，现有技术通常采用单幅图像分类、模板匹配或者人工设定规则的方法。单幅图像分类方法往往将纸箱底部整体区域直接输入单一网络，但当不同专版的差异主要集中在局部小标签时，整体特征容易掩盖关键细节；模板匹配方法又容易受到拍摄角度、印刷偏差、光照变化和污损的影响，泛化能力不足。

技术实现思路

1、本发明所要解决的技术问题是：提供纸箱封箱底部专版识别方法及系统，能够提高专版识别的精确度。

2、为了解决上述技术问题，本发明采用的技术方案为：

3、一种纸箱封箱底部专版识别方法，包括：

4、采集待检纸箱封箱底部图像；

5、基于所述待检纸箱封箱底部图像提取第一感兴趣区域图像和第二感兴趣区域图像，所述第一感兴趣区域图像含有箱体主体信息，所述第二感兴趣区域图像含有局部标签差异信息；

6、将所述第一感兴趣区域图像和所述第二感兴趣区域图像输入训练完成的双分支卷积神经网络中进行特征提取，输出待检融合特征向量；

7、计算所述待检融合特征向量与专版特征库中各中心特征向量的距离；

8、基于所述距离从所述专版特征库中得到专版类别名称。

9、为了解决上述技术问题，本发明采用的另一种技术方案为：

10、一种纸箱封箱底部专版识别系统，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的一种纸箱封箱底部专版识别方法的各个步骤。

11、本发明的有益效果在于：采集待检纸箱封箱底部图像，基于待检纸箱封箱底部图像提取第一感兴趣区域图像和第二感兴趣区域图像，将第一感兴趣区域图像和第二感兴趣区域图像输入训练完成的双分支卷积神经网络中进行特征提取，输出待检融合特征向量，计算待检融合特征向量与专版特征库中各中心特征向量的距离，基于距离从专版特征库中得到专版类别名称，以此通过双分支卷积神经网络分别提取纸箱底部整体区域与局部小标签区域的特征，有效解决了单幅图像分类中整体特征掩盖局部差异的问题，使模型能精准聚焦于关键区分信息，同时基于特征向量距离匹配的识别方式，相比传统模板匹配，对拍摄角度、印刷偏差、光照变化和污损具有更强的鲁棒性和泛化能力，整个流程无需人工目检，可稳定支持高速产线作业，大幅降低漏判与误判率，从而提高了专版识别的精确度。

1.一种纸箱封箱底部专版识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述专版特征库包括专版类别名称及其对应的中心特征向量；

3.根据权利要求1所述的方法，其特征在于，所述双分支卷积神经网络包括去除原始全连接分类层后的第一convnext-tiny主干网络、去除原始全连接分类层后的第二convnext-tiny主干网络以及特征拼接层；

4.根据权利要求1所述的方法，其特征在于，采集待检纸箱封箱底部图像之前，还包括：

5.根据权利要求1所述的方法，其特征在于，基于所述待检纸箱封箱底部图像提取第一感兴趣区域图像和第二感兴趣区域图像包括：

6.根据权利要求5所述的方法，其特征在于，对所述校准后的灰度图进行箱体主体定位，得到箱体主体区域包括：

7.根据权利要求5所述的方法，其特征在于，基于所述箱体主体区域提取第一感兴趣区域图像包括：

8.根据权利要求5所述的方法，其特征在于，对所述校准后的图像或所述箱体主体区域进行小标签主体定位，得到小标签主体区域包括：

9.根据权利要求5所述的方法，其特征在于，基于所述小标签主体区域提取第二感兴趣区域图像包括：

10.一种纸箱封箱底部专版识别系统，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9任一项所述的一种纸箱封箱底部专版识别方法的各个步骤。