【技术实现步骤摘要】
无人实验室智能管理方法及系统
[0001]本申请涉及智能管理领域,且更为具体地,涉及一种无人实验室智能管理方法及系统
。
技术介绍
[0002]无人实验室是指利用自动化和智能化技术,通过无人值守或少人值守的方式进行实验室管理和操作的一种新型实验室模式
。
无人实验室可以提高实验的效率
、
减少人力成本,并且可以在无人值守的情况下进行长时间
、
连续的实验操作
。
[0003]在无人实验室中,对于物料的质量检测是一个重要的环节,特别是对于物料进行表面质量检测,如电子元件
、
食品包装等
。
在物料入库前,需要将物料放置储料盘上来进行表面质量检测,这样可以及早发现物料的表面缺陷
、
污染或损坏等问题,从而确保入库物料的质量符合要求,避免将质量不合格的物料用于后续实验过程以带来问题和损失
。
[0004]然而,在无人实验室中,传统的质检方案通常是通过摄像头采集物料表面图像,并依靠人工进行检测,由于不同操作员可能有不同的判断标准和主观偏差,导致结果的不一致性和可靠性下降
。
此外,由于人工操作的限制,无法实现对大批量物料的快速检测,导致生产效率受限
。
现有一些方案通过全自动化的方式来进行物料表面质量检测,但这种方式无法实现对物料表面缺陷
、
污染等细微问题进行高精度地检测和分析
。
[0005]因此,期望一种优化的无人实验室智 ...
【技术保护点】
【技术特征摘要】
1.
一种无人实验室智能管理方法,其特征在于,包括:通过摄像头采集待入库物料的外观图像;对所述待入库物料的外观图像进行图像特征提取以得到外观轮廓图像特征;以及基于所述外观轮廓图像特征,确定待入库物料是否存在表面缺陷
。2.
根据权利要求1所述的无人实验室智能管理方法,其特征在于,对所述待入库物料的外观图像进行图像特征提取以得到外观轮廓图像特征,包括:计算所述待入库物料的外观图像的轮廓点分布直方图;通过基于第一深度神经网络模型的图像局部特征提取器对所述轮廓点分布直方图进行特征提取以得到外观轮廓图像局部特征图;通过基于第二深度神经网络模型的图像全局特征提取器对所述外观轮廓图像局部特征图进行全局特征提取以得到外观轮廓图像全局特征图;以及融合所述外观轮廓图像局部特征图和所述外观轮廓图像全局特征图以得到多尺度外观轮廓图像特征图作为所述外观轮廓图像特征
。3.
根据权利要求2所述的无人实验室智能管理方法,其特征在于,所述第一深度神经网络模型为卷积神经网络模型,所述第二深度神经网络模型为非局部神经网络模型
。4.
根据权利要求3所述的无人实验室智能管理方法,其特征在于,通过基于第一深度神经网络模型的图像局部特征提取器对所述轮廓点分布直方图进行特征提取以得到外观轮廓图像局部特征图,包括:使用所述基于第一深度神经网络模型的图像局部特征提取器的各层在层的正向传递中对输入数据分别进行卷积处理
、
均值池化处理和非线性激活处理以由所述基于第一深度神经网络模型的图像局部特征提取器的最后一层输出所述外观轮廓图像局部特征图,其中,所述基于第一深度神经网络模型的图像局部特征提取器的第一层的输入为所述轮廓点分布直方图
。5.
根据权利要求4所述的无人实验室智能管理方法,其特征在于,通过基于第二深度神经网络模型的图像全局特征提取器对所述外观轮廓图像局部特征图进行全局特征提取以得到外观轮廓图像全局特征图,包括:将所述外观轮廓图像局部特征图分别输入所述基于第二深度神经网络模型的图像全局特征提取器的第一点卷积层
、
第二点卷积层和第三点卷积层以得到第一特征图
、
第二特征图和第三特征图;计算所述第一特征图和所述第二特征图的按位置加权和以得到中间融合特征图;将所述中间融合特征图输入
Softmax
函数以对所述中间融合特征图中各个位置的特征值进行归一化以得到归一化中间融合特征图;计算所述归一化中间融合特征图和所述第三特征图的按位置加权和以得到再融合特征图;将所述再融合特征图通过嵌入高斯相似性函数以计算所述再融合特征图中各个位置的特征值间的...
【专利技术属性】
技术研发人员:童华光,陈超,冯泳,
申请(专利权)人:台州道致科技股份有限公司,
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。