CN117115105A - 一种工件处理方法、装置、设备以及存储介质 - Google Patents

Abstract

本发明公开了一种工件处理方法、装置、设备以及存储介质；所述方法包括：采集包含至少一个待处理工件的工件图像，提取并量化所述工件图像的各个待处理工件的边缘特征，得到与各个待处理工件对应的目标量化边缘特征，所述至少一个待处理工件放置在料盘上；根据与各个待处理工件对应的目标量化边缘特征以及预设工件型号的量化边缘特征，确定所述各个待处理工件的型号是否为所述预设工件型号；确定目标待处理工件在所述料盘上的坐标位置，所述目标待处理工件是所述至少一个待处理工件中型号为所述预设工件型号的待处理工件；将所述目标待处理工件的坐标位置发送给执行设备，以使所述执行设备根据所述目标待处理工件的坐标位置，将所述目标待处理工件移动到指定作业位置。通过实施该方法，工件处理设备代替人工，识别工件型号并将目标工件移动到指定位置，提高效率，降低了人力成本。

Description

一种工件处理方法、装置、设备以及存储介质

技术领域

本申请实施例涉及工件处理技术领域，尤其涉及一种工件处理方法、装置、设备以及存储介质。

背景技术

在工业产品的生产过程中，制造产品所需的工件放置在料盘中，产线工人需要将工件取出放置于流水线或加工设备进行相应处理，处理完成后产线工人将其放回料盘以便进行其它生产流程。由于产线上同一类型工件的型号多，精度要求高，产线工人需在培训后，才能完成从料盘取放工件这一操作，为提升效率，降低人力成本，可以利用视觉定位算法辅助机械手替代人工，自动取料。

现有的利用视觉定位算法辅助机械手抓取工件的方案中，使用传统方法时，一方面滑窗选择策略没有针对性、时间复杂度高，窗口冗余；另一方面手工设计的特征对于多样性的变化的鲁棒性较差。使用深度学习方法时，现场的工件较少，且采集样本数据较为麻烦，所以鲁棒性会比较差。另外的就是同一类型工件的型号较多，工厂流水线不能一次性全部提供所有型号的工件，这就导致了每次新进一批新型号的工件就需要更新一版模型，这种方法在工厂流水线中不适用。

发明内容

本申请实施例公开了一种工件处理方法、装置、设备以及存储介质，对工件的边缘特征进行量化处理，用于识别料盘上工件信息，并通过执行设备将目标工件移动到指定作业位置。

为了实现上述目的，本申请实施例第一方面提供了一种工件处理方法，包括：

采集包含至少一个待处理工件的工件图像，提取并量化所述工件图像的各个待处理工件的边缘特征，得到与各个待处理工件对应的目标量化边缘特征，所述至少一个待处理工件放置在料盘上；

根据与各个待处理工件对应的目标量化边缘特征以及预设工件型号的量化边缘特征，确定所述各个待处理工件的型号是否为所述预设工件型号；

确定目标待处理工件在所述料盘上的坐标位置，所述目标待处理工件是所述至少一个待处理工件中型号为所述预设工件型号的待处理工件；

将所述目标待处理工件的坐标位置发送给执行设备，以使所述执行设备根据所述目标待处理工件的坐标位置，将所述目标待处理工件移动到指定作业位置。

在本申请实施例中，所述采集包含至少一个待处理工件的工件图像，提取并量化所述工件图像的各个待处理工件的边缘特征，包括：

在采集包含至少一个待处理工件的工件图像后，根据所述料盘上放置的待处理工件数目，对所述包含至少一个待处理工件的工件图像进行裁切处理，得到至少一个工件子图像，每个工件子图像中包含一个待处理工件的图像；

根据所述至少一个工件子图像，提取并量化所述各个待处理工件的边缘特征。

在本申请实施例中，在所述提取并量化所述工件图像的各个待处理工件的边缘特征前，所述方法还包括：

在待处理工件上选取两个标识点；所述标识点为在同一类别工件上，包含工件类别识别特征的矩形区域的中心点；

计算所述工件子图像中，所述待处理工件上由两个识别点确定的直线与预设参考线之间的夹角角度；

计算所述待处理工件的夹角角度与预设夹角角度的偏差值，根据所述偏差值对所述工件子图像进行图像旋转调整。

在本申请实施例中，所述预设夹角角度，是根据样本工件图像中的样本工件上的两个标识点确定的直线与所述预设参考线之间的夹角角度。

在本申请实施例中，所述预设工件型号的量化边缘特征是通过采集包含与所述预设工件型号对应的样本工件的样本图像，对样本图像进行旋转缩放处理，提取并量化所述样本图像中样本的边缘特征得到的。

在本申请实施例中，工件处理设备存在系统误差，在采集包含至少一个待处理工件的工件图像时，通过成像校正处理对采集到的工件图像的坐标进行补偿，使执行设备准确移动目标待处理工件至指定作业位置。

