基于OpenCV和TensorFlow的自动分类识别系统设计

摘要

介绍了基于OpenCV和TensorFlow的自动分类识别系统的构建及其关键技术，包括图像处理、生成数据集、构建训练和保存卷积网络模型。首先对原始图像进行预处理，利用OpenCV图像处理技术从图像中提取出目标区域，运用灰度化、滤波降噪、二值化、形态学运算、连续轮廓检测及矩形边界框方法，研究结果表明，该流程在物流工业环境下能分割出较为完整的物体区域；然后，利用TensorFlow将获取的图像保存为tfrecord数据集，构建、训练轻量级卷积神经网络模型，该模型包含4个卷积层和3个全连接层，每个卷积层后面连接着一个最大池化层，训练结果被保存为离线pb模型，结果表明，随着迭代次数的增加，模型的准确率趋于稳定；最后将训练好的模型文件拷贝至工控机上，并在可移植平台QT平台上进行GUI开发，实现自动分拣识别。整个自动分类识别系统采用模块式开发，并且该模型还有较好的扩展性，可以实现物流自动化输送线上多种类商品的自动识别。

关键词

机器视觉 / OpenCV / 图像分类 / 自动识别 / 卷积神经网络 / TensorFlow