一种机器视觉系统测试方法、系统及存储介质与流程

1.本技术涉及图像识别技术领域，特别涉及一种机器视觉系统测试方法、系统及存储介质。


背景技术：

2.机器视觉系统是利用机器代替人眼来进行各种测量和判断的系统。它是计算机学科的一个重要分支。机器视觉系统在现代生产和生活过程中有较为广泛的应用。机器视觉设备可以应用在流水线大批量生产场景，对于流水线上的工件是否合格进行识别；机器视觉设备也可以应用在地铁，机场等需要进行安检的设备，对乘客是否携带危险物品进行监测；机器视觉设备也可以应用在道路交通监控场景，对道路车辆是否存在违章行为进行检测，可见，机器视觉系统在现代生产和生活中有较为广泛的应用。
3.如果识别的图像质量良好，大部分机器视觉系统都能够给出准确的判断，但是，在实际生产过程中，存在很多干扰因素，例如相机镜头被油污、灰尘污染，环境光昼夜变化导致环境光亮度不足或过高，相机位移或拍摄对象位移导致的失焦情况，相机过热或老化等。这些问题会导致相机拍摄的图像的出现模糊、噪声、灰度/对比度变化等质量问题，而在拍摄的图像质量降低后，有些机器视觉系统无法获得准确的判断结果，也有些机器视觉系统依然能够获得准确的判断结果。是否能够获得准确的判断结果，主要取决于机器视觉系统的鲁棒性，鲁棒性越好的机器视觉系统，在面对质量较差的图像时的判断精准度越高。
4.而在图像质量较差的情况下依然能够获得准确的判断结果的机器视觉系统显然是鲁棒性较好的系统。如果能够实现对机器视觉系统的测试，从而辨别机器视觉系统的鲁棒性，以及用来指导生产商优化机器视觉系统，是很有必要的，因此，如何提供一种机器视觉系统测试方法，用以实现对机器视觉系统鲁棒性的测试，是一亟待解决的技术问题。


技术实现要素：

5.本技术提供一种机器视觉系统测试方法、系统及存储介质，用以实现对机器视觉系统鲁棒性的测试。
6.本技术提供一种机器视觉系统测试方法，包括：
7.获取质量符合预设条件的目标图像；
8.生成与所述目标图像对应的多张退化图像；
9.从所述多张退化图像中选取出满足特定评分标准的退化图像样本集；
10.将所述退化图像样本集输入至待测试的机器视觉系统中；
11.获取所述退化图像样本集中各个图像的第一识别结果，其中，所述退化样本集中的每一张图像对应一个第一识别结果；
12.根据所述第一识别结果和第二识别结果的比较结果确定所述机器视觉系统的测试结果，其中，所述第二识别结果为目标图像的识别结果。
13.本技术的有益效果在于：能够自动生成用于测试机器视觉系统的退化图像，从而
为测试机器视觉系统提供了足够的样本，其次，根据特定评分标准对退化图像进行筛选，从而能够控制图像的退化程度，避免图像退化程度不足或者过度退化的情况，进而提升退化图像的仿真效果，之后根据退化图像的识别结果和目标图像的识别结果进行比较，根据比较结果实现了对机器视觉系统鲁棒性的测试；其次，通过退化的方式生成与目标图像对应的多张退化图像，增加了输入至机器视觉系统的样本量，实现了数据增广。
14.在一个实施例中，所述生成与所述目标图像对应的多张退化图像，包括：
15.获取各种特定工况所对应的不同类型的退化策略；
16.根据不同类型的退化策略生成所述目标图像对应的退化图像。
17.在一个实施例中，所述根据不同类型的退化策略生成所述目标图像对应的退化图像，包括：
18.根据以下公式生成目标图像对应的退化图像：
19.g(x，y)＝h(x，y)*f(x，y) η(x，y)；
20.其中，g(x，y)为根据一种退化策略生成的退化图像；f(x，y)为目标图像；h(x，y)为与退化策略对应的退化函数的空间表达式；η(x，y)为加性噪声。
21.在一个实施例中，所述根据不同类型的退化策略生成所述图像对应的多张退化图像，包括：
22.根据以下公式生成目标图像对应的退化图像：
23.gn＝t
nbncndn*
f ηn；
24.其中，f为目标图像，gn为根据多种退化策略生成的退化图像；tn为位移形变矩阵；bn代表模糊矩阵；cn代表灰度/对比度变化矩阵；dn代表降采样系数；ηn代表噪声。
25.在一个实施例中，所述特定工况包括以下至少一种工况：
