液体检测方法、装置、设备和存储介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种液体检测方法、装置、设备和存储介质。


背景技术：

2.液体质量检测是日常生活中经常面对的问题，比如检测某种液体中是否有杂质。
3.传统的检测方式多是采用人工的方式。以检测酒液中杂质为例，酒液中的杂质体积小、且容易和瓶身上的污点等物体混淆，质检人员需要在强光下才能看清酒液中的杂质，酒液的质检难度大，效率较低、准确率不佳。


技术实现要素：

4.本发明实施例提供一种液体检测方法、装置、设备和存储介质，可以方便、准确地完成目标对象的真伪鉴别。
5.第一方面，本发明实施例提供一种液体检测方法，该方法包括：
6.在液体处于流动状态下，采集所述液体的多张图像，所述多张图像的采集时间不同；
7.对所述多张图像进行图像对齐处理，以得到对齐后的多张图像；
8.融合对齐后的多张图像，以根据融合后的图像获取所述液体的质量判断结果。
9.第二方面，本发明实施例提供一种液体检测装置，该装置包括：
10.图像采集模块，用于在液体处于流动状态下，采集所述液体的多张图像，所述多张图像的采集时间不同；
11.图像对齐模块，用于对所述多张图像进行图像对齐处理，以得到对齐后的多张图像；
12.图像检测模块，用于融合对齐后的多张图像，以根据融合后的图像获取所述液体的质量判断结果。
13.第三方面，本发明实施例提供一种电子设备，包括：存储器、处理器；其中，所述存储器上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器至少可以实现如第一方面所述的液体检测方法。
14.第四方面，本发明实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器至少可以实现如第一方面所述的液体检测方法。
15.第五方面，本发明实施例提供一种液体检测方法，该方法包括：
16.接收用户设备调用目标服务接口的请求；
17.利用所述目标服务接口对应的处理资源执行如下步骤：
18.获取液体的多张图像，所述多张图像的采集时间不同，所述多张图像是在所述液体处于流动状态下采集的；
19.对所述多张图像进行图像对齐处理，以得到对齐后的多张图像；
20.融合对齐后的多张图像，以根据融合后的图像获取所述液体的质量判断结果。
21.第六方面，本发明实施例提供一种液体检测方法，该方法包括：
22.获取液体的多张图像，所述多张图像的采集时间不同，所述多张图像是在所述液体处于流动状态下采集的；
23.对所述多张图像进行图像对齐处理，以得到对齐后的多张图像；
24.融合对齐后的多张图像；
25.根据融合后的图像确定所述液体的质量判断结果；
26.展示所述质量判断结果。
27.在上述本发明实施例提供的液体检测方案中，在需要对某液体进行质量检测时，使液体处于流动状态，并在该流动状态下依次采集液体的多张图像，多张图像的采集时间不同，之后，对多张图像进行图像对齐处理以得到对齐后的多张图像，进而融合对齐后的多张图像，以根据融合后的图像获取液体的质量判断结果。
28.在上述方案中，通过对多张图像进行对齐和特征融合处理，利用多张图像的动态特征可以实现对液体质量的准确、高效检测。
附图说明
29.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
30.图1为本发明实施例提供的一种液体检测方法的流程图；
31.图2为本发明实施例提供的一种特征点提取结果的示意图；
32.图3为本发明实施例提供的一种液体检测方法的应用示意图；
33.图4为本发明实施例提供的一种液体检测过程中的操作界面示意图；
34.图5为本发明实施例提供的另一种液体检测方法的应用示意图；
35.图6为本发明实施例提供的一种液体检测装置的结构示意图；
36.图7为与图6所示实施例提供的液体检测装置对应的电子设备的结构示意图。
具体实施方式
37.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
38.另外，下述各方法实施例中的步骤时序仅为一种举例，而非严格限定。
39.本发明实施例提供的液体检测方法可以由一电子设备来执行，该电子设备可以是诸如pc机、笔记本电脑、智能手机等终端设备，也可以是服务器。该服务器可以是包含一独立主机的物理服务器，或者也可以为虚拟服务器，或者也可以为云端的服务器或服务器集群。
