买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉陕西科技大学申请的专利一种基于OpenCV的网格布包裹机视觉识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119338842B 。

龙图腾网通过国家知识产权局官网在2025-11-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411374716.8，技术领域涉及：G06T7/11；该发明授权一种基于OpenCV的网格布包裹机视觉识别方法及系统是由栾飞;门鑫蕊;范凯龙;许兴杭;夏鹏宇设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本一种基于OpenCV的网格布包裹机视觉识别方法及系统在说明书摘要公布了：本发明公开了一种基于OpenCV的网格布包裹机视觉识别方法及系统，属于视觉识别技术领域。方法包括采集待包裹EPS线条的图像，对所述图像进行预处理获得二值化图像；基于所述二值化图像提取待包裹EPS线条的模型轮廓，基于Shi‑Tomasi算子提取所述模型轮廓的各角点坐标信息；基于OpenCV库获取采集图像所用相机的内外参数，建立像素坐标系与世界坐标系的转换关系；基于所述转换关系将所述各角点坐标信息转化为世界坐标系下EPS线条的坐标信息，完成网格布包裹机视觉识别。优化了传统覆膜装置覆膜型号单一的问题，同时通过算法模块与控制系统的结合，有效提升了EPS装饰线条生产的效率和生产过程的自动化、智能化。

本发明授权一种基于OpenCV的网格布包裹机视觉识别方法及系统在权利要求书中公布了：1.一种基于OpenCV的网格布包裹机视觉识别方法，其特征在于，包括： 采集待包裹EPS线条的图像，对所述图像进行预处理获得二值化图像； 基于所述二值化图像提取待包裹EPS线条的模型轮廓，基于Shi-Tomasi算子提取所述模型轮廓的各角点坐标信息； 基于OpenCV库获取采集图像所用相机的内外参数，建立像素坐标系与世界坐标系的转换关系； 基于所述转换关系将所述各角点坐标信息转化为世界坐标系下EPS线条的坐标信息，完成网格布包裹机视觉识别； 在对所述图像进行预处理获得二值化图像后，还包括： 基于哈希算法将所述二值化图像与已有EPS线条数据库中的图像进行对比，若存在相同图像，则直接调用EPS线条数据库中相同图像对应的EPS线条的坐标信息；若不存在相同对象，则继续后续步骤； 所述基于哈希算法将所述二值化图像与已有EPS线条数据库中的图像进行对比具体为： 对比的最终结果通过汉明距离的计算结果得到，通过Python语言以及OpenCV开源库构造哈希值计算函数： 通过OpenCV开源库对所述二值化图像进行尺寸减小和色彩简化； 计算像素点均值，在计算汉明距离时，进行比较的两个列表中的数据仅由二进制数据0，1组成，从具体数值处理为二进制数据过程是基于所有像素值数据与特定阈值的比较结果实现的，在哈希算法中，以所有像素值的均值作为该阈值； 构造一维感知哈希值表，根据图像内像素点像素值与均值的关系构造特征矩阵，将图像与一个特定值进行比较，可以得到逻辑值True或False，根据返回得到的逻辑值，通过astypeint将逻辑值转化为整数值，构造成特征矩阵；此时的感知哈希值为二维数组，为简化之后的算法，可通过函数flatten将二维数组处理为一维数组； 封装函数，在检索图像时，需要提取检索图像的感知哈希值，也需要提取图形库内所有图像的感知哈希值，为了更方便的提取，需要对于以上所有函数进行封装； 通过Glob库读取已有EPS线条数据库中的所有图像，调用已封装的感知哈希值计算函数，计算每一个图像的感知哈希值，为后续计算待测目标图像与文件夹下每一个图像的汉明距离提供数据； 在背景环境，拍摄距离，焦距大小，旋转平移不发生太大差别时，完全相同的EPS装饰线条的照片相似度高度相似但不同的EPS装饰线条的照片相似度之间拥有较大的差异；基于这种差异，可确定出一个基本的特定值，通过相似度与特定值的比较结果进行决策； 经运算后得到新采集的所述二值化图像与已有EPS线条数据库中的各个样本的汉明距离，为直观获取图片的相似度情况，对以上数据进行处理；其相似度计算公式为： 其中，s表示相似度；t表示总像素值，在1010尺寸的处理下，图像的总像素值均为100；h表示汉明距离，具体表现为图像之间的差异度；t-h则表示图像的相似性数值，总计算公式以百分比的形式表示图片的相似度；以92%为判断的界定值，若相似度大于92%，则证明相似性高，则判定已有EPS线条数据库中拥有与待测EPS装饰线条相匹配的图像。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人陕西科技大学，其通讯地址为：710021 陕西省西安市未央区大学园；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。