本发明涉及一种基于拟合平面法向量的耐火砖表面倾斜角的测量方法。
背景技术：
耐火砖是一种用耐火黏土或其他耐火原料烧制呈的定型耐火材料，主要用于砌冶炼炉或钢水包，能耐1580℃-1770℃的高温。
耐火砖在生产过程中受模具损耗等影响，其表面平行度，即表面倾斜角参数也应控制在一定范围内，否则会对钢铁冶炼生产过程造成泄露等不利影响。
技术实现要素：
本发明的目的在于提供一种能够测量耐火砖表面倾斜角的测量方法。
本发明解决其技术问题所采用的技术方案是：
基于拟合平面法向量的耐火砖表面倾斜角的测量方法，包括以下步骤：
步骤1、对通过传感器采集得到的原始耐火砖彩色图像进行滤波降噪，获得降噪后图像；在降噪后图像中，分割出耐火砖区域，获得耐火砖灰度图像；
步骤2、将耐火砖灰度图像转化为耐火砖彩色图像，使用一阶平面方法对耐火砖彩色图像上表面区域进行近似拟合，获得拟合平面；
步骤3、在拟合平面上确定不共线的三个点，分别为(x1,y1,z1),(x2,y2,z2),(x3,y3,z3)，生成两个向量
步骤4：两个向量求叉集得到法向量
步骤5：根据法向量
进一步，步骤1中采用双边滤波降噪，双边滤波的计算公式为：
其中，k用来对结果进行单位化，c为基于空间距离的高斯权重，s为基于像素间相似程度的高斯权重，f(ε)为当前像素。
进一步，步骤1中使用灰度化和ostu二值化分割出耐火砖区域，包括以下步骤：
步骤1-1：将耐火砖彩色图像中的rgb三分量亮度求平均得到灰度值f(x,y)，
步骤1-2：根据耐火砖灰度直方图，将耐火砖灰度直方图的灰度间隔分为三类，根据公式
步骤1-3：根据最佳阈值将耐火砖灰度图进行分割，获得耐火砖区域图像。
进一步，步骤2中，获取拟合平面的方法为：
对于一幅2d连续图像f(x,y)(≥0)，p+q阶矩mpq定义为：
其中，p，q是非负的整数，对于离散化数字图像，上式为：
其中，(r0,c0)为质心坐标，且
一阶平面近似方法通过以下公式来描述：
image(r,c)＝α(r-r0)+β(c-c0)+γ(4-13)
其中，r0待拟合区域的横坐标，c0为待拟合区域的纵坐标，γ为待拟合区域的平均灰度，image(r，c)为原耐火砖图像，f为整个平面的面积，mrow是沿着行方向的灰度矩，mcol是沿着列方向的灰度矩，则有：
mrow＝sum((r-r0)*(image(r,c)-γ))/f2(4-14)
mcol＝sum((c-r0)*(image(r,c)-γ))/f2(4-15)
其中，α,β,γ为拟合平面的拟合参数。
本发明相比现有技术优点在于：基于拟合平面法向量，能够测量耐火砖表面倾斜角，有效控制表面倾斜角参数在一定范围内，避免对钢铁冶炼生产过程造成泄露。
附图说明
图1是将耐火砖从背景中分割出来形成的耐火砖灰度图像。
图2是修正后耐火砖图像边缘拟合后的示意图。
图3为经过hough变换方法拟合出的多条直线。
图4为耐火砖外形尺寸。
图5是耐火砖连通区域标记图。
图6是耐火砖划痕提取结果图。
图7是倾斜校正后的示意图。
图8是深度缺陷测量得到的示意图。
图9是图像采集模块的示意图。
图10是耐火砖测量装置的示意图。
图11是耐火砖测量系统的简单流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进一步说明。
实施例1
基于拟合平面法向量的耐火砖表面倾斜角的测量方法，包括以下步骤：
步骤1、对通过传感器采集得到的原始耐火砖彩色图像进行滤波降噪，获得降噪后图像；在降噪后图像中，分割出耐火砖区域，获得耐火砖灰度图像，如图1所示；
步骤2、将耐火砖灰度图像转化为耐火砖彩色图像，使用一阶平面方法对耐火砖彩色图像上表面区域进行近似拟合，获得拟合平面；
