【技术实现步骤摘要】
本申请涉及图像处理，尤其涉及一种数控机床的工件识别方法、装置、终端设备以及存储介质。
技术介绍
1、数控机床涉及的图像处理技术是当今先进制造业不可或缺的技术，在数控机床行业飞速发展的同时，用户对数控机床的工件识别准确性提出了更高的要求。
2、传统的机床工件识别方法通过利用数控机床工作区域的单一模态图像进行元件识别与定位，例如利用数控机床工作区域的可见光图像进行元件识别与定位，但这种机床工件识别方式存在着很大的缺陷，单一模态图像易受环境光照、温度等变化的影响进而导致数控机床无法准确定位识别待测工件，也就是说，如何提高数控机床识别工件的准确性是目前亟需解决的技术问题。
技术实现思路
1、本申请的主要目的在于提供一种数控机床的工件识别方法、装置、终端设备以及存储介质，旨在提高数控机床识别工件的准确性。
2、为实现上述目的，本申请提供一种数控机床的工件识别方法，所述数控机床的工件识别方法包括：
3、获取数控机床工作区域的当前环境信息，并依据所述当前环境信息确定所述数控机床中传感器的精度范围，所述当前环境信息包括所述数控机床工作区域的光照强度和工作温度；
4、当所述数控机床的传感器精度与所述精度范围匹配时，获取所述数控机床工作区域的可见光图像和热红外图像，依据所述可见光图像和所述热红外图像确定所述数控机床工作区域的融合图像；
5、依据预设的图像融合模型对所述融合图像进行图像特征提取，得到所述融合图像的形状特征，并依据所述形状特征对所
6、可选地，所述依据所述可见光图像和所述热红外图像确定所述数控机床工作区域的融合图像的步骤包括：
7、依据所述可见光图像进行降噪处理，得到降噪后的可见光图像，并依据所述热红外图像进行图像增加处理，得到增强后的热红外图像；
8、确定所述增强后的热红外图像对应的空间分辨率，并按照所述空间分辨率对所述降噪后的可见光图像进行降采样处理，得到降采样后的可见光图像；
9、获取与所述降采样后的可见光图像对应的视觉特征向量，并将所述视觉特征向量映射至所述增强后的热红外图像中，得到与所述视觉特征向量匹配的热特征向量；
10、依据所述视觉特征向量和所述热特征向量确定所述数控机床工作区域的融合图像。
11、可选地，所述依据所述视觉特征向量和所述热特征向量确定所述数控机床工作区域的融合图像的步骤包括：
12、将所述降噪后的可见光图像和所述增强后的热红外图像分别输入至预设的图像融合模型中进行权重分配，得到所述降噪后的可见光图像对应的第一权重，和所述增强后的热红外图像对应的第二权重；
13、依据所述第一权重对所述视觉特征向量进行加权处理，得到加权后的视觉特征向量，并依据所述第二权重对所述热特征向量进行加权处理，得到加权后的热特征向量；
14、依据所述加权后的视觉特征向量和所述加权后的热特征向量进行特征融合，得到所述数控机床工作区域的融合图像。
15、可选地，所述依据所述可见光图像进行降噪处理，得到降噪后的可见光图像的步骤包括：
16、获取所述可见光图像中的第一像素点，并确定所述第一像素点对应的像素阵列，所述像素阵列为以所述第一像素点为中心的预设大小的像素矩阵；
17、确定所述像素阵列对应的各像素点，并依据各所述像素点的灰度值进行升序排列，得到所述像素阵列中的灰度中值；
18、在将所述第一像素点的灰度值调整为与所述灰度中值一致后，将所述第一像素点的下一个像素点作为第一像素点，返回执行所述确定所述第一像素点对应的像素阵列的步骤，直至遍历完所述可见光图像中的所有像素点后，得到降噪后的可见光图像。
19、可选地，所述依据所述热红外图像进行图像增加处理，得到增强后的热红外图像的步骤包括：
20、对所述热红外图像进行灰度化处理，得到灰度图像；
21、获取与所述灰度图像对应的灰度直方图，所述灰度直方图是指以横坐标为灰度级别和以纵坐标为像素数构建的柱状图；
22、将各灰度级别的像素数输入至所述数控机床的灰度变换模型中，得到各所述灰度级别对应的灰度适配值，并将各所述灰度级别的原始灰度值映射到对应的灰度适配值上，得到增强后的热红外图像。
23、可选地，所述依据预设的图像融合模型对所述融合图像进行图像特征提取，得到所述融合图像的形状特征的步骤，包括：
24、确定预设的图像融合模型对应的特征提取矩阵，并按照所述特征提取矩阵对所述融合图像对应的像素区域进行图像特征提取，得到所述融合图像的所有图像特征向量；
25、获取各所述图像特征向量对应的矩阵权重，并依据各所述图像特征向量和对应的矩阵权重得到所述融合图像的所有局部图像特征；
26、依据所述图像融合模型中的全连接器将各所述局部图像特征进行组合连接，得到所述融合图像的形状特征。
27、可选地，在所述依据所述当前环境信息确定所述数控机床中传感器的精度范围的步骤后，所述数控机床的工件识别方法还包括：
