machine-learning - 物体识别及尺寸测量

Question

我想创建一个在工厂中使用的系统来测量从装配线上下来的物体的尺寸。这些物体是石板，大约是矩形的，我想要宽度和高度。每 block 石头都是用闪光灯在相同的位置拍摄的，因此条件得到了很好的控制。棘手的部分是，石头的表面有时有图案(通常是带有波纹和条纹的大理石)，有时几乎是黑色的，与阴影融为一体。

我尝试简单地从背景的引用图像中减去每个图像，但照明、滚轮和小机械部件的位置有足够小的变化，导致输出确实很吵。

接下来我计划尝试的方法是使用 Canny 的边缘检测算法，然后使用某种数值优化(可能是 Nelder-Mead)来将 4 边多边形与边缘匹配。不过，在我自制一些东西之前，是否有一种现有的方法可以在这种情况下很好地发挥作用？

如果有帮助的话，可以用已知在板内的图像 block “播种”算法(它们总是在角落里排列)，以帮助识别其表面图案和颜色。如果有必要，我还可以生成一组带注释的图像训练集。

一些背景和一些石板的示例图像:

Answer 1

您是否尝试过现有的图像分割算法？

我将从 Vladimir Kolmogorov 的图像分割 maxflow 算法开始:http://pub.ist.ac.at/~vnk/software.html在论文中，他们将图像的区域修复为属于特定片段，这将有助于解决您的问题，但如何在软件中执行此操作可能并不明显。

Richard Socher 的用于解析场景的深度学习算法也可能有所帮助:http://www.socher.org/

Eric Sudderth 至少有一种有趣的视觉场景理解方法:http://www.cs.brown.edu/~sudderth/software.html

我实际上还没有使用过这个软件，它大部分(如果不是全部)用于研究，并不是特别用户友好。