【技术实现步骤摘要】
本专利技术涉及图像数据处理。更具体地，本专利技术涉及用于电子烟组装零部件的识别方法及系统。
技术介绍
1、随着电子烟市场的不断扩大，确保电子烟产品的安全性和可靠性成为了一项重要任务。通过识别零部件，可以有效监控产品制造过程中的质量，提高产品质量，保护用户健康，同时也有助于防止仿制品和假冒伪劣产品的流入市场。对电子烟产品的质量检测主要包括对电子烟的零部件进行检测。目前，常规的质量检测方式主要依赖人工，这种方式效率低，而且面对大量的产品，主要通过抽检的方式进行，产品质量不能保证。为了节省人力，工程人员也尝试通过图像处理过程对电子烟产品的组装零部件进行识别和检测，从而确定电子烟产品的质量。
2、然而，在对电子组装零部件图像进行采集时，由于光线条件、图像传输效率、环境振动的干扰，会使得采集的图像中存在大量的噪声，噪声的存在会很大程度地影响对于图像中零部件的准确识别。现有用于图像去噪的算法是双边滤波算法，其通过考虑像素间的空间距离和像素之间的相似性，能够很好地保留图像的边缘信息，使得图像在去噪的同时边缘依然清晰。
3、例如公开号为cn114463225a，专利技术名称为双边滤波方法及装置的中国专利技术专利中，就公开了基于当前中心像素与其邻域像素的高斯滤波值的差值确定出所述当前中心像素及其邻域像素的双边滤波权重，基于当前中心像素及其邻域像素的双边滤波权重和像素值计算出当前中心像素的双边滤波值，以实现图像滤波处理过程。该现有技术存在的问题在于：在使用双边滤波对于图像中的某一个像素点进行滤波时，该像素点可能为噪声像素点，
4、基于此，如何解决目前电子烟组装零部件的识别过程准确性低的问题，是当前有效监控产品制造质量的关键。
技术实现思路
1、为解决上述技术问题，本专利技术在如下的多个方面中提供方案。
2、在第一方面中，本专利技术提供了一种用于电子烟组装零部件的识别方法，包括：获取包含电子烟组装零部件的待处理图像；对所述待处理图像进行语义分割处理，以提取待处理图像中的零部件区域；根据待滤波像素点的灰度特征量的乘积计算其在零部件区域中的代表性，其中灰度特征量包括待滤波像素点与其邻域像素点的灰度值差值、灰度一致的像素点在所有像素点中的占比以及像素点之间的距离值；根据待滤波像素点与周围像素点的相似度计算得到代表性修正系数；根据滤波窗口内待滤波像素点的周围像素点对应的代表性与代表性修正系数的乘积，确定周围像素点的权重因子；利用所述权重因子更新双边滤波算法中的像素权重，并对待处理图像进行去噪；对完成去噪后的图像进行电子烟组装零部件识别。
3、本专利技术的效果在于：通过对图像中零部件区域的每一个像素点的灰度特征进行分析，从而确定在对一个像素点在进行滤波时其窗口内的每一个周围像素点的权重因子。这样做可以使得滤波窗口内噪声可能性大的像素点在对目标像素点进行滤波时，其所占的权重降低，会使得对于零部件图像区域的像素点的滤波结果更加准确。同时，通过对每一个待滤波像素点与其窗口内像素点的相似度进行分析，可以使得在对零部件图像中的不同区域的像素点进行滤波时，自适应地调整与待滤波像素点相似度大的像素点的权重，从而控制待滤波像素点的滤波程度。通过调整因子双边滤波算法的优化，使得完成滤波的零部件图像具备更强的纹理细节，便于后续的识别。也会使得双边滤波算法在本场景中的使用性以及准确性变得更强，会让本系统具备更佳的鲁棒性。
4、在一个实施例中，其中待滤波像素点在零部件区域中的代表性的计算公式为：式中，qx表示第x个像素点在零部件图像区域中的代表性；hx表示第x个像素点的灰度值；hx,l表示第x个像素点的8邻域内像素点的平均灰度值；cx表示零部件图像中与第x个像素点灰度值一致的像素点个数；call表示零部件图像中的所有像素点个数；dx,min表示与第n个像素点灰度值一致的像素点中，距离第x个像素点最近的像素点与第x个像素点之间的欧氏距离，若不存在灰度值一致的像素点，令dx,min＝1。
5、本专利技术的有益效果在于：通过待滤波像素点及其周围像素点在零部件区域中的代表性，可以准确确定噪声像素，从而削弱噪声像素点的影响，提升图像去噪的效果。
6、在一个实施例中，根据待滤波像素点与周围像素点的相似度计算得到代表性修正系数，包括：对待滤波像素点，计算其与滤波窗口内每个周围像素点之间的相似度；结合待滤波像素点周围区域的纹理密集性，构建待滤波像素点对应的周围像素点在零部件图像区域中的代表性修正系数。