26.视觉传感器过热和老化工况、信号干扰工况、传输信道及解码处理错误工况、相机镜头被污染工况、失焦工况、拍摄环境的环境光亮度未落入预设亮度区间的工况、图像中目标对象发生空间位移的工况以及视觉设备分辨率低于预设值的工况。
27.在一个实施例中，所述退化策略包括以下至少一种策略：
28.对目标图像添加噪声的策略、对目标图像进行模糊化的策略、对图像进行灰度变换的策略、对图像进行仿射变换的策略以及通过间隔采样的方法将目标转化为低分辨率图像的策略。
29.在一个实施例中，所述从所述多张退化图像中选取出满足特定评分标准的退化图像样本集，包括：
30.根据所述多张退化图像的退化程度确定所述多张退化图像的评分；
31.确定评分大于预设评分的退化图像为满足特定标准的退化图像；
32.根据所有满足特定标准的退化图像生成图像样本集。
33.在一个实施例中，所述根据所述第一识别结果和第二识别结果的比较结果确定所述机器视觉系统的测试结果，包括：
34.将所述第一识别结果和所述第二识别结果进行比较；
35.当所述第二识别结果中与所述第一识别结果一致的数目与第二识别结果数目的比例大于预设比例时，确定所述机器视觉系统测试通过。
36.本技术还提供一种机器视觉系统测试系统，包括：
37.至少一个处理器；以及，
38.与所述至少一个处理器通信连接的存储器；其中，
39.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行以实现上述任一实施例所记载的机器视觉系统测试方法。
40.本技术还提供一种计算机可读存储介质，当存储介质中的指令由机器视觉系统测试系统对应的处理器执行时，使得机器视觉系统测试系统能够实现上述任一实施例所记载的机器视觉系统测试方法。
41.本技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术而了解。本技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
42.下面通过附图和实施例，对本技术的技术方案做进一步的详细描述。
附图说明
43.附图用来提供对本技术的进一步理解，并且构成说明书的一部分，与本技术的实施例一起用于解释本技术，并不构成对本技术的限制。在附图中：
44.图1为本技术一实施例中一种机器视觉系统测试方法的流程图；
45.图2为本技术另一实施例中一种机器视觉系统测试方法的流程图；
46.图3为本技术又一实施例中一种机器视觉系统测试方法的流程图；
47.图4为本技术一实施例中根据正常质量的图像生成退化图像的示意图；
48.图5为本技术一实施例中一种机器视觉系统测试方法所对应的实施过程示意图；
49.图6为本技术一种机器视觉系统测试系统的硬件结构示意图。
具体实施方式
50.以下结合附图对本技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本技术，并不用于限定本技术。
51.图1为本技术一实施例中一种机器视觉系统测试方法的流程图，如图1所示，该方法可被实施为以下步骤s11-s16：
52.在步骤s11中，获取质量符合预设条件的目标图像；
53.在步骤s12中，生成与所述目标图像对应的多张退化图像；
54.在步骤s13中，从所述多张退化图像中选取出满足特定评分标准的退化图像样本集；
55.在步骤s14中，将所述退化图像样本集输入至待测试的机器视觉系统中；
56.在步骤s15中，获取所述退化图像样本集中各个图像的第一识别结果，其中，所述退化样本集中的每一张图像对应一个第一识别结果；
57.在步骤s16中，根据所述第一识别结果和第二识别结果的比较结果确定所述机器视觉系统的测试结果，其中，所述第二识别结果为目标图像的识别结果。
58.以工业生产场景为例，在工业生产过程中，通常会设置图像采集装置来采集流水线上的工件图像，然后通过图像处理来判别工件上的零件是否安装到位，是否缺少零件等，因此，本实施例中，获取质量符合预设条件的目标图像；例如，质量符合预设条件的目标图
