CN117274361A - 一种物料表面积测量方法、装置、电子设备以及介质 - Google Patents
一种物料表面积测量方法、装置、电子设备以及介质 Download PDFInfo
- Publication number
- CN117274361A CN117274361A CN202311047946.9A CN202311047946A CN117274361A CN 117274361 A CN117274361 A CN 117274361A CN 202311047946 A CN202311047946 A CN 202311047946A CN 117274361 A CN117274361 A CN 117274361A
- Authority
- CN
- China
- Prior art keywords
- detected
- surface area
- reference object
- image
- reference image
- 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.)
- Pending
Links
- 239000000463 material Substances 0.000 title claims abstract description 234
- 238000000691 measurement method Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims description 23
- 230000011218 segmentation Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000000342 Monte Carlo simulation Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000002655 kraft paper Substances 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30124—Fabrics; Textile; Paper
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种物料表面积测量方法、装置、电子设备以及介质，该方法包括：垂直朝向参考物与待检测物料进行图像采集得到目标图像，所述参考物放置于水平桌面上，且所述参考物上被放置有待检测物料，在视觉上所述参考物的表面积大于所述待检测物料的表面积；对所述目标图像进行检测和分割得到参考图像；统计所述参考图像中分布在参考物区域和待检测物料区域的像素点个数，计算所述待检测物料的表面积。从目标图像中分割出参考图像，并统计参考图像中各个区域的分布的像素点个数，能够计算任意形状物料的表面积，从而降低计算的复杂度，提高计算待检测物料表面积的准确性，降低出现误差的概率。
Description
技术领域
本发明涉及测量领域，尤其涉及一种物料表面积测量方法、装置、电子设备以及介质。
背景技术
在生产加工中会出现许多不规则的平面边角料，这些边角料的材质可以是布、皮革和牛皮纸等物料，针对不同面积的物料会有不同的用处，所以，准确计算出各种物料的面积在生产加工中能够提高生产效益，随着计算机技术的不断发展，尤其是深度学习技术的突破，现有计算不同形状物料的面积的方法是，利用深度学习算法统计物料所在图像中物料和参照物的像素，再利用物料和参考物的像素比进行物料表面积的计算，该方法在实际使用过程中表现较为繁琐、效率低，而且计算误差大。
发明内容
本发明提供了一种物料表面积测量方法、装置、电子设备以及介质，以解决计算物料表面积复杂度高、效率低、误差大的问题。
根据本发明的一方面，提供了一种物料表面积测量方法，该方法包括：
垂直朝向参考物与待检测物料进行图像采集得到目标图像，所述参考物放置于水平桌面上，且所述参考物上被放置有待检测物料，在视觉上所述参考物的表面积大于所述待检测物料的表面积；
对所述目标图像进行检测和分割得到参考图像，所述参考图像是按照参考物边缘从所述目标图像中分割出的包含待检测物料与参考物的图像；
统计所述参考图像中分布在参考物区域和待检测物料区域的像素点个数，计算所述待检测物料的表面积。
根据本发明的另一方面，提供了一种物料表面积测量装置，该装置包括：
目标图像获取模块，用于垂直朝向参考物与待检测物料进行图像采集得到目标图像，所述参考物放置于水平桌面上，且所述参考物上被放置有待检测物料，在视觉上所述参考物的表面积大于所述待检测物料的表面积；
检测和分割模块，用于对所述目标图像进行检测和分割得到参考图像，所述参考图像是按照参考物边缘从所述目标图像中分割出的包含待检测物料与参考物的图像；