步骤3、在拟合平面上确定不共线的三个点，分别为(x1,y1,z1),(x2,y2,z2),(x3,y3,z3)，生成两个向量
步骤4：两个向量求叉集得到法向量
步骤5：根据法向量
步骤1中采用双边滤波降噪，双边滤波的计算公式为：
其中，k用来对结果进行单位化，c为基于空间距离的高斯权重，s为基于像素间相似程度的高斯权重，f(ε)为当前像素。
步骤1中使用灰度化和ostu二值化分割出耐火砖区域，包括以下步骤：
步骤1-1：将耐火砖彩色图像中的rgb三分量亮度求平均得到灰度值f(x,y)，
步骤1-2：根据耐火砖灰度直方图，将耐火砖灰度直方图的灰度间隔分为三类，由两个阈值分隔，根据公式
步骤1-3：根据最佳阈值将耐火砖灰度图进行分割，获得耐火砖区域图像。
步骤2中，获取拟合平面的方法为：
对于一幅2d连续图像f(x,y)(≥0)，p+q阶矩mpq定义为：
其中，p，q是非负的整数，对于离散化数字图像，上式为：
其中，(r0,c0)为质心坐标，且
一阶平面近似方法通过以下公式来描述：
image(r,c)＝α(r-r0)+β(c-c0)+γ(4-13)
其中，r0为待拟合区域的横坐标，c0为待拟合区域的横坐标，γ为待拟合区域的平均灰度，f为整个平面的面积，mrow是沿着行方向的灰度矩，mcol是沿着列方向的灰度矩，则有：
mrow＝sum((r-r0)*(image(r,c)-γ))/f2(4-14)
mcol＝sum((c-r0)*(image(r,c)-γ))/f2(4-15)
其中，α,β,γ为拟合平面的拟合参数。
实施例2
本实施例是在对耐火砖图像进行阈值分割的基础上进行耐火砖几何尺寸测量，耐火砖图像的获取、滤波降噪处理以及分割出耐火砖区域与实施例1相同。
一种耐火砖几何尺寸测量方法，包括以下步骤：
步骤1：对原始耐火砖彩色图像滤波降噪，获得降噪后图像；
步骤2：在降噪后图像中，分割出耐火砖区域，获得耐火砖图像；
步骤3：对耐火砖图像进行形态学处理，使耐火砖图像边缘平滑过渡，并去除耐火砖图像边缘处的孤立点噪声，获得修正后耐火砖图像；
步骤4：用canny算子对修正后耐火砖图像进行边缘检测，如图2所示；
步骤5：使用hough变换方法和k均值方法提取耐火砖外形直线，形成耐火砖的外轮廓；
步骤6：求取耐火砖外形直线交点，两点之间距离为耐火砖的外形几何尺寸。
如图1所示，步骤1中采用双边滤波降噪，双边滤波的计算公式为：
其中，k用来对结果进行单位化，c为基于空间距离的高斯权重，s为基于像素间相似程度的高斯权重，f(ε)为当前像素。
步骤2中使用灰度化和ostu二值化分割出耐火砖区域，包括以下步骤：
步骤2-1：将耐火砖彩色图像中的rgb三分量亮度求平均得到灰度值f(x,y)，
步骤2-2：根据耐火砖灰度直方图，将耐火砖灰度直方图的灰度间隔分为三类，由2个阈值分隔，根据类间方差获取最佳阈值：
式中，
且有以下关系成立：
p1m1+p2m2+p3m3＝mg(3-10)
p1+p2+p3＝1(3-11)
其中，
步骤2-3：根据最佳阈值对耐火砖灰度图进行分割，获得耐火砖图像。
步骤3中，形态学处理包括对耐火砖图像进行开运算和闭运算，进行开运算去除孤立点噪声；进行闭运算使耐火砖图像边界平滑，如图4所示。
步骤4中边缘检测的方法包含以下步骤：
步骤4-1：用高斯平滑函数对修正后耐火砖图像滤波，令修正后耐火砖图像为f(x,y)，高斯函数为g(x,y)，平滑后的图像为fs(x,y)，则
步骤4-2：计算梯度幅值图像m和角度幅值图像θ，
步骤4-3：对梯度幅值图像m进行非极大值抑制：在梯度方向，在每一点上，领域的中心像素f(x,y)与沿着梯度线的两个像素相比，若f(x,y)的梯度值小于或等于沿梯度线的两个相邻像素的梯度值，则令f(x,y)＝0；
