一种基于移动端的色环编码电子元件参数识别器及其算法制造技术

本发明专利技术属于机器视觉移动终端混合开发图像技术领域，特别涉及一种基于移动端的色环编码电子元件参数识别器及其算法。本发明专利技术通过使用JAVA‑Python混编进行识别算法在移动端平台的实现，来解决电子元件参数识别在电信工程领域上的问题，利用目标特征匹配、轮廓分割、图像拟合、色差分析识别实现色环电子元件参数识别自动化，无人化，快速化，应用于大部分家用电器的生产以及中小学、高校实验室以辅助色弱群体和社会电子爱好者群体简化繁琐的色环电子元件分辨与识别，带来了很大的便携性和实用性，其操作简单，有一定的精确度，减少了在相关的实验室和工厂以及日常生活中出现的主观识别错误，填补了色环电子元件识别移动端应用领域的空白。

A color ring coded electronic component parameter identifier based on mobile terminal and its algorithm

【技术实现步骤摘要】
一种基于移动端的色环编码电子元件参数识别器及其算法
本专利技术属于机器视觉移动终端混合开发图像
，特别涉及一种基于移动端的色环编码电子元件参数识别器及其算法。
技术介绍
识别电阻等微小电子元件颜色编码的技术在国内仍是不完整，而在电信工程硬件、移动端软件平台、机器视觉算法、编程语言混编的多领域交叉，将图像识别算法在移动平台的应用，来实现对电子元件参数的移动端识别，填补了色环电子元件识别移动端应用领域的空白。对于互联网软件行业，随着中国网络的覆盖率的提高和移动通信技术的迅猛发展，使用便携智能设备的人数大大增加，因而APP的使用和开发得到了前所未有的发展。APP给广大使用者带来了很大的便携性和实用性。在“互联网+”的时代下，通过运用现代化技术，产业及实验室互联网前景逐渐明朗，在实验生产互联网产业链中，市场空白较多。对于在相关的实验室和工厂中的出现的客观上的主观识别电子元件参数的错误，可以通过互联网技术来进行弥补，达到智能小差错的精准实验与生产。在使用色环编码的电子元件时，如果对编码不熟悉，或者色环不清楚，或者使用者存在色弱缺陷，那么就会出现识别错误，导致实验不正常。同时可应用于大部分家用电器的生产以及中小学、高校实验室以辅助色弱群体和社会电子爱好者群体简化繁琐的色环电子元件分辨与识别，可应用至绝大部分的中小学、高校实验室以及部分电器生产线。
技术实现思路
针对上述现有技术的不足，本专利技术所解决的技术问题是使用一种全新的基于智能移动终端混合开发及其识别算法实现移动端色环编码电子元件参数识别器，本专利技术的目的在于，针对实验室、电子生产、日常生活中对色环电子元件的识别市场需求利用目标特征匹配、轮廓分割、色差分析识别实现python-JAVA混编移动开发自动化，无人化，快速化的识别并计算电子元件参数。为了达到上述专利技术目的，本专利技术的技术方案以如下方式实现。一种基于移动端的色环编码电子元件参数识别算法，步骤如下：第一步：获取原始图片：用分辨率大于WVGA＝(800*480)手机拍取电子元件图片；第二步：对第一步获取的原始图片对用户透明处理；第三步：目标待处理图片和标准色环电子元件图片进行匹配：3.1利用高斯函数和拉普拉斯算子构建尺度空间模拟图像数据的多尺度特征，利用连续高斯模糊化影像差异来找出关键点，L(x,y,σ)为原始图像I(x,y)与一个可变尺度的2维高斯函数G(x,y,σ)卷积运算：L(x,y,kσ)＝G(x,y,kσ)*I(x,y)(1)3.2使用DOG算子对图片在高斯尺度空间中进行尺度不变关键点检测：D(x,y,σ)＝[G(x,y,kσ)-G(x,y,σ)]*I(x,y)＝L(x,y,kσ)-L(x,y,σ)(2)通过关键点附近像素的资讯、关键点的尺寸、关键点的主曲率来定位各个关键点，使用邻近资料插补和计算DOG算子关键点的主曲率消除位于边上或是易受噪声干扰的关键点：3.3关键点方向分配，利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，使算子具备旋转不变性θ(x,y)＝arctan((L(x,y-1)-L(x,y+1))/(L(x-1,y)-L(x+1,y)))(4)为(x,y)处梯度的模值和方向公式，其中L所用的尺度为每个关键点各自所在的尺度，每个关键点有三个信息：位置，所处尺度、方向，由此可以确定一个SIFT特征区域。3.4关键点匹配，模板图中关键点描述子：R1＝(ri1,ri2,…,ri128)实时图中的关键点描述子：S1＝(si1,si2,…,si128)，使用相似性度量公式进行特征点匹配：第四步：通过分割出原始图片各轮廓中最佳特征点匹配的电子元件图片：通过Canny边缘检测以及去内轮廓和小轮廓得到待处理的预选轮廓组，通过对比特征匹配分割出最佳匹配标准色环电子元件的图片，并且通过最小二乘法拟合出轮廓中心直线，获得斜率k；第五步：通过底色匹配和获得色环电子元件中心点(x0,y0)：通过底色HSV范围转换，与新分割出匹配图像I(x,y)进行mask卷积，获取轮廓色环电子元件中心点(x0,y0)，通过中心直线斜率k以及中心点(x0,y0)，建立颜色搜索直线；第六步：色差分析输出色环电子元件参数：沿中心搜索直线搜索，调用色环颜色识别模块与标准色环颜色RGB组转换到LAB颜色空间进行CIEDE2000色差公式比较：ΔL′,ΔC′,ΔH′分别为：明度差、彩度差、色相差，SL,SC,SH为权重函数，校正颜色空间均匀性，RT为旋转函数校正色空间蓝色区域容差椭圆主轴方向的偏转，然后匹配出色环的颜色并输出。一种基于图像识别算法实现的移动端色环编码电子元件参数识别算法的识别器，包括用户交互模块、JAVA移动终端混编调用算法模块和python算法电子元件图片处理模块；所述的python算法电子元件图片处理模块包括match目标匹配模块、色环电子元件目标分割模块、色环电子元件中心获取模块、沿中心直线搜索模块和色环颜色识别模块；用户交互模块，用于选择识别五色环电阻模块、选择识别四色环电阻模块、选择识别色环电容模块或选择识别色环电感模块四种模式；移动端的JAVA移动终端混编调用算法模块调用后端图片处理算法。python算法电子元件图片处理模块通过Chaquo的Python—JAVA框架混编开发将上述算法在移动端软件平台的实现轻量化，使其机器视觉应用于智能移动端来快速自动识别色环电子元件的需求，来解决电子元件参数识别在电信工程领域上的问题。本专利技术的有益效果：本专利技术算法采用python机器视觉算法以及JAVA混编通过移动端来自动判断色环电子元件的色环信息，并且算法可自动识别色环顺序，无须将色环电子元件摆正进行处理，实现自动化识别。附图说明图1是色环编码电子元件参数识别器的系统模块化框图。图2是用户交互模块的系统模块化框图。图3是python算法电子元件图片处理模块的系统模块化框图。图4是系统色环颜色识别的程序流程图。图5是实际拍摄色环电子元件测试用例图。图6是标准色环电阻匹配图。图7是经过match目标最优匹配后的结果图。图8是经过底色匹配后获取的色环电子元件中心处理图。具体实施方式下面结合说明书实例附图和技术方案对本专利技术的具体实施方式和工作原理作进一步详细说明：实施例1：如图1所示，一种基于图像识别算法实现的移动端色环编码电子元件参数识别器，包括用户交互模块、JAVA移动终端混编调用算法模块、python算法电子元件图片处理模块；其中如图3所示，python算法电子元件图片处理模块包括match目标匹配模块、色环电子元件目标分割模块、色环电子元件中心获取模块、沿中心直线搜索模块和色环颜色识别模块；python算法电子元件图本文档来自技高网...