7、本专利技术的有益效果在于：通过利用纹理密集程度对不同类型的周围像素点的代表性修正系数进行计算，可以实现不同类型分情况处理，提升算法在图像处理中的适应性。在实际对噪声像素点的滤波过程中，可以保证零部件的细节纹理区域的完整性。
8、在一个实施例中，其中纹理密集性的计算公式包括：tx,m＝norm[sx×|hx,max-hx,min|]；式中，tx,m表示对第x个像素点进行滤波时其周围区域的纹理密集性；sx表示第x个像素点进行滤波时其滤波窗口内像素点灰度值的信息熵值；hx,max和hx,min分别表示对第x个像素点进行滤波时其滤波窗口内的灰度最大值和灰度最小值。
9、在一个实施例中，结合待滤波像素点周围区域的纹理密集性，构建待滤波像素点对应的周围像素点在零部件图像区域中的代表性修正系数，包括：响应于纹理密集性大于或等于设定阈值，判定为纹理密集区域，并构建纹理密集区域对应的代表性修正系数；响应于纹理密集性小于设定阈值，判定为纹理稀疏区域，并构建纹理稀疏区域对应的代表性修正系数。
10、本专利技术的有益效果在于：通过划分纹理密集区域和纹理稀疏区域，可以分情况对代表性修正系数进行计算，提升了图像滤波过程的准确性和可靠性。
11、在一个实施例中，其中纹理密集区域对应的代表性修正系数的计算公式为：wx,m＝exp{-[|qx-qx,m|×(|qx-qa|×|qx,m-qa|)]}；纹理稀疏区域对应的代表性修正系数的计算公式为：wx,m＝exp{-exp{-[|qx-qx,m|×(|qx-qa|×|qx,m-qa|)]}}；式中，wx,m表示对第x个像素点进行滤波时其滤波窗口内第m个周围像素点在零部件图像区域中的代表性修正系数；qx表示第x个像素点在零部件图像区域中的代表性；qx,m表示对第x个像素点进行滤波时其窗口内第m个周围像素点在零部件图像区域中的代表性；qa表示零部件区域图像中所有像素点平均代表性值；tx,m表示对第x个像素点进行滤波时其周围区域的纹理密集性。
12、在一个实施例中，其中权重因子的计算公式为：ex,m＝norm(qx,m×wx,m0；式中，fx,m表示对本文档来自技高网...
【技术保护点】
1.一种用于电子烟组装零部件的识别方法，其特征在于，包括：
2.根据权利要求1所述的用于电子烟组装零部件的识别方法，其特征在于，其中待滤波像素点在零部件区域中的代表性的计算公式为：
3.根据权利要求1所述的用于电子烟组装零部件的识别方法，其特征在于，根据待滤波像素点与周围像素点的相似度计算得到代表性修正系数，包括：
4.根据权利要求3所述的用于电子烟组装零部件的识别方法，其特征在于，其中纹理密集性的计算公式包括：
5.根据权利要求3所述的用于电子烟组装零部件的识别方法，其特征在于，结合待滤波像素点周围区域的纹理密集性，构建待滤波像素点对应的周围像素点在零部件图像区域中的代表性修正系数，包括：
6.根据权利要求5所述的用于电子烟组装零部件的识别方法，其特征在于，其中纹理密集区域对应的代表性修正系数的计算公式为：
7.根据权利要求1所述的用于电子烟组装零部件的识别方法，其特征在于，其中权重因子的计算公式为：
8.根据权利要求1所述的用于电子烟组装零部件的识别方法，其特征在于，利用所述权重因子更新双边滤
9.根据权利要求8所述的用于电子烟组装零部件的识别方法，其特征在于，利用所述综合权重对所述待处理图像进行滤波，包括：
10.一种用于电子烟组装零部件的识别系统，其特征在于，包括：
...【技术特征摘要】
1.一种用于电子烟组装零部件的识别方法，其特征在于，包括：
2.根据权利要求1所述的用于电子烟组装零部件的识别方法，其特征在于，其中待滤波像素点在零部件区域中的代表性的计算公式为：
3.根据权利要求1所述的用于电子烟组装零部件的识别方法，其特征在于，根据待滤波像素点与周围像素点的相似度计算得到代表性修正系数，包括：
4.根据权利要求3所述的用于电子烟组装零部件的识别方法，其特征在于，其中纹理密集性的计算公式包括：
5.根据权利要求3所述的用于电子烟组装零部件的识别方法，其特征在于，结合待滤波像素点周围区域的纹理密集性，构建待滤波像素点对应的周围像素点在零部件图像区域中的...
【专利技术属性】
技术研发人员：张海锋，
申请(专利权)人：广东弗我智能制造有限公司，
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。