CN116386028B - 一种用于三通管件加工的图像分层识别方法及装置 - Google Patents
一种用于三通管件加工的图像分层识别方法及装置 Download PDFInfo
- Publication number
- CN116386028B CN116386028B CN202310358478.0A CN202310358478A CN116386028B CN 116386028 B CN116386028 B CN 116386028B CN 202310358478 A CN202310358478 A CN 202310358478A CN 116386028 B CN116386028 B CN 116386028B
- Authority
- CN
- China
- Prior art keywords
- result
- image acquisition
- abnormal
- image
- pipe fitting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012545 processing Methods 0.000 title claims abstract description 46
- 230000002159 abnormal effect Effects 0.000 claims abstract description 105
- 238000001514 detection method Methods 0.000 claims abstract description 55
- 238000013507 mapping Methods 0.000 claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims description 36
- 230000011218 segmentation Effects 0.000 claims description 22
- 230000005856 abnormality Effects 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 16
- 238000012795 verification Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000003754 machining Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 229910001018 Cast iron Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种用于三通管件加工的图像分层识别方法及装置,应用于数据处理技术领域,该方法包括:通过获得辅助定位设备的定位反馈信息,构建三维直角坐标系,并进行定位坐标补偿。通过坐标补偿对图像采集设备进行位置调整,并执行图像采集,获得图像采集集合。通过调用匹配特征集,对图像采集集合进行分层特征匹配,获得特征识别结果,并根据图像映射关系记录特征识别结果的识别坐标,输入异常识别模型,输出第一异常识别结果。基于特征识别结果确定异常种类和异常坐标,生成第二异常识别结果。通过第一异常识别结果和第二异常识别结果进行三通管件的分类管理。解决了现有技术中三通管件质量检测存在检测难度大,检测准确率低的技术问题。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种用于三通管件加工的图像分层识别方法及装置。
背景技术
三通管件存在三个管道开口,其被广泛应用于液体或气体流向的改变,进而实现流体的分流或汇流,而三通管件由于输送的介质不同,又分为多种材质,如塑料、铸铁等。在现有技术中,由于三通管件的造型特殊,包含多个异形曲面,导致管件检测难度大,检测准确率低的问题。
因此,在现有技术中三通管件质量检测存在检测难度大,检测准确率低的技术问题。
发明内容
本申请通过提供一种用于三通管件加工的图像分层识别方法及装置,解决了在现有技术中三通管件质量检测存在检测难度大,检测准确率低的技术问题。
本申请提供一种用于三通管件加工的图像分层识别方法,所述方法应用于图像分层识别***,所述图像分层识别***与图像采集设备、辅助定位设备通信连接,所述方法包括:将三通管件置于所述辅助定位设备进行管件定位,并获得所述辅助定位设备的定位反馈信息;基于所述辅助定位设备构建三维直角坐标系,通过所述定位反馈信息执行所述三通管件的坐标补偿;通过所述坐标补偿对所述图像采集设备进行位置调整,并执行所述三通管件的图像采集,获得图像采集集合,其中,所述图像采集集合与所述图像采集设备具有一一对应的图像映射关系;通过所述图像映射关系调用匹配特征集,对所述图像采集集合进行分层特征匹配,获得特征识别结果,并根据所述图像映射关系记录所述特征识别结果的识别坐标;将所述识别坐标和所述特征识别结果输入异常识别模型,输出第一异常识别结果;基于所述特征识别结果确定异常种类和异常坐标,生成第二异常识别结果;通过所述第一异常识别结果和所述第二异常识别结果进行所述三通管件的管理。
