【技术实现步骤摘要】
本专利技术涉及图像处理，特别是一种基于图像融合的工业机器人图像处理方法。
技术介绍
1、近年来，工业自动化和智能制造的快速发展对工业机器人的性能提出了更高的要求，尤其是在图像处理和视觉系统方面，图像融合技术作为提高工业机器人视觉系统性能的关键技术之一，已经成为研究的热点，该技术通过综合多个传感器收集到的图像数据，生成一个更加准确和详细的视觉表示，从而增强机器人的识别、定位和决策能力，随着计算能力的提升和算法的进步，包括卷积神经网络(cnn)、生成对抗网络(gan)等在内的深度学习技术已被广泛应用于图像融合过程，进一步提高了融合图像的质量和应用效果，此外，随着工业物联网(iot)的发展，大量的图像数据需要被有效地处理和安全存储，这对图像处理方法提出了新的挑战和要求，现有技术在工业机器人图像处理领域缺乏足够的自适应能力，难以针对不同的工作环境和任务需求动态调整融合策略，在实际工业应用中的能效和可行性受到挑战。
技术实现思路
1、鉴于上述现有的基于图像融合的工业机器人图像处理方法中存在的问题，提出了本专利技术。
2、因此，本专利技术所要解决的问题在于现有技术在工业机器人图像处理领域缺乏足够的自适应能力，难以针对不同的工作环境和任务需求动态调整融合策略，在实际工业应用中的能效和可行性受到挑战。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种基于图像融合的工业机器人图像处理方法，其包括，通过多模态传感器收集工业机器人运行时的图像数据并进行预处理；构建自适应图
4、作为本专利技术所述基于图像融合的工业机器人图像处理方法的一种优选方案，其中：所述通过多模态传感器收集工业机器人运行时的图像数据并进行预处理指在工业机器人上安装红外传感器、激光传感器、视觉摄像头以及gps定位装置在工业机器人运行过程中收集多模态图像数据，并对收集数据进行清洗过滤，转换为统一格式。
5、作为本专利技术所述基于图像融合的工业机器人图像处理方法的一种优选方案，其中：所述构建自适应图像融合算法进行图像融合指构建自适应图像融合算法对收集的图像数据进行图像融合：
6、
7、
8、
9、其中为融合后的图像，为第i个收集的图像数据，n为收集图像数据种类，为基于图像清晰度的权重，为图像的清晰度评分，为所有图像清晰度评分的平均值，为所有图像清晰度评分的标准差，为信息增强指数，为图像的纹理复杂度评分，和为调节参数。
10、作为本专利技术所述基于图像融合的工业机器人图像处理方法的一种优选方案，其中：所述通过深度学习算法对融合图像进行增强优化指进行图像融合后，将融合图像输入深度学习算法中进行图像增强优化：
11、
12、
13、其中为优化后的融合图像，为融合图像总数，为增强系数，为双曲正切函数，为特征提取器，为第j个特征提取器的权重，为特征提取器的数量，为图像尺寸，为图像在位置的像素值，为控制高斯模糊的标准差。
14、作为本专利技术所述基于图像融合的工业机器人图像处理方法的一种优选方案，其中：所述评估融合图像优化效果指通过深度学习算法进行融合图像增强优化后对图像优化内容进行评估，得出评估结果：
15、定义结构相似度指数为：
16、
17、其中为优化后图像的平均亮度，为优化后图像平均亮度的方差，为参考图像的平均亮度，为参考图像的平均亮度的方差，为二者的协方差，和是小常数；
18、定义图像清晰度评分为：
19、
20、其中为优化后图像r在位置的梯度幅度，为优化后图像r在位置的像素，z为图像中像素总数；
21、定义亮度变化评分为：
22、
23、其中为优化前图像g在位置的像素；
24、构建综合评估模型为：
25、
26、其中为图像评估结果，为结构相似度指数的权重系数，为图像清晰度评分的权重系数，为亮度变化评分的权重系数。
27、作为本专利技术所述基于图像融合的工业机器人图像处理方法的一种优选方案，其中：所述根据评估结果实施处理措施指构建综合评估模型获取优化图像评估结果后与判断阈值进行对比：
28、若＞，则说明优化后的图像r相较于优化前的图像g图像质量提升，将优化后的图像r与评估结果进行绑定后输出作为工业机器人最终图像处理结果，并定期对图像融合算法和深度学习算法进行检测生成定期检测报告发送给工作人员进行人工复核确认；
29、若≤，则说明优化后的图像r相较于优化前的图像g图像质量未出现综合提升，工业机器人重新通过多模态传感器收集图像数据预处理后进行图像融合步骤和融合图像优化步骤，并在优化后进行图像优化评估，若评估结果仍为≤，则对图像融合算法以及深度学习算法进行深度检测，调整各项权重系数后重复进行图像融合以及图像优化测试直至＞，完成算法调整后工业机器人重新收集数据进行图像融合优化并输出作为最终图像处理结果。
30、作为本专利技术所述基于图像融合的工业机器人图像处理方法的一种优选方案，其中：所述优化工业机器人图像处理能效指在进行图像融合和图像优化后，在保障图像质量的前提下，对工业机器人图像处理能效进行优化：
