【技术实现步骤摘要】
本申请属于产品追踪，更具体地，涉及一种基于剪切干涉和神经网络的工业产品无标记追踪方法及装置。
技术介绍
1、目前的产品追踪技术包括二维码追踪技术，条形码追踪技术，快速响应码(qrcode)，rfid技术。总体来说，关于芯片、高密度集成电路板、陶瓷封装底座的产品追踪的技术部分成熟。芯片晶圆的产品追踪技术主要在设计时完成，需要通过显微镜观察，自动化程度不高，无法建立系统。高密度集成电路板则大多数通过rfid技术进行追踪，技术和系统已经成熟，通过电磁波进行标注。陶瓷封装底座的相关产业链不成熟，所以追踪技术也并不完整，整体市场需求较大。
2、因此，现有技术中无法应对像芯片、高密度集成电路板、陶瓷封装底座这些精密产品的追踪，不能在这些产品表面做记号，导致产品性能受损，也不能在产品上面放置rfid标签(有些需要电源等)。此外，现有技术中还存在对芯片内部做记号和标记，和在表面的封装做记号，一个是在内部观察极为繁琐，在外部有需要标记的成本，在芯片并未进行封装前的生产过程也无法进行追踪。
3、也就是说，现有技术中的追踪技术仍存在着自动化程度低、产业链不成熟、标记成本高以及内部标记复杂等问题，在测试产品的追踪方面存在多重局限，导致测试产品的追踪和识别的效率性较低。
技术实现思路
1、针对现有技术的缺陷，本申请的目的在于提供一种基于剪切干涉和神经网络的工业产品无标记追踪方法，旨在解决工业产品的追踪和识别的效率较低的问题。
2、第一方面，本申请提供一种基于剪切干涉和神经
3、获取工业产品表面无标记的干涉图像；所述干涉图像是通过采用分光棱镜将光束分成两束光路，并经过直角棱镜调整光程差和剪切量后，两束光路在重叠区域发生干涉形成的；；
4、对所述干涉图像进行预处理，并对预处理后的干涉图像进行二值化处理，得到二值化图像；
5、利用训练好的神经网络模型提取所述二值化图像的关键特征，基于相似度度量函数对所述关键特征进行匹配，得到特征相似度结果以实现产品的自动追踪。
6、本申请利用分光棱镜和直角棱镜获取工业产品的干涉图像，分光棱镜和直角棱镜的组合允许更加灵活地调整光程差和剪切量，可以根据被测物体的特性对光路进行微调，以适应更多样化的样品表面，例如不规则或复杂的表面，提高产品追踪的通用性和适用性，且分光棱镜能够精确地将光束分离，并与直角棱镜一起提供更稳定的光路调节，能够提高干涉条纹的分辨率和对比度，有助于精确检测产品表面的微小缺陷或不规则性，提高检测精度和检测效率；并且通过构建神经网络对干涉图像进行预处理和二值化处理，能够实现自动化的图像分析，减少人工干预，提高工作效率，提取二值化图像的关键特征并基于相似度度量函数进行匹配，可以有效识别和追踪产品，进而提高了工业产品的追踪效率性和识别效率性。
7、可选地，所述干涉图像的获取方法包括：
8、对半导体激光器发射的激光进行准直，以确保出射光束为平行光，并且控制出射光束的截面积；
9、将出射光束分成两束光路，并调整两路光束的光程差和剪切量；
10、将两路光束在重叠区域进行干涉形成干涉条纹；
11、对所述干涉条纹进行聚焦，得到干涉图像。可选地，所述利用训练好的神经网络模型提取所述二值化图像的关键特征，包括：
12、将所述二值化图像输入到训练好的神经网络中，所述二值化图像依次通过输入层、卷积层、非线性激活层、池化层、全连接层以及输出层的处理，得到所述关键特征；
13、其中，所述神经网络是基于cnn算法构建，利用图像样本和样本标签进行训练得到的。
14、可选地，还包括：
15、利用sift算法通过尺度空间极值检测、关键点定位、方向分配以及关键点描述对二值化图像进行特征提取，得到所述关键特征。
16、可选地，所述对所述干涉图像进行预处理，并对预处理后的干涉图像进行二值化处理，得到二值化图像，包括：
17、将所述干涉图像转化为灰度图像；
18、对所述灰度图像利用中值滤波进行去噪处理，以去除所述灰度图像的椒盐噪声；
19、对预处理后的干涉图像进行二值化处理，得到所述二值化图像。
20、可选地，还包括：
21、当系统处于离线状态时，将所述干涉图像存储至数据库作为历史参考数据；
22、当系统恢复在线状态时，将待处理图像与数据库的历史参考数据进行对比，已确认所述待处理图像为所述干涉图像。
