CN115601564A - 基于图像识别的胶体轮廓检测方法及系统 - Google Patents

Abstract

本发明涉及图像识别与胶体轮廓检测技术领域，具体而言，涉及一种基于图像识别的胶体轮廓检测方法及系统。在本发明中，通过对第一采集图像进行特征点识别提取操作，以形成第一采集图像对应的第一特征点集合，第一采集图像通过对目标胶体进行图像信息采集得到；通过对第二采集图像进行特征点识别提取操作，以形成第二采集图像对应的第二特征点集合，第二采集图像通过对目标胶体进行图像信息采集得到；基于第一特征点集合包括的第一图像特征点、第二特征点集合包括的第二图像特征点和预先配置的参考特征点集合包括的参考图像特征点，确定出目标胶体的胶体状态信息。基于上述内容，可以在一定程度上提供胶体轮廓检测的可靠度。

Description

基于图像识别的胶体轮廓检测方法及系统

技术领域

本发明涉及图像识别与胶体轮廓检测技术领域，具体而言，涉及一种基于图像识别的胶体轮廓检测方法及系统。

背景技术

图像识别是以图像的主要特征为基础的，每个图像都有它的特征,如字母A有个尖，P有个圈、而Y的中心有个锐角等。对图像识别时，研究表明，视线总是集中在图像的主要特征上，也就是集中在图像轮廓曲度最大或轮廓方向突然改变的地方，这些地方的信息量最大。由此可见，在图像识别过程中，必须排除输入的多余信息,抽取出关键的信息。其中，在点胶技术上，基于抽取出关键的信息对物体的状态进行检测是一种验证点胶质量的重要手段，但是，在现有技术中，存在着状态检测的可靠度不高的问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于图像识别的胶体轮廓检测方法及系统，以在一定程度上提供胶体轮廓状态检测的可靠度。

为实现上述目的，本发明实施例采用如下技术方案：

一种基于图像识别的胶体轮廓检测方法，包括：

通过对第一采集图像进行特征点识别提取操作，以形成所述第一采集图像对应的第一特征点集合，所述第一采集图像通过对目标胶体进行图像信息采集得到，所述第一特征点集合包括多个第一图像特征点；

通过对第二采集图像进行特征点识别提取操作，以形成所述第二采集图像对应的第二特征点集合，所述第二采集图像通过对所述目标胶体进行图像信息采集得到，所述第二特征点集合包括多个第二图像特征点；

基于所述第一特征点集合包括的第一图像特征点、所述第二特征点集合包括的第二图像特征点和预先配置的参考特征点集合包括的参考图像特征点，确定出所述目标胶体的胶体状态信息。

在一些优选的实施例中，在上述基于图像识别的胶体轮廓检测方法中，所述通过对第一采集图像进行特征点识别提取操作，以形成所述第一采集图像对应的第一特征点集合的步骤，包括：

通过通信连接的二维图像采集设备，对所述目标胶体进行图像信息采集处理，以输出所述目标胶体对应的二维的第一采集图像；

依据预先配置的第一特征识别提取规则，对所述第一采集图像进行二维特征点的识别提取，以形成所述第一采集图像对应的第一特征点集合，所述第一特征点集合包括的每一个第一图像特征点属于一维图像特征点。

在一些优选的实施例中，在上述基于图像识别的胶体轮廓检测方法中，所述依据预先配置的第一特征识别提取规则，对所述第一采集图像进行二维特征点的识别提取，以形成所述第一采集图像对应的第一特征点集合的步骤，包括：

依据每一个像素点与相邻像素点之间的像素差异，在所述第一采集图像中包括的每一个像素点中，筛选出所述第一采集图像具有的预选重要像素点；以及，对于每一个所述预选重要像素点，依据该预选重要像素点在所述第一采集图像中具有的图像环境相关数据，分析出该预选重要像素点在所述第一采集图像中具有的像素数据表征向量；

依据每一个所述预选重要像素点具有的像素数据表征向量和其它预选重要像素点具有的像素数据表征向量之间的向量匹配度，分析输出每一个所述预选重要像素点对应的像素数据关键系数；以及，依据每一个所述预选重要像素点在所述第一采集图像中具有的相关像素点的数量，分析输出每一个所述预选重要像素点对应的像素相关性关键系数；以及，依据每一个所述预选重要像素点在所述第一采集图像中具有的分布信息，分析输出每一个所述预选重要像素点对应的像素分布关键系数；

依据每一个所述预选重要像素点在所述第一采集图像中具有预先配置的参考寸尺的相邻像素分布区域中的分布信息，分析输出所述预选重要像素点之间的相对分布关系信息；

对于每一个所述预选重要像素点，依据所述相对分布关系信息，分析输出该预选重要像素点对应的相对重要像素点，再基于该相对重要像素点对应的预选重要像素点对应的像素数据关键系数、像素分布关键系数和像素相关性关键系数，确定出该预选重要像素点的像素点筛选系数的调整参数，所述像素点筛选系数用于反映对应的所述预选重要像素点属于所述第一采集图像中的第一图像特征点的筛选优先级；

分别依据每一个所述预选重要像素点对应的像素点筛选系数的调整参数和预先配置的默认像素点筛选系数，对每一个所述预选重要像素点对应的像素点筛选系数进行调整；以及，基于调整后的像素点筛选系数，确定是否将对应的所述预选重要像素点标记为所述第一采集图像对应的第一图像特征点，以形成所述第一采集图像对应的第一特征点集合。

在一些优选的实施例中，在上述基于图像识别的胶体轮廓检测方法中，所述依据每一个所述预选重要像素点具有的像素数据表征向量和其它预选重要像素点具有的像素数据表征向量之间的向量匹配度，分析输出每一个所述预选重要像素点对应的像素数据关键系数的步骤，包括：

依据每一个所述预选重要像素点具有的像素数据表征向量和其它预选重要像素点具有的像素数据表征向量之间的向量匹配度，对所述预选重要像素点进行组合，以形成至少一个像素点组合，每一个所述像素点组合中任意两个所述预选重要像素点具有的像素数据表征向量之间的向量匹配度不小于预先配置的向量匹配度参考值；