28、判断所述数控机床的传感器精度是否处于所述精度范围内；
29、当所述数控机床的传感器精度未处于所述精度范围内，则按照预设的误差校准参数对所述传感器精度进行误差校准，得到校准后的传感器精度；
30、依据所述校准后的传感器精度返回执行所述判断所述数控机床的传感器精度是否处于所述精度范围内的步骤，直至所述校准后的传感器精度处于所述精度范围内，则确定所述数控机床的传感器精度与所述精度范围匹配。
31、此外，为实现上述目的，本申请还提供一种数控机床的工件识别装置，本申请数控机床的工件识别装置包括：
32、获取模块，用于获取数控机床工作区域的当前环境信息，并依据所述当前环境信息确定所述数控机床中传感器的精度范围，所述当前环境信息包括所述数控机床工作区域的光照强度和工作温度；
33、融合模块，用于当所述数控机床的传感器精度与所述精度范围匹配时，获取所述数控机床工作区域的可见光图像和热红外图像，依据所述可见光图像和所述热红外图像确定所述数控机床工作区域的融合图像；
34、识别模块，用于依据预设的图像融合模型对所述融合图像进行图像特征提取，得到所述融合图像的形状特征，并依据所述形状特征对所述数控机床工作区域的待测工件进行定位识别。
35、本申请数控机床的工件识别装置的各个功能模块在运行时实现如上所述的本申请数控机床的工件识别方法的步骤。
36、此外，为实现上述目的，本申请还提供一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的数控机床的工件识别程序，所述数控机床的工件识别程序被所述处理器执行时实现上述数控机床的工件识别方法的步骤。
37、此外，为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算本文档来自技高网...
【技术保护点】
1.一种数控机床的工件识别方法，其特征在于，所述数控机床的工件识别方法包括：
2.如权利要求1所述数控机床的工件识别方法，其特征在于，所述依据所述可见光图像和所述热红外图像确定所述数控机床工作区域的融合图像的步骤包括：
3.如权利要求2所述数控机床的工件识别方法，其特征在于，所述依据所述视觉特征向量和所述热特征向量确定所述数控机床工作区域的融合图像的步骤包括：
4.如权利要求2所述数控机床的工件识别方法，其特征在于，所述依据所述可见光图像进行降噪处理，得到降噪后的可见光图像的步骤包括：
5.如权利要求2所述数控机床的工件识别方法，其特征在于，所述依据所述热红外图像进行图像增加处理，得到增强后的热红外图像的步骤包括：
6.如权利要求1所述数控机床的工件识别方法，其特征在于，所述依据预设的图像融合模型对所述融合图像进行图像特征提取，得到所述融合图像的形状特征的步骤，包括：
7.如权利要求1所述数控机床的工件识别方法，其特征在于，在所述依据所述当前环境信息确定所述数控机床中传感器的精度范围的步骤后，所述数控机床的工
8.一种数控机床的工件识别装置，其特征在于，所述数控机床的工件识别装置，包括：
9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的数控机床的工件识别程序，所述处理器执行所述数控机床的工件识别程序时实现如权利要求1至7中任一项所述数控机床的工件识别方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有数控机床的工件识别程序，所述数控机床的工件识别程序被处理器执行时实现如权利要求1至7中任一项所述数控机床的工件识别方法的步骤。
...【技术特征摘要】
1.一种数控机床的工件识别方法，其特征在于，所述数控机床的工件识别方法包括：
2.如权利要求1所述数控机床的工件识别方法，其特征在于，所述依据所述可见光图像和所述热红外图像确定所述数控机床工作区域的融合图像的步骤包括：
3.如权利要求2所述数控机床的工件识别方法，其特征在于，所述依据所述视觉特征向量和所述热特征向量确定所述数控机床工作区域的融合图像的步骤包括：
4.如权利要求2所述数控机床的工件识别方法，其特征在于，所述依据所述可见光图像进行降噪处理，得到降噪后的可见光图像的步骤包括：
5.如权利要求2所述数控机床的工件识别方法，其特征在于，所述依据所述热红外图像进行图像增加处理，得到增强后的热红外图像的步骤包括：
6.如权利要求1所述数控机床的工件识别方法，其特征在于，所述依据预设的图像融合模型对所述融合图像进...
【专利技术属性】
技术研发人员：谭勇，杨之乐，施海波，李青，
申请(专利权)人：上海诺倬力机电科技有限公司，
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。