一体式AI智能图像识别传感器轮廓识别方法与流程

本申请涉及图像处理，具体是一种一体式ai智能图像识别传感器轮廓识别方法。

背景技术：

1、传统的机器视觉设备，一般由pc主机、摄像头、独立光源以及相应的算法系统构成，纵观现有的一些机器视觉设备，可以看出，一般存在以下缺点：

2、1、设备体积大，pc安装需要占用比较大的地方；

3、2、走线长，容易产生干扰；主机必须放置在固定的位置，摄像头一般需要放在在被检测物上方或者侧方，与主机有一定距离，必须用专用数据线（包括电源线）来连接；

4、3、对用户使用技术要求较高，安装时需人工调焦，找到最合适的对焦距离，由于肉眼对变焦清晰度的识别差异，因此会影响到轮廓边缘检测精度。

5、因此，亟需一种新的视觉检测技术。

技术实现思路

1、本申请的目的在于提供一种一体式ai智能图像识别传感器轮廓识别方法，以解决上述背景技术中提出的技术问题。

2、为实现上述目的，本申请公开了以下技术方案：一种一体式ai智能图像识别传感器轮廓识别方法，该方法包括以下步骤：

3、根据用户选择的目标，cpu自动调整曝光量度和二值化阈值a对目标进行多次拍照，生成若干个效果图；

4、用户在生成的若干个效果图中选择一个作为目标图像，cpu记录该目标图像对应的拍照亮度值和二值化阈值a；

5、用户使用矩形框标识出模板图像，cpu基于所述模板图像自动识别所述目标图像的边缘轮廓信息，并对边缘轮廓信息进行分析后将所述目标图像对应的轮廓分类为简单或复杂；

6、当所述目标图像对应的轮廓分类为简单时，cpu采用轮廓相似度算法对所述目标图像的边缘轮廓进行判断；当所述目标图像对应的轮廓分类为复杂时，cpu采用骨架检测算法对所述目标图像的边缘轮廓进行判断；

7、基于判断的结果，输出目标图像的边缘轮廓识别结果。

8、作为优选，所述的轮廓相似度算法，具体包括：

9、获取所述目标图像的灰度值；

10、对所述目标图像进行中值滤波；

11、对所述目标图像进行二值化处理；

12、在所述目标图像中基于亚像素提取最大围轮廓；

13、计算所述目标图像与所述最大围轮廓之间的相似度；

14、将计算得到的相似度与预设的相似度进行比较；

15、当所述目标图像与所述最大围轮廓之间的相似度大于所述相似度时，将所述最大围轮廓作为所述目标图像的边缘轮廓进行输出；否则，输出识别失败的提示。

16、作为优选，所述的骨架检测算法，具体包括：

17、获取所述目标图像的灰度值；

18、对所述目标图像进行中值滤波；

19、对所述目标图像进行二值化处理；

20、基于所述目标图像的亚像素提取外围轮廓；

21、对所述外围轮廓进行凹面轮廓提取；

22、计算所述目标图像与所述凹面轮廓之间的相似度；

23、将计算得到的相似度与预设的相似度进行比较；

24、当所述目标图像与所述凹面轮廓之间的相似度大于所述相似度时，将所述凹面轮廓作为所述目标图像的边缘轮廓进行输出；否则，输出识别失败的提示。

25、作为优选，在对所述目标图像进行二值化处理时，采用的二值化阈值为a。

26、作为优选，该种一体式ai智能图像识别传感器轮廓识别方法应用于一体式ai智能图像识别传感器；所述一体式ai智能图像识别传感器包括dc/dc电源、mcu、按键模块、显示模块、光源模块、输入输出接口模块、可调焦镜头、网络连接模块、存储模块以及所述cpu；所述dc/dc电源、所述mcu、所述按键模块、所述显示模块、所述光源模块、所述输入输出接口模块、所述可调焦镜头、所述网络连接模块和所述存储模块均集成于一块mcu底板上，所述cpu设置于cpu核心板上，且所述mcu底板通过板对板连接端子与所述cpu核心板通信连接；该种一体式ai智能图像识别传感器集成有嵌入式3d gpu和算力npu；

27、所述按键模块、所述显示模块、所述光源模块、所述输入输出接口模块分别与所述mcu控制连接，所述dc/dc电源与dc20~28v电源连接，所述mcu还连接有用于显示工作状态的状态指示灯。