对于每一个所述像素点组合，确定出该像素点组合包括的每一个预选重要像素点与该像素点组合的组合中心预选重要像素点之间的向量匹配度最大的预选重要像素点，以标记为该像素点组合对应的第一预选重要像素点，以及，将所述组合中心预选重要像素点和所述第一预选重要像素点对应的像素数据关键系数赋值为预先配置的高像素数据关键系数，再将该像素点组合包括的所述组合中心预选重要像素点和所述第一预选重要像素点以外的每一个其它预选重要像素点对应的像素数据关键系数赋值为预先配置的低像素数据关键系数，所述高像素数据关键系数大于所述低像素数据关键系数。

在一些优选的实施例中，在上述基于图像识别的胶体轮廓检测方法中，所述依据每一个所述预选重要像素点在所述第一采集图像中具有的相关像素点的数量，分析输出每一个所述预选重要像素点对应的像素相关性关键系数的步骤，包括：

对于每一个所述预选重要像素点，在所述第一采集图像中确定出与该预选重要像素点的像素值之间的差异度小于或等于预先配置的差异度阈值的每一个像素点，以标记为该预选重要像素点对应的相关像素点，再统计该相关像素点的数量；

对于每一个所述预选重要像素点，依据该预选重要像素点对应的相关像素点的数量和所述第一采集图像中的像素点的数量，分析输出每一个所述预选重要像素点对应的像素相关性关键系数，所述像素相关性关键系数和所述预选重要像素点对应的相关像素点的数量之间具有负相关关系。

在一些优选的实施例中，在上述基于图像识别的胶体轮廓检测方法中，所述依据每一个所述预选重要像素点在所述第一采集图像中具有的分布信息，分析输出每一个所述预选重要像素点对应的像素分布关键系数的步骤，包括：

对于每一个所述预选重要像素点，依据该预选重要像素点在所述第一采集图像中具有的分布信息，确定出该预选重要像素点是否属于所述第一采集图像中的目标图像区域中；

对于每一个所述预选重要像素点，在该预选重要像素点属于所述第一采集图像中的目标图像区域的情况下，将该预选重要像素点对应的像素分布关键系数赋值为高像素分布关键系数；

对于每一个所述预选重要像素点，在该预选重要像素点不属于所述第一采集图像中的目标图像区域的情况下，将该预选重要像素点对应的像素分布关键系数赋值为低像素分布关键系数，所述低像素分布关键系数小于所述高像素分布关键系数。

在一些优选的实施例中，在上述基于图像识别的胶体轮廓检测方法中，所述对于每一个所述预选重要像素点，依据所述相对分布关系信息，分析输出该预选重要像素点对应的相对重要像素点，再基于该相对重要像素点对应的预选重要像素点对应的像素数据关键系数、像素分布关键系数和像素相关性关键系数，确定出该预选重要像素点的像素点筛选系数的调整参数的步骤，包括：

对于每一个所述预选重要像素点，依据所述相对分布关系信息，分析输出该预选重要像素点对应的相对重要像素点；

对于每一个所述预选重要像素点，依据该预选重要像素点对应的相对重要像素点对应的该预选重要像素点以外的每一个其它预选重要像素点对应的像素数据关键系数，对该预选重要像素点对应的像素数据关键系数进行处理，以输出该预选重要像素点对应的第一初始调整参数，再依据该预选重要像素点对应的相对重要像素点对应的该预选重要像素点以外的每一个其它预选重要像素点对应的像素分布关键系数，对该预选重要像素点对应的像素分布关键系数进行处理，以输出该预选重要像素点对应的第二初始调整参数，以及，依据该预选重要像素点对应的相对重要像素点对应的该预选重要像素点以外的每一个其它预选重要像素点对应的像素相关性关键系数，对该预选重要像素点对应的像素相关性关键系数进行处理，以输出该预选重要像素点对应的第三初始调整参数；

对于每一个所述预选重要像素点，对该预选重要像素点对应的第一初始调整参数、第二初始调整参数和第三初始调整参数进行融合处理，以输出该预选重要像素点对应的融合初始调整参数；

对于每一个所述预选重要像素点，依据该预选重要像素点对应的融合初始调整参数和该预选重要像素点对应的相对重要像素点的像素点筛选系数，确定出该预选重要像素点的像素点筛选系数的调整参数。

在一些优选的实施例中，在上述基于图像识别的胶体轮廓检测方法中，所述通过对第二采集图像进行特征点识别提取操作，以形成所述第二采集图像对应的第二特征点集合的步骤，包括：

通过通信连接的三维图像采集设备，对所述目标胶体进行图像信息采集处理，以输出所述目标胶体对应的三维的第二采集图像；

依据预先配置的第二特征识别提取规则，对所述第二采集图像进行三维特征点的识别提取，以形成所述第二采集图像对应的第二特征点集合，所述第二特征点集合包括的每一个第二图像特征点属于三维图像特征点。

在一些优选的实施例中，在上述基于图像识别的胶体轮廓检测方法中，所述基于所述第一特征点集合包括的第一图像特征点、所述第二特征点集合包括的第二图像特征点和预先配置的参考特征点集合包括的参考图像特征点，确定出所述目标胶体的胶体状态信息的步骤，包括：

基于所述第一特征点集合包括的第一图像特征点和预先配置的第一参考特征点集合包括的第一参考图像特征点，对所述第一特征点集合和所述第一参考特征点集合进行集合对比处理，以输出对应的第一对比差异信息，所述第一参考图像特征点和所述第一图像特征点的识别提取规则一致；

基于所述第二特征点集合包括的第二图像特征点和预先配置的第二参考特征点集合包括的第二参考图像特征点，对所述第二特征点集合和所述第二参考特征点集合进行集合对比处理，以输出对应的第二对比差异信息，所述第二参考图像特征点和所述第二图像特征点的识别提取规则一致；

依据所述第一对比差异信息和所述第二对比差异信息，分析输出所述目标胶体的胶体状态信息。

本发明实施例还提供一种基于图像识别的胶体轮廓检测系统，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现上述的胶体轮廓检测方法。

本发明实施例提供的一种基于图像识别的胶体轮廓检测方法及系统，通过对第一采集图像进行特征点识别提取操作，以形成第一采集图像对应的第一特征点集合，第一采集图像通过对目标胶体进行图像信息采集得到。通过对第二采集图像进行特征点识别提取操作，以形成第二采集图像对应的第二特征点集合，第二采集图像通过对目标胶体进行图像信息采集得到。基于第一特征点集合包括的第一图像特征点、第二特征点集合包括的第二图像特征点和预先配置的参考特征点集合包括的参考图像特征点，确定出目标胶体的胶体状态信息。基于此，可以从两个方面来对胶体状态进行分析，使得状态分析的依据更为充分，从而在一定程度上提供胶体轮廓状态检测的可靠度，改善现有技术中存在的检测可靠度不高的问题。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

