CN116577363A - 基于机器视觉的黄金多点位x荧光检测方法 - Google Patents
基于机器视觉的黄金多点位x荧光检测方法 Download PDFInfo
- Publication number
- CN116577363A CN116577363A CN202310807353.1A CN202310807353A CN116577363A CN 116577363 A CN116577363 A CN 116577363A CN 202310807353 A CN202310807353 A CN 202310807353A CN 116577363 A CN116577363 A CN 116577363A
- Authority
- CN
- China
- Prior art keywords
- information
- gold
- image information
- black
- golden
- 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
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 title claims abstract description 271
- 239000010931 gold Substances 0.000 title claims abstract description 271
- 229910052737 gold Inorganic materials 0.000 title claims abstract description 271
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000001917 fluorescence detection Methods 0.000 title claims abstract description 46
- 239000011148 porous material Substances 0.000 claims abstract description 92
- 238000001514 detection method Methods 0.000 claims abstract description 71
- 238000004364 calculation method Methods 0.000 claims abstract description 61
- 230000001502 supplementing effect Effects 0.000 claims abstract description 11
- 239000013589 supplement Substances 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 27
- 238000007781 pre-processing Methods 0.000 claims description 20
- 239000000523 sample Substances 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 10
- 239000011800 void material Substances 0.000 claims description 10
- 238000003708 edge detection Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 6
- 230000001629 suppression Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 description 9
- 230000000877 morphologic effect Effects 0.000 description 7
- 238000009499 grossing Methods 0.000 description 5
- 238000011282 treatment Methods 0.000 description 5
- 238000004876 x-ray fluorescence Methods 0.000 description 5
- 230000014759 maintenance of location Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000000921 elemental analysis Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 238000003723 Smelting Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/223—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material by irradiating the sample with X-rays or gamma-rays and by measuring X-ray fluorescence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Image Processing (AREA)
Abstract
本发明涉及智能检测技术领域，尤其涉及一种基于机器视觉的黄金多点位X荧光检测方法。该方法包括以下步骤：将黄金放置于置物框并对置物框进行检测以获取黄金位姿状态信息；持续控制补光灯对置物框内的黄金进行补光作业，并利用置物框下方的拍摄装置进行拍摄作业，获得第一图像信息；对第一图像信息进行二值化计算，获得第一二值化图像信息，并对第一二值化图像信息进行黑色孔隙统计；对第二二值化图像信息进行黑色孔隙统计，获得黑色孔隙数量信息；根据第二二值化图像信息进行黄金定位并进行多点位荧光检测作业，获得黄金成分信息。本发明通过机器视觉和多点位检测技术，实现了高精度、全面性的黄金检测，可提供准确的黄金质量和成分信息。
Description
技术领域
本发明涉及智能检测技术领域，尤其涉及一种基于机器视觉的黄金多点位X荧光检测方法。
背景技术
智能无人兑金机是一种自助兑金终端机，它的出现颠覆了传统黄金兑换的概念及习惯，并全面释放了黄金的货币属性、商品属性及投资属性，同时实现交换平台的标准化。只需要投掷黄金饰品并绑定相关银行账户信息，即可在机器上随时随地进行黄金回收、熔炼、估价、兑付功能。智能无人兑金机的出现将会改变中国金融和黄金行业的发展，打破壁垒，实现从“黄金”到“现金”的智能化兑换。然而，对于智能无人兑金机而言，自动化检测黄金往往通过内在的X光进行定位，在实际的使用过程中，由于黄金的大小形状不一，对于小黄金，往往会出现X光检测对不准，从而导致误差的情况，如何提高黄金检测装置对于黄金定位的准确性的确定便成为了一个问题。
发明内容
本发明为解决上述技术问题，提出了一种基于机器视觉的黄金多点位X荧光检测方法，以解决至少一个上述技术问题。
