智能检测装置成像方法、装置、电子设备及存储介质

本文件涉及图像处理，尤其涉及一种智能检测装置成像方法、装置、电子设备及存储介质。

背景技术：

1、目前，基于计算机视觉的检测是近年来发展起来的一项热点技术，特别随着ai+大数据广泛应用，其应用场景得到了史无前例的突破，随之而来的市场前景也无比广阔。该类设备利用光、机、电、计算机控制一体化的手段使机器具有智能视觉的功能。将计算机视觉引入检测领域，可以在很多场合实现在线高精度高速测量。应用范围几乎涵盖国民经济的各个行业，其中包括：军事、工业生产、医药、农业、交通控制等领域。随着我国配套基础建设的完善，技术、资金的积累，各行各业对采用图像和计算机视觉技术的工业自动化、智能需求开始广泛出现，有关高校、研究所和企业近两年在图像和计算机视觉技术领域进行了积极思索和大胆的尝试，逐步开始了工业现场的应用。其主要应用于制药、印刷、矿泉水瓶盖检测等领域。这些应用大多集中在如药品检测分装、印刷色彩检测等。随着市场格局的细分，计算机视觉检测技术的应用不但极大的提高了生产效率，降低了人工成本，同时也引领行业的质量控制体系的不断发展。纵观计算机控制与计算机应用行业发展，计算机视觉随着技术的革新及行业的需求，成为逐渐崛起的新兴行业。特别是在食品、饮料、医药包装检测应用领域。其他领域检测等等领域也有着很好的发展空间。中国的电子制造和代工厂商过去几年正在采购大量自动化检测设备取代人工，以应对劳工荒现象，未来十几年这一现象将达到高潮。

2、随着智能科学理论和计算机技术的发展，基于视觉技术的智能检测装置广泛应用在工业生产及检测、农业生产、交通管理及控制等行业，特别是在关系国计民生的食品、饮料和制药产业领域应用前景极为广阔，该类产品生产线应用智能化、自动化生产线质量监控系统，大大节省人力和管理成本，缓解人力成本高企不下的问题，同时也提升了管理质量，从而提高了产品及服务质量。2018年中国图像图形学会机器视觉专委会年会报告预测，到2021年国内基于视觉技术的智能检测生产线市场规模将超过800亿元，每年将为企业带来上千亿的经济收益。

3、视觉技术智能检测装置成像方式有基于视频和基于频闪成像两种方式，基于频闪成像设备是高速工业相机，光线透过镜头投射到感光元件表层，被感光元件表层上滤镜分解成不同的色光，色光由各滤镜相对应的感光单元感知，并产生不同强度的模拟电流信号，再由感光元件的电路将这些信号收集起来，模拟信号通过a/d转换器转换成为数字信号，再由dsp对这些信号进行处理，还原成为数字影象。目前，工业相机成像方式有面扫和线扫两种方式：传统面扫方式需在检测线上设置多台面扫相机，配合复杂光源系统成像，以富士康郑州生产线ipad mini检测为例，其在线负责检测面板的自动检测装置，其相机配置了56台套(含168台面光源及控制器)，使用及维护成本非常高。另外，相机位置设计非常关键，且要对每台相机位置标定，每台相机的图像数据需要汇总后再处理，对计算机及通信系统要求极高，加大了企业生产和维护成本。线扫相机成像方式，只需要单台相机即可，而且一次性标定相机位置，但是需要额外设计检测目标物的均速旋转及前进机构，配合特殊光照结构即可成像，大大降低了使用和维护成本。

4、线扫方式对大幅面、高精度、圆柱状物体检测等方面有很好的应用，主要应用的行业有：印刷制品、大型玻璃、粮食色选、lcd面板检测、pcb检测、钢铁检测、烟草行业、纺织行业等，这些行业产品的共同特点是：幅面较宽、速度快、精度高、流水线上产品连续性高，但随之而来的技术难题也多，同时也意味着市场前景最为广阔。线扫相机成像方式虽然降低了成本，多幅一维线性结构数据融合、缝接为二维图像的速度、精确度及智能化程度依然存在很多问题。