图1为本发明实施例提供的基于图像识别的胶体轮廓检测系统的结构框图。

图2为本发明实施例提供的基于图像识别的胶体轮廓检测方法包括的各步骤的流程示意图。

图3为本发明实施例提供的基于图像识别的胶体轮廓检测装置包括的各模块的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供了一种基于图像识别的胶体轮廓检测系统。其中，所述胶体轮廓检测系统可以包括存储器和处理器。

示例性地，在一些可以实现的方式中，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件（firmware）的形式，存在的软件功能模块（计算机程序）。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例提供的基于图像识别的胶体轮廓检测方法。

示例性地，在一些可以实现的方式中，所述存储器可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-Only Memory，PROM），可擦除只读存储器（ErasableProgrammable Read-Only Memory，EPROM），电可擦除只读存储器（Electric ErasableProgrammable Read-Only Memory，EEPROM）等。所述处理器可以是一种通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）、片上系统(System on Chip，SoC)等；还可以是数字信号处理器（DSP）、专用集成电路（ASIC）、现场可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

示例性地，在一些可以实现的方式中，所述基于图像识别的胶体轮廓检测系统可以是一种具备数据处理能力的服务器。

结合图2，本发明实施例还提供一种基于图像识别的胶体轮廓检测方法，可应用于上述基于图像识别的胶体轮廓检测系统。其中，所述基于图像识别的胶体轮廓检测方法有关的流程所定义的方法步骤，可以由所述基于图像识别的胶体轮廓检测系统实现。

下面将对图2所示的具体流程，进行详细阐述。

步骤S110，通过对第一采集图像进行特征点识别提取操作，以形成所述第一采集图像对应的第一特征点集合。

在本发明实施例中，所述胶体轮廓检测系统可以通过对第一采集图像进行特征点识别提取操作，以形成所述第一采集图像对应的第一特征点集合。所述第一采集图像通过对目标胶体进行图像信息采集得到，所述第一特征点集合包括多个第一图像特征点（可以是轮廓特征点等）。

步骤S120，通过对第二采集图像进行特征点识别提取操作，以形成所述第二采集图像对应的第二特征点集合。

在本发明实施例中，所述胶体轮廓检测系统可以通过对第二采集图像进行特征点识别提取操作，以形成所述第二采集图像对应的第二特征点集合。所述第二采集图像通过对所述目标胶体进行图像信息采集得到，所述第二特征点集合包括多个第二图像特征点。

步骤S130，基于所述第一特征点集合包括的第一图像特征点、所述第二特征点集合包括的第二图像特征点和预先配置的参考特征点集合包括的参考图像特征点，确定出所述目标胶体的胶体状态信息。

在本发明实施例中，所述胶体轮廓检测系统可以基于所述第一特征点集合包括的第一图像特征点、所述第二特征点集合包括的第二图像特征点和预先配置的参考特征点集合包括的参考图像特征点，确定出所述目标胶体的胶体状态信息。

基于此，可以从两个方面来对胶体状态进行分析，使得状态分析的依据更为充分，从而在一定程度上提供胶体轮廓状态检测的可靠度，改善现有技术中存在的检测可靠度不高的问题。

示例性地，在一些可以实现的方式中，在执行上述描述的步骤S110的过程中，其具体可以执行以下内容：

通过通信连接的二维图像采集设备，对所述目标胶体进行图像信息采集处理，以输出所述目标胶体对应的二维的第一采集图像（也就是说，所述第一采集图像可以是平面的图像）；

依据预先配置的第一特征识别提取规则，对所述第一采集图像进行二维特征点的识别提取，以形成所述第一采集图像对应的第一特征点集合，所述第一特征点集合包括的每一个第一图像特征点属于一维图像特征点。

示例性地，在一些可以实现的方式中，在执行上述描述的所述依据预先配置的第一特征识别提取规则，对所述第一采集图像进行二维特征点的识别提取，以形成所述第一采集图像对应的第一特征点集合的步骤的过程中，其具体可以执行以下内容：

依据每一个像素点与相邻像素点之间的像素差异，在所述第一采集图像中包括的每一个像素点中，筛选出所述第一采集图像具有的预选重要像素点（示例性地，可以直接依据每一个像素点与相邻像素点之间的像素差异确定出预选重要像素点，例如，直接将与相邻区域的各像素相邻像素点之间的像素差异较大的像素点确定为预选重要像素点；另外，也可以在依据像素差异的基础上，再依据像素位置进行进一步的筛选，如按照经验标定出一个像素位置区域，以筛选出像素差异满足要求且位于该像素位置区域的像素点）；以及，对于每一个所述预选重要像素点，依据该预选重要像素点在所述第一采集图像中具有的图像环境相关数据，分析出该预选重要像素点在所述第一采集图像中具有的像素数据表征向量（示例性地，由于一个预选重要像素点的像素值等信息在不同的图像中可能具有不同的信息，因此，为了使得分析输出的可以较好的代表该预选重要像素点，需要依据该预选重要像素点在所述第一采集图像中具有的图像环境相关数据进行分析，即融合图像中其它像素点的相关信息；另外，分析出所述像素数据表征向量，可以通过编码神经网络对所述预选重要像素点的图像信息进行编码处理，以将得到的编码向量确定为所述像素数据表征向量；具体来说，对于一个预选重要像素点，可以先确定该预选重要像素点对应的具有参考寸尺的相邻像素分布区域，然后，依据该预选重要像素点的自身像素表征向量、该相邻像素分布区域内的每一个其它像素点的自身像素表征向量和该预选重要像素点的像素分布坐标表征向量等，融合输出该预选重要像素点的像素数据表征向量）；

依据每一个所述预选重要像素点具有的像素数据表征向量和其它预选重要像素点具有的像素数据表征向量之间的向量匹配度，分析输出每一个所述预选重要像素点对应的像素数据关键系数；以及，依据每一个所述预选重要像素点在所述第一采集图像中具有的相关像素点的数量，分析输出每一个所述预选重要像素点对应的像素相关性关键系数；以及，依据每一个所述预选重要像素点在所述第一采集图像中具有的分布信息，分析输出每一个所述预选重要像素点对应的像素分布关键系数；

