CN116879292B - 一种光触媒硅藻泥板的质量评估方法及装置 - Google Patents
一种光触媒硅藻泥板的质量评估方法及装置 Download PDFInfo
- Publication number
- CN116879292B CN116879292B CN202310847293.6A CN202310847293A CN116879292B CN 116879292 B CN116879292 B CN 116879292B CN 202310847293 A CN202310847293 A CN 202310847293A CN 116879292 B CN116879292 B CN 116879292B
- Authority
- CN
- China
- Prior art keywords
- image
- photocatalyst
- plate
- diatom ooze
- image acquisition
- 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
- 239000011941 photocatalyst Substances 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 25
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims abstract description 52
- 238000001514 detection method Methods 0.000 claims description 44
- 230000002159 abnormal effect Effects 0.000 claims description 39
- 230000015654 memory Effects 0.000 claims description 24
- 230000001699 photocatalysis Effects 0.000 claims description 19
- 230000000007 visual effect Effects 0.000 claims description 16
- 239000002932 luster Substances 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 6
- 241000195493 Cryptophyta Species 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001303 quality assessment method Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 description 14
- 238000003062 neural network model Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000005909 Kieselgur Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
- G01N21/57—Measuring gloss
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Catalysts (AREA)
Abstract
本发明涉及一种光触媒硅藻泥板的质量评估方法及装置，公开了调用图像采集设备对处于堆叠区域的光触媒硅藻泥板进行采集，得到采集图像；基于采集图像检测光触媒硅藻泥板对应的图像位置信息，并按照图像位置信息从采集图像中提取光触媒硅藻泥板对应的光触媒硅藻泥板图像；从光触媒硅藻泥板图像中提取光触媒硅藻泥板对应的光泽特征；根据光泽特征确定光触媒硅藻泥板的质量信息。本申请实施例通过调用图像采集设备对光触媒硅藻泥板进行图像采集，并对采集图像进行检测，从而得到光触媒硅藻泥板的光泽特征，最终通过光泽特征对光触媒硅藻泥板进行质量评估，实现了光触媒硅藻泥板的自动化质量评估的，无需凭借人工经验完成，提高了质量评估效率。
Description
技术领域
本发明涉及硅藻泥板检测领域，具体涉及一种光触媒硅藻泥板的质量评估方法及装置。
背景技术
目前对于在对光触媒硅藻泥板进行检测时，通常需要人工进行筛查，利用人工经验进行判断，对人工的依赖性较大。当光触媒硅藻泥板的数量庞大时，人工进行质量检测的时间较长，且无法快速筛查出质量存在问题的光触媒硅藻泥板。
发明内容
有鉴于此，本发明实施例提供了一种光触媒硅藻泥板的质量评估方法及装置，以解决人工进行质量检测的时间较长，且无法快速筛查出质量存在问题的光触媒硅藻泥板的问题。