本申请提供了一种基于机器视觉的黄金多点位X荧光检测方法，应用于黄金检测设备，黄金检测设备包括置物框、拍摄装置、补光灯以及控制器，多个拍摄装置与补光灯均与控制器电性连接，多个拍摄装置分别安装于置物框的正上方、侧方以及正下方并直面置物框，置物框底部开设有多个规则的透视孔，补光灯安置于置物框的正上方并直面置物框，基于机器视觉的黄金多点位X荧光检测方法包括以下步骤：
步骤S1：将黄金放置于置物框并检测以获取黄金位姿状态信息，其中黄金位姿状态信息包括直立状态信息以及平放状态信息；
步骤S2：持续控制补光灯对置物框内的黄金进行补光作业，并利用置物框下方的拍摄装置进行拍摄作业，从而获得第一图像信息；
步骤S3：对第一图像信息进行二值化计算，从而获得第一二值化图像信息，并对第一二值化图像信息进行黑色孔隙统计，从而获得黑色孔隙数量信息，以判断黑色孔隙数量信息是否小于预设的第一黑色孔隙阈值；
步骤S4：确定黑色孔隙数量信息大于或等于预设的第一黑色孔隙数量信息时，则跳转至步骤S8，确定黑色孔隙数量信息小于预设的第一黑色孔隙数量信息时，则执行步骤S5；
步骤S5：利用置物框下方的拍摄装置进行拍摄作业，获得第二图像信息并对第二图像信息进行二值化计算，从而获得第二二值化图像信息；
步骤S6：对第二二值化图像信息进行黑色孔隙统计，从而获得黑色孔隙数量信息，判断黑色孔隙数量信息是否小于预设的第二黑色孔隙阈值；
步骤S7：获取黄金质量信息，确定黑色孔隙数量信息大于或等于预设的第二黑色孔隙阈值时，则将黄金质量信息确定为质重黄金信息，确定黑色孔隙数量信息小于预设的第二黑色孔隙阈值时，则将黄金质量信息确定为质轻黄金信息；
步骤S8：根据第二二值化图像信息进行黄金定位，从而获取黄金位置信息，并根据黄金位置信息以及黄金质量信息进行多点位荧光检测作业，从而获得黄金成分信息。
本发明通过机器视觉技术，能够准确获取黄金的位姿状态信息，包括直立状态和平放状态，从而为后续的检测作业提供准确的基础数据。利用置物框内多个拍摄装置和补光灯，以及规则的透视孔布局，实现对黄金的多点位拍摄和补光，从不同角度获取多个图像信息，提高检测的全面性和准确性。通过对图像进行二值化计算和黑色孔隙统计，可以定量地获得黄金中的黑色孔隙数量信息，用于判断黄金质量的重要指标之一。根据预设的黑色孔隙阈值和黄金质量信息，对黄金进行质重和质轻的判断，提供了一种简便可靠的黄金质量鉴定方法。通过对第二二值化图像信息进行黄金定
优选地，黄金检测设备包括声波振动装置，步骤S1具体为：
步骤S11：将黄金放置于置物框，并控制声波发生器以及振动装置进行第一声波振物作业；
步骤S12：对置物框进行黄金位姿状态确定作业，从而生成黄金位姿状态信息；
步骤S13：若确定黄金位姿状态信息为直立状态信息，则对置物框进行第二声波振物作业；
步骤S14：对置物框进行黄金位姿状态确定作业，从而生成黄金位姿状态信息，当确定黄金位姿状态信息为直立状态信息时，则对置物框进行第三声波振物作业，直至确定黄金位姿状态信息为平放状态信息，其中第一声波振物作业以及第二声波振物作业为根据置物框获取的黄金质量生成的不同振动频率的声波振物作业，第三声波振物作业为迭代选择的第一声波振物作业以及第二声波振物作业。
本发明通过对置物框进行多次声波振动作业和黄金位姿状态确定作业，可以准确地确定黄金的位姿状态信息，从而避免了误判和漏判的情况，提高了检测的精度和准确性。其中第一声波振物作业以及第二声波振物作业根据置物框获取的黄金质量生成，振动幅度在保证对黄金产生移动翻转行为的同时，不会抖动出置物框，从而避免了潜在的问题，当始终确定无法产生平放状态信息时，采用迭代选择的声波振幅作业进行作业，通过这种迭代选择方法，可以确定最佳的声波振动作业，提高了检测精度和准确性。
优选地，其中步骤S12以及步骤S14中黄金位姿状态确定作业具体为：
步骤S121：分别控制置物框正上方以及侧方的拍摄装置进行拍摄作业，从而获得上方图像信息以及侧方图像信息；
步骤S122：对上方图像信息以及侧方图像信息进行预处理，从而获得上方图像预处理信息以及侧方图像预处理信息；
步骤S123：分别对上方图像预处理信息以及侧方图像预处理信息进行边缘计算，从而获得上方边缘图像信息以及侧方边缘图像信息；
步骤S124：对上方边缘图像信息以及侧方边缘图像信息进行非极大值抑制以及双阈值处理，从而获得优化上方边缘图像信息以及优化侧方边缘图像信息；
步骤S125：根据优化上方边缘图像信息以及优化侧方边缘图像信息进行黄金位姿特征提取，从而获得黄金位姿特征信息；
步骤S126：根据黄金位姿特征信息进行位姿状态计算，从而获得黄金位姿状态信息。
本发明中该方法利用多个角度的拍摄装置对置物框内的黄金进行拍摄作业，并对图像进行预处理、边缘计算和非极大值抑制的处理，从而获得优化的图像信息，提高了位姿状态确定的准确性。此外，该技术还通过黄金位姿特征提取和位姿状态计算，进一步提高了位姿状态确定的准确性。同时通过上方拍摄的图像信息以及侧方拍摄的图像信息进行双重比较，从而保证准确的结果。
优选地，其中步骤S126中位姿状态计算具体为：
步骤S101：根据黄金位姿特征信息中的特征点以及线段信息进行连接计算，从而获得主径信息以及侧枝信息；
步骤S102：确定主径信息中的主径夹角信息大于预设的夹角阈值信息时，则生成平放状态信息；
步骤S103：确定主径信息中的主径夹角信息小于或等于预设的夹角阈值信息时，确定侧枝信息大于预设的侧枝阈值信息时，则生成平放状态信息；
步骤S104：确定侧枝信息小于或等于预设的侧枝阈值信息时，则生成直立状态信息。
本发明中该方法利用黄金位姿特征信息中的特征点和线段信息进行连接计算，从而获得主径信息和侧枝信息。通过主径信息中的主径夹角信息和侧枝信息的大小关系，可以确定黄金的位姿状态信息。该方法可以更加准确地确定黄金的位姿状态，从而提高了检测的准确性。该方法中的预设的夹角阈值和侧枝阈值是可调整的参数，可以根据不同的黄金样品和检测要求进行灵活设置，进一步提高了检测的灵活性和准确性。
优选地，二值化图像信息包括第一二值化图像信息以及第二二值化图像信息，其中步骤S3以及步骤S6中黑色孔隙统计的步骤具体为：
步骤S31：利用预设的孔隙坐标中心对二值化图像信息通过预设的移动范围内进行移动并进行最大相关黑色像素统计，从而生成最大关联黑色像素；
步骤S32：确定最大关联黑色像素大于预设的黑色像素阈值时，则将孔隙坐标中心对应的孔隙标记为黑色孔隙；
步骤S33：对所有的黑色孔隙的标记信息进行统计，从而获得黑色孔隙数量信息。
本发明中利用预设的孔隙坐标中心对第二二值化图像信息进行移动并进行最大相关黑色像素统计，从而自动确定黑色孔隙的数量。该方法可以避免传统的人工计数方法的主观性和误差，提高黑色孔隙统计的准确性和可靠性。该方法中的黑色像素阈值是可调整的参数，可以根据不同的黄金样品和检测要求进行灵活设置，进一步提高了黑色孔隙统计的灵活性和准确性。通过预设的孔隙中心坐标，降低通过机器视觉技术带来的计算负荷，相比起传统的采用的图像处理以及人工智能技术，达到同样的效果的同时，提高了实用性。
优选地，步骤S8中黄金定位步骤具体为：
根据所有的黑色孔隙进行黑色像素中心点定位，从而获得预估黄金位置信息集；
根据预估黄金位置信息集进行位置预估计算，从而生成黄金位置信息。
本发明中采用了黑色像素中心点定位和位置预估计算相结合的方法，可以有效地减少定位误差和提高定位精度。同时，通过使用机器视觉技术进行黄金检测，可以实现自动化、高效率的检测过程，并减少人工干预的需要。
优选地，步骤S8中根据黄金位置信息以及黄金质量信息进行多点位荧光检测作业，从而获得黄金成分信息的步骤包括以下步骤：
