CN115457541A - 一种基于图像识别的珠宝质量鉴定方法和装置 - Google Patents

一种基于图像识别的珠宝质量鉴定方法和装置 Download PDF

Info

Publication number
CN115457541A
CN115457541A CN202211153353.6A CN202211153353A CN115457541A CN 115457541 A CN115457541 A CN 115457541A CN 202211153353 A CN202211153353 A CN 202211153353A CN 115457541 A CN115457541 A CN 115457541A
Authority
CN
China
Prior art keywords
jewelry
identification
identified
image
identification result
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.)
Pending
Application number
CN202211153353.6A
Other languages
English (en)
Inventor
张晓琛
张晓飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongbao Jinyuan Shenzhen Industrial Development Co ltd
Original Assignee
Zhongbao Jinyuan Shenzhen Industrial Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongbao Jinyuan Shenzhen Industrial Development Co ltd filed Critical Zhongbao Jinyuan Shenzhen Industrial Development Co ltd
Priority to CN202211153353.6A priority Critical patent/CN115457541A/zh
Publication of CN115457541A publication Critical patent/CN115457541A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06V20/66—Trinkets, e.g. shirt buttons or jewellery items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • 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
    • G06V10/752—Contour matching
    • 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
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/12—Acquisition of 3D measurements of 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)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明提供了一种基于图像识别的珠宝质量鉴定方法和装置，其方法包括：S1：基于待鉴定珠宝的全方位图像和被灯照时的全方位视频，分别搭建出三维静态模型和灯照动态模型；S2：基于三维静态模型中的尺寸数据获得表面瑕疵识别结果；S3：基于灯照动态模型获得珠宝的内在瑕疵识别结果；S4：基于表面瑕疵识别结果和内在瑕疵识别结果获得珠宝质量鉴定结果；用以将模型搭建和图像识别与现存的珠宝鉴定标准进行结合，进而完成对珠宝的表面和内在的瑕疵识别和质量鉴定，提高了珠宝鉴定的准确度和效率，使得珠宝鉴定过程流程化和标准化。

Description

一种基于图像识别的珠宝质量鉴定方法和装置
技术领域
本发明涉及珠宝鉴定技术领域，特别涉及一种基于图像识别的珠宝质量鉴定方法和装置。
背景技术
目前，珠宝市场上珠宝的质量参差不齐，鉴定多采用人工鉴定的方式。
但是，这种方式需要大量的人工经验和人工成本，且鉴定结果的准确性与鉴定人员的技术经验息息相关，且人工鉴定方式的鉴定效率有待提高，因此，现在的珠宝鉴定领域需要可以流程化标准化的新兴的工业鉴定方式来提高珠宝鉴定的准确性和效率。