【技术保护点】
1.一种基于移动端的色环编码电子元件参数识别算法，其特征在于，步骤如下：/n第一步：获取原始图片：/n用分辨率大于WVGA＝(800*480)手机拍取电子元件图片；/n第二步：调用第一步获取的原始图片对用户透明处理；/n第三步：目标待处理图片和标准色环电子元件图片进行匹配：/n3.1利用高斯函数和拉普拉斯算子构建尺度空间模拟图像数据的多尺度特征，利用连续高斯模糊化影像差异来找出关键点，L(x,y,σ)为原始图像I(x,y)与一个可变尺度的2维高斯函数G(x,y,σ)卷积运算：/n

【技术特征摘要】
1.一种基于移动端的色环编码电子元件参数识别算法，其特征在于，步骤如下：
第一步：获取原始图片：
用分辨率大于WVGA＝(800*480)手机拍取电子元件图片；
第二步：调用第一步获取的原始图片对用户透明处理；
第三步：目标待处理图片和标准色环电子元件图片进行匹配：
3.1利用高斯函数和拉普拉斯算子构建尺度空间模拟图像数据的多尺度特征，利用连续高斯模糊化影像差异来找出关键点，L(x,y,σ)为原始图像I(x,y)与一个可变尺度的2维高斯函数G(x,y,σ)卷积运算：



L(x,y,kσ)＝G(x,y,kσ)*I(x,y)(1)
3.2使用DOG算子对图片在高斯尺度空间中进行尺度不变关键点检测：
D(x,y,σ)＝[G(x,y,kσ)-G(x,y,σ)]*I(x,y)＝L(x,y,kσ)-L(x,y,σ)(2)
通过关键点附近像素的资讯、关键点的尺寸、关键点的主曲率来定位各个关键点，使用邻近资料插补和计算DOG算子关键点的主曲率消除位于边上或是易受噪声干扰的关键点：






3.3关键点方向分配，利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，使算子具备旋转不变性



θ(x,y)＝arctan((L(x,y-1)-L(x,y+1))/(L(x-1,y)-L(x+1,y)))(4)
为(x,y)处梯度的模值和方向公式，其中L所用的尺度为每个关键点各自所在的尺度，每个关键点有三个信息：位置，所处尺度、方向，由此可以确定一个SIFT特征区域；
3.4关键点匹配，模板图中关键点描述子：R1＝(ri1,ri2,…,ri128)
实时图中的关键点描述子：S1＝(si1,si2,…,si128)，使用相似性度量公式进行特征点匹配：



第四步：通过分割出原始图片各轮廓中最佳特征点匹配的电子元件图片...

【专利技术属性】
技术研发人员：杨大为，刘焱鑫，吴豆豆，陈希有，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁;21