买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
摘要:本发明涉及机器视觉技术领域,具体涉及基于特征标定的机器视觉检测方法及系统,包括以下步骤:S1:动态获取被检测物体的连续图像序列;S2:对S1获取的图像序列进行尺度变换,生成多级分辨率的图像金字塔;S3:从S2中的每个图像金字塔层次中提取特征;S4:对S3中提取并增强的特征进行实时标定,并识别特征的类别和变化;S5:采用自适应决策算法调整检测策略;S6:对S5得到的初步检测结果进行后处理。本发明,通过动态环境适应性、高效的多尺度特征处理和先进的后处理技术,显著提高了在多变环境下的检测精度和系统的整体稳定性,使其在工业自动化、安全监控及自动驾驶辅助等领域的应用更为可靠和精确。
主权项:1.基于特征标定的机器视觉检测方法,其特征在于,包括以下步骤:S1:使用预设的光照适应算法控制摄像设备,动态获取被检测物体在不同焦距和光照条件下的连续图像序列;S2:对S1获取的图像序列进行尺度变换,生成多级分辨率的图像金字塔,以适应从微观到宏观的多层次特征提取需求;S3:通过预设的多尺度卷积神经网络,从S2中的每个图像金字塔层次中提取特征,并通过特征增强技术突出提取特征的显著性;所述S3具体包括:S31:部署预设的多尺度卷积神经网络,该多尺度卷积神经网络包括多个并行的卷积层,每层用于处理不同分辨率的图像,确保网络能捕获从粗到细的图像特征;S32:对每级图像金字塔使用独立的卷积层进行特征提取,其中每个卷积层都配置有不同大小的卷积核;S33:应用非线性激活函数和标准化层对提取的特征进行增强处理,具体使用批量归一化和ReLU激活函数来增强特征的显著性和区分度;S34:将各层提取并增强的特征进行融合,使用基于特征金字塔网络的特征融合技术,以综合各分辨率层次的信息,生成综合特征映射;所述S34具体包括:S341:从S33中接收到各个图像金字塔层次通过卷积神经网络处理后的特征映射,其中每个映射代表不同分辨率层次的图像特征;S342:利用卷积和上采样,对于每一层,具体执行以下操作:,其中,是第层的特征映射,是下一层的特征映射,是上采样函数,用于将特征映射的分辨率增加到上一层的分辨率,是融合后的特征映射;S343:对S342中得到的融合特征映射进行卷积处理,以增强特征的细节和显著性,每一层执行操作公式为:,其中,表示卷积操作,用于增强和细化特征,是增强后的特征映射;S344:将S343中处理的各层特征映射整合为综合特征映射,该综合特征映射包括从最高到最低分辨率的所有视觉特征信息;S4:对S3中提取并增强的特征进行实时标定,并通过比对预设的动态特征模板库来识别特征的类别和变化;所述S4具体包括:S41:从S34中接收综合特征映射,该映射整合了来自不同图像层次的多尺度特征;S42:应用支持向量机算法对S41接收的综合特征映射进行实时标定,支持向量机模型被训练以识别和分类各种视觉特征,通过以下计算过程实现:,其中,是综合特征映射,是支持向量机模型的训练参数,是分类结果,指示特征映射对应的特征类别,函数用于执行支持向量机算法的分类操作;S43:根据S42中分类结果动态更新特征模板库,通过检查分类结果与现有模板的匹配程度,并根据分类结果的变化,决定是否引入新模板或更新现有模板,更新公式为: ,其中,是当前的特征模板库,是分类结果,是综合特征映射,是更新后的模板库;函数用于根据新的分类结果更新特征模板库;S44:使用S43更新后的特征模板库与S42中的标定结果进行比对,以识别和确认特征的具体类别,确保能够准确识别和适应环境或目标物体的变化,具体公式为:,其中,是分类结果,是更新后的特征模板库,表示识别出的特征类别;函数用于根据更新后的特征模板库确认和细化分类结果的准确性;S5:基于S4的特征标定结果和实时环境数据,采用自适应决策算法调整检测策略,以优化检测精度和响应速度;所述S5具体包括:S51:首先实时收集环境数据,包括光照强度、温度、湿度,用于反映当前检测环境的状态;S52:基于收集的环境数据和S4中得到的特征标定结果,应用自适应决策算法来优化检测策略,具体使用决策树模型,结合实时环境数据和视觉特征数据,通过以下公式动态调整检测参数: ,其中,是调整后的检测参数,包括图像处理的阈值和灵敏度;是分类结果;是从S51收集的实时环境数据;和是模型参数,用于平衡环境数据和特征类别对检测参数的影响;是预设函数,用于根据环境数据调整图像处理的阈值;也是预设函数,用于结合特征类别和环境数据来调整检测的灵敏度;S53:根据S52计算得到的调整后的检测参数进行调整,包括调整图像采集频率、图像处理算法的参数,以适应当前环境和目标物体的特性;S6:对S5得到的初步检测结果进行后处理,包括结果平滑处理和误差修正,最终输出精确的检测报告。
全文数据:
权利要求:
百度查询: 天津市工业和信息化研究院(天津市节能中心、天津市工业和信息化局教育中心) 基于特征标定的机器视觉检测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。