因此，本发明提出了一种基于图像识别的珠宝质量鉴定方法和装置。
发明内容
本发明提供一种基于图像识别的珠宝质量鉴定方法和装置，用以将模型搭建和图像识别与现存的珠宝鉴定标准进行结合，进而完成对珠宝的表面和内在的瑕疵识别和质量鉴定，提高了珠宝鉴定的准确度和效率，使得珠宝鉴定过程流程化和标准化。
本发明提供一种基于图像识别的珠宝质量鉴定方法，包括：
S1：基于待鉴定珠宝的全方位图像和被灯照时的全方位视频，分别搭建出三维静态模型和灯照动态模型；
S2：基于三维静态模型中的尺寸数据获得表面瑕疵识别结果；
S3：基于灯照动态模型获得珠宝的内在瑕疵识别结果；
S4：基于表面瑕疵识别结果和内在瑕疵识别结果获得珠宝质量鉴定结果。
优选的，所述的一种基于图像识别的珠宝质量鉴定方法，S1：基于待鉴定珠宝的全方位图像和被灯照时的全方位视频，分别搭建出三维静态模型和灯照动态模型，包括：
获取待鉴定珠宝在满足预设拍摄环境条件下的全方位图像；
获取待鉴定珠宝在被预设光照照射时的全方位视频；
基于全方位图像搭建出三维静态模型；
基于全方位视频搭建出灯照动态模型。
优选的，所述的一种基于图像识别的珠宝质量鉴定方法，获取待鉴定珠宝在满足预设拍摄环境条件下的全方位图像，包括：
获取待鉴定珠宝在满足预设拍摄环境条件下的多个方位的拍摄图像；
基于拍摄图像中每个像素点的显示参数，获得对应种类显示参数的多个划分区域，并确定出对应变换区域的对应种类显示参数的边缘线；
基于每个变换区域的每种显示参数对应的边缘线，将相邻的拍摄图像进行连接融合，获得待鉴定珠宝在满足预设拍摄环境条件下的全方位图像。
优选的，所述的一种基于图像识别的珠宝质量鉴定方法，基于每个变换区域的每种显示参数对应的边缘线，将相邻的拍摄图像进行连接融合，获得待鉴定珠宝在满足预设拍摄环境条件下的全方位图像，包括：
基于所有变换区域中的主边缘线和次边缘线确定出相邻的拍摄图像，将相邻的拍摄图像进行连接融合，获得待鉴定珠宝在满足预设拍摄环境条件下的全方位图像。
优选的，所述的一种基于图像识别的珠宝质量鉴定方法，S2：基于三维静态模型中的尺寸数据获得表面瑕疵识别结果，包括：
S201：对三维静态模型进行边缘标记，获得模型边缘；
S202：将模型边缘的尺寸数据与待鉴定珠宝的标准尺寸数据进行匹配对比，获得待鉴定珠宝的表面瑕疵识别结果。
优选的，所述的一种基于图像识别的珠宝质量鉴定方法，S202：将模型边缘的尺寸数据与待鉴定珠宝的标准尺寸数据进行匹配对比，获得待鉴定珠宝的表面瑕疵识别结果，包括：
测量出所有模型边缘的尺寸数据；
将模型边缘的尺寸数据与待鉴定珠宝的标准尺寸数据进行匹配，获得边缘匹配结果；
基于匹配结果进行边缘尺寸对比，获得待鉴定珠宝的表面瑕疵识别结果。
优选的，所述的一种基于图像识别的珠宝质量鉴定方法，S3：基于灯照动态模型获得珠宝的内在瑕疵识别结果，包括：
在灯照动态模型中截取出待鉴定珠宝的灯照图像；
对灯照图像中的珠宝区域进行图像分析，获得待鉴定珠宝的内在瑕疵识别结果。
优选的，所述的一种基于图像识别的珠宝质量鉴定方法，S4：基于表面瑕疵识别结果和内在瑕疵识别结果获得珠宝质量鉴定结果，包括：
基于预设表面鉴定标准和表面瑕疵识别结果确定出表面鉴定结果；
基于预设内在鉴定标准和内在瑕疵识别结果确定出内在鉴定结果；
基于表面鉴定结果和内在鉴定结果获得珠宝质量鉴定结果。
优选的，所述的一种基于图像识别的珠宝质量鉴定方法，基于表面鉴定结果和内在鉴定结果获得珠宝质量鉴定结果，包括：
判断表面鉴定结果中是否存在不合格的表面鉴定项目或内在鉴定结果中是否存在不合格的内在鉴定项目，若是，则将不合格的鉴定项目汇总获得待鉴定珠宝的珠宝质量鉴定结果，否则，将待鉴定珠宝满足鉴定标准作为对应待鉴定珠宝的珠宝质量鉴定结果；
其中，不合格的鉴定项目包括不合格的表面鉴定项目和不合格的内在鉴定项目。
本发明提出一种基于图像识别的珠宝质量鉴定装置，包括：
模型搭建模块，用于基于待鉴定珠宝的全方位图像和被灯照时的全方位视频，分别搭建出三维静态模型和灯照动态模型；
第一识别模块，用于基于三维静态模型中的尺寸数据获得表面瑕疵识别结果；
第二识别模块，用于基于灯照动态模型获得珠宝的内在瑕疵识别结果；
综合鉴定模块，用于基于表面瑕疵识别结果和内在瑕疵识别结果获得珠宝质量鉴定结果。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于图像识别的珠宝质量鉴定方法流程图；
图2为本发明实施例中又一种基于图像识别的珠宝质量鉴定方法流程图；
图3为本发明实施例中一种基于图像识别的珠宝质量鉴定装置示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：