确定黄金质量信息为质轻黄金信息时，对黄金进行第一多点位X荧光检测作业；
确定黄金质量信息为质重黄金信息时，对黄金进行第二多点位X荧光检测作业，其中第一多点位X荧光检测作业与第二多点位X荧光检测作业为采用不同数量测点的多点位X荧光检测作业。
本发明中根据黄金质量信息的不同，采用了两个不同的多点位X荧光检测作业。根据质轻和质重黄金的特点，通过不同数量测点的荧光检测，可以针对性地获取相关信息。这种区分可以更好地适应不同类型黄金的检测需求，提高准确性和可靠性。采用不同的多点位荧光检测作业可以在一次测试中获取更多的信息，避免了多次测试的成本和时间开销。同时，准确的黄金成分信息有助于优化黄金的加工和利用过程，提高资源利用效率和经济效益。，可以更全面地检测黄金的成分。
优选地，步骤S8中多点位荧光检测作业的步骤具体为：
步骤S71：根据第二图像信息进行黄金孔洞面积占比计算，从而获得暴露黄金面积数据集；
步骤S72：根据暴露黄金面积数据集通过预设的暴露黄金孔洞阈值进行选取，从而获得最大暴露黄金孔洞集；
步骤S73：根据最大暴露黄金孔洞集的位置信息进行评估计算，从而获得最佳机械臂移动容器定位位置信息以及检测点位置信息，利用测金仪的探头对检测点位置信息进行数据采集，并利用测金仪对检测点位置信息进行元素分析。
本发明中通过计算黄金孔洞面积占比和选取最大暴露黄金孔洞集来确定最佳的机械臂移动容器定位位置信息和检测点位置信息。通过一次或多次元素分析，可以准确地确定黄金的成分信息，从而实现了高精度的黄金质量检测和分析。
优选地，黄金孔洞面积占比计算的步骤具体为：
步骤S711：对第二图像信息进行灰度化计算，从而获得灰度图像信息；
步骤S712：对灰度图像信息进行滤波处理，从而获得滤波图像信息；
步骤S713：对滤波图像信息进行二值化计算，从而获得二值化图像信息；
步骤S714：对二值化图像信息进行边缘检测，从而获得边缘图像信息；
步骤S715：对边缘图像信息进行轮廓提取，从而获得轮廓图像信息；
步骤S716：对轮廓图像信息进行孔洞面积计算，从而获得暴露黄金面积数据集。
本发明中通过灰度化处理，将彩色图像转换为灰度图像，彩色图像每个像素需要三个通道（红、绿、蓝）来表示，而灰度图像只需要一个通道就能表示，数据量减少了三分之二，更方便存储和处理；在灰度图像中，每个像素值代表该像素的亮度或灰度值，方便进行图像处理操作，如对比度增强、噪声去除等；噪声和干扰会影响图像的质量和清晰度，通过滤波处理可以有效去除这些影响，提高图像质量；在二值化图像中，每个像素只有两种取值（一般为0和1），方便进行图像处理操作，如形态学处理、边缘提取，可以检测图像中的边缘信息，即将物体的边缘和背景分离出来，去除了其他细节信息。这样做的有益效果是可以提高图像的分析和处理效率，轮廓提取可以将图像中的物体轮廓分离出来，提取出物体的形状信息。这样做的有益效果是可以进一步简化图像信息，减少处理的复杂度和计算量，孔洞面积计算可以计算图像中孔洞的面积信息，提取出暴露的黄金面积。这样做的有益效果是可以为后续的黄金成分分析提供必要的信息。
优选地，滤波处理通过滤波计算公式进行计算，其中滤波计算公式具体为：
为滤波图像信息中/>处像素信息，/>为黄金偏差项的权重系数，/>为黄金纹理误差指数的权重系数，/>为sigmoid函数，/>为灰度图像信息中/>处像素信息，/>为滤波器，/>为高斯函数，/>为黄金纹理指数的权重系数，/>为黄金纹理指数，/>为拉普拉斯算子，/>为滤波图像信息中/>处像素信息的修正信息。
本发明中充分考虑了黄金偏差项的权重系数、黄金纹理误差指数的权重系数/>、sigmoid函数/>、灰度图像信息中/>处像素信息/>、滤波器/>、高斯函数/>、黄金纹理指数的权重系数/>、黄金纹理指数/>、拉普拉斯算子/>以及相互之间的作用关系，其中黄金偏差项的权重系数/>调节了原始图像与滤波后图像的差异程度，使图像平滑程度和边缘保留程度达到平衡，黄金纹理误差指数的权重系数/>黄金纹理误差指数的权重系数，调节了对黄金纹理细节的保留程度，使图像纹理更加清晰，sigmoid函数/>用于调节黄金纹理细节对滤波图像的影响程度，从而实现黄金纹理的平滑处理，滤波器/>用于对图像进行平滑处理，常用的滤波器有高斯滤波器、中值滤波器等，高斯函数/>用于调节滤波图像中像素的权重，使得离中心像素越近的像素权重越大，离中心像素越远的像素权重越小，黄金纹理指数的权重系数/>调节了对黄金纹理特征的保留程度，使得滤波后的图像更加符合黄金纹理特征，拉普拉斯算子/>用于提取图像的高频信息，即图像中的边缘、纹理的细节特征，通过采用了多项式的形式对黄金图像进行滤波处理，可以有效地降低图像中的噪声，平滑图像，增强黄金纹理的特征，从而提高后续黄金孔洞面积占比计算的准确性和可靠性。
本申请的有益效果在于：本发明中实现了对黄金的自动化检测，减少了人工操作的误差和时间成本，提高了检测效率和准确性。采用了声波振动装置进行振动作业，可以更好地保证黄金的均匀性和充分暴露性，提高了检测精度。通过多点位X荧光检测作业，可以对黄金成分进行深入分析，提高了检测的精度和全面性。采用了置物框底部规则的透视孔，可以更好地控制光线的入射角度和光路，提高了拍摄的清晰度和准确性。通过灰度化、滤波处理、二值化、边缘检测的处理步骤，可以对图像信息进行优化处理，提高了黄金定位和孔洞面积占比计算的精度。通过黄金位姿状态信息的检测，可以更好地控制声波振动的时机和停止振动的时机，提高了黄金的暴露度和检测效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1示出了一实施例的黄金检测装置的方框示意图；
图2-图3示出了一实施例的基于机器视觉的黄金多点位X荧光检测方法的步骤流程图；
图4示出了一实施例的声波振物作业的步骤流程图；
图5示出了一实施例的黄金位姿状态确定作业的步骤流程图；
图6示出了一实施例的位姿状态计算方法的步骤流程图；
图7示出了一实施例的黑色孔隙统计方法的步骤流程图；
图8示出了一实施例的多点位荧光检测作业的步骤流程图；
图9示出了一实施例的黄金孔洞面积占比计算方法的步骤流程图。
具体实施方式
下面结合附图对本发明专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的技术人员在没有做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。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
请参阅图1至图9，本申请提供了一种基于机器视觉的黄金多点位X荧光检测方法，应用于黄金检测设备，黄金检测设备包括置物框、拍摄装置、补光灯以及控制器，多个拍摄装置与补光灯均与控制器电性连接，多个拍摄装置分别安装于置物框的正上方、侧方以及正下方并直面置物框，置物框底部开设有多个规则的透视孔，补光灯安置于置物框的正上方并直面置物框，基于机器视觉的黄金多点位X荧光检测方法包括以下步骤：
步骤S1：将黄金放置于置物框并检测以获取黄金位姿状态信息，其中黄金位姿状态信息包括直立状态信息以及平放状态信息；
具体地，例如使用机器视觉系统对置物框中的黄金进行扫描和分析，确定黄金的位姿状态，包括是否直立或平放。
具体地，例如通过摄像头获取图像数据，并对图像数据通过图像处理技术进行分析，从而获取黄金位姿数据。
