光电传感器驱动参数自动标定方法、装置、系统及物体识别方法与流程

本技术涉及光电传感器，具体涉及一种光电传感器驱动参数自动标定方法、装置、系统及物体识别方法。

背景技术：

1、在物体（介质）传输、智能检测等设备中，大量使用反射型或对射型红外光电传感器。为保证传感器在特定距离和面对不同反射率物体时能够可靠工作，必须设定合适的发光管驱动参数（限流电阻值或pwm驱动占空比）和判定阈值。现有技术中，该过程完全依赖人工：工程师在目标距离下，手工更换不同阻值的限流电阻或不断修改pwm占空比反复试验，观察接收端信号质量，最终依据经验选择“能够区分物体有无且信号不饱和”的参数。此方法耗时耗力，一致性差，当一台设备上传感器众多或物体频繁变化时，标定工作成为巨大瓶颈，无法快速准确地获得针对特定场景的最佳固定驱动参数

2、因此，需要一种能够自动、一次性给出最优固定驱动参数的高效标定方案。

技术实现思路

1、本技术的目的是，提供一种光电传感器驱动参数自动标定方法、装置、系统及物体识别方法，可以替代人工经验试错实现驱动参数的一站式自动标定，同时利用标定获得的最优驱动参数进行高鲁棒性的物体类别识别，从而提高标定效率和识别准确性。

2、本技术提供的技术方案为：

3、第一方面，本技术提供一种光电传感器驱动参数自动标定方法，包括以下步骤：

4、将待标定的光电传感器安装至光电传感器参数标定装置，并将所述光电传感器参数标定装置与上位机建立通信连接；

5、响应于所述上位机发送的距离控制指令，驱动目标物体沿预设路径移动至标定基准位置；

6、执行第一次扫描：在所述目标物体移出光电传感器的检测区域的状态下，控制模块按照预设的n个占空比节点依次输出pwm驱动信号至光电传感器的发射端，采集各占空比节点下光电传感器接收端输出的模拟电压值，获得无物体响应曲线；

7、执行第二次扫描：在所述目标物体放入光电传感器的检测区域的状态下，控制模块按照预设的n个占空比节点依次输出pwm驱动信号至光电传感器的发射端，采集各占空比节点下所述光电传感器接收端输出的模拟电压值，获得有物体响应曲线；

8、将所述无物体响应曲线和所述有物体响应曲线发送至所述上位机中运行的ai分析模型；

9、所述ai分析模型对所述无物体响应曲线和所述有物体响应曲线进行校验和特征提取，预测最优驱动占空比；

10、输出所述最优驱动占空比，作为所述光电传感器的标定参数。

11、在一种可能的实现方式中，所述ai分析模型除了预测最优驱动占空比，还可以根据所述最优驱动占空比计算等效限流电阻值和最优判定阈值电压。并输出所述最优驱动占空比、所述等效限流电阻值和所述最优判定阈值电压，作为所述光电传感器的标定参数。其中，所述最优驱动占空比用于确定所述发光管的驱动控制量，所述等效限流电阻值用于确定所述发光管的驱动电路参数，所述最优判定阈值电压用于区分有物体状态和无物体状态。

12、该方案中，输出的等效限流电阻值可直接用于主控板的电阻选型和焊接，最优驱动占空比可直接写入控制模块固件，最优判定阈值电压可直接用于有无物体判断的软件比较逻辑，实现了从标定结果到实际工程应用的无缝衔接。

13、在一种可能的实现方式中，所述ai分析模型对所述无物体响应曲线和所述有物体响应曲线进行校验和特征提取，预测最优驱动占空比，具体包括：

14、校验曲线有效性：检查最小占空比下的有物体模拟电压值是否达到adc满量程的预设饱和阈值，若达到，则提示降低扫描范围的起始占空比，重新执行第一次扫描和第二次扫描；

15、响应于曲线有效性校验通过，从所述无物体响应曲线和所述有物体响应曲线中提取各占空比对应的差值、曲线斜率变化趋势以及饱和标志作为特征；

16、将提取的所述特征结合场景编码输入至所述ai分析模型，由所述ai分析模型输出最优驱动占空比，所述最优驱动占空比使得无物体模拟电压值和有物体模拟电压值均位于adc线性区间内且两者差值最大化。

17、在一种可能的实现方式中，所述标定方法还包括：

18、针对不同的物体类型和/或不同的目标物体距离，分别执行所述第一次扫描和所述第二次扫描，以获得多组所述无物体响应曲线和所述有物体响应曲线；

19、所述ai分析模型根据所述多组响应曲线及其对应的场景编码进行训练或预测，输出与各场景对应的最优驱动占空比。

20、第二方面，本技术提供一种光电传感器驱动参数自动标定装置，用于实现上述光电传感器驱动参数自动标定方法，包括：

21、传感器接口座，用于可插拔地安装待标定的光电传感器；

22、驱动机构，用于响应于上位机的距离控制指令驱动目标物体沿预设路径移动至标定基准位置；

23、发光管控制电路，用于按照预设的n个占空比节点依次输出pwm驱动信号至光电传感器的发射端；

24、信号采集电路，用于在所述目标物体移出光电传感器的检测区域的状态下的情况下，采集各占空比节点下光电传感器接收端输出的模拟电压值以获得无物体响应曲线，以及在所述目标物体放入光电传感器的检测区域的状态下的情况下，采集各占空比节点下所述光电传感器接收端输出的模拟电压值以获得有物体响应曲线；

