CN117292372A - 一种适用3d打印产品的识别方法、***、电子设备及介质 - Google Patents
一种适用3d打印产品的识别方法、***、电子设备及介质 Download PDFInfo
- Publication number
- CN117292372A CN117292372A CN202311171884.2A CN202311171884A CN117292372A CN 117292372 A CN117292372 A CN 117292372A CN 202311171884 A CN202311171884 A CN 202311171884A CN 117292372 A CN117292372 A CN 117292372A
- Authority
- CN
- China
- Prior art keywords
- preset
- image
- model
- hollowed
- information
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000010146 3D printing Methods 0.000 title claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 46
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 239000003086 colorant Substances 0.000 claims abstract description 6
- 238000007639 printing Methods 0.000 claims description 23
- 230000000007 visual effect Effects 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000012015 optical character recognition Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 210000004513 dentition Anatomy 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000036346 tooth eruption Effects 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
一种适用3D打印产品的识别方法、***、电子设备及介质,涉及3D打印技术领域。该方法包括:获取模型图像;识别所述模型图像对应的预设背景色目标图像,并根据预设分割算法将所述预设背景色目标图像分成若干个单区域图像;根据预设划分标准,将所述各单区域图像划分为若干个网格图像;检测各网格图像中的预设背景色形状特征;根据所述预设背景色形状特征,确定对应的字符信息并读取所述字符信息对应的产品信息,达到了提高3D模型字符信息识别准确率的效果。
Description
技术领域
本申请涉及3D打印技术领域,具体涉及一种适用3D打印产品的识别方法、***、电子设备及介质。
背景技术
随着科技的发展,3D打印快速成型技术越来越多的应用在工业领域,随着在产品制造业的普及和3D打印的个性化生产特性,需要在每个非统一化的3D打印产品上有明确的信息标识,只有每个产品的标识清晰才有可能将3D打印产品批量的应用到自动化制造的生产线中,而3D打印材料颜色的单一性不利于信息标识。
目前,传统的3D打印识别方法中,在模型本体上创建凸起和凹陷的标识符通常通过在模型的表面上添加额外的几何体来实现,然后分析和比较图像或点云数据中的特征,利用计算机视觉、模式识别和机器学习等技术来识别,例如二维码信息识别。
但是在实际应用中,传统的3D打印识别方法是无色差标记,需使用成本更高的视觉解析算法才可识别,字符信息识别准确率不高。因而,目前用于3D打印的识别方法亟待改进。
发明内容
本申请提供了一种适用3D打印产品的识别方法、***、电子设备及介质,具有降低视觉识别成本,提高字符信息识别准确率的效果。
第一方面,本申请提供了一种适用3D打印产品的识别方法,包括:
获取模型图像;
识别所述模型图像对应的预设背景色目标图像,并根据预设分割算法将所述预设背景色目标图像分成若干个单区域图像;
根据预设划分标准,将所述各单区域图像划分为若干个网格图像;
检测各网格图像中的预设背景色形状特征;
根据所述预设背景色形状特征,确定对应的字符信息并读取所述字符信息对应的产品信息。