本发明提供了一种基于图像识别的珠宝质量鉴定方法，参考图1，包括：
S1：基于待鉴定珠宝的全方位图像和被灯照时的全方位视频，分别搭建出三维静态模型和灯照动态模型；
S2：基于三维静态模型中的尺寸数据获得表面瑕疵识别结果；
S3：基于灯照动态模型获得珠宝的内在瑕疵识别结果；
S4：基于表面瑕疵识别结果和内在瑕疵识别结果获得珠宝质量鉴定结果。
该实施例中，待鉴定珠宝即为本发明中需要被鉴定的珠宝。
该实施例中，全方位图像即为包含待鉴定珠宝的全部外观细节的图像。
该实施例中，全方位视频即为待鉴定珠宝在预设光照条件下的包含待鉴定珠宝的全部外观细节的视频。
该实施例中，三维静态模型即为基于全方位图像搭建出的表征待鉴定珠宝在满足预设环境条件下的外观特征的模型。
该实施例中，灯照动态模型即为待鉴定珠宝在预设光照条件下的表征待鉴定珠宝的全部外观细节的动态模型。
该实施例中，尺寸数据即为三维静态模型的尺寸数据。
该实施例中，表面瑕疵识别结果即为基于三维静态模型中的尺寸数据获得的对待鉴定珠宝的表面瑕疵进行识别后获得的结果。
该实施例中，内在瑕疵识别结果即为基于灯照动态模型获得的对待鉴定珠宝的内在瑕疵进行识别后获得的结果。
该实施例中，珠宝质量鉴定结果即为基于表面瑕疵识别结果和内在瑕疵识别结果获得的待鉴定珠宝的珠宝质量的鉴定结果。
以上技术的有益效果为：将模型搭建和图像识别与现存的珠宝鉴定标准进行结合，实现基于珠宝的三维静态模型和灯照动态模型完成对珠宝的表面和内在的瑕疵识别以及质量鉴定，提高了珠宝鉴定的准确度和效率，使得珠宝鉴定过程流程化和标准化。
实施例2：
在实施例1的基础上，所述的一种基于图像识别的珠宝质量鉴定方法，S1：基于待鉴定珠宝的全方位图像和被灯照时的全方位视频，分别搭建出三维静态模型和灯照动态模型，包括：
获取待鉴定珠宝在满足预设拍摄环境条件下的全方位图像；
获取待鉴定珠宝在被预设光照照射时的全方位视频；
基于全方位图像搭建出三维静态模型；
基于全方位视频搭建出灯照动态模型。
该实施例中，预设拍摄环境条件下即为预先设置的获得全方位图像时的环境条件，例如：亮度大于预设亮度阈值且清晰度大于预设清晰度阈值等。
该实施例中，预设光照即为预先设置的获取待鉴定珠宝被光照透射时的全方位视频时的光照条件，例如：光强大于预设光强且亮度在预设亮度范围内。
以上技术的有益效果为：通过约束获取待鉴定珠宝获取全方位图像和全方位视频时的拍摄环境条件和被照射的光照，保证了获取的全方位图像和全方位视频的质量，有利于后续三维静态模型和灯照动态模型的完整搭建。
实施例3：
在实施例2的基础上，所述的一种基于图像识别的珠宝质量鉴定方法，获取待鉴定珠宝在满足预设拍摄环境条件下的全方位图像，包括：
获取待鉴定珠宝在满足预设拍摄环境条件下的多个方位的拍摄图像；
基于拍摄图像中每个像素点的显示参数获得拍摄图像的显示参数分布数据，对显示参数分布数据中对应种类显示参数的子分布数据进行聚类分析，直至当前聚类过程获得的聚类结果与上一次聚类过程获得的聚类结果一致时，则将最新获得的聚类结果获得对应种类显示参数的多个显示参数簇；
将显示参数簇中包含的所有显示参数对应的像素点汇总，获得对应种类显示参数的多个像素点簇，基于像素点簇对拍摄图像进行划分，获得对应种类显示参数的多个划分区域；
基于每个划分区域中对应种类显示参数的参数范围以及对应种类显示参数的极限值，确定出对应种类显示参数的增强系数列表；
基于增强系数列表中包含的增强系数依次对对应划分区域中的显示参数进行增强处理，获得对应种类显示参数的变换区域集合；
基于特征提取模型提取变换区域集合中每个变换区域的底层特征分布图，并对变换区域集合中所有变换区域的底层特征分布图进行共性标记，获得对应变换区域的对应种类显示参数的底层共性特征分布图；
对底层共性特征分布图进行边缘提取，获得对应变换区域的对应种类显示参数的边缘线；
基于每个变换区域的每种显示参数对应的边缘线，将相邻的拍摄图像进行连接融合，获得待鉴定珠宝在满足预设拍摄环境条件下的全方位图像。
该实施例中，拍摄图像即为在满足预设拍摄环境条件下的在预设方位拍摄待鉴定珠宝获得的图像。
该实施例中，预设方位即为拍摄待鉴定珠宝并获得拍摄图像的方位。
该实施例中，显示参数即为像素点的灰度值、色度值、亮度值、对比度等参数。
该实施例中，显示参数分布数据即为包含拍摄图像中每个像素点的显示参数的数据。
该实施例中，子分布数据即为包含拍摄图像中所有像素点的对应种类的显示参数的数据。
该实施例中，显示参数簇即为对显示参数分布数据中对应种类显示参数的子分布数据进行聚类分析，直至当前聚类过程获得的聚类结果与上一次聚类过程获得的聚类结果一致时，则将最新获得的聚类结果中包含的多个包含拍摄图像中像素点的显示参数的簇。
