基于机器视觉的智能光电全自动识别方法及系统与流程

本发明申请涉及光电识别，具体涉及一种基于机器视觉的智能光电全自动识别方法及系统。

背景技术：

1、光电识别是一种基于光学和电子技术的自动识别方法，主要用于检测、追踪和分析各种对象。它利用光信号的反射、透射、干涉等特性来获取被识别物体的信息，并将这些信息转换为可处理和解析的电信号。

2、中国专利公开了(cn108090881a)一种光电转换器模块识别方法，包括：s1、配置测试终端中光电转换器达到各个测试工位的到达时间以及测试时间；根据各个测试工位的到达时间以及测试时间生成测试终端中传送带的运行速度信息以及停留时间信息；s2、获取光电转换器的芯片型号信息；对光电转换器的芯片施加测试信号，获得施加测试信号后，光电转换器向测试服务器返回的结果信息；s3、测试服务器建立结果信息与光电转换器故障类型的对应关系，并生成包括故障类型分析集合的测试数据库；s4、测试服务器向测试终端发送测试指令，测试终端根据测试指令生成测试字符串信息，并通过测试终端与被测光电转换器的接口将测试字符串信息发送到被测光电转换器，现如今的光电识别方法及系统虽然能够实现对于物体的识别，但由于环境光强不同的原因，最终获取的图像的曝光度也不同，若不对于此情况进行干涉，若获取到曝光度较高或者较低的图像时，均会造成识别失败的情况发生，整体方法及系统实际应用效果不佳，为了解决上述问题，亟待需要一种基于机器视觉的智能光电全自动识别方法及系统。

3、发明申请内容

4、有鉴于此，本发明申请提供一种基于机器视觉的智能光电全自动识别方法，本发明申请可以稳定高效地实现自动识别。为解决现如今的光电识别方法及系统虽然能够实现对于物体的识别，但由于环境光强不同的原因，最终获取的图像的曝光度也不同，若不对于此情况进行干涉，若获取到曝光度较高或者较低的图像时，均会造成识别失败的情况发生，整体方法及系统实际应用效果不佳的技术问题，本发明申请提供一种基于机器视觉的智能光电全自动识别方法，包括如下步骤：

5、s1、对于数据进行收集；

6、s2、进行光电分析；

7、s3、进行图像处理；

8、s4、进行特征提取；

9、s5、进行综合识别运行；

10、s6、对于识别结果进行传输。

11、本发明还提供了一种基于机器视觉的智能光电全自动识别系统，包括数据获取模块，所述数据获取模块的输出端与光电分析模块的输入端相连接，所述光电分析模块的输出端与图像处理模块的输入端相连接。

12、作为上述技术方案的进一步描述：

13、所述图像处理模块的输出端与特征提取模块的输入端相连接，所述特征提取模块的输出端与综合自动识别模块的输入端相连接，所述综合自动识别模块的输出端与识别结果传输模块的输入端相连接，所述识别结果传输模块的输出端与数据接收终端的输入端相连接，所述数据接收终端为手机、电脑、ipad中的一种或多种。

14、作为上述技术方案的进一步描述：

15、所述数据获取模块包括目标图像获取模块与环境光线强度获取模块，所述目标图像获取模块的输出端与环境光线强度获取模块的输入端相连接，所述环境光线强度获取模块的输出端与光电转换参数获取模块的输入端相连接。

16、作为上述技术方案的进一步描述：

17、所述光电转换参数获取模块的输出端与相关设备参数获取模块的输入端相连接，所述相关设备参数获取模块的输出端与相关设备状态获取模块的输入端相连接。

18、作为上述技术方案的进一步描述：

19、所述光电分析模块包括光强数据自动导入模块与光强对比模块，所述光强数据自动导入模块的输出端与光强对比模块的输入端相连接，所述光强对比模块的输出端与光强判定模块的输入端相连接。

20、作为上述技术方案的进一步描述：

21、所述光强判定模块的输出端与图像曝光度检测模块的输入端相连接，所述图像曝光度检测模块的输出端与图像曝光度调节模块的输入端相连接，所述图像曝光度调节模块的输出端与图像重新备份模块的输入端相连接。

22、作为上述技术方案的进一步描述：

23、所述图像处理模块包括图像对比度调节模块与图像像素调节模块，所述图像对比度调节模块的输出端与图像像素调节模块的输入端相连接，所述图像像素调节模块的输出端与图像自动去噪模块的输入端相连接，所述图像自动去噪模块的输出端与图像二值化处理模块的输入端相连接。

24、作为上述技术方案的进一步描述：

25、所述图像二值化处理模块的输出端与图像自动分割模块的输入端相连接，所述图像自动分割模块的输出端与分割图像编号模块的输入端相连接，所述图像自动分割模块将图像分割为10-12块。

26、作为上述技术方案的进一步描述：

27、所述特征提取模块包括特征提取算法选择模块与识别特征区域选择模块，所述特征提取算法选择模块的输出端与识别特征区域选择模块的输入端相连接，所述识别特征区域选择模块的输出端与特征向量表示模块的输入端相连接，所述特征向量表示模块的输出端与特征选择与降维处理模块的输入端相连接，所述特征选择与降维处理模块的输出端与特征自动分类模块的输入端相连接，所述特征自动分类模块的输出端与特征自动匹配模块的输入端相连接，所述特征提取算法选择模块中选择的算法为主成分分析法、线性判别分析法、多维尺度法、核主成分分析法中的一种或多种。