第一方面，本发明实施例提供了一种光触媒硅藻泥板的质量评估方法，包括：
调用图像采集设备对处于堆叠区域的光触媒硅藻泥板进行采集，得到采集图像，其中，所述采集图像中包括至少一个光触媒硅藻泥板；
基于所述采集图像检测所述光触媒硅藻泥板对应的图像位置信息，并按照所述图像位置信息从所述采集图像中提取所述光触媒硅藻泥板对应的光触媒硅藻泥板图像；
从所述光触媒硅藻泥板图像中提取所述光触媒硅藻泥板对应的光泽特征；
根据所述光泽特征确定所述光触媒硅藻泥板的质量信息。
进一步的，所述调用图像采集设备对处于堆叠区域的光触媒硅藻泥板进行采集，得到采集图像，包括：
调用所述图像采集设备对所述堆叠区域进行采集得到区域图像；
基于所述区域图像检测所述光触媒硅藻泥板对应的堆叠状态；
利用所述堆叠状态生成所述图像采集设备对应的设备调整指令，其中，所述设备调整指令用于调整所述图像采集设备的图像采集位置；
控制所述图像采集设备移动至所述设备调整指令所指示的图像采集位置对所述光触媒硅藻泥板进行采集，得到所述采集图像。
进一步的，所述利用所述堆叠状态生成所述图像采集设备对应的设备调整指令，包括：
基于所述堆叠状态确定所述光触媒硅妮藻板的目标表面，并确定所述目标表面对应的第一位置信息，其中，所述目标表面为用于展示的表面，所述第一位置信息为所述目标表面对应的最佳图像采集位置；
确定所述所述图像采集设备当前的第二位置信息；
基于所述第二位置信息与所述第一位置信息之间的路径生成所述设备调整指令。
进一步的，所述确定所述目标表面对应的第一位置信息，包括：
基于所述区域图像检测所述目标表面中的关键点集合，其中，所述关键点集合包括中心关键点以及至少一个边缘关键点；
根据所述中心关键点获取垂直于所述目标表面的虚拟中心线，并按照预设高度范围从所述虚拟中心线中选取至少一个候选位置；
基于所述候选位置构建虚拟采集视野范围；
将大于所述目标表面对应的表面面积的虚拟采集视野范围对应的候选位置作为目标位置，并将所述目标位置的坐标信息作为所述第一位置信息。
进一步的，所述从所述光触媒硅藻泥板图像中提取所述光触媒硅藻泥板对应的光泽特征，包括：
将所述光触媒硅藻泥板图像输入至预先训练好的检测模型；
通过所述检测模型检测所述光触媒硅藻泥板图像中每个像素点在RGB特征值、灰度值得到所述像素点的光泽特征。
进一步的，所述根据所述光泽特征确定所述光触媒硅藻泥板的质量信息，包括：
根据所述光泽特征确定所述光触媒硅藻泥板的光泽异常区域；
调用灯光设备对所述光泽异常区域进行照射，并调用所述图像采集设备对照射后的光泽异常区域进行图像采集，得到异常区域图像；
对所述异常区域图像进行检测，得到所述光触媒硅藻泥板的检测结果，并根据所述检测结果确定所述质量信息。
进一步的，所述对所述异常区域图像进行检测，得到所述光触媒硅藻泥板的检测结果，包括：
提取所述异常区域图像的图像特征；
检测所述图像特征是否存在破损特征，在存在破损特征的情况下，确定所述破损特征对应的破损类型，其中，所述破损特征包括以下至少一个：裂痕特征，残缺特征；
根据所述破损类型作为所述检测结果。
第二方面，本发明实施例提供了一种光触媒硅藻泥板的质量评估装置，所述装置包括：
采集模块，用于调用图像采集设备对处于堆叠区域的光触媒硅藻泥板进行采集，得到采集图像，其中，所述采集图像中包括至少一个光触媒硅藻泥板；
检测模块，用于基于所述采集图像检测所述光触媒硅藻泥板对应的图像位置信息，并按照所述图像位置信息从所述采集图像中提取所述光触媒硅藻泥板对应的光触媒硅藻泥板图像；
提取模块，用于从所述光触媒硅藻泥板图像中提取所述光触媒硅藻泥板对应的光泽特征；
确定模块，用于根据所述光泽特征确定所述光触媒硅藻泥板的质量信息。
第三方面，本发明实施例提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的方法。
本申请实施例提供的方法通过调用图像采集设备对光触媒硅藻泥板进行图像采集，并对采集图像进行检测，从而得到光触媒硅藻泥板的光泽特征，最终通过光泽特征对光触媒硅藻泥板进行质量评估，以此实现了光触媒硅藻泥板的自动化质量评估的，无需凭借人工经验完成，提高了质量评估效率。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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他的附图。
图1是根据本发明一些实施例的光触媒硅藻泥板的质量评估方法的流程示意图；
图2是根据本发明一些实施例的图像采集设备的示意图；
图3是根据本发明一些实施例的虚拟中心线的示意图；
图4是根据本发明一些实施例的虚拟采集视野范围的示意图；
图5是根据本发明实施例的光触媒硅藻泥板的质量评估装置的结构框图；