本申请还提供了一种用于三通管件加工的图像分层识别装置,所述装置与图像采集设备、辅助定位设备通信连接,所述装置包括:定位反馈信息获取模块,用于将三通管件置于所述辅助定位设备进行管件定位,并获得所述辅助定位设备的定位反馈信息;坐标补偿模块,用于基于所述辅助定位设备构建三维直角坐标系,通过所述定位反馈信息执行所述三通管件的坐标补偿;图像采集集合获取模块,用于通过所述坐标补偿对所述图像采集设备进行位置调整,并执行所述三通管件的图像采集,获得图像采集集合,其中,所述图像采集集合与所述图像采集设备具有一一对应的图像映射关系;识别坐标获取模块,用于通过所述图像映射关系调用匹配特征集,对所述图像采集集合进行分层特征匹配,获得特征识别结果,并根据所述图像映射关系记录所述特征识别结果的识别坐标;第一异常识别结果获取模块,用于将所述识别坐标和所述特征识别结果输入异常识别模型,输出第一异常识别结果;第二异常识别结果获取模块,用于基于所述特征识别结果确定异常种类和异常坐标,生成第二异常识别结果;质量管理模块,用于通过所述第一异常识别结果和所述第二异常识别结果进行所述三通管件的管理。
本申请还提供了一种电子设备,包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现本申请实施例提供的一种用于三通管件加工的图像分层识别方法。
本申请实施例提供一种计算机可读存储介质,存储有计算机程序,该程序被处理器执行时,实现本申请实施例提供的一种用于三通管件加工的图像分层识别方法。
拟通过本申请提出的一种用于三通管件加工的图像分层识别方法及装置,通过获得所述辅助定位设备的定位反馈信息,构建三维直角坐标系,通过所述定位反馈信息执行所述三通管件的坐标补偿。通过所述坐标补偿对所述图像采集设备进行位置调整,并执行所述三通管件的图像采集,获得图像采集集合,其中,所述图像采集集合与所述图像采集设备具有一一对应的图像映射关系。通过所述图像映射关系调用匹配特征集,对所述图像采集集合进行分层特征匹配,获得特征识别结果,并根据所述图像映射关系记录所述特征识别结果的识别坐标。将所述识别坐标和所述特征识别结果输入异常识别模型,输出第一异常识别结果。基于所述特征识别结果确定异常种类和异常坐标,生成第二异常识别结果。通过所述第一异常识别结果和所述第二异常识别结果进行所述三通管件的管理。实现了对三通管件质量检测的准确检测,并基于检测结果对三通管件进行质量分类处理。解决了现有技术中三通管件质量检测存在检测难度大,检测准确率低的技术问题。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地,下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本申请实施例提供的一种用于三通管件加工的图像分层识别方法的流程示意图;
图2为本申请实施例提供的一种用于三通管件加工的图像分层识别方法获得图像采集集合的流程示意图;
图3为本申请实施例提供的一种用于三通管件加工的图像分层识别方法进行图像采集的控制修正的流程示意图;
图4为本申请实施例提供的一种用于三通管件加工的图像分层识别方法的装置的结构示意图;
图5为本发明实施例提供的一种用于三通管件加工的图像分层识别方法的装置电子设备的结构示意图。
附图标记说明:定位反馈信息获取模块11,坐标补偿模块12,图像采集集合获取模块13,识别坐标获取模块14,第一异常识别结果获取模块15,第二异常识别结果获取模块16,质量管理模块17,处理器31,存储器32,输入装置33,输出装置34。
具体实施方式
实施例一
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
在以下的描述中,所涉及的术语“第一\第二\第三”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的。
虽然本申请对根据本申请的实施例的***中的某些模块做出了各种引用,然而,任何数量的不同模块可以被使用并运行在用户终端和/或服务器上,所述模块仅是说明性的,并且所述***和方法的不同方面可以使用不同模块。
本申请中使用了流程图来说明根据本申请的实施例的***所执行的操作。应当理解的是,前面或下面操作不一定按照顺序来精确地执行。相反,根据需要,可以按照倒序或同时处理各种步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
如图1所示,本申请实施例提供了一种用于三通管件加工的图像分层识别方法,所述方法应用于图像分层识别***,所述图像分层识别***与图像采集设备、辅助定位设备通信连接,所述方法包括:
S10:将三通管件置于所述辅助定位设备进行管件定位,并获得所述辅助定位设备的定位反馈信息;
S20:基于所述辅助定位设备构建三维直角坐标系,通过所述定位反馈信息执行所述三通管件的坐标补偿;
