特定物体识别。 [Python]

Question

我们有一项技术任务是识别传送带上的煤炭。

输入数据：带（或不带）煤的输送机照片。
输出数据： 带有传送带边界的处理图像。（下一步是识别传送带上的煤量）

我们已尝试将图像处理为 black/white、增加对比度、模糊，但图像上 "noises" 太多了。这是第一个问题：如何去除图像上不需要的像素？

第二个问题：如何在图像上正确检测输送机（然后检测上面的煤）？

源图像示例：

Answer 1

问问自己为什么要用相机解决这个问题。有数百种更好、更便宜和更可靠的方法来检测传送带上是否有煤。除非还有别的东西，或者你想获得有关该煤的更多信息。

光栅、点、线或区域距离传感器（超声波、光学...）触觉开关、麦克风、称重传感器...

如果你坚持使用相机，你还有很多选择，这取决于你到底想知道什么。

最简单直接的方法是检查传送带是否看起来是空的，而不是检测煤炭本身。

还有为什么要检测传送带？我怀疑它会在你安装好相机后走开。

Answer 2

不确定这是否有帮助，但您可以尝试使用 Hough 变换找到三角形区域。

示例如下：

加载图像并将其转换为灰色
阈值并应用细化
拟合霍夫变换

例如，

import cv2
from skimage import morphology

# Load image and convert to gray
img = cv2.imread('test.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Otsu threshold
t, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# Apply thinning    
thin = morphology.thin(thresh)
show_img(thin, 'Thinned')

# Hough transform: experiment with params here
from skimage.transform import probabilistic_hough_line

lines = probabilistic_hough_line(thin, threshold=100, line_length=10, line_gap=20)
print('Total lines={0}'.format(len(lines)))

# Plot lines over the input image
for p1, p2 in lines:
    cv2.line(img, p1, p2, (255, 0, 0), 4)

图片：

特定物体识别。 [Python]

Specific object recognition. [Python]

python

opencv

image-processing

object-recognition