图6是本发明实施例的计算机设备的硬件结构示意图。
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，所描述的实施例是本发明一部分实施例，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。
根据本发明实施例，提供了一种光触媒硅藻泥板的质量评估方法及装置，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种光触媒硅藻泥板的质量评估方法，图1是根据本发明实施例的一种光触媒硅藻泥板的质量评估方法的流程图，如图1所示，该流程包括如下步骤：
步骤S11，调用图像采集设备对处于堆叠区域的光触媒硅藻泥板进行采集，得到采集图像，其中，采集图像中包括至少一个光触媒硅藻泥板。
本申请实施例提供的方法应用于进行图像、数据处理的智能设备，智能设备可以是移动手机、电脑、iPad等等。智能设备与图像采集设备之间通信连接，图像采集设备可以是处于堆叠区域的光触媒硅藻泥板可移动的且具有图像采集功能的设备，如图2所示，图像采集设备可以包括运动模块300，主控模块200以及采集模块100，主控模块200与智能设备通信连接，用于接收智能设备传输的指令，主控模块200分别连接运动模块300以及采集模块100，采集模块100用于根据指令进行图像采集，运动模块300，用于根据指令进行运动。
在本申请实施例中，调用图像采集设备对处于堆叠区域的光触媒硅藻泥板进行采集，得到采集图像，包括以下步骤A1-A4：
步骤A1，调用图像采集设备对堆叠区域进行采集得到区域图像。
在本申请实施例中，智能设备向图像采集设备发送图像采集指令，图像采集设备中的主控模块响应图像采集指令，并将图像采集指令下发至采集模块，采集模块对处于堆叠区域的光触媒硅藻泥板进行采集，得到区域图像，并经区域图像回传至主控模块，主控模块将区域图像传输至智能设备。
步骤A2，基于区域图像检测光触媒硅藻泥板对应的堆叠状态。
在本申请实施例中，将区域图像输入至状态检测模型，状态检测模型提取区域图像的图像特征，从图像特征中提取光触媒硅藻泥板对应的形态特征，并根据形态特征进行分类，得到光触媒硅藻泥板对应的堆叠状态，堆叠状态包括：平铺状态，垂直状态，斜放状态。
步骤A3，利用堆叠状态生成图像采集设备对应的设备调整指令，其中，设备调整指令用于调整图像采集设备的图像采集位置。
在本申请实施例中，利用堆叠状态生成图像采集设备对应的设备调整指令，包括以下步骤A301-A303：
步骤A301，基于堆叠状态确定光触媒硅妮藻板的目标表面，并确定目标表面对应的第一位置信息，其中，目标表面为用于展示的表面，第一位置信息为目标表面对应的最佳图像采集位置。
在本申请实施例中，智能设备根据光触媒硅藻泥板当前的堆叠状态确定当前需要进行拍摄的目标表面，例如：当堆叠状态为平铺状态时，目标表面可以是光触媒硅藻泥板的上表面。当堆叠状态为垂直状态时，目标表面可以是当前暴露出的表面。当堆叠状态为斜放状态时，目标表面可以是上表面和下表面。
在本申请实施例中，确定目标表面对应的第一位置信息，包括以下过程：首先，基于区域图像检测目标表面中的关键点集合，其中，关键点集合包括中心关键点以及至少一个边缘关键点。具体的，将区域图像输入至关键点检测模型，关键点检测模型提取区域图像的图像特征，并从图像特征中提取出光触媒硅藻泥板的轮廓特征，根据轮廓特征确定边缘关键点，边缘关键点可以是光触媒硅藻泥板的顶点。在得到边缘关键点后，可以根据各个边缘关键点的连线的交点确定中心关键点。
需要说明的是，关键点检测模型的训练方法如下：获取第一训练样本图像以及第一训练样本图像对应的标签信息，第一训练样本图像包括光触媒硅藻泥板，该标签信息用于标注光触媒硅藻泥板的光触媒硅藻泥板特征和关键点坐标，将第一训练样本图像以及标签信息训练神经网络模型，以使神经网络模型学习光触媒硅藻泥板特征与关键点坐标之间的关系，将训练好的神经网络模型作为关键点检测模型。
其次，根据中心关键点获取垂直于目标表面的虚拟中心线，并按照预设高度范围从虚拟中心线中选取至少一个候选位置。具体的，智能设备确定中心关键点之后，基于中心关键点获取垂直于目标表面的虚拟中心线，虚拟中心线如图3所示，然后按照预先高度范围从虚拟中心线中选取虚拟线段，并从虚拟线段中随机选择一个或多个候选位置，如图3中的位置P，位置Q以及位置R。
再者，基于候选位置构建虚拟采集视野范围。具体的，基于候选位置模拟图形采集，并在模拟图像采集过程中得到虚拟采集视野范围，如图4所示，位置P对应的虚拟采集视野范围为虚拟采集视野范围1，位置Q对应的虚拟采集视野范围为虚拟采集视野范围2，位置R对应的虚拟采集视野范围为虚拟采集视野范围3。