40.图1为本发明实施例提供的一种液体检测方法的流程图，如图1所示，该方法可以包括如下步骤：
41.101、在液体处于流动状态下，采集液体的多张图像，多张图像的采集时间不同。
42.102、对多张图像进行图像对齐处理，以得到对齐后的多张图像。
43.103、融合对齐后的多张图像，以根据融合后的图像获取液体的质量判断结果。
44.本发明实施例中，被检测的液体比如可以是酒液、油、奶等液体，对液体进行质量检测，比如可以是检测液体中是否有杂质。
45.比如液体盛放在透明的立体容器中，若液体中包含较小的杂质，容器表面上可能存在与之相似的污渍，则不易通过单张图像来检测出该杂质。因此，需要让液体流动起来，以观察容器内是否存在随着液体一同晃动的物体，以此来判定液体中是否有杂质。这里的“透明”是指可以透过容器看到里面盛放的液体。
46.从液体质检需要引入动态特征的特点出发，提供了本发明实施例提出的解决方案：通过让液体处于流动状态，在液体处于流动状态下通过多个摄像头在不同时间对其进行图像采集，以采集的多张图像为分析对象，通过多张图像对齐和特征融合的方式，获取液体的动态特征，以实现对液体的质量检测。
47.实际应用中，在将液体盛放在透明容器中后，如果将摄像头伸入容器内部进行拍摄，在拍摄完之后，需要对容器进行封口处理，而液体中的许多杂质可能是在封口时产生的，比如碎屑、玻璃渣等，所以，如果采用此时拍摄的图像进行液体的质量检测，则该质量检测结果仅能反映封口前的液体质量，无法反映封口后液体的质量。
48.因此，本发明实施例中，在容器封口之后，在外部对其进行多张图像的采集，对液体不产生干扰。
49.为捕获液体的动态特征，可以对容器进行晃动、翻转等操作，使其中的液体处于流动状态。在液体处于流动状态下，可以依次通过多个摄像头对容器进行拍摄，这样就可以得到采集时间不同的多张图像，以这多张图像为分析对象，进行液体质量的检测。由此可见，本文中所说的“采集液体的多张图像”实际上可以是采集盛放有液体的透明容器的多张图像。
50.另外，可选地，也可以在使得液体处于流动状态下时，通过一个摄像机对处于流动的液体进行视频拍摄，得到视频，之后，可以对该视频进行多帧图像的分割处理，以得到多帧图像，这多帧图像可以作为液体质量检测的输入图像。实际应用中，多个摄像头拍摄的多张图像与分割视频得到的多帧图像可以一同作为液体质量检测的输入图像，也可以根据实际情况选择多个摄像头拍摄的多张图像或者分割视频得到的多帧图像作为液体质量检测的输入图像。为便于描述，不管液体质量检测的输入图像来源于上述哪种方式，下文中都将液体质量检测的输入图像统称为多张图像。
51.首先，由于多张图像的采集时间不同，假设液体中存在某个杂质，在液体流动状态下，这个杂质会随着液体的流动而流动，因此，依次采集的多张图像中会反映出该杂质的运行状态，为描述这种运动状态，需要先对多张图像进行图像对齐处理。
52.概括来说，可以采用光流法实现多张图像的对齐处理。
53.可选地，图像对齐的过程可以实现为：
54.确定第一图像中的多个特征点，第一图像是多张图像中的一张图像；
55.根据第一图像中的多个特征点，确定第二图像中的多个特征点，第二图像是多张图像中除第一图像外的任一张图像；
56.根据第一图像中的多个特征点和第二图像中的多个特征点，对第二图像进行与第一图像的对齐处理，以得到对齐后的第二图像。
57.由此可知，图像的对齐处理，是指在多张图像中选定一张图像作为参考图像(即第一图像)，其他的图像都向该参考图像对齐。实际应用中，比如，第一图像可以是多张图像中最早采集到的第一张图像，当然不以此为限，也可以是多张图像中的任一张图像。
58.假设按照采集时间的先后顺序依次采集了图像f1、图像f2、图像f3这三张图像，以图像f1作为第一图像，那么，图像f2和图像f3需要分别向图像f1对齐，以得到对齐后的图像f2’和图像f3’。
59.为实现图像对齐，首先，需要对第一图像进行特征提取，以得到其中包含的多个特征点，之后，跟踪这多个特征点的运动状态，以确定这多个特征点在其他图像中分别对应的坐标。
60.其中，对第一图像进行特征提取的实现方式可以有多种。比如，可以采用卷积神经网络来提取第一图像的特征，以确定第一图像中的多个特征点。再比如，可以采用预设的角度检测方法对第一图像进行角点检测，以确定第一图像中的多个特征点，此时，这多个特征点即为提取到的多个角点。