S30:通过所述坐标补偿对所述图像采集设备进行位置调整,并执行所述三通管件的图像采集,获得图像采集集合,其中,所述图像采集集合与所述图像采集设备具有一一对应的图像映射关系;
具体的,将三通管件置于所述辅助定位设备进行管件定位,其中辅助定位设备用于在固定位置对三通管件进行位置固定,并获得所述辅助定位设备的定位反馈信息。其中定位反馈信息为三通管件定位圆心与辅助定位设备中心的偏差,一般情况下对称管件定位于辅助定位设备的中心,但对于非对称管件则管件的定位则存在一定的偏差,其中定位偏差为管件距离最远两点为直径做圆的中心与辅助定位设备中心的偏差距离。随后,基于所述辅助定位设备构建三维直角坐标系,通过所述定位反馈信息执行所述三通管件的坐标补偿,进而确定三通管件的中心位置。进一步,通过坐标补偿对图像采集设备进行位置调整,使得图像采集设备的采集中心移动至补偿后的坐标,并执行三通管件的图像采集,进而获取图像采集集合,且所述图像采集集合与所述图像采集设备具有一一对应的图像映射关系。
如图2所示,本申请实施例提供的方法S30还包括:
S31:对所述三通管件进行标准数据调用;
S32:基于标准数据调用结果进行三通管件检测的检测区域初始分割,获得检测区域初始分割结果,其中,所述检测区域初始分割结果包括曲面区域和异形面区域;
S33:通过所述图像采集设备分别对所述曲面区域和所述异形面区域执行图像采集,基于采集结果获得所述图像采集集合。
具体的,对三通管件进行标准数据调用,其中三通管件标准数据包含尺寸信息、曲面标准图像信息位置信息、异形面标准图像信息位置信息。随后,基于标准数据调用结果进行三通管件检测的检测区域初始分割,得到检测区域初始分割结果。其中,所述检测区域初始分割结果包括曲面区域和异形面区域。最后,通过所述图像采集设备分别对所述曲面区域和所述异形面区域执行图像采集,基于采集结果获得所述图像采集集合。
本申请实施例提供的方法S30还包括:
S34:调用所述图像采集设备的镜头景深信息;
S35:基于所述镜头景深信息对独立的每一曲面区域分别进行拍摄清晰的拟合评价;
S36:根据拟合评价结果对所述曲面区域执行区域的再分割,获得再分割结果;
S37:通过所述再分割结果对所述检测区域初始分割结果调整,根据调整结果完成分区域图像采集。
具体的,调用图像采集设备的镜头景深信息,其中镜头景深为镜头可以清楚拍摄的最近距离以及最远距离范围。基于所述镜头景深信息对独立的每一曲面区域分别进行拍摄清晰的拟合评价,即通过坐标系位置获取摄像头至工件的实际距离,根据镜头景深信息进行距离比对,当处于镜头景深信息范围内时则拍摄效果清晰,反之则拍摄效果不清晰,获取拟合评价结果。根据拟合评价结果对曲面区域执行区域的再分割,获得再分割结果,即对拍摄效果不清晰的图像区域再次进行获取,得到再分割区域图像。通过所述再分割结果对所述检测区域初始分割结果调整,根据调整结果完成分区域图像采集,从而保证分区域图像采集的图像采集质量,避免清晰度较差的采集图像影响识别准确度。
本申请实施例提供的方法S33还包括:
S331:基于所述标准数据调用结果和识别需求确定异形面的网格划分值;
S332:通过所述网格划分值对所述异形面区域执行异形面网格划分,并设置对应网格点的采集坐标;
S333:将所述采集坐标和异形面网格划分结果、所述再分割结果对所述检测区域初始分割结果调整,以完成分区域图像采集。
具体的,根据标准数据调用结果和识别需求确定异形面的网格划分值,其中识别需求为用户的检测精度需求,检测精度越高对应的网格面积越小网格划分越多,反之网格面积越大网格划分越小,且检测精度与网格的划分面积存在对应关系,具体的对应数值可以根据实际情况进行设置。如检测的精度为1mm则对应的网格面积则为1mm边长正方形的面积。通过所述网格划分值对所述异形面区域执行异形面网格划分,并设置对应网格点的采集坐标。进一步,将采集坐标和异形面网格划分结果、所述再分割结果对所述检测区域初始分割结果调整,即将获取的标准数据的采集坐标和对应的异形面划分结果以及再分割结果,对检测区域初始分割结果进行区域调整,保证划分区域与标准数据中的划分结果的一致,进而完成分区域图像采集。
S40:通过所述图像映射关系调用匹配特征集,对所述图像采集集合进行分层特征匹配,获得特征识别结果,并根据所述图像映射关系记录所述特征识别结果的识别坐标;
S50:将所述识别坐标和所述特征识别结果输入异常识别模型,输出第一异常识别结果;
S60:基于所述特征识别结果确定异常种类和异常坐标,生成第二异常识别结果;
S70:通过所述第一异常识别结果和所述第二异常识别结果进行所述三通管件的管理。