该实施例中，像素点簇即为将显示参数簇中包含的所有显示参数对应的像素点汇总后获得的对应种类显示参数的像素点构成的簇。
该实施例中，划分区域即为基于像素点簇对拍摄图像进行划分后获得的区域。
该实施例中，参数范围即为对应划分区域中对应种类显示参数的取值范围。
该实施例中，极限值即为对应显示参数的极限值，例如色度值的取值范围为-100到100，则灰度值的极限值即为-100和100,。
该实施例中，基于每个划分区域中对应种类参数的参数范围以及对应种类参数的极限值，确定出对应种类显示参数的增强系数列表，即为：
当对应种类的显示参数的参数范围的下限值不小于0时，则将较大极限值和参数范围的上限值的比值作为最大增强系数；
当对应种类的显示参数的参数范围的下限值小于0时，则将较大极限值和参数范围的上限值与较小范围值和参数范围的下限值的比值中的最小值作为最大增强系数；
将最大增强系数和1的差值作为增强系数覆盖值，将增强系数覆盖值和预设的增强系数个数的比值作为增强系数间隔值；
则增强系数列表中包含的增强系数包含：1和增强系数间隔值的和、1和2倍增强系数间隔值的和、1和3倍增强系数间隔值的和、直至1和n倍增强系数间隔值的和，其中，n为增强系数的总个数。
该实施例中，增强系数即为增强系数列表中包含的每次增强过程中对应显示参数乘以的倍数。
该实施例中，增强处理即为将对应划分区域中的显示参数都乘以对应增强系数后获得新的显示参数对应的图像区域。
该实施例中，变换区域集合即为基于增强系数列表中包含的增强系数依次对对应划分区域中的显示参数进行增强处理后获得的多个图像区域构成的集合。
该实施例中，特征提取模型即为用于提取变换区域中的底层特征分布图的模型。
该实施例中，底层特征分布图即为基于特征踢球模型在变换区域中提取出的表征对应变换区域中底层特征的分布图。
该实施例中，底层共性特征分布图即为对变换区域集合中所有变换区域的底层特征分布图进行共性标记后获得的对应变换区域的对应种类显示参数的多种增强后的显示参数对应的图像区域都拥有的底层特征分布。
以上技术的有益效果为：通过对拍摄图像中像素点的对应种类显示参数进行聚类分析，获得每种显示参数对应的区域划分结果，基于每种显示参数的区域划分结果中包含的划分区域中的参数范围确定出个性化的增强系数列表，实现对对应种类显示参数的划分区域的个性化增强处理，基于对个性化增强处理后获得的多个变换区域进行底层特征的共性提取，实现在对拍摄图像进行个性化划分和个性化增强处理后提取共性特征，一方面经过增强处理使得拍摄图像中的特征更加显著，另一方面避免了因为增强处理导致拍摄图像的显示误差，使得后续可以提取出对应种类显示参数对应的准确的边缘线，进而实现拍摄图像之间的准确连接融合，进而获得可以反映出待鉴定珠宝全部特征的全方位图像。
实施例4：
在实施例3的基础上，所述的一种基于图像识别的珠宝质量鉴定方法，基于每个变换区域的每种显示参数对应的边缘线，将相邻的拍摄图像进行连接融合，获得待鉴定珠宝在满足预设拍摄环境条件下的全方位图像，包括：
将对应变换区域中每种显示参数对应的边缘线都包含的边缘线部分当作对应变换区域的主边缘线；
并确定出除主边缘线以外在多种显示参数对应的边缘线中都存在的子边缘线，确定出包含子边缘线的边缘线对应的显示参数种类总数；
基于包含子边缘线的边缘线对应的显示参数种类总数和显示参数的种类总数，计算出包含占比；
当包含占比不小于包含占比阈值时，则将对应子边缘线作为次边缘线；
将所有变换区域中的主边缘线和次边缘线标记于对应拍摄图像中的对应位置，获得对应拍摄图像的初始边缘线，基于初始边缘线和待鉴定珠宝的标准边缘线进行形状匹配，获得形状匹配结果，将形状匹配结果和标准边缘线对初始边缘线进行还原补充，获得对应拍摄图像的完整边缘线；
基于对应拍摄图像中的完整边缘线和预设特征形状列表，识别出拍摄图像中的特征形状，基于每种特征形状在拍摄图像中的分布位置，确定出每种特征形状在拍摄图像中的分布特征；
基于每种形状在拍摄图像中的分布特征，在所有拍摄图像中进行两两匹配，确定出相邻的拍摄图像；
基于拍摄图像的完整轮廓，将相邻的拍摄图像进行局部匹配，确定出相邻拍摄图像中的重合区域，基于重合区域将相邻的拍摄图像进行连接融合，获得待鉴定珠宝在满足预设拍摄环境条件下的全方位图像。
该实施例中，主边缘线即为对应变换区域中每种显示参数对应的边缘线中都包含的边缘线部分。
该实施例中，子边缘线即为对应变换区域的所有种类显示参数的边缘线中除主边缘线以外在多种显示参数种类对应的边缘线中都存在的部分边缘线。
该实施例中，基于包含子边缘线的边缘线对应的显示参数种类总数和显示参数的种类总数，计算出包含占比：