在本申请实施例中，所述根据与各个待处理工件对应的目标量化边缘特征以及预设工件型号的量化边缘特征，确定所述各个待处理工件的型号是否为所述预设工件型号，包括：

将预设工件型号对应的量化边缘特征变换为线性结构的对照表；

将各个待处理工件对应的目标量化边缘特征变换为与线性结构的比对表；

通过滑动窗口匹配算法，计算所述对照表与所述比对表之间的相似度；

待处理工件对应的相似度高于预设阈值，确定待处理工件的型号为预设的工件型号。

本申请实施例第二方面提供了一种工件处理装置，包括：

采集模块，用于采集包含至少一个待处理工件的工件图像；

处理模块，用于提取并量化所述工件图像的各个待处理工件的边缘特征，得到与各个待处理工件对应的目标量化边缘特征，所述至少一个待处理工件放置在料盘上；根据与各个待处理工件对应的目标量化边缘特征以及预设工件型号的量化边缘特征，确定所述各个待处理工件的型号是否为所述预设工件型号；确定目标待处理工件在所述料盘上的坐标位置，所述目标待处理工件是所述至少一个待处理工件中型号为所述预设工件型号的待处理工件；将所述目标待处理工件的坐标位置发送给执行设备；

执行模块，用于控制所述执行设备根据所述目标待处理工件的坐标位置，将所述目标待处理工件移动到指定作业位置。

本申请实施例第三方面提供了一种工件处理设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本申请实施例所述的方法。

本申请实施例第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如本申请实施例所述的方法。

本申请实施例提供的工件处理方法、装置、设备以及存储介质，在该方法中，当料盘上放置有至少一个未知型号的待处理工件时，采集包含至少一个待处理工件的工件图像，对工件图像中的各个待处理工件提取对应的边缘特征，对各个边缘特征进行量化处理，得到各个待处理图像对应的目标量化边缘特征。将得到的各个待处理图像对应的目标量化边缘特征，与提前获取并存储在工件处理设备存储器的预设工件的量化边缘特征进行匹配，根据匹配结果确定各个待处理工件的型号是否为所述预设工件型号，当判断一个待处理工件的型号为预设工件型号时，将该待处理工件标记为目标待处理工件。在确定目标待处理工件的坐标位置后，将所述坐标位置发送给执行设备，由执行设备将目标待处理工件移动到指定作业位置。通过该方法，对工件的边缘特征进行量化处理，识别工件型号并将目标工件移动到指定位置，提高效率，降低了人力成本。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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他的附图。

图1为本申请实施例提供的工件处理方法的流程图示；

图2为本申请实施例提供的工件处理方法的一种软件操作界面示意图；

图3为本申请实施例提供的工件处理方法中，对待处理工件的边缘特征进行提取处理的流程图示；

图4为本申请实施例提供的工件处理方法中，对样本工件的边缘特征进行提取处理的流程图示；

图5为本申请实施例提供的工件处理方法中，对边缘特征进行量化处理的示意图；

图6位本申请实施例提供的工件处理方法的一种应用场景示意图；

图7为本申请实施例提供的工件处理装置的一种结构示意图；

图8为本申请实施例提供的工件处理设备的一种结构示意图。

具体实施方式

使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请的具体技术方案做进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。

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申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

需要指出，本申请实施例所涉及的术语“第一\第二\第三”用以区别类似或不同的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。

在一些产品的生产流水线上，需要不断地将生产材料，也就是未经过加工的工件或已经进行过一定初步加工的工件移动到加工设备中。在工厂流水线上，同一类型的工件有可能许多型号，以手机中框这一工件为例，手机中框通常是指手机的中间框架部分，是内部电路和组件之间的连接结构，显然对于不同型号的手机，手机中框的型号可能不同。在生成过程中需要选取指定型号的工件放置在相应作业位置，要使产线工人精准的完成将工件从料盘上拿取工件并放置在相应作业位置的操作，需要对产线工人进行培训，且对于每个加工流程都需要对相关不同工人进行培训，这样人力成本高，效率较低。

利用视觉定位算法辅助机械手替代人工，使用传统方法时，滑窗选择策略没有针对性、时间复杂度高，窗口冗余，手工设计的特征对于多样性的变化的鲁棒性较差。使用深度学习方法时，针对本申请实施例的场景，现场的工件较少，采集数据较为麻烦，所以深度学习方法的鲁棒性会比较差。此外当工件型号较多时，工厂流水线不能一次性全部提供所有型号的工件信息，导致了每次新引进一批新型号的工件就需要更新一次模型。