具体的,通过图像映射关系调用匹配特征集,其中匹配特征集为对应图像采集设备与图像采集集合的具体图像特征,包括正常特征集与异常特征集合。根据获取的匹配特征集对所述图像采集集合进行分层特征匹配,具体的特征匹配方式为常用的图像特征匹配方法,进而获得特征识别结果。其中分层匹配具体为按照实际检测区域初始分割结果的划分结果进行特征匹配,每一个区域划分结果即为对应的分层区域。且特征识别结果中包含正常特征以及异常特征。随后,根据所述图像映射关系记录所述特征识别结果的识别坐标。将所述识别坐标和所述特征识别结果输入异常识别模型,输出第一异常识别结果。其中异常识别模型用于对正常特征中固定点的距离偏差进行计算,如标准特征在边缘区域包含多个标记点,计算各个标记点之间的坐标距离偏差,获得标准坐标偏差,随后根据识别坐标和所述特征识别结果进行检测标记点的计算将计算结果与标准坐标偏差进行比较,判断特征是否存在尺寸异常,进而获取第一异常识别结果。进一步,基于所述特征识别结果确定异常种类和异常坐标,生成第二异常识别结果,即根据特征识别结果确定对应特征集异常种类,并根据识别坐标点与标准数据中的坐标数据进行偏差比较计算,进而获取异常坐标。最后,通过所述第一异常识别结果和所述第二异常识别结果进行所述三通管件的管理,即通过三通管件的异常识别结果对三通管件进行分类管理。实现了对三通管件质量检测的准确检测,并基于检测结果对三通管件进行质量分类处理。
如图3所示,本申请实施例提供的方法S70还包括:
S71:对所述图像采集集合执行图像抽样,并对抽样结果进行图像的捕捉位置准确性评价,获得捕捉位置准确性评价结果;
S72:对所述抽样结果进行图像的拍摄清晰评价,获得拍摄清晰评价结果;
S73:根据所述捕捉位置准确性评价结果、所述拍摄清晰评价结果生成反馈信息;
S74:通过所述反馈信息进行图像采集的控制修正。
具体的,对图像采集集合执行图像抽样,获取抽样结果。并对抽样结果进行图像的捕捉位置准确性评价,即获取抽样结果的具体图像采集位置,并进行采集位置与抽样结果实际距离的准确性评价,获取实际捕捉位置的差异,进而得到捕捉位置准确性评价结果。随后,对抽样结果进行图像的拍摄清晰评价,获得拍摄清晰评价结果。在进行拍摄清晰评价时通过抽样结果中边缘的拉普拉斯梯度值进行获取,进而确定拍摄清晰度,梯度值越大则图像像素点之间的变化越大分辨能力越强图像越清晰,梯度值越小则图像像素点之间的变化越小分辨能力越弱图像越模糊,通过设定预设的梯度阈值来判断图像的清晰程度,大于等于预设的梯度阈值时则图像清晰度符合要求,小于预设的梯度阈值时则图像清晰度较为模糊并不符合清晰度要求,进而获取拍摄清晰评价结果。根据所述捕捉位置准确性评价结果、所述拍摄清晰评价结果生成反馈信息,由于在进行拍摄时拍摄设备不变,则对应的分辨率也不会发生改变,因此影响清晰度的主要原因是工件的拍摄位置未处于图像采集设备的景深范围内,因此需要根据捕捉位置准确性评价结果获取反馈信息进而对图像采集设备的位置进行调整,其中反馈信息为对应的图像采集设备的调整参数。最后,通过所述反馈信息进行图像采集的控制修正,进一步保证采集图像集中各图像的采集质量。
本申请实施例提供的方法S70还包括:
S75:基于所述第二异常识别结果生成异常处理指令;
S76:通过所述异常处理指令控制对所述三通管件异常处理,并记录异常处理结果;
S77:通过所述异常处理结果对所述三通管件进行质量分类管理。
具体的,基于第二异常识别结果生成异常处理指令,其中异常处理指令用于根据异常的数量对三通管件进行分类处理。通过所述异常处理指令控制对所述三通管件异常处理,即对存在异常的三通管件进行分类处理,并记录异常处理结果。最后,通过所述异常处理结果对所述三通管件进行质量分类管理,即根据三通管件的异常数量对其进行分类管理。
本申请实施例提供的方法S74还包括:
S741:读取所述辅助定位设备的定位点反馈信息;
S742:对所述定位点反馈信息执行定位点的异常偏离评价,将满足预设偏离阈值的定位点执行定位异常标识;
S743:通过新增图像采集设备进行所述定位异常标识的图像采集,生成辅助验证特征;
S744:通过所述定位异常标识和所述辅助验证特征进行定位异常预警。
具体的,读取所述辅助定位设备的定位点反馈信息,其中定位点反馈信息未辅助定位设备对三通管件定位点的定位信息。由于辅助定位设备在定位相同三通管件时的定位位置相对固定,因此通过对所述定位点反馈信息执行定位点的异常偏离评价,获取定位点之间的偏差距离,并于标准定位点的偏差距离进行偏差计算,将满足预设偏离阈值的定位点执行定位异常标识。通过新增图像采集设备进行所述定位异常标识的图像采集,生成辅助验证特征,判断实际的辅助定位设备是否处于定位点处,通过所述定位异常标识和所述辅助验证特征进行定位异常预警,进而实现对辅助定位设备定位点的位置的验证。避免由于定位错误造成图像采集存在异常。
本发明实施例所提供的技术方案,通过获得所述辅助定位设备的定位反馈信息,构建三维直角坐标系,并进行定位坐标补偿。通过所述坐标补偿对图像采集设备进行位置调整,并执行图像采集,获得图像采集集合。通过调用匹配特征集,对所述图像采集集合进行分层特征匹配,获得特征识别结果,并根据所述图像映射关系记录所述特征识别结果的识别坐标。将所述识别坐标和所述特征识别结果输入异常识别模型,输出第一异常识别结果。基于所述特征识别结果确定异常种类和异常坐标,生成第二异常识别结果。通过所述第一异常识别结果和所述第二异常识别结果进行所述三通管件的管理。实现了对三通管件质量检测的准确检测,并基于检测结果对三通管件进行质量分类处理。解决了现有技术中三通管件质量检测存在检测难度大,检测准确率低的技术问题。
实施例二