像可以是指图像的各类指定参数(分辨率、噪声、颜色、清晰度、畸变程度等)处于预设的区间内的图像。又例如，质量符合预设条件可以是指图像的失真程度小于预设值的图像，而在计算图像的失真程度时，首选选取一张标准图像，然后计算原始图像和失真像象素差值的均方值，通过均方值的大小来确定失真图像的失真程度。再例如，可以设置一用于进行图像质量评价的模型，通过模型判断图像质量是否符合预设条件等。可以理解的是，在工业生产场景下，可以通过接收工业生产场地设置的图像采集装置采集到的图像来实现目标图像的获取。
59.在获取到质量符合预设条件的目标图像之后，生成与所述目标图像对应的多张退化图像；
60.具体通过以下方式生成与所述目标图像对应的多张退化图像：
61.获取各种特定工况所对应的不同类型的退化策略；所述根据不同类型的退化策略生成所述目标图像对应的退化图像。
62.其中，所述特定工况包括以下至少一种工况：
63.视觉传感器过热和老化工况、信号干扰工况、传输信道及解码处理错误工况、相机镜头被污染工况、失焦工况、拍摄环境的环境光亮度未落入预设亮度区间的工况、图像中目标对象发生空间位移的工况以及视觉设备分辨率低于预设值的工况；
64.所述退化策略包括以下至少一种策略：
65.对目标图像添加噪声的策略、对目标图像进行模糊化的策略、对图像进行灰度变换的策略、对图像进行仿射变换的策略以及通过间隔采样的方法将目标转化为低分辨率图像的策略。
66.需要说明的是，对目标图像添加噪声的策略，能够模拟机器视觉系统中的视觉传感器过热和老化工况，信号干扰工况，传输信道及解码处理错误工况，通常情况下，添加的噪声包括高斯噪声和椒盐噪声。而对目标图像进行模糊化的策略，能够模拟相机镜头被污染工况和失焦工况，相机镜头被污染通常是油污污染和灰尘污染，而失焦通常是由于相机或被拍摄对象的位置变化所引起的。对图像进行灰度变换的策略能够模拟拍摄环境的环境光亮度未落入预设亮度区间的工况。对图像进行仿射变换的策略能够模拟图像中目标对象发生空间位移的工况，而图像中目标对象发生位移通常可以包括平移、旋转和倾斜这三种位移。通过间隔采样的方法将目标转化为低分辨率图像的策略可以模拟视觉设备分辨率低于预设值的工况，具体的，视觉设备分辨率低于预设值的工况通常是由相机从高分辨率型号切换至低分辨率型号所导致的。
67.根据不同类型的退化策略生成所述目标图像对应的退化图像时，可以对目标图像施加一种退化策略以生成目标图像对应的退化图像，也可以对目标图像施加多种退化策略以生成目标图像对应的退化图像。
68.将这种方式应用于工业生产场景下，能够根据上述各种图像退化策略对图像进行退化，以模拟相机不同的退化工况，因此，本技术在验证视觉系统性能的情况下，可以通过上述退化策略实现图像数据增广，不同于常规的增广方式(旋转、平移、反转)，本技术通过上述退化策略就能够实现图像数据增广，得到大量的样本图片，相对于常规数据增广方式而言，通过本技术所公开的数据增广方式，能够得到更为优质的训练样本。
69.其中，对目标图像施加一种退化策略以生成目标图像对应的退化图像的具体实现
方式如下：
70.根据以下公式生成目标图像对应的退化图像：
71.g(x，y)＝h(x，y)*f(x，y) η(x，y)；
72.其中，g(x，y)为根据一种退化策略生成的退化图像；f(x，y)为目标图像；h(x，y)为与退化策略对应的退化函数的空间表达式；η(x，y)为加性噪声。
73.而对目标图像施加多种退化策略以生成目标图像对应的退化图像的具体实现方式如下：
74.根据以下公式生成目标图像对应的退化图像：
75.gn＝t
nbncndn*
f ηn；
76.其中，f为目标图像，gn为根据多种退化策略生成的退化图像；tn为位移形变矩阵；bn代表模糊矩阵；cn代表灰度/对比度变化矩阵；dn代表降采样系数；ηn代表噪声。