依据每一个所述预选重要像素点在所述第一采集图像中具有预先配置的参考寸尺的相邻像素分布区域中的分布信息，分析输出所述预选重要像素点之间的相对分布关系信息（示例性地，所述参考尺寸的具体数值不受限制，可以根据实际应用需求进行配置，例如，所述参考尺寸可以为半径为10或15等数值的圆，所述相对分布关系信息可以是指，在所述相邻像素分布区域中，位于所述预选重要像素点之前的每一个预选重要像素点朝向该预选重要像素点，也可以是指位于所述预选重要像素点之后的每一个预选重要像素点朝向该预选重要像素点，之前之后的关系可以是基于预先配置的路径确定，如先左上后右下的顺序等）；

对于每一个所述预选重要像素点，依据所述相对分布关系信息，分析输出该预选重要像素点对应的相对重要像素点，再基于该相对重要像素点对应的预选重要像素点对应的像素数据关键系数、像素分布关键系数和像素相关性关键系数，确定出该预选重要像素点的像素点筛选系数的调整参数，所述像素点筛选系数用于反映对应的所述预选重要像素点属于所述第一采集图像中的第一图像特征点的筛选优先级（示例性地，预选重要像素点A可以朝向预选重要像素点B，预选重要像素点A也朝向预选重要像素点C，预选重要像素点B朝向预选重要像素点C，可以确定朝向预选重要像素点B的预选重要像素点包括预选重要像素点A，朝向预选重要像素点C的预选重要像素点包括预选重要像素点A、预选重要像素点B，如此，可以将预选重要像素点B的相对重要像素点确定为预选重要像素点A，将预选重要像素点C的相对重要像素点确定为预选重要像素点A和预选重要像素点B；另外，上述相对重要像素点对应的预选重要像素点可以仅包括待确定出像素点筛选系数的调整参数的预选重要像素点，在其它示例中，还可以包括待确定出像素点筛选系数的调整参数的预选重要像素点和上述相对重要像素点朝向的预选重要像素点中该待确定出像素点筛选系数的调整参数的预选重要像素点以外的其它预选重要像素点；示例性地，在相对重要像素点朝向的预选重要像素点仅包括待确定出像素点筛选系数的调整参数的预选重要像素点时，可以根据上述预选重要像素点的像素数据关键系数、像素分布关键系数和像素相关性关键系数计算上述预选重要像素点的像素点筛选系数的调整参数，例如，可以将上述预选重要像素点的像素数据关键系数、像素分布关键系数、像素相关性关键系数的和值作为上述预选重要像素点的像素点筛选系数的调整参数；在相对重要像素点朝向的预选重要像素点包括待确定出像素点筛选系数的调整参数的预选重要像素点和上述第一图像特征点朝向的预选重要像素点中上述待确定出像素点筛选系数的调整参数的预选重要像素点以外的其它预选重要像素点时，可以根据前述两者预选重要像素点的像素数据关键系数、像素分布关键系数以及像素相关性关键系数计算得到上述待确定出像素点筛选系数的调整参数的预选重要像素点的像素点筛选系数的调整参数，例如，可以将前述两者预选重要像素点的像素数据关键系数、像素分布关键系数和像素相关性关键系数的和值之间的商值，确定为上述待确定出像素点筛选系数的调整参数的预选重要像素点的像素点筛选系数的调整参数）；

分别依据每一个所述预选重要像素点对应的像素点筛选系数的调整参数和预先配置的默认像素点筛选系数，对每一个所述预选重要像素点对应的像素点筛选系数进行调整；以及，基于调整后的像素点筛选系数，确定是否将对应的所述预选重要像素点标记为所述第一采集图像对应的第一图像特征点，以形成所述第一采集图像对应的第一特征点集合（示例性地，可以将调整后的像素点筛选系数大于或等于预先配置的筛选系数阈值的每一个预选重要像素点标记为所述第一采集图像对应的第一图像特征点）。

示例性地，在一些可以实现的方式中，在执行上述描述的所述依据每一个所述预选重要像素点具有的像素数据表征向量和其它预选重要像素点具有的像素数据表征向量之间的向量匹配度，分析输出每一个所述预选重要像素点对应的像素数据关键系数的步骤的过程中，其可以执行以下内容：

依据每一个所述预选重要像素点具有的像素数据表征向量和其它预选重要像素点具有的像素数据表征向量之间的向量匹配度（所述向量匹配度可以对两个表征向量进行乘积计算得到），对所述预选重要像素点进行组合（可以是采用现有的任意中聚类算法），以形成至少一个像素点组合，每一个所述像素点组合中任意两个所述预选重要像素点具有的像素数据表征向量之间的向量匹配度不小于预先配置的向量匹配度参考值；

对于每一个所述像素点组合，确定出该像素点组合包括的每一个预选重要像素点与该像素点组合的组合中心预选重要像素点之间的向量匹配度最大的预选重要像素点（示例性地，所述组合中心预选重要像素点可以是聚类中心），以标记为该像素点组合对应的第一预选重要像素点，以及，将所述组合中心预选重要像素点和所述第一预选重要像素点对应的像素数据关键系数赋值为预先配置的高像素数据关键系数，再将该像素点组合包括的所述组合中心预选重要像素点和所述第一预选重要像素点以外的每一个其它预选重要像素点对应的像素数据关键系数赋值为预先配置的低像素数据关键系数，所述高像素数据关键系数大于所述低像素数据关键系数（示例性地，所述高像素数据关键系数可以为8，所述低像素数据关键系数可以为2，在其它示例中，也可以是其它数值）。

示例性地，在一些可以实现的方式中，在执行上述描述的所述依据每一个所述预选重要像素点在所述第一采集图像中具有的相关像素点的数量，分析输出每一个所述预选重要像素点对应的像素相关性关键系数的步骤的过程中，其具体可以执行以下内容：

对于每一个所述预选重要像素点，在所述第一采集图像中确定出与该预选重要像素点的像素值之间的差异度小于或等于预先配置的差异度阈值（所述差异度阈值可以是1、2、3等数值）的每一个像素点，以标记为该预选重要像素点对应的相关像素点，再统计该相关像素点的数量；

