基于人工智能的视觉信息处理方法、装置、设备及介质制造方法及图纸

本发明专利技术适用于机器视觉检测技术领域，提供了一种基于人工智能的视觉信息处理方法、系统、装置及存储介质，所述方法包括以下步骤：获取原始视频；对所述原始视频进行预处理，得到多帧灰度图像；确定至少一帧满足预设条件的参考帧图像；将多帧灰度图像分别与参考帧图像进行一一比对，得到异常帧图像；提取异常帧图像中的特征信息，将所述特征信息生成描述向量；根据预先训练的分类识别模型对所述描述向量进行分类识别，得到所述灰度图像的类别属性。本发明专利技术实施例提供的基于人工智能的视觉信息处理方法能够有效识别目标产品的外观质量，能够有效解决目前自动化行业产品外观质量检测主要是人工检测和接触式检测为主，存在检测效率低、效果差的问题。

【技术实现步骤摘要】
基于人工智能的视觉信息处理方法、装置、设备及介质
本专利技术属于机器视觉检测
，尤其涉及一种基于人工智能的视觉信息处理方法、装置、计算机设备及存储介质。
技术介绍
近年来，人工智能取得了飞速的发展，机器视觉便是其中之一。行人检测是机器视觉中的重要问题，在安防监控、智能驾驶、智能机器人等领域得到广泛的应用。目前，基于机器学习的方法是行人检测算法的主流，该方法主要通过结合人工特征和分类器的方式来实现。机器视觉能够提高生产的灵活性和自动化程度。在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。机器视觉主要的功能有四个，分别是引导和定位，外观检测，高精度监测和识别。其中引导和定位可应用于三维和二维条件下，做到定位流水线的静态和动态目标，可适应不同情况下的视觉定位需求。随着自动化行业的发展，对产品的质量要求越来越高，所以使得产品的外观质量检测也越来越重要；目前自动化行业产品外观质量检测主要是人工检测和接触式检测为主，这两种检测方式都各有缺点；其中，人工检测对于人眼长时间工作在高光源下工作，极易疲劳，容易误判和漏判；并且由于每个人对标准的认识程度和理解程度不同，主观判断的标准不一；其检测的工作量大、重复性高，对人眼的伤害严重；而接触式检测主要是测量仪关节臂和三坐标等仪器测量，首先这类仪器对一些异性不规则的产品无法精确测量，其次接触式测量方式是逐点测量，其测量速度慢。
技术实现思路
本专利技术实施例的目的在于提供一种基于人工智能的视觉信息处理方法、装置、计算机设备及存储介质，旨在解决目前自动化行业产品外观质量检测主要是人工检测和接触式检测为主，存在检测效率低、效果差的问题。本专利技术实施例是这样实现的：在本专利技术的一个实施例中，提供了一种基于人工智能的视觉信息处理方法，所述方法包括以下步骤：获取原始视频；对所述原始视频进行预处理，得到多帧灰度图像；确定至少一帧满足预设条件的参考帧图像；将多帧灰度图像分别与参考帧图像进行一一比对，得到异常帧图像；提取异常帧图像中的特征信息，将所述特征信息生成描述向量；根据预先训练的分类识别模型对所述描述向量进行分类识别，得到所述灰度图像的类别属性。作为本专利技术优选实施例技术方案的进一步限定，所述对所述原始视频进行预处理的步骤具体包括：提取所述原始视频的帧图像集，确定每一帧图像的产品图像；将所述帧图像集中含有预设图像的的多帧图像进行灰度处理。作为本专利技术优选实施例技术方案的进一步限定，所述确定每一帧图像的产品图像的步骤具体包括：根据所述帧图像中各像素点的灰度值确定所述帧图像中的目标产品的边缘像素点；根据所述帧图像的目标产品的边缘像素点确定所述帧图像中目标产品的边缘；根据所述目标产品的边缘确定当前帧图像的产品图像。作为本专利技术优选实施例技术方案的进一步限定，在所述根据预先训练的分类识别模型对所述描述向量进行分类识别的步骤之后，所述方法还包括：根据分类识别结果，对所述分类识别模型进行修正优化。在本专利技术的另一个实施例中，提供了一种基于人工智能的视觉信息处理装置，所述装置包括：视频摄像单元，用于获取原始视频；视频处理单元，用于对所述原始视频进行预处理，得到多帧灰度图像；帧图像确定单元，用于确定至少一帧满足预设条件的参考帧图像；图像比对单元，用于将多帧灰度图像分别与参考帧图像进行一一比对，得到异常帧图像；提取异常帧图像中的特征信息，将所述特征信息生成描述向量；类型识别单元，用于根据预先训练的分类识别模型对所述描述向量进行分类识别，得到所述灰度图像的类别属性。作为本专利技术优选实施例技术方案的进一步限定，所述视频处理单元包括：产品图像获取模块，用于提取所述原始视频的帧图像集，确定每一帧图像的产品图像；图像处理模块，用于将所述帧图像集中含有预设图像的的多帧图像进行灰度处理。作为本专利技术优选实施例技术方案的进一步限定，所述产品图像获取模块具体包括：边缘像素点确定子模块，用于根据所述帧图像中各像素点的灰度值确定所述帧图像中的目标产品的边缘像素点；产品边缘确定子模块，用于根据所述帧图像的目标产品的边缘像素点确定所述帧图像中目标产品的边缘；产品图像确定子模块，用于根据所述目标产品的边缘确定当前帧图像的产品图像。作为本专利技术优选实施例技术方案的进一步限定，所述装置还包括：模型修正模块，用于根据分类识别结果，对所述分类识别模型进行修正优化。在本专利技术的另一个实施例中，提供了一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现所述的基于人工智能的视觉信息处理方法的步骤：获取原始视频；对所述原始视频进行预处理，得到多帧灰度图像；确定至少一帧满足预设条件的参考帧图像；将多帧灰度图像分别与参考帧图像进行一一比对，得到异常帧图像；提取异常帧图像中的特征信息，将所述特征信息生成描述向量；根据预先训练的分类识别模型对所述描述向量进行分类识别，得到所述灰度图像的类别属性。为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现上述的基于人工智能的视觉信息处理方法的步骤：获取原始视频；对所述原始视频进行预处理，得到多帧灰度图像；确定至少一帧满足预设条件的参考帧图像；将多帧灰度图像分别与参考帧图像进行一一比对，得到异常帧图像；提取异常帧图像中的特征信息，将所述特征信息生成描述向量；根据预先训练的分类识别模型对所述描述向量进行分类识别，得到所述灰度图像的类别属性。与现有技术相比，本专利技术实施例主要有以下有益效果：本专利技术实施例提供的基于人工智能的视觉信息处理方法通过获取原始视频；对所述原始视频进行预处理，得到多帧灰度图像；确定至少一帧满足预设条件的参考帧图像；将多帧灰度图像分别与参考帧图像进行一一比对，得到异常帧图像；提取异常帧图像中的特征信息，将所述特征信息生成描述向量；根据预先训练的分类识别模型对所述描述向量进行分类识别，得到所述灰度图像的类别属性。本专利技术实施例能够对原始视频中的目标产品的外观进行检测，并通过检测结果对目标产品存在的外观缺陷进行分类，能够有效解决目前自动化行业产品外观质量检测主要是人工检测和接触式检测为主，存在检测效率低、效果差的问题。附图说明图1为本专利技术实施例提供的一种基于人工智能的视觉信息处理方法的系统架构图；图2为本专利技术实施例提供的一种基于人工智能的视觉信息处理方法的实施流程图；图3为本专利技术实施例提供的一种基于人工智能的视觉信息处理方法的一个子流程图；图4为本专利技术实施例提供的一种基于人工智能的视觉信息处理方法的另一个子流程图；图5为本专利技术实施例提供的本文档来自技高网...