77.在生成退化图像之后，从所述多张退化图像中选取出满足特定评分标准的退化图像样本集；具体的，首先需要根据所述多张退化图像的退化程度确定所述多张退化图像的评分；具体的，在评分时，可以通过图像质量评价方法实现，图像质量评价方法一般用于评价图像和视频压缩质量、对比图像处理算法性能优劣和对终端收到的视频质量监控等。图像质量评价方法分为主观评价和客观评价。主观评价和客观评价主要差异在于是由观众人工进行评分还是根据算法编写的程序进行自动评分。一般自动化设备中都选用客观评价的方法进行计算。其中客观评价算法又分为全参考、半参考和无参考三类图像质量算法。全参考是指存在原图像情况下评估退化图像的质量，本技术可在调试期间获得参考标准图像，故应用全参考图像质量算法。
78.全参考图像质量算法通常可以采用psnr(peak signal-to-noise ratio，峰值信噪比算法)、ssim(structuralsimilarity index，结构相似度指数算法)、cw-ssim(complex wavelet ssim，复数小波域的结构相似度指数算法)等算法进行评分，其中，ssim(structural similarity lndex)算法主要用于评估图像与参考图像的亮度、对比度、结构这三中特征的差异，而cw-ssim在ssim基础上，对轻微平移、旋转的敏感度降低，即微小的位移对成像情况影响极小，不应过低评分，更符合实际应用需求。其中，最早的全参考算法为psnr：但psnr评分结果往往与人眼主观评价差异过大，更适用的算法是ssim。ssim评分一般在(0，1)之间，特定情况会有负值；两张图完全相同则结果为1，严重退化则结果接近0。ssim能在客观反映图像质量的前提下与主观感受更加相符，同时又能对比两张图像的三种统计特征差异，包括亮度(即灰度平均值)、对比度(即方差)和结构(即协方差)差异，从而较为全面客观地反映退化前后图像的差异。在前述大部分退化场景中，ssim算法已经可以准确计算图像退化程度，只是对发生轻微平移、旋转的仿射变换退化图像过于敏感，对其评分过低。在实际工况中，一些工件整体的轻微平移、旋转并不需要引起主观关注调整，且对商用化的工业机器视觉算法影响极小，不应被过低评分。为了更好地应对此类情况，引入cw-ssim克服此类不足。cw-ssim通过对图像进行复数小波图像金字塔分解，然后对每个子带(subband)的复数小波ssim值加权求和，并取均值来获得最终cw-ssim数值。
79.在得到退化图像的评分之后，确定评分大于预设评分的退化图像为满足特定标准的退化图像；根据所有满足特定标准的退化图像生成图像样本集。
80.将所述退化图像样本集输入至待测试的机器视觉系统中；获取所述退化图像样本
集中各个图像的第一识别结果，其中，所述退化样本集中的每一张图像对应一个第一识别结果；
81.根据所述第一识别结果和第二识别结果的比较结果确定所述机器视觉系统的测试结果，其中，所述第二识别结果为目标图像的识别结果。具体的，将所述第一识别结果和所述第二识别结果进行比较；当所述第二识别结果中与所述第一识别结果一致的数目与第二识别结果数目的比例大于预设比例时，确定所述机器视觉系统测试通过。
82.图5为本技术中一种机器视觉系统测试方法所对应的实施过程示意图，下面，结合图5，以对流水线上工件是否合格进行监测的机器视觉系统为例，对本技术中的机器视觉系统测试方法进行仔细说明：
83.首先，获取机器视觉系统采集的流水线上包含待测试工件的清晰图像，假设该机器视觉系统是用于监测该工件上的零件a是否安装到位的，当机器视觉系统检测到待测试工件上的零件a安装到位，则输出“ok”的提示信息，当机器视觉系统检测到待测试工件上的零件a安装不到位，则输出“ng”的提示信息。如果目标图像是一张零件a安装到位的待测试工件的清晰图像，且目标图像在机器视觉系统中的识别结果是“ok”。例如，通过为目标图像施加各种退化策略，来生成10张退化图像，这10张退化图像有些可以只施加一种退化策略，有些可以施加多种退化策略，将这10张退化图像输入至机器视觉系统，如果这10张退化图像的识别结果中，假设预设比例为80％，那么，如果有8张或8张以上的识别结果是“ok”，则确定机器视觉系统测试通过。