28、综上所述，与现有技术相比，本申请包括以下至少一种有益技术效果：

29、该方法及系统内设置有光电分析模块，能够在进行图像处理之前，对于光电进行分析，对于一些曝光过度或者较低的图像进行处理，使其来到正常的范围，从而有效避免后续的处理失败，同时在内设置有图像处理模块，能够对于图像进行多步骤处理，且对于图像进行分块，使不同的块状图像能够得到更有效的特征提取，从而大大提高后续的识别成功率与准确率，大大提高了整体方法及系统的实际应用效果。

技术实现思路

技术特征：

1.一种基于机器视觉的智能光电全自动识别方法，其特征在于：包括如下步骤：

2.一种基于机器视觉的智能光电全自动识别系统，其特征在于：包括数据获取模块(1)，所述数据获取模块(1)的输出端与光电分析模块(2)的输入端相连接，所述光电分析模块(2)的输出端与图像处理模块(3)的输入端相连接。

3.根据权利要求2所述的一种基于机器视觉的智能光电全自动识别系统，其特征在于，所述图像处理模块(3)的输出端与特征提取模块(4)的输入端相连接，所述特征提取模块(4)的输出端与综合自动识别模块的输入端相连接，所述综合自动识别模块的输出端与识别结果传输模块的输入端相连接，所述识别结果传输模块的输出端与数据接收终端的输入端相连接，所述数据接收终端为手机、电脑、ipad中的一种或多种。

4.根据权利要求3所述的一种基于机器视觉的智能光电全自动识别系统，其特征在于，所述数据获取模块(1)包括目标图像获取模块与环境光线强度获取模块，所述目标图像获取模块的输出端与环境光线强度获取模块的输入端相连接，所述环境光线强度获取模块的输出端与光电转换参数获取模块的输入端相连接。

5.根据权利要求4所述的一种基于机器视觉的智能光电全自动识别系统，其特征在于，所述光电转换参数获取模块的输出端与相关设备参数获取模块的输入端相连接，所述相关设备参数获取模块的输出端与相关设备状态获取模块的输入端相连接。

6.根据权利要求5所述的一种基于机器视觉的智能光电全自动识别系统，其特征在于，所述光电分析模块(2)包括光强数据自动导入模块与光强对比模块，所述光强数据自动导入模块的输出端与光强对比模块的输入端相连接，所述光强对比模块的输出端与光强判定模块的输入端相连接。

7.根据权利要求6所述的一种基于机器视觉的智能光电全自动识别系统，其特征在于，所述光强判定模块的输出端与图像曝光度检测模块的输入端相连接，所述图像曝光度检测模块的输出端与图像曝光度调节模块的输入端相连接，所述图像曝光度调节模块的输出端与图像重新备份模块的输入端相连接。

8.根据权利要求7所述的一种基于机器视觉的智能光电全自动识别系统，其特征在于，所述图像处理模块(3)包括图像对比度调节模块与图像像素调节模块，所述图像对比度调节模块的输出端与图像像素调节模块的输入端相连接，所述图像像素调节模块的输出端与图像自动去噪模块的输入端相连接，所述图像自动去噪模块的输出端与图像二值化处理模块的输入端相连接。

9.根据权利要求8所述的一种基于机器视觉的智能光电全自动识别系统，其特征在于，所述图像二值化处理模块的输出端与图像自动分割模块的输入端相连接，所述图像自动分割模块的输出端与分割图像编号模块的输入端相连接，所述图像自动分割模块将图像分割为10-12块。

10.根据权利要求9所述的一种基于机器视觉的智能光电全自动识别系统，其特征在于，所述特征提取模块(4)包括特征提取算法选择模块与识别特征区域选择模块，所述特征提取算法选择模块的输出端与识别特征区域选择模块的输入端相连接，所述识别特征区域选择模块的输出端与特征向量表示模块的输入端相连接，所述特征向量表示模块的输出端与特征选择与降维处理模块的输入端相连接，所述特征选择与降维处理模块的输出端与特征自动分类模块的输入端相连接，所述特征自动分类模块的输出端与特征自动匹配模块的输入端相连接，所述特征提取算法选择模块中选择的算法为主成分分析法、线性判别分析法、多维尺度法、核主成分分析法中的一种或多种。

技术总结
本发明申请提供一种基于机器视觉的智能光电全自动识别方法及系统，属于光电识别技术领域，包括如下步骤：对于数据进行收集，进行光电分析，进行图像处理，进行特征提取，进行综合识别运行，对于识别结果进行传输，提供决策服务；本发明内设置有光电分析模块，能够在进行图像处理之前，对于光电进行分析，对于一些曝光过度或者较低的图像进行处理，使其来到正常的范围，从而有效避免后续的处理失败，同时在内设置有图像处理模块，能够对于图像进行多步骤处理，且对于图像进行分块，使不同的块状图像能够得到更有效的特征提取，从而大大提高后续的识别成功率与准确率，大大提高了整体方法及系统的实际应用效果。

技术研发人员：张建厂
受保护的技术使用者：西安中扬节能科技有限公司
技术研发日：
技术公布日：2024/3/31