23、本申请确保了在系统离线时能够有效存储干涉图像，并在恢复在线后进行准确的图像对比和确认，不仅提高了数据的可追溯性，还增强了系统的智能化水平，能够在不同状态下灵活应对图像处理需求。通过历史参考数据的利用，系统能够更好地适应变化，提高干涉图像的处理效率和准确性。
24、第二方面，本申请还提供一种基于剪切干涉和神经网络的工业产品无标记追踪装置，包括：
25、干涉单元，用于获取工业产品表面无标记的干涉图像；
26、图像处理单元，用于对所述干涉图像进行预处理，并对预处理后的干涉图像进行二值化处理，得到二值化图像；
27、匹配单元，用于利用训练好的神经网络模型提取所述二值化图像的关键特征，基于相似度度量函数对所述关键特征进行匹配，得到特征相似度结果以实现产品的自动追踪。
28、第三方面，本申请还提供一种剪切干涉系统，包括：
29、半导体激光器、扩束模块、分光棱镜、直角棱镜以及成像模块；
30、所述半导体激光器，用于提供波段窄且相干性好的光源；
31、所述扩束模块，用于对所述半导体激光器发射的激光进行准直，以确保出射光束为平行光，并且控制出射光束的截面积；
32、所述分光棱镜，用于对所述出射光束进行分光剪切，形成干涉条纹；
33、所述直角棱镜，用于调节光程差和剪切量；
34、所述成像模块，用于对所述干涉条纹进行聚焦，得到干涉图像。
35、第四方面，本申请提供一种电子设备，包括：至少一个存储器，用于存储程序；至少一个处理器，用于执行存储器存储的程序，当存储器存储的程序被执行时，处理器用于执行第一方面或第一方面的任一种可能的实现方式所描述的方法。
36、第五方面，本申请提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，当计算机程序在处理器上运行时，使得处理器执行第一方面或第一方面的任一种可能的实现方式所描述的方法。
37、可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
38、总体而言，通过本申请所构思的以上技术方案与现有技术相比，具有以下有益效果：
39、(1)本申请利用分光棱镜和直角棱镜获取工业产品的干涉图像，分光棱镜和直角棱镜的组合允许更加灵活地调整光程差和剪切量，可以根据被测物体的本文档来自技高网...
【技术保护点】
1.一种基于剪切干涉和神经网络的工业产品无标记追踪方法，其特征在于，包括：
2.根据权利要求1所述的工业产品无标记追踪方法，其特征在于，所述干涉图像的获取方法包括：
3.根据权利要求1所述的工业产品无标记追踪方法，其特征在于，利用训练好的神经网络模型提取所述二值化图像的关键特征，包括：
4.根据权利要求3所述的工业产品无标记追踪方法，其特征在于，还包括：
5.根据权利要求1所述的工业产品无标记追踪方法，其特征在于，对所述干涉图像进行预处理，并对预处理后的干涉图像进行二值化处理，得到二值化图像，包括：
6.根据权利要求1所述的工业产品无标记追踪方法，其特征在于，还包括：
7.一种基于剪切干涉和神经网络的工业产品无标记追踪装置，其特征在于，包括：
8.一种剪切干涉系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，当所述计算机程序在处理器上运行时，使得所述处理器执行如权利要求1-6任一
...【技术特征摘要】
1.一种基于剪切干涉和神经网络的工业产品无标记追踪方法，其特征在于，包括：
2.根据权利要求1所述的工业产品无标记追踪方法，其特征在于，所述干涉图像的获取方法包括：
3.根据权利要求1所述的工业产品无标记追踪方法，其特征在于，利用训练好的神经网络模型提取所述二值化图像的关键特征，包括：
4.根据权利要求3所述的工业产品无标记追踪方法，其特征在于，还包括：
5.根据权利要求1所述的工业产品无标记追踪方法，其特征在于，对所述干涉图像进行预处理，并对预处理后...
【专利技术属性】
技术研发人员：夏珉，金佳豪，吴泽霖，聂岐宇，李其蓁，刘瑞阳，
申请(专利权)人：华中科技大学，
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。