可见，相关技术中的工件处理方法在将产线上的工件进行识别及定位处理时，存在鲁棒性差、时间复杂度高或者数据采集困难等问题。

有鉴于此，本申请实施例提供了一种工件处理方法，该方法在实施过程中可以提取并量化各个待处理工件的边缘特征得到目标量化边缘特征，与预设工件型号的量化边缘特征进行匹配进而确定所述各个待处理工件的型号，确定目标待处理工件的位置后，将目标待处理工件移动到指定作业位置，提高了效率，降低了人力成本。

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，所描述的实施例仅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，本领域普通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。

请参阅图1，为本申请实施例提供的工件处理方法的流程图示，可以包括以下步骤：

步骤101、采集包含至少一个待处理工件的工件图像。

包括，采集包含至少一个待处理工件的工件图像，所述至少一个待处理工件放置在料盘上。

在本申请实施例中，当料盘上存在至少一个待处理工件时，采集包含至少一个待处理工件的工件图像。待处理工件是指生成流水线上，未经过任何加工处理的工件或者已经经过一些加工工序还需后续处理的工件，本申请实施例在此不作限定。料盘是指一种用于存放工件或物料的托盘或容器。在生产制造过程中，料盘常于将工件或物料进行装载、存储和运输，以供后续的加工、处理或分发。在本申请实施例中，对于一个料盘，可以放置一个或多个工件，料盘放置的最大工件数目与料盘设计时的额定容积有关，料盘在设计生产时最多能放置一个或多个对应的工件。而在实际生产过程中，单个料盘上的工件数目并不总是按照料盘额定最大容积放置。在本申请实施例提供的方法中，当设备的摄像头检测到料盘上有至少一个待处理工件后，即可采集包含至少一些待处理工件的工件图像。

需要说明的是，通过设备的摄像头检测料盘上是否存在至少一个待处理工件的方法有很多，例如色彩分析、形状检测等，在一些申请实施例中，还可以通过增加传感器的方法来识别料盘上的工件数目，在此不作限定。

在可能的实施方式中，工件处理设备存在系统误差，在采集包含至少一个待处理工件的工件图像时，可以通过成像校正处理对采集到的工件图像的坐标进行补偿，使得采集到的图像的坐标更加精准，从而使执行设备准确移动目标待处理工件至指定作业位置。可以理解，在这种情况下，采集到的包含至少一个待处理工件的工件图像是指进行上述补偿后的工件图像。需要说明的是，在本申请实施例中，不限制工件图像是否进行上述补偿。

在本申请实施例中，由于使用了本申请实施例提供的工件处理方法的工件处理设备存在系统误差，为保证后续步骤中，用于移动目标待处理工件的执行设备能够准确将所述目标待处理工件移动到指定作业位置，还需对工件图像的像素位置进行调节。

其中，系统误差可以包含用于采集工件图像的摄像装置在不同位置成像的畸变情况，以及生产流水线上的生产设备固有误差。由于本申请实施例提供的方法需要将指定工件移动到指定作业位置，该移动操作由诸如机械手装置的执行设备实行，并且对移动操作的精度存在一定要求，所以需要保证传输给执行设备的工件坐标位置的误差小于预设阈值。该类型的误差会导致料盘上的工件在每个方向的偏差基本相同，所以可以通过在测试时进行补偿措施，对图像的像素坐标进行适当的修正，使执行设备可以恰好抓取目标待处理工件并移动到指定作业位置。

通过执行上述步骤，采集了包含至少一个待处理工件的工件图像。

步骤102、提取并量化工件图像的各个待处理工件的边缘特征，得到与各个待处理工件对应的目标量化边缘特征。

包括，在采集包含至少一个待处理工件的工件图像后，根据所述料盘上放置的待处理工件数目，对所述包含至少一个待处理工件的工件图像进行裁切处理，得到至少一个工件子图像，每个工件子图像中包含一个待处理工件的图像；

根据所述至少一个工件子图像，提取并量化所述各个待处理工件的边缘特征。

在一些申请实施例中，当采集到的工件图像包含多个待处理工件时，由于摄像装置采集到的工件图像分辨率比较大，直接处理会存在耗时较长的问题，且考虑到实际生产中，工件在料盘中的位置较为固定，根据料盘上放置的待处理工件数目，对工件图像进行切割为多个小区域处理，得到与料盘上待处理工件相同数目的只包含一个待处理工件的工件子图像，这样减小了输入图像的大小，从而减少了处理时长。