5、智能检测装置的核心部件是图像/视频采集与处理设备。在成像速度、精确性和准确度方面有了大幅度的提高，国内外顶级厂商如dalsa、海康威视为代表，其设备因采集和处理技术能力飞速提高，而扩展了检测领域，目前朝着大尺度检测、亚像素细微结构检测及3d体检测等三个不同的方面有个长足的进步。因此，在工程技术层面上讲，如何高效利用这类高速、高精度的图像/视频采集设备，引入ai理论把机器学习、深度学习理论与传统图像处理紧密结合，提升智能化生产和产品检测程度，是目前研究的热点问题之一。

6、通过上述分析，现有技术存在的问题及缺陷为：智能检测装置成像成本高，且线性结构数据融合、缝接为二维图像的速度、精确度及智能化程度具备缺陷。

7、解决以上问题及缺陷的难度为：随着对检测精度、准确率的不断提升，所采用的视觉采集装置分辨率不断提升，例如主流线扫相机已到达8k甚至更高，面阵相机也普遍达到千万级像素，这不但对处理装置的存储运算能力提出了很高的要求，而且在空间配准精度上也要求更高。对于百毫米检测测量需求，应用场景不变的情况下，空间配准精度要求从几年前的毫米/亚毫米级提高到目前的十微米/微米级。这对配套软件算法的要求大幅提升。

技术实现思路

1、本发明的目的在于提供一种智能检测装置成像方法、装置、电子设备及存储介质，旨在解决现有技术中的上述问题。

2、本发明提供一种智能检测装置成像方法，包括：

3、通过均速前进装置和均速自旋转装置对光源进行控制并控制规则目标物在匀速前进时行进自旋转；

4、获取所述规则目标物的原始图像；

5、对获取的所述原始图像进行数据处理，即采用几何代数算法，对原始图像的快速特征提取和特征匹配，并采用o-ransac算法对所述原始图像进行图像配准和融合。

6、本发明提供一种智能检测装置成像装置，包括：

7、运动及控制模块，用于通过均速前进装置和均速自旋转装置对光源进行控制并控制规则目标物在匀速前进时行进自旋转；

8、图像采集模块，用于获取所述规则目标物的原始图像；

9、图像处理模块，用于对获取的所述原始图像进行数据处理，即采用几何代数算法，对原始图像的快速特征提取和特征匹配，并采用o-ransac算法对所述原始图像进行图像配准和融合。

10、本发明实施例还提供一种电子设备，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计算机程序，所述计算机程序被所述处理器执行时实现上述智能检测装置成像方法的步骤。

11、本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现上述智能检测装置成像方法的步骤。

12、采用本发明实施例，能够突破相应技术壁垒，对我国计算机视觉应用能力有显著提升作用，从而促进相关产业突破现有技术瓶颈，向更高精密、高质量方向发展，同时使原大量无法采用自动化实现的工作可以有更多的技术解决途径选择。

技术特征：

1.一种智能检测装置成像方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，采用几何代数算法，对原始图像的快速特征提取和特征匹配，并采用o-ransac算法对所述原始图像进行图像配准和融合具体包括：

3.根据权利要求2所述的方法，其特征在于，采用o-ransac算法对所述原始图像进行图像配准和融合具体包括：

4.根据权利要求1所述的方法，其特征在于，获取所述规则目标物的原始图像具体包括：

5.一种智能检测装置成像装置，其特征在于，包括：

6.根据权利要求5所述的装置，其特征在于，所述图像处理模块具体用于：

7.根据权利要求5所述的装置，其特征在于，所述图像处理模块具体用于：

8.根据权利要求5所述的装置，其特征在于，所述图像采集模块具体用于：

9.一种电子设备，其特征在于，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计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的智能检测装置成像方法的步骤。

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信息传递的实现程序，所述程序被处理器执行时实现如权利要求1至4中任一项所述的智能检测装置成像方法的步骤。

技术总结
本说明书实施例提供了一种智能检测装置成像方法、装置、电子设备及存储介质，其中，方法包括：通过均速前进装置和均速自旋转装置对光源进行控制并控制规则目标物在匀速前进时行进自旋转；获取所述规则目标物的原始图像；对获取的所述原始图像进行数据处理，即采用几何代数算法，对原始图像的快速特征提取和特征匹配，并采用O‑RANSAC算法对所述原始图像进行图像配准和融合。

技术研发人员：安新军,王红娟,祝长生
受保护的技术使用者：山东科技大学
技术研发日：
技术公布日：2024/1/22