Figure BDA0003852213410000101
式中，α为包含占比，a为包含子边缘线的边缘线对应的显示参数种类总数，b为显示参数的种类总数；
例如，a为5，a为10，则0.5。
该实施例中，占比阈值即为子边缘线被当作次边缘线时对应的最小包含占比。
该实施例中，初始边缘线即为将所有变换区域中的主边缘线和次边缘线标记于对应拍摄图像中的对应位置后获得的对应拍摄图像中的初始确定的边缘线。
该实施例中，形状匹配结果即为将初始边缘线和待鉴定珠宝的标准边缘线进行形状匹配后获得的结果。
该实施例中，完整边缘线即为基于形状匹配结果和标准边缘线对初始边缘线中缺失的部分进行补充后活动的对应拍摄图像中的完整的边缘线。
该实施例中，预设特征形状列表即为包含预设特征形状的列表，其中，预设特征形状包含：预设角度的角形状(即为由两条互成60度角的边缘线组成的形状)、正方形、三角形、六边形等。
该实施例中，特征形状即为基于对应拍摄图像中的完整边缘线和预设特征形状列表在拍摄图像中识别出的特征形状。
该实施例中，分布特征即为基于表征对应种特征形状在拍摄图像中的分布位置的特征。
该实施例中，基于每种形状在拍摄图像中的分布特征，在所有拍摄图像中进行两两匹配，确定出相邻的拍摄图像，即为：
确定出分布特征中每种特征形状的中心坐标点，确定出拍摄图像中对应种类的特征形状两两之间的中心坐标点间距，并确定出两个拍摄图像中对应种类的特征形状对应的中心坐标点间距一致的总组数，基于每种特征形状的总组数计算出两个拍摄图像中的分布特征匹配度：
Figure BDA0003852213410000111
式中，β为两个拍摄图像中的分布特征匹配度，i为第i种特征形状，n为特征形状的种类总数，qi为第i种特征形状对应的中心坐标点间距一致的总组数，Q为第i种特征形状对应的两两特征形状的总组数；
例如，n为2，第一种特征形状对应的中心坐标点间距一致的总组数为6，第一种特征形状对应的两两特征形状的总组数为10，第二种特征形状对应的中心坐标点间距一致的总组数为8，第二种特征形状对应的两两特征形状的总组数为10，则β为0.7。
当分布特征匹配度大于匹配度阈值时，则判定对应两个拍摄图像为相邻的拍摄图像。
该实施例中，相邻的拍摄图像即为基于每种形状在拍摄图像中的分布特征在所有拍摄图像中进行两两匹配确定出的存在待鉴定珠宝的相同部分的拍摄图像。
该实施例中，局部匹配即为基于拍摄图像的完整轮廓将相邻的拍摄图像中的局部轮廓进行匹配。
该实施例中，重合区域即为基于拍摄图像的完整轮廓将相邻的拍摄图像进行局部匹配后确定出的相邻拍摄图像中的重合的区域(即表现的是待鉴定珠宝的同一区域的图像区域)。
该实施例中，全方位图像即为基于重合区域将相邻的拍摄图像进行连接融合后活动的包含待鉴定珠宝全部外观细节特征的图像。
以上技术的有益效果为：通过对变换区域中包含的所有种类显示参数对应的边缘线进行重叠后确定出的重叠的部分进行数量统计比较，进而确定出对应变换区域的初始边缘线，将初始边缘线和待鉴定珠宝的标准边缘线机芯匹配，实现对初始边缘线的完整还原，再将完整还原出的边缘线中的特征形状标记出来并获得对应的分布特征，基于拍摄图像之间的分布特征的匹配以及局部轮廓的匹配，准确确定出相邻的拍摄图像以及相邻的拍摄图像之间的重合区域，进而实现拍摄图像之间的准确连接融合，使得获得的全方位图像足够完整清晰。
实施例5：
在实施例1的基础上，所述的一种基于图像识别的珠宝质量鉴定方法，S2：基于三维静态模型中的尺寸数据获得表面瑕疵识别结果，参考图2，包括：
S201：对三维静态模型进行边缘标记，获得模型边缘；
S202：将模型边缘的尺寸数据与待鉴定珠宝的标准尺寸数据进行匹配对比，获得待鉴定珠宝的表面瑕疵识别结果。
该实施例中，模型边缘即为对三维静态模型进行边缘识别标记后获得的三维静态模型的边缘。
该实施例中，标准尺寸数据即为待鉴定珠宝在无瑕疵状态下对应的尺寸数据。
以上技术的有益效果为：通过对三维静态模型中所有边缘的识别，并将三维静态模型中模型边缘的尺寸数据与待鉴定珠宝的标准尺寸数据进行匹配对比，实现对待鉴定珠宝的外观尺寸数据的检验，进而识别出待鉴定珠宝的表面瑕疵。
实施例6：
在实施例5的基础上，所述的一种基于图像识别的珠宝质量鉴定方法，S202：将模型边缘的尺寸数据与待鉴定珠宝的标准尺寸数据进行匹配对比，获得待鉴定珠宝的表面瑕疵识别结果，包括：
测量出所有模型边缘的尺寸数据；
将模型边缘的尺寸数据与待鉴定珠宝的标准尺寸数据进行匹配，获得边缘匹配结果；
基于匹配结果进行边缘尺寸对比，获得待鉴定珠宝的表面瑕疵识别结果。
该实施例中，边缘匹配结果即为将模型边缘的尺寸数据与待鉴定珠宝的标准尺寸数据进行匹配后获得的结果。