最终，将大于目标表面对应的表面面积的虚拟采集视野范围对应的候选位置作为目标位置，并将目标位置的坐标信息作为第一位置信息。具体的，将各个虚拟视野范围与目标表面的表面面积进行对比，将大于目标表面对应的表面面积的虚拟采集视野范围对应的候选位置作为目标位置。
步骤A302，确定图像采集设备当前的第二位置信息。
在本申请实施例中，确定图像采集设备当前在堆叠区域的坐标，并将该坐标作为第二位置信息。
步骤A303，基于第二位置信息与第一位置信息之间的路径生成设备调整指令。
在本申请实施例中，获取堆叠区域的区域环境信息，并从区域环境信息中获取第二位置信息与第一位置信息之间的路径，区域环境信息可以是图像采集设备预先对堆叠区域进行扫描得到的。最终根据路径生成设备调整指令。
步骤A4，控制图像采集设备移动至设备调整指令所指示的图像采集位置对光触媒硅藻泥板进行采集，得到采集图像。
在本申请实施例中，智能设备向图像采集设备发送设备调整指令，图像采集设备的主控模块接收设备调整指令，并将设备调整指令发送至运动模块，运动模块按照设备调整指令指示的路径运动至图像采集位置，图像采集位置即第一位置信息对应的位置。在达到图像采集位置后，主控模块向采集模块发送采集指令，采集模块根据采集指令对光触媒硅藻泥板进行采集，得到采集图像，并将采集图像反馈至主控模块，主控模块再将采集图像传输至智能设备。
步骤S12，基于采集图像检测光触媒硅藻泥板对应的图像位置信息，并按照图像位置信息从采集图像中提取光触媒硅藻泥板对应的光触媒硅藻泥板图像。
在本申请实施例中，智能设备可以通过训练好的识别模型检测光触媒硅藻泥板的特征信息，特征信息可以是光触媒硅藻泥板的边缘特征，并按照特征信息确定光触媒硅藻泥板对应的图像位置信息。然后按照得到光触媒硅藻泥板对应的图像位置信息将光触媒硅藻泥板从采集图像中分割出来，得到光触媒硅藻泥板图像。
在本申请实施例中，识别模型的训练方法如下：获取第二训练样本图像以及第二训练样本图像对应的标签信息，第二训练样本图像包括光触媒硅藻泥板，该标签信息用于标注光触媒硅藻泥板的光触媒硅藻泥板特征以及边缘特征，将第二训练样本图像以及标签信息训练神经网络模型，以使神经网络模型学习光触媒硅藻泥板特征与边缘特征之间的关系，将训练好的神经网络模型作为识别模型。
步骤S13，从光触媒硅藻泥板图像中提取光触媒硅藻泥板对应的光泽特征。
在本申请实施例中，从光触媒硅藻泥板图像中提取光触媒硅藻泥板对应的光泽特征，包括以下步骤B1-B2：
步骤B1，将光触媒硅藻泥板图像输入至预先训练好的检测模型。
步骤B2，通过检测模型检测光触媒硅藻泥板图像中每个像素点在RGB特征值、灰度值得到像素点的光泽特征。
在本申请实施例中，将光触媒硅藻泥板图像输入至预先训练好的检测模型，检测模型检测光触媒硅藻泥板图像中每个像素点在RGB特征值、灰度值得到像素点的光泽特征。其中RGB特征值为：RGB三个通道下对应的值，RGB三个通道对应的值为R值、B值和G值。
光泽特征的计算过程如下：计算255与该像素点的R值的第一差值、计算255与该像素点的B值的第二差值和计算255与该像素点的G值的第三差值。计算第一差值，第二差值和第三差值的和值，计算该和值与灰度值的比值。获取该比值与像素点对应平均距离的倒数的乘积，将该乘积作为光泽特征。
步骤S14，根据光泽特征确定光触媒硅藻泥板的质量信息。
在本申请实施例中，根据光泽特征确定光触媒硅藻泥板的质量信息，包括以下步骤C1-C3：
步骤C1，根据光泽特征确定光触媒硅藻泥板的光泽异常区域。
在本申请实施例中，当光泽特征越小，标识当像素点对应的颜色越暗，此时表明该像素点可能是裂纹的像素点。对光泽特征小于预设阈值的像素点进行聚类，得到像素点簇，像素点簇中像素点数量大于预设数量的像素点簇作为光泽异常区域。
步骤C2，调用灯光设备对光泽异常区域进行照射，并调用图像采集设备对照射后的光泽异常区域进行图像采集，得到异常区域图像。
在本申请实施例中，智能设备在确定光泽异常区域后，调用位于光触媒硅藻泥板堆叠区域的灯光设备对光泽异常区域进行灯光照射。图像采集设备在进行图像采集过程中，可能会存在环境信息影响图像光泽的情况，因此在确定光泽异常区域后，智能设备向处于堆叠区域的灯光设备发送工作指令，工作指令携带光泽异常区域的位置。灯光设备响应工作指令，对光泽异常区域进行灯光照射，此时智能设备还会向采集设备发送采集指令，采集设备对照射后的光泽异常区域进行图像采集，得到异常区域图像。
步骤C3，对异常区域图像进行检测，得到光触媒硅藻泥板的检测结果，并根据检测结果确定质量信息。
在本申请实施例中，对异常区域图像进行检测，得到光触媒硅藻泥板的检测结果，包括以下步骤D1-D3：
步骤D1，提取异常区域图像的图像特征。
步骤D2，检测图像特征是否存在破损特征，在存在破损特征的情况下，确定破损特征对应的破损类型，其中，破损特征包括以下至少一个：裂痕特征，残缺特征。
