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！

龙图腾网获悉埃夫特智能装备股份有限公司;上海埃奇机器人技术有限公司申请的专利复杂场景下基于目标检测和模板匹配的工件识别计数方法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：CN115830359B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202211580871.6，技术领域涉及：G06V10/762；该发明授权复杂场景下基于目标检测和模板匹配的工件识别计数方法是由李浩来;崔家林;周其跃;陆哲明设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本复杂场景下基于目标检测和模板匹配的工件识别计数方法在说明书摘要公布了：本发明涉及目标检测和模板匹配技术领域，具体为复杂场景下基于目标检测和模板匹配的工件识别计数方法，包括以下步骤：利用高清工业相机获取标准工件原始数据集；对工件图像集进行预处理、数据增广、裁剪及分类标注得到增强数据集；构建基于改进YOLOv5的目标检测网络模型并进行数据集训练：部署训练好的目标检测模型读取工业摄像头实时检测生产线上的工件,旋转角度后裁剪并保存识别出的各个工件图像。本发明的优势在于，首先通过深度学习目标检测的手段从复杂场景图像中识别出工件，得到工件的位置信息，对于环境信息的敏感有更好的鲁棒性。能够处理多目标多角度的识别任务，在较为复杂的生产场景下可以出色地完成工件识别与计数。

本发明授权复杂场景下基于目标检测和模板匹配的工件识别计数方法在权利要求书中公布了：1.复杂场景下基于目标检测和模板匹配的工件识别计数方法，其特征在于：包括以下步骤： 步骤1利用高清工业相机获取标准工件原始数据集； 步骤2对工件图像集进行预处理、数据增广、裁剪及分类标注得到增强数据集； 步骤3构建基于改进YOLOv5的目标检测网络模型并进行数据集训练： 构建基于改进YOLOv5的目标检测网络模型的具体过程为： 步骤31对传统YOLOv5的锚框进行重新设计，增加锚框参数θ,采用K‑means++聚类的方法重新生成锚框以拟合工件目标的真实框，锚框的定位方法选取为长边定义法，采用环形平滑标签的方法CSL将角度的回归问题转化为分类问题，注释文件格式为[classid，x，y，longside，shortside，θ]； 步骤32将传统YOLOv5中的骨干网络替换为MobileNetv3，MobileNetv3包括三个部分：第一部分通过卷积层提取特征层，第二部分为大量的倒残差结构块，第三部分输出类别； 步骤33对传统YOLOv5中的Neck模块进行改进，将原先的PAN结构替换为BiFPN结构； 步骤34修改传统YOLOv5中的Head部分，针对增加的θ维度修改Detect类构造函数，每个锚框预测的参数中增加angle_classes这一参数； 步骤35对传统YOLOv5中的损失函数进行修改，添加角度θ的分类损失，其他损失函数不变，θ的损失函数采用BCE loss函数； 步骤4部署训练好的目标检测模型读取工业摄像头实时检测生产线上的工件,旋转角度后裁剪并保存识别出的各个工件图像； 步骤5通过目标检测网络标注并裁剪旋转得到图像中的工件待匹配区域，利用制作好的工件模板图像，采用SURF算法对目标检测网络提取出的待分类工件进行模板匹配并设定阈值，当相似度大于阈值时，则该待匹配区域中的工件类别则确定为模板中的该工件类别，并统计个数； SURF算法的步骤为： 步骤51特征点检测：针对图像中的像素点x＝Ix，y构建Hessian矩阵，利用Hessian矩阵提取图像中的特征点，对原图进行变换得到需要寻找特征点的变换图像，利用Hessian矩阵判别公式对每个像素点进行处理，将处理后的每个像素点与其图像域和尺度域的所有相邻点进行比较，当其大于或者小于所有相邻点时，该点就是极值点，从而初步定位出特征点，再经过滤除能量比较弱的关键点以及错误定位的关键点，筛选出最终的稳定的特征点； 步骤52特征点方向确认：在特征点的圆形邻域内，统计60度扇形内所有点的水平、垂直harr小波特征总和，然后扇形以0.2弧度大小的间隔进行旋转并再次统计该区域内harr小波特征值之后，最后将值最大的那个扇形的方向作为该特征点的主方向； 步骤53特征描述：在特征点周围沿着特征点的主方向取一个4*4的矩形区域块，每个子区域统计25个像素的水平方向和垂直方向的haar小波特征，该haar小波特征为水平方向值dy之和，水平方向绝对值|dy|之和，垂直方向dx之和，垂直方向绝对值|dx|之和，每个小区域就有4个值，每个特征点为16*4=64维的向量，公式为：Vsub＝Σdx，Σ|dx|，Σdy，Σ|dy|； 步骤54特征匹配：计算待分类的工件图上特征点mi与工件模板图像特征点ni的欧式最短距离Dismini和欧式次短距离Dismini＇，若结果满足判断阈值的判断公式，则保留待分类工件图像特征点mi到工件模板图像特征点ni这一匹配点对至矩阵M1中，将待分类工件图像特征点mi与模板图像上特征点ni的欧式距离比结果存入M2，初步匹配特征点对的结果记为M3，得到M3后求取变换矩阵，映射实现最终配准，利用RANSAC算法进一步提纯匹配结果，得到符合该算法的内点矩阵即精确匹配结果。

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埃夫特智能装备股份有限公司;上海埃奇机器人技术有限公司，其通讯地址为：241000 安徽省芜湖市中国(安徽)自由贸易试验区芜湖片区万春东路96号；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。