【技术实现步骤摘要】
本申请涉及计算机，具体而言，本申请涉及一种基于图像识别的陶瓷管分选方法、装置。
技术介绍
1、电子陶瓷管通常指的是用于电子设备中的陶瓷元件，这些元件可以是绝缘体或者具有特定电学性能的陶瓷部件。电子陶瓷管在电子工业中有着广泛的应用，例如作为绝缘子、高频电路元件、传感器元件等。在陶瓷管分选的过程中，需要确保这些元件具有良好的电气性能和机械性能。
2、传统的陶瓷管分选主要依靠人工目视检查的方式进行，这种方式存在诸多局限性，包括但不限于：由于需要人工逐一检查，因此分选速度较慢，难以满足大规模生产的需求，另外不同检查人员的经验和技术水平不同，导致分选标准不一，一致性差。
3、由上可知，如何提高基于图像识别的陶瓷管分选效率仍有待解决。
技术实现思路
1、本申请各提供了一种基于图像识别的陶瓷管分选方法、装置、电子设备及存储介质，可以解决相关技术中存在的陶瓷管分选的准确率不高的问题。所述技术方案如下：
2、根据本申请的一个方面，一种基于图像识别的陶瓷管分选方法，包括：将待分选的陶瓷管放置在分选转盘上，并使其以固定角度稳定放置，随着分选转盘的转动，获取陶瓷管的陶瓷管图像集合，其中，陶瓷管图像集合包括前端图像、后端图像及长度图像；调取预先训练的图像识别模型，将所述陶瓷管图像集合输入到所述图像识别模型中进行识别，获取对应的识别结果，其中，识别结果包括良品以及不良品；在分选转盘输送到下料区域时，基于所述识别结果控制不同的气阀打开，将陶瓷管送至预定区域进行分类收集。>
3、在一示例性实施例中，
4、在一示例性实施例中，在所述获取陶瓷管的陶瓷管图像集合的过程中，方法还包括：控制发出可见光和近红外光谱的双重光照向待分选的陶瓷管；获取陶瓷管的双光谱图像；其中，所述图像识别模型包含基于transformer的深度学习分层检测算法。
5、在一示例性实施例中，在所述将所述陶瓷管图像集合输入到所述图像识别模型中进行识别，获取对应的识别结果的过程中，方法还包括：将所述双光谱图像对应的前端图像、后端图像及长度图像全部输入到图像识别模型进行识别；或，将所述双光谱图像对应的前端图像、后端图像及长度图像逐个输入到图像识别模型进行识别，获取前端图像对应的前端识别结果以及后端图像对应的后端识别结果；若在前端识别结果或者后端识别结果存在不良品，并确定不良品陶瓷管，则停止不良品陶瓷管的后续识别，将不良品陶瓷管送至预定区域进行分类收集。
6、在一示例性实施例中，所述方法还包括：在识别到有不良品陶瓷管后，基于不良品陶瓷管确定对应的不良位置，其中，不良位置包括陶瓷管前端、陶瓷管后端以及陶瓷管长度；获取每种所述不良位置对应的不良频次，将三种所述不良频次进行排序；基于最大的不良频次确定陶瓷管易损位置，将陶瓷管易损位置的识别顺序切换为优先识别。
7、在一示例性实施例中，所述双光谱图像可见光图像以及近红外光图像，包括方法还包括：同时或交替发射可见光和发射近红外光照射待分选的陶瓷管，获取对应的可见光图像和近红外光图像；基于所述可见光图像提取对应的可见光特征，基于所述近红外光图像提取对应的近红外光特征，并将所述可见光特征与所述近红外光特征进行融合得到对应的融合特征；将所述融合特征输入所述图像识别模型进行识别。
8、在一示例性实施例中，在所述将所述可见光特征与所述近红外光特征进行融合得到对应的融合特征的过程中，方法还包括：获取可见光图像ivis和近红外光图像inir，对可见光图像ivis和可见光图像inir进行预处理，获取处理后i′vis和i′nir；对i′vis和i′nir均进行特征提取，得到对应的可见光特征fvis与近红外光特征fnir；调取权重数据，其中可见光的权重为α，近红外光权重为β，并且α+β＝1，并计算融合特征ffused，且ffused＝α×fvis+β×fnir。
9、在一示例性实施例中，所述方法还包括：控制前置传感器获取陶瓷管表面的反光强度；判断反光强度是否匹配预先设置的光强区间，若不匹配，则调整光照强度。