通过采用上述技术方案,***根据相机设备获取3D打印模型的模型图像,然后通过预设分割算法处理该模型图像,将该模型图像分割为若干个单区域图像,之后按照预设划分标准将单区域图像划分为多个网格图像,检测各网格图像,并根据各网格图像中的预设背景色形状特征识别对应的字符信息,***读取该字符信息对应的产品信息,能够降低视觉识别成本、提高字符信息识别准确率的效果。
可选的,响应于用户的镂空字体添加操作,调取预设字体库中对应的镂空字体;根据预设边缘角度阈值,裁剪所述镂空字体边缘区域,得到裁剪后的所述镂空字体信息并导入预设3D模型。
通过采用上述技术方案,***响应于用户在终端发出的镂空字体添加控制指令,从预设字体库中调取对应的镂空字体,然后根据预设边缘角度阈值裁剪该镂空字体边缘区域,并将裁剪后的镂空字体信息导入预设3D模型,根据该镂空字体边缘角度的设定,可避免图形边缘因角度问题在打印时出现变形,提高了镂空字体识别的准确性。
可选的,将所述预设3D模型转换为预设标准文件格式的模型文件,并将所述模型文件导入预设切片软件;通过所述预设切片软件,将所述模型文件中的预设3D模型分成若干个切片文件并生成各切片文件对应的打印路径信息;将所述若干个切片文件和打印路径信息发送给打印机终端,所述打印机终端用于根据所述切片文件和打印路径信息打印所述预设3D模型。
通过采用上述技术方案,***根据预设3D模型得到对应预设标准文件格式的模型文件,并通过预设切片软件奖该模型文件分成若干个切片文件,生成对应的打印路径信息,然后将该打印路径信息和切片文件发送给打印机终端进行模型打印,可有效提高3D模型的打印效率。
可选的,响应于图像识别操作,通过视觉相机设备获取3D打印产品的镂空图像;根据预设灰度化算法,将所述镂空图像转换为灰度图像;根据预设二值化算法,将所述灰度图像转换为二值化图像;通过预设滤波算法,去除所述二值化图像中的噪声,得到目标图像;提取所述目标图像中的所述模型图像。
通过采用上述技术方案,***响应于图像识别操作,根据视觉相机设备获取3D打印产品的镂空图像,然后根据预设灰度化算法和预设二值化算法将该镂空图像转换为二值化图像,然后根据预设滤波算法处理该二值化图像,得到过滤噪声后的目标图像,提取该目标图像中的模型图像,能够检测图像中的模型图像,提高图像识别的准确性。
可选的,通过预设图像识别算法,得到所述模型图像的若干个像素点信息;计算所述各像素点信息对应的梯度值;判断所述梯度值是否大于预设梯度阈值;若是,则将所述梯度值对应的像素点作为边缘像素点;若否,则将所述梯度值对应的像素点作为非边缘像素点。
通过采用上述技术方案,***根据预设图像识别算法,确定模型图像的像素点,然后计算各像素点的梯度值,并对各像素点的梯度值进行比较,如果梯度值大于预设梯度阈值,则将对应的像素点作为边缘像素点,如果梯度值小于预设梯度阈值,则将对应的像素点作为非边缘像素点,能够通过计算梯度值对模型图像中的像素点进行分类,从而确定字符对应的边缘轮廓,提高了字符信息识别的准确性。
可选的,判断所述各非边缘像素点之间的像素距离是否小于预设像素距离阈值;若是,则将所述小于预设像素距离阈值的两个像素点作为相邻像素点;根据所述相邻像素点,得到边缘轮廓;根据所述边缘轮廓,确定所述模型图像中的各单区域图像。
通过采用上述技术方案,***对获取到的非边缘像素点之间的像素距离进行比较,如果该非边缘像素点之间的像素距离小于预设像素距离阈值则作为相邻像素点,经过比较得到所有的相邻像素点,根据该相邻像素点确定边缘轮廓,并根据该像素轮廓将模型图像分为单区域图像,能够对模型图像进行分解,得到单个字符图像,为后续字符信息识别提高数据基础,提高了字符信息识别的准确性。
可选的,通过OCR视觉识别算法,读取所述字符信息,得到数据库中所述字符信息对应的3D模型参数;将所述3D模型参数转换为预设编辑文本格式的文件并发送给用户终端。
通过采用上述技术方案,***根据OCR视觉识别算法读取模型图像对应的字符信息,得到该字符信息对应数据库中的3D模型参数,然后将该3D模型参数转换为预设编辑文本格式的文件发送给用户终端,可有效提高获取3D模型参数的准确性以及提高字符信息识别效率。
在本申请的第二方面提供了一种适用3D打印产品的识别方法的***。
图像获取模块,用于获取模型图像;
图像分割模块,用于识别所述模型图像对应的预设背景色目标图像,并根据预设分割算法将所述预设背景色目标图像分成若干个单区域图像;
图像划分模块,用于根据预设划分标准,将所述各单区域图像划分为若干个网格图像;
图像识别模块,用于检测各网格图像中的预设背景色形状特征;若是,则根据所述预设背景色形状特征,确定对应的字符信息并读取所述字符信息对在本申请的第三方面提供了一种电子设备。