31、首先计算psnr指标：
32、
33、
34、其中为均方误差，分别是图像像素的行数和列数，和分别为优化前图像和优化后图像在位置的像素值，为图像的最大像素值；
35、结合进行工业机器人能效优化：
36、
37、其中为工业机器人能效，为图像质量的权重系数，为图像处理过程工业机器人的平均功率消耗，为能耗的权重系数，为完成图像处理任务的时间，迭代进行计算，调整权重系数使达到最小，将各项内容作为工业机器人能耗优化策略输出并执行。
38、作为本专利技术所述基于图像融合的工业机器人图像处理方法的一种优选方案，其中：所述将数据进行存储并实施安全保护指将收集的图像数据、融合后的图像、优化后的融合图像、优化融合图像评估结果和处理措施、工业机器人能耗优化策略存储至数据库中并设置访问权限和访问密码进行数据保护，同时对数据访问过程进行全程监控记录，并在数据访问结束后对数据进行扫描生成数据统计日志同步存储。
39、一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现上述基于图像融合的工业机器人图像处理方法的步骤。
40、一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现上述基于图像融合的工业机器人图像处理方法的步骤。
41、本专利技术有益效果为：本专利技术通过收集工业机器人运行时的图像数据进行图像融合处理，本文档来自技高网...
【技术保护点】
1.一种基于图像融合的工业机器人图像处理方法，其特征在于：包括，
2.如权利要求1所述的基于图像融合的工业机器人图像处理方法，其特征在于：所述通过多模态传感器收集工业机器人运行时的图像数据并进行预处理指在工业机器人上安装红外传感器、激光传感器、视觉摄像头以及GPS定位装置在工业机器人运行过程中收集多模态图像数据，并对收集数据进行清洗过滤，转换为统一格式。
3.如权利要求2所述的基于图像融合的工业机器人图像处理方法，其特征在于：所述构建自适应图像融合算法进行图像融合指构建自适应图像融合算法对收集的图像数据进行图像融合：
4.如权利要求3所述的基于图像融合的工业机器人图像处理方法，其特征在于：所述通过深度学习算法对融合图像进行增强优化指进行图像融合后，将融合图像输入深度学习算法中进行图像增强优化：
5.如权利要求4所述的基于图像融合的工业机器人图像处理方法，其特征在于：所述评估融合图像优化效果指通过深度学习算法进行融合图像增强优化后对图像优化内容进行评估，得出评估结果：
6.如权利要求5所述的基于图像融合的工业机器人图像处理
7.如权利要求6所述的基于图像融合的工业机器人图像处理方法，其特征在于：所述优化工业机器人图像处理能效指在进行图像融合和图像优化后，在保障图像质量的前提下，对工业机器人图像处理能效进行优化：
8.如权利要求7所述的基于图像融合的工业机器人图像处理方法，其特征在于：所述将数据进行存储并实施安全保护指将收集的图像数据、融合后的图像、优化后的融合图像、优化融合图像评估结果和处理措施、工业机器人能耗优化策略存储至数据库中并设置访问权限和访问密码进行数据保护，同时对数据访问过程进行全程监控记录，并在数据访问结束后对数据进行扫描生成数据统计日志同步存储。
9.一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种基于图像融合的工业机器人图像处理方法，其特征在于：包括，
2.如权利要求1所述的基于图像融合的工业机器人图像处理方法，其特征在于：所述通过多模态传感器收集工业机器人运行时的图像数据并进行预处理指在工业机器人上安装红外传感器、激光传感器、视觉摄像头以及gps定位装置在工业机器人运行过程中收集多模态图像数据，并对收集数据进行清洗过滤，转换为统一格式。
3.如权利要求2所述的基于图像融合的工业机器人图像处理方法，其特征在于：所述构建自适应图像融合算法进行图像融合指构建自适应图像融合算法对收集的图像数据进行图像融合：
4.如权利要求3所述的基于图像融合的工业机器人图像处理方法，其特征在于：所述通过深度学习算法对融合图像进行增强优化指进行图像融合后，将融合图像输入深度学习算法中进行图像增强优化：
5.如权利要求4所述的基于图像融合的工业机器人图像处理方法，其特征在于：所述评估融合图像优化效果指通过深度学习算法进行融合图像增强优化后对图像优化内容进行评估，得出评估结果：
6.如权利要求5所述的基于图像融合的工业机器人图像处理方法...
【专利技术属性】
技术研发人员：王盛志，李国良，吴柏林，
申请(专利权)人：深圳富欣达自动化有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。