基于与前述实施例中一种用于三通管件加工的图像分层识别方法同样发明构思,本发明还提供了一种用于三通管件加工的图像分层识别方法的装置,装置可以由硬件和/或软件的方式来实现,一般可集成于电子设备中,用于执行本发明任意实施例所提供的方法。如图4所示,所述装置与图像采集设备、辅助定位设备通信连接,所述装置包括:
定位反馈信息获取模块11,用于将三通管件置于所述辅助定位设备进行管件定位,并获得所述辅助定位设备的定位反馈信息;
坐标补偿模块12,用于基于所述辅助定位设备构建三维直角坐标系,通过所述定位反馈信息执行所述三通管件的坐标补偿;
图像采集集合获取模块13,用于通过所述坐标补偿对所述图像采集设备进行位置调整,并执行所述三通管件的图像采集,获得图像采集集合,其中,所述图像采集集合与所述图像采集设备具有一一对应的图像映射关系;
识别坐标获取模块14,用于通过所述图像映射关系调用匹配特征集,对所述图像采集集合进行分层特征匹配,获得特征识别结果,并根据所述图像映射关系记录所述特征识别结果的识别坐标;
第一异常识别结果获取模块15,用于将所述识别坐标和所述特征识别结果输入异常识别模型,输出第一异常识别结果;
第二异常识别结果获取模块16,用于基于所述特征识别结果确定异常种类和异常坐标,生成第二异常识别结果;
质量管理模块17,用于通过所述第一异常识别结果和所述第二异常识别结果进行所述三通管件的管理。
进一步地,所述图像采集集合获取模块13还用于:
对所述三通管件进行标准数据调用;
基于标准数据调用结果进行三通管件检测的检测区域初始分割,获得检测区域初始分割结果,其中,所述检测区域初始分割结果包括曲面区域和异形面区域;
通过所述图像采集设备分别对所述曲面区域和所述异形面区域执行图像采集,基于采集结果获得所述图像采集集合。
进一步地,所述图像采集集合获取模块13还用于:
调用所述图像采集设备的镜头景深信息;
基于所述镜头景深信息对独立的每一曲面区域分别进行拍摄清晰的拟合评价;
根据拟合评价结果对所述曲面区域执行区域的再分割,获得再分割结果;
通过所述再分割结果对所述检测区域初始分割结果调整,根据调整结果完成分区域图像采集。
进一步地,所述图像采集集合获取模块13还用于:
基于所述标准数据调用结果和识别需求确定异形面的网格划分值;
通过所述网格划分值对所述异形面区域执行异形面网格划分,并设置对应网格点的采集坐标;
将所述采集坐标和异形面网格划分结果、所述再分割结果对所述检测区域初始分割结果调整,以完成分区域图像采集。
进一步地,所述质量管理模块17还用于:
对所述图像采集集合执行图像抽样,并对抽样结果进行图像的捕捉位置准确性评价,获得捕捉位置准确性评价结果;
对所述抽样结果进行图像的拍摄清晰评价,获得拍摄清晰评价结果;
根据所述捕捉位置准确性评价结果、所述拍摄清晰评价结果生成反馈信息;
通过所述反馈信息进行图像采集的控制修正。
进一步地,所述质量管理模块17还用于:
基于所述第二异常识别结果生成异常处理指令;
通过所述异常处理指令控制对所述三通管件异常处理,并记录异常处理结果;
通过所述异常处理结果对所述三通管件进行质量分类管理。
进一步地,所述质量管理模块17还用于:
读取所述辅助定位设备的定位点反馈信息;
对所述定位点反馈信息执行定位点的异常偏离评价,将满足预设偏离阈值的定位点执行定位异常标识;
通过新增图像采集设备进行所述定位异常标识的图像采集,生成辅助验证特征;
通过所述定位异常标识和所述辅助验证特征进行定位异常预警。
所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例三
图5为本发明实施例三提供的电子设备的结构示意图,示出了适于用来实现本发明实施方式的示例性电子设备的框图。图5显示的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。如图5所示,该电子设备包括处理器31、存储器32、输入装置33及输出装置34;电子设备中处理器31的数量可以是一个或多个,图5中以一个处理器31为例,电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接,图5中以通过总线连接为例。
存储器32作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的一种用于三通管件加工的图像分层识别方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述一种用于三通管件加工的图像分层识别方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种用于三通管件加工的图像分层识别方法,其特征在于,所述方法应用于图像分层识别***,所述图像分层识别***与图像采集设备、辅助定位设备通信连接,所述方法包括:
将三通管件置于所述辅助定位设备进行管件定位,并获得所述辅助定位设备的定位反馈信息;
基于所述辅助定位设备构建三维直角坐标系,通过所述定位反馈信息执行所述三通管件的坐标补偿;
