machine-learning - 物体识别和尺寸测量

Question

我想创建一个用于工厂的系统来测量从装配线上下来的物体的大小。这些物体是石板，近似矩形，我想要宽度和高度。每块石头都是用闪光灯在同一位置拍摄的，所以条件控制得很好。棘手的部分是石头有时在其表面上有图案（通常是带有波纹和条纹的大理石），有时它们几乎是黑色的，与阴影融为一体。

我尝试简单地从背景的参考图像中减去每个图像，但是照明和滚轮的位置以及小机器的位置有足够小的变化，以至于输出真的很嘈杂。

我计划接下来尝试的方法是使用 Canny 的边缘检测算法，然后使用某种数值优化（可能是 Nelder-Mead）将 4 边多边形与边缘匹配。但是，在我自制一些东西之前，是否有一种在这种情况下效果很好的现有方法？

如果有帮助，则可以使用已知在平板内的图像补丁（它们总是在角落里排列）来“播种”算法，以帮助识别其表面图案和颜色。如有必要，我还可以生成一组带注释图像的训练集。

背景的一些示例图像和一些石板：

Answer 1

您是否尝试过现有的图像分割算法？

我将从 Vladimir Kolmogorov 的图像分割的 maxflow 算法开始：http://pub.ist.ac.at/~vnk/software.html在 论文中，他们将图像的区域固定为属于特定段，其中会帮助您解决问题，但如何在软件中执行此操作可能并不明显。

Richard Socher 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 在这里至少有一种有趣的视觉场景理解方法：http ://www.cs.brown.edu/~sudderth/software.html

我实际上也没有使用过任何这个软件，如果不是全部的话，它主要是用于研究，而不是特别用户友好。