基于云计算的3D打印机运行状态远程监控系统的制作方法

本发明涉及数据处理，尤其涉及一种基于云计算的3d打印机运行状态远程监控系统。

背景技术：

1、在3d打印机运行过程中，当相机采集了一段时间内3d打印机的实时图像之后，将这些图像数据上传至云计算平台，云计算平台在接收到相机传输的图像数据之后，对图像数据进行数据处理和分析，以监控3d打印机的运行状态是否异常。

2、但是在对3d打印机的运行状态进行监控时，尤其是在识别例如打印机喷头这样的运动目标时，现有技术通常利用传统的混合高斯模型对3d打印机运行过程中的图像进行目标识别，由于在传统混合高斯模型进行目标识别时，图像中的每个像素点都要维护多个高斯模型，并且每接收到一帧新图像都需要进行反复的模型匹配与参数更新，由此产生较大的计算量，进而导致对3d打印机的运行状态的监控不及时。

3、因此，如何提高对3d打印机的运行状态进行监控的效率和准确性成为亟需解决的问题。

技术实现思路

1、有鉴于此，本发明实施例提供了一种基于云计算的3d打印机运行状态远程监控系统，以解决如何提高对3d打印机的运行状态进行监控的效率和准确性的问题。

2、本发明实施例中提供了一种基于云计算的3d打印机运行状态远程监控系统，该系统包括以下步骤：

3、图像预处理模块，用于在3d打印机的运行过程中采集3d打印机在预设时段内的实时图像序列，获取所述实时图像序列对应的灰度图像序列，对所述灰度图像序列中的第一个灰度图像进行区域分割，得到至少两个初始区域；

4、图像分析模块，用于针对所述灰度图像序列中除第一个灰度图像之外的任一灰度图像，根据所述灰度图像中的每个像素点所属的区域以及灰度值，获取所述灰度图像中的每个像素点与其每个邻域像素点之间的共享指标；

5、模型构建模块，用于根据所述灰度图像中的每个像素点与其每个邻域像素点之间的共享指标，将所述灰度图像中的所有像素点划分为预设数量的类别，获取每个所述初始区域对应的混合高斯模型，利用每个所述初始区域对应的混合高斯模型，获取每个所述类别的特定混合高斯模型；

6、状态监控模块，用于利用每个所述类别的特定混合高斯模型，提取所述灰度图像中的前景目标区域，根据所述灰度图像序列中的每个灰度图像中的前景目标区域，监控所述3d打印机的运行状态。

7、优选的，所述图像分析模块中根据所述灰度图像中的每个像素点所属的区域以及灰度值，获取所述灰度图像中的每个像素点与其每个邻域像素点之间的共享指标，包括：

8、根据所述灰度图像序列中的所述灰度图像以及所述灰度图像之前的所有灰度图像之间的灰度值变化，分别获取所述灰度图像中的每个像素点的自身稳定性指标；

9、根据所述第一个灰度图像中的每个初始区域，将所述灰度图像划分为同样数量的区域，针对所述灰度图像中的任一像素点，在所述像素点的邻域范围内，获取与所述像素点处于同一区域的像素点作为邻域像素点，根据所述灰度图像中的每个像素点的自身稳定性指标，分别获取所述像素点与每个所述邻域像素点之间的稳定性相似度；

10、根据所述灰度图像中的每个像素点的灰度值变化，分别获取所述像素点与每个所述邻域像素点之间的灰度变化趋势相似度，根据所述像素点与每个所述邻域像素点之间的灰度变化趋势相似度和稳定性相似度，分别获取所述像素点与每个所述邻域像素点之间的共享指标。

11、优选的，所述图像分析模块中根据所述灰度图像序列中的所述灰度图像以及所述灰度图像之前的所有灰度图像之间的灰度值变化，分别获取所述灰度图像中的每个像素点的自身稳定性指标，包括：

12、针对所述灰度图像中的任一像素点，获取所述灰度图像之前的每个灰度图像中与所述像素点的位置相同处的灰度值并与所述像素点的灰度值组成所述像素点的灰度值序列，统计所述灰度值序列中的每个灰度级的出现概率；