以上技术的有益效果为：通过将模型边缘的尺寸数据和待鉴定珠宝的标准尺寸数据进行匹配后对应比对，可以实现对待鉴定珠宝的外观尺寸数据的检验，进而识别出待鉴定珠宝的表面瑕疵。
实施例7：
在实施例1的基础上，所述的一种基于图像识别的珠宝质量鉴定方法，S3：基于灯照动态模型获得珠宝的内在瑕疵识别结果，包括：
在灯照动态模型中截取出待鉴定珠宝的灯照图像；
对灯照图像中的珠宝区域进行图像分析，获得待鉴定珠宝的内在瑕疵识别结果。
该实施例中，灯照图像即为在灯照动态模型中截取的待鉴定珠宝被照射时的图像。
该实施例中，对灯照图像中的珠宝区域进行图像分析，获得待鉴定珠宝的内在瑕疵识别结果，即为：
通过对待鉴定珠宝在灯照图像中的图像区域分析，分析出待鉴定珠宝在被预设光照照射时的可以反映出待鉴定珠宝的除表面以外的材料内在瑕疵的光在待鉴定珠宝的材料内的透射特征，基于透射特征获得待鉴定珠宝的内在瑕疵识别结果。
该实施例中，珠宝区域即为灯照图像中珠宝所在的图像区域。
以上技术的有益效果为：通过对在灯照动态模型中截取出的待鉴定珠宝的灯照图像中的珠宝区域进行图像分析，获得预设光照在待鉴定珠宝中的透射特性，进而实现对待鉴定珠宝的内在瑕疵的识别。
实施例8：
在实施例1的基础上，所述的一种基于图像识别的珠宝质量鉴定方法，S4：基于表面瑕疵识别结果和内在瑕疵识别结果获得珠宝质量鉴定结果，包括：
基于预设表面鉴定标准和表面瑕疵识别结果确定出表面鉴定结果；
基于预设内在鉴定标准和内在瑕疵识别结果确定出内在鉴定结果；
基于表面鉴定结果和内在鉴定结果获得珠宝质量鉴定结果。
该实施例中，预设表面鉴定标准即为预先准备的用于检验待鉴定珠宝是否存在表面瑕疵的表面鉴定项目的鉴定标准，例如：尺寸数据的偏差度小于对应标准尺寸对应的偏差度阈值等。
该实施例中，表面鉴定结果即为基于预设表面鉴定标准和表面瑕疵识别结果确定出的包含待鉴定珠宝表面是否存在不满足对应鉴定标准的表面鉴定项目的结果。
该实施例中，预设内在鉴定标准即为预先准备的用于检验待鉴定珠宝是否存在内在瑕疵的内在鉴定项目的鉴定标准，例如：在对应切面的透射角度偏差度小于对应切面的透射角度偏差度阈值等。
该实施例中，内在鉴定结果即为基于预设内在鉴定标准和内在瑕疵识别结果确定出的包含待鉴定珠宝内在(即除珠宝表面外的材料中)是否存在不满足对应鉴定标准的内在鉴定项目的结果。
以上技术的有益效果为：基于预设的鉴定标准和表面瑕疵识别结果以及内在瑕疵识别结果，实现将瑕疵识别结果转换成预设的鉴定标准对应的鉴定结果，实现将珠宝鉴定结果标准化。
实施例9：
在实施例8的基础上，所述的一种基于图像识别的珠宝质量鉴定方法，基于表面鉴定结果和内在鉴定结果获得珠宝质量鉴定结果，包括：
判断表面鉴定结果中是否存在不合格的表面鉴定项目或内在鉴定结果中是否存在不合格的内在鉴定项目，若是，则将不合格的鉴定项目汇总获得待鉴定珠宝的珠宝质量鉴定结果，否则，将待鉴定珠宝满足鉴定标准作为对应待鉴定珠宝的珠宝质量鉴定结果；
其中，不合格的鉴定项目包括不合格的表面鉴定项目和不合格的内在鉴定项目。
该实施例中，表面鉴定项目即为鉴定待鉴定珠宝的表面是否合格的鉴定项目，例如鉴定待鉴定珠宝的边缘尺寸偏差度的项目、或者切割面平整度的项目。
该实施例中，内在鉴定项目即为鉴定待鉴定珠宝的内在是否合格的鉴定项目，例如鉴定待鉴定珠宝的材料纯度的项目。
以上技术的有益效果为：通过将表面鉴定结果和内在鉴定结果进行分类汇总后获得待鉴定珠宝的最终的珠宝质量鉴定结果，使得获得的珠宝质量鉴定结果更加统一化、标准化。
实施例10：
本发明提供了一种基于图像识别的珠宝质量鉴定装置，参考图3，包括：
模型搭建模块，用于基于待鉴定珠宝的全方位图像和被灯照时的全方位视频，分别搭建出三维静态模型和灯照动态模型；
第一识别模块，用于基于三维静态模型中的尺寸数据获得表面瑕疵识别结果；
第二识别模块，用于基于灯照动态模型获得珠宝的内在瑕疵识别结果；
综合鉴定模块，用于基于表面瑕疵识别结果和内在瑕疵识别结果获得珠宝质量鉴定结果。
以上技术的有益效果为：将模型搭建和图像识别与现存的珠宝鉴定标准进行结合，实现基于珠宝的三维静态模型和灯照动态模型完成对珠宝的表面和内在的瑕疵识别以及质量鉴定，提高了珠宝鉴定的准确度和效率，使得珠宝鉴定过程流程化和标准化。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于图像识别的珠宝质量鉴定方法，其特征在于，包括：
S1：基于待鉴定珠宝的全方位图像和被灯照时的全方位视频，分别搭建出三维静态模型和灯照动态模型；
S2：基于三维静态模型中的尺寸数据获得表面瑕疵识别结果；
S3：基于灯照动态模型获得珠宝的内在瑕疵识别结果；
S4：基于表面瑕疵识别结果和内在瑕疵识别结果获得珠宝质量鉴定结果。