一种适用3D打印产品的识别方法的***,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序,该程序能够被处理器加载执行时实现一种适用3D打印产品的识别方法。
在本申请的第四方面提供了一种计算机可读存储介质。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时使所述处理器实现一种适用3D打印产品的识别方法。
综上所述,本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1、本申请通过相机设备获取3D打印模型的模型图像,然后通过预设分割算法处理该模型图像,将该模型图像分割为若干个单区域图像,之后按照预设划分标准将单区域图像划分为多个网格图像,检测各网格图像,并根据各网格图像中的预设背景色形状特征识别对应的字符信息,***读取该字符信息对应的产品信息,能够降低视觉识别成本、提高字符信息识别准确率的效果。
2、本申请通过裁剪镂空字体边缘角度,达到避免基于3D打印机成型的特性,图形边缘如果出现直角、锐角等部分会因打印材料的收缩特性而造成形变导致整体变形的效果。
3、本申请通过OCR视觉识别算法处理字符信息,读取3D打印产品的3D模型参数,能够提高3D模型参数获取的准确性,为用户分析3D模型提供数据基础。
附图说明
图1是本申请实施例提供的一种适用3D打印产品的识别方法的流程示意图。
图2是本申请实施例提供的一种适用3D打印产品的识别方法的图像分割流程示意图。
图3是本申请实施例公开的一种适用3D打印产品的识别方法的***结构示意图。
图4是本申请实施例的公开的一种电子设备的结构示意图。
附图标记说明:301、图像获取模块;302、图像分割模块;303、图像划分模块;304、图像识别模块;400、电子设备;401、处理器;402、存储器;403、用户接口;404、网络接口;405、通信总线。
具体实施方式
为了使本领域的技术人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。
在本申请实施例的描述中,“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中,术语“多个”的含义是指两个或两个以上。例如,多个***是指两个或两个以上的***,多个屏幕终端是指两个或两个以上的屏幕终端。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
为了便于理解本申请实施例提供的方法及***,在介绍本申请实施例之前,先对本申请实施例的背景进行介绍。
目前,传统的3D打印识别方法中,在模型本体上创建凸起和凹陷的标识符通常通过在模型的表面上添加额外的几何体来实现,然后分析和比较图像或点云数据中的特征,利用计算机视觉、模式识别和机器学习等技术来识别,例如二维码信息识别。
本申请实施例公开了一种适用3D打印产品的识别方法,通过视觉相机设备获取3D打印产品上的模型图像,并按照预设划分标准将该模型图像划分为若干个网格图像,识别该网格图像中的预设背景色形状特征从而确定字符信息,读取该字符信息,主要用于解决传统无色差识别成本高、字体识别不准确的问题。
经过上述背景内容相关介绍,本领域技术人员可以了解现有技术中存在的问题,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行详细的描述,描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。
参照图1,一种适用3D打印产品的识别方法,该方法包括S10至S40,具体包括以下步骤:
S10:获取模型图像。
具体的,为了简化人为检查3D打印模型误差的繁杂工作,以及降低3D模型标识信息在识别时的视觉解析算法成本并提高识别准确率,***会通过成本更低的视觉相机设备获取3D打印产品的镂空图像,然后通过现有灰度化算法将该镂空图像转换成灰度图像,并根据现有二值化算法将该灰度图像进一步转换为二值化图像用于后续识别,之后将根据预设滤波算法,例如,均值滤波算法、高斯滤波算法过滤该二值化图像中的噪声,得到过滤后的二值化图像,提取该二值化图像中的模型图像,该模型图像包括该3D打印模型的标识信息,由字符数字组成,通过读取该表示信息能获取3D打印模型的设计参数和编号信息等。例如,在医疗器械行业,通常通过3D打印技术打印牙套,在打印过程中模型打印的误差范围较小,人为检查该误差困难较大,通过在3D打印模型上添加字符串,能够使得在牙套模型打印完成之后,***根据视觉相机设备获取该牙套模型上的模型图像进行识别,从而获取该牙套模型的设计参数,如模型尺寸、材料、厚度以及生产日期、编号等信息。
需要说明的是,该字符串为镂空字体一体化成型打印,在***获取模型图像之前,还存在将镂空字体信息添加至3D模型进行打印的过程,具体步骤包括S01至S02:
S01:响应于用户的镂空字体添加操作,调取预设字体库中对应的镂空字体。
示例性地,为防止镂空打印造成字体中心部分丢失,其中镂空字体所有打印部分设置为一体化成型打印,例如,现有OCR字体6、0、4、9、8镂空字体打印时会造成中心部分缺失,因此在打印该OCR字体时采用一体化成型打印,打印字体中心无分离部分。当用户在3D打印终端中,进行“添加镂空字体”的操作时发出控制指令,***会自动响应于该控制指令,检索用户所需添加的镂空字体属性,例如字体名称、字号大小等。然后,***访问预先建立的镂空字体数据库,搜索所需镂空字体的模板数据。
S02:根据预设边缘角度阈值,裁剪镂空字体边缘区域,得到裁剪后的镂空字体信息并导入预设3D模型。
示例性地,由于3D打印机成型时,图形边缘如果出现直角、锐角等部分会因打印材料的收缩特性而造成形变导致整体变形。为了防止镂空字体在打印过程中出现误差,***会对该镂空字体边缘进行裁剪,该裁剪过程具体包括:当***获取镂空字体的模版数据后,根据该模版数据,***提取该镂空字体的轮廓线信息,并设置预设边缘角度阈值作为边缘斜切角度值,例如,该预设边缘角度阈值为135度。然后,***根据现有边缘检测算法自动识别镂空字体边缘区域,并根据边缘斜切角度阈值,裁剪该镂空字体边缘区域曲面,从而得到预设边缘角度阈值镂空字体边缘曲面的镂空字体图形数据,之后***将该镂空字体图像数据导入预设3D模型文件中,例如该预设3D模型文件为牙套3D模型文件,得到附有镂空字体的3D模型。
在上述实施例的基础上,存在对该3D模型的打印操作,具体步骤包括:
示例性地,例如在医疗器械生产中,打印牙套3D模型的过程具体包括:***通过现有数字牙科技术,获得大量患者牙列3D扫描数据。将该3D扫描数据通过现有AI技术抽取出典型牙型,建立成标准数字牙位库。然后对标准牙位库进行参数化设计,生成各种规格的参数化数字模型。之后将参数模型通过插值算法转化为预设标准格式的模型文件,例如STL文件。***将模型文件发送至预设切片软件,例如,Simplify3D软件。通过该预设切片软件,生成若干个切片文件及生产路径,整理后发送至对应打印机终端。打印机终端在接受到模型文件后,解压缩该模型文件,并根据每个切片文件的打印路径信息按顺序进行打印,得到牙套3D模型。
S20:识别模型图像对应的预设背景色目标图像,并根据预设分割算法将预设背景色目标图像分成若干个单区域图像。
具体的,为了将模型图像中的每个字符从整体中提取出来,使每个字符能够独立地进行识别和处理,提高字符识别准确性。***根据预设分割算法,将模型图像分成若干个单区域图像。
参照图2,具体步骤包括S21至S24:
S21:通过预设图像识别算法,得到模型图像的若干个像素点信息;计算各像素点信息对应的梯度值。
示例性地,为了更准确地提取图像特征,***计算模型图像的梯度值,该计算过程包括:***根据现有图像处理算法进行预处理,获取模型图像的高清像素矩阵。然后,通过预设图像识别算法进行像素分类,例如该预设图像识别算法为卷积神经网络算法,该预设图像识别算法事先学习了不同场景下文字和背景的色差规律。之后,***通过像素值的空间分布关系进行分类,标记出字符串区域每个像素对应的字符区域。分类完成后,***计算每个像素点的梯度值,通过现有Sobel算子计算像素点与其上下左右像素点的亮度差异程度,从而生成了梯度矩阵,每个元素对应一个像素点的梯度值。
S22:判断梯度值是否大于预设梯度阈值;若是,则将梯度值对应的像素点作为边缘像素点;若否,则将梯度值对应的像素点作为非边缘像素点。
示例性地,***依次检查梯度矩阵中的每个元素,即对应像素点的梯度值。然后将该梯度值与预设梯度阈值进行比较,该预设梯度阈值由工作人员设定或***根据历史梯度值数据自动生成。如果某个像素点的梯度值超过预设梯度阈值,***将其判定为边缘区域像素,即边缘像素点。如果某个像素点的梯度值小于预设梯度阈值,***将梯度值较低的点判定为字符内部像素点。通过高效而准确的梯度值比较,模型图像得到明确的边缘区域,即达到还原字符串中各个字符形状的轮廓线条的效果,为后续利用字符轮廓进行识别提供数据基础。
S23:判断各非边缘像素点之间的像素距离是否小于预设像素距离阈值;若是,则将小于预设像素距离阈值的两个像素点作为相邻像素点。
示例性地,***根据确定的各非边缘像素点,统计和计算该非边缘像素点之间的实际像素距离。同时设置一个预设像素距离阈值。***对比每个非边缘像素点到其它非边缘像素点的距离。如果两个非边缘像素点之间距离小于预设像素距离阈值时,***判定为相邻像素点。如果两个非边缘像素点之间距离大于预设像素距离阈值时,***判定超过预设像素距离阈值的两个像素点不能直接连接。经过完整检查,边缘点间形成了一个以相邻点为节点的connectivity图谱。通过对各非边缘像素点之间的像素距离进行计算,为后续利用最小外接圆、矩形等算法还原字符轮廓奠定基础。