28、作为优选，所述存储模块包括存储硬盘和tf卡存储单元。

29、作为优选，所述dc/dc电源包括用于输出+4v电源为所述cpu核心板供电的第一电源单元、用于输出+5v电源为所述可调焦镜头供电的第二电源单元、用于输出+3.3v电源为所述mcu供电的第三电源单元和用于输出+1.8v电源给所述cpu核心板上电时序的第四电源单元。

30、作为优选，所述dc/dc电源还包括emc保护电路。

31、作为优选，所述输入输出接口模块包括三个外部输入接口和一个外部输出接口，其中，所述外部输出接口通过所述mcu控制切换npn输出或pnp输出。

32、有益效果：本申请的一体式ai智能图像识别传感器轮廓识别方法，通过双重算法的配置，结合对目标图像轮廓简单/复杂的预判断，实现自动地对不同的目标图像的轮廓进行识别，提高算力效率和确保识别结果的精度。进一步地，本方法应用的传感器，采用一体式集成结构，设备体积小，布线少，相比传统的机器视觉设备，成本、体积、安装、维护及稳定性具有较明显的优势，并且，配合本方法的应用，提高了轮廓识别结果的精度。

技术特征：

1.一种一体式ai智能图像识别传感器轮廓识别方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的一体式ai智能图像识别传感器轮廓识别方法，其特征在于，所述的轮廓相似度算法，具体包括：

3.根据权利要求1所述的一体式ai智能图像识别传感器轮廓识别方法，其特征在于，所述的骨架检测算法，具体包括：

4.根据权利要求2或3所述的一体式ai智能图像识别传感器轮廓识别方法，其特征在于，在对所述目标图像进行二值化处理时，采用的二值化阈值为a。

5. 根据权利要求1所述的一体式ai智能图像识别传感器轮廓识别方法，其特征在于，该种一体式ai智能图像识别传感器轮廓识别方法应用于一体式ai智能图像识别传感器；所述一体式ai智能图像识别传感器包括dc/dc电源、mcu、按键模块、显示模块、光源模块、输入输出接口模块、可调焦镜头、网络连接模块、存储模块以及所述cpu；所述dc/dc电源、所述mcu、所述按键模块、所述显示模块、所述光源模块、所述输入输出接口模块、所述可调焦镜头、所述网络连接模块和所述存储模块均集成于一块mcu底板上，所述cpu设置于cpu核心板上，且所述mcu底板通过板对板连接端子与所述cpu核心板通信连接；该种一体式ai智能图像识别传感器集成有嵌入式3d gpu和算力npu；

6.根据权利要求5所述的一体式ai智能图像识别传感器轮廓识别方法，其特征在于，所述存储模块包括存储硬盘和tf卡存储单元。

7.根据权利要求5所述的一体式ai智能图像识别传感器轮廓识别方法，其特征在于，所述dc/dc电源包括用于输出+4v电源为所述cpu核心板供电的第一电源单元、用于输出+5v电源为所述可调焦镜头供电的第二电源单元、用于输出+3.3v电源为所述mcu供电的第三电源单元和用于输出+1.8v电源给所述cpu核心板上电时序的第四电源单元。

8.根据权利要求7所述的一体式ai智能图像识别传感器轮廓识别方法，其特征在于，所述dc/dc电源还包括emc保护电路。

9.根据权利要求5所述的一体式ai智能图像识别传感器轮廓识别方法，其特征在于，所述输入输出接口模块包括三个外部输入接口和一个外部输出接口，其中，所述外部输出接口通过所述mcu控制切换npn输出或pnp输出。

技术总结本申请涉及图像处理技术领域，公开了一种一体式AI智能图像识别传感器轮廓识别方法，该方法包括：CPU自动调整曝光量度和二值化阈值a对目标生成若干个效果图；用户选择一个效果图作为目标图像，CPU记录该目标图像对应的拍照亮度值和二值化阈值a；用户标识出模板图像，CPU基于模板图像自动识别目标图像的边缘轮廓信息，并将目标图像对应的轮廓分类为简单或复杂；当目标图像对应的轮廓分类为简单时，CPU采用轮廓相似度算法对目标图像的边缘轮廓进行判断；否则采用骨架检测算法对目标图像的边缘轮廓进行判断；输出目标图像的边缘轮廓识别结果。采用本申请，能够实现自动地对不同的目标图像的轮廓进行识别，提高算力效率和确保识别结果的精度。技术研发人员：卿定求,邓少年,邓雄辉受保护的技术使用者：广州市合熠智能科技股份有限公司技术研发日：技术公布日：2024/9/9