61.其中，角度检测方法比如可以是shi
‑
tomasi方法等。
62.结合图2示例性说明提取到的特征点。在图2中，假设容器是一个酒瓶，以瓶口部位来说，通过角度检测方法对第一图像进行角点检测后提取到瓶口部位的多个角点，这多个角点作为第一图像中包含的多个特征点。可以理解的是，通过角点检测，可以得到这多个特征点在第一图像中分别对应的坐标。
63.在得到第一图像中的多个特征点后，根据第一图像中的多个特征点，确定其他图像中的多个特征点。依次将多张图像中除第一图像外的一张图像作为第二图像，即根据第一图像中的多个特征点，确定第二图像中的多个特征点。具体地，可以采用光流法来确定第二图像中的多个特征点。光流法的执行过程可以参考现有相关技术实现，在此不赘述。
64.其中，需要说明的是，以第一图像中的特征点i为例，确定第二图像中的多个特征点的过程，即是在已知特征点i在第一图像中对应的第一坐标的基础上，确定特征点i在第二图像中对应的第二坐标，假设将第二坐标处的特征点表示为特征点j，则应该将特征点i与特征点j理解为是同一特征点，只是在不同图像中对应的坐标不同。
65.由此可知，本发明实施例中，第二图像中的多个特征点是与第一图像中的多个特征点特征匹配但坐标不同的特征点。
66.在基于第一图像中的多个特征点，通过光流法得到第二图像中的多个特征点后，根据第一图像中的多个特征点和第二图像中的多个特征点，对第二图像进行与第一图像的对齐处理，以得到对齐后的第二图像。
67.概括来说，该对齐处理过程可以是：根据第一图像中的多个特征点和第二图像中的多个特征点确定出用于对齐第一图像和第二图像的变换参数，之后，基于该变换参数对第二图像进行变换，得到对齐后的第二图像。
68.可选地，第二图像与第一图像的对齐处理，具体可以实现为：
69.在第一图像中的多个特征点中，确定多个第一目标特征点；
70.在第二图像中的多个特征点中，确定与多个第一目标特征点对应的多个第二目标特征点；
71.根据多个第一目标特征点和多个第二目标特征点，确定用于对齐第一图像和第二图像的变换参数；
72.根据变换参数对第二图像进行变换，以得到对齐后的第二图像。
73.假设第一图像和第二图像中的多个特征点的数量为n，n大于1,可以从中确定对应的m个特征点用于计算上述变换参数，m大于1，m小于或等于n。
74.实际应用中，可以通过仿射变换的方式实现第一图像与第二图像的对齐，仿射变换涉及到缩放、位移、旋转三种变换，这三种变换对应的变换参数可以包括6个，为求解这6个参数，可以设定m＝3,从而，从第一图像和第二图像中选定3个对应的特征点用于求解用于对齐第一图像和第二图像的变换参数。
75.假设在第一图像中确定出如下三个第一目标特征点：a1、b1、c1，基于第一图像与第二图像之间特征点之间的对应关系，确定第二图像中与这三个特征点对应的特征点分别是：a2、b2、c2。根据这三组特征点的坐标可以求解用于对齐第一图像和第二图像的变换参数。仿射变换公式如下：
[0076][0077]
其中，(t
x
,t
y
)表示水平和竖直方向的平移参数，参数a
i
为图像的旋转、缩放参数。(x
′
,y
′
)为变换后的坐标，(x,y)为变换前的坐标。
[0078]
需要求解的变换参数包括上述平移参数、旋转参数和缩放参数。为求解这六个变换参数，需要建立六个方程。基于上述三组特征点便可以建立这六个方程。
[0079]
假设特征点a1的坐标为(xa1，ya1)，特征点a2的坐标为(xa2，ya2)，则基于这组特征点可以得到如下两个方程：
[0080]
xa2＝a1*xa1 a2*ya1 t
x
[0081]
ya2＝a3*xa1 a4*ya1 t
y
[0082]
其他两组特征点同理，基于建立的六个方程便可以求解出这六个变换参数。
[0083]
之后，以由这六个变换参数构成的矩阵对第二图像中的各像素点进行仿射变换，便可以得到对齐后的第二图像，即完成了第一图像与第二图像的对齐。
[0084]
可以理解的是，假设按照采集时间的先后顺序依次采集了图像f1、图像f2、图像f3这三张图像，以图像f1作为第一图像，那么，图像f2和图像f3分别作为第二图像，这两个图像在与第一图像对齐过程中所用到的变换参数是不同的，具体地，图像f2和图像f1对齐时所用到的变换参数需要根据从图像f1和图像f2中确定出的三组特征点来计算，而图像f3和图像f1对齐时所用到的变换参数需要根据从图像f1和图像f3中确定出的三组特征点来计算。