步骤D3，根据破损类型作为检测结果。
在本申请实施例中，将异常区域图像输入至预先训练好的异常检测模型，异常检测模型提取异常区域图像的图像特征，然后对图像特征进行分类，确定图像特征中是否存在破损特征，在存在破损特征的情况下，确定破损特征对应的破损类型。
在本申请实施例中，异常检测模型的训练方法包括：获取光触媒硅藻泥板的破损样本图像以及破损样本图像的标签信息，标签信息包括：破损特征以及该破损特征对应的破损类型，利用破损样本图像以及标签信息训练神经网络模型，神经网络模型学习破损特征与破损类型之间的对应关系，将训练好的神经网络模型作为异常检测模型。
在本申请实施例中，确定当前光触媒硅藻泥板的编号，并根据该编号以及检测结果中携带的破损类型生成质量信息。在得到质量信息后，智能设备还可以向智能搬运设备发送搬运指令，以使智能搬运设备对当前光触媒硅藻泥板进行搬运，如果质量信息为无破损，则将该光触媒硅藻泥板搬运至第一区域。如果质量信息包括破损，则该光触媒硅藻泥板搬运至第二区域。
本申请实施例提供的方法通过调用图像采集设备对光触媒硅藻泥板进行图像采集，并对采集图像进行检测，从而得到光触媒硅藻泥板的光泽特征，最终通过光泽特征对光触媒硅藻泥板进行质量评估，以此实现了光触媒硅藻泥板的自动化质量评估的，无需凭借人工经验完成，提高了质量评估效率。
在本实施例中还提供了一种光触媒硅藻泥板的质量评估装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种光触媒硅藻泥板的质量评估装置，如图5所示，包括：
采集模块51，用于调用图像采集设备对处于堆叠区域的光触媒硅藻泥板进行采集，得到采集图像，其中，采集图像中包括至少一个光触媒硅藻泥板；
检测模块52，用于基于采集图像检测光触媒硅藻泥板对应的图像位置信息，并按照图像位置信息从采集图像中提取光触媒硅藻泥板对应的光触媒硅藻泥板图像；
提取模块53，用于从光触媒硅藻泥板图像中提取光触媒硅藻泥板对应的光泽特征；
确定模块54，用于根据光泽特征确定光触媒硅藻泥板的质量信息。
在本申请实施例中，采集模块51，包括：
调用单元，用于调用图像采集设备对堆叠区域进行采集得到区域图像；
检测单元，用于基于区域图像检测光触媒硅藻泥板对应的堆叠状态；
生成单元，用于利用堆叠状态生成图像采集设备对应的设备调整指令，其中，设备调整指令用于调整图像采集设备的图像采集位置；
控制单元，用于控制图像采集设备移动至设备调整指令所指示的图像采集位置对光触媒硅藻泥板进行采集，得到采集图像。
在本申请实施例中，生成单元，用于基于堆叠状态确定光触媒硅妮藻板的目标表面，并确定目标表面对应的第一位置信息，其中，目标表面为用于展示的表面，第一位置信息为目标表面对应的最佳图像采集位置；确定图像采集设备当前的第二位置信息；基于第二位置信息与第一位置信息之间的路径生成设备调整指令。
在本申请实施例中，生成单元，用于基于区域图像检测目标表面中的关键点集合，其中，关键点集合包括中心关键点以及至少一个边缘关键点；根据中心关键点获取垂直于目标表面的虚拟中心线，并按照预设高度范围从虚拟中心线中选取至少一个候选位置；基于候选位置与边缘关键点构建虚拟采集视野范围；将大于目标表面对应的表面面积的虚拟采集视野范围对应的候选位置作为目标位置，并将目标位置的坐标信息作为第一位置信息。
在本申请实施例中，提取模块53，用于将光触媒硅藻泥板图像输入至预先训练好的检测模型；通过检测模型检测光触媒硅藻泥板图像中每个像素点在RGB特征值、灰度值得到像素点的光泽特征。
在本申请实施例中，确定模块54，用于根据光泽特征确定光触媒硅藻泥板的光泽异常区域；调用灯光设备对光泽异常区域进行照射，并调用图像采集设备对照射后的光泽异常区域进行图像采集，得到异常区域图像；对异常区域图像进行检测，得到光触媒硅藻泥板的检测结果，并根据检测结果确定质量信息。
在本申请实施例中，确定模块54，用于提取异常区域图像的图像特征；检测图像特征是否存在破损特征，在存在破损特征的情况下，确定破损特征对应的破损类型，其中，破损特征包括以下至少一个：裂痕特征，残缺特征；根据破损类型作为检测结果。
请参阅图6，图6是本发明可选实施例提供的一种计算机设备的结构示意图，如图6所示，该计算机设备包括：一个或多个处理器10、存储器20，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个计算机设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。
处理器10可以是中央处理器，网络处理器或其组合。其中，处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。