【技术保护点】
1.一种基于人工智能的视觉信息处理方法，其特征在于，所述方法包括：/n获取原始视频；/n对所述原始视频进行预处理，得到多帧灰度图像；/n确定至少一帧满足预设条件的参考帧图像；/n将多帧灰度图像分别与参考帧图像进行一一比对，得到异常帧图像；提取异常帧图像中的特征信息，将所述特征信息生成描述向量；/n根据预先训练的分类识别模型对所述描述向量进行分类识别，得到所述灰度图像的类别属性。/n

【技术特征摘要】
1.一种基于人工智能的视觉信息处理方法，其特征在于，所述方法包括：
获取原始视频；
对所述原始视频进行预处理，得到多帧灰度图像；
确定至少一帧满足预设条件的参考帧图像；
将多帧灰度图像分别与参考帧图像进行一一比对，得到异常帧图像；提取异常帧图像中的特征信息，将所述特征信息生成描述向量；
根据预先训练的分类识别模型对所述描述向量进行分类识别，得到所述灰度图像的类别属性。


2.根据权利要求1所述的基于人工智能的视觉信息处理方法，其特征在于，所述对所述原始视频进行预处理的步骤具体包括：
提取所述原始视频的帧图像集，确定每一帧图像的产品图像；
将所述帧图像集中含有预设图像的的多帧图像进行灰度处理。


3.根据权利要求2所述的基于人工智能的视觉信息处理方法，其特征在于，所述确定每一帧图像的产品图像的步骤具体包括：
根据所述帧图像中各像素点的灰度值确定所述帧图像中的目标产品的边缘像素点；
根据所述帧图像的目标产品的边缘像素点确定所述帧图像中目标产品的边缘；
根据所述目标产品的边缘确定当前帧图像的产品图像。


4.根据权利要求2或3所述的基于人工智能的视觉信息处理方法，其特征在于，在所述根据预先训练的分类识别模型对所述描述向量进行分类识别的步骤之后，所述方法还包括：根据分类识别结果，对所述分类识别模型进行修正优化。


5.一种基于人工智能的视觉信息处理装置，其特征在于，所述装置包括：
视频摄像单元，用于获取原始视频；
视频处理单元，用于对所述原始视频进行预处理，得到多帧灰度图像；
帧图像确定单元，用于确定至少一帧满足预设条件的参考帧图像；
图像比对单元，用于将多帧灰度图像分别与参考帧图像进行一一比对，得到异常帧图像；提取异常帧图像中的特征信息，将所述特征信息生成描述向量；
类型识别单元，用于根据预先训练的分类识别模型对所述描述向量进行分类识别，得到所述灰度图像的类别属性。


6.根据权利要求5所述的基于人工智能的视觉信息处理装置，其特征在于，所述视频处...

【专利技术属性】
技术研发人员：田二林，张秋闻，于泽琦，南姣芬，张永霞，
申请(专利权)人：郑州轻工业大学，
类型：发明
国别省市：河南;41