[0085]
假设第一图像中的多个特征点的数量为n，当需要从这n个特征点中选择出三个特征点以用于第一图像与第二图像的对齐时，可以采用设定的选点策略来选定这三个特征点，比如随机选择。
[0086]
但是，不同的选点策略对于图像对齐效果会产生不同的影响。若挑选的三个特征点之间距离较近，使用仿射变换进行图像对齐后图像中不同区域的对齐效果不一，越靠近三个特征点的区域对齐效果越好，而远离三个特征点的区域对齐效果会下降。产生上述现象的原因是光流计算无法很准确，而对齐误差会随着和对齐特征点之间距离的增大也逐渐增大。若挑选相互远离的三个特征点用于仿射变换，仿射变换后的对齐效果会大大提升。
[0087]
因此，本发明实施例中，可以采用诸如k均值(k
‑
means)等聚类算法进行特征点的选择，以获得相互远离的特征点。
[0088]
具体地，在第一图像中的多个特征点中确定多个第一目标特征点，可以实现为：
[0089]
对第一图像中的多个特征点进行聚类处理，以得到多个聚类簇；
[0090]
确定由分别在多个聚类簇中选定的特征点作为多个第一目标特征点。
[0091]
上述第一目标特征点的数量可以是三个。
[0092]
在对第一图像上中的多个特征点进行聚类处理后会形成多聚类簇后，每个聚类簇内部的特征点之间距离相近，而不同聚类簇之间的特征点相距较远，此时只需要在每个聚类簇中挑选一个特征点作为该聚类簇的代表，就能获取多个相互远离的特征点。
[0093]
在根据上述过程完成多张图像的对齐后，可以融合对齐后的多张图像，以根据融合后的图像获取液体的质量判断结果。
[0094]
其中，融合对齐后的多张图像，即将对齐后的多张图像在色彩通道上进行拼接。假设按照采集时间的先后顺序依次采集了图像f1、图像f2、图像f3这三张图像，以图像f1作为第一图像，那么，图像f2和图像f3需要分别向图像f1对齐，以得到对齐后的图像f2’和图像f3’。总而对齐后的图像包括图像f1、图像f2’和图像f3’这三张图像。如果将每张图像表示为w*h*3,其中，w*h为图像的分辨率，3表示rgb三个色彩通道，则这三张图像拼接结果可以表示为：w*h*9。由此可见，融合后的图像包含了对齐后的这三张图像的全部特征。
[0095]
之后，假设液体质量的检测目的是检测液体中是否包含杂质，则可选地，可以具有目标检测功能的神经网络模型来完成液体质量的检测。即将融合后的图像输入到神经网络模型中，神经网络模型若检测出其中包含杂质，则会输出对应的检测结果。其中，神经网络模型会输出上述拼接的三张图像各自对应的杂质检测结果，具体地，如果在其中某张图像中检测到了杂质，会在这张图像中标记出杂质对应的检测框。
[0096]
最终，如果拼接的多张图像中都没有杂质的检测框，说明液体中没有杂质，反之，如果其中至少一张图像中包含杂质的检测框，则说明液体中有杂质。
[0097]
实际应用中，上述神经网络模型可以采用基于区域的卷积神经网络(regions with convolutional neural networks,简称rcnn)模型、faster rcnn模型、(single shot multibox detector，简称ssd)模型等实现。
[0098]
综上，在本发明实施例中，利用液体流动状态下采集的多张图像所反映的液体动态特征完成液体质量的检测，能够得到准确的检测结果。
[0099]
下面以检测酒液中是否包含杂质的应用场景为例，结合图3示例性说明在该应用场景下，本发明实施例提供的液体检测方案的实施过程。
[0100]
实际应用中，可以在酒的生成过程中完成酒液中是否有杂质的检测。具体来说，在将酒液灌装、封口之后，会放置到传送带上传递到下一个作业环节，如图3中所示，可以在传送带旁设置沿着传送带移动方向前后设置两个翻转机构：翻转机构1和翻转机构2，并在两
个翻转机构之间前后间隔多个摄像头：摄像头1、摄像头2、摄像头3。这样，在酒瓶移动到翻转机构1处时，翻转机构1对酒瓶进行翻转操作，使得瓶内酒液处于流动状态。处于酒液流动状态的酒瓶在依次经过上述三个摄像头时，会触发三个摄像头分别进行拍摄操作，得到图中示意的图像f1、图像f2和图像f3。这三个摄像头将各自采集的图像传送至图3中示意的上位机，由该上位机根据这三张图像完成这瓶酒中是否含有杂质的检测处理。其中，检测的过程即包括上文中所说的图像f1、图像f2和图像f3的图像对齐处理，得到对齐后的图像f1、图像f2’和图像f3’，之后，拼接图像f1、图像f2’和图像f3’，基于拼接后的图像(即融合后的图像)进行酒液中有无杂质的检测，具体过程可以参考前述实施例中的描述，在此不赘述。