其中，所述存储器20存储有可由至少一个处理器10执行的指令，以使所述至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据一种小程序落地页的展现的计算机设备的使用所创建的数据等。此外，存储器20可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器20可选包括相对于处理器10远程设置的存储器，这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30，用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质，上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (7)
1.一种光触媒硅藻泥板的质量评估方法，其特征在于，包括：
调用图像采集设备对处于堆叠区域的光触媒硅藻泥板进行采集，得到采集图像，其中，所述采集图像中包括至少一个光触媒硅藻泥板；
基于所述采集图像检测所述光触媒硅藻泥板对应的图像位置信息，并按照所述图像位置信息从所述采集图像中提取所述光触媒硅藻泥板对应的光触媒硅藻泥板图像；
从所述光触媒硅藻泥板图像中提取所述光触媒硅藻泥板对应的光泽特征；
根据所述光泽特征确定所述光触媒硅藻泥板的质量信息；
所述调用图像采集设备对处于堆叠区域的光触媒硅藻泥板进行采集，得到采集图像，包括：
调用所述图像采集设备对所述堆叠区域进行采集得到区域图像；
基于所述区域图像检测所述光触媒硅藻泥板对应的堆叠状态；
利用所述堆叠状态生成所述图像采集设备对应的设备调整指令，其中，所述设备调整指令用于调整所述图像采集设备的图像采集位置；
控制所述图像采集设备移动至所述设备调整指令所指示的图像采集位置对所述光触媒硅藻泥板进行采集，得到所述采集图像；
所述利用所述堆叠状态生成所述图像采集设备对应的设备调整指令，包括：
基于所述堆叠状态确定所述光触媒硅妮藻板的目标表面，并确定所述目标表面对应的第一位置信息，其中，所述目标表面为用于展示的表面，所述第一位置信息为所述目标表面对应的最佳图像采集位置；
确定所述图像采集设备当前的第二位置信息；
基于所述第二位置信息与所述第一位置信息之间的路径生成所述设备调整指令；
所述确定所述目标表面对应的第一位置信息，包括：
基于所述区域图像检测所述目标表面中的关键点集合，其中，所述关键点集合包括中心关键点以及至少一个边缘关键点；
根据所述中心关键点获取垂直于所述目标表面的虚拟中心线，并按照预设高度范围从所述虚拟中心线中选取至少一个候选位置；
基于所述候选位置构建虚拟采集视野范围；
将大于所述目标表面对应的表面面积的虚拟采集视野范围对应的候选位置作为目标位置，并将所述目标位置的坐标信息作为所述第一位置信息。
2.根据权利要求1所述的方法，其特征在于，所述从所述光触媒硅藻泥板图像中提取所述光触媒硅藻泥板对应的光泽特征，包括：
将所述光触媒硅藻泥板图像输入至预先训练好的检测模型；
通过所述检测模型检测所述光触媒硅藻泥板图像中每个像素点在RGB特征值、灰度值得到所述像素点的光泽特征。
3.根据权利要求1所述的方法，其特征在于，所述根据所述光泽特征确定所述光触媒硅藻泥板的质量信息，包括：
根据所述光泽特征确定所述光触媒硅藻泥板的光泽异常区域；
调用灯光设备对所述光泽异常区域进行照射，并调用所述图像采集设备对照射后的光泽异常区域进行图像采集，得到异常区域图像；
对所述异常区域图像进行检测，得到所述光触媒硅藻泥板的检测结果，并根据所述检测结果确定所述质量信息。
4.根据权利要求3所述的方法，其特征在于，所述对所述异常区域图像进行检测，得到所述光触媒硅藻泥板的检测结果，包括：
提取所述异常区域图像的图像特征；
检测所述图像特征是否存在破损特征，在存在破损特征的情况下，确定所述破损特征对应的破损类型，其中，所述破损特征包括以下至少一个：裂痕特征，残缺特征；
根据所述破损类型作为所述检测结果。
5.一种光触媒硅藻泥板的质量评估装置，其特征在于，所述装置包括：
采集模块，用于调用图像采集设备对处于堆叠区域的光触媒硅藻泥板进行采集，得到采集图像，其中，所述采集图像中包括至少一个光触媒硅藻泥板；
检测模块，用于基于所述采集图像检测所述光触媒硅藻泥板对应的图像位置信息，并按照所述图像位置信息从所述采集图像中提取所述光触媒硅藻泥板对应的光触媒硅藻泥板图像；
提取模块，用于从所述光触媒硅藻泥板图像中提取所述光触媒硅藻泥板对应的光泽特征；
确定模块，用于根据所述光泽特征确定所述光触媒硅藻泥板的质量信息；
采集模块，包括：
调用单元，用于调用图像采集设备对堆叠区域进行采集得到区域图像；
检测单元，用于基于区域图像检测光触媒硅藻泥板对应的堆叠状态；
生成单元，用于利用堆叠状态生成图像采集设备对应的设备调整指令，其中，设备调整指令用于调整图像采集设备的图像采集位置；