表面积计算模块，用于统计所述参考图像中分布在参考物区域和待检测物料区域的像素点个数，计算所述待检测物料的表面积。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的物料表面积测量方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的物料表面积测量方法。
本发明实施例的技术方案，通过垂直朝向参考物与待检测物料进行图像采集得到目标图像，对所述目标图像进行检测和分割得到参考图像，统计所述参考图像中分布在参考物区域和待检测物料区域的像素点个数，计算所述待检测物料的表面积，该方法通过从目标图像中分割出参考图像，并统计参考图像中各个区域的分布的像素点个数，能够计算任意形状物料的表面积，从而降低计算的复杂度，提高计算待检测物料表面积的准确性，降低出现误差的概率。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
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是根据本发明实施例提供的一种物料表面积测量方法的流程图；
图2是根据本发明实施例提供的一种物料表面积测量方法的流程图；
图3是根据本发明实施例提供的二值化处理之前的参考图像；
图4是根据本发明实施例提供的二值化处理之后的参考图像；
图5是根据本发明实施例提供的一种物料表面积测量方法的流程图；
图6是根据本发明实施例二提供的一种物料表面积测量装置的结构示意图；
图7是实现本发明实施例的物料表面积测量方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例提供了一种物料表面积测量方法的流程图，本实施例可适用于物料表面积测量的情况，该方法可以由物料表面积测量装置来执行，该物料表面积测量装置可以采用硬件和/或软件的形式实现，该物料表面积测量装置可配置于任何具有网络通信功能的电子设备中。如图1所示，该方法可包括：
S110、垂直朝向参考物与待检测物料进行图像采集得到目标图像，所述参考物放置于水平桌面上，且所述参考物上被放置有待检测物料，在视觉上所述参考物的表面积大于所述待检测物料的表面积。
其中，参考物可以是已知表面积大小，为计算待检测物料的表面积提供的参照物，待检测物料的表面积可以是垂直朝向待检测物料进行投影，映射在参考物上的图像的面积。
具体的，固定的单目摄像机镜头垂直朝向放置参考物与待检测物料的水平桌面，进行图像采集获取目标图像，水平桌面上放置参考物，参考物上放置待检测物料，视觉上水平桌面的表面积大于参考物的表面积，参考物的表面积大于待检测物料的表面积，其中，目标图像是包括水平桌面、参考物、待检测物料成像的图像。
示例性的，在桌面上固定一个单目摄像机，摄像机的镜头垂直对准水平桌面，在桌面上放置一个底色为白色、表面积为一平方米的参考物，再将待检测物料放到参考物上，调整单目摄像机的焦距获取目标图像。
S120、对所述目标图像进行检测和分割得到参考图像，所述参考图像是按照参考物边缘从所述目标图像中分割出的包含待检测物料与参考物的图像。
具体的，当检测和分割模型检测到目标图像中包括待检测物料时，按照参考物边缘从所述目标图像中分割出的包含待检测物料与参考物的图像。
示例性的，基于深度学习算法搭建并训练用于检测和分割目标图像的检测和分割模型，例如yolov8-seg模型，预先通过摄像机采集流水线上的物料图像或者物料录像，如果是物料录像分割成每一帧的物料图像，采用Labelme标注工具对所有物料图像进行数据集标注，得到含有标注信息的物料图像，接着对物料图像进行数据增强，其中，所述数据增强是对物料图像进行亮度加强、亮度减弱、高斯噪声等操作，对物料图像进行数据增强可以提高训练检测和分割模型的准确性，依据检测和分割模型检测目标图像中是否包含物料信息，如果存在，则按照放置于物料信息下方的参考物的边缘从目标图像中分割出包含待检测物料和参考物的图像。
S130、统计所述参考图像中分布在参考物区域和待检测物料区域的像素点个数，计算所述待检测物料的表面积。
具体的，对参考图像进行二值化处理，二值化处理后的参考图像能够对像素点数量的统计，根据像素点的值统计参考图像中分布在参考物区域和待检测物料区域的像素点个数，根据蒙特卡洛模拟计数法确定待检测物料的表面积可以提高表面积计算的准确率，根据待检测物料区域的像素点个数、参考物区域像素点个数和参考物的表面积三个要素计算待检测物料的表面积。
在本发明实施例中，垂直朝向参考物或者待检测物料进行拍摄，由于参考物与待检测物料可以放置于不同的桌面以及操作台等平面上，所以可以实现在多种场景下对物料进行表面积测算，又通过从目标图像中分割出参考图像统计参考图像中各个区域分布的像素点个数，降低了计算待检测物料表面积的复杂度、减小人工成本。