步骤S2：持续控制补光灯对置物框内的黄金进行补光作业，并利用置物框下方的拍摄装置进行拍摄作业，从而获得第一图像信息；
具体地，例如将黄金样品放入置物框中，调整补光灯的亮度和角度，使黄金样品充分暴露在光线下，然后使用置物框下方的拍摄装置进行拍摄作业，获得第一图像信息。在这个过程中，补光灯的光线应该要均匀且充分，以保证第一图像信息的质量和准确性。
步骤S3：对第一图像信息进行二值化计算，从而获得第一二值化图像信息，并对第一二值化图像信息进行黑色孔隙统计，从而获得黑色孔隙数量信息，以判断黑色孔隙数量信息是否小于预设的第一黑色孔隙阈值；
具体地，例如假设第一黑色孔隙阈值设定为50，对第一图像信息进行二值化处理后，得到第一二值化图像信息。
步骤S4：确定黑色孔隙数量信息大于或等于预设的第一黑色孔隙数量信息时，则跳转至步骤S8，确定黑色孔隙数量信息小于预设的第一黑色孔隙数量信息时，则执行步骤S5；
具体地，例如根据黑色孔隙数量信息与预设的第一黑色孔隙阈值进行比较，如果数量大于或等于阈值，则跳转至步骤S8，否则执行步骤S5。
步骤S5：利用置物框下方的拍摄装置进行拍摄作业，获得第二图像信息并对第二图像信息进行二值化计算，从而获得第二二值化图像信息；
具体地，例如利用置物框下方的CCD相机进行拍摄作业，获得高分辨率的第二图像信息，并对其进行预处理，包括灰度化、去噪、平滑等操作，从而获得更加清晰的第二图像信息。接着，对第二图像信息进行二值化处理，以便后续的黑色孔隙统计。
步骤S6：对第二二值化图像信息进行黑色孔隙统计，从而获得黑色孔隙数量信息，判断黑色孔隙数量信息是否小于预设的第二黑色孔隙阈值；
具体地，例如对二值化图像进行黑色孔隙统计，包括孔洞数量、孔洞面积等统计指标。统计方法可以采用阈值分割、形态学运算的计算机视觉技术。
步骤S7：获取黄金质量信息，确定黑色孔隙数量信息大于或等于预设的第二黑色孔隙阈值时，则将黄金质量信息确定为质重黄金信息，确定黑色孔隙数量信息小于预设的第二黑色孔隙阈值时，则将黄金质量信息确定为质轻黄金信息；
具体地，例如根据预设的第二黑色孔隙阈值进行判断，如果黑色孔隙数量信息大于或等于该阈值，则将黄金质量信息确定为质重黄金信息；如果小于该阈值，则将黄金质量信息确定为质轻黄金信息。该阈值可以根据黄金质量标准和实际应用需求进行设定。
步骤S8：根据第二二值化图像信息进行黄金定位，从而获取黄金位置信息，并根据黄金位置信息以及黄金质量信息进行多点位荧光检测作业，从而获得黄金成分信息。
具体地，例如根据第二二值化图像信息进行黄金定位，采用计算机视觉技术对图像中的黄金目标进行检测和跟踪，从而获取黄金位置信息。接着，根据黄金位置信息以及黄金质量信息，确定检测点位置信息，进行多点位荧光检测作业，以获得黄金成分信息。
本发明通过机器视觉技术，能够准确获取黄金的位姿状态信息，包括直立状态和平放状态，从而为后续的检测作业提供准确的基础数据。利用置物框内多个拍摄装置和补光灯，以及规则的透视孔布局，实现对黄金的多点位拍摄和补光，从不同角度获取多个图像信息，提高检测的全面性和准确性。通过对图像进行二值化计算和黑色孔隙统计，可以定量地获得黄金中的黑色孔隙数量信息，用于判断黄金质量的重要指标之一。根据预设的黑色孔隙阈值和黄金质量信息，对黄金进行质重和质轻的判断，提供了一种简便可靠的黄金质量鉴定方法。通过对第二二值化图像信息进行黄金定
优选地，黄金检测设备包括声波振动装置，步骤S1具体为：
步骤S11：将黄金放置于置物框，并控制声波发生器以及振动装置进行第一声波振物作业；
具体地，例如将黄金放置于置物框，并控制声波发生器以及振动装置进行第一声波振物作业，例如设置声波发生器的频率为50Hz，振动装置的振幅为10mm，以产生适当的振动力度。
步骤S12：对置物框进行黄金位姿状态确定作业，从而生成黄金位姿状态信息；
具体地，例如对置物框进行黄金位姿状态确定作业，从而生成黄金位姿状态信息，例如利用机器视觉算法对拍摄的图像进行分析，检测黄金的位姿状态，如是否直立、倾斜等。
步骤S13：若确定黄金位姿状态信息为直立状态信息，则对置物框进行第二声波振物作业；
具体地，例如若确定黄金位姿状态信息为直立状态信息，则对置物框进行第二声波振物作业，例如设置声波发生器的频率为60Hz，振动装置的振幅为15mm，以产生更大的振动力度。
步骤S14：对置物框进行黄金位姿状态确定作业，从而生成黄金位姿状态信息，当确定黄金位姿状态信息为直立状态信息时，则对置物框进行第三声波振物作业，直至确定黄金位姿状态信息为平放状态信息，其中第一声波振物作业以及第二声波振物作业为根据置物框获取的黄金质量生成的不同振动频率的声波振物作业，第三声波振物作业为迭代选择的第一声波振物作业以及第二声波振物作业。
具体地，例如对置物框进行黄金位姿状态确定作业，从而生成黄金位姿状态信息，当确定黄金位姿状态信息为直立状态信息时，则对置物框进行第三声波振物作业，例如迭代选择第一声波振物作业和第二声波振物作业的频率和振幅，以获得最佳的振动效果，直至检测到黄金的平放状态信息。
本发明通过对置物框进行多次声波振动作业和黄金位姿状态确定作业，可以准确地确定黄金的位姿状态信息，从而避免了误判和漏判的情况，提高了检测的精度和准确性。其中第一声波振物作业以及第二声波振物作业根据置物框获取的黄金质量生成，振动幅度在保证对黄金产生移动翻转行为的同时，不会抖动出置物框，从而避免了潜在的问题，当始终确定无法产生平放状态信息时，采用迭代选择的声波振幅作业进行作业，通过这种迭代选择方法，可以确定最佳的声波振动作业，提高了检测精度和准确性。
优选地，其中步骤S12以及步骤S14中黄金位姿状态确定作业具体为：
步骤S121：分别控制置物框正上方以及侧方的拍摄装置进行拍摄作业，从而获得上方图像信息以及侧方图像信息；
具体地，例如在黄金放置于置物框后，分别将置物框正上方以及侧方的拍摄装置对置物框进行拍摄作业，以获取上方图像信息以及侧方图像信息。
步骤S122：对上方图像信息以及侧方图像信息进行预处理，从而获得上方图像预处理信息以及侧方图像预处理信息；
具体地，例如对获得的上方图像信息以及侧方图像信息进行预处理，例如图像去噪、亮度调整、颜色转换等，以获得上方图像预处理信息以及侧方图像预处理信息。
步骤S123：分别对上方图像预处理信息以及侧方图像预处理信息进行边缘计算，从而获得上方边缘图像信息以及侧方边缘图像信息；
具体地，例如对上方图像预处理信息以及侧方图像预处理信息进行边缘计算，以获得上方边缘图像信息以及侧方边缘图像信息。
步骤S124：对上方边缘图像信息以及侧方边缘图像信息进行非极大值抑制以及双阈值处理，从而获得优化上方边缘图像信息以及优化侧方边缘图像信息；
具体地，例如对上方边缘图像信息以及侧方边缘图像信息进行非极大值抑制以及双阈值处理，从而获得优化上方边缘图像信息以及优化侧方边缘图像信息。对上方边缘图像信息以及侧方边缘图像信息进行非极大值抑制，对图像中的每一个像素点，在其梯度方向上的相邻两个像素点上进行插值，得到该像素点在梯度方向上的精确值，将该像素点的梯度值与其两个相邻像素点的梯度值进行比较，如果该像素点的梯度值最大，则保留该像素点的值，否则将该像素点的值设为0。对上方边缘图像信息以及侧方边缘图像信息进行双阈值处理。将图像中的所有像素点按照梯度值大小进行排序，并将其分为两组：高梯度值组和低梯度值组。根据预设的阈值，将高梯度值组和低梯度值组分别进一步划分为强边缘和弱边缘。通常情况下，强边缘的梯度值高于预设阈值，而弱边缘的梯度值在预设阈值的范围内。将强边缘像素点保留下来，并将弱边缘像素点根据其是否与强边缘像素点相连进行保留或者删除，最终得到优化后的上方边缘图像信息和侧方边缘图像信息。