所述生成单元，具体用于基于堆叠状态确定光触媒硅妮藻板的目标表面，并确定目标表面对应的第一位置信息，其中，目标表面为用于展示的表面，第一位置信息为目标表面对应的最佳图像采集位置；确定图像采集设备当前的第二位置信息；基于第二位置信息与第一位置信息之间的路径生成设备调整指令；
所述生成单元，具体用于基于区域图像检测目标表面中的关键点集合，其中，关键点集合包括中心关键点以及至少一个边缘关键点；根据中心关键点获取垂直于目标表面的虚拟中心线，并按照预设高度范围从虚拟中心线中选取至少一个候选位置；基于所述候选位置构建虚拟采集视野范围；将大于目标表面对应的表面面积的虚拟采集视野范围对应的候选位置作为目标位置，并将目标位置的坐标信息作为第一位置信息；
控制单元，用于控制图像采集设备移动至设备调整指令所指示的图像采集位置对光触媒硅藻泥板进行采集，得到采集图像。
6.一种计算机设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至4中任一项所述的方法。
7.一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上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310847293.6A CN116879292B (zh) | 2023-07-11 | 2023-07-11 | 一种光触媒硅藻泥板的质量评估方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310847293.6A CN116879292B (zh) | 2023-07-11 | 2023-07-11 | 一种光触媒硅藻泥板的质量评估方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116879292A CN116879292A (zh) | 2023-10-13 |
| CN116879292B true CN116879292B (zh) | 2024-04-30 |
Family
ID=88254333
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310847293.6A Active CN116879292B (zh) | 2023-07-11 | 2023-07-11 | 一种光触媒硅藻泥板的质量评估方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116879292B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101055256A (zh) * | 2006-04-10 | 2007-10-17 | 奥林巴斯株式会社 | 缺陷检查装置 |
| JP2013156064A (ja) * | 2012-01-27 | 2013-08-15 | Hitachi Information & Control Solutions Ltd | シートの検査装置、シートの製造システム及び、包装システム |
| JP2013195368A (ja) * | 2012-03-22 | 2013-09-30 | Hitachi Metals Ltd | 欠陥検出装置 |
| CN108139337A (zh) * | 2015-11-05 | 2018-06-08 | 日东电工株式会社 | 片材的检查装置和检查方法 |
| JP2020085722A (ja) * | 2018-11-28 | 2020-06-04 | 日本碍子株式会社 | 積層体の検査方法、検査装置及び製造方法 |
| CN114241177A (zh) * | 2021-12-20 | 2022-03-25 | 民航成都电子技术有限责任公司 | 一种基于线阵扫描成像的机场道面表观图像检测系统 |
-
2023
- 2023-07-11 CN CN202310847293.6A patent/CN116879292B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101055256A (zh) * | 2006-04-10 | 2007-10-17 | 奥林巴斯株式会社 | 缺陷检查装置 |
| JP2013156064A (ja) * | 2012-01-27 | 2013-08-15 | Hitachi Information & Control Solutions Ltd | シートの検査装置、シートの製造システム及び、包装システム |