84.同理，如果目标图像是一张零件a安装不到位的待测试工件的清晰图像，且目标图像在机器视觉系统中的识别结果是“ng”。通过为目标图像施加各种退化策略，来生成10张退化图像，这10张退化图像有些可以只施加一种退化策略，有些可以施加多种退化策略，将这10张退化图像输入至机器视觉系统，如果这10张退化图像的识别结果中，假设预设比例为80％，那么，如果有8张或8张以上的识别结果是“ng”，则确定机器视觉系统测试通过。
85.当然，预设比例可以自行设置，在对机器视觉系统要求较高的情况下，可以将预设比例调整为100％，即要求退化图像的识别结果都与目标图像的识别结果保持一致。
86.本技术的有益效果在于：能够自动生成用于测试机器视觉系统的退化图像，从而为测试机器视觉系统提供了足够的样本，其次，根据特定评分标准对退化图像进行筛选，从而能够控制图像的退化程度，避免图像退化程度不足或者过度退化的情况，进而提升退化图像的仿真效果，之后根据退化图像的识别结果和目标图像的识别结果进行比较，根据比较结果实现了对机器视觉系统鲁棒性的测试；其次，通过退化的方式生成与目标图像对应的多张退化图像，增加了输入至机器视觉系统的样本量，实现了数据增广。
87.在一个实施例中，如图2所示，上述步骤s12可被实施为以下步骤s21-s22：
88.在步骤s21中，获取各种特定工况所对应的不同类型的退化策略；
89.在步骤s22中，根据不同类型的退化策略生成所述目标图像对应的退化图像。
90.在一个实施例中，上述步骤s22可被实施为以下步骤：
91.根据以下公式生成目标图像对应的退化图像：
92.g(x，y)＝h(x，y)*f(x，y) η(x，y)；
93.其中，g(x，y)为根据一种退化策略生成的退化图像；f(x，y)为目标图像；h(x，y)为与退化策略对应的退化函数的空间表达式；η(x，y)为加性噪声。
94.在一个实施例中，上述步骤s22还可被实施为以下步骤：
95.根据以下公式生成目标图像对应的退化图像：
96.gn＝t
nbncndn*
f ηn；
97.其中，f为目标图像，gn为根据多种退化策略生成的退化图像；tn为位移形变矩阵；bn代表模糊矩阵；cn代表灰度/对比度变化矩阵；dn代表降采样系数；ηn代表噪声。
98.本实施例中，如图4所示，可以将该算法集成到一图像退化处理模块中，之后将正常质量的图像输入到图像退化处理模块中，通过对图像进行位移形变、模糊化、灰度/对比度转变、降采样、加噪等操作，得到退化图像，其中，当图像退化模块中对于图像f进行处理时，有些不需要施加的退化策略，如位移形变、模糊化、灰度/对比度转变、降采样，可以将对应的参数赋值为1，如果不需要进行加噪，则将对应的参数赋值为0。
99.在一个实施例中，所述特定工况包括以下至少一种工况：
100.视觉传感器过热和老化工况、信号干扰工况、传输信道及解码处理错误工况、相机镜头被污染工况、失焦工况、拍摄环境的环境光亮度未落入预设亮度区间的工况、图像中目标对象发生空间位移的工况以及视觉设备分辨率低于预设值的工况。
101.在一个实施例中，所述退化策略包括以下至少一种策略：
102.对目标图像添加噪声的策略、对目标图像进行模糊化的策略、对图像进行灰度变换的策略、对图像进行仿射变换的策略以及通过间隔采样的方法将目标转化为低分辨率图像的策略。
103.本实施例中，对目标图像添加噪声的策略，能够模拟机器视觉系统中的视觉传感器过热和老化工况，信号干扰工况，传输信道及解码处理错误工况，通常情况下，添加的噪声包括高斯噪声和椒盐噪声。而对目标图像进行模糊化的策略，能够模拟相机镜头被污染工况和失焦工况，相机镜头被污染通常是油污污染和灰尘污染，而失焦通常是由于相机或被拍摄对象的位置变化所引起的。对图像进行灰度变换的策略能够模拟拍摄环境的环境光亮度未落入预设亮度区间的工况。对图像进行仿射变换的策略能够模拟图像中目标对象发生空间位移的工况，而图像中目标对象发生位移通常可以包括平移、旋转和倾斜这三种位移。通过间隔采样的方法将目标转化为低分辨率图像的策略可以模拟视觉设备分辨率低于预设值的工况，具体的，视觉设备分辨率低于预设值的工况通常是由相机从高分辨率型号切换至低分辨率型号所导致的。
104.在一个实施例中，上述步骤s13可被实施为以下步骤s31-s33：
