当前,随着科技的发展,社会的进步,人们生活质量的提高。越来越多的人对生活中的陶瓷卫浴产品提出了越来越多的要求,如个性化的定制,种类多样化等方面。导致生产线上陶瓷卫浴素坯种类日复一日的增加,很多时候需在同一生产线上,利用同一机械手臂对多种型号的卫浴陶瓷素坯进行喷釉,不同种类的卫浴陶瓷素坯喷釉的轨迹是不同的。为满足自动化,智能化的生产需求。需对不同种类的卫浴陶瓷素坯进行准确的识别,并把这一类的信息传递给机械手臂。机械手臂执行对应的喷釉程序,完成素坯喷釉这一程序。要识别三维的陶瓷坯体型号,可以识别对应二维图像。通过识别二维图像找到对应的型号。三维物体的部分信息可以通过二维图像来表示。所以光照的和光照角度,对图片有效信息的采集具有很大影响。卫浴陶瓷胚体的颜色与墙面背景较为接近;还有卫浴陶瓷素坯种类过多;存在多种类型的卫浴陶瓷坯体单靠一个视图的图像无法区分出陶瓷卫浴坯体的具体类型。本文使用三个视图的图像相结合的方法。可以准确识别绝大多数的卫浴陶瓷坯体。仍存在几种陶瓷坯体,有细微的高度差或存在局部差异。单凭深度学习方法或经典的特征提取结合SVM分类方法基本上不能准确识别卫浴陶瓷坯体的型号。本文对单一视图下卫浴陶瓷素坯图像进行研究。在图像的识别分类中运用多特征融合的方法,最后给出了实际的卫浴陶瓷素坯识别方案。改进如下:1、针对单一视图图像识别准确率不高,通过研究LBP算子,HOG算子,Haar-like算子,卷积网络等特征提取算子中的优缺点。融合多个种类特征或改进一种特征,利用融合后的混合特征用于归类可以提高准确率2%-7%,并且不会增加对计算机的计算资源的需求,不用增加其他辅助资源。2、针对单一视图卫浴陶瓷素坯图像识别准确率不够高的问题,改进Faster RCNN网络中的特征提取网络这一部分。利用Res net的思想和ROI pooling的思想提取多个卷积层的特征融合后,与经过RPN层后的特征图的特征结合用于最后的分类和回归。相比VGG16提取特征,准确率提高了3%左右。3、针对单一视图的图像无法被准确识别的卫浴陶瓷素坯型号,提出了基于二次识别的在线陶瓷型号智能识别系统方案,利用多视图识别方法,解决了绝大多数卫浴陶瓷素坯的型号识别问题。相比单一视图准确率提高10%左右。利用物体轮廓的外接矩的宽高比重点解决了其中部分相似型号的识别问题,基本满足生产需求。