您需要一个程序，从经验中有机地学习和提高分类准确性。
我建议深度学习，深入学习这会成为一个微不足道的问题。
您可以在Tensorflow上重新训练初始v3模型：
在这种情况下，您将训练卷积神经网络将对象分类为可口可乐可以与否。
强调这一点。需要将近一整天
处理
</跨度>
30个测试图像，显然是因为我有一个非常高的旋转和平移比例因子，因为一些罐子非常……
另一种方法是使用。提取特征（关键点）
尺度不变的特征变换
（SIFT）或
加快了强大的功能
（冲浪）。
它是在实施的
OpenCV的
2.3.1。
您可以使用中的功能找到一个很好的代码示例
Features2D + Homography找到一个已知对象
两种算法对缩放和旋转都不变。由于它们使用功能，您也可以处理
闭塞
（只要有足够的关键点可见）。
图片来源：教程示例
对于SIFT，处理需要几百毫秒，SURF的速度要快一些，但它不适合实时应用。 ORB使用FAST，其在旋转不变性方面较弱。
为了加快速度，我会利用这样一个事实：你不会被要求找到任意图像/物体，特别是有可口可乐标志的物体。这很重要，因为这个标识非常独特，它应该在频域中具有特征性的，尺度不变的特征，特别是在RGB的红色通道中。也就是说，水平扫描线（在水平对齐的徽标上训练）遇到的红色到白色到红色的交替图案在通过徽标的中心轴时将具有独特的“节奏”。这种节奏将在不同的尺度和方向上“加速”或“减速”，但仍将按比例保持相同。您可以通过徽标识别/定义几十个这样的扫描线，水平和垂直扫描线以及几个对角线的星形图案。将这些称为“签名扫描线”。
在目标图像中搜索此签名是一个简单的问题，即以水平条带扫描图像。寻找红色通道中的高频（指示从红色区域移动到白色区域），并且一旦找到，查看它是否跟随训练期间识别的频率节奏之一。找到匹配后，您将立即知道扫描线在徽标中的方向和位置（如果您在训练期间跟踪这些内容），那么从那里识别徽标的边界是微不足道的。
如果这不是一个线性有效的算法，或者差不多如此，我会感到惊讶。它显然没有解决你的罐装歧视，但至少你会有你的标志。
（更新：对于瓶子识别，我会寻找与徽标相邻的焦炭（棕色液体） - 也就是说，
内
瓶子。或者，在空瓶的情况下，我会寻找一个
帽
它总是具有与徽标相同的基本形状，大小和距离，通常都是白色或红色。寻找带帽的纯色椭圆形状
应该
是，相对于徽标。当然不是万无一失，但你的目标应该是找到
简单
那些
快速
。）
（距离我的图像处理时间已经过去了几年，所以我把这个建议保持在高水平和概念上。我认为它可能会略微接近人眼的操作方式 - 或者至少我的大脑是如何操作的！）
即使人类在第二张图片中区分瓶子和罐子也不困难（假设瓶子的透明区域是隐藏的）？
它们几乎是相同的，除了一个非常小的区域（也就是说，罐子顶部的宽度有点小，而瓶子的包装纸在整个宽度相同，但是稍微改变一下吧？）
我想到的第一件事就是检查瓶子的红顶。但它仍然是一个问题，如果瓶子没有顶部，或者是否部分隐藏（如上所述）。
我想到的第二件事就是瓶子的透明度。 OpenCV有一些关于在图像中查找透明对象的工作。检查以下链接。
特别注意这一点，看看它们检测玻璃的准确程度如何：
查看他们的实施结果：
他们说这是本文的实施
“寻找玻璃的测地学活动轮廓框架”，K。McHenry和J. Ponce，CVPR 2006
。
它可能对你的情况有所帮助，
但如果瓶子装满了问题又会出现问题。
所以我想在这里，您可以首先搜索瓶子的透明体，或者是横向连接到两个透明物体的红色区域，这显然是瓶子。 （理想情况下，图像如下。）
现在，您可以删除黄色区域，即瓶子的标签，并运行算法以查找罐头。
无论如何，这个解决方案也有其他解决方案中的不同问题。
但无论如何，如果图片中没有上述问题，这似乎是一个更好的方法。