CN115578405B - 用于铝合金家具数控加工平台的远程监控方法 - Google Patents
用于铝合金家具数控加工平台的远程监控方法 Download PDFInfo
- Publication number
- CN115578405B CN115578405B CN202211563869.8A CN202211563869A CN115578405B CN 115578405 B CN115578405 B CN 115578405B CN 202211563869 A CN202211563869 A CN 202211563869A CN 115578405 B CN115578405 B CN 115578405B
- Authority
- CN
- China
- Prior art keywords
- pixel
- detected
- brightness
- pixel block
- similarity
- 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
Images
Classifications
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及数控加工监控技术领域,具体涉及一种用于铝合金家具数控加工平台的远程监控方法,包括:获取数控加工平台的待处理图像与模板图像,分别处理得到目标像素块与模板像素块,从目标像素块中筛选得到待测像素块,根据待测像素块确定待测像素区域,确定待测像素区域与对应模板像素区域的区域亮度相似度,根据区域亮度相似度确定待测像素块与模板像素块间的待测亮度相似度,根据待测亮度相似度确定目标像素块的目标亮度相似度,并确定待处理图像与模板图像的总相似度,基于总相似度,对数控加工平台的运行进行监控,本公开通过光学检测手段有效降低噪声对图像的干扰,能够适应多种复杂的数控加工场景,提升数控加工平台的加工效率。
Description
技术领域
本公开涉及数控加工监控技术领域,具体涉及一种用于铝合金家具数控加工平台的远程监控方法。
背景技术
铝合金家具数控加工平台在加工过程中可能产生加工件加工精度不足等问题,通常使用远程监控系统确定多个数控机床的加工情况,在数控加工平台出现问题时,远程监控系统能够自动根据实际情况结合预设报警种类,进行报警,进而使得相关工作人员可以及时调整数控加工参数等,达到及时发现问题并且减少人力成本的目的。
相关技术中,在对铝合金家具数控加工平台进行远程监测的过程中,通常使用搭建数控监控系统,或者使用图像识别算法的方式实现数控加工平台的远程监测。
这种方式下,由于数控加工平台图像的复杂性,可能会因为出现的噪声及其它特殊情况对获取的图像进行干扰,使得最终获取的数据不是真实数据,进而导致判断失误,影响数控加工平台的加工效率。
发明内容
为了解决上述技术问题,本公开的目的在于提供一种用于铝合金家具数控加工平台的远程监控方法。
本公开实施例提出的用于铝合金家具数控加工平台的远程监控方法,包括:获取数控加工平台的待处理图像,将待处理图像分割为至少两个目标像素块;获取模板图像,使用相同的分割方式将模板图像分割为至少两个模板像素块,其中,模板图像为数控加工平台所生产加工件的标准图像,目标像素块具有与之对应的模板像素块;
对目标像素块与模板像素块的亮度进行分类,确定至少两个亮度类别;根据亮度类别,从目标像素块中筛选出至少一个待测像素块;以每一待测像素块为基准分别搭建坐标系,根据待测像素块的位置,分别确定每一待测像素块周围预设大小的待测像素空间,将待测像素空间划分为至少两个待测像素区域,并在模板图像中确定与待测像素区域相对应的模板像素区域;分别确定待测像素区域与相对应的模板像素区域间的区域亮度相似度;
根据区域亮度相似度,确定待测像素块与相对应的模板像素块间的待测亮度相似度,并基于待测亮度相似度,确定目标像素块与模板像素块的目标亮度相似度;
根据目标亮度相似度,确定待处理图像与模板图像的总相似度,并基于总相似度,对铝合金家具数控加工平台的运行进行监控。
进一步地,分别确定待测像素区域与相对应的模板像素区域间的区域亮度相似度,包括:
根据区域亮度相似度公式,获得区域亮度相似度,其中,区域亮度相似度计算公式包括:
式中,表示区域亮度相似度;表示亮度类别的总数量;表示待测像素区域内像素块为第个亮度类别的像素块的数量;表示模板像素区域内像素块为第个亮度类别的像素块的数量;其中表示待测像素区域的待测像素块的数量;表示模板像素区域内与待测像素块相对应的模板像素块的数量。
进一步地,根据区域亮度相似度,确定待测像素块与相对应的模板像素块间的待测亮度相似度,包括:
根据待测亮度相似度公式获得待测亮度相似度,其中,待测亮度相似度公式包括:
式中,表示横向待测像素空间划分的待测像素区域的数量;表示纵向待测像素空间划分的待测像素区域的数量;表示待测像素空间中待测像素区域的总数量;即为根据待测像素块周围进行划分获取的第个区域的区域亮度相似度;为待测亮度相似度。
进一步地,基于待测亮度相似度,获得目标像素块与模板像素块的目标亮度相似度,包括:
根据目标亮度相似度计算公式获得目标亮度相似度,其中,目标亮度相似度计算公式包括:
式中, 表示目标亮度相似度;表示待测像素区域中与目标像素块同亮度类别所对应的像素块数量,和模板像素区域中与目标像素块同亮度类别所对应的像素块数量的差值;表示待测像素块的数量;表示第个待测亮度块所对应的待测亮度相似度;为以自然常数为底的指数函数。
进一步地,以每一待测像素块为基准分别搭建坐标系,根据待测像素块的位置,分别确定每一待测像素块周围预设大小的待测像素空间,包括:
以待测像素块的位置为坐标零点,待测像素块的大小为单位建立坐标系,并根据预设大小从坐标系中截取待测像素空间。
进一步地,对目标像素块与模板像素块的亮度进行分类,生成至少两个亮度类别,包括:
对待处理图像与模板图像的亮度进行聚类分析,根据分析结果,生成至少两个亮度类别。
进一步地,根据亮度类别,从目标像素块中筛选出至少一个待测像素块,包括:
确定目标像素块与周围像素块的亮度类别变化情况,在亮度类别变化大于变化阈值时,将目标像素块作为待测像素块。
进一步地,对铝合金家具数控加工平台的运行进行监控,包括:
统计待处理图像与模板图像的总相似度,并将其作为监控结果;
在待处理图像中标记监控结果,生成监控图像;基于图像传输方式传输监控图像。
本公开具有如下有益效果:
本公开实施例提出的用于铝合金家具数控加工平台的远程监控方法,通过获取数控加工平台的待处理图像与模板图像,分别处理得到目标像素块与模板像素块,从目标像素块中筛选得到待测像素块,根据待测像素块确定待测像素区域,确定待测像素区域与对应模板像素区域的区域亮度相似度,根据区域亮度相似度确定待测像素块与模板像素块间的待测亮度相似度,根据待测亮度相似度确定目标像素块的目标亮度相似度,并确定待处理图像与模板图像的总相似度,基于总相似度,对数控加工平台的运行进行监控,由于是基于待测像素块,以及待测像素块周围的多个其他像素块进行亮度分别,并结合待测像素块的位置信息确定以待测像素块为基准的区域亮度相似度,并根据区域亮度相似度确定待测像素块在所处待测像素区域的待测亮度相似度,而后确定目标像素块的目标相似度,基于目标相似度确定待处理图像与模板图像的总相似度,能够根据加工件所展示的光学特征准确判断加工件的加工精度,能够有效提升用于铝合金家具数控加工平台的远程监控效果,适应多种复杂的数控加工场景,在节省人力成本的同时,有效提升数控加工平台的加工效率。
本公开附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本公开实施例提出的用于铝合金家具数控加工平台的远程监控方法的流程示意图。
具体实施方式
为了更进一步阐述本公开为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本公开提出的一种用于铝合金家具数控加工平台的远程监控方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
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公开的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本公开所提供的一种用于铝合金家具数控加工平台的远程监控方法的具体方案。
图1为本公开实施例提出的用于铝合金家具数控加工平台的远程监控方法的流程示意图。
如图1所示,该用于铝合金家具数控加工平台的远程监控方法,包括:
S101:获取数控加工平台的待处理图像,将待处理图像分割为至少两个目标像素块;获取模板图像,使用相同的分割方式将模板图像分割为至少两个模板像素块,其中,模板图像为数控加工平台所生产加工件的标准图像,目标像素块具有与之对应的模板像素块。
其中,待处理图像,为数控加工平台在运行加工过程中的图像,待处理图像可以为多帧的图像,对此不做限制。
本公开实施例中,可以在数控加工平台周围设置多个用于监控数控加工平台的多媒体设备,如照相机、摄像机,以及光学探测装置等,以基于该多媒体设备获取数控加工平台的初始图像,并对初始图像进行去噪处理、灰度化处理,以及去背景化处理等处理方式,得到待处理图像。
本公开实施例中,可以使用加权平均灰度化方法对初始图像进行图像灰度化处理,并使用高斯滤波对初始图像进行去噪处理,在经由图像灰度化处理与图像去噪处理之后,可以进行去背景化处理。
可以理解的是,初始图像中可以包括加工件区域与背景区域,可以将初始图像中与背景相关的区域进行清除,得到的包含加工件区域的待处理图像。
本公开实施例中,可以使用神经网络语义分割算法对初始图像进行去背景化处理,得到待处理图像,或者,也可以使用图像识别算法识别背景区域,并对初始图像进行去背景化处理,得到待处理图像,或者,还可以使用多种其他任意可能的实现方式对初始图像进行去背景化处理,得到待处理图像,对此不做限制。
举例而言,使用残差神经网络ResNet,并使用预定义的标签进行网络训练,其中背景区域标记为0,加工件区域标记为1。其中,神经网络输入为上述经过图像灰度化处理与图像去噪处理之后的初始图像,神经网络输出为待处理图像。神经网络损失函数可以使用交叉熵损失函数,对此不做限制。
可以理解的是,在多媒体设备获取视频格式的图像时,可以使用视频处理方法将该视频按照规定的频率采样为多帧的初始图像,对多帧的初始图像进行处理并将其作为待处理图像。
本公开实施例中,可以从待处理图像中选择加工精度较高的一组图像作为模板图像,或者,也可以使用其他任意可能的方式获取该加工件所对应的模板图像。
本公开实施例中,对待处理图像与模板图像分别进行图像分割,将待处理图像分割为至少两个目标像素块,将模板图像分割为至少两个模板像素块。
本公开实施例中,可以使用数字图像处理的方式对待处理图像进行图像分割处理,如超像素分割法,对此不做限制。
举例而言,以超像素分割进行具体示例,设置目标像素块的大小为10×10大小,则根据10×10的大小,使用超像素分割的方式将待处理图像分割为多个目标像素块,并将模板图像分割为多个模板像素块。
可以理解的是,由于待处理图像与模板图像相对应,且分割方式相同,则目标像素块具有与之对应的模板像素块,当然本公开实施例还支持使用匈牙利算法匹配目标像素块与模板像素块,以确定与目标像素块相对应的模板像素块。
也即是说,本公开的一种具体的应用场景可以例如为,获取数控加工平台的待处理图像与模板图像,基于待处理图像与模板图像间的亮度差别,实现铝合金家具数控加工平台的远程监控,本公开实施例下述的描述说明将以该应用场景为例进行具体的解释说明,当然,本公开实施例描述的用于铝合金家具数控加工平台的远程监控方法也可以应用于其他任意可能的用于铝合金家具数控加工平台的远程监控场景中,对此不做限制。
S102:对目标像素块与模板像素块的亮度进行分类,确定至少两个亮度类别;根据亮度类别,从目标像素块中筛选出至少一个待测像素块;以每一待测像素块为基准分别搭建坐标系,根据待测像素块的位置,分别确定每一待测像素块周围预设大小的待测像素空间,将待测像素空间划分为至少两个待测像素区域,并在模板图像中确定与待测像素区域相对应的模板像素区域;分别确定待测像素区域与相对应的模板像素区域间的区域亮度相似度。
进一步地,本公开实施例可以对待处理图像与模板图像的亮度进行聚类分析,根据分析结果,生成至少两个亮度类别,由于是使用聚类分析生成亮度类别,能够考虑到待处理图像与模板图像的总体亮度情况,增强亮度分类的可靠性。
其中,不同像素块间可能具有不同的亮度情况,可以根据像素块间的亮度情况,使用聚类分析的方式将亮度分为至少两个亮度类别,如将亮度分为“高亮”、“中亮”、“低亮”,以及“亮度0”等多个亮度类别。
进一步地,确定目标像素块与周围像素块的亮度类别变化情况,在亮度类别变化大于变化阈值时,将目标像素块作为待测像素块。
其中,亮度阈值,是亮度变化的门限值,亮度阈值的确定可以根据目标像素块与周围像素块的亮度类别变化情况确定,也可以根据实际生产情况动态调整亮度阈值,以获取不同精度下的待测像素块。