步骤4-4：用双阈值处理和连接分析来检测并连接边缘：以高阈值图像为基础，以低阈值图像为补充来连接图像的边缘，参见图2。
步骤5中，采用hough变换方法和k均值方法提取耐火砖外形直线，包括以下步骤：
步骤5-1：xy平面上的一个点(x,y)和斜截式表达式为y＝ax+b的一条直线。使用极坐标系来表示直线，则有：
xcosθ+ysinθ＝ρ(3-23)
每条正弦曲线表示通过xy平面中一个特殊点(xk,yk)的一簇直线。霍夫变换可将ρθ参数空间划分为所谓的累加单元，其中(ρmin,ρmax)和(θmin,θmax)是所期望的参数范围，-90°≤θ≤90°和-d≤ρ≤d，其中d是图像对角的最大距离。位于坐标(i,j)处的单元具有累加值a(i,j)，它对应于与参数空间坐标(ρi,θj)相关联的正方形。最初，将这些单元初始化为0。然后，对于xy平面中的每个非背景点(xk,yk)，令θ等于θ轴上每个允许的细分值，同时使用方程ρ＝xkcosθ+yksinθ解除对应的ρ。对ρ进行四舍五入，得到沿轴的最接近的允许单元值。若选择一个θp值得到的解ρq，则令a(p,q)＝a(p,q)+1。此过程结束后，a(i,j)中的值p将意味着xy平面中有p个点位于直线xcosθj+ysinθj＝ρj上，如图7所示。ρθ平面中的细分数量决定了这些点的共线性的精度。
步骤5-2：给定样本集d＝{x1,x2,…,xm}，k均值方法针对聚类所得簇c＝{c1,c2,…,ck}划分最小化平方误差
其中，ci是簇，
步骤5-3：结合hough变换方法和k均值方法，从多组交点随机选取交点定义为聚类中心，如图3所示，将同一条边作为一个种类提取一条直线出来,直至提取耐火砖的四条边，四条边即为耐火砖的外形尺寸，如图4所示。
实施例3
本实施例是在对耐火砖图像进行阈值分割的基础上进行耐火砖表面划痕识别，耐火砖图像的获取、滤波降噪处理以及分割出耐火砖区域与实施例1相同。
基于频率域滤波增强的耐火砖表面划痕识别方法，包括以下步骤：
步骤1：对通过传感器采集得到的原始耐火砖彩色图像进行滤波降噪，获得降噪后图像；在降噪后图像中，分割出耐火砖区域，获得耐火砖灰度图像，如图1所示；
步骤2：，将耐火砖灰度图像转化为耐火砖彩色图像，对耐火砖彩色图像进行通道分解，分离出r、g、b三个通道的图像，获得缺陷通道图像；
步骤3：对缺陷通道图像进行二维离散傅里叶变换，获得缺陷通道图像的频率域图像；使用正弦形状的带通滤波器对频率域图像进行卷积操作，获得频率域图像滤波后的图像；对滤波后的耐火砖图像进行傅里叶逆变换，获得逆变换后的耐火砖图像；对逆变换后的耐火砖图像进行阈值处理和形态学处理，获得耐火砖阈值图像；
步骤4：对耐火砖阈值图像采用两遍扫描法，标记出耐火砖阈值图像中存在的所有连通区域，如图5所示；根据不同连通区域的特征进行判断和筛选，从而识别划痕区域，如图6所示。连通区域是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域。
步骤1中采用双边滤波降噪，双边滤波的计算公式为：
其中，k用来对结果进行单位化，c即为基于空间距离的高斯权重，s为基于像素间相似程度的高斯权重，f(ε)为当前像素。
步骤1中使用灰度化和ostu(大津算法)二值化分割出耐火砖区域，包括以下步骤：
步骤1-1：将耐火砖彩色图像中的rgb三分量亮度求平均得到灰度值f(x,y)，
步骤1-2：根据耐火砖灰度直方图，将耐火砖灰度直方图的灰度间隔分为三类，根据类间方差获取最佳阈值：
式中，
且有以下关系成立：
p1m1+p2m2+p3m3＝mg(3-10)
p1+p2+p3＝1(3-11)
获取最佳阈值：
其中，
步骤1-3：根据最佳阈值对耐火砖灰度图进行分割，获得耐火砖区域图像。