25、控制模块，用于将所述无物体响应曲线和所述有物体响应曲线上传至所述上位机，以由ai分析模型进行标定参数预测。

26、该装置采用可插拔的传感器接口座设计，可灵活更换不同类型的光电传感器进行标定；驱动机构可精确控制物体移动至设定距离，保证了标定条件的一致性和可重复性。

27、第三方面，本技术提供一种光电传感器驱动参数自动标定系统，包括上述光电传感器驱动参数自动标定装置，以及上位机，所述上位机用于运行ai分析模型，接收所述装置上传的所述无物体响应曲线和所述有物体响应曲线，对所述曲线进行校验和特征提取，预测最优驱动占空比，并根据所述最优驱动占空比计算等效限流电阻值和最优判定阈值电压，作为所述光电传感器的标定参数输出。

28、系统中，标定装置负责精确的数据采集和物理执行，上位机ai分析模型负责数据处理和参数决策，二者协同工作，既保证了数据采集的准确性和一致性，又充分发挥了ai分析模型在复杂参数寻优中的优势。

29、第四方面，本技术提供一种多物体识别方法，包括以下步骤：

30、设置pwm脉冲序列参数，所述pwm脉冲序列参数包括频率和n个占空比节点；

31、在无驱动输出状态下，采集环境光与电路偏移的综合基准电压；

32、对n类标准物体中的每一类，分别执行以下操作：将当前类标准物体置于检测位，按照所述pwm脉冲序列执行扫描，在各占空比节点的脉冲窗口内采集扣除所述基准电压后的净信号，计算各净信号之间的比值作为该类标准物体的比值特征向量，存入存储器以构建包含n个模板的模板库；

33、移除所有物体，在基准占空比下多次采样得到无物体净信号均值和标准差，根据所述无物体净信号均值和标准差设定存在性阈值；其中，基准占空比确定方式为：采用上述的光电传感器驱动参数自动标定方法，获得各类标准物体对应的最优驱动占空比；基于各类标准物体对应的最优驱动占空比确定基准占空比（比如基准占空比各类标准物体对应的最优驱动占空比中的最大值）；

34、对待测物体执行扫描，获得各占空比节点下的待测净信号，若所述待测净信号中与所述基准占空比对应的净信号值小于所述存在性阈值，则判定无物体并结束识别；

35、若判定存在物体，则计算所述待测净信号之间的比值作为待测比值特征向量，计算所述待测比值特征向量与所述模板库中各模板的距离，根据距离比较结果输出对应的物体类别。

36、在一种可能的实现方式中，所述根据距离比较结果输出对应的物体类别，包括：

37、判断所述待测比值特征向量与所述模板库中各模板的距离中的最小距离是否大于预设拒识阈值；

38、若大于所述预设拒识阈值，则输出未知物体；

39、若不大于所述预设拒识阈值，则执行将与所述待测比值特征向量距离最小的模板所对应的类别作为识别结果输出的步骤。

40、在一种可能的实现方式中，所述在各占空比节点的脉冲窗口内采集扣除所述基准电压后的净信号，具体包括：

41、各占空比节点输出一个完整周期的pwm脉冲信号；

42、在各占空比节点的脉冲的后半部窗口内执行adc采样，获得采样值；

43、将所述采样值减去所述基准电压，获得所述净信号。

44、在一种可能的实现方式中，所述在各占空比节点的脉冲窗口内采集扣除所述基准电压后的净信号，还包括：

45、在每个占空比节点输出结束后，插入无驱动间隔，在所述无驱动间隔内将pwm占空比设为0%，以供光电传感器接收端恢复暗态并更新环境光基准。

46、在一种可能的实现方式中，所述在各占空比节点的脉冲窗口内采集扣除所述基准电压后的净信号，还包括：

47、对各占空比节点的所述采样重复执行多次，取多次采样结果的均值作为该占空比节点下的净信号。

48、本技术上述第二到第四方面的具体实现方式可以参考上述第一方面的实现方式，在此不进行赘述。

49、本技术提供的光电传感器驱动参数自动标定方法、装置、系统及物体识别方法，具有以下有益效果：

50、本技术通过控制模块自动执行双次扫描（无物体/有物体），结合ai分析模型自动完成曲线校验、特征提取和最优参数预测，输出最优驱动占空比，替代了传统人工反复更换电阻或调整pwm占空比的试错方式，显著提升了标定效率与精度，大幅缩短标定时间、提高生产效率的同时，消除了人为经验差异，确保批量生产中传感器参数设置的一致性和可复现性。ai分析模型以无物体模拟电压值和有物体模拟电压值均位于adc线性区间内且两者差值最大化为优化目标，使有/无物体的信号区分度达到最大，最大化检测信噪比和抗干扰裕量；同时通过对最小占空比下有物体模拟电压值是否达到饱和进行校验，在饱和时自动提示调整扫描范围的起始占空比并重新扫描，避免因信号进入非线性区而导致的标定失效。

51、本技术可针对不同物体类型和检测距离分别执行标定，将物体类型和距离作为场景编码输入ai分析模型，使方法能够灵活适配不同反射率的介质和不同的安装距离需求，具有良好的场景适应性。

52、本技术在各占空比节点的脉冲窗口内采集扣除环境光基准后的净信号，并计算各占空比下净信号之间的比值作为比值特征向量，消除了环境光波动和光电传感器器件老化（如发光管光衰、接收管灵敏度下降）对识别结果的干扰。通过构建包含多类标准物体的比值特征向量模板库，在线识别时采用最近邻匹配，既可输出具体物体类别，又可通过对最小距离与预设拒识阈值的比较实现对未知物体的拒识，避免误判，且用户可根据实际需要向模板库中添加新的标准物体模板，无需重新训练模型或修改算法，具有良好的可扩展性。

53、本技术标定方法输出的最优判定阈值电压直接用于识别方法中的有无物体判断，标定方法确定的最优驱动参数为识别方法提供了最优的信号采集条件，二者技术衔接紧密，形成从参数配置到在线检测的完整技术链条。