本公开实施例中,可以根据目标像素块周围亮度类别的变化情况,从目标筛选出至少一个待测像素块,具体例如为,在目标像素块周围亮度变化类别变化大于亮度阈值时,将该目标像素块作为待测像素块,如某一目标像素块上方临近的像素块的亮度类别为高亮,下方临近的像素块的亮度类别为低亮时,可以将该目标像素块作为待测像素块,可以理解的是,在待处理图像中,待测像素块的数量可以为一个或多个。
在本公开的一些实施例中,也可以使用角点检测算法处理待处理图像与模板图像,以根据角点检测算法从目标筛选出至少一个待测像素块,角点检测算法可以具体例如Harris角点检测,对此不做限制。
本公开实施例支持以待测像素块所处位置为基准建立坐标系,分别确定每一待测像素块周围预设大小的待测像素空间,将待测像素空间划分为至少两个待测像素区域。
进一步地,以待测像素块的位置为坐标零点,待测像素块的大小为单位建立坐标系,并根据预设大小从坐标系中截取待测像素空间,由于是以待测像素块的位置为坐标零点建立坐标系,能够保证所确定的待测像素空间与待测像素块相匹配,进而保证后续根据待测像素空间所获取的亮度信息能更为真实地反映待测像素块的亮度信息,有效提升本方案的可靠性。
本公开实施例中,由于待测像素块的数量为至少一个,可以分别根据不同的待测像素块搭建不同的待测像素空间,以基于不同的待测像素空间分别计算后续的相似度。
本公开实施例中,在模板图像中确定与待测像素区域相对应的模板像素区域,也即是说,模板像素区域与待测像素区域具有相同的位置信息,在加工件精度较高时,模板像素区域与待测像素区域在亮度的相似度会较高。
因此,分别确定待测像素区域与相对应的模板像素区域间的区域亮度相似度,进一步地,根据区域亮度相似度公式,获得区域亮度相似度,其中,区域亮度相似度计算公式包括:
式中,表示区域亮度相似度;表示亮度类别的总数量;表示待测像素区域内像素块为第个亮度类别的像素块的数量;表示模板像素区域内像素块为第个亮度类别的像素块的数量;其中表示待测像素区域的待测像素块的数量;表示模板像素区域内与待测像素块相对应的模板像素块的数量。也即是说,在越小时,表示待测像素区域与相对应的模板像素区域间的亮度差异越小,也即待测像素块周围像素块分布越相似。使用待测像素区域内亮度类别所对应像素块的数量计算区域亮度相似度,以保证区域亮度相似度的计算更能反应待测像素区域与模板相似区域的相似度。
举例而言,若将亮度类别划分为“高亮”、“中亮”、“低亮”,以及“亮度0”这4个类别,则为4。
S103:根据区域亮度相似度,确定待测像素块与相对应的模板像素块间的待测亮度相似度,并基于待测亮度相似度,确定目标像素块与模板像素块的目标亮度相似度。
本公开实施例中,可以根据以待测像素点划分的待测像素区域所分别对应的区域亮度相似度,确定待测像素块与相对应的模板像素块间的待测亮度相似度。
进一步地,根据待测亮度相似度公式获得待测亮度相似度,其中,待测亮度相似度公式包括:
式中,表示横向待测像素空间划分的待测像素区域的数量;表示纵向待测像素空间划分的待测像素区域的数量;表示待测像素空间中待测像素区域的总数量;即为根据待测像素块周围进行划分获取的第个区域的区域亮度相似度;为待测亮度相似度。
也即是说,将待测像素空间中所有待测像素区域的区域亮度相似度相加,并除以该待测像素空间中待测像素区域的总数量,得到平均值作为该待测像素块与相对应的模板像素块间的待测亮度相似度,在值越小时,则表示待测像素块与相对应的模板像素块间的亮度差异越小。
本公开实施例中,基于待测亮度相似度,确定目标像素块与模板像素块的目标亮度相似度,进一步地,根据目标亮度相似度计算公式获得目标亮度相似度,其中,目标亮度相似度计算公式包括:
式中, 表示目标亮度相似度;表示待测像素区域中与目标像素块同亮度类别所对应的像素块数量,和模板像素区域中与目标像素块同亮度类别所对应的像素块数量的差值;表示待测像素块的数量;表示第个待测亮度块所对应的待测亮度相似度;为以自然常数为底的指数函数。
也即是说,本公开实施例中,基于个待测像素区域所对应的相似度的总和的平均值(也即),求解每个目标像素块在该待测像素块所对应坐标系中的亮度相似度,遍历所有的待测像素块所对应坐标系,确定该目标像素块的综合亮度相似度,并将其作为目标亮度相似度。
S104:根据目标亮度相似度,确定待处理图像与模板图像的总相似度,并基于总相似度,对铝合金家具数控加工平台的运行进行监控。