13、将每个所述灰度级的出现概率作为权重，对每个所述灰度级对应的灰度值与所述像素点的灰度值之间的差值绝对值进行加权求和，得到对应的加权求和结果，利用以自然常数为底数的指数函数对所述加权求和结果进行负映射，对应得到的结果作为所述像素点的自身稳定性指标。

14、优选的，所述图像分析模块中根据所述灰度图像中的每个像素点的自身稳定性指标，分别获取所述像素点与每个所述邻域像素点之间的稳定性相似度，包括：

15、针对所述像素点的任一邻域像素点，获取所述像素点的自身稳定性指标和所述邻域像素点的自身稳定性指标之间的差值绝对值，将常数1与所述差值绝对值之间的差值作为所述像素点与所述邻域像素点之间的稳定性相似度。

16、优选的，所述图像分析模块中根据所述灰度图像中的每个像素点的灰度值变化，分别获取所述像素点与每个所述邻域像素点之间的灰度变化趋势相似度，包括：

17、针对所述像素点的任一邻域像素点，在所述像素点的灰度值序列中获取所述像素点的灰度值与其前相邻灰度值之间的差值的第一绝对值，将所述第一绝对值与所述前相邻灰度值之间的比值作为所述像素点的灰度变化程度；

18、在所述邻域像素点的灰度值序列中获取所述邻域像素点的灰度值与其前相邻灰度值之间的差值的第二绝对值，将所述第二绝对值与所述前相邻灰度值之间的比值作为所述邻域像素点的灰度变化程度；

19、计算所述像素点的灰度变化程度和所述邻域像素点的灰度变化程度之间的比值，得到所述比值和常数1之间的差值的第三绝对值，利用以自然常数为底数的指数函数对所述第三绝对值进行负映射，得到对应的映射值；

20、获取所述灰度图像的前相邻灰度图像，若所述前相邻灰度图像为所述灰度图像序列中的第一个灰度图像，则所述像素点和所述邻域像素点之间的灰度变化趋势相似度为所述映射值；若所述前相邻灰度图像不为所述灰度图像序列中的第一个灰度图像，则在所述前相邻灰度图像中获取与所述像素点和所述邻域像素点属于相同位置处的两个像素点之间的灰度变化趋势相似度作为目标值，计算所述目标值和所述映射值之间的均值作为所述像素点和所述邻域像素点之间的灰度变化趋势相似度。

21、优选的，所述图像分析模块中根据所述像素点与每个所述邻域像素点之间的灰度变化趋势相似度和稳定性相似度，分别获取所述像素点与每个所述邻域像素点之间的共享指标，包括：

22、获取所述像素点与每个所述邻域像素点之间的灰度变化趋势相似度和稳定性相似度之间的相加结果作为所述像素点与每个所述邻域像素点之间的共享指标。

23、优选的，所述模型构建模块中根据所述灰度图像中的每个像素点与其每个邻域像素点之间的共享指标，将所述灰度图像中的所有像素点划分为预设数量的类别，包括：

24、获取预设的第一共享指标阈值和第二共享指标阈值，所述第一共享指标阈值大于所述第二共享指标阈值，针对所述灰度图像中的任一区域的任一像素点，根据所述像素点与其每个邻域像素点之间的共享指标，获取共享指标大于所述第一共享指标阈值对应的邻域像素点作为第一目标像素点，在所有第一目标像素点中确定最大共享指标对应的第一目标像素点，将所述最大共享指标对应的第一目标像素点以及所述像素点作为第一类像素点；

25、根据所述像素点与其每个邻域像素点之间的共享指标，获取共享指标小于或等于所述第一共享指标阈值且大于所述第二共享指标阈值对应的邻域像素点作为第二目标像素点，在所有第二目标像素点中确定最大共享指标对应的第二目标像素点，将所述最大共享指标对应的第二目标像素点以及所述像素点作为第二类像素点；