2.根据权利要求1所述的一种基于图像识别的珠宝质量鉴定方法，其特征在于，S1：基于待鉴定珠宝的全方位图像和被灯照时的全方位视频，分别搭建出三维静态模型和灯照动态模型，包括：
获取待鉴定珠宝在满足预设拍摄环境条件下的全方位图像；
获取待鉴定珠宝在被预设光照照射时的全方位视频；
基于全方位图像搭建出三维静态模型；
基于全方位视频搭建出灯照动态模型。
3.根据权利要求2所述的一种基于图像识别的珠宝质量鉴定方法，其特征在于，获取待鉴定珠宝在满足预设拍摄环境条件下的全方位图像，包括：
获取待鉴定珠宝在满足预设拍摄环境条件下的多个方位的拍摄图像；
基于拍摄图像中每个像素点的显示参数，获得对应种类显示参数的多个划分区域，并确定出对应变换区域的对应种类显示参数的边缘线；
基于每个变换区域的每种显示参数对应的边缘线，将相邻的拍摄图像进行连接融合，获得待鉴定珠宝在满足预设拍摄环境条件下的全方位图像。
4.根据权利要求3所述的一种基于图像识别的珠宝质量鉴定方法，其特征在于，基于每个变换区域的每种显示参数对应的边缘线，将相邻的拍摄图像进行连接融合，获得待鉴定珠宝在满足预设拍摄环境条件下的全方位图像，包括：
基于所有变换区域中的主边缘线和次边缘线确定出相邻的拍摄图像，将相邻的拍摄图像进行连接融合，获得待鉴定珠宝在满足预设拍摄环境条件下的全方位图像。
5.根据权利要求1所述的一种基于图像识别的珠宝质量鉴定方法，其特征在于，S2：基于三维静态模型中的尺寸数据获得表面瑕疵识别结果，包括：
S201：对三维静态模型进行边缘标记，获得模型边缘；
S202：将模型边缘的尺寸数据与待鉴定珠宝的标准尺寸数据进行匹配对比，获得待鉴定珠宝的表面瑕疵识别结果。
6.根据权利要求4所述的一种基于图像识别的珠宝质量鉴定方法，其特征在于，S202：将模型边缘的尺寸数据与待鉴定珠宝的标准尺寸数据进行匹配对比，获得待鉴定珠宝的表面瑕疵识别结果，包括：
测量出所有模型边缘的尺寸数据；
将模型边缘的尺寸数据与待鉴定珠宝的标准尺寸数据进行匹配，获得边缘匹配结果；
基于匹配结果进行边缘尺寸对比，获得待鉴定珠宝的表面瑕疵识别结果。
7.根据权利要求1所述的一种基于图像识别的珠宝质量鉴定方法，其特征在于，S3：基于灯照动态模型获得珠宝的内在瑕疵识别结果，包括：
在灯照动态模型中截取出待鉴定珠宝的灯照图像；
对灯照图像中的珠宝区域进行图像分析，获得待鉴定珠宝的内在瑕疵识别结果。
8.根据权利要求1所述的一种基于图像识别的珠宝质量鉴定方法，其特征在于，S4：基于表面瑕疵识别结果和内在瑕疵识别结果获得珠宝质量鉴定结果，包括：
基于预设表面鉴定标准和表面瑕疵识别结果确定出表面鉴定结果；
基于预设内在鉴定标准和内在瑕疵识别结果确定出内在鉴定结果；
基于表面鉴定结果和内在鉴定结果获得珠宝质量鉴定结果。
9.根据权利要求8所述的一种基于图像识别的珠宝质量鉴定方法，其特征在于，基于表面鉴定结果和内在鉴定结果获得珠宝质量鉴定结果，包括：
判断表面鉴定结果中是否存在不合格的表面鉴定项目或内在鉴定结果中是否存在不合格的内在鉴定项目，若是，则将不合格的鉴定项目汇总获得待鉴定珠宝的珠宝质量鉴定结果，否则，将待鉴定珠宝满足鉴定标准作为对应待鉴定珠宝的珠宝质量鉴定结果；
其中，不合格的鉴定项目包括不合格的表面鉴定项目和不合格的内在鉴定项目。
10.一种基于图像识别的珠宝质量鉴定装置，其特征在于，包括：
模型搭建模块，用于基于待鉴定珠宝的全方位图像和被灯照时的全方位视频，分别搭建出三维静态模型和灯照动态模型；
第一识别模块，用于基于三维静态模型中的尺寸数据获得表面瑕疵识别结果；
第二识别模块，用于基于灯照动态模型获得珠宝的内在瑕疵识别结果；
综合鉴定模块，用于基于表面瑕疵识别结果和内在瑕疵识别结果获得珠宝质量鉴定结果。
CN202211153353.6A 2022-09-19 2022-09-19 一种基于图像识别的珠宝质量鉴定方法和装置 Pending CN115457541A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211153353.6A CN115457541A (zh) 2022-09-19 2022-09-19 一种基于图像识别的珠宝质量鉴定方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211153353.6A CN115457541A (zh) 2022-09-19 2022-09-19 一种基于图像识别的珠宝质量鉴定方法和装置

Publications (1)

Publication Number Publication Date