步骤2中，根据下式对耐火砖彩色图像进行通道分解f(x,y)＝0.3f(x,y,r)+0.59f(x,y,g)+0.11f(x,y,b)；
步骤3中，二维离散傅里叶变换表达式如下：
其中，f(x,y)是大小为m×n的数字图像，f(u,v)为频率域结果，x,y均为空间域变量，u,v均为频率域变量，x＝0,1,2,…,m-1,y＝0,1,2,…,n-1，u＝0,1,2,…,m-1,v＝0,1,2,…,n-1。
步骤3中，使用函数h(x,y)对频域率图像f(x,y)进行卷积操作，表达式为：
其中，x＝0,1,2,…,m-1,y＝0,1,2,…,n-1；
步骤3中，二维离散傅里叶逆变换表达式如下：
其中，f(x,y)是大小为m×n的数字图像，f(u,v)为频率域结果，x,y均为空间域变量，u,v均为频率域变量，x＝0,1,2,…,m-1,y＝0,1,2,…,n-1，u＝0,1,2,…,m-1,v＝0,1,2,…,n-1。
步骤4中，根据两遍扫描法获取连通区域，包括以下步骤：
步骤4-1：对耐火砖阈值图像进行第一遍扫描，赋予每个像素位置一个标签，扫描过程中同一个连通区域内的像素集合被赋予一个或多个不同标签，合并属于同一个连通区域但具有不同值的标签；
步骤4-2：对耐火砖阈值图像进行第二遍扫描，将具有相等关系的相同标签所标记的像素归为一个连通区域并赋予一个相同的标签。
实施例4
本实施例是在对耐火砖图像进行阈值分割的基础上进行耐火砖耐火砖深度缺陷识别，耐火砖图像的获取、滤波降噪处理以及分割出耐火砖区域与实施例1相同。
基于高度直方图分割的耐火砖深度缺陷的识别方法，包括以下步骤：
步骤1、对通过传感器采集得到的原始耐火砖彩色图像进行滤波降噪，获得降噪后图像；在降噪后图像中，分割出耐火砖区域，获得耐火砖灰度图像，如图1所示；
步骤2、使用最小二乘法对耐火砖图像点云进行平面拟合获得零平面，并获取原始耐火砖图像的尺寸参数(高度和宽度)，根据原始耐火砖图像的尺寸参数和零平面，生成对应的基准平面图像；
步骤3、对原始耐火砖图像与基准平面图像进行作差，获得倾斜校正后的点云数据图，如图7所示；
步骤4、对倾斜校正后的点云的高度直方图进行滤波分割，得到设定深度的点云信息，根据两遍扫描法对设定深度的点云信息进行连通区域标记，计算每个深度下的连通区域面积，获得缺陷数据，如图8所示。连通区域是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域。
步骤1中采用双边滤波降噪，双边滤波的计算公式为：
其中，k用来对结果进行单位化，c为基于空间距离的高斯权重，s为基于像素间相似程度的高斯权重，f(ε)为当前像素。
步骤1中使用灰度化和ostu二值化分割出耐火砖区域，包括以下步骤：
步骤1-1：将耐火砖彩色图像中的rgb三分量亮度求平均得到灰度值f(x,y)，
步骤1-2：根据耐火砖灰度直方图，将耐火砖灰度直方图的灰度间隔分为三类，根据公式
步骤1-3：根据最佳阈值将耐火砖灰度图进行分割，获得耐火砖区域灰度图像。
步骤2中，获取零平面的拟合参数α,β,γ：
对于一幅2d连续图像f(x,y)(≥0)，p+q阶矩mpq定义为：
其中，p，q是非负的整数，对于离散化数字图像，上式为：
其中，(r0,c0)为质心坐标，且
一阶平面近似方法通过以下公式来描述：
image(r,c)＝α(r-r0)+β(c-c0)+γ(4-13)
其中，r0为待拟合区域的横坐标，c0为待拟合区域的纵坐标，γ为待拟合区域的平均灰度，f为整个平面的面积，mrow是沿着行方向的灰度矩，mcol是沿着列方向的灰度矩，则有：
mrow＝sum((r-r0)*(image(r,c)-γ))/f2(4-14)
mcol＝sum((c-r0)*(image(r,c)-γ))/f2(4-15)
