干冰清洗效果识别方法、系统及计算机设备与流程

摘要: 本发明涉及干冰清洗与智能检测,特别涉及一种干冰清洗效果识别方法、系统及计算机设备。背景技术:1、干冰清洗依托固态二氧化碳作为清洗介质,依托低温相变物理作用剥离各...
干冰清洗效果识别方法、系统及计算机设备与流程

本发明涉及干冰清洗与智能检测,特别涉及一种干冰清洗效果识别方法、系统及计算机设备。

背景技术:

1、干冰清洗依托固态二氧化碳作为清洗介质,依托低温相变物理作用剥离各类附着污渍,具备无化学残留、不损伤精密基材、环保无污染的技术优势,现已逐步替代酸洗、喷砂等传统清洗工艺,广泛落地于航空零部件加工、精密模具制造、电子元器件生产以及文物修复等众多工业与特种加工领域。伴随精密制造行业产品加工精度持续提升,工件表面微小污渍、隐蔽夹缝残留的管控要求不断提高,行业逐步由人工粗放清洗向自动化智能清洗方向转型,基于机器视觉的在线检测方案成为干冰清洗领域主流发展方向,各类图像采集与智能识别技术开始逐步融入干冰清洗全作业流程。

2、现有干冰清洗配套视觉识别方案无法依托采集的图像、环境、设备多类数据形成全流程闭环调控逻辑,仅能依靠预设固定清洗参数开展作业,难以结合工件实时污渍识别结果动态修正清洗工况。作业环境产生的白雾、基材表面反光等干扰会大幅降低图像成像质量,进一步造成污渍识别结果失真,最终出现清洗过度损伤基材或污渍清除不彻底的状况,难以依托多维度量化评估结果动态迭代数据库与识别模型,无法实现清洗作业全链路智能化闭环管控。

技术实现思路

1、针对现有技术存在的不足,本发明的目的是提供一种干冰清洗效果识别方法、系统及计算机设备,有效抵消了干冰清洗场景中白雾、反光、悬浮颗粒等干扰因素影响,解决了传统视觉识别在复杂清洗环境中精度不足的痛点,建立了全流程闭环机制,基于实时清洗效果动态调整喷射压力、距离、轨迹等参数,既避免过度清洗对精密基材的损伤,又确保污渍彻底清除,相比固定参数清洗,提升了清洗合格率。

2、为了实现上述目的,本发明是通过如下的技术方案来实现:

3、第一方面,本发明提供了一种干冰清洗效果识别方法。

4、一种干冰清洗效果识别方法,包括以下步骤:

5、从多源数据库调取标准洁净模板与初始清洗参数;

6、获取待清洗工件的可见光图像、近红外图像、环境反光强度数据、白雾浓度数据;

7、基于环境反光强度数据对可见光图像和近红外图像进行反光校正,基于白雾浓度数据对反光校正后的图像进行自适应滤波降噪,对降噪后的图像进行对比度增强,对增强后的可见光图像和近红外图像进行加权融合得到增强图像;

8、调用多源数据库中的污染物特征库与深度检测模型解析增强图像,结合标准洁净模板输出污渍残留占比、基材损伤、区域残留差异三项评估指标;

9、根据三项评估指标判断清洗合格状态,若判定不合格,则在初始清洗参数的基础上生成新清洗参数并控制清洗设备执行清洗,重新获取清洗后的可见光图像、近红外图像、环境反光强度数据、白雾浓度数据,重复进行评估识别,直至判定清洗合格后停止清洗。

10、在本发明第一方面的一种实现方式中,多源数据库包含标准洁净模板库、污染物特征库、参数优化案例库,标准洁净模板取自标准洁净模板库,污染物特征库存储不同污染物类型的形态特征、纹理信息,用于深度检测模型的特征匹配,参数优化案例库存储历史清洗的环境参数、初始清洗参数、效果反馈及优化结果,初始清洗参数取自参数优化案例库。

11、在本发明第一方面的一种实现方式中,执行自适应滤波降噪时,根据白雾浓度数据动态调整滤波窗口尺寸,其中,白雾浓度越高,滤波窗口尺寸越大,调整后的滤波窗口尺寸分别作用于可见光图像和近红外图像的降噪处理。

12、在本发明第一方面的一种实现方式中,反光校正,包括:

13、将可见光图像和近红外图像各自分解为反射分量与光照分量;

14、基于环境反光强度数据构造自适应调节因子;

15、依据自适应调节因子动态调整光照分量的估计;

16、从优化后的光照分量中提取反射分量并对高光区域进行压缩;

17、结合优化后的光照分量重构输出去反光增强图像。

18、在本发明第一方面的一种实现方式中,对比度增强采用自适应直方图均衡化算法对降噪后的可见光图像、近红外图像进行灰度优化。

19、在本发明第一方面的一种实现方式中,加权融合采用预设权重分别配置至经过对比度增强的可见光图像、近红外图像,可见光图像和近红外图像的加权结果合并形成增强图像。

20、在本发明第一方面的一种实现方式中,深度检测模型内部的坐标注意力处理,包括:

21、对输入特征图沿两个正交方向分别进行全局池化,得到两组一维特征;

22、将两组一维特征拼接后进行特征变换,生成中间特征;

23、将中间特征分离为两个独立的注意力张量,生成两个方向的注意力权重;

24、将原始输入特征图与两个方向的注意力权重进行加权,输出加权后的特征图,加权后的特征图用于污渍的定位与种类识别。

25、在本发明第一方面的一种实现方式中,深度检测模型依靠全局特征金字塔网络完成特征融合,包括:

26、对多尺度特征进行下采样构建更深的特征层;

27、对最深层特征图提取全局上下文向量;

28、通过上采样将高层语义特征传递至低层,并将全局上下文向量注入全部层级特征;

29、对多来源特征进行加权合并,生成融合特征;

30、融合特征用于计算污渍残留占比、基材损伤和区域残留差异。

31、在本发明第一方面的一种实现方式中,新清洗参数的生成,包括:

32、当污渍残留占比超过预设阈值时,增大喷射压力并减小喷嘴距离;

33、当基材温度超过预设温度阈值时,降低喷射速度并增大喷射角度;

34、当区域残留差异超过预设差异阈值时,调整喷嘴运动轨迹以增加扫描覆盖范围。

35、第二方面,本发明提供了一种干冰清洗效果识别系统。

36、一种干冰清洗效果识别系统,包括:

37、参数调取单元,包括图像采集模块、环境感知模块和数据接口模块,图像采集模块用于采集可见光图像和近红外图像,环境感知模块用于采集环境反光强度数据和白雾浓度数据,数据接口模块用于从多源数据库调取标准洁净模板与初始清洗参数;

38、图像优化单元,包括反光校正模块、自适应滤波模块、对比度增强模块和加权融合模块,反光校正模块与自适应滤波模块、对比度增强模块、加权融合模块依次电连接,被配置为依次完成反光校正、自适应滤波降噪、对比度增强和加权融合,输出增强图像;

39、指标解析单元,包括深度检测模型和数据接口,数据接口用于调用多源数据库中的污染物特征库,被配置为解析增强图像,结合标准洁净模板输出污渍残留占比、基材损伤、区域残留差异三项评估指标;

40、闭环调控单元,包括合格判断模块和参数优化模块,合格判断模块与参数优化模块电连接,参数优化模块与清洗设备通信连接,被配置为根据三项评估指标判断清洗合格状态,判定不合格则生成新清洗参数并控制清洗设备执行清洗。

41、第三方面,本发明提供了一种计算机设备,包括处理器和计算机可读存储介质;

42、处理器,适于执行计算机程序;

43、计算机可读存储介质,存储有计算机程序,计算机程序包括数据采集程序模块、图像优化程序模块、智能识别程序模块和闭环调控程序模块,计算机程序被处理器执行时,实现本发明第一方面的干冰清洗效果识别方法。

44、第四方面,本发明提供了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,计算机程序适于被处理器加载并执行本发明第一方面的干冰清洗效果识别方法。

45、第五方面,本发明提供了一种计算机程序产品,计算机程序产品包括计算机程序,计算机程序被处理器执行时,实现本发明第一方面的干冰清洗效果识别方法。

46、上述本发明的有益效果如下:

47、本发明依托多源数据调取、多源信息采集、分层图像预处理、智能识别比对、闭环调参以及数据迭代更新的完整技术方案,针对性克服现有技术无法实现清洗全链路闭环管控的缺陷。本发明同步调取洁净模板与初始清洗参数开展作业,依托可见光、近红外及环境传感数据完成抗干扰预处理,有效抵消作业白雾、表面反光带来的成像劣化问题,保障增强图像画质稳定;通过污染物特征库结合深度模型,联动标准洁净模板实现三项指标量化评判,依据评估结果在初始参数基础上动态生成新工况参数并循环复测,实现清洗参数随污渍实况自适应调整,从根源上规避固定参数带来的过洗或清洗不净缺陷;作业结束后全量数据反向更新数据库与识别模型,持续优化后续识别精度与参数匹配能力,形成自迭代的闭环智能管控体系,大幅提升干冰清洗智能化水平与清洗质量稳定性。

48、本发明通过可见光与近红外双视觉采集结合环境感知数据的多模态融合方案,配合环境参数自适应的图像预处理策略,有效抵消干冰清洗场景中白雾、反光、悬浮颗粒等干扰因素的影响,解决了传统视觉识别在复杂清洗环境中精度不足的技术问题;通过引入坐标注意力模块与全局特征金字塔网络的改进深度检测模型,显著提升了微小污渍与重叠污渍的识别能力,实现污渍残留占比、基材损伤、区域残留差异的多维度量化评估;通过建立“识别-评估-调节”全流程闭环机制,根据实时清洗效果动态调整喷射压力、速度、距离、角度及轨迹等参数,既避免过度清洗对精密基材的损伤,又确保污渍彻底清除,提升了清洗合格率与作业效率。