S24:根据相邻像素点,得到边缘轮廓;根据边缘轮廓,确定模型图像中的各单区域图像。
示例性地,***根据得到的相邻像素点之间的连接关系,重组得到整个模型图像的完整边缘轮廓线。然后,调用现有连接分析算法对该轮廓线进行处理,通过该现有连接分析算法统计轮廓各像素点的拓扑关系,识别可能的断点和连接点,并根据该连接点建模,自动区分出各个闭环独立轮廓的部分。该独立轮廓即代表了模型图像内各单独字符组成的形状。***给每个轮廓加上编号和位置参考,生成单区域图像并作为后续OCR识别的输入数据。
S30:根据预设划分标准,将各单区域图像划分为若干个网格图像。
具体的,在得到各单区域图像之后,***按照预设划分标准,例如该预设划分标准为采用6×6矩形方格,将每个单区域图像划分为6×6矩形方格的区域图像。
S40:检测各网格图像中的预设背景色形状特征;根据预设背景色形状特征,确定对应的字符信息并读取字符信息对应的产品信息。
具体的,***响应于用户发出的识别操作,向灯光控制***发出背光控制指令以控制灯源在3D模型的镂空背面添加与3D模型材料不同底色背光。然后,***根据现有图像检测算法,检测各单区域图像对应6×6矩形方格的区域图像,将该区域图像与预设背景色形状特征进行比较,如果存在与该预设背景色相同的区域图像则将该单区域图像对应的区域图像进行标记,然后将该标记的区域图像作为模型输入特征输入预先训练好的神经网络模型,该神经网络模型由区域图像分布特征和对应的字符信息训练得到。通过该预先训练好的神经网络模型即可得到对应该单区域图像的字符信息,各单区域图像对应的字符信息组成字符串信息。然后,通过现有OCR视觉识别算法,识别该字符串信息,从而获取产品数据库中对应该字符串信息的词条信息。如果数据库中存有该词条信息中的关键词,则直接读取该字符串信息对应3D模型的产品数据即3D模型参数,例如该3D模型参数包括3D模型打印尺寸、编号、生产日期等。之后***将该产品数据转换为预设编辑文本格式的文件并发送给用户终端。
下述为本申请的***实施例,可以用于执行本申请方法实施例。对于本申请平台实施例中未披露的细节,参照本申请方法实施例。
参照图3,为本申请实施例提供的一种适用3D打印产品的识别方法的***,该***包括:图像获取模块301、图像分割模块302、图像划分模块303,图像识别模块304,其中:图像获取模块301,用于获取模型图像;
图像分割模块302,用于识别模型图像对应的预设背景色目标图像,并根据预设分割算法将预设背景色目标图像分成若干个单区域图像;
图像划分模块303,用于根据预设划分标准,将各单区域图像划分为若干个网格图像;
图像识别模块304,用于检测各网格图像中的预设背景色形状特征;根据预设背景色形状特征,确定对应的字符信息并读取字符信息对应的产品信息。
需要说明的是:上述实施例提供的装置在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置和方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本申请还公开一种电子设备。参照图4,图4是本申请实施例的公开的一种电子设备的结构示意图。该电子设备400可以包括:至少一个处理器401,至少一个网络接口404,用户接口403,存储器402,至少一个通信总线405。
其中,通信总线405用于实现这些组件之间的连接通信。
其中,用户接口403可以包括显示屏(Display)、摄像头(Camera),可选用户接口403还可以包括标准的有线接口、无线接口。
其中,网络接口404可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器401可以包括一个或者多个处理核心。处理器401利用各种接口和线路连接整个服务器内的各个部分,通过运行或执行存储在存储器402内的指令、程序、代码集或指令集,以及调用存储在存储器402内的数据,执行服务器的各种功能和处理数据。可选的,处理器401可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器401可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作***、用户界面图和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器401中,单独通过一块芯片进行实现。