对于每一个所述预选重要像素点，依据该预选重要像素点对应的相关像素点的数量和所述第一采集图像中的像素点的数量，分析输出每一个所述预选重要像素点对应的像素相关性关键系数，所述像素相关性关键系数和所述预选重要像素点对应的相关像素点的数量之间具有负相关关系（示例性地，可以先计算该预选重要像素点对应的相关像素点的数量和所述第一采集图像中的像素点的数量的比值，再将该比值的负相关值确定为所述预选重要像素点对应的像素相关性关键系数）。

示例性地，在一些可以实现的方式中，在执行上述描述的所述依据每一个所述预选重要像素点在所述第一采集图像中具有的分布信息，分析输出每一个所述预选重要像素点对应的像素分布关键系数的步骤的过程中，其具体可以执行以下内容：

对于每一个所述预选重要像素点，依据该预选重要像素点在所述第一采集图像中具有的分布信息，确定出该预选重要像素点是否属于所述第一采集图像中的目标图像区域中（所述目标图像区域可以通过经验进行标定以得到，例如，可以将边缘区域以外的区域确定为目标图像区域等）；

对于每一个所述预选重要像素点，在该预选重要像素点属于所述第一采集图像中的目标图像区域的情况下，将该预选重要像素点对应的像素分布关键系数赋值为高像素分布关键系数；

对于每一个所述预选重要像素点，在该预选重要像素点不属于所述第一采集图像中的目标图像区域的情况下，将该预选重要像素点对应的像素分布关键系数赋值为低像素分布关键系数，所述低像素分布关键系数小于所述高像素分布关键系数（示例性地，所述高像素分布关键系数可以为8，所述低像素分布关键系数可以为2，在其它示例中，也可以是其它数值）。

示例性地，在一些可以实现的方式中，在执行上述描述的所述对于每一个所述预选重要像素点，依据所述相对分布关系信息，分析输出该预选重要像素点对应的相对重要像素点，再基于该相对重要像素点对应的预选重要像素点对应的像素数据关键系数、像素分布关键系数和像素相关性关键系数，确定出该预选重要像素点的像素点筛选系数的调整参数的步骤的过程中，其具体可以执行以下内容：

对于每一个所述预选重要像素点，依据所述相对分布关系信息，分析输出该预选重要像素点对应的相对重要像素点（如上所述）；

对于每一个所述预选重要像素点，依据该预选重要像素点对应的相对重要像素点对应的该预选重要像素点以外的每一个其它预选重要像素点对应的像素数据关键系数，对该预选重要像素点对应的像素数据关键系数进行处理，以输出该预选重要像素点对应的第一初始调整参数（示例性地，先计算该预选重要像素点对应的相对重要像素点对应的该预选重要像素点以外的每一个其它预选重要像素点对应的像素数据关键系数的和值，再计算该预选重要像素点对应的像素数据关键系数和该和值之间的比值，以得到所述第一初始调整参数），再依据该预选重要像素点对应的相对重要像素点对应的该预选重要像素点以外的每一个其它预选重要像素点对应的像素分布关键系数，对该预选重要像素点对应的像素分布关键系数进行处理，以输出该预选重要像素点对应的第二初始调整参数（示例性地，先计算该预选重要像素点对应的相对重要像素点对应的该预选重要像素点以外的每一个其它预选重要像素点对应的像素分布关键系数的和值，再计算该预选重要像素点对应的像素分布关键系数和该和值之间的比值，以得到所述第二初始调整参数），以及，依据该预选重要像素点对应的相对重要像素点对应的该预选重要像素点以外的每一个其它预选重要像素点对应的像素相关性关键系数，对该预选重要像素点对应的像素相关性关键系数进行处理，以输出该预选重要像素点对应的第三初始调整参数（示例性地，先计算该预选重要像素点对应的相对重要像素点对应的该预选重要像素点以外的每一个其它预选重要像素点对应的像素相关性关键系数的和值，再计算该预选重要像素点对应的像素相关性关键系数和该和值之间的比值，以得到所述第三初始调整参数）；

对于每一个所述预选重要像素点，对该预选重要像素点对应的第一初始调整参数、第二初始调整参数和第三初始调整参数进行融合处理（如加权求和计算），以输出该预选重要像素点对应的融合初始调整参数；

对于每一个所述预选重要像素点，依据该预选重要像素点对应的融合初始调整参数和该预选重要像素点对应的相对重要像素点的像素点筛选系数，确定出该预选重要像素点的像素点筛选系数的调整参数（示例性地，可以计算该像素点筛选系数和该融合初始调整参数之间的乘积，以得到该调整参数，其中，在存在多个相对重要像素点时，可以先针对每一个相对重要像素点，计算该相对重要像素点的像素点筛选系数和所述融合初始调整参数之间的乘积，再计算多个相对重要像素点对应的乘积的和值，以得到该调整参数；另外，这里的相对重要像素点的像素点筛选系数可以是指相对重要像素点的初始像素点筛选系数，即默认像素点筛选系数；如此，在执行所述分别依据每一个所述预选重要像素点对应的像素点筛选系数的调整参数和预先配置的默认像素点筛选系数，对每一个所述预选重要像素点对应的像素点筛选系数进行调整的步骤时，可以先计算该调整参数和与先配置的第一阈值系数之间的乘积，再计算该乘积与第二阈值参数之间的和值，以实现对所述预选重要像素点对应的像素点筛选系数进行调整，即得到整后的像素点筛选系数，所述第一阈值系数和所述第二阈值系数都大于0、小于1、且所述第一阈值系数和所述第二阈值系数之间的和值等于1）。

示例性地，在另一些可以实现的方式中，在执行上述描述的所述对于每一个所述预选重要像素点，依据所述相对分布关系信息，分析输出该预选重要像素点对应的相对重要像素点，再基于该相对重要像素点对应的预选重要像素点对应的像素数据关键系数、像素分布关键系数和像素相关性关键系数，确定出该预选重要像素点的像素点筛选系数的调整参数的步骤的过程中，其具体可以执行以下内容：