此外，在所述提取并量化所述工件图像的各个待处理工件的边缘特征前，本申请实施例提供的方法还包括：

在待处理工件上选取两个标识点；所述标识点为在同一类别工件上，包含工件类别识别特征的矩形区域的中心点；

计算所述工件子图像中，所述待处理工件上由两个识别点确定的直线与预设参考线之间的夹角角度；

计算所述待处理工件的夹角角度与预设夹角角度的偏差值，根据所述偏差值对所述工件子图像进行图像旋转调整。

在本申请实施例中，在待处理工件上选取的标识点是指，包含工件种类特征的区域的中心点。以手机中框这一工件为例，标试点所在区域可以为手机中框上特定的边角、凹凸结构、颜色区域等，实际应用中的选择不作限定。需要说明的是，在选取标识点时通常会考虑以下几个因素：显著性，标识点所在区域应当包含工件上显著的、独特的特征，便于在图像中准确识别。稳定性，标识点区域所包含的特征应当在同类工件的不同型号上稳定存在，以确保识别的可靠性。易于识别：标识点区域包含的特征应当是可以被轻松识别的特征，比如边缘、颜色变化等。除此之外，同类型工件的标识点选取标准应当相同，这样计算待处理工件上两个识别点确定的直线与预设参考线之间的夹角角度与预设夹角角度的偏差值才有参考意义。

在待处理工件上按照上述标准选取了两个标识点后，计算工件子图像中，所述待处理工件上由两个识别点确定的直线与预设参考线之间的夹角角度。预设参考线可以为图像水平参考线、图像垂直参考线或者斜率固定的参考线，在此不作限定，需要注意的是，在选取参考线后，后续操作中计算两个识别点确定的直线与参考线之间的夹角角度时，选用的参考线要进行统一。

在本申请实施例中，计算所述待处理工件的夹角角度与预设夹角角度的偏差值，根据所述偏差值对所述工件子图像进行图像旋转调整，纠正了料盘摆放不正或工件摆放不正导致的误差，可以提高后续工件型号识别的准确率，提高了整体方法的鲁棒性。

需要说明的是，所述预设夹角角度，是根据样本工件图像中的样本工件上的两个标识点确定的直线与所述预设参考线之间的夹角角度。

在本申请实施例中，对包含至少一个待处理工件的工件图像进行上述处理后，提取并量化所述工件图像的各个待处理工件的边缘特征，得到与各个待处理工件对应的目标量化边缘特征。

步骤103、根据与各个待处理工件对应的目标量化边缘特征以及预设工件型号对应的量化边缘特征，确定各个待处理工件的型号是否为预设工件型号。

在本申请实施例中，所述根据与各个待处理工件对应的目标量化边缘特征以及预设工件型号的量化边缘特征，确定所述各个待处理工件的型号是否为所述预设工件型号，包括：

将预设工件型号对应的量化边缘特征变换为线性结构的对照表；

将各个待处理工件对应的目标量化边缘特征变换为与线性结构的比对表；

通过滑动窗口匹配算法，计算所述对照表与所述比对表之间的相似度；

待处理工件对应的相似度高于预设阈值，确定待处理工件的型号为预设的工件型号。

在本申请实施例中，在提取并量化工件图像的各个待处理工件的边缘特征，得到与各个待处理工件对应的目标量化边缘特征后，将所述目标量化边缘特征转换为线性结构的比对表，将所述比对表与预设工件型号对应的量化边缘特征变换为线性结构的对照表进行滑动窗口匹配，得到匹配相似度，若所述相似度大于或等于预设阈值，则认为待处理工件的关键型号为预设型号。

需要说明的是，滑动窗口匹配是一种在图像处理和计算机视觉中常用的技术，用于在图像中寻找特定目标或模式。它通过在图像上滑动一个固定大小的窗口，并与预定义的模板进行比较，以确定窗口中是否存在与模板相似的目标。在本申请实施例中，将待处理工件对应的目标量化边缘特征和预设工件型号对应的量化边缘特征转换为线性结构的比对表和对照表，目的是将图像中的特征信息转化为一种更容易处理和比较的数据结构，相比于直接在图片上滑动匹配，将边缘特征转为线性存储结构的方法包含以下优势：能够快速匹配，特征转为线性存储表后，可以使用更高效的数据结构和算法来实现快速的特征匹配和检索，提高了处理速度。提高匹配精度，特征转为线性存储表可以通过选择合适的特征点和描述符来提高匹配的准确性，而直接滑动匹配可能会受到光照、尺度变化等因素的干扰。工件型号对应的量化边缘特征与预设工件型号对应的量化边缘特征的匹配过程及确定目标待处理工件型号的过程，将在后续附图以及附图说明中进行详细说明。

在上述方案中，通过对预设工件型号对应的量化边缘特征与各个待处理工件对应的目标量化边缘特征进行处理并匹配的方法，可以确定各个待处理成功是否为预设工件型号，将自身型号确定为预设工件型号的待处理工件标记为目标待处理工件，后续还需确定目标待处理工件的位置信息交由执行设备，将目标待处理工件移动至指定作业位置。

