System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及智能检测领域,且更为具体地,涉及一种基于机器视觉的智能检测系统及方法。
技术介绍
1、湖笔,又称为湖州毛笔,是传统文房四宝之一,湖笔以其独特的制作工艺和优秀的书写性能而闻名于世,它使用优质的兼毛作为笔尖,经过多道繁复的手工工艺制作而成,湖笔的笔尖柔软而有弹性,能够灵活地控制墨水的流动,使书写更加流畅自如,其笔迹饱满圆润,能够表达出独特的书法韵味和个性。湖笔作为传统文化的重要组成部分,承载了千年的书写传统和智慧,被广泛用于书法、绘画和文化艺术创作中。
2、湖笔制作工艺精细,包括选材、削尖、调整和装配等多个环节。其中,对笔杆进行抛光是关键步骤之一,手工艺人通过细致的磨砂处理,使笔杆表面光滑细腻,增加握持的舒适感和美观度。湖笔的笔杆抛光缺陷检测在传统工艺中需要工人耗费较长的时间来仔细观察和评估每个产品的抛光质量,这限制了生产速度和产能。同时,人工检测需要投入大量的人力资源,并且可能无法全面覆盖每个产品的每个细节和角落,一些隐蔽或难以观察到的区域可能被忽略,导致质量问题未被发现。
3、因此,期望一种基于机器视觉的智能检测系统及方法。
技术实现思路
1、为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种基于机器视觉的智能检测系统及方法,其首先获取由摄像头采集的湖笔抛光后笔杆的多角度图像和由摄像头采集的湖笔抛光后笔杆的光谱图像,然后,将所述湖笔抛光后笔杆的多角度图像通过多角度笔杆特征提取器并计算差分后通过基于深度卷积神经网络的角度差异特征提取器以得到
2、根据本申请的一个方面,提供了一种基于机器视觉的智能检测系统,其包括:
3、抛光后湖笔图像获取模块,用于获取由摄像头采集的湖笔抛光后笔杆的多角度图像和由摄像头采集的湖笔抛光后笔杆的光谱图像;
4、湖笔图像特征提取模块,用于从所述由摄像头采集的湖笔抛光后笔杆的多角度图像和所述由摄像头采集的湖笔抛光后笔杆的光谱图像中提取笔杆关联特征图和笔杆光谱特征图;
5、抛光质量结果生成模块,用于基于所述笔杆关联特征图和所述笔杆光谱特征图,判断抛光后笔杆质量是否合格。
6、在上述基于机器视觉的智能检测系统中,所述抛光质量结果生成模块,包括:缺陷构造单元,用于对所述笔杆关联特征图和所述笔杆光谱特征图进行基于输出相对目标函数的平滑参数化表达的融合以得到笔杆抛光缺陷特征图;缺陷结果生成单元,用于将所述笔杆抛光缺陷特征图通过分类器以得到分类结果,所述分类结果用于判断抛光后笔杆质量是否合格。
7、在上述基于机器视觉的智能检测系统中,所述缺陷构造单元,包括:计算所述笔杆关联特征图相对于所述笔杆光谱特征图的平滑参数化表达因数;以所述平滑参数化表达因数作为权重来计算所述笔杆关联特征图和所述笔杆光谱特征图的按位置加权和以得到所述笔杆抛光缺陷特征图。
8、在上述基于机器视觉的智能检测系统中,所述缺陷构造单元,包括:以如下平滑参数化表达因数公式计算所述笔杆关联特征图相对于所述笔杆光谱特征图的平滑参数化表达因数;其中,所述平滑参数化表达因数公式为:
9、
10、其中,f1表示所述笔杆关联特征图,f2表示所述笔杆光谱特征图,d(f1,f2)表示所述笔杆关联特征图和所述笔杆光谱特征图之间的欧氏距离,cos(f1,f2)表示笔杆关联特征图和笔杆光谱特征图之间的余弦相似性,α和β表示预定超参数,w表示所述平滑参数化表达因数。
11、在上述基于机器视觉的智能检测系统中,所述缺陷构造单元,包括:以如下欧式距离公式计算所述笔杆关联特征图和所述笔杆光谱特征图之间的欧氏距离;
12、其中,所述欧式距离公式为:
13、
