机箱外壳检测方法、装置、电子设备和计算机可读介质与流程

1.本公开的实施例涉及计算机技术领域，具体涉及机箱外壳检测方法、装置、电子设备和计算机可读介质。


背景技术：

2.目前，对于待出库的电脑机箱外壳的检测，通常采用的方式为：通过工作人员检测每个待出库的电脑机箱外壳，以防止损坏的电脑机箱外壳流出。
3.然而，采用上述检测方式，通常会存在以下技术问题：第一，通过人工检测，对电脑机箱外壳检测的效率较低，检测时间较长；第二，对电脑机箱外壳检测的方式单一，导致不能准确地检测出电脑机箱外壳的状态，容易造成异常电脑机箱外壳流出。


技术实现要素：

4.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
5.本公开的一些实施例提出了机箱外壳检测方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
6.第一方面，本公开的一些实施例提供了一种机箱外壳检测方法，该方法包括：控制相关联的摄像装置拍摄目标机箱外壳的每一表面的外壳区域图像，得到外壳区域图像组，其中，上述外壳区域图像组中的外壳区域图像包括外壳灰度区域图像和对应上述外壳灰度图像的外壳点云区域图像；对于上述外壳区域图像组包括的每个外壳灰度区域图像，执行如下处理步骤：对上述外壳灰度区域图像中的目标外壳区域进行标注，以生成标注外壳灰度区域图像；对上述标注外壳灰度区域图像中的标注的目标外壳区域进行边缘检测处理，得到对应上述目标外壳区域的外壳轮廓；从上述外壳灰度区域图像中识别出上述外壳轮廓对应的外壳灰度轮廓图；基于上述外壳灰度轮廓图和对应上述外壳灰度区域图像的外壳点云区域图像，生成外壳点云轮廓图；将上述外壳点云轮廓图输入至预先训练的外壳图像识别模型中，得到外壳图像识别结果。
7.第二方面，本公开的一些实施例提供了一种机箱外壳检测装置，装置包括：控制单元，被配置成控制相关联的摄像装置拍摄目标机箱外壳的每一表面的外壳区域图像，得到外壳区域图像组，其中，上述外壳区域图像组中的外壳区域图像包括外壳灰度区域图像和对应上述外壳灰度图像的外壳点云区域图像；识别单元，被配置成对于上述外壳区域图像组包括的每个外壳灰度区域图像，执行如下处理步骤：对上述外壳灰度区域图像中的目标外壳区域进行标注，以生成标注外壳灰度区域图像；对上述标注外壳灰度区域图像中的标注的目标外壳区域进行边缘检测处理，得到对应上述目标外壳区域的外壳轮廓；从上述外壳灰度区域图像中识别出上述外壳轮廓对应的外壳灰度轮廓图；基于上述外壳灰度轮廓图
和对应上述外壳灰度区域图像的外壳点云区域图像，生成外壳点云轮廓图；将上述外壳点云轮廓图输入至预先训练的外壳图像识别模型中，得到外壳图像识别结果。
8.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
9.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
10.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的机箱外壳检测方法，提升了对电脑机箱外壳检测的效率，缩短了检测时长。具体来说，对电脑机箱外壳检测的效率较低以及检测时间较长的原因在于：通过人工检测，对电脑机箱外壳检测的效率较低，检测时间较长。基于此，本公开的一些实施例的机箱外壳检测方法，首先，控制相关联的摄像装置拍摄目标机箱外壳的每一表面的外壳区域图像，得到外壳区域图像组。由此，便于后续对目标机箱外壳进行全面检测。然后，对于上述外壳区域图像组包括的每个外壳灰度区域图像，执行如下处理步骤：首先，对上述外壳灰度区域图像中的目标外壳区域进行标注，以生成标注外壳灰度区域图像。由此可以标注出外壳灰度区域图像中待检测的区域。