【技术实现步骤摘要】
平板玻璃尺寸测量方法、系统、装置及可读存储介质
[0001]本专利技术涉及大数据
，尤其涉及一种平板玻璃尺寸测量方法、系统、装置及可读存储介质。
技术介绍
[0002]随着工业生产自动与智能化的普及，平板玻璃加工制造过程中的精细化生产要求也越来越高，对于平板玻璃生产的尺寸要求也越来越严格。现有的生产测量中，平板玻璃的尺寸测量主要依赖于人工操作，即将平板玻璃搬运至固定设备并使用物理卡尺测量。
[0003]现有的基于计算机视觉的尺寸测量系统中，一般的检测流程为：先对待测量图像进行特征提取，然后判断提取的特征是否为物体边缘并保留边缘，之后根据物体边界生成物体轮廓，最后根据图像像素与物理尺寸间关系计算物体轮廓的间隔距离。
[0004]但是还会存在以下缺点：人工操作将平板玻璃搬运至固定设备并使用物理卡尺测量，在此过程中，往往存在着平板玻璃易被划伤，搬运不当造成玻璃破损导致人员受伤等状况；
[0005]现有的基于计算机视觉的尺寸测量系统中，有一个重要的影响因素：物体的边缘检测，尺寸测量系统的性能在很大程度上...
【技术保护点】
【技术特征摘要】
1.一种平板玻璃尺寸测量方法，其特征在于，包括以下步骤：获取含有平板玻璃的图像数据集，对所有图像进行预处理，得到预处理图像；将待检测的含有平板玻璃的图像输入至基于所述预处理图像构建并训练好的平板玻璃边缘检测网络模型中，得到含有平板玻璃的边缘检测图像；对所述含有平板玻璃的边缘检测图像进行细分处理，得到平板玻璃边缘图像；对所述平板玻璃边缘图像进行检测与分割处理，得到平板玻璃的贴合轮廓区域图像，基于所述贴合轮廓区域图像得到平板玻璃轮廓数据并以点向量方式进行存储，依据存储的向量点信息勾勒出平板玻璃轮廓，并分割出所述平板玻璃轮廓；基于标准尺寸板测量图像像素的像素距离与物理距离之间的对应关系，进而基于所述平板玻璃轮廓得到平板玻璃的实际尺寸。2.根据权利要求1所述的平板玻璃尺寸测量方法，其特征在于，所述获取含有平板玻璃的图像数据集，对所有图像进行预处理，得到预处理图像，包括以下步骤：所述含有平板玻璃的图像数据集中的含有平板玻璃的图像使用高分辨率CCD面阵相机获得；对所述含平板玻璃的图像进行图像数据增强处理，得到数据增强图像，其中，所述图像数据增强包括图像几何增强及图像色彩增强中的一种或两种；对所述数据增强图像进行图像边缘标注，得到标注图像；将所述标注图像按照预设比例划分为训练数据集和验证数据集，所述训练数据集用于训练平板玻璃边缘检测网络模型，所述验证数据集用于验证平板玻璃边缘检测网络模型，并通过实时采集平板玻璃的图像作为检测数据。3.根据权利要求2所述的平板玻璃尺寸测量方法，其特征在于，还包括以下步骤：对所述数据增强图像进行添加噪声污染处理，将所述数据增强图像裁剪为960*960大小的子图。4.根据权利要求2所述的平板玻璃尺寸测量方法，其特征在于，将待检测的含有平板玻璃的图像输入至基于所述预处理图像构建并训练好的平板玻璃边缘检测网络模型中，得到含有平板玻璃的边缘检测图像，包括以下步骤：构建平板玻璃边缘检测网络模型，所述平板玻璃边缘检测网络模型包括特征处理网络、骨干网络和输出网络，所述骨干网络为ResNeSt网络结构，所述特征处理结构为多层联结卷积结构，所述输出网络输出平板玻璃边缘图像，并使用训练数据集训练所述平板玻璃边缘检测网络模型；基于已训练好的平板玻璃边缘检测网络模型对平板玻璃图像中的玻璃边缘进行检测，得到含有平板玻璃的边缘检测图像。5.根据权利要求4所述的平板玻璃尺寸测量方法，其特征在于，构建并训练平板玻璃边缘检测网络模型，包括以下步骤：建立特征处理网络、骨干网络和输出网络，所述骨干网络的公式表示为：其中，I
input
为输入的含有平板玻璃的图像，W
e
和b
e
分别指代骨干网络中卷积运算的权重与偏置，F
extra
为复合的卷积操作运算，F
e
为骨干网络的输出，提取到的图像特征；
所述特征处理网络的公式表示为：其中，输入为骨干网络的输出F
e
，W
p
和b
p
分别指代特征处理网络中卷积运算的权重与偏置，F
process
为复合的卷积操作运算，F
p
为特征处理网络的输出；所述输出网络的公式表示为：其中，输入为特征处理网络的输出F
p
，W
o
和b
o<...
【专利技术属性】
技术研发人员：唐家军，来一军，王莹，
申请(专利权)人：杭州聚玻科技有限公司，
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。