本申请实施例提出了一种物料表面积测量方法，通过垂直朝向参考物与待检测物料进行图像采集得到目标图像，对所述目标图像进行检测和分割得到参考图像，统计所述参考图像中分布在参考物区域和待检测物料区域的像素点个数，计算所述待检测物料的表面积，该方法通过从目标图像中分割出参考图像，并统计参考图像中各个区域的分布的像素点个数，能够计算任意形状物料的表面积，从而降低计算的复杂度，提高计算待检测物料表面积的准确性，降低出现误差的概率。
图2为本发明实施例提供的一种物料表面积测量方法的流程图，本实施例是在上述实施例的基础上对统计参考图像中分布在参考物区域和待检测物料区域的像素点个数，计算待检测物料的表面积的这一步骤进一步优化。如图2所示，该方法可包括：
S210、垂直朝向参考物与待检测物料进行图像采集得到目标图像，所述参考物放置于水平桌面上，且所述参考物上被放置有待检测物料，在视觉上所述参考物的表面积大于所述待检测物料的表面积。
S220、对所述目标图像进行检测和分割得到参考图像，所述参考图像是按照参考物边缘从所述目标图像中分割出的包含待检测物料与参考物的图像；
S230、对所述参考图像进行二值化处理，得到用于统计待检测物料区域的像素点个数的参考图像。
作为一种可选的但不限定的实现方式，对所述参考图像进行二值化处理，得到用于统计待检测物料区域的像素点个数的参考图像，包括步骤A1-A3：
步骤A1、确定所述参考图像进行二值化处理的像素阈值，所述像素阈值是用于界定参考图像中像素点取值的数值数据。
具体的，根据参考图像中物料的像素值确定二值化处理的像素阈值，根据像素阈值可以将参考图像中的物料像素点的值突出显示，方便对待检测物料区域的像素点个数的统计。
步骤A2、判断所述参考图像中每个像素点的值是否大于等于所述像素阈值；如果是，则将所述像素点的值赋值为1，否则，将所述像素点的值赋值为0。
具体的，对比参考图像中每个像素点的值与像素阈值之间的关系，如果像素点的值大于等于像素阈值，则将像素点的值赋值为1；如果像素点的值小于像素阈值，则将像素点的值赋值为0。
步骤A3、将所有重新赋值的像素点重组得到用于统计待检测物料区域的像素点个数的参考图像。
具体的，对所有重新赋值的像素点重组，或者对所有像素点重新赋值的参考图像进行像素点的数值转化，获取用于统计待检测物料区域的像素点个数的参考图像。示例性的，对检测和分割模型分割出的参考图像进行二值化处理，图3是二值化处理之前的参考图像，图4是二值化处理之后的参考图像，图4比图3能够更方便的统计分布在参考物区域和待检测物料区域的像素点个数。
S240、统计所述参考图像中分布在参考物区域和待检测物料区域的像素点个数，计算所述待检测物料的表面积。
作为一种可选的但不限定的实现方式，统计所述参考图像中分布在参考物区域和待检测物料区域的像素点个数，计算所述待检测物料的表面积，包括步骤B1-B3：
步骤B1、在所述参考图像中随机抽取预设数量的像素点。
其中，预设数量是指依据历史数据按照参考物的表面积等变量的值确定的数值。
具体的，基于蒙特卡洛模拟计数法随机从参考图像中抽取预设数量的像素点。
示例性的，当参考物的表面积为1平方米时，从参考图像中抽取的像素点个数可以是10万个，一般是物料的参考物的表面积越大，从参考图像中抽取的像素点个数越多。
步骤B2、统计所述随机抽取预设数量的像素点分布在待检测物料区域的像素点个数，确定为待检测物料像素个数。
具体的，参考图像的数值化可以理解为是三维矩阵，对随机抽取预设数量的像素点分布在待检测物料区域的像素点个数进行统计可以应用计算机编程的遍历并计数的思想，获取物料像素个数。
步骤B3、根据所述预设数量的像素点、待检测物料像素个数和参考物的表面积三个参数计算所述待检测物料的表面积。
具体的，根据在参考图像中随机抽取像素点的预设数量、物料像素个数和固定的参考物的表面积计算待检测物料的表面积。
可选的，通过计算所述待检测物料像素个数与像素点的预设数量的比值，确定待检测物料与参考物像素比值；所述待检测物料的表面积被赋值为所述待检测物料与参考物像素比值与所述参考物的表面积的乘积。
具体的，基于蒙特卡洛模拟计数法的原理，待检测物料的表面积就等于待检测物料与参考物像素比值与所述参考物的表面积的乘积，其中，待检测物料与参考物像素比值是通过计算物料像素个数与像素点的预设数量的比值进行确定的，计算待检测物料的表面积公式如下所示：
其中，Sw表示待检测物料的表面积、m表示物料像素个数、n表示像素点的预设数量、Sr表示参考物的表面积。
本申请实施例提出了一种物料表面积测量方法，通过垂直朝向参考物与待检测物料进行图像采集得到目标图像，对所述目标图像进行检测和分割得到参考图像，统计所述参考图像中分布在参考物区域和待检测物料区域的像素点个数，基于蒙特卡洛模拟计数法的原理和二值化处理原则计算所述待检测物料的表面积可以提高计算的准确性，该方法通过从目标图像中分割出参考图像，并统计参考图像中各个区域的分布的像素点个数，能够计算任意形状物料的表面积，从而降低计算的复杂度，提高计算待检测物料表面积的准确性，降低出现误差的概率。