基于每一个所述预选重要像素点和所述预选重要像素点之间的相对分布关系信息，确定出具有像素代表成员和像素代表成员之间的相对分布关系信息的像素代表成员分布网络，所述像素代表成员和所述预选重要像素点之间一一匹配关系，任意两个所述像素代表成员之间的相对分布关系信息和匹配的两个预选重要像素点之间的相对分布关系信息相同（示例性地，预选重要像素点包括预选重要像素点1、预选重要像素点2、…、预选重要像素点n，预选重要像素点1为第1个预选重要像素点，预选重要像素点2为第2个预选重要像素点，预选重要像素点n为第n个预选重要像素点；另外，所述像素代表成员分布网络可以包括像素代表成员1、像素代表成员2、像素代表成员3等，像素代表成员1朝向像素代表成员2，像素代表成员1还朝向像素代表成员3，像素代表成员2朝向像素代表成员3，如此，像素代表成员1对应的预选重要像素点与像素代表成员2对应的预选重要像素点之间具有相对分布关系信息，像素代表成员1对应的预选重要像素点朝向像素代表成员2对应的预选重要像素点；像素代表成员1对应的预选重要像素点与像素代表成员3对应的预选重要像素点之间具有相对分布关系信息，像素代表成员1对应的预选重要像素点朝向像素代表成员3对应的预选重要像素点；像素代表成员2对应的预选重要像素点与像素代表成员3对应的预选重要像素点之间具有相对分布关系信息，像素代表成员2对应的预选重要像素点朝向像素代表成员2对应的预选重要像素点）；

对于所述像素代表成员分布网络中的每一个像素代表成员，依据所述相对分布关系信息，分析输出该像素代表成员对应的相对像素代表成员，再基于该相对像素代表成员对应的像素代表成员对应的预选重要像素点的像素数据关键系数、像素分布关键系数、像素相关性关键系数，确定出该相对像素代表成员对应的预选重要像素点为该像素代表成员对应的预选重要像素点提供的像素点筛选系数的筛选系数，再将该筛选系数标记为该像素代表成员对应的预选重要像素点的像素点筛选系数的调整参数（具体的计算方式，可以参照前文的描述，如前所述的两种计算方式）。

示例性地，在一些可以实现的方式中，在执行上述描述的所述分别依据每一个所述预选重要像素点对应的像素点筛选系数的调整参数和预先配置的默认像素点筛选系数，对每一个所述预选重要像素点对应的像素点筛选系数进行调整的步骤的过程中，其具体可以执行以下内容：

对于所述像素代表成员分布网络中每一个像素代表成员，基于该像素代表成员对应的预选重要像素点的像素点筛选系数的默认像素点筛选系数（即像素点筛选系数的默认值或配置值）、该像素代表成员对应的相对像素代表成员对应的预选重要像素点为该像素代表成员对应的预选重要像素点提供的像素点筛选系数的筛选系数，对该像素代表成员对应的预选重要像素点的像素点筛选系数进行调整（示例性地，在对每一个像素代表成员对应的预选重要像素点的像素点筛选系数进行调整时，可以计算每一个像素代表成员对应的预选重要像素点的像素点筛选系数的默认像素点筛选系数与对应的相对像素代表成员对应的预选重要像素点为每一个像素代表成员对应的预选重要像素点提供的像素点筛选系数的筛选系数之间的和值，再将计算后的每一个像素代表成员对应的预选重要像素点的像素点筛选系数的筛选系数，分别标记为每一个像素代表成员对应预选重要像素点的调整后的像素点筛选系数；例如，针对预选重要像素点A，可以计算预选重要像素点A的默认像素点筛选系数和预选重要像素点A对应的相对重要像素点为预选重要像素点A提供的筛选系数的和值，其中，预选重要像素点A对应的相对重要像素点为预选重要像素点A提供的筛选系数，可以与该相对重要像素点当前具有的像素点筛选系数正相关，在第一次执行此步骤时，当前具有的像素点筛选系数即所述默认像素点筛选系数）；

对每一个所述像素代表成员对应的预选重要像素点的调整后的像素点筛选系数进行确认，以得到对应的筛选系数确认结果；

在所述筛选系数确认结果反映出所述调整后的像素点筛选系数与预先配置的系数参考值不匹配的情况下（所述调整后的像素点筛选系数与预先配置的系数参考值不匹配可以是指，对所述像素代表成员对应的预选重要像素点的像素点筛选系数进行调整的次数未达到预先配置的次数阈值，如10、20或25等数值），跳转执行所述对于所述像素代表成员分布网络中每一个像素代表成员，基于该像素代表成员对应的预选重要像素点的像素点筛选系数的默认像素点筛选系数、该像素代表成员对应的相对像素代表成员对应的预选重要像素点为该像素代表成员对应的预选重要像素点提供的像素点筛选系数的筛选系数，对该像素代表成员对应的预选重要像素点的像素点筛选系数进行调整的步骤（即将所述调整后的像素点筛选系数标记为所述默认像素点筛选系数，以执行该步骤）。

示例性地，在一些可以实现的方式中，在执行上述描述的步骤S120的过程中，其具体可以执行以下内容：

通过通信连接的三维图像采集设备，对所述目标胶体进行图像信息采集处理，以输出所述目标胶体对应的三维的第二采集图像（也就是说，所述第二采集图像具有深度信息）；

依据预先配置的第二特征识别提取规则，对所述第二采集图像进行三维特征点的识别提取（所述第二特征识别提取规则的具体内容不受限制，可以参照现有技术中的任意一种三维图像特征点的识别方式），以形成所述第二采集图像对应的第二特征点集合，所述第二特征点集合包括的每一个第二图像特征点属于三维图像特征点。

示例性地，在一些可以实现的方式中，在执行上述描述的步骤S130的过程中，其具体可以执行以下内容：

基于所述第一特征点集合包括的第一图像特征点和预先配置的第一参考特征点集合包括的第一参考图像特征点，对所述第一特征点集合和所述第一参考特征点集合进行集合对比处理，以输出对应的第一对比差异信息（所述第一对比差异信息用于反映所述第一图像特征点和所述第一参考图像特征点之间在数量和像素位置两个维度的差异程度），所述第一参考图像特征点和所述第一图像特征点的识别提取规则一致；

基于所述第二特征点集合包括的第二图像特征点和预先配置的第二参考特征点集合包括的第二参考图像特征点，对所述第二特征点集合和所述第二参考特征点集合进行集合对比处理，以输出对应的第二对比差异信息（所述第二对比差异信息用于反映所述第二图像特征点和所述第二参考图像特征点之间在数量和像素位置两个维度的差异程度），所述第二参考图像特征点和所述第二图像特征点的识别提取规则一致；