其中,存储器402可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选的,该存储器402包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器402可用于存储指令、程序、代码、代码集或指令集。存储器402可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作***的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及的数据等。存储器402可选的还可以是至少一个位于远离前述处理器401的存储装置。参照图4,作为一种计算机存储介质的存储器402中可以包括操作***、网络通信模块、用户接口模块以及一种适用3D打印产品的识别方法的应用程序。
在图4所示的电子设备400中,用户接口403主要用于为用户提供输入的接口,获取用户输入的数据;而处理器401可以用于调用存储器402中存储一种营养学文献模型训练方法的应用程序,当由一个或多个处理器401执行时,使得电子设备400执行如上述实施例中一个或多个的方法。需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必需的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几种实施方式中,应该理解到,所披露的装置,可通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口,装置或单元的间接耦合或通信连接,可以是电性或其他的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括:U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上者,仅为本公开的示例性实施例,不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰,皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后,将容易想到本公开的其他实施方案。
本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的范围和精神由权利要求限。
Claims (10)
1.一种适用3D打印产品的识别方法,其特征在于,包括:
获取模型图像;
识别所述模型图像对应的预设背景色目标图像,并根据预设分割算法将所述预设背景色目标图像分成若干个单区域图像;
根据预设划分标准,将所述各单区域图像划分为若干个网格图像;
检测各网格图像中的预设背景色形状特征;
根据所述预设背景色形状特征,确定对应的字符信息并读取所述字符信息对应的产品信息。
2.根据权利要求1所述的一种适用3D打印产品的识别方法,其特征在于,所述获取模型图像之前,还包括:
响应于用户的镂空字体添加操作,调取预设字体库中对应的镂空字体;
根据预设边缘角度阈值,裁剪所述镂空字体边缘区域,得到裁剪后的所述镂空字体信息并导入预设3D模型。
3.根据权利要求2所述的一种适用3D打印产品的识别方法,其特征在于,所述得到裁剪后的所述镂空字体信息并导入所述预设3D模型之后,还包括:
将所述预设3D模型转换为预设标准文件格式的模型文件,并将所述模型文件导入预设切片软件;
通过所述预设切片软件,将所述模型文件中的预设3D模型分成若干个切片文件并生成各切片文件对应的打印路径信息;
将所述若干个切片文件和打印路径信息发送给打印机终端,所述打印机终端用于根据所述切片文件和打印路径信息打印所述预设3D模型。
4.根据权利要求1所述的一种适用3D打印产品的识别方法,其特征在于,所述获取模型图像中,包括:
响应于图像识别操作,通过视觉相机设备获取3D打印产品的镂空图像;
根据预设灰度化算法,将所述镂空图像转换为灰度图像;
根据预设二值化算法,将所述灰度图像转换为二值化图像;
通过预设滤波算法,去除所述二值化图像中的噪声,得到目标图像;
提取所述目标图像中的所述模型图像。
5.根据权利要求4所述的一种适用3D打印产品的识别方法,其特征在于,所述提取所述目标图像中的所述模型图像之后,还包括:
通过预设图像识别算法,得到所述预设背景色目标图像的若干个像素点信息;
计算所述各像素点信息对应的梯度值;
判断所述梯度值是否大于预设梯度阈值;
若是,则将所述梯度值对应的像素点作为边缘像素点;
若否,则将所述梯度值对应的像素点作为非边缘像素点。
6.根据权利要求5所述的一种适用3D打印产品的识别方法,其特征在于,所述得到边缘像素点和非边缘像素点之后,还包括:
判断所述各非边缘像素点之间的像素距离是否小于预设像素距离阈值;