其次，对上述标注外壳灰度区域图像中的标注的目标外壳区域进行边缘检测处理，得到对应上述目标外壳区域的外壳轮廓。由此，可以检测出待检测区域的外壳轮廓。接着，从上述外壳灰度区域图像中识别出上述外壳轮廓对应的外壳灰度轮廓图。然后，基于上述外壳灰度轮廓图和对应上述外壳灰度区域图像的外壳点云区域图像，生成外壳点云轮廓图。由此，便于后续检测出电脑机箱外壳是否存在缺陷/凹陷等问题。最后，将上述外壳点云轮廓图输入至预先训练的外壳图像识别模型中，得到外壳图像识别结果。由此，可以通过预先训练的外壳图像识别模型快速而准确地检测出电脑机箱外壳是否存在缺陷/凹陷等问题。从而，提升了对电脑机箱外壳检测的效率，缩短了检测时长。
附图说明
11.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
12.图1是本公开的一些实施例的机箱外壳检测方法的一个应用场景的示意图；图2是根据本公开的机箱外壳检测方法的一些实施例的流程图；图3是根据本公开的机箱外壳检测方法的另一些实施例的流程图；图4是根据本公开的机箱外壳检测装置的一些实施例的结构示意图；图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
13.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
14.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
15.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
16.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
17.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
18.下面将参考附图并结合实施例来详细说明本公开。
19.图1是根据本公开一些实施例的机箱外壳检测方法的一个应用场景的示意图。
20.在图1的应用场景中，首先，计算设备101可以控制相关联的摄像装置拍摄目标机箱外壳的每一表面的外壳区域图像，得到外壳区域图像组102。其中，上述外壳区域图像组中的外壳区域图像包括外壳灰度区域图像1021和对应上述外壳灰度图像的外壳点云区域图像1022。然后，计算设备101可以对于上述外壳区域图像组包括的每个外壳灰度区域图像1021，执行如下处理步骤：对上述外壳灰度区域图像1021中的目标外壳区域进行标注，以生成标注外壳灰度区域图像103；对上述标注外壳灰度区域图像103中的标注的目标外壳区域进行边缘检测处理，得到对应上述目标外壳区域的外壳轮廓104；从上述外壳灰度区域图像1021中识别出上述外壳轮廓104对应的外壳灰度轮廓图105；基于上述外壳灰度轮廓图105和对应上述外壳灰度区域图像1021的外壳点云区域图像1022，生成外壳点云轮廓图106；将上述外壳点云轮廓图107输入至预先训练的外壳图像识别模型107中，得到外壳图像识别结果108。
21.需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
22.应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
23.继续参考图2，示出了根据本公开的机箱外壳检测方法的一些实施例的流程200。该机箱外壳检测方法，包括以下步骤：步骤201，控制相关联的摄像装置拍摄目标机箱外壳的每一表面的外壳区域图像，得到外壳区域图像组。