105.在步骤s31中，根据所述多张退化图像的退化程度确定所述多张退化图像的评分；
106.在步骤s32中，确定评分大于预设评分的退化图像为满足特定标准的退化图像；
107.在步骤s33中，根据所有满足特定标准的退化图像生成图像样本集。
108.本实施例中，根据所述多张退化图像的退化程度确定所述多张退化图像的评分；确定评分大于预设评分的退化图像为满足特定标准的退化图像；根据所有满足特定标准的退化图像生成图像样本集。
109.需要说明的是，在根据所述多张退化图像的退化程度确定所述多张退化图像的评分时，可以通过图像质量评价方法实现，图像质量评价方法一般用于评价图像和视频压缩质量、对比图像处理算法性能优劣和对终端收到的视频质量监控等。图像质量评价方法分为主观评价和客观评价。主观评价和客观评价主要差异在于是由观众人工进行评分还是根
据算法编写的程序进行自动评分。一般自动化设备中都选用客观评价的方法进行计算。其中客观评价算法又分为全参考、半参考和无参考三类图像质量算法。全参考是指存在原图像情况下评估退化图像的质量，本技术可在调试期间获得参考标准图像，故应用全参考图像质量算法。
110.全参考图像质量算法通常可以采用psnr(peak signal-to-noise ratio，峰值信噪比算法)、ssim(structural similarity index，结构相似度指数算法)、cw-ssim(complex wavelet ssim，复数小波域的结构相似度指数算法)等算法进行评分，其中，ssim(structural similarity index)算法主要用于评估图像与参考图像的亮度、对比度、结构这三中特征的差异，而cw-ssim在ssim基础上，对轻微平移、旋转的敏感度降低，即微小的位移对成像情况影响极小，不应过低评分，更符合实际应用需求。其中，最早的全参考算法为psnr：但psnr评分结果往往与人眼主观评价差异过大，更适用的算法是ssim。ssim评分一般在(0，1)之间，特定情况会有负值；两张图完全相同则结果为1，严重退化则结果接近0。ssim能在客观反映图像质量的前提下与主观感受更加相符，同时又能对比两张图像的三种统计特征差异，包括亮度(即灰度平均值)、对比度(即方差)和结构(即协方差)差异，从而较为全面客观地反映退化前后图像的差异。在前述大部分退化场景中，ssim算法已经可以准确计算图像退化程度，只是对发生轻微平移、旋转的仿射变换退化图像过于敏感，对其评分过低。在实际工况中，一些工件整体的轻微平移、旋转并不需要引起主观关注调整，且对商用化的工业机器视觉算法影响极小，不应被过低评分。为了更好地应对此类情况，引入cw-ssim克服此类不足。cw-ssim通过对图像进行复数小波图像金字塔分解，然后对每个子带(subband)的复数小波ssim值加权求和，并取均值来获得最终cw-ssim数值。
111.在一个实施例中，上述步骤s16可被实施为以下步骤a1-a2：
112.在步骤a1中，将所述第一识别结果和所述第二识别结果进行比较；
113.在步骤a2中，当所述第二识别结果中与所述第一识别结果一致的数目与第二识别结果数目的比例大于预设比例时，确定所述机器视觉系统测试通过。
114.例如，目标图像是一张零件a安装到位的待测试工件的清晰图像，且目标图像在机器视觉系统中的识别结果是“ok”。例如，通过为目标图像施加各种退化策略，来生成10张退化图像，这10张退化图像有些可以只施加一种退化策略，有些可以施加多种退化策略，将这10张退化图像输入至机器视觉系统，如果这10张退化图像的识别结果中，假设预设比例为80％，那么，如果有8张或8张以上的识别结果是“ok”，则确定机器视觉系统测试通过。
115.又例如，目标图像是一张零件a安装不到位的待测试工件的清晰图像，且目标图像在机器视觉系统中的识别结果是“ng”。通过为目标图像施加各种退化策略，来生成10张退化图像，这10张退化图像有些可以只施加一种退化策略，有些可以施加多种退化策略，将这10张退化图像输入至机器视觉系统，如果这10张退化图像的识别结果中，假设预设比例为80％，那么，如果有8张或8张以上的识别结果是“ng”，则确定机器视觉系统测试通过。