步骤S125：根据优化上方边缘图像信息以及优化侧方边缘图像信息进行黄金位姿特征提取，从而获得黄金位姿特征信息；
具体地，例如根据优化上方边缘图像信息以及优化侧方边缘图像信息进行黄金位姿特征提取，例如提取黄金的长宽比、角度等特征信息
步骤S126：根据黄金位姿特征信息进行位姿状态计算，从而获得黄金位姿状态信息。
具体地，例如根据黄金位姿特征信息进行位姿状态计算，从而获得黄金位姿状态信息。例如，通过比较黄金的长宽比、角度等特征信息与预设的阈值，判断黄金的位姿状态是直立还是平放状态。
本发明中该方法利用多个角度的拍摄装置对置物框内的黄金进行拍摄作业，并对图像进行预处理、边缘计算和非极大值抑制的处理，从而获得优化的图像信息，提高了位姿状态确定的准确性。此外，该技术还通过黄金位姿特征提取和位姿状态计算，进一步提高了位姿状态确定的准确性。同时通过上方拍摄的图像信息以及侧方拍摄的图像信息进行双重比较，从而保证准确的结果。
优选地，其中步骤S126中位姿状态计算具体为：
步骤S101：根据黄金位姿特征信息中的特征点以及线段信息进行连接计算，从而获得主径信息以及侧枝信息；
具体地，例如将黄金位姿特征信息中的特征点进行筛选和分类，同时根据线段信息计算主径和侧枝信息，进行连接计算得到主径和侧枝的连通区域；根据边缘图像，使用霍夫变换检测直线，并筛选出符合条件的直线。例如，在该步骤中可以使用概率霍夫变换（Probabilistic Hough Transform）来检测直线。根据检测出的直线，对主轴进行计算。可以根据直线的交点或者垂线方向等方法进行计算。根据主轴的计算结果，对侧枝进行计算。可以使用主轴和边缘交点等方法进行计算。根据主轴和侧枝信息，确定主轴夹角信息和侧枝信息。
步骤S102：确定主径信息中的主径夹角信息大于预设的夹角阈值信息时，则生成平放状态信息；
具体地，例如根据主径信息计算出主径的夹角信息，当夹角信息大于预设的夹角阈值时，则判断黄金处于平放状态，生成平放状态信息；
步骤S103：确定主径信息中的主径夹角信息小于或等于预设的夹角阈值信息时，确定侧枝信息大于预设的侧枝阈值信息时，则生成平放状态信息；
具体地，例如当主径的夹角信息小于或等于预设的夹角阈值信息时，根据侧枝信息计算侧枝数量，若侧枝数量大于预设的侧枝阈值，则判断黄金处于平放状态，生成平放状态信息；
步骤S104：确定侧枝信息小于或等于预设的侧枝阈值信息时，则生成直立状态信息。
具体地，例如当侧枝数量小于或等于预设的侧枝阈值信息时，则判断黄金处于直立状态，生成直立状态信息，保证准确的结果。
本发明中该方法利用黄金位姿特征信息中的特征点和线段信息进行连接计算，从而获得主径信息和侧枝信息。通过主径信息中的主径夹角信息和侧枝信息的大小关系，可以确定黄金的位姿状态信息。该方法可以更加准确地确定黄金的位姿状态，从而提高了检测的准确性。该方法中的预设的夹角阈值和侧枝阈值是可调整的参数，可以根据不同的黄金样品和检测要求进行灵活设置，进一步提高了检测的灵活性和准确性。
优选地，二值化图像信息包括第一二值化图像信息以及第二二值化图像信息，其中步骤S3以及步骤S6中黑色孔隙统计的步骤具体为：
步骤S31：利用预设的孔隙坐标中心对二值化图像信息通过预设的移动范围内进行移动并进行最大相关黑色像素统计，从而生成最大关联黑色像素；
具体地，例如使用基于模板匹配的方法，通过对预设孔隙模板的移动和匹配，找到图像中与孔隙模板最相似的区域，并统计该区域内的黑色像素数量。
步骤S32：确定最大关联黑色像素大于预设的黑色像素阈值时，则将孔隙坐标中心对应的孔隙标记为黑色孔隙；
具体地，例如根据预设的黑色像素阈值，判断最大关联黑色像素是否超过该阈值，如20px，如果超过，则将对应的孔隙标记为黑色孔隙。
步骤S33：对所有的黑色孔隙的标记信息进行统计，从而获得黑色孔隙数量信息。
具体地，例如使用图像分割的方法将黑色孔隙从背景中分离出来，然后统计黑色孔隙的数量，或者使用形态学处理方法，通过对二值化图像进行膨胀或腐蚀操作，使黑色孔隙相互连接或者断裂，从而方便统计黑色孔隙数量。
本发明中利用预设的孔隙坐标中心对第二二值化图像信息进行移动并进行最大相关黑色像素统计，从而自动确定黑色孔隙的数量。该方法可以避免传统的人工计数方法的主观性和误差，提高黑色孔隙统计的准确性和可靠性。该方法中的黑色像素阈值是可调整的参数，可以根据不同的黄金样品和检测要求进行灵活设置，进一步提高了黑色孔隙统计的灵活性和准确性。通过预设的孔隙中心坐标，降低通过机器视觉技术带来的计算负荷，相比起传统的采用的图像处理以及人工智能技术，达到同样的效果的同时，提高了实用性。
优选地，步骤S8中黄金定位步骤具体为：
根据所有的黑色孔隙进行黑色像素中心点定位，从而获得预估黄金位置信息集；
具体地，例如针对每个黑色孔隙，以该孔隙为中心点，在预设的移动范围内进行移动，分别计算每个位置上的黑色像素值，对于每个黑色孔隙，找到黑色像素值最大的位置，即为该孔隙的中心点，将所有黑色孔隙的中心点坐标作为预估黄金位置信息集。
根据预估黄金位置信息集进行位置预估计算，从而生成黄金位置信息。
具体地，例如根据第二二值化图像信息和黑色孔隙位置信息，可以确定多个预估位置点坐标。例如，在确定每个黑色孔隙位置后，可以在其周围固定范围内生成若干个预估位置点，并记录它们的坐标。对于每个预估位置点，可以通过相对位置计算确定其与黄金位置的大致关系。例如，可以计算每个预估位置点到黄金位置的距离和角度。结合预估位置点坐标和相对位置信息，可以使用三角函数等方法计算出黄金位置的坐标。通过多次计算和校准，例如使用反馈控制等方法，精修黄金位置信息的准确度。
本发明中采用了黑色像素中心点定位和位置预估计算相结合的方法，可以有效地减少定位误差和提高定位精度。同时，通过使用机器视觉技术进行黄金检测，可以实现自动化、高效率的检测过程，并减少人工干预的需要。
优选地，步骤S8中根据黄金位置信息以及黄金质量信息进行多点位荧光检测作业，从而获得黄金成分信息的步骤包括以下步骤：
确定黄金质量信息为质轻黄金信息时，对黄金进行第一多点位X荧光检测作业；
具体地，例如第一多点位X荧光检测作业为一点或两点的多点位X荧光检测作业。
具体地，例如将探头移动到底部检测面的第一个点位上。探头向样品发出X荧光射线，并检测返回的荧光信号。根据荧光信号分析得到底部该点位处的元素含量信息，并记录下来。机械臂将探头移动到下一个点位，重复步骤，直到检测完所有点位。根据所有点位处的元素含量信息进行综合分析，得到底部的成分信息，并确定黄金的位置信息。
确定黄金质量信息为质重黄金信息时，对黄金进行第二多点位X荧光检测作业，其中第一多点位X荧光检测作业与第二多点位X荧光检测作业为采用不同数量测点的多点位X荧光检测作业。
具体地，例如第二多点位X荧光检测作业为三个采样点以上的多点位X荧光检测作业。
具体地，例如将探头移动到侧面检测面的第一个点位上。探头向样品发出X荧光射线，并检测返回的荧光信号。根据荧光信号分析得到底部该点位处的元素含量信息，并记录下来。机械臂将探头移动到下一个点位，重复步骤，直到检测完所有点位。根据所有点位处的元素含量信息进行综合分析，得到底部的成分信息，并确定黄金的位置信息。
