本發(fā)明涉及計(jì)數(shù)系統(tǒng)領(lǐng)域，具體涉及一種建立鏡片識(shí)別模型和鏡片識(shí)別的方法及裝置。

背景技術(shù)：

光學(xué)鏡片廣泛應(yīng)用于安防、醫(yī)療影像、智能交通、工業(yè)檢測(cè)等諸多領(lǐng)域，其需求量及生產(chǎn)量日益增大。傳統(tǒng)的光學(xué)加工行業(yè)中，對(duì)于加工的光學(xué)鏡片進(jìn)行加工數(shù)量的統(tǒng)計(jì)以及生產(chǎn)庫(kù)存盤(pán)點(diǎn)時(shí)，都是通過(guò)人工的方式，即由員工一片一片地?cái)?shù)鏡片，統(tǒng)計(jì)其個(gè)數(shù)，然后人工記錄。這種人工統(tǒng)計(jì)并記錄光學(xué)鏡片數(shù)量的方法，其工作效率非常低，導(dǎo)致生產(chǎn)成增加；并且由于存在人為因素，統(tǒng)計(jì)誤差較大。

技術(shù)實(shí)現(xiàn)要素：

因此，本發(fā)明要解決的技術(shù)問(wèn)題在于現(xiàn)有技術(shù)中采用人工統(tǒng)計(jì)并記錄光學(xué)鏡片數(shù)量導(dǎo)致工作效率差、統(tǒng)計(jì)誤差大。

有鑒于此，本發(fā)明提供一種建立鏡片識(shí)別模型的方法，包括：

獲取多個(gè)鏡片圖像樣本和所述鏡片圖像樣本中的鏡片信息；

將所述多個(gè)鏡片圖像樣本和所述鏡片圖像樣本中的鏡片信息作為訓(xùn)練數(shù)據(jù)，對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，直至所述神經(jīng)網(wǎng)絡(luò)對(duì)所述鏡片圖像樣本中鏡片信息的識(shí)別率大于預(yù)設(shè)閾值。

優(yōu)選地，所述神經(jīng)網(wǎng)絡(luò)模型為卷積神經(jīng)網(wǎng)絡(luò)模型。

相應(yīng)地，本發(fā)明還提供一種建立鏡片識(shí)別模型的裝置，包括：

第一獲取單元，用于獲取多個(gè)鏡片圖像樣本和所述鏡片圖像樣本中的鏡片信息；

訓(xùn)練單元，用于將所述多個(gè)鏡片圖像樣本和所述鏡片圖像樣本中的鏡片信息作為訓(xùn)練數(shù)據(jù)，對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，直至所述神經(jīng)網(wǎng)絡(luò)對(duì)所述鏡片圖像樣本中鏡片信息的識(shí)別率大于預(yù)設(shè)閾值。

優(yōu)選地，所述神經(jīng)網(wǎng)絡(luò)模型為卷積神經(jīng)網(wǎng)絡(luò)模型。

相應(yīng)地，本發(fā)明還提供一種鏡片識(shí)別方法，包括：

獲取待識(shí)別鏡片圖像；

利用上述所述方法建立的模型對(duì)所述待識(shí)別鏡片圖像進(jìn)行識(shí)別，確定所述待識(shí)別鏡片圖像的鏡片信息。

優(yōu)選地，所述鏡片信息包括鏡片的數(shù)量信息。

相應(yīng)地，本發(fā)明還提供一種鏡片識(shí)別裝置，包括：

第二獲取單元，用于獲取待識(shí)別鏡片圖像；

識(shí)別單元，用于利用上述所述方法建立的模型對(duì)所述待識(shí)別鏡片圖像進(jìn)行識(shí)別，確定所述待識(shí)別鏡片圖像的鏡片信息。

