工业零件的轮廓识别方法、装置、设备和计算机存储介质制造方法及图纸

本发明专利技术提供了工业零件的轮廓识别方法、装置、设备和计算机存储介质，该工业零件的轮廓识别方法包括：S1：获取工业零件的图像；S2：获取所述图像中工业零件的初始轮廓，所述初始轮廓为不规则多边形；S3：获取轮廓识别模型，且所述轮廓识别模型为HRnet深度学习网络；S4：将所述初始轮廓输入所述轮廓识别模型，得到多个关键点和参考点的参数，所述关键点为所述初始轮廓的多个顶点，所述参考点为所述初始轮廓的中心；S5：利用多个所述关键点和所述参考点的参数构建所述工业零件的轮廓，相对于现有的利用外接矩形识别轮廓的方法而言，具有准确性高的优点。优点。优点。

【技术实现步骤摘要】
工业零件的轮廓识别方法、装置、设备和计算机存储介质


[0001]本专利技术涉及图像识别
，特别是涉及工业零件的轮廓识别方法、装置、设备和计算机存储介质。

技术介绍

[0002]工业零件在生产的过程中，往往通过工业零件的轮廓对工业零件的外观进行检测，目前，识别工业零件的轮廓时，往往首先识别工业零件的最小外接矩形，然后在最小外接矩形内识别工业零件的轮廓，但是，由于大部分工业零件的轮廓为不规则形状的，其使在工业零件的最小外接矩形内识别工业零件的轮廓较为困难，而且极易出现偏差。