图5为本发明实施例提供的一种物料表面积测量方法的流程图，本实施例是在上述实施例的基础上对目标图像进行检测和分割得到参考图像这一步骤进行优化。如图5所示，该方法可包括：
S310、垂直朝向参考物与待检测物料进行图像采集得到目标图像，所述参考物放置于水平桌面上，且所述参考物上被放置有待检测物料，在视觉上所述参考物的表面积大于所述待检测物料的表面积。
S320、垂直朝向参考物与物料进行图像或视频采集得到物料影像。
具体的，为制定用于训练检测和分割模型的数据集，或者将来成批量计算待检测物料表面积时进行采集的目标图像集，通过单目摄像机垂直朝向参考物与物料形成的平面的方向进行拍摄视频或图像，获取物料影像。
S330、对物料影像进行数据标注，并对数据标注的物料影像进行数据增强得到物料数据集。
具体的，采用Labelme标注工具对所有物料图像进行数据集标注，得到含有标注信息的物料图像，接着对物料图像进行数据增强得到物料数据集，其中，所述数据增强是对物料图像进行亮度加强、亮度减弱、高斯噪声等操作，对物料图像进行数据增强可以提高训练检测和分割模型的准确性。
S340、依据物料数据集预先训练用于检测和分割参考图像的模型得到检测和分割模型。
具体的，将物料数据集分为训练数据集、测试数据集和验证数据集，将训练数据集中的物料图像按照预设批量依次输入至用于检测和分割参考图像的模型，得到检测和分割模型。
S350、根据所述检测和分割模型检测所述目标图像中是否存在所述待检测物料。
具体的，根据检测和分割模型的特征提取操作从目标图像中从上到下、从左到右依次获取滑动窗口大小的图像，判断该滑动窗口中的图像与待检测物料的相似程度，获取相似程度最高的相似度值对应的目标图像中的区域，根据像素度预设范围值判断目标图像中是否存在待检测物料。
S360、如果存在，根据所述检测和分割模型从所述目标图像中按参考物边缘分割出所述参考图像。
具体的，如果判定结果为目标图像中存在待检测物料，检测和分割模型进一步检测目标图像中参考物边缘，并按照参考物边缘分割出包含待检测物料的参考图像。
S370、统计所述参考图像中分布在参考物区域和待检测物料区域的像素点个数，计算所述待检测物料的表面积。
本申请实施例提出了一种物料表面积测量方法，通过垂直朝向参考物与待检测物料进行图像采集得到目标图像，通过预先训练好的检测和分割模型对所述目标图像进行检测和分割得到参考图像，为计算待检测物料表面积做数据支撑，统计所述参考图像中分布在参考物区域和待检测物料区域的像素点个数，计算所述待检测物料的表面积，该方法通过从目标图像中分割出参考图像，并统计参考图像中各个区域的分布的像素点个数，能够计算任意形状物料的表面积，从而降低计算的复杂度，提高计算待检测物料表面积的准确性，降低出现误差的概率。
实施例二
图6为本发明实施例二提供的一种物料表面积测量装置的结构示意图，该装置可执行本申请任意实施例所提供的物料表面积测量方法，具备执行方法相应的功能模块和有益效果。如图6所示，该装置可包括：
目标图像获取模块410，用于垂直朝向参考物与待检测物料进行图像采集得到目标图像，所述参考物放置于水平桌面上，且所述参考物上被放置有待检测物料，在视觉上所述参考物的表面积大于所述待检测物料的表面积；
检测和分割模块420，用于对所述目标图像进行检测和分割得到参考图像，所述参考图像是按照参考物边缘从所述目标图像中分割出的包含待检测物料与参考物的图像；
表面积计算模块430，用于统计所述参考图像中分布在参考物区域和待检测物料区域的像素点个数，计算所述待检测物料的表面积。
可选的，表面积计算模块430包括：
像素点抽取单元，用于在所述参考图像中随机抽取预设数量的像素点；
物料像素个数确定单元，用于统计所述随机抽取预设数量的像素点分布在待检测物料区域的像素点个数，确定为待检测物料像素个数；
物料表面积计算单元，用于根据所述预设数量的像素点、待检测物料像素个数和参考物的表面积三个参数计算所述待检测物料的表面积。
可选的，所述装置还包括：
二值化处理模块，用于对所述参考图像进行二值化处理，得到用于统计待检测物料区域的像素点个数的参考图像。
可选的，物料表面积计算单元具体用于：
通过计算所述待检测物料像素个数与像素点的预设数量的比值，确定待检测物料与参考物像素比值；
所述待检测物料的表面积被赋值为所述待检测物料与参考物像素比值与所述参考物的表面积的乘积。
可选的，二值化处理模块包括：
像素阈值确定单元，用于确定所述参考图像进行二值化处理的像素阈值，所述像素阈值是用于界定参考图像中像素点取值的数值数据；
第一判断单元，用于判断所述参考图像中每个像素点的值是否大于等于所述像素阈值；
像素值赋值单元，用于如果是，则将所述像素点的值赋值为1，否则，将所述像素点的值赋值为0；
图像重组单元，用于将所有重新赋值的像素点重组得到用于统计待检测物料区域的像素点个数的参考图像。
可选的，检测和分割模块420包括：
检测和分割模型获取单元，用于依据物料数据集预先训练用于检测和分割参考图像的模型得到检测和分割模型；