優(yōu)選地，所述鏡片信息包括鏡片的數(shù)量信息。

本發(fā)明提供的建立鏡片識(shí)別模型和鏡片識(shí)別的方法及裝置，利用建立的鏡片識(shí)別模型對(duì)鏡片圖像中的鏡片數(shù)量信息進(jìn)行識(shí)別，解決了現(xiàn)有技術(shù)中采用人工統(tǒng)計(jì)并記錄光學(xué)鏡片數(shù)量導(dǎo)致工作效率差、統(tǒng)計(jì)誤差大的問(wèn)題。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明具體實(shí)施方式或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)具體實(shí)施方式或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖是本發(fā)明的一些實(shí)施方式，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明實(shí)施例提供的一種建立鏡片識(shí)別模型的方法的流程圖；

圖2是本發(fā)明實(shí)施例提供的一種建立鏡片識(shí)別模型的裝置的結(jié)構(gòu)示意圖；

圖3是本發(fā)明另一實(shí)施例提供的一種鏡片識(shí)別方法的流程圖；

圖4是本發(fā)明另一實(shí)施例提供的一種鏡片識(shí)別裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合附圖對(duì)本發(fā)明的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明實(shí)施例提供一種建立鏡片識(shí)別模型的方法，如圖1所示，包括：

s11，獲取多個(gè)鏡片圖像樣本和所述鏡片圖像樣本中的鏡片信息；其中為了提供模型的識(shí)別的準(zhǔn)確性，獲取的鏡片圖像樣本在保證滿(mǎn)足訓(xùn)練數(shù)量的情況下，需滿(mǎn)足樣本的多樣性，即鏡片圖像樣本中可以是通過(guò)攝像機(jī)等照相設(shè)備得到的不同角度、不同光照得到的樣本信息，由于樣本是隨機(jī)獲取的，故可能樣本中也應(yīng)該包括邊緣不完整的鏡片圖像，例如由于拍攝角度問(wèn)題導(dǎo)致的原本圓形的鏡片，此時(shí)在圖像樣本中未橢圓形或者其他不規(guī)則的形狀，預(yù)先通過(guò)人工對(duì)多個(gè)樣本中的各種鏡片預(yù)先進(jìn)行標(biāo)記。

s12，將所述多個(gè)鏡片圖像樣本和所述鏡片圖像樣本中的鏡片信息作為訓(xùn)練數(shù)據(jù)，對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，直至所述神經(jīng)網(wǎng)絡(luò)對(duì)所述鏡片圖像樣本中鏡片信息的識(shí)別率大于預(yù)設(shè)閾值。其中所述神經(jīng)網(wǎng)絡(luò)模型優(yōu)選為卷積神經(jīng)網(wǎng)絡(luò)模型。將標(biāo)記好的大量的鏡片圖像樣本輸入到神經(jīng)網(wǎng)絡(luò)模型中，對(duì)該模型進(jìn)行訓(xùn)練，調(diào)節(jié)模型中的各項(xiàng)參數(shù)，直至該神經(jīng)網(wǎng)絡(luò)模型對(duì)鏡片圖像樣本鏡片信息的識(shí)別率大于預(yù)設(shè)閾值，則該神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練完成。

本發(fā)明實(shí)施例提供的建立鏡片識(shí)別模型的方法，通過(guò)獲取多個(gè)鏡片圖像樣本和所述鏡片圖像樣本中的鏡片信息，將所述多個(gè)鏡片圖像樣本和所述鏡片圖像樣本中的鏡片信息作為訓(xùn)練數(shù)據(jù)，對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，直至神經(jīng)網(wǎng)絡(luò)對(duì)所述鏡片圖像樣本中鏡片信息的識(shí)別率大于預(yù)設(shè)閾值，則該鏡片識(shí)別模型建立完成，利用該模型對(duì)鏡片圖像中的鏡片進(jìn)行識(shí)別，確定圖像中的鏡片數(shù)量，解決了現(xiàn)有技術(shù)中采用人工統(tǒng)計(jì)并記錄光學(xué)鏡片數(shù)量導(dǎo)致工作效率差、統(tǒng)計(jì)誤差大的問(wèn)題。