本发明中根据黄金质量信息的不同，采用了两个不同的多点位X荧光检测作业。根据质轻和质重黄金的特点，通过不同数量测点的荧光检测，可以针对性地获取相关信息。这种区分可以更好地适应不同类型黄金的检测需求，提高准确性和可靠性。采用不同的多点位荧光检测作业可以在一次测试中获取更多的信息，避免了多次测试的成本和时间开销。同时，准确的黄金成分信息有助于优化黄金的加工和利用过程，提高资源利用效率和经济效益。，可以更全面地检测黄金的成分。
优选地，步骤S8中多点位荧光检测作业的步骤具体为：
步骤S71：根据第二图像信息进行黄金孔洞面积占比计算，从而获得暴露黄金面积数据集；
具体地，例如将预处理后的图像转化为灰度图像，去除噪声和背景干扰。根据灰度图像的特征，选取适当的阈值，将灰度图像转化为二值化图像。这里可以使用一些经典的二值化方法，如OTSU方法、自适应阈值等。通过形态学操作，去除图像中的一些小孔洞和噪声，同时保留黄金孔洞的形状和大小特征。这里可以使用一些形态学处理方法，如膨胀、腐蚀、开操作、闭操作等。通过连通域分析，将图像中的每个孔洞分别提取出来，并计算每个孔洞的面积。这里可以使用一些连通域分析的方法，如基于4-联通或8-联通的方法，或者基于阈值分割的方法。根据黄金孔洞的大小和形状特征，对孔洞面积进行筛选，选取符合条件的孔洞面积，并计算这些孔洞的面积之和。这里可以根据实际需求设定一些参数和阈值，如最小孔洞面积、最大孔洞面积、黄金孔洞的形状、大小等。
步骤S72：根据暴露黄金面积数据集通过预设的暴露黄金孔洞阈值进行选取，从而获得最大暴露黄金孔洞集；
具体地，例如根据预设的暴露黄金孔洞阈值，对暴露黄金面积数据集进行筛选，从而获得最大暴露黄金孔洞集。
步骤S73：根据最大暴露黄金孔洞集的位置信息进行评估计算，从而获得最佳机械臂移动容器定位位置信息以及检测点位置信息，利用测金仪的探头对检测点位置信息进行数据采集，并利用测金仪对检测点位置信息进行元素分析。
具体地，例如根据最大暴露黄金孔洞集的位置信息，在图像中定位出对应的区域；使用形态学操作、连通域分析等图像处理方法，从该区域中提取出待测区域；对待测区域进行边缘检测和二值化处理，得到二值化图像；根据二值化图像，计算待测区域的重心坐标；结合测金仪的探头大小和位置，通过装置进行控制，将待测区域移动到测金仪探头下；运行测金仪程序，对待测区域进行一次或多次元素分析，得到黄金成分信息。
本发明中通过计算黄金孔洞面积占比和选取最大暴露黄金孔洞集来确定最佳的机械臂移动容器定位位置信息和检测点位置信息。通过一次或多次元素分析，可以准确地确定黄金的成分信息，从而实现了高精度的黄金质量检测和分析。
优选地，黄金孔洞面积占比计算的步骤具体为：
步骤S711：对第二图像信息进行灰度化计算，从而获得灰度图像信息；
具体地，例如通过将第二图像信息加载到软件中，然后选择灰度化操作，即可生成对应的灰度图像信息。
步骤S712：对灰度图像信息进行滤波处理，从而获得滤波图像信息；
具体地，例如选择高斯滤波、中值滤波等滤波方法，对灰度图像进行滤波处理，以去除图像中的噪声和干扰，从而生成对应的滤波图像信息。
步骤S713：对滤波图像信息进行二值化计算，从而获得二值化图像信息；
具体地，例如选择自适应阈值法、OTSU法等二值化方法，将滤波图像信息转化为只包含黑白两种颜色的二值化图像信息。
步骤S714：对二值化图像信息进行边缘检测，从而获得边缘图像信息；
具体地，例如选择Canny算子、Sobel算子等边缘检测算法，对二值化图像信息进行边缘检测，从而生成对应的边缘图像信息。
步骤S715：对边缘图像信息进行轮廓提取，从而获得轮廓图像信息；
具体地，例如通过轮廓检测算法，从边缘图像信息中提取出黄金孔洞的轮廓信息，生成对应的轮廓图像信息。
步骤S716：对轮廓图像信息进行孔洞面积计算，从而获得暴露黄金面积数据集。
具体地，例如利用图像处理软件中的面积计算工具，对轮廓图像信息中提取出的黄金孔洞进行面积计算，以得到黄金孔洞面积数据，从而获得暴露黄金面积数据集。
本发明中通过灰度化处理，将彩色图像转换为灰度图像，彩色图像每个像素需要三个通道（红、绿、蓝）来表示，而灰度图像只需要一个通道就能表示，数据量减少了三分之二，更方便存储和处理；在灰度图像中，每个像素值代表该像素的亮度或灰度值，方便进行图像处理操作，如对比度增强、噪声去除等；噪声和干扰会影响图像的质量和清晰度，通过滤波处理可以有效去除这些影响，提高图像质量；在二值化图像中，每个像素只有两种取值（一般为0和1），方便进行图像处理操作，如形态学处理、边缘提取，可以检测图像中的边缘信息，即将物体的边缘和背景分离出来，去除了其他细节信息。这样做的有益效果是可以提高图像的分析和处理效率，轮廓提取可以将图像中的物体轮廓分离出来，提取出物体的形状信息。这样做的有益效果是可以进一步简化图像信息，减少处理的复杂度和计算量，孔洞面积计算可以计算图像中孔洞的面积信息，提取出暴露的黄金面积。这样做的有益效果是可以为后续的黄金成分分析提供必要的信息。
优选地，滤波处理通过滤波计算公式进行计算，其中滤波计算公式具体为：
为滤波图像信息中/>处像素信息，/>为黄金偏差项的权重系数，/>为黄金纹理误差指数的权重系数，/>为sigmoid函数，/>为灰度图像信息中/>处像素信息，/>为滤波器，/>为高斯函数，/>为黄金纹理指数的权重系数，/>为黄金纹理指数，/>为拉普拉斯算子，/>为滤波图像信息中/>处像素信息的修正信息。
本发明中充分考虑了黄金偏差项的权重系数、黄金纹理误差指数的权重系数/>、sigmoid函数/>、灰度图像信息中/>处像素信息/>、滤波器/>、高斯函数/>、黄金纹理指数的权重系数/>、黄金纹理指数/>、拉普拉斯算子/>以及相互之间的作用关系，其中黄金偏差项的权重系数/>调节了原始图像与滤波后图像的差异程度，使图像平滑程度和边缘保留程度达到平衡，黄金纹理误差指数的权重系数/>黄金纹理误差指数的权重系数，调节了对黄金纹理细节的保留程度，使图像纹理更加清晰，sigmoid函数/>用于调节黄金纹理细节对滤波图像的影响程度，从而实现黄金纹理的平滑处理，滤波器/>用于对图像进行平滑处理，常用的滤波器有高斯滤波器、中值滤波器等，高斯函数/>用于调节滤波图像中像素的权重，使得离中心像素越近的像素权重越大，离中心像素越远的像素权重越小，黄金纹理指数的权重系数/>调节了对黄金纹理特征的保留程度，使得滤波后的图像更加符合黄金纹理特征，拉普拉斯算子/>用于提取图像的高频信息，即图像中的边缘、纹理的细节特征，通过采用了多项式的形式对黄金图像进行滤波处理，可以有效地降低图像中的噪声，平滑图像，增强黄金纹理的特征，从而提高后续黄金孔洞面积占比计算的准确性和可靠性。
本申请的有益效果在于：本发明中实现了对黄金的自动化检测，减少了人工操作的误差和时间成本，提高了检测效率和准确性。采用了声波振动装置进行振动作业，可以更好地保证黄金的均匀性和充分暴露性，提高了检测精度。通过多点位X荧光检测作业，可以对黄金成分进行深入分析，提高了检测的精度和全面性。采用了置物框底部规则的透视孔，可以更好地控制光线的入射角度和光路，提高了拍摄的清晰度和准确性。通过灰度化、滤波处理、二值化、边缘检测的处理步骤，可以对图像信息进行优化处理，提高了黄金定位和孔洞面积占比计算的精度。通过黄金位姿状态信息的检测，可以更好地控制声波振动的时机和停止振动的时机，提高了黄金的暴露度和检测效率。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附申请文件而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于机器视觉的黄金多点位X荧光检测方法，其特征在于，应用于黄金检测设备，黄金检测设备包括置物框、拍摄装置、补光灯以及控制器，多个拍摄装置与补光灯均与控制器电性连接，多个拍摄装置分别安装于置物框的正上方、侧方以及正下方并直面置物框，置物框底部开设有多个规则的透视孔，补光灯安置于置物框的正上方并直面置物框，基于机器视觉的黄金多点位X荧光检测方法包括以下步骤：