通过所述坐标补偿对所述图像采集设备进行位置调整,并执行所述三通管件的图像采集,获得图像采集集合,其中,所述图像采集集合与所述图像采集设备具有一一对应的图像映射关系,获得图像采集集合包括:
对所述三通管件进行标准数据调用;
基于标准数据调用结果进行三通管件检测的检测区域初始分割,获得检测区域初始分割结果,其中,所述检测区域初始分割结果包括曲面区域和异形面区域;
通过所述图像采集设备分别对所述曲面区域和所述异形面区域执行图像采集,基于采集结果获得所述图像采集集合;
通过所述图像映射关系调用匹配特征集,对所述图像采集集合进行分层特征匹配,获得特征识别结果,并根据所述图像映射关系记录所述特征识别结果的识别坐标,其中,分层特征匹配为按照实际检测区域初始分割结果的划分结果进行特征匹配,每一个区域划分结果即为对应的分层区域;
将所述识别坐标和所述特征识别结果输入异常识别模型,输出第一异常识别结果;
基于所述特征识别结果确定异常种类和异常坐标,生成第二异常识别结果;
通过所述第一异常识别结果和所述第二异常识别结果进行所述三通管件的管理。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
调用所述图像采集设备的镜头景深信息;
基于所述镜头景深信息对独立的每一曲面区域分别进行拍摄清晰的拟合评价;
根据拟合评价结果对所述曲面区域执行区域的再分割,获得再分割结果;
通过所述再分割结果对所述检测区域初始分割结果调整,根据调整结果完成分区域图像采集。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
基于所述标准数据调用结果和识别需求确定异形面的网格划分值;
通过所述网格划分值对所述异形面区域执行异形面网格划分,并设置对应网格点的采集坐标;
将所述采集坐标和异形面网格划分结果、所述再分割结果对所述检测区域初始分割结果调整,以完成分区域图像采集。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
对所述图像采集集合执行图像抽样,并对抽样结果进行图像的捕捉位置准确性评价,获得捕捉位置准确性评价结果;
对所述抽样结果进行图像的拍摄清晰评价,获得拍摄清晰评价结果;
根据所述捕捉位置准确性评价结果、所述拍摄清晰评价结果生成反馈信息;
通过所述反馈信息进行图像采集的控制修正。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述第二异常识别结果生成异常处理指令;
通过所述异常处理指令控制对所述三通管件异常处理,并记录异常处理结果;
通过所述异常处理结果对所述三通管件进行质量分类管理。
6.如权利要求1所述的方法,其特征在于,所述图像分层识别***与新增图像采集设备通信连接,所述方法还包括:
读取所述辅助定位设备的定位点反馈信息;
对所述定位点反馈信息执行定位点的异常偏离评价,将满足预设偏离阈值的定位点执行定位异常标识;
通过新增图像采集设备进行所述定位异常标识的图像采集,生成辅助验证特征;
通过所述定位异常标识和所述辅助验证特征进行定位异常预警。
7.一种用于三通管件加工的图像分层识别装置,其特征在于,所述装置与图像采集设备、辅助定位设备通信连接,所述装置包括:
定位反馈信息获取模块,用于将三通管件置于所述辅助定位设备进行管件定位,并获得所述辅助定位设备的定位反馈信息;
坐标补偿模块,用于基于所述辅助定位设备构建三维直角坐标系,通过所述定位反馈信息执行所述三通管件的坐标补偿;
图像采集集合获取模块,用于通过所述坐标补偿对所述图像采集设备进行位置调整,并执行所述三通管件的图像采集,获得图像采集集合,其中,所述图像采集集合与所述图像采集设备具有一一对应的图像映射关系,获得图像采集集合包括:
对所述三通管件进行标准数据调用;
基于标准数据调用结果进行三通管件检测的检测区域初始分割,获得检测区域初始分割结果,其中,所述检测区域初始分割结果包括曲面区域和异形面区域;
通过所述图像采集设备分别对所述曲面区域和所述异形面区域执行图像采集,基于采集结果获得所述图像采集集合;
识别坐标获取模块,用于通过所述图像映射关系调用匹配特征集,对所述图像采集集合进行分层特征匹配,获得特征识别结果,并根据所述图像映射关系记录所述特征识别结果的识别坐标,其中,分层特征匹配为按照实际检测区域初始分割结果的划分结果进行特征匹配,每一个区域划分结果即为对应的分层区域;
第一异常识别结果获取模块,用于将所述识别坐标和所述特征识别结果输入异常识别模型,输出第一异常识别结果;
第二异常识别结果获取模块,用于基于所述特征识别结果确定异常种类和异常坐标,生成第二异常识别结果;
质量管理模块,用于通过所述第一异常识别结果和所述第二异常识别结果进行所述三通管件的管理。
8.一种电子设备,其特征在于,所述电子设备包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现权利要求1至6任一项所述的一种用于三通管件加工的图像分层识别方法。
