【技术实现步骤摘要】
用于废钢料件自动检测的图像处理方法、存储介质及装置
[0001]本申请涉及计算机视觉
，具体涉及一种用于废钢料件自动检测的图像处理方法、存储介质及装置。
技术介绍
[0002]随着人工智能技术的发展，深度学习技术在计算机视觉
取得了重大发展，并且在图像分类、图像目标检测以及图像分割等方面取得了重大突破。其中，基于计算机视觉技术的人脸识别产品已经广泛应用于出入境口岸、火车站和机场大厅等场所，通过从采集的图像中提取人脸特征并进行比对和搜索来达到身份检判的目的。在工业应用领域，例如废弃钢材料件(简称废钢料件)回收利用环节和废钢料件估重估价等环节，涉及到对废钢料件集合中各个废钢料件的自动检测，因此可以借助人工智能技术和基于计算机视觉技术的产品来实现对废钢料件的智能化自动检判。相比于传统的人工测量和人工检判，基于计算机视觉技术对废钢料件进行智能化自动检判，具有检判标准客观稳定、信息化程度高、降低了安全隐患和人力成本等有益效果，有利于提高生产效率和作业安全性。
[0003]但是，基于计算机视觉技术对废钢料件进行智能化...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法，用于废钢料件集合的搬运过程中的自动检测，其特征在于，所述图像处理方法包括：获得第一图像和第二图像，其中，所述第一图像被采集在特定搬运操作之前，所述第二图像被采集在该特定搬运操作之后；将所述第一图像和所述第二图像输入原图差异计算模块得到原图差异图，其中，所述原图差异计算模块用于对所述第一图像和所述第二图像进行像素级相减运算；将所述原图差异图输入量化模型得到第一量化图，其中，所述量化模型用于根据预设量化标准将输入所述量化模型的图像上的各个像素点的像素值转化为所述量化模型所输出的图像上的相应像素点的量化值；根据所述第一量化图和所述第一图像的料件分割图生成中间结果图，其中，所述第一图像的料件分割图通过将所述第一图像输入料件分割识别模型得到；对所述中间结果图进行灰度化操作和高斯滤波操作后输入所述量化模型得到第二量化图；和根据所述第二量化图确定所述第一图像和所述第二图像之间的变化区域，所述变化区域用于确定该特定搬运操作相关联的废钢料件集合的废钢料件子集合的至少一种关联信息。2.根据权利要求1所述的图像处理方法，其特征在于，根据所述第一量化图和所述第一图像的料件分割图生成所述中间结果图，包括：根据所述第一量化图，选择所述第一图像的料件分割图的至少一部分并复制该至少一部分的内容到所述中间结果图上与该至少一部分对应的位置，并且使得所述中间结果图上其它位置的内容为默认值。3.根据权利要求1所述的图像处理方法，其特征在于，根据所述第一量化图和所述第一图像的料件分割图生成所述中间结果图，包括：将所述中间结果图上所有位置的内容初始化为默认值；针对所述第一量化图上每个像素点的量化值，当该像素点的量化值大于预设阈值，选择所述第一图像的料件分割图上与该像素点对应的位置的内容并复制所选择的内容到所述中间结果图上与该像素点对应的位置。4.根据权利要求2或3所述的图像处理方法，其特征在于，所述默认值是与黑色对应的像素值。5.根据权利要求1所述的图像处理方法，其特征在于，所述原图差异计算模块用于对所述第一图像和所述第二图像进行像素级相减运算，包括：针对所述第一图像上每个像素点，将该像素点的像素值与所述第二图像上与该像素点对应的像素点的像素值进行相减运算，得到该像素点的相减运算结果，并将该像素点的相减运算结果的绝对值作为所述原图差异图上与该像素点对应的像素点的像素值。6.根据权利要求1所述的图像处理方法，其特征在于，所述原图差异计算模块用于对所述第一图像和所述第二图像进行像素级相减运算，包括：针对所述第一图像上每个像素点，确定所述第二图像上与该像素点对应的像素点以及邻接像素点各自的像素值，并且基于该像素点的像素值和所述第二图像上的该像素点以及邻接像素点各自的像素值确定所述原图差异图上与该像素点对应的像素点的像素值。
7.根据权利要求1所述的图像处理方法，其特征在于，所述量化模型是二值化模型，所述预设量化标准包括二值化阈值，所述二值化模型用于根据所述二值化阈值将输入所述二值化模型的图像上的各个像素点的像素值转化为所述二值化模型所输出的图像上的相应像素点的量化值，包括：针对输入所述二值化模型的图像上的每个像素点，当该像素点的像素值大于所述二值化阈值时使得所述二值化模型所输出的图像上的与该像素点对应的像素点的量化值为预设极大值，当该像素点的像素值小于或等于所述二值化阈值时使得所述二值化模型所输出的图像上的与该像素点对应的像素点的量化值为预设极小值。8.根据权利要求7所述的图像处理方法，其特征在于，所述二值化阈值是90，所述预设极大值是255，所述预设极小值是0。9.根据权利要求1所述的图像处理方法，其特征在于，所述预设量化标准与所述高斯滤波操作所用的高斯核参数相关联并且一起组成网络模型参数配置，所述网络模型参数配置根据所述图像处理方法的应用场景调整。10.根据权利要求1所述的图像处理方法，其特征在于，所述预设量化标准包括多个像素值区间，所述多个像素值区间与多个预设量化值一一对应，所述量化模型用于根据所述预设量化标准将输入所述量化模型的图像上的各个像素点的像素值转化为所述量化模型所输出的图像上的相应像素点的量化值，包括：针对输入所述量化模型的图像上的每个像素点，确定该像素点的像素值所在的所述多个像素值区间中的像素值区间，并使得所述量化模型所输出的图像上的与该像素点对应的像素点的量化值为与该像素值区间对应的预设量化值。11.根据权利要求1所述的图像处理方法，其特征在于，根据所述第二量化图确定所述第一图像和所述第二图像之间的变化区域，包括：针对所述第二量化图上的每个像素点，当该像素点的像素值大于预设像素差异阈值时该像素点属于所述变化区域，否则该像素点不属于所述变化区域。12.根据权利要求1或11所述的图像处理方法，其特征在于，所述变化区域用于确定该特定搬运操作相关联的废钢料件集合的废钢料件子集合的至少一种关联信息，包括：根据所述第一图像的料件分割图和该变化区域，确定与该变化区域对应的料件分割识别结果；根据与该变化区域对应的料件分割识别结果，确定所述废钢料件子集合的至少一种关联信息。13.根据权利要求12所述的图像处理方法，其特征在于，所述废钢料件子集合的至少一种关联信息包括以下至少一种：轮廓信息、种类信息、来源信息、坐标信息、面积信息、像素特征信息。14.一种非瞬时性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，该计算机指令被处理器执行时实现根据权利要求1至13中任一项所述的图像处理方法。15.一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器通过运行所述可执行指令以实现根据权利要求1至13中任一项所述
的图像处理方法。16.一种检测方法，其特征在于，所述检测方法包括：获得与废钢料件集合搬运作业对应的由多个图像组成的图像序列，所述废钢料件集合搬运作业包括多次废钢料件搬运操作，所述图像序列的任意两张先后紧邻的图像分别被采集在所述多次废钢料件搬运操作...
【专利技术属性】
技术研发人员：甘蕾，孙军欢，冀旭，
申请(专利权)人：深圳致星科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。