步骤104、确定目标待处理工件在料盘上的坐标位置，将目标待处理工件的坐标位置发送给执行设备。

包括，确定目标待处理工件在所述料盘上的坐标位置，所述目标待处理工件是所述至少一个待处理工件中型号为所述预设工件型号的待处理工件。

在本申请实施例中，在确定了料盘上各个待处理工件的型号后，还需获取型号与预设工件型号相同的目标待处理工件的坐标信息，所述坐标信息包括目标待处理工件在料盘中的位置，通过该坐标信息，执行设备能够将目标待处理工件移动至指定作业位置。

在一些申请实施例中，料盘上存在限位结构，可以将待处理工件固定在料盘上。当料盘上放置有待处理工件时，只需要了解某一限位结构内的待处理工件型号，即可根据料盘结构，得出某一限位结构内待处理工件在料盘上的位置信息，将该位置信息发送给执行设备，即可实现执行设备准确移动选中工件至指定作业位置。需要说明的是，指定作业位置可以是产线上用于指定加工工序的设备，也可以是指定的工件存放位置，在此不作限定。

在一些申请实施例中，料盘上不存在限位结构，当料盘上放置有待处理工件时，可以通过增加传感器，或者通过在将工件图像剪切为包含一个待处理工件的工件自图像时获取的图片信息得出工件在料盘中的坐标位置，在此不作限定。

需要说明的是，在一些申请实施例中，在获取工件在料盘中的坐标位置后，还需要获取料盘位置对工件的实际坐标位置进行修正，从而使执行设备更准确地将目标待处理工件移动到指定作业位置。

步骤105、执行设备根据目标待处理工件的坐标位置，将所述目标待处理工件移动到指定作业位置。

在一些申请实施例中，执行设备在将所述目标待处理工件移动到指定作业位置后，还会将经相应处理的目标待处理工件移回至料盘，使所述经相应处理的目标待处理工件随料盘前往下一个加工流程。

在上述技术方案中，通过提取并量化各个待处理工件的边缘特征得到目标量化边缘特征，与预设工件型号的量化边缘特征进行匹配进而确定所述各个待处理工件的型号，确定目标待处理工件的位置后，将目标待处理工件移动到指定作业位置，提高了效率，降低了人力成本。

为方便在工厂流水线或者其它应用场景进行使用本申请实施例提供的方法，还需要一个用户友好的软件操作界面。所述软件操作界面应允许操作用户完成调整参数、选择预设工件型号、显示结果等操作。

请参阅图2，为本申请实施例提供的工件处理方法的一种软件操作界面示意图。

如图2所述，操作用户可以在使用了本申请实施例提供的方法的软件操作界面完成以下操作，包括：显示界面、样品采集、补偿设置、其它设置、预设工件型号选择、待处理工件总数显示、抓取数显示、其它参数显示、退出登录以及开始功能，并对工件处理过程进行显示，方便操作用户对过程进行监控。

需要说明的是，图2所示的软件操作界面仅做图示作用，在一些申请实施例中，可以根据场景需求，增加或减少功能按键以及相应的功能。

在本申请实施例中，为实现快速并精准地完成待处理工件对应目标量化边缘特征的与预设工件型号对应的量化边缘特征进行匹配进而确定所述各个待处理工件的型号，还需要对所述目标量化边缘特征和所述预设工件型号对应的量化边缘特进行相应处理。

请参阅图3，为本申请实施例提供的工件处理方法中，对待处理工件的边缘特征进行提取处理的流程图示，可以包括以下步骤：

步骤301、提取工件图像中待处理工件的边缘特征，得到待处理工件特征图像。

在本申请实施例中，所述采集包含至少一个待处理工件的工件图像，提取并量化所述工件图像的各个待处理工件的边缘特征，包括：

在采集包含至少一个待处理工件的工件图像后，根据所述料盘上放置的待处理工件数目，对所述包含至少一个待处理工件的工件图像进行裁切处理，得到至少一个工件子图像，每个工件子图像中包含一个待处理工件的图像；

根据所述至少一个工件子图像，提取并量化所述各个待处理工件的边缘特征。

在本申请实施例中，在获取包含一个待处理工件图像的工件子图像后，对所述工件子图像进行降采样处理，得到包含多个降低了分辨率工件子图像的待处理工件图像金字塔，目的是在多个分辨率下进行匹配可以提高匹配算法的鲁棒性以及计算效率。对包含多分辨率图像的待处理工件图像金字塔通过卷积算子对其进行边缘特征提取，从而得到待处理工件特征图像。

其中，卷积算子用于对待处理工件图像金字塔中各个图像的待处理工件进行边缘特征提取，卷积算子可以使用以下算子。索贝尔算子(Sobe l算子)，通过把图像中每个像素的上下左右四领域的灰度值加权差，在边缘处达到极值从而检测边缘，罗伯茨算子(Roberts算子)，一种简单的算子，是一种利用局部差分算子寻找边缘的算子，prewitt算子，一种一阶微分算子的边缘检测，利用像素点上下、左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用。除此之外，用于边缘特征提取的卷积算子还有很多，不同算子在处理同一图像时的精度和消耗时长不同，在本申请实施例中，对算子的使用不作限定。