[0101]
另一方面，酒瓶继续向前移动到翻转机构2时，翻转机构2再对酒瓶进行翻转，使得瓶口朝上，继续传送酒瓶到下一个作业环节。
[0102]
可选地，还可以设置一个剔除机构，当上位机检测出某瓶酒中存在杂质时，可以控制剔除机构将这瓶酒从传送带上移除，移动到设定收集处。
[0103]
实际应用中，本实施例提供的液体检测方案可以由某个应用程序来执行，当某用户想要鉴别某瓶液体的质量(如检测一瓶酒中有无杂质)时，可以在比如手机终端、平板电脑、pc机等计算设备中安装该应用程序，以使用该计算设备完成液体的质量检测任务。
[0104]
可选地，该应用程序可以提供有液体检测的操作界面，用户通过该操作界面完成液体质量检测的相关操作以及查看检测过程中得到的各种数据和最终的质量判断结果。结合图4示例性说明该操作界面的组成和相关操作。
[0105]
如图4所示，当用户想要对某瓶液体进行质量检测时，启动计算设备中的上述应用程序，在计算设备上显示操作界面401a。在该操作界面401a上可以显示有图像获取按钮402a、检测启动按钮402b、质量输出组件402c。
[0106]
实际应用中，这些按钮和组件可以设置在同一界面中，也可以考虑用户操作的便捷性而设置在不同界面中，或者还可以将这些按钮和组件始终置顶显示。显示位置和显示方式不在本实施例中进行严格限定，本实施例中仅强调应用程序中可以包含这些按钮、组件。
[0107]
另外，在操作界面401a中可以包含上述按钮、组件中的全部或部分。当然，还可以包含其他相关组件。
[0108]
上述计算设备与用于拍摄液体的多个摄像头通信连接，当多个摄像头分别采集到某瓶液体的图像时，将采集的图像上传至计算设备，计算设备将收到的对应于同一瓶液体的这多张图像输入到上述应用程序。用户点击图像获取按钮402a时，可以控制计算设备从多个摄像头读取其拍得的图像，在操作界面401a上显示多个摄像头采集的对应于同一瓶液体的多张图像，以供用户查看。
[0109]
需要说明的是，如果用户所处环境中不便于部署传输这瓶液体的传送机构以及多个摄像头，也可以通过计算设备的拍摄功能，对处于液体流动状态的这瓶液体进行视频采集，对采集的视频进行多帧图像的分割处理以得到供后续质量检测过程使用的多张图像。
[0110]
实际应用中，如果用户发现上传的这多张图像质量不佳时，可以及时作出相应的调整，重新采集多张图像。比如，由于多个摄像头的位置设置的不合理，导致并未清晰、完整地拍摄到被检测对象，则可以及时调整摄像头的设置位置。
[0111]
若多张图像质量良好，则用户可以点击操作界面401a中的检测启动按钮402b，以
触发执行后续的质量检测过程。
[0112]
应用程序在基于收到的多张图像完成相应一瓶液体的质量检测后，可以通过质量输出组件402c将检测结果显示在操作界面401a中。
[0113]
可选地，以杂质检测为例，该检测结果可以是以文字形式输出这瓶液体中有无杂质，或者，可选地，当检测出这瓶液体中有杂质时，还可以进一步显示出标记有杂质对应的检测框(即杂质位置)的图像，如图4中所示。
[0114]
在一可选实施例中，实际应用中，当比如在酒液生产商需要检测酒液中有无杂质的应用场景中，会有大量的酒需要进行检测，此时，可以借助云端的计算能力来完成该检测任务。
[0115]
在云端可以部署有若干计算节点，每个计算节点中都具有计算、存储等处理资源。在云端，可以组织由多个计算节点来提供某种服务，当然，一个计算节点也可以提供一种或多种服务。云端提供该服务的方式可以是对外提供服务接口，用户调用该服务接口以使用相应的服务。服务接口包括软件开发工具包(software development kit，简称sdk)、应用程序接口(application programming interface，简称api)等形式。
[0116]
针对本发明实施例提供的方案，云端可以提供有液体检测服务的服务接口，用户通过用户设备调用该液体检测服务接口，以向云端触发调用该液体检测服务接口的请求。云端确定响应该请求的计算节点，利用该计算节点中的处理资源执行如下步骤：
[0117]
获取液体的多张图像，所述多张图像的采集时间不同，所述多张图像是在所述液体处于流动状态下采集的；