14、其中,f1k,l,m表示所述笔杆关联特征图的第(k,l,m)位置的特征值,f2k,l,m表示所述笔杆光谱特征图的第(k,l,m)位置的特征值,w、h、c分别表示特征图的宽、高和通道数,d(f1,f2)表示所述笔杆关联特征图和所述笔杆光谱特征图之间的欧氏距离。
15、在上述基于机器视觉的智能检测系统中,所述缺陷构造单元,包括:以如下余弦相似性公式计算所述笔杆关联特征图和所述笔杆光谱特征图之间的余弦相似性;
16、其中,所述余弦相似性公式为:
17、
18、其中,f1k,l,m表示所述笔杆关联特征图的第(k,l,m)位置的特征值,f2k,l,m表示所述笔杆光谱特征图的第(k,l,m)位置的特征值,w、h、c分别表示特征图的宽、高和通道数,cos(f1,f2)表示笔杆关联特征图和笔杆光谱特征图之间的余弦相似性。
19、根据本申请的另一方面,提供了一种基于机器视觉的智能检测方法,其包括:获取由摄像头采集的湖笔抛光后笔杆的多角度图像和由摄像头采集的湖笔抛光后笔杆的光谱图像;从所述由摄像头采集的湖笔抛光后笔杆的多角度图像和由摄像头采集的湖笔抛光后笔杆的光谱图像提取笔杆关联特征图和笔杆光谱特征图;基于所述笔杆关联特征图和所述笔杆光谱特征图,判断抛光后笔杆质量是否合格。
20、与现有技术相比,本申请提供的一种基于机器视觉的智能检测系统及方法,其首先获取由摄像头采集的湖笔抛光后笔杆的多角度图像和由摄像头采集的湖笔抛光后笔杆的光谱图像,然后,将所述湖笔抛光后笔杆的多角度图像通过多角度笔杆特征提取器并计算差分后通过基于深度卷积神经网络的角度差异特征提取器以得到笔杆关联特征图,接着,将所述湖笔抛光后笔杆的光谱图像进行预处理后通过通道注意力机制以得到笔杆光谱特征图,最后,将所述笔杆关联特征图和所述笔杆光谱特征图进行融合并通过分类器,以判断抛光后笔杆质量是否合格,进而提高质量检测的准确性,从而提高生产效率和产品质量的可控性。
本文档来自技高网...【技术保护点】
1.一种基于机器视觉的智能检测系统,其特征在于,包括:
2.根据权利要求1所述的基于机器视觉的智能检测系统,其特征在于,所述湖笔图像特征提取模块,包括:
3.根据权利要求2所述的基于机器视觉的智能检测系统,其特征在于,所述抛光后笔杆特征提取单元,包括:
4.根据权利要求3所述的基于机器视觉的智能检测系统,其特征在于,所述关联特征编码子单元,包括:
5.根据权利要求4所述的基于机器视觉的智能检测系统,其特征在于,所述抛光质量结果生成模块,包括:
6.根据权利要求5所述的基于机器视觉的智能检测系统,其特征在于,所述缺陷构造单元,包括:
7.根据权利要求6所述的基于机器视觉的智能检测系统,其特征在于,所述缺陷构造单元,包括:
8.根据权利要求7所述的基于机器视觉的智能检测系统,其特征在于,所述缺陷构造单元,包括:
9.根据权利要求7所述的基于机器视觉的智能检测系统,其特征在于,所述缺陷构造单元,包括:
10.一种基于机器视觉的智能检测方法,其特征在于,包括:
【技术特征摘要】
1.一种基于机器视觉的智能检测系统,其特征在于,包括:
2.根据权利要求1所述的基于机器视觉的智能检测系统,其特征在于,所述湖笔图像特征提取模块,包括:
3.根据权利要求2所述的基于机器视觉的智能检测系统,其特征在于,所述抛光后笔杆特征提取单元,包括:
4.根据权利要求3所述的基于机器视觉的智能检测系统,其特征在于,所述关联特征编码子单元,包括:
5.根据权利要求4所述的基于机器视觉的智能检测系统,其特征在于,所述抛光质量结果生成模块...
【专利技术属性】
技术研发人员:殷玉定,
申请(专利权)人:湖州南浔鼎轩湖笔有限公司,
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。