步骤302、对待处理工件特征图像中的边缘特征进行量化处理，得到待处理工件量化图像。

在本申请实施例中，得到待处理工件特征图像后，还需将边缘特征信息进行方向扩展，并量化处理。由于通过卷积算子得到的待处理工件图像的边缘特征具有局限性，例如在预设四个方向时，以水平参考线为基准，角度每45度为一个方向，可分为水平、竖直以及两条斜线，在做边缘提取时，边缘点只能识别出其中一个方向特征。此时通过方向扩展处理，使每个像素点的方向特征都与相邻像素点的方向进行叠加，同样以上述提到的四个方向为例，经方向扩展处理后，单个像素点的边缘特征可以同时表现出水平、竖直等特征，有2的4次幂共16种可能。梯度方向有通过此方法以捕捉到图像中的局部结构，从而提高后续工件识别方法的鲁棒性。再将方向开展后，经过叠加的方向特征进行量化处理，将处理后的待处理工件特征图像保存为可标识方向叠加结果的字符串或其它数据形式，得到待处理工件量化图像用于后续处理。

步骤303、对待处理工件量化图像中量化的边缘特征进行编码处理，得到待处理工件特征响应图。

在本申请实施例中，通过上述步骤获取待处理工件量化图像，还需将量化的边缘特征方向转换为可在后续匹配过程中进行运算的数据形式。

需要说明的是，在步骤302对待处理工件特征图像中的边缘特征进行量化处理，对方向扩展处理后叠加的结果采用独一无二的标识进行表示时，可以使用“水平竖直”这样的字符串进行表示，也可以使用“a”或“b”这样的字符来表示某种方向叠加结果，显而易见的，在采用此类标识时，不利于后续对不同量化边缘特征进行匹配并计算相似度处理，可以选用一定的运算规则，将方向扩展处理后的结果转换为数值的形式进行表示。

在一些申请实施例中，将方向扩展处理后的结果转换为，参与方向叠加的多个方向中与参考线形成夹角的余弦值中最大的一个。

步骤304、将待处理工件特征响应图转换为线性结构的比对表。

在本申请实施例中，将对待处理工件量化图像中量化的边缘特征进行编码处理，得到待处理工件特征响应图后，还需将所述待处理工件特征响应图转换为线性结构的比对表。通过线性结构的比对表进行滑动窗口匹配相较于对图像进行匹配的计算复杂度更低，这是因为相对于二维图像匹配，一维图标的滑动窗口匹配需要处理的数据维度更低。

需要说明的是，线性存储结构有顺序表、单链表、循环链表等，在此不作限定。

在上述技术方案中，对待处理工件的边缘特征进行提取处理，得到了包含待处理工件的目标边缘特征的对照表，还需要得到包含预设工件型号对应的样本工件的量化边缘特征的对照表，进行滑动窗口匹配，并以此确定待处理工件的型号是否为预设工件型号。

请参阅图4，为本申请实施例提供的工件处理方法中，对样本工件的边缘特征进行提取处理的流程图示，可以包括以下步骤：

步骤401、对样本图像进行旋转缩放处理，提取样本图像中样本工件的边缘特征，得到样本工件特征图像。

在本申请实施例中，在提取样本图像中样本工件的边缘特征之前，还需对对包含工件型号与预设工件型号相同的样本工件的样本图像进行旋转缩放处理。其中，对样本图像进行旋转处理是一种常见的数据增强操作，有助于提高样本图像的泛用性，提高鲁棒性。对样本图像进行缩放处理时，缩放后生成的多个样本图像的分辨率应与对工件子图像进行降采样处理时得到的包含多个降低了分辨率工件子图像的待处理工件图像金字塔中的分辨率相对应。这得样，在对图像金字塔中不同分辨率下的待处理工件目标量化边缘特征的比对表与样本工件量化边缘特征在缩放的不同分辨率下进行比对时，能够提高算法在不同分辨率尺寸下的适应能力和识别准确性。

需要说明的是，应计算各个旋转缩放处理后得到的不同分辨率的样本图像的衍生图像中两个标识点确定的直线与预设参考线之间的预设夹角角度，在提取图像金字塔中不同分辨率下的待处理工件目标量化边缘特征时，应根据预设夹角角度与待处理工件图像中的对应夹角角度对待处理工件图像进行图像旋转调整。