116.图6为本技术一种机器视觉系统测试系统的硬件结构示意图，包括：
117.至少一个处理器620；以及，
118.与所述至少一个处理器通信连接的存储器604；其中，
119.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行以实现上述任一实施例所记载的机器视觉系统测试方法。
120.参照图6，该机器视觉系统测试系统600可以包括以下一个或多个组件：处理组件602，存储器604，电源组件606，输入/输出(i/0)的接口612，通信组件616。
121.处理组件602通常控制机器视觉系统测试系统600的整体操作。处理组件602可以包括一个或多个处理器620来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件602可以包括一个或多个模块，便于处理组件602和其他组件之间的交互。
122.存储器604被配置为存储各种类型的数据以支持在机器视觉系统测试系统600的操作。这些数据的示例包括用于在机器视觉系统测试系统600上操作的任何应用程序或方法的指令。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
123.电源组件606为机器视觉系统测试系统600的各种组件提供电源。电源组件606可以包括电源管理系统，一个或多个电源，及其他与为机器视觉系统测试系统600生成、管理和分配电源相关联的组件。
124.i/o接口612为处理组件602和外围接口模块之间提供接口。
125.通信组件616被配置为使机器视觉系统测试系统600提供和其他设备以及云平台之间进行有线或无线方式的通信能力。机器视觉系统测试系统600可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件616经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件616还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
126.处理器620可以通过通信组件616与工业场景中的图像采集装置608进行连接，从而通过通信组件616来获取图像采集装置608发送的目标图像，其次，处理器620还可以通过通信组件616与机器视觉系统610进行连接，因此，处理器620能够将由目标图像生成的多张退化图像输入至待测试的机器视觉系统610。
127.在示例性实施例中，机器视觉系统测试系统600可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述机器视觉系统测试方法。
128.本技术还提供一种计算机可读存储介质，当存储介质中的指令由机器视觉系统测试系统对应的处理器执行时，使得机器视觉系统测试系统能够实现上述任一实施例所记载的机器视觉系统测试方法。
129.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术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和光学存储器等)上实施的计算机程序产品的形式。
130.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程
图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
131.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
132.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
133.显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。