10、根据本申请的一个方面，一种基于图像识别的陶瓷管分选装置，包括：陶瓷管图像集合获取模块，将待分选的陶瓷管放置在分选转盘上，并使其以固定角度稳定放置，随着分选转盘的转动，用于获取陶瓷管的陶瓷管图像集合，其中，陶瓷管图像集合包括前端图像、后端图像及长度图像；识别结果获取模块，调取预先训练的图像识别模型，将所述陶瓷管图像集合输入到所述图像识别模型中进行识别，用于获取对应的识别结果，其中，识别结果包括良品以及不良品；分类收集模块，在分选转盘输送到下料区域时，基于所述识别结果控制不同的气阀打开，用于将陶瓷管送至预定区域进行分类收集。
11、根据本申请的一个方面，一种电子设备，包括至少一个处理器以及至少一个存储器，其中，所述存储器上存储有计算机可读指令；所述计算机可读指令被一个或多个所述处理器执行，使得电子设备实现如上所述的基于图像识别的陶瓷管分选方法。
12、根据本申请的一个方面，一种存储介质，其上存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行，以实现如上所述的基于图像识别的陶瓷管分选方法。
13、根据本申请的一个方面，一种计算机程序产品，计算机程序产品包括计算机可读指令，计算机可读指令存储在存储介质中，电子设备的一个或多个处理器从存储介质读取计算机可读指令，加载并执行该计算机可读指令，使得电子设备实现如上所述的基于图像识别的陶瓷管分选方法。
14、本申请提供的技术方案带来的有益效果是：
15、在分选转盘转动的过程中，从不同角度(前端、后端和长度方向)获取陶瓷管的图像，这样可以全面检查陶瓷管的外观质量，然后图像识别模型能够在短时间内对大量的图像进行快速处理，从而实现高速的分选过程，当分选转盘移动到下料区域时，系统根据识别结果控制相应的气阀打开，将陶瓷管精确地送到预设的收集区域；一方面由于整个过程高度自动化，可以实现连续不间断的生产，减少了等待时间和人工干预的时间，这样可以避免人工操作中的错误，提高分选的准确性和效率，另一方面，通过及时识别出不良品并将其分离出来，减少了后续加工步骤中的资源浪费。
本文档来自技高网...【技术保护点】
1.一种基于图像识别的陶瓷管分选方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，在所述获取陶瓷管的陶瓷管图像集合的过程中，方法还包括：
3.如权利要求2所述的方法，其特征在于，在所述将所述陶瓷管图像集合输入到所述图像识别模型中进行识别，获取对应的识别结果的过程中，方法还包括：
4.如权利要求3所述的方法，其特征在于，所述方法还包括：
5.如权利要求1所述的方法，其特征在于，所述双光谱图像可见光图像以及近红外光图像，包括方法还包括：
6.如权利要求5所述的方法，其特征在于，在所述将所述可见光特征与所述近红外光特征进行融合得到对应的融合特征的过程中，方法还包括：
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种基于图像识别的陶瓷管分选装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：至少一个处理器以及至少一个存储器，其中，
10.一种存储介质，其上存储有计算机可读指令，其特征在于，所述计算机可读指令被一个或多个处理器执行，以实现如
...【技术特征摘要】
1.一种基于图像识别的陶瓷管分选方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，在所述获取陶瓷管的陶瓷管图像集合的过程中，方法还包括：
3.如权利要求2所述的方法，其特征在于，在所述将所述陶瓷管图像集合输入到所述图像识别模型中进行识别，获取对应的识别结果的过程中，方法还包括：
4.如权利要求3所述的方法，其特征在于，所述方法还包括：
5.如权利要求1所述的方法，其特征在于，所述双光谱图像可见光图像以及近红外光图像，包括方法还包括：
6.如权利要...
【专利技术属性】
技术研发人员：戴明，赵娇燕，杨欧，杨金锋，张文，莫恒俊，彭思嘉，郭允轩，
申请(专利权)人：深圳职业技术大学，
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。