24.在一些实施例中，机箱外壳检测方法的执行主体（例如图1所示的计算设备101）可以控制相关联的摄像装置拍摄目标机箱外壳的每一表面的外壳区域图像，得到外壳区域图像组。其中，上述外壳区域图像组中的外壳区域图像包括外壳灰度区域图像和对应上述外壳灰度图像的外壳点云区域图像。这里，相关联的摄像装置可以是具有3d拍摄功能的相机，或其他具有3d拍摄功能的图像采集装置。这里，目标机箱外壳可以是指待出库的电脑机箱外壳。这里，外壳区域图像可以是指包含了目标机箱外壳某一表面的区域图像。这里，外壳灰度区域图像中的灰度坐标（灰度像素坐标）与外壳点云区域图像中的点云坐标具有一一
对应的关系。
25.步骤202，对于上述外壳区域图像组包括的每个外壳灰度区域图像，执行如下处理步骤：步骤2021，对上述外壳灰度区域图像中的目标外壳区域进行标注，以生成标注外壳灰度区域图像。
26.在一些实施例中，上述执行主体可以通过图像标注软件对上述外壳灰度区域图像中的目标外壳区域进行标注，以生成标注外壳灰度区域图像。这里，目标外壳区域可以是指外壳灰度区域图像中所显示的机箱外壳的区域。这里，图像标注软件可以包括但不限于：可视化图像标定工具（labelimg）、图像标注工具（labelme）。
27.步骤2022，对上述标注外壳灰度区域图像中的标注的目标外壳区域进行边缘检测处理，得到对应上述目标外壳区域的外壳轮廓。
28.在一些实施例中，上述执行主体可以对上述标注外壳灰度区域图像中的标注的目标外壳区域进行边缘检测处理，得到对应上述目标外壳区域的外壳轮廓。这里，上述执行主体可以通过预先训练的边缘检测模型对上述标注外壳灰度区域图像中的标注的目标外壳区域进行边缘检测处理，得到对应上述目标外壳区域的外壳轮廓。例如，预先训练的边缘检测模型可以是预先训练的vgg（visual geometry group）模型。
29.步骤2023，从上述外壳灰度区域图像中识别出上述外壳轮廓对应的外壳灰度轮廓图。
30.在一些实施例中，上述执行主体可以从上述外壳灰度区域图像中识别出上述外壳轮廓所包含的图像区域作为外壳灰度轮廓图。
31.步骤2024，基于上述外壳灰度轮廓图和对应上述外壳灰度区域图像的外壳点云区域图像，生成外壳点云轮廓图。
32.在一些实施例中，基于上述外壳灰度轮廓图和对应上述外壳灰度区域图像的外壳点云区域图像，上述执行主体可以通过以下步骤生成外壳点云轮廓图：第一步，对上述外壳点云区域图像进行标准化处理，以生成标准化外壳点云区域图像。这里，标准化处理可以是指抽稀处理。
33.第二步，从上述标准化外壳点云区域图像中识别出对应上述外壳灰度轮廓图的标准化外壳点云轮廓图作为外壳点云轮廓图。这里，可以利用标准化外壳点云区域图像中的点云坐标与外壳灰度轮廓图中的灰度坐标之间的对应关系，从上述标准化外壳点云区域图像中识别出对应上述外壳灰度轮廓图的标准化外壳点云轮廓图作为外壳点云轮廓图。
34.步骤2025，将上述外壳点云轮廓图输入至预先训练的外壳图像识别模型中，得到外壳图像识别结果。
35.在一些实施例中，上述执行主体可以将上述外壳点云轮廓图输入至预先训练的外壳图像识别模型中，得到外壳图像识别结果。这里，预先训练的外壳图像识别模型可以是预先训练好的图像检测模型。例如，预先训练的外壳图像识别模型可以是vgg模型或vgg16模型。
36.实践中，预先训练的外壳图像识别模型可以是通过以下步骤训练得到的：第一步，确定初始外壳图像识别模型的网络结构以及初始化上述初始外壳图像识别模型的网络参数。
37.第二步，获取训练图像样本集。其中，训练图像样本集包括机箱外壳点云图像样本集和与上述机箱外壳点云图像样本集对应的标注信息集合。这里，标注信息集合中的标注信息可以是指机箱外壳点云图像样本对应的机箱外壳状态的描述。例如，机箱外壳点云图像样本中显示的机箱外壳为锈蚀状态，则机箱外壳点云图像样本对应的标注信息为机箱外壳锈蚀。
38.第三步，将上述训练图像样本集中的机箱外壳点云图像样本集和与上述标注信息集合分别作为上述初始外壳图像识别模型的输入和期望输出，利用深度学习方法训练上述初始外壳图像识别模型。
39.第四步，将训练得到的上述初始外壳图像识别模型确定为上述预先训练的外壳图像识别模型。