物料存在性判断单元，用于根据所述检测和分割模型检测所述目标图像中是否存在所述待检测物料；
参考图像分割单元，用于如果存在，根据所述检测和分割模型从所述目标图像中按参考物边缘分割出所述参考图像。
可选的，检测和分割模块420还包括：
物料影像获取单元，用于垂直朝向参考物与物料进行图像或视频采集得到物料影像；
物料数据集获取单元，用于对物料影像进行数据标注，并对数据标注的物料影像进行数据增强得到物料数据集。
本发明实施例中所提供的物料表面积测量装置可执行上述本发明任意实施例中所提供的物料表面积测量方法，具备执行该物料表面积测量方法相应的功能和有益效果，详细过程参见前述实施例中物料表面积测量方法的相关操作。
实施例三
图7示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如物料表面积测量方法。
在一些实施例中，物料表面积测量方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的物料表面积测量方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行物料表面积测量方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种物料表面积测量方法，其特征在于，包括：
垂直朝向参考物与待检测物料进行图像采集得到目标图像，所述参考物放置于水平桌面上，且所述参考物上被放置有待检测物料，在视觉上所述参考物的表面积大于所述待检测物料的表面积；
对所述目标图像进行检测和分割得到参考图像，所述参考图像是按照参考物边缘从所述目标图像中分割出的包含待检测物料与参考物的图像；
统计所述参考图像中分布在参考物区域和待检测物料区域的像素点个数，计算所述待检测物料的表面积。
2.根据权利要求1所述的方法，其特征在于，统计所述参考图像中分布在参考物区域和待检测物料区域的像素点个数，计算所述待检测物料的表面积，包括：
在所述参考图像中随机抽取预设数量的像素点；
统计所述随机抽取预设数量的像素点分布在待检测物料区域的像素点个数，确定为待检测物料像素个数；
根据所述预设数量的像素点、待检测物料像素个数和参考物的表面积三个参数计算所述待检测物料的表面积。
3.根据权利要求1所述的方法，其特征在于，对所述目标图像进行检测和分割得到参考图像之后，还包括：
对所述参考图像进行二值化处理，得到用于统计待检测物料区域的像素点个数的参考图像。
4.根据权利要求2所述的方法，其特征在于，根据所述预设数量的像素点、待检测物料像素个数和参考物的表面积三个参数计算所述待检测物料的表面积，包括：
通过计算所述待检测物料像素个数与像素点的预设数量的比值，确定待检测物料与参考物像素比值；
所述待检测物料的表面积被赋值为所述待检测物料与参考物像素比值与所述参考物的表面积的乘积。
5.根据权利要求3所述的方法，其特征在于，对所述参考图像进行二值化处理，得到用于统计待检测物料区域的像素点个数的参考图像，包括：
确定所述参考图像进行二值化处理的像素阈值，所述像素阈值是用于界定参考图像中像素点取值的数值数据；
判断所述参考图像中每个像素点的值是否大于等于所述像素阈值；
如果是，则将所述像素点的值赋值为1，否则，将所述像素点的值赋值为0；
将所有重新赋值的像素点重组得到用于统计待检测物料区域的像素点个数的参考图像。
6.根据权利要求1所述的方法，其特征在于，对所述目标图像进行检测和分割得到参考图像，包括：
依据物料数据集预先训练用于检测和分割参考图像的模型得到检测和分割模型；
根据所述检测和分割模型检测所述目标图像中是否存在所述待检测物料；
如果存在，根据所述检测和分割模型从所述目标图像中按参考物边缘分割出所述参考图像。
7.根据权利要求6所述的方法，其特征在于，依据物料数据集预先训练用于检测和分割参考图像的模型得到检测和分割模型之前，还包括：
垂直朝向参考物与物料进行图像或视频采集得到物料影像；
对物料影像进行数据标注，并对数据标注的物料影像进行数据增强得到物料数据集。
8.一种物料表面积测量装置，其特征在于，包括：
目标图像获取模块，用于垂直朝向参考物与待检测物料进行图像采集得到目标图像，所述参考物放置于水平桌面上，且所述参考物上被放置有待检测物料，在视觉上所述参考物的表面积大于所述待检测物料的表面积；
检测和分割模块，用于对所述目标图像进行检测和分割得到参考图像，所述参考图像是按照参考物边缘从所述目标图像中分割出的包含待检测物料与参考物的图像；
表面积计算模块，用于统计所述参考图像中分布在参考物区域和待检测物料区域的像素点个数，计算所述待检测物料的表面积。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的物料表面积测量方法。