步骤S1：将黄金放置于置物框并检测以获取黄金位姿状态信息，其中黄金位姿状态信息包括直立状态信息以及平放状态信息；
步骤S2：持续控制补光灯对置物框内的黄金进行补光作业，并利用置物框下方的拍摄装置进行拍摄作业，从而获得第一图像信息；
步骤S3：对第一图像信息进行二值化计算，从而获得第一二值化图像信息，并对第一二值化图像信息进行黑色孔隙统计，从而获得黑色孔隙数量信息，以判断黑色孔隙数量信息是否小于预设的第一黑色孔隙阈值；
步骤S4：确定黑色孔隙数量信息大于或等于预设的第一黑色孔隙数量信息时，则跳转至步骤S8，确定黑色孔隙数量信息小于预设的第一黑色孔隙数量信息时，则执行步骤S5；
步骤S5：利用置物框下方的拍摄装置进行拍摄作业，获得第二图像信息并对第二图像信息进行二值化计算，从而获得第二二值化图像信息；
步骤S6：对第二二值化图像信息进行黑色孔隙统计，从而获得黑色孔隙数量信息，判断黑色孔隙数量信息是否小于预设的第二黑色孔隙阈值；
步骤S7：获取黄金质量信息，确定黑色孔隙数量信息大于或等于预设的第二黑色孔隙阈值时，则将黄金质量信息确定为质重黄金信息，确定黑色孔隙数量信息小于预设的第二黑色孔隙阈值时，则将黄金质量信息确定为质轻黄金信息；
步骤S8：根据第二二值化图像信息进行黄金定位，从而获取黄金位置信息，并根据黄金位置信息以及黄金质量信息进行多点位荧光检测作业，从而获得黄金成分信息。
2.根据权利要求1所述的方法，其特征在于，黄金检测设备包括声波振动装置，步骤S1具体为：
步骤S11：将黄金放置于置物框，并控制声波发生器以及振动装置进行第一声波振物作业；
步骤S12：对置物框进行黄金位姿状态确定作业，从而生成黄金位姿状态信息；
步骤S13：若确定黄金位姿状态信息为直立状态信息，则对置物框进行第二声波振物作业；
步骤S14：对置物框进行黄金位姿状态确定作业，从而生成黄金位姿状态信息，当确定黄金位姿状态信息为直立状态信息时，则对置物框进行第三声波振物作业，直至确定黄金位姿状态信息为平放状态信息，其中第一声波振物作业以及第二声波振物作业为根据置物框获取的黄金质量生成的不同振动频率的声波振物作业，第三声波振物作业为迭代选择的第一声波振物作业以及第二声波振物作业。
3.根据权利要求2所述的方法，其特征在于，其中步骤S12以及步骤S14中黄金位姿状态确定作业具体为：
步骤S121：分别控制置物框正上方以及侧方的拍摄装置进行拍摄作业，从而获得上方图像信息以及侧方图像信息；
步骤S122：对上方图像信息以及侧方图像信息进行预处理，从而获得上方图像预处理信息以及侧方图像预处理信息；
步骤S123：分别对上方图像预处理信息以及侧方图像预处理信息进行边缘计算，从而获得上方边缘图像信息以及侧方边缘图像信息；
步骤S124：对上方边缘图像信息以及侧方边缘图像信息进行非极大值抑制以及双阈值处理，从而获得优化上方边缘图像信息以及优化侧方边缘图像信息；
步骤S125：根据优化上方边缘图像信息以及优化侧方边缘图像信息进行黄金位姿特征提取，从而获得黄金位姿特征信息；
步骤S126：根据黄金位姿特征信息进行位姿状态计算，从而获得黄金位姿状态信息。
4.根据权利要求3所述的方法，其特征在于，其中步骤S126中位姿状态计算具体为：
步骤S101：根据黄金位姿特征信息中的特征点以及线段信息进行连接计算，从而获得主径信息以及侧枝信息；
步骤S102：确定主径信息中的主径夹角信息大于预设的夹角阈值信息时，则生成平放状态信息；
步骤S103：确定主径信息中的主径夹角信息小于或等于预设的夹角阈值信息时，确定侧枝信息大于预设的侧枝阈值信息时，则生成平放状态信息；
步骤S104：确定侧枝信息小于或等于预设的侧枝阈值信息时，则生成直立状态信息。
5.根据权利要求1所述的方法，其特征在于，二值化图像信息包括第一二值化图像信息以及第二二值化图像信息，其中步骤S3以及步骤S6中黑色孔隙统计的步骤具体为：
步骤S31：利用预设的孔隙坐标中心对二值化图像信息通过预设的移动范围内进行移动并进行最大相关黑色像素统计，从而生成最大关联黑色像素；
步骤S32：确定最大关联黑色像素大于预设的黑色像素阈值时，则将孔隙坐标中心对应的孔隙标记为黑色孔隙；
步骤S33：对所有的黑色孔隙的标记信息进行统计，从而获得黑色孔隙数量信息。
6.根据权利要求5所述的方法，其特征在于，步骤S8中黄金定位步骤具体为：
根据所有的黑色孔隙进行黑色像素中心点定位，从而获得预估黄金位置信息集；
根据预估黄金位置信息集进行位置预估计算，从而生成黄金位置信息。
7.根据权利要求1所述的方法，其特征在于，步骤S8中根据黄金位置信息以及黄金质量信息进行多点位荧光检测作业，从而获得黄金成分信息的步骤包括以下步骤：
确定黄金质量信息为质轻黄金信息时，对黄金进行第一多点位X荧光检测作业；
确定黄金质量信息为质重黄金信息时，对黄金进行第二多点位X荧光检测作业，其中第一多点位X荧光检测作业与第二多点位X荧光检测作业为采用不同数量测点的多点位X荧光检测作业。
8.根据权利要求1所述的方法，其特征在于，步骤S8中多点位荧光检测作业的步骤具体为：
步骤S71：根据第二图像信息进行黄金孔洞面积占比计算，从而获得暴露黄金面积数据集；
步骤S72：根据暴露黄金面积数据集通过预设的暴露黄金孔洞阈值进行选取，从而获得最大暴露黄金孔洞集；
步骤S73：根据最大暴露黄金孔洞集的位置信息进行评估计算，从而获得最佳机械臂移动容器定位位置信息以及检测点位置信息，利用测金仪的探头对检测点位置信息进行数据采集，并利用测金仪对检测点位置信息进行元素分析。
9.根据权利要求8所述的方法，其特征在于，步骤S71中的黄金孔洞面积占比计算的步骤具体为：
步骤S711：对第二图像信息进行灰度化计算，从而获得灰度图像信息；
步骤S712：对灰度图像信息进行滤波处理，从而获得滤波图像信息；
步骤S713：对滤波图像信息进行二值化计算，从而获得二值化图像信息；
步骤S714：对二值化图像信息进行边缘检测，从而获得边缘图像信息；
步骤S715：对边缘图像信息进行轮廓提取，从而获得轮廓图像信息；
步骤S716：对轮廓图像信息进行孔洞面积计算，从而获得暴露黄金面积数据集。
10.根据权利要求9所述的方法，其特征在于，步骤S712中的滤波处理通过滤波计算公式进行计算，其中滤波计算公式具体为：
为滤波图像信息中/>处像素信息，/>为黄金偏差项的权重系数，/>为黄金纹理误差指数的权重系数，/>为sigmoid函数，/>为灰度图像信息中/>处像素信息，/>为滤波器，/>为高斯函数，/>为黄金纹理指数的权重系数，/>为黄金纹理指数，/>为拉普拉斯算子，/>为滤波图像信息中/>处像素信息的修正信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310807353.1A CN116577363B (zh) | 2023-07-04 | 2023-07-04 | 基于机器视觉的黄金多点位x荧光检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310807353.1A CN116577363B (zh) | 2023-07-04 | 2023-07-04 | 基于机器视觉的黄金多点位x荧光检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116577363A true CN116577363A (zh) | 2023-08-11 |