相應(yīng)地，本發(fā)明實(shí)施例提供一種建立鏡片識(shí)別模型的裝置，如圖2所示，包括：

第一獲取單元21，用于獲取多個(gè)鏡片圖像樣本和所述鏡片圖像樣本中的鏡片信息；

訓(xùn)練單元22，用于將所述多個(gè)鏡片圖像樣本和所述鏡片圖像樣本中的鏡片信息作為訓(xùn)練數(shù)據(jù)，對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，直至所述神經(jīng)網(wǎng)絡(luò)對(duì)所述鏡片圖像樣本中鏡片信息的識(shí)別率大于預(yù)設(shè)閾值。

優(yōu)選地，所述神經(jīng)網(wǎng)絡(luò)模型為卷積神經(jīng)網(wǎng)絡(luò)模型。

本發(fā)明實(shí)施例提供的建立鏡片識(shí)別模型的裝置，通過(guò)獲取多個(gè)鏡片圖像樣本和所述鏡片圖像樣本中的鏡片信息，將所述多個(gè)鏡片圖像樣本和所述鏡片圖像樣本中的鏡片信息作為訓(xùn)練數(shù)據(jù)，對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，直至神經(jīng)網(wǎng)絡(luò)對(duì)所述鏡片圖像樣本中鏡片信息的識(shí)別率大于預(yù)設(shè)閾值，則該鏡片識(shí)別模型建立完成，利用該模型對(duì)鏡片圖像中的鏡片進(jìn)行識(shí)別，確定圖像中的鏡片數(shù)量，解決了現(xiàn)有技術(shù)中采用人工統(tǒng)計(jì)并記錄光學(xué)鏡片數(shù)量導(dǎo)致工作效率差、統(tǒng)計(jì)誤差大的問(wèn)題。

相應(yīng)地，本發(fā)明另一實(shí)施例還提供一種鏡片識(shí)別方法，如圖3所示，包括：

s31，獲取待識(shí)別鏡片圖像。

s32，利用上述實(shí)施例所述方法建立的模型對(duì)所述待識(shí)別鏡片圖像進(jìn)行識(shí)別，確定所述待識(shí)別鏡片圖像的鏡片信息。

優(yōu)選地，所述鏡片信息包括鏡片的數(shù)量信息。

本發(fā)明另一實(shí)施例提供的鏡片識(shí)別方法，利用建立的鏡片識(shí)別模型對(duì)鏡片圖像中的鏡片數(shù)量信息進(jìn)行識(shí)別，解決了現(xiàn)有技術(shù)中采用人工統(tǒng)計(jì)并記錄光學(xué)鏡片數(shù)量導(dǎo)致工作效率差、統(tǒng)計(jì)誤差大的問(wèn)題。

相應(yīng)地，本發(fā)明另一實(shí)施例還提供一種鏡片識(shí)別裝置，如圖4所示，包括：

第二獲取單元41，用于獲取待識(shí)別鏡片圖像；

識(shí)別單元42，用于利用上述實(shí)施例所述方法建立的模型對(duì)所述待識(shí)別鏡片圖像進(jìn)行識(shí)別，確定所述待識(shí)別鏡片圖像的鏡片信息。

優(yōu)選地，所述鏡片信息包括鏡片的數(shù)量信息。

本發(fā)明另一實(shí)施例提供的鏡片識(shí)別裝置，利用建立的鏡片識(shí)別模型對(duì)鏡片圖像中的鏡片數(shù)量信息進(jìn)行識(shí)別，解決了現(xiàn)有技術(shù)中采用人工統(tǒng)計(jì)并記錄光學(xué)鏡片數(shù)量導(dǎo)致工作效率差、統(tǒng)計(jì)誤差大的問(wèn)題。

顯然，上述實(shí)施例僅僅是為清楚地說(shuō)明所作的舉例，而并非對(duì)實(shí)施方式的限定。對(duì)于所屬領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在上述說(shuō)明的基礎(chǔ)上還可以做出其它不同形式的變化或變動(dòng)。這里無(wú)需也無(wú)法對(duì)所有的實(shí)施方式予以窮舉。而由此所引伸出的顯而易見(jiàn)的變化或變動(dòng)仍處于本發(fā)明創(chuàng)造的保護(hù)范圍之中。