一种智能柔性调控光源方法及系统技术方案

本发明专利技术具体涉及一种智能柔性调控光源方法及系统，属于灯光智能调节技术领域，包括大数据图像采集模块、智能学习与调控模块及高密度点阵光源及柔性基底方向驱动模块三大部分组成。大数据图像采集模块：视觉系统对图像进行高速的大数据量采集；智能学习与调控模块：对视觉系统的大数据图像进行自主学习与判断，将其数字化，并智能调控高密度点阵光源驱动模块；高密度点阵光源及柔性基底方向驱动模块：执行智能学习与调控模块的决策，高速智能的驱动区域光强与柔性基底的方向调控，实现被测物体表面亮度一致性需求。本发明专利技术解决了由光照环境、物体表面形状以及物体表面反光等因素所引起的光照不均的问题，进而为高质量的图像采集工作提供重要保障。

【技术实现步骤摘要】
一种智能柔性调控光源方法及系统
本专利技术涉及灯光智能调节
，具体涉及一种智能柔性调控光源方法及系统。
技术介绍
在地质勘探、风洞可视化测试、高精密图像仪器、智能装备制造等领域的图像采集过程中由于受恶劣的光照环境，被测物体形状以及物体表面反光等因素的影响，导致拍摄的图像整体光照不均，图像光照不均匀致使图像局部灰度值偏低，局部信息无法辨认。光照不均在一定程度上改变了图像的原始面貌，增加了进一步处理的困难难度。现有的针对光照不均的处理方法有基于软件处理和物理补光，软件处理光照不均现象通常对输出图像处理进行直方图均衡化、基于照明-反射模型的同态滤波法、Retinex增强方法以及梯度域增强方法等，这些方法虽然对光照不均起到一定的作用，但仍存在过增强等现象，也存在通过物理补光来改善光照不均的系统及方法，但只针对特定对象进行补光，并且经常存在补光不到位等问题，有一定的局限性，而且智能化程度较低，因此更智能化的基于机器学习的光照不均处理技术有待加强。
技术实现思路
本专利技术的目的是提供一种智能柔性调控光源方法及系统，该方法本文档来自技高网...

【技术保护点】
1.一种智能柔性调控光源系统，其特征在于，包括：大数据图像采集模块：大数据量实时采集外界环境图像信息，并将采集到的图像信息发送到智能学习与调控模块进行存储；智能学习与调控模块：对存储区域图像进行灰度化及高斯滤波前处理，并进行环境光照均匀性进行判断，当检测到外界环境光照不均匀时，提取图像区域光照最大值T作为自主学习对象，通过获取输入图像中物体表面不均匀光照区域的像素坐标(u，v)来定位实际环境中不均匀光照区域的坐标，并根据学习结果和不均匀光照区域的定位信息，向智能学习与调控模块向高密度点阵光源及柔性基底方向驱动模块发送控制指令；高密度点阵光源及柔性基底方向驱动模块：智能学习与调控模块根据学习结果...

【技术特征摘要】
1.一种智能柔性调控光源系统，其特征在于，包括：大数据图像采集模块：大数据量实时采集外界环境图像信息，并将采集到的图像信息发送到智能学习与调控模块进行存储；智能学习与调控模块：对存储区域图像进行灰度化及高斯滤波前处理，并进行环境光照均匀性进行判断，当检测到外界环境光照不均匀时，提取图像区域光照最大值T作为自主学习对象，通过获取输入图像中物体表面不均匀光照区域的像素坐标(u，v)来定位实际环境中不均匀光照区域的坐标，并根据学习结果和不均匀光照区域的定位信息，向智能学习与调控模块向高密度点阵光源及柔性基底方向驱动模块发送控制指令；高密度点阵光源及柔性基底方向驱动模块：智能学习与调控模块根据学习结果改变高密度点阵光源及柔性基底方向驱动模块的工作电压，高密度点阵光源及柔性基底方向驱动模块中的可拉伸泵根据电压的大小弯曲一定角度，进而驱动环形柔性LED阵列光源的照射角度，并且智能学习与调控模块通过自主学习处于调控中的物体表面图像的光照强度信息，进一步控制环形柔性LED阵列光源区域性亮灭。


2.如权利要求1所述一种智能柔性调控光源系统，其特征在于，所述高密度点阵光源及柔性基底方向驱动模块包括环形柔性LED阵列光源和可拉伸泵，智能学习与调控模块通过改变可拉伸泵的工作电压来改变柔性泵的弯曲角度，进而消除电压后，由于可拉伸泵腔室恢复弹性力，执行器返回其初始位置；所述高密度点阵光源及柔性基底方向驱动模块中共有4个可拉伸泵，对其进行编号为A、B、C、D，分别负责驱动高密度点阵光源的上、下、左、右部分弯曲。


3.一种智能柔性调控光源方法，其特征在于，步骤S1：大数据图像采集模块对外界环境图像进行大数据量实时采集，并将采集到的的图像信息发送至智能学习与调控模块进行存储；
步骤S2：智能学习与调控模块自动读取存储区域的图像信息，先把原图像转变为灰度图像，然后对灰度图像进行高斯滤波预处理，灰度图像转化：Gray＝R*0.299+G*0.587+B*0.114；
步骤S3：智能学习与调控模块利用图像中像素之间的相关性，使用聚类图像分割算法将图像分割为若干组成区域，具有相同类别的像素(u，v)被归类在同一区域，并将分割区域进行标记；
步骤S4：智能学习与调控模块根据分割区域面积去掉部分小的分割块，随后对每个分割区域进行训练集的单实例学习映射匹配，并对匹配得分进行排序，选择与测试图像最相似的5个训练图像作为单实例学习映射的同质匹配集合；
步骤S5：所述智能学习与调控模块利用每个训练集匹配图像估计测试区域的光照，并计算其均值作为该区域的光照估计uE(p)＝(∑iti)/k,i∈E(p)；
步骤S6：智能学习与调控模块同时测试图像多个分割区域的光照，求取各个区域的光照估计均值作为测试图像的全局光照P估计，通并对全局光照情况P进行策略选择，如果P＝Idealillumination(理想光照)，则停止对环境光照情况进行学习，否则(光照不均匀)进行步骤S7；
步骤S7：智能学习与调控模块从被标记后的分割区域中提取最大光照区域的区域光照均值作为全局光照阈值Tmax，并将光照阈值Tmax参数作为深度学习不均匀光照环境的训练类别；
步骤S8：智能学习与调控根据大数据采集模块采集的工作区域图像信息以及视觉系统的标定参数最终获得物体表面不均匀光照区域的三维世界坐标系，进而确定不均匀光照区域图像像素坐标与实际坐标的关系；
步骤S9：智能学习与调控模块通过学习处理输入图像中被...

【专利技术属性】
技术研发人员：唐云龙，李应朝，冯雪，岳文，杨义勇，康嘉杰，
申请(专利权)人：中国地质大学北京，
类型：发明
国别省市：北京;11