26、所述区域中的非第一类像素点和非第二类像素点作为第三类像素点，将所述灰度图像中的每个区域中的像素点分别划分为第一类像素点、第二类像素点和第三类像素点。

27、优选的，所述模型构建模块中获取每个所述初始区域对应的混合高斯模型，包括：

28、针对任一初始区域，使用em算法对所述初始区域中的像素点的灰度值进行混合高斯模型的拟合，得到所述初始区域对应的混合高斯模型。

29、优选的，所述模型构建模块中利用每个所述初始区域对应的混合高斯模型，获取每个所述类别的特定混合高斯模型，包括：

30、针对所述灰度图像中的任一区域，利用所述区域对应的初始区域的混合高斯模型与所述区域中的所有第一类像素点进行匹配，若匹配成功，则根据所述区域中的所有第一类像素点的灰度值对所述区域对应的初始区域的混合高斯模型进行模型更新，得到所述区域中的所有第一类像素点的特定混合高斯模型；若匹配不成功，则根据所述区域中的所有第一类像素点的灰度值，构建一个高斯模型，利用所述高斯模型替换所述区域对应的初始区域的混合高斯模型中最小权重对应的高斯模型，得到所述区域中的所有第一类像素点的特定混合高斯模型；

31、对所述区域中的第二类像素点进行聚类，得到至少一个小区域，针对任一小区域，利用所述区域对应的初始区域的混合高斯模型与所述小区域中的所有第二类像素点进行匹配，得到对应的匹配结果，根据所述匹配结果对所述区域对应的初始区域的混合高斯模型进行模型更新，得到所述小区域的特定混合高斯模型；

32、利用所述区域对应的初始区域的混合高斯模型与所述区域中的所有第三类像素点进行匹配，得到对应的匹配结果，根据所述匹配结果对所述区域对应的初始区域的混合高斯模型进行模型更新，得到所述区域中的所有第三类像素点的特定混合高斯模型。

33、优选的，所述状态监控模块中根据所述灰度图像序列中的每个灰度图像中的前景目标区域，监控所述3d打印机的运行状态，包括：

34、获取所述灰度图像序列中的每个灰度图像的前景目标区域的区域中心点，根据相邻两个所述灰度图像之间的区域中心点的位移向量，得到位移向量序列；

35、获取所述3d打印机的预设移动路径对应的标准位移向量序列，若所述位移向量序列中存在任一位移向量与所述标准位移向量序列中的位移向量不一致，则确定所述3d打印机的运行状态存在异常。

36、本发明实施例与现有技术相比存在的有益效果是：

37、本发明提供一种基于云计算的3d打印机运行状态远程监控系统，包括图像预处理模块，用于在3d打印机的运行过程中采集3d打印机在预设时段内的实时图像序列，获取所述实时图像序列对应的灰度图像序列，对所述灰度图像序列中的第一个灰度图像进行区域分割，得到至少两个初始区域；图像分析模块，用于针对所述灰度图像序列中除第一个灰度图像之外的任一灰度图像，根据所述灰度图像中的每个像素点所属的区域以及灰度值，获取所述灰度图像中的每个像素点与其每个邻域像素点之间的共享指标；模型构建模块，用于根据所述灰度图像中的每个像素点与其每个邻域像素点之间的共享指标，将所述灰度图像中的所有像素点划分为预设数量的类别，获取每个所述初始区域对应的混合高斯模型，利用每个所述初始区域对应的混合高斯模型，获取每个所述类别的特定混合高斯模型；状态监控模块，用于利用每个所述类别的特定混合高斯模型，提取所述灰度图像中的前景目标区域，根据所述灰度图像序列中的每个灰度图像中的前景目标区域，监控所述3d打印机的运行状态。其中，考虑到3d打印机的图像中的像素点的灰度值或颜色通常会表现出一定的相似性和连续性，其这种相似性和连续性能够反映任一像素点和其邻域像素点之间的属性，因此通过分析灰度图像中的每个像素点与其每个邻域像素点之间的共享指标，使得灰度图像中的单个像素点周围具有相同特征的像素点能够共用一个混合高斯模型，从而根据灰度图像中的每个像素点与其每个邻域像素点之间的共享指标，将灰度图像中的所有像素点划分为多个的类别，用于获取每个类别对应的特定混合高斯模型，既可以使混合高斯模型更快地适应场景变化，也可以避免传统的混合高斯模型需要每个像素点都要维护多个高斯模型的局限性，减少了计算量，提高了利用混合高斯模型检测到的灰度图像中的前景目标区域来进行3d打印机的运行状态的识别速度以及准确性。