技术实现思路

[0003]基于此，本专利技术的目的在于，提供工业零件的轮廓识别方法、装置、设备和计算机存储介质，其具有识别准确性高的优点。
[0004]本专利技术所采用的技术方案内容具体如下：
[0005]一种工业零件的轮廓识别方法，包括：
[0006]S1：获取工业零件的图像；
[0007]S2：获取所述图像中工业零件的初始轮廓，所述初始轮廓为不规则多边形；
[0008]S3：获取轮廓识别模型，且所述轮廓识别模型为HRnet深度学习网络；
[0009]S4：将所述初始轮廓输入所述轮廓识别模型，得到多个关键点和参考点的参数，所述关键点为所述初始轮廓的多个顶点，所述参考点为所述初始轮廓的中心；
[0010]S5：利用多个所述关键点和所述参考点的参数获取所述工业零件的轮廓。
[0011]进一步地，步骤S2为：对所述图像中所述工业零件的外缘采用不规则多边形表示，得到所述初始轮廓。
[0012]进一步地，所述参数包括每个顶点的坐标和角度，所述角度为以所述中心为圆心、以经过所述圆心的水平线为X轴时，所述顶点与所述圆心的连线与X轴之间的夹角的大小。
[0013]进一步地，步骤S5包括：
[0014]S51：利用所述中心的参数确定中心的位置，并以所述中心为圆心建立水平坐标系；
[0015]S52：利用每个所述顶点的参数确定每个所述顶点在所述水平坐标系中的位置；
[0016]S53：将多个所述顶点首尾连接得到所述轮廓。
[0017]进一步地，所述关键点的数量为10
‑
20个。
[0018]本专利技术还提供了一种工业零件的轮廓识别装置，包括：
[0019]第一获取模块，用于获取工业零件的图像；
[0020]第二获取模块，用于获取所述图像中工业零件的初始轮廓，所述初始轮廓为不规则多边形；
[0021]第三获取模块，用于获取轮廓识别模型，且所述轮廓识别模型为HRnet深度学习网
络；
[0022]参数获取模块，将所述初始轮廓输入所述轮廓识别模型，得到多个关键点和参考点的参数，所述关键点为所述初始轮廓的多个顶点，所述参考点为所述初始轮廓的中心；
[0023]轮廓获取模块，用于利用多个所述关键点和所述参考点的参数获取所述工业零件的轮廓。
[0024]进一步地，所述参数包括每个顶点的坐标和角度，所述角度为以所述中心为圆心、以经过所述圆心的水平线为X轴时，所述顶点与所述圆心的连线与X轴之间的夹角的大小。
[0025]进一步地，所述轮廓获取模块包括建立单元、确定单元和获取单元，所述建立单元用于利用所述中心的参数确定中心的位置，并以所述中心为圆心建立水平坐标系；所述确定单元用于利用每个所述顶点的参数确定每个所述顶点在所述水平坐标系中的位置；所述获取单元用于将多个所述顶点首尾连接得到所述轮廓。
[0026]本专利技术还提供了一种工业零件的轮廓识别设备，包括：
[0027]处理器；
[0028]存储器，用于存储由所述处理器执行的计算机程序；
[0029]其中，所述处理器执行所述计算机程序时实现本专利技术所述的工业零件的轮廓识别方法。
[0030]本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现本专利技术所述的工业零件的轮廓识别方法。
[0031]与现有技术相比，本专利技术的有益效果在于：
[0032]本专利技术公开的工业零件的轮廓识别方法，其初始轮廓为不规则多边形，相对于外接四边形而言，更为接近工业零件的轮廓的真实值；而且，将初始轮廓输入所述轮廓识别模型中，可以得到所述初始轮廓的多个顶点和中心的参数，其可以提高所述初始轮廓的多个顶点和中心的参数的准确性，进而提高了所述轮廓的准确性。
[0033]为了更好地理解和实施，下面结合附图详细说明本专利技术。
附图说明
[0034]图1为本专利技术一实施例中工业零件的轮廓识别的流程图；
[0035]图2为本专利技术一实施例中工业零件的轮廓识别装置的结构示意图；
[0036]1、第一获取模块；2、第二获取模块；3、第三获取模块；4、参数获取模块；5、轮廓获取模块；51、建立单元；52、确定单元；53、获取单元。
具体实施方式
[0037]应当明确，所描述的实施例仅仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请实施例保护的范围。
[0038]在本申请实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0039]下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
[0040]此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0041]应当理解的是，本申请实施例并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请实施例的范围仅由所附的权利要求来限制。
[0042]工业零件在生产的过程中，往往通过工业零件的轮廓对工业零件的外观进行检测，目前，识别工业零件的轮廓时，往往首先识别工业零件的最小外接矩形，然后在最小外接矩形内识别工业零件的轮廓，但是，由于大部分工业零件的轮廓为不规则形状的，其使在工业零件的最小外接矩形内识别工本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.工业零件的轮廓识别方法，其特征在于，包括：S1：获取工业零件的图像；S2：获取所述图像中工业零件的初始轮廓，所述初始轮廓为不规则多边形；S3：获取轮廓识别模型，且所述轮廓识别模型为HRnet深度学习网络；S4：将所述初始轮廓输入所述轮廓识别模型，得到多个关键点和参考点的参数，所述关键点为所述初始轮廓的多个顶点，所述参考点为所述初始轮廓的中心；S5：利用多个所述关键点和所述参考点的参数获取所述工业零件的轮廓。2.根据权利要求1所述的工业零件的轮廓识别方法，其特征在于，步骤S2为：对所述图像中所述工业零件的外缘采用不规则多边形表示，得到所述初始轮廓。3.根据权利要求1所述的工业零件的轮廓识别方法，其特征在于，所述参数包括每个顶点的坐标和角度，所述角度为以所述中心为圆心、以经过所述圆心的水平线为X轴时，所述顶点与所述圆心的连线与X轴之间的夹角的大小。4.根据权利要求1所述的工业零件的轮廓识别方法，其特征在于，步骤S5包括：S51：利用所述中心的参数确定中心的位置，并以所述中心为圆心建立水平坐标系；S52：利用每个所述顶点的参数确定每个所述顶点在所述水平坐标系中的位置；S53：将多个所述顶点首尾连接得到所述轮廓。5.根据权利要求1
‑
4任一项所述的工业零件的轮廓识别方法，其特征在于，所述关键点的数量为10
‑
20个。6.一种工业零件的轮廓识别装置，其特征在于，包括：第一获取模块，用于获取工业零件的图像；第二获取模块，用于获取所述图像...

【专利技术属性】
技术研发人员：赵哲，肖圣端，张权，王刚，吕炎州，英高海，
申请(专利权)人：广州市易鸿智能装备有限公司，
类型：发明
国别省市：