步骤2中，基准平面图像的生成方法是：根据拟合参数α,β,γ，结合原始耐火砖点云图image(r,c)的尺寸信息，生成基准平面图像image(r,c)0。
步骤2中，对原始耐火砖点云图image(r,c)和基准平面图像image(r,c)0进行作差，获取倾斜校正后的点云数据图image'(r,c)，
image'(r,c)＝image(r,c)-image(r,c)0。(4-18)
步骤4中，采用高度带通滤波器对倾斜校正后的点云高度直方图进行滤波分割。
步骤4中，根据两遍扫描法获取连通区域，包括以下步骤：
步骤4-1：对设定深度的点云信息进行第一遍扫描，赋予每个像素位置一个标签，扫描过程中同一个连通区域内的像素集合被赋予一个或多个不同标签，合并属于同一个连通区域但具有不同值的标签；
步骤4-2：对固定深度的点云信息进行第二遍扫描，将具有相等关系的相同标签所标记的像素归为一个连通区域并赋予一个相同的标签。
实施例5
如图9-11所示，基于机器视觉的耐火砖测量装置，包括图像采集模块1，控制模块2，图像处理模块3和反馈模块4，图像采集模块1具有底座11，底座11上设有承载三结构光激光传感器12的导轨13，步进电机15通过联轴器16带动三结构光激光传感器12移动，承载耐火砖的转台14固定于底座11，三结构光激光传感器12对准耐火砖的待测表面并扫描待测耐火砖的4个端面；控制模块2的输入端与图像采集模块1连接，控制模块2的输出端分别与图像处理模块3和反馈模块4连接，反馈模块4包括行程开关，和执行剔除筛选操作的机械手41；图像采集模块1采集耐火砖图像信息，图像处理模块3获取耐火砖图像信息，并对耐火砖图像信息进行分析，控制模块2获得分析结果，控制模块2将分析结果反馈至反馈模块4。
如图1-11所示，基于机器视觉的耐火砖测量方法，包含以下步骤：
步骤1、控制器是转台14转动到耐火砖的待测量表面对准对三结构光激光传感器12的位置，使导轨13平动，三结构光激光传感器12扫描耐火砖的待测量表面，以获取灰度信息和高度信息融合的原始耐火砖彩色图像；
步骤2、对原始耐火砖彩色图像滤波降噪，获得降噪后图像；
步骤3、在降噪后图像中，分割出耐火砖区域，获得耐火砖图像；
步骤4、对耐火砖图像进行形态学处理，使耐火砖图像边缘平滑过渡，并去除耐火砖图像边缘处的孤立点噪声，获得修正后耐火砖图像；
步骤5、用canny算子对修正后耐火砖图像进行边缘检测；
步骤6、对耐火砖的边缘检测得到的离散点进行hough变换方法和k均值方法拟合分析，计算出耐火砖的实际尺寸；
步骤7、由步骤3得到的耐火砖图像，使用最小二乘法对耐火砖图像点云进行平面拟合获得零平面，使耐火砖图像的点云与零平面的点云进行查分获得倾斜校正后点云数据图；
步骤8、对倾斜校正后点云的高度直方图进行滤波分割，得到设定深度的点云信息，根据两遍扫描法对设定深度的点云信息进行连通区域标记，计算每个深度下的连通区域面积，获得缺陷数据，缺陷数据上传数据库并在显示屏上显示；
步骤9：根据步骤7得到的倾斜校正后云数据图拟合耐火砖的表面，获得耐火砖表面的法向量，计算耐火砖表面的倾斜角，以判定耐火砖的平面度是否符合要求，若倾斜角小于给定阈值，则平面度合格，合格将倾斜角上传数据库并在显示屏上显示；
步骤10、使转台转动到耐火砖的下一检测面，重复执行步骤1-9。
步骤2中采用双边滤波降噪，双边滤波的计算公式为：
其中，k用来对结果进行单位化，c即为基于空间距离的高斯权重，s为基于像素间相似程度的高斯权重，f(ε)为当前像素。
步骤3中使用灰度化和ostu二值化分割出耐火砖区域，包括以下步骤：
步骤3-1：将耐火砖彩色图像中的rgb三分量亮度求平均得到灰度值f(x,y)，
步骤3-2：根据耐火砖灰度直方图，获取最佳阈值的方法包括：