依据所述第一对比差异信息和所述第二对比差异信息，分析输出所述目标胶体的胶体状态信息（示例性地，所述第一采集图像和所述第二采集图像是基于所述目标胶体的当前状态进行图像信息采集得到，所述第一参考图像特征点和所述第二图像特征点是基于所述目标胶体的历史状态进行图像信息采集得到，如此，实际上是所述目标胶体的当前状态和历史状态进行对比分析，以确定当前的变形程度；在所述第一对比差异信息小于预先配置的第一差异阈值和所述第二对比差异信息小于预先配置的第二差异阈值的情况下，可以确定出所述目标胶体的状态较好，即当前变形程度较小；在所述第一对比差异信息不小于预先配置的第一差异阈值和/或所述第二对比差异信息不小于预先配置的第二差异阈值的情况下，可以确定出所述目标胶体的状态较差，即当前变形程度较大）。

结合图3，本发明实施例还提供一种基于图像识别的胶体轮廓检测装置，可应用于上述基于图像识别的胶体轮廓检测系统。其中，所述基于图像识别的胶体轮廓检测装置可以包括：

第一特征点识别提取模块，用于通过对第一采集图像进行特征点识别提取操作，以形成所述第一采集图像对应的第一特征点集合，所述第一采集图像通过对目标胶体进行图像信息采集得到，所述第一特征点集合包括多个第一图像特征点；

第二特征点识别提取模块，用于通过对第二采集图像进行特征点识别提取操作，以形成所述第二采集图像对应的第二特征点集合，所述第二采集图像通过对所述目标胶体进行图像信息采集得到，所述第二特征点集合包括多个第二图像特征点；

特征点对比模块，用于基于所述第一特征点集合包括的第一图像特征点、所述第二特征点集合包括的第二图像特征点和预先配置的参考特征点集合包括的参考图像特征点，确定出所述目标胶体的胶体状态信息。

综上所述，本发明提供的一种基于图像识别的胶体轮廓检测方法及系统，通过对第一采集图像进行特征点识别提取操作，以形成第一采集图像对应的第一特征点集合，第一采集图像通过对目标胶体进行图像信息采集得到。通过对第二采集图像进行特征点识别提取操作，以形成第二采集图像对应的第二特征点集合，第二采集图像通过对目标胶体进行图像信息采集得到。基于第一特征点集合包括的第一图像特征点、第二特征点集合包括的第二图像特征点和预先配置的参考特征点集合包括的参考图像特征点，确定出目标胶体的胶体状态信息。基于此，可以从两个方面来对胶体状态进行分析，使得状态分析的依据更为充分，从而在一定程度上提供胶体轮廓状态检测的可靠度，改善现有技术中存在的检测可靠度不高的问题。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于图像识别的胶体轮廓检测方法，其特征在于，包括：

通过对第一采集图像进行特征点识别提取操作，以形成所述第一采集图像对应的第一特征点集合，所述第一采集图像通过对目标胶体进行图像信息采集得到，所述第一特征点集合包括多个第一图像特征点；

通过对第二采集图像进行特征点识别提取操作，以形成所述第二采集图像对应的第二特征点集合，所述第二采集图像通过对所述目标胶体进行图像信息采集得到，所述第二特征点集合包括多个第二图像特征点；

基于所述第一特征点集合包括的第一图像特征点、所述第二特征点集合包括的第二图像特征点和预先配置的参考特征点集合包括的参考图像特征点，确定出所述目标胶体的胶体状态信息。

2.如权利要求1所述的基于图像识别的胶体轮廓检测方法，其特征在于，所述通过对第一采集图像进行特征点识别提取操作，以形成所述第一采集图像对应的第一特征点集合的步骤，包括：

通过通信连接的二维图像采集设备，对所述目标胶体进行图像信息采集处理，以输出所述目标胶体对应的二维的第一采集图像；

依据预先配置的第一特征识别提取规则，对所述第一采集图像进行二维特征点的识别提取，以形成所述第一采集图像对应的第一特征点集合，所述第一特征点集合包括的每一个第一图像特征点属于一维图像特征点。

3.如权利要求2所述的基于图像识别的胶体轮廓检测方法，其特征在于，所述依据预先配置的第一特征识别提取规则，对所述第一采集图像进行二维特征点的识别提取，以形成所述第一采集图像对应的第一特征点集合的步骤，包括：

依据每一个像素点与相邻像素点之间的像素差异，在所述第一采集图像中包括的每一个像素点中，筛选出所述第一采集图像具有的预选重要像素点；以及，对于每一个所述预选重要像素点，依据该预选重要像素点在所述第一采集图像中具有的图像环境相关数据，分析出该预选重要像素点在所述第一采集图像中具有的像素数据表征向量；

依据每一个所述预选重要像素点具有的像素数据表征向量和其它预选重要像素点具有的像素数据表征向量之间的向量匹配度，分析输出每一个所述预选重要像素点对应的像素数据关键系数；以及，依据每一个所述预选重要像素点在所述第一采集图像中具有的相关像素点的数量，分析输出每一个所述预选重要像素点对应的像素相关性关键系数；以及，依据每一个所述预选重要像素点在所述第一采集图像中具有的分布信息，分析输出每一个所述预选重要像素点对应的像素分布关键系数；

依据每一个所述预选重要像素点在所述第一采集图像中具有预先配置的参考寸尺的相邻像素分布区域中的分布信息，分析输出所述预选重要像素点之间的相对分布关系信息；

对于每一个所述预选重要像素点，依据所述相对分布关系信息，分析输出该预选重要像素点对应的相对重要像素点，再基于该相对重要像素点对应的预选重要像素点对应的像素数据关键系数、像素分布关键系数和像素相关性关键系数，确定出该预选重要像素点的像素点筛选系数的调整参数，所述像素点筛选系数用于反映对应的所述预选重要像素点属于所述第一采集图像中的第一图像特征点的筛选优先级；

分别依据每一个所述预选重要像素点对应的像素点筛选系数的调整参数和预先配置的默认像素点筛选系数，对每一个所述预选重要像素点对应的像素点筛选系数进行调整；以及，基于调整后的像素点筛选系数，确定是否将对应的所述预选重要像素点标记为所述第一采集图像对应的第一图像特征点，以形成所述第一采集图像对应的第一特征点集合。

4.如权利要求3所述的基于图像识别的胶体轮廓检测方法，其特征在于，所述依据每一个所述预选重要像素点具有的像素数据表征向量和其它预选重要像素点具有的像素数据表征向量之间的向量匹配度，分析输出每一个所述预选重要像素点对应的像素数据关键系数的步骤，包括：