步骤402、对样本工件特征图像中的边缘特征进行量化处理，得到样本工件量化图像。

步骤403、对样本工件量化图像中量化的边缘特征进行编码处理，得到样本工件特征响应图。

步骤404、将样本工件特征响应图转换为线性结构的对照表。

在一些申请实施例中，将比对表和对照表进行滑动窗口匹配得到相似度，若所述相似度高于预设阈值，确定待处理工件的型号为预设工件型号。

在一些申请实施例中，对样本图像旋转缩放后生成的多个样本图像的分辨率对应的多个对照表与相应图像金字塔中不同分辨率下的待处理工件对应的比对进行滑动窗口匹配，得到与之对应的多个相似度，将多个相似度进行相加求均值得到目标相似度，若所述目标相似度高于预设阈值，确定待处理工件的型号为预设工件型号。

在上述技术方案中，通过对样本图像的边缘特征进行提取处理，得到了线性结构的可以表示样本工件量化边缘特征的对照表，在将对照表与比对表进行滑动窗口匹配后，根据匹配相似度判断待处理工件的型号是否为预设工件型号。

为更好地理解对边缘特征的量化处理过程，下面将结合说明书附图对这一过程进行说明。

请参阅图5，为本申请实施例提供的工件处理方法中，对边缘特征进行量化处理的示意图。

在本申请实施例中，提取图像中工件的边缘特征得到边缘特征图像，对边缘特征图像中各个像素的边缘特征进行方向扩展处理得到边缘特征扩展图像，对边缘特征扩展图像进行量化处理得到边缘特征量化图像。

如图5所示，边缘特征图像的方向共有四种，在进行方向扩展处理时，对每个像素点的方向特征都与相邻像素点的方向进行叠加得到边缘特征扩展图像，对边缘特征扩展图像中叠加后的边缘特征进行量化，采用独一无二的标识对叠加后的边缘特征进行表示。

需要说明的是，在对边缘特征扩展图像进行量化处理时，标识要能准确表示方向扩展处理后的结果，可以选用字符串或数值等形式进行表示。

请参阅图6，为本申请实施例提供的工件处理方法的一种应用场景示意图。

如图6所示，在一个申请实施例中，工人将放置有待处理工件的料盘放置在上料流水线上，在通过本申请实施例提供的工件处理方法检测到待处理工件的型号为预设工件型号时，将待处理工件标记为目标待处理工件并移动至指定作业位置，在对料盘上的所有待处理工件进行处理后，将料盘移至下料流水线。

本申请实施例提供的方法需要通过相应装置进行实现。

请参阅图7，为本申请实施例提供的工件处理装置的一种结构示意图。如图7所示，所示工件处理装置700可以包括采集模块701、处理模块702以及执行模块703，其中：

采集模块701，用于采集包含至少一个待处理工件的工件图像；

处理模块702，用于提取并量化所述工件图像的各个待处理工件的边缘特征，得到与各个待处理工件对应的目标量化边缘特征，所述至少一个待处理工件放置在料盘上；根据与各个待处理工件对应的目标量化边缘特征以及预设工件型号的量化边缘特征，确定所述各个待处理工件的型号是否为所述预设工件型号；确定目标待处理工件在所述料盘上的坐标位置，所述目标待处理工件是所述至少一个待处理工件中型号为所述预设工件型号的待处理工件；将所述目标待处理工件的坐标位置发送给执行设备；

执行模块703，用于控制所述执行设备根据所述目标待处理工件的坐标位置，将所述目标待处理工件移动到指定作业位置。

在本申请实施例中，处理模块702还用于，在采集包含至少一个待处理工件的工件图像后，根据所述料盘上放置的待处理工件数目，对所述包含至少一个待处理工件的工件图像进行裁切处理，得到至少一个工件子图像，每个工件子图像中包含一个待处理工件的图像；根据所述至少一个工件子图像，提取并量化所述各个待处理工件的边缘特征。

在本申请实施例中，处理模块702还用于，在待处理工件上选取两个标识点；所述标识点为在同一类别工件上，包含工件类别识别特征的矩形区域的中心点；计算所述工件子图像中，所述待处理工件上由两个识别点确定的直线与预设参考线之间的夹角角度；计算所述待处理工件的夹角角度与预设夹角角度的偏差值，根据所述偏差值对所述工件子图像进行图像旋转调整。

在本申请实施例中，处理模块702还用于，将预设工件型号对应的量化边缘特征变换为线性结构的对照表；将各个待处理工件对应的目标量化边缘特征变换为与线性结构的比对表；通过滑动窗口匹配算法，计算所述对照表与所述比对表之间的相似度；待处理工件对应的相似度高于预设阈值，确定待处理工件的型号为预设的工件型号。

请参阅图8，为本申请实施例提供的工件处理设备的一种结构示意图。如图8所示的工件处理设备800可以包括存储器801，与存储器801耦合的处理器802。处理器802执行上述方案实现本申请实施例提供的方法。