9.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一所述的一种用于三通管件加工的图像分层识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310358478.0A CN116386028B (zh) | 2023-04-06 | 2023-04-06 | 一种用于三通管件加工的图像分层识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310358478.0A CN116386028B (zh) | 2023-04-06 | 2023-04-06 | 一种用于三通管件加工的图像分层识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116386028A CN116386028A (zh) | 2023-07-04 |
CN116386028B true CN116386028B (zh) | 2023-10-03 |
Family
ID=86961137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310358478.0A Active CN116386028B (zh) | 2023-04-06 | 2023-04-06 | 一种用于三通管件加工的图像分层识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116386028B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117094989B (zh) * | 2023-10-16 | 2024-01-26 | 南通蓬盛机械有限公司 | 用于光学瞄准镜的镜片质量管理方法及*** |
CN117095011B (zh) * | 2023-10-20 | 2024-01-23 | 南通华隆微电子股份有限公司 | 一种二极管检测方法及*** |
CN117147699B (zh) * | 2023-10-31 | 2024-01-02 | 江苏蓝格卫生护理用品有限公司 | 一种医用无纺布的检测方法及*** |
CN117934481B (zh) * | 2024-03-25 | 2024-06-11 | 国网浙江省电力有限公司宁波供电公司 | 基于人工智能的输电线缆状态识别处理方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100047207A (ko) * | 2010-04-15 | 2010-05-07 | 김혜경 | 연도가 거꾸로 배치된 일체형 연소실과 자연대류용 플랫튜브를 구비한 나무보일러 |
AU2013209354A1 (en) * | 2007-04-19 | 2013-08-15 | Tusker Medical, Inc. | System and method for the simultaneous bilateral treatment of target tissues within the ears |
CN112307574A (zh) * | 2020-09-10 | 2021-02-02 | 华电电力科学研究院有限公司 | 一种量化承压管件应力集中区域的方法 |
CN112784717A (zh) * | 2021-01-13 | 2021-05-11 | 中北大学 | 一种基于深度学习的管件自动分拣方法 |
CN114202724A (zh) * | 2021-12-03 | 2022-03-18 | 国家石油天然气管网集团有限公司 | 一种应用于管道线路视频智能监控的方法及装置 |
CN114882044A (zh) * | 2022-07-12 | 2022-08-09 | 山东汇通工业制造有限公司 | 金属管件表面质量检测方法 |
CN115526820A (zh) * | 2021-06-24 | 2022-12-27 | 中国联合网络通信集团有限公司 | 工件检测方法及设备 |
-
2023
- 2023-04-06 CN CN202310358478.0A patent/CN116386028B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2013209354A1 (en) * | 2007-04-19 | 2013-08-15 | Tusker Medical, Inc. | System and method for the simultaneous bilateral treatment of target tissues within the ears |
KR20100047207A (ko) * | 2010-04-15 | 2010-05-07 | 김혜경 | 연도가 거꾸로 배치된 일체형 연소실과 자연대류용 플랫튜브를 구비한 나무보일러 |