[0118]
对所述多张图像进行图像对齐处理，以得到对齐后的多张图像；
[0119]
融合对齐后的多张图像，以根据融合后的图像获取所述液体的质量判断结果。
[0120]
液体检测服务接口利用处理资源执行信息识别处理的详细过程可以参考前述其他实施例中的相关说明，在此不赘述。
[0121]
为便于理解，结合图5来示例性说明。在图5中，用户设备e1在获取某瓶液体的多张图像后，调用液体检测服务接口，以向云端计算节点e2发送调用请求，该调用请求中包括这多张图像。本实施例中假设云端计算节点e2在接收到调用请求后，从中解析出多张图像，以利用这多张图像完成这瓶液体的质量检测，检测过程在此不赘述。之后，云端计算节点e2将质量检测结果反馈给用户设备e1，用户设备e1输出质量检测结果。
[0122]
以下将详细描述本发明的一个或多个实施例的液体检测装置。本领域技术人员可以理解，这些装置均可使用市售的硬件组件通过本方案所教导的步骤进行配置来构成。
[0123]
图6为本发明实施例提供的一种液体检测装置的结构示意图，如图6所示，该装置包括：图像采集模块11、图像对齐模块12、图像检测模块13。
[0124]
图像采集模块11，用于在液体处于流动状态下，采集所述液体的多张图像，所述多张图像的采集时间不同。
[0125]
图像对齐模块12，用于对所述多张图像进行图像对齐处理，以得到对齐后的多张图像。
[0126]
图像检测模块13，用于融合对齐后的多张图像，以根据融合后的图像获取所述液体的质量判断结果。
[0127]
可选地，图像对齐模块12具体用于：确定第一图像中的多个特征点，所述第一图像
是所述多张图像中的一张图像；根据所述第一图像中的多个特征点，确定第二图像中的多个特征点，所述第二图像是所述多张图像中除所述第一图像外的任一张图像；根据所述第一图像中的多个特征点和所述第二图像中的多个特征点，对所述第二图像进行与所述第一图像的对齐处理，以得到对齐后的第二图像。
[0128]
可选地，图像对齐模块12具体用于：在所述第一图像中的多个特征点中，确定多个第一目标特征点；在所述第二图像中的多个特征点中，确定与所述多个第一目标特征点对应的多个第二目标特征点；根据所述多个第一目标特征点和所述多个第二目标特征点，确定用于对齐所述第一图像和所述第二图像的变换参数；根据所述变换参数对所述第二图像进行变换，以得到对齐后的第二图像。
[0129]
可选地，图像对齐模块12具体用于：采用预设的角点检测方法对所述第一图像进行角点检测，以确定所述第一图像中的多个特征点。
[0130]
可选地，图像对齐模块12具体用于：对所述第一图像中的多个特征点进行光流计算，以确定所述第二图像中的多个特征点。
[0131]
可选地，图像对齐模块12具体用于：对所述第一图像中的多个特征点进行聚类处理，以得到多个聚类簇；确定由分别在所述多个聚类簇中选定的特征点作为所述多个第一目标特征点。
[0132]
图6所示装置可以执行前述实施例中提供的液体检测方法，详细的执行过程和技术效果参见前述实施例中的描述，在此不再赘述。
[0133]
在一个可能的设计中，上述图6所示液体检测装置的结构可实现为一电子设备，如图7所示，该电子设备可以包括：处理器21、存储器22。其中，存储器22上存储有可执行代码，当所述可执行代码被处理器21执行时，使第一处理器21至少可以实现如前述实施例中提供的液体检测方法。
[0134]
可选地，该电子设备中还可以包括通信接口23，用于与其他设备进行通信。
[0135]
另外，本发明实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器至少可以实现如前述实施例中提供的模型训练方法。
[0136]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0137]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现，当然也可以通过硬件和软件结合的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
[0138]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；
而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。