本公开实施例中,可以使用总相似度计算公式确定待处理图像与模板图像的总相似度,总相似度计算公式包括:
式中,表示模板像素块的数量;表示模板图像中第个目标像素块与相对应模板像素块的目标亮度相似度;表示总相似度,即当所求越大,则说明待处理图像与模板图像越相似,越说明加工件加工越符合标准。
进一步地,本公开实施例中,统计待处理图像与模板图像的总相似度,并将其作为监控结果;在待处理图像中标记监控结果,生成监控图像;基于图像传输方式传输监控图像。由于是基于图像传输的方式对监控图像进行传输处理,能够实时将监控图像传输至相关工作人员的终端设备中,进而保证异常结果的及时发现,便于对异常情况进行及时处理,保证数控加工平台的生产效率。
其中,由于待处理图像可以为从视频中提取的多帧的图像,也可以为多个设备采集的图像,也即是说,待处理图像为多帧的图像,则可以分别将多帧的待处理图像分别与对应的模板图像进行相似度计算,得到多个总相似度,并将其作为监控结果,可以对多个监控结果进行实时统计,以提升远程监控的实时性与效率性。
本公开实施例中,可以在在待处理图像中标记监控结果,以得到包含监控结果的监控图像。
本公开实施例中,可以使用向量{φ,σ}记录,式中,φ表示待处理图像的识别码(该识别码为待处理图像的唯一标识码),σ表示监控结果,在σ记为0时,表示监控结果为异常结果,在σ记为1时,表示监控结果为正常结果。
当然,本公开还支持使用多种其他任意可能的实现方式记录监控结果,对此不做限制。
本公开实施例中,可以将监控图像传输至相关工作人员的终端设备中,该图像传输的方式可以是有线传输,如基于光缆的传输方式,或者也可以为无线传输,如基于无线通信技术的传输方式,对此不做限制。
本实施例中,通过获取数控加工平台的待处理图像与模板图像,分别处理得到目标像素块与模板像素块,从目标像素块中筛选得到待测像素块,根据待测像素块确定待测像素区域,确定待测像素区域与对应模板像素区域的区域亮度相似度,根据区域亮度相似度确定待测像素块与模板像素块间的待测亮度相似度,根据待测亮度相似度确定目标像素块的目标亮度相似度,并确定待处理图像与模板图像的总相似度,基于总相似度,对数控加工平台的运行进行监控,由于是基于待测像素块,以及待测像素块周围的多个其他像素块进行亮度分别,并结合待测像素块的位置信息确定以待测像素块为基准的区域亮度相似度,并根据区域亮度相似度确定待测像素块在所处待测像素区域的待测亮度相似度,而后确定目标像素块的目标相似度,基于目标相似度确定待处理图像与模板图像的总相似度,能够根据加工件所展示的光学特征准确判断加工件的加工精度,能够有效提升用于铝合金家具数控加工平台的远程监控效果,适应多种复杂的数控加工场景,在节省人力成本的同时,有效提升数控加工平台的加工效率。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开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公开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,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
需要说明的是,在本公开的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本公开的描述中,除非另有说明,“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本公开的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本公开的实施例所属技术领域的技术人员所理解。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本公开的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本公开的限制,本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (5)
1.一种用于铝合金家具数控加工平台的远程监控方法,其特征在于,所述方法包括:
获取数控加工平台的待处理图像,将所述待处理图像分割为至少两个目标像素块;获取模板图像,使用相同的分割方式将所述模板图像分割为至少两个模板像素块,其中,所述模板图像为所述数控加工平台所生产加工件的标准图像,所述目标像素块具有与之对应的所述模板像素块;
对所述目标像素块与所述模板像素块的亮度进行分类,确定至少两个亮度类别;根据所述亮度类别,从所述目标像素块中筛选出至少一个待测像素块;以每一所述待测像素块为基准分别搭建坐标系,根据所述待测像素块的位置,分别确定每一所述待测像素块周围预设大小的待测像素空间,将所述待测像素空间划分为至少两个待测像素区域,并在所述模板图像中确定与所述待测像素区域相对应的模板像素区域;分别确定所述待测像素区域与相对应的所述模板像素区域间的区域亮度相似度;
根据所述区域亮度相似度,确定所述待测像素块与相对应的所述模板像素块间的待测亮度相似度,并基于所述待测亮度相似度,确定所述目标像素块与所述模板像素块的目标亮度相似度;
根据所述目标亮度相似度,确定所述待处理图像与所述模板图像的总相似度,并基于所述总相似度,对所述铝合金家具数控加工平台的运行进行监控;
根据所述区域亮度相似度公式,获得所述区域亮度相似度,其中,所述区域亮度相似度计算公式包括:
式中,W表示区域亮度相似度;w表示亮度类别的总数量;gl表示待测像素区域内像素块为第l个亮度类别的像素块的数量;gl ′表示模板像素区域内像素块为中第l个亮度类别的像素块的数量;其中hl表示待测像素区域的待测像素块的数量;hl ′表示模板像素区域内与待测像素块相对应的模板像素块的数量;
根据待测亮度相似度公式获得待测亮度相似度,其中,所述待测亮度相似度公式包括:
式中,u表示横向待测像素空间划分的待测像素区域的数量;v表示纵向待测像素空间划分的待测像素区域的数量;u*v表示待测像素空间中待测像素区域的总数量;W(j,k)即为根据待测像素块周围进行划分获取的第(j,k)个区域的区域亮度相似度;E为待测亮度相似度;
根据目标亮度相似度计算公式获得目标亮度相似度,其中,所述目标亮度相似度计算公式包括:
式中,Q表示目标亮度相似度;d表示待测像素区域中与目标像素块同亮度类别所对应的像素块数量,和模板像素区域中与目标像素块同亮度类别所对应的像素块数量的差值;s表示待测像素块的数量;Ei表示第i个待测亮度块所对应的待测亮度相似度;exp()为以自然常数为底的指数函数。
2.如权利要求1所述的方法,其特征在于,所述以每一所述待测像素块为基准分别搭建坐标系,根据所述待测像素块的位置,分别确定每一所述待测像素块周围预设大小的待测像素空间,包括:
以所述待测像素块的位置为坐标零点,所述待测像素块的大小为单位建立坐标系,并根据预设大小从所述坐标系中截取所述待测像素空间。
3.如权利要求1所述的方法,其特征在于,所述对所述目标像素块与所述模板像素块的亮度进行分类,生成至少两个亮度类别,包括:
对所述待处理图像与所述模板图像的亮度进行聚类分析,根据分析结果,生成至少两个所述亮度类别。
4.如权利要求3所述的方法,其特征在于,所述根据所述亮度类别,从所述目标像素块中筛选出至少一个待测像素块,包括:
确定所述目标像素块与周围像素块的亮度类别变化情况,在所述亮度类别变化大于变化阈值时,将所述目标像素块作为所述待测像素块。
5.如权利要求4所述的方法,其特征在于,所述对所述铝合金家具数控加工平台的运行进行监控,包括:
统计所述待处理图像与所述模板图像的总相似度,并将其作为监控结果;
在所述待处理图像中标记所述监控结果,生成监控图像;基于图像传输方式传输所述监控图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211563869.8A CN115578405B (zh) | 2022-12-07 | 2022-12-07 | 用于铝合金家具数控加工平台的远程监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211563869.8A CN115578405B (zh) | 2022-12-07 | 2022-12-07 | 用于铝合金家具数控加工平台的远程监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115578405A CN115578405A (zh) | 2023-01-06 |
CN115578405B true CN115578405B (zh) | 2023-05-02 |