CN112307574A (zh) * | 2020-09-10 | 2021-02-02 | 华电电力科学研究院有限公司 | 一种量化承压管件应力集中区域的方法 |
CN112784717A (zh) * | 2021-01-13 | 2021-05-11 | 中北大学 | 一种基于深度学习的管件自动分拣方法 |
CN115526820A (zh) * | 2021-06-24 | 2022-12-27 | 中国联合网络通信集团有限公司 | 工件检测方法及设备 |
CN114202724A (zh) * | 2021-12-03 | 2022-03-18 | 国家石油天然气管网集团有限公司 | 一种应用于管道线路视频智能监控的方法及装置 |
CN114882044A (zh) * | 2022-07-12 | 2022-08-09 | 山东汇通工业制造有限公司 | 金属管件表面质量检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116386028A (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116386028B (zh) | 一种用于三通管件加工的图像分层识别方法及装置 | |
CN111612834B (zh) | 生成目标图像的方法、装置及设备 | |
US8121415B2 (en) | Combining feature boundaries | |
US20230214989A1 (en) | Defect detection method, electronic device and readable storage medium | |
CN113469971A (zh) | 一种图像匹配方法及检测装置、存储介质 | |
CN112085708A (zh) | 产品外轮廓中的直线边缘的缺陷检测方法及设备 | |
CN115055964A (zh) | 一种基于喷油泵的智能装配方法及*** | |
CN115187612A (zh) | 一种基于机器视觉的平面面积测量方法、装置及*** | |
CN116563292B (zh) | 测量方法、检测设备、检测***及存储介质 | |
CN114418976A (zh) | 一种血管造影图像的分析方法和装置 | |
CN107392948B (zh) | 一种分振幅实时偏振成像***的图像配准方法 | |
US11557032B2 (en) | Device and method for the calibrated checking of a printing on an article | |
CN109239901B (zh) | 一种显微成像***对焦面快速标定、对焦定位方法及装置 | |
CN109443697B (zh) | 光学中心测试方法、装置、***和设备 | |
CN116379927A (zh) | 应用于贴合生产线的精准检测方法、***以及存储介质 | |
CN112597832B (zh) | 矩形件安装偏位判定方法和装置 | |
CN115829929A (zh) | 产品表面图像的缺陷检测方法、装置、设备及存储介质 | |
CN114897990A (zh) | 一种基于神经网络的相机畸变标定方法、***和存储介质 | |
CN115511718A (zh) | Pcb图像校正方法、装置、终端设备和存储介质 | |
CN111899306A (zh) | 一种摄像模组的标定方法、装置以及计算机存储介质 | |
US11150849B2 (en) | Device and method for checking the printing of an article | |
CN111415384B (zh) | 一种基于深度学习的工业图像组件精准定位*** | |
CN113432554A (zh) | 一种镜头感光芯片偏移检测方法及装置 | |
CN112734854A (zh) | 一种基于三目极线约束的相机自标定方法 | |
CN117765047B (zh) | 一种工件配准方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20230704 Assignee: Jiangsu Yuanyang Pipe Industry Co.,Ltd. Assignor: YANGZHOU PIPE FITTING FACTORY Co.,Ltd. Contract record no.: X2024980009864 Denomination of invention: A method and device for image layering recognition in the processing of three-way pipe fittings Granted publication date: 20231003 License type: Common License Record date: 20240717 |