依据每一个所述预选重要像素点具有的像素数据表征向量和其它预选重要像素点具有的像素数据表征向量之间的向量匹配度，对所述预选重要像素点进行组合，以形成至少一个像素点组合，每一个所述像素点组合中任意两个所述预选重要像素点具有的像素数据表征向量之间的向量匹配度不小于预先配置的向量匹配度参考值；

对于每一个所述像素点组合，确定出该像素点组合包括的每一个预选重要像素点与该像素点组合的组合中心预选重要像素点之间的向量匹配度最大的预选重要像素点，以标记为该像素点组合对应的第一预选重要像素点，以及，将所述组合中心预选重要像素点和所述第一预选重要像素点对应的像素数据关键系数赋值为预先配置的高像素数据关键系数，再将该像素点组合包括的所述组合中心预选重要像素点和所述第一预选重要像素点以外的每一个其它预选重要像素点对应的像素数据关键系数赋值为预先配置的低像素数据关键系数，所述高像素数据关键系数大于所述低像素数据关键系数。

5.如权利要求3所述的基于图像识别的胶体轮廓检测方法，其特征在于，所述依据每一个所述预选重要像素点在所述第一采集图像中具有的相关像素点的数量，分析输出每一个所述预选重要像素点对应的像素相关性关键系数的步骤，包括：

对于每一个所述预选重要像素点，在所述第一采集图像中确定出与该预选重要像素点的像素值之间的差异度小于或等于预先配置的差异度阈值的每一个像素点，以标记为该预选重要像素点对应的相关像素点，再统计该相关像素点的数量；

对于每一个所述预选重要像素点，依据该预选重要像素点对应的相关像素点的数量和所述第一采集图像中的像素点的数量，分析输出每一个所述预选重要像素点对应的像素相关性关键系数，所述像素相关性关键系数和所述预选重要像素点对应的相关像素点的数量之间具有负相关关系。

6.如权利要求3所述的基于图像识别的胶体轮廓检测方法，其特征在于，所述依据每一个所述预选重要像素点在所述第一采集图像中具有的分布信息，分析输出每一个所述预选重要像素点对应的像素分布关键系数的步骤，包括：

对于每一个所述预选重要像素点，依据该预选重要像素点在所述第一采集图像中具有的分布信息，确定出该预选重要像素点是否属于所述第一采集图像中的目标图像区域中；

对于每一个所述预选重要像素点，在该预选重要像素点属于所述第一采集图像中的目标图像区域的情况下，将该预选重要像素点对应的像素分布关键系数赋值为高像素分布关键系数；

对于每一个所述预选重要像素点，在该预选重要像素点不属于所述第一采集图像中的目标图像区域的情况下，将该预选重要像素点对应的像素分布关键系数赋值为低像素分布关键系数，所述低像素分布关键系数小于所述高像素分布关键系数。

7.如权利要求3所述的基于图像识别的胶体轮廓检测方法，其特征在于，所述对于每一个所述预选重要像素点，依据所述相对分布关系信息，分析输出该预选重要像素点对应的相对重要像素点，再基于该相对重要像素点对应的预选重要像素点对应的像素数据关键系数、像素分布关键系数和像素相关性关键系数，确定出该预选重要像素点的像素点筛选系数的调整参数的步骤，包括：

对于每一个所述预选重要像素点，依据所述相对分布关系信息，分析输出该预选重要像素点对应的相对重要像素点；

对于每一个所述预选重要像素点，依据该预选重要像素点对应的相对重要像素点对应的该预选重要像素点以外的每一个其它预选重要像素点对应的像素数据关键系数，对该预选重要像素点对应的像素数据关键系数进行处理，以输出该预选重要像素点对应的第一初始调整参数，再依据该预选重要像素点对应的相对重要像素点对应的该预选重要像素点以外的每一个其它预选重要像素点对应的像素分布关键系数，对该预选重要像素点对应的像素分布关键系数进行处理，以输出该预选重要像素点对应的第二初始调整参数，以及，依据该预选重要像素点对应的相对重要像素点对应的该预选重要像素点以外的每一个其它预选重要像素点对应的像素相关性关键系数，对该预选重要像素点对应的像素相关性关键系数进行处理，以输出该预选重要像素点对应的第三初始调整参数；

对于每一个所述预选重要像素点，对该预选重要像素点对应的第一初始调整参数、第二初始调整参数和第三初始调整参数进行融合处理，以输出该预选重要像素点对应的融合初始调整参数；

对于每一个所述预选重要像素点，依据该预选重要像素点对应的融合初始调整参数和该预选重要像素点对应的相对重要像素点的像素点筛选系数，确定出该预选重要像素点的像素点筛选系数的调整参数。

8.如权利要求1所述的基于图像识别的胶体轮廓检测方法，其特征在于，所述通过对第二采集图像进行特征点识别提取操作，以形成所述第二采集图像对应的第二特征点集合的步骤，包括：

通过通信连接的三维图像采集设备，对所述目标胶体进行图像信息采集处理，以输出所述目标胶体对应的三维的第二采集图像；

依据预先配置的第二特征识别提取规则，对所述第二采集图像进行三维特征点的识别提取，以形成所述第二采集图像对应的第二特征点集合，所述第二特征点集合包括的每一个第二图像特征点属于三维图像特征点。

9.如权利要求1-8任意一项所述的基于图像识别的胶体轮廓检测方法，其特征在于，所述基于所述第一特征点集合包括的第一图像特征点、所述第二特征点集合包括的第二图像特征点和预先配置的参考特征点集合包括的参考图像特征点，确定出所述目标胶体的胶体状态信息的步骤，包括：

基于所述第一特征点集合包括的第一图像特征点和预先配置的第一参考特征点集合包括的第一参考图像特征点，对所述第一特征点集合和所述第一参考特征点集合进行集合对比处理，以输出对应的第一对比差异信息，所述第一参考图像特征点和所述第一图像特征点的识别提取规则一致；

基于所述第二特征点集合包括的第二图像特征点和预先配置的第二参考特征点集合包括的第二参考图像特征点，对所述第二特征点集合和所述第二参考特征点集合进行集合对比处理，以输出对应的第二对比差异信息，所述第二参考图像特征点和所述第二图像特征点的识别提取规则一致；

依据所述第一对比差异信息和所述第二对比差异信息，分析输出所述目标胶体的胶体状态信息。

10.一种基于图像识别的胶体轮廓检测系统，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现权利要求1-9任意一项所述的胶体轮廓检测方法。

Images