若是,则将所述小于预设像素距离阈值的两个像素点作为相邻像素点;
根据所述相邻像素点,得到边缘轮廓;
根据所述边缘轮廓,确定所述预设背景色目标图像中的所述单区域图像。
7.根据权利要求1所述的一种适用3D打印产品的识别方法,其特征在于,所述根据所述预设背景色形状特征,确定对应的字符信息并读取所述字符信息对应的产品信息中,包括:
通过OCR视觉识别算法,读取所述字符信息,得到数据库中所述字符信息对应的3D模型参数;
将所述3D模型参数转换为预设编辑文本格式的文件并发送给用户终端。
8.一种基于权利要求1-7的适用3D打印产品的识别方法的***,其特征在于,所述***包括:
图像获取模块(301),用于获取模型图像;
图像分割模块(302),用于识别所述模型图像对应的预设背景色目标图像,并根据预设分割算法将所述预设背景色目标图像分成若干个单区域图像;
图像划分模块(303),用于根据预设划分标准,将所述各单区域图像划分为若干个网格图像;
图像识别模块(304),用于检测各网格图像中的预设背景色形状特征;根据所述预设背景色形状特征,确定对应的字符信息并读取所述字符信息对应的产品信息。
9.一种电子设备,其特征在于,包括处理器(401)、存储器(402)、用户接口(403)及网络接口(404),所述存储器(402)用于存储指令,所述用户接口(403)和网络接口(404)用于给其他设备通信,所述处理器(401)用于执行所述存储器(402)中存储的指令,以使所述电子设备(400)执行如权利要求1-7任意一项所述的一种适用3D打印产品的识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有指令,当所述指令被执行时,执行如权利要求1-7任意一项所述的一种适用3D打印产品的识别方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311171884.2A CN117292372B (zh) | 2023-09-12 | 2023-09-12 | 一种适用3d打印产品的识别方法、***、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311171884.2A CN117292372B (zh) | 2023-09-12 | 2023-09-12 | 一种适用3d打印产品的识别方法、***、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117292372A true CN117292372A (zh) | 2023-12-26 |
CN117292372B CN117292372B (zh) | 2024-06-04 |
Family
ID=89238134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311171884.2A Active CN117292372B (zh) | 2023-09-12 | 2023-09-12 | 一种适用3d打印产品的识别方法、***、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117292372B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107031033A (zh) * | 2017-05-10 | 2017-08-11 | 山东大学 | 一种可3d打印的镂空二维码模型生成方法及*** |
CN111325835A (zh) * | 2020-03-31 | 2020-06-23 | 浙江隐齿丽医学技术有限公司 | 牙颌模型制备***及方法、壳状牙齿矫治器制备方法 |
CN112317962A (zh) * | 2020-10-16 | 2021-02-05 | 广州黑格智造信息科技有限公司 | 一种用于隐形矫治器生产的打标***及其方法 |
US20210074061A1 (en) * | 2019-09-05 | 2021-03-11 | Align Technology, Inc. | Artificially intelligent systems to manage virtual dental models using dental images |
US20230141168A1 (en) * | 2020-07-02 | 2023-05-11 | Guangzhou Heygears Imc. Inc | Production Method and System of Dental Instrument, Apparatus, and Medium |
-