令{0,1,2,…,l-1}表示一幅大小为mn像素的数字图像中的l个不同的灰度级，ni表示灰度级为i的像素数。图像中的像素总数mn为mn＝n0+n1+n2+…+nl-1，pi＝ni/mn,i＝0,1,2,...,l-1，根据耐火材料的灰度直方图，其灰度间隔可以分为三类(这三个类由两个阈值分隔)，类间方差由下式给出：
令p1，p2，p3为三个
式中，
且有以下关系成立：
p1m1+p2m2+p3m3＝mg
p1+p2+p3＝1
此时，使用下式寻找最佳阈值：
其中,pi为某一灰度概率，m1表示一类的平均灰度，mg表示整个图像的平均灰度，
步骤3-3：根据最佳阈值将耐火砖灰度图进行分割，获得耐火砖区域灰度图像。
步骤4中对耐火砖图像进行开运算，去除孤立点噪声；进行闭运算平滑边界。
步骤5中边缘检测的方法包含以下步骤：
步骤5-1：用高斯平滑函数对修正后耐火砖图像滤波，令修正后耐火砖图像为f(x,y)，高斯函数为g(x,y)，平滑后的图像为fs(x,y)，则
步骤5-2：计算梯度幅值图像m和角度幅值图像θ，
步骤5-3：对梯度幅值图像m进行非极大值抑制：在梯度方向，在每一点上，领域的中心像素f(x,y)与沿着梯度线的两个相邻像素相比，若f(x,y)的梯度值小于或等于沿梯度线的两个相邻像素的梯度值，则令f(x,y)＝0；
步骤5-4：用双阈值检测并连接边缘，以高阈值图像为基础，以低阈值图像为补充来连接图像的边缘。
步骤7中，零平面的获取方法包括：
步骤7-1：求解耐火砖上表面点云图像的几何中心位置，根据所求解的平面中心位置获取平面校正区域中心，然后对该区域使用最小二乘法进行平面拟合，拟合方法为：
对于一幅2d连续图像f(x,y)(≥0)，p+q阶矩mpq定义为：
其中，p，q是非负的整数，对于离散化数字图像，上式为：
其中，(r0,c0)为质心坐标，且
一阶平面近似方法通过以下公式来描述：
image(r,c)＝α(r-r0)+β(c-c0)+γ(4-13)
其中，r0和c0即为待拟合区域的横纵坐标，γ为待拟合区域的平均灰度，f为整个平面的面积，mrow是沿着行方向的灰度矩，mcol是沿着列方向的灰度矩，则有：
mrow＝sum((r-r0)*(image(r,c)-γ))/f2(4-14)
mcol＝sum((c-r0)*(image(r,c)-γ))/f2(4-15)
其中，α,β,γ分别为零平面的拟合参数。
步骤7-2：获取原始耐火砖图像的尺寸参数，根据原始耐火砖图像尺寸参数和零平面，生成对应的基准平面图像(虚拟平面图像)；
步骤7-3：对原始耐火砖图像与基准图像平面进行作差，获得倾斜校正后的点云数据图。
步骤9中倾斜角的求解过程为：
步骤9-1、在拟合平面上确定不共线的三个点，分别为(x1,y1,z1),(x2,y2,z2),(x3,y3,z3)，生成两个向量
步骤9-2、两个向量求叉集得到法向量
步骤9-3、根据法向量
步骤7-2中，基准平面图像的生成方法是：根据拟合参数α,β,γ，结合原始耐火砖点云图image(r,c)的尺寸信息，生成基准平面图像image(r,c)0。
步骤2中，步骤7-3中，对原始耐火砖点云图image(r,c)和基准平面图像image(r,c)0进行作差，获取倾斜校正后的点云数据图image'(r,c)，
image'(r,c)＝image(r,c)-image(r,c)0。
步骤10：等待plc信号，进行下一面的扫描测量，然后按照步骤2-9处理数据。
步骤11：当4面测试分析完毕时，判定合格品与否，由测量系统图像处理模块发送信号至控制模块，指导机械手执行下一步剔除筛选动作。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。