本申请实施例公开了一种计算机可读存储介质，其上存储有可执行程序代码，所述可执行程序代码被处理器执行时，实现如本申请实施例所述的方法。

这里需要指出的是：以上存储介质和设备实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请存储介质、存储介质和设备实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”或“一些实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”或“在一些实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如对象A和/或对象B，可以表示：单独存在对象A，同时存在对象A和对象B，单独存在对象B这三种情况。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者设备中还存在另外的相同要素。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个模块或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或模块的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的模块可以是、或也可以不是物理上分开的，作为模块显示的部件可以是、或也可以不是物理模块；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部模块来实现本实施例方案的目的。

另外，在本申请各实施例中的各功能模块可以全部集成在一个处理单元中，也可以是各模块分别单独作为一个单元，也可以两个或两个以上模块集成在一个单元中；上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read On ly Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得电子设备执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。

本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。

本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。

以上所述，仅为本申请的实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种工件处理方法，其特征在于，包括：

采集包含至少一个待处理工件的工件图像，提取并量化所述工件图像的各个待处理工件的边缘特征，得到与各个待处理工件对应的目标量化边缘特征，所述至少一个待处理工件放置在料盘上；

根据与各个待处理工件对应的目标量化边缘特征以及预设工件型号的量化边缘特征，确定所述各个待处理工件的型号是否为所述预设工件型号；

确定目标待处理工件在所述料盘上的坐标位置，所述目标待处理工件是所述至少一个待处理工件中型号为所述预设工件型号的待处理工件；

将所述目标待处理工件的坐标位置发送给执行设备，以使所述执行设备根据所述目标待处理工件的坐标位置，将所述目标待处理工件移动到指定作业位置。

2.根据权利要求1所述的方向，其特征在于，所述采集包含至少一个待处理工件的工件图像，提取并量化所述工件图像的各个待处理工件的边缘特征，包括：

在采集包含至少一个待处理工件的工件图像后，根据所述料盘上放置的待处理工件数目，对所述包含至少一个待处理工件的工件图像进行裁切处理，得到至少一个工件子图像，每个工件子图像中包含一个待处理工件的图像；

根据所述至少一个工件子图像，提取并量化所述各个待处理工件的边缘特征。

3.根据权利要求2所述的方法，其特征在于，在所述提取并量化所述工件图像的各个待处理工件的边缘特征前，所述方法还包括：

在待处理工件上选取两个标识点；所述标识点为在同一类别工件上，包含工件类别识别特征的矩形区域的中心点；

计算所述工件子图像中，所述待处理工件上由两个识别点确定的直线与预设参考线之间的夹角角度；

计算所述待处理工件的夹角角度与预设夹角角度的偏差值，根据所述偏差值对所述工件子图像进行图像旋转调整。

4.根据权利要求3所述的方法，其特征在于，所述预设夹角角度，是根据样本工件图像中的样本工件上的两个标识点确定的直线与所述预设参考线之间的夹角角度。

5.根据权利要求1所述的方法，其特征在于，所述预设工件型号的量化边缘特征是通过采集包含与所述预设工件型号对应的样本工件的样本图像，对样本图像进行旋转缩放处理，提取并量化所述样本图像中样本的边缘特征得到的。

6.根据权利要求1所述的方法，其特征在于，工件处理设备存在系统误差，在采集包含至少一个待处理工件的工件图像时，通过成像校正处理对采集到的工件图像的坐标进行补偿，使执行设备准确移动目标待处理工件至指定作业位置。

7.根据权利要求1-6任一所述的方法，其特征在于，所述根据与各个待处理工件对应的目标量化边缘特征以及预设工件型号的量化边缘特征，确定所述各个待处理工件的型号是否为所述预设工件型号，包括：

将预设工件型号对应的量化边缘特征变换为线性结构的对照表；

将各个待处理工件对应的目标量化边缘特征变换为与线性结构的比对表；

通过滑动窗口匹配算法，计算所述对照表与所述比对表之间的相似度；

待处理工件对应的相似度高于预设阈值，确定待处理工件的型号为预设的工件型号。

8.一种工件处理装置，其特征在于，包括：

采集模块，用于采集包含至少一个待处理工件的工件图像；

处理模块，用于提取并量化所述工件图像的各个待处理工件的边缘特征，得到与各个待处理工件对应的目标量化边缘特征，所述至少一个待处理工件放置在料盘上；根据与各个待处理工件对应的目标量化边缘特征以及预设工件型号的量化边缘特征，确定所述各个待处理工件的型号是否为所述预设工件型号；确定目标待处理工件在所述料盘上的坐标位置，所述目标待处理工件是所述至少一个待处理工件中型号为所述预设工件型号的待处理工件；将所述目标待处理工件的坐标位置发送给执行设备；

执行模块，用于控制所述执行设备根据所述目标待处理工件的坐标位置，将所述目标待处理工件移动到指定作业位置。

9.一种工件处理设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法。