| CN116577363B CN116577363B (zh) | 2023-10-17 |
Family
ID=87538022
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310807353.1A Active CN116577363B (zh) | 2023-07-04 | 2023-07-04 | 基于机器视觉的黄金多点位x荧光检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116577363B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1091829A (zh) * | 1993-09-13 | 1994-09-07 | 中国石化大庆石油化工总厂 | 金饰品的x射线荧光检验法 |
| CN1110405A (zh) * | 1994-04-12 | 1995-10-18 | 中国科学院上海原子核研究所 | 微区x射线荧光黄金首饰分析装置 |
| CN109164123A (zh) * | 2017-06-29 | 2019-01-08 | 宝山钢铁股份有限公司 | X荧光光谱仪的样品预检方法及装置 |
| CN216956002U (zh) * | 2021-12-17 | 2022-07-12 | 深圳上善智能有限公司 | 贵金属回收机多点测金装置 |
| CN115855940A (zh) * | 2022-12-10 | 2023-03-28 | 武汉花生堂文化艺术有限公司 | 基于机器视觉的黄金首饰加工质量智能监测分析调控系统 |
| CN116106307A (zh) * | 2023-03-31 | 2023-05-12 | 深圳上善智能有限公司 | 一种基于图像识别的智能兑金机的检测结果评估方法 |
-
2023
- 2023-07-04 CN CN202310807353.1A patent/CN116577363B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1091829A (zh) * | 1993-09-13 | 1994-09-07 | 中国石化大庆石油化工总厂 | 金饰品的x射线荧光检验法 |
| CN1110405A (zh) * | 1994-04-12 | 1995-10-18 | 中国科学院上海原子核研究所 | 微区x射线荧光黄金首饰分析装置 |
| CN109164123A (zh) * | 2017-06-29 | 2019-01-08 | 宝山钢铁股份有限公司 | X荧光光谱仪的样品预检方法及装置 |
| CN216956002U (zh) * | 2021-12-17 | 2022-07-12 | 深圳上善智能有限公司 | 贵金属回收机多点测金装置 |
| CN115855940A (zh) * | 2022-12-10 | 2023-03-28 | 武汉花生堂文化艺术有限公司 | 基于机器视觉的黄金首饰加工质量智能监测分析调控系统 |
| CN116106307A (zh) * | 2023-03-31 | 2023-05-12 | 深圳上善智能有限公司 | 一种基于图像识别的智能兑金机的检测结果评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116577363B (zh) | 2023-10-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110349126B (zh) | 一种基于卷积神经网络带标记的钢板表面缺陷检测方法 | |
| CN110286124B (zh) | 基于机器视觉的耐火砖测量系统 | |
| CN113592845A (zh) | 一种电池涂布的缺陷检测方法及装置、存储介质 | |
| CN108682008B (zh) | 一种白细胞图像清晰度评价方法及装置 | |
| CN111915704A (zh) | 一种基于深度学习的苹果分级识别方法 | |
| AU2015283079A1 (en) | Detecting edges of a nucleus using image analysis | |
| CN109165538A (zh) | 基于深度神经网络的条形码检测方法及装置 | |
| CN112862744B (zh) | 一种基于超声图像的电容内部缺陷智能检测方法 | |
| CN114549981A (zh) | 一种基于深度学习的智能巡检指针式仪表识别及读数方法 | |
| CN115082451B (zh) | 一种基于图像处理的不锈钢汤勺缺陷检测方法 | |
| CN111259908A (zh) | 基于机器视觉的钢卷号识别方法、系统、设备及存储介质 | |
| CN116703909B (zh) | 一种电源适配器生产质量智能检测方法 | |
| CN114332026A (zh) | 一种铭牌表面划痕缺陷的视觉检测方法及装置 | |
| CN116664565A (zh) | 一种光伏太阳能电池片的隐裂检测方法及系统 | |
| US6577775B1 (en) | Methods and apparatuses for normalizing the intensity of an image | |
| CN104574312A (zh) | 标靶图像求圆心的方法和装置 | |
| CN114862817A (zh) | 一种电路板金手指区域缺陷检测方法及系统及装置及介质 | |
| CN117689716B (zh) | 板件视觉定位识别抓取方法、控制系统及板件生产线 | |
| CN113673396B (zh) | 一种孢子发芽率计算方法、装置及存储介质 | |
| CN117372435B (zh) | 基于图像特征的连接器针脚检测方法 | |
| CN116577363B (zh) | 基于机器视觉的黄金多点位x荧光检测方法 | |
| CN111639708B (zh) | 图像处理方法、装置、存储介质及设备 | |
| CN111507177B (zh) | 一种用于计量周转柜的识别方法及装置 | |
| CN110174063A (zh) | 一种基于机器视觉的中性笔墨水高度检测系统及检测方法 | |
| CN114187269B (zh) | 小零器件表面缺陷边缘快速检测方法 |
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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40097423 Country of ref document: HK |