2023
- 2023-09-12 CN CN202311171884.2A patent/CN117292372B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107031033A (zh) * | 2017-05-10 | 2017-08-11 | 山东大学 | 一种可3d打印的镂空二维码模型生成方法及*** |
US20210074061A1 (en) * | 2019-09-05 | 2021-03-11 | Align Technology, Inc. | Artificially intelligent systems to manage virtual dental models using dental images |
CN111325835A (zh) * | 2020-03-31 | 2020-06-23 | 浙江隐齿丽医学技术有限公司 | 牙颌模型制备***及方法、壳状牙齿矫治器制备方法 |
US20230141168A1 (en) * | 2020-07-02 | 2023-05-11 | Guangzhou Heygears Imc. Inc | Production Method and System of Dental Instrument, Apparatus, and Medium |
CN112317962A (zh) * | 2020-10-16 | 2021-02-05 | 广州黑格智造信息科技有限公司 | 一种用于隐形矫治器生产的打标***及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117292372B (zh) | 2024-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103914858B (zh) | 文档图像压缩方法及其在文档认证中的应用 | |
CN110503054B (zh) | 文本图像的处理方法及装置 | |
CN109886928B (zh) | 一种目标细胞标记方法、装置、存储介质及终端设备 | |
JP2000181993A (ja) | 文字認識方法および装置 | |
KR19990072314A (ko) | 컬러화상처리장치및패턴추출장치 | |
CN113569863B (zh) | 一种单据稽查的方法、***、电子设备及存储介质 | |
CN113723330B (zh) | 一种图表文档信息理解的方法及*** | |
CN113095267B (zh) | 统计图的数据提取方法、电子设备和存储介质 | |
JPH05225378A (ja) | 文書画像の領域分割システム | |
JP2002288589A (ja) | 画像処理方法、画像処理装置および画像処理方法をコンピュータに実行させるプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN113063802A (zh) | 一种印刷标签缺陷检测方法及其装置 | |
CN116168351A (zh) | 电力设备巡检方法及装置 | |
CN113392819B (zh) | 一种批量化学术图像自动分割标注装置和方法 | |
CN112699704B (zh) | 一种条形码的检测方法、装置、设备、存储装置 | |
CN114445843A (zh) | 固定版式的卡证图像文字识别方法和装置 | |
CN117292372B (zh) | 一种适用3d打印产品的识别方法、***、电子设备及介质 | |
CN117541546A (zh) | 图像裁剪效果的确定方法和装置、存储介质及电子设备 | |
CN111144160A (zh) | 全自动化裁切材料方法、装置及计算机可读存储介质 | |
CN110070103A (zh) | 身份证识别的方法及终端设备 | |
CN102682308B (zh) | 图像处理方法和图像处理设备 | |
JPH06208625A (ja) | 画像処理方法及び装置 | |
JP2004094427A (ja) | 帳票画像処理装置及び該装置を実現するためのプログラム | |
CN111723804B (zh) | 图文分离装置、图文分离方法及计算机可读取记录介质 | |
CN110751158A (zh) | 一种治疗床显示器中的数字识别方法、装置及存储介质 | |
CN112926564B (zh) | 图片分析方法、***、计算机设备和计算机可读存储介质 |
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 |