Family
ID=84590398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211563869.8A Active CN115578405B (zh) | 2022-12-07 | 2022-12-07 | 用于铝合金家具数控加工平台的远程监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115578405B (zh) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085030A (zh) * | 2020-09-09 | 2020-12-15 | 重庆广播电视大学重庆工商职业学院 | 相似图像确定方法及装置 |
CN113011326A (zh) * | 2021-03-18 | 2021-06-22 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、存储介质及计算机设备 |
-
2022
- 2022-12-07 CN CN202211563869.8A patent/CN115578405B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115578405A (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1805715B1 (en) | A method and system for processing video data | |
CN111008961B (zh) | 一种输电线路设备缺陷检测方法及其系统、设备、介质 | |
CN102348128A (zh) | 具有摄像机异常检测装置的监视用摄像机系统 | |
CN111222478A (zh) | 一种工地安全防护检测方法和系统 | |
CN105678213B (zh) | 基于视频特征统计的双模式蒙面人事件自动检测方法 | |
CN104966304A (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
CN112348784A (zh) | 相机镜头的状态检测方法、装置、设备及存储介质 | |
CN107240092A (zh) | 一种图像模糊度检测方法及装置 | |
CN112784821A (zh) | 基于YOLOv5的工地行为安全检测识别方法及系统 | |
CN110348343A (zh) | 一种暴力行为监测方法、装置、存储介质及终端设备 | |
CN112734706A (zh) | 电子装置及焊点检测方法 | |
CN106781167B (zh) | 监测物体运动状态的方法及设备 | |
CN110378916B (zh) | 一种基于多任务深度学习的tbm图像出渣分割方法 | |
CN115330989A (zh) | 一种用于激光束切割的控制方法 | |
CN115578405B (zh) | 用于铝合金家具数控加工平台的远程监控方法 | |
CN115082326A (zh) | 视频去模糊的处理方法、边缘计算设备及中心处理器 | |
CN109547777B (zh) | 一种复杂场景的视频噪声快速检测方法 | |
CN111507923A (zh) | 一种视频图像的噪声处理方法、装置、设备和介质 | |
CN115880365A (zh) | 一种双工位自动螺丝拧装检测方法、系统及装置 | |
CN115830048A (zh) | 图像边缘检测方法、装置及相关设备 | |
CN109193935B (zh) | 一种基于图像处理的配电房监测方法及系统 | |
CN111027560A (zh) | 文本检测方法以及相关装置 | |
CN117953434B (zh) | 基于智能网关的输电线路外力破坏监测方法及系统 | |
CN111667404A (zh) | 目标信息采集方法、装置、系统、电子设备及存储介质 | |
CN118095971B (zh) | 一种ad钙奶饮料加工工艺评估方法、系统及介质 |
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 |