CN115457541A true CN115457541A (zh) 2022-12-09

Family

ID=84306925

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211153353.6A Pending CN115457541A (zh) 2022-09-19 2022-09-19 一种基于图像识别的珠宝质量鉴定方法和装置

Country Status (1)

Country Link
CN (1) CN115457541A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116993682A (zh) * 2023-07-10 2023-11-03 欧几里德(苏州)医疗科技有限公司 基于图像数据分析的角膜塑形镜瑕疵区域提取方法
CN117288761A (zh) * 2023-11-27 2023-12-26 天津市海迅科技发展有限公司 一种基于测试材料的瑕疵检测分类评估方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116993682A (zh) * 2023-07-10 2023-11-03 欧几里德(苏州)医疗科技有限公司 基于图像数据分析的角膜塑形镜瑕疵区域提取方法
CN116993682B (zh) * 2023-07-10 2024-02-23 欧几里德(苏州)医疗科技有限公司 基于图像数据分析的角膜塑形镜瑕疵区域提取方法
CN117288761A (zh) * 2023-11-27 2023-12-26 天津市海迅科技发展有限公司 一种基于测试材料的瑕疵检测分类评估方法及系统
CN117288761B (zh) * 2023-11-27 2024-02-06 天津市海迅科技发展有限公司 一种基于测试材料的瑕疵检测分类评估方法及系统

Similar Documents

Publication Publication Date Title
CN109829914B (zh) 检测产品缺陷的方法和装置
CN115457541A (zh) 一种基于图像识别的珠宝质量鉴定方法和装置
CN113570605B (zh) 一种基于液晶显示面板的缺陷检测方法和系统
CN110658198B (zh) 光学检测方法、光学检测装置及光学检测系统
CN111127571B (zh) 一种小样本缺陷分类方法和装置
CN105335963A (zh) 一种边缘缺陷检测方法及装置
CN105069790A (zh) 一种齿轮外观缺陷快速影像检测方法
CN111311542A (zh) 一种产品质量检测方法及装置
CN108520514B (zh) 基于计算机视觉的印刷电路板电子元器一致性检测方法
CN113608378B (zh) 一种基于lcd制程的全自动缺陷检测方法和系统
US10726535B2 (en) Automatically generating image datasets for use in image recognition and detection
CN109919908A (zh) 发光二极管芯片缺陷检测的方法和装置
CN113221889A (zh) 一种芯片字符抗干扰识别方法及装置
CN113109240B (zh) 一种计算机实施的粮食不完善粒测定方法和系统
CN116559183A (zh) 一种提高缺陷判定效率的方法及系统
CN117392042A (zh) 缺陷检测方法、缺陷检测设备及存储介质
US20110164129A1 (en) Method and a system for creating a reference image using unknown quality patterns
CN116503316A (zh) 一种基于图像处理的芯片缺陷量测方法及系统
CN116091505A (zh) 一种蓝宝石衬底自动缺陷检测分类的方法和系统
CN113866182A (zh) 一种用于检测显示模组缺陷的检测方法及系统
CN113962929A (zh) 光伏电池组件缺陷检测方法、系统及光伏电池组件生产线
CN114549513A (zh) 零件识别方法、装置、质检方法、电子设备及存储介质
CN117058411B (zh) 电池棱边外形瑕疵识别方法、装置、介质和设备
CN110458231B (zh) 一种陶瓷产品检测方法、装置和设备
CN116258703A (zh) 缺陷检测方法、装置、电子设备及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