| JP2013195368A (ja) * | 2012-03-22 | 2013-09-30 | Hitachi Metals Ltd | 欠陥検出装置 |
| CN108139337A (zh) * | 2015-11-05 | 2018-06-08 | 日东电工株式会社 | 片材的检查装置和检查方法 |
| JP2020085722A (ja) * | 2018-11-28 | 2020-06-04 | 日本碍子株式会社 | 積層体の検査方法、検査装置及び製造方法 |
| CN114241177A (zh) * | 2021-12-20 | 2022-03-25 | 民航成都电子技术有限责任公司 | 一种基于线阵扫描成像的机场道面表观图像检测系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于机器视觉的板类堆叠零件分拣系统研究;巩卫;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》(第1期);11-66 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116879292A (zh) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109409355B (zh) | 一种新型变压器铭牌识别的方法及装置 | |
| CN109858480A (zh) | 一种数字式仪表识别方法 | |
| CN110287787B (zh) | 图像识别方法、装置及计算机可读存储介质 | |
| CN113869300A (zh) | 基于多视觉融合的工件表面缺陷和字符识别的方法及系统 | |
| US10726535B2 (en) | Automatically generating image datasets for use in image recognition and detection | |
| CN109946304A (zh) | 基于特征匹配的零件表面缺陷在线检测系统及检测方法 | |
| CN106033535A (zh) | 电子阅卷方法 | |
| EP2504697A1 (en) | Methods and system for recognizing wood species | |
| CN108460344A (zh) | 屏幕中的动态区域智能识别系统及智能识别方法 | |
| CN109829510A (zh) | 一种产品品质分级的方法、装置和设备 | |
| DE112022002858T5 (de) | Bildbasierte anomalieerkennung basierend auf einer maschinellen lernanalyse eines objekts | |
| CN111161295A (zh) | 一种菜品图像背景剥离方法 | |
| Vishwanath et al. | Connected component analysis for Indian license plate infra-red and color image character segmentation | |
| CN113223041A (zh) | 用于自动提取图像中目标区域的方法、系统及存储介质 | |
| CN118037091A (zh) | 一种基于计算机视觉技术的智能化报工质检方法及系统 | |
| CN118014933A (zh) | 一种基于图像检测的缺陷检测识别方法和装置 | |
| Mohan et al. | An intelligent recognition system for identification of wood species | |
| CN116879292B (zh) | 一种光触媒硅藻泥板的质量评估方法及装置 | |
| CN113822836B (zh) | 标记图像的方法 | |
| CN116580005B (zh) | 基于图像处理与深度学习的管片模具开模系统的引导方法 | |
| CN116091503B (zh) | 一种面板异物缺陷的判别方法、装置、设备及介质 | |
| CN116580026A (zh) | 精密零部件外观缺陷自动光学检测方法、设备及存储介质 | |
| CN116486177A (zh) | 一种基于深度学习的水下目标识别分类方法 | |
| CN113506242B (zh) | 基于yolo的玉米黄曲霉素检测方法 | |
| CN110766001A (zh) | 基于cnn和rnn的银行卡卡号定位与端到端识别方法 |
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 |