10.一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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的物料表面积测量方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311047946.9A CN117274361A (zh) | 2023-08-18 | 2023-08-18 | 一种物料表面积测量方法、装置、电子设备以及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311047946.9A CN117274361A (zh) | 2023-08-18 | 2023-08-18 | 一种物料表面积测量方法、装置、电子设备以及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117274361A true CN117274361A (zh) | 2023-12-22 |
Family
ID=89203433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311047946.9A Pending CN117274361A (zh) | 2023-08-18 | 2023-08-18 | 一种物料表面积测量方法、装置、电子设备以及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117274361A (zh) |
-
2023
- 2023-08-18 CN CN202311047946.9A patent/CN117274361A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112949767B (zh) | 样本图像增量、图像检测模型训练及图像检测方法 | |
| CN112989995B (zh) | 文本检测方法、装置及电子设备 | |
| CN115205291B (zh) | 一种电路板检测方法、装置、设备和介质 | |
| TWI765442B (zh) | 瑕疵等級判定的方法及存儲介質 | |
| WO2024002187A1 (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
| CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
| CN116559177A (zh) | 一种缺陷检测方法、装置、设备以及存储介质 | |
| CN113643260A (zh) | 用于检测图像质量的方法、装置、设备、介质和产品 | |
| CN116188917B (zh) | 缺陷数据生成模型训练方法、缺陷数据生成方法及装置 | |
| CN115908988B (zh) | 一种缺陷检测模型生成方法、装置、设备以及存储介质 | |
| CN117372663A (zh) | 原木端面遮挡的补全方法、装置、设备及存储介质 | |
| CN117274361A (zh) | 一种物料表面积测量方法、装置、电子设备以及介质 | |
| CN112991308B (zh) | 一种图像质量的确定方法、装置、电子设备和介质 | |
| CN113378958A (zh) | 自动标注方法、装置、设备、存储介质及计算机程序产品 | |
| CN116051559B (zh) | 一种产品检测方法、装置、设备及存储介质 | |
| CN117115568B (zh) | 数据筛选方法、装置、设备及存储介质 | |
| CN114037865B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
| CN116258714B (zh) | 一种缺陷识别方法、装置、电子设备和存储介质 | |
| CN114092739B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
| CN117112816B (zh) | 安检图像的排序方法、装置、设备及存储介质 | |
| CN116309587A (zh) | 一种布料瑕疵检测方法、装置、电子设备及存储介质 | |
| CN117350995A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 | |
| CN116309586A (zh) | 基于卷积神经网络的瑕疵检测方法、装置、设备及介质 | |
| CN116777871A (zh) | 一种基于x射线的缺陷检测方法、装置、设备及介质 | |
| CN117372386A (zh) | 货物超板区域的检测方法、装置、设备和介质 |
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 |