40.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的机箱外壳检测方法，提升了对电脑机箱外壳检测的效率，缩短了检测时长。具体来说，对电脑机箱外壳检测的效率较低以及检测时间较长的原因在于：通过人工检测，对电脑机箱外壳检测的效率较低，检测时间较长。基于此，本公开的一些实施例的机箱外壳检测方法，首先，控制相关联的摄像装置拍摄目标机箱外壳的每一表面的外壳区域图像，得到外壳区域图像组。由此，便于后续对目标机箱外壳进行全面检测。然后，对于上述外壳区域图像组包括的每个外壳灰度区域图像，执行如下处理步骤：首先，对上述外壳灰度区域图像中的目标外壳区域进行标注，以生成标注外壳灰度区域图像。由此可以标注出外壳灰度区域图像中待检测的区域。其次，对上述标注外壳灰度区域图像中的标注的目标外壳区域进行边缘检测处理，得到对应上述目标外壳区域的外壳轮廓。由此，可以检测出待检测区域的外壳轮廓。接着，从上述外壳灰度区域图像中识别出上述外壳轮廓对应的外壳灰度轮廓图。然后，基于上述外壳灰度轮廓图和对应上述外壳灰度区域图像的外壳点云区域图像，生成外壳点云轮廓图。由此，便于后续检测出电脑机箱外壳是否存在缺陷/凹陷等问题。最后，将上述外壳点云轮廓图输入至预先训练的外壳图像识别模型中，得到外壳图像识别结果。由此，可以通过预先训练的外壳图像识别模型快速而准确地检测出电脑机箱外壳是否存在缺陷/凹陷等问题。从而，提升了对电脑机箱外壳检测的效率，缩短了检测时长。
41.进一步参考图3，示出了根据本公开的机箱外壳检测方法的另一些实施例。该机箱外壳检测方法，包括以下步骤：步骤301，控制相关联的摄像装置拍摄目标机箱外壳的每一表面的外壳区域图像，得到外壳区域图像组。
42.在一些实施例中，步骤301的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤202，在此不再赘述。
43.步骤302，对于上述外壳区域图像组包括的每个外壳灰度区域图像，执行如下处理步骤：步骤3021，对上述外壳灰度区域图像中的目标外壳区域进行标注，以生成标注外壳灰度区域图像。
44.步骤3022，对上述标注外壳灰度区域图像中的标注的目标外壳区域进行边缘检测处理，得到对应上述目标外壳区域的外壳轮廓。
45.步骤3023，从上述外壳灰度区域图像中识别出上述外壳轮廓对应的外壳灰度轮廓
图。
46.步骤3024，基于上述外壳灰度轮廓图和对应上述外壳灰度区域图像的外壳点云区域图像，生成外壳点云轮廓图。
47.步骤3025，将上述外壳点云轮廓图输入至预先训练的外壳图像识别模型中，得到外壳图像识别结果。
48.在一些实施例中，步骤3021-3025的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤2021-2025，在此不再赘述。
49.步骤3026，响应于上述外壳图像识别结果满足预设异常条件，将上述外壳图像识别结果确定为异常外壳图像识别结果。
50.在一些实施例中，机箱外壳检测方法的执行主体（例如图1所示的计算设备101）可以响应于上述外壳图像识别结果满足预设异常条件，将上述外壳图像识别结果确定为异常外壳图像识别结果。这里，预设异常条件可以是：外壳图像识别结果为预设结果。这里，预设结果可以包括但不限于以下至少一项：机箱外壳锈蚀、机箱外壳凹陷、机箱外壳破损等。
51.步骤303，控制相关联的移动检测设备对上述目标机箱的每一表面进行表面缺陷检测，以生成表面缺陷检测结果，得到表面缺陷检测结果组。
52.在一些实施例中，上述执行主体可以控制相关联的移动检测设备对上述目标机箱的每一表面进行表面缺陷检测，以生成表面缺陷检测结果，得到表面缺陷检测结果组。这里，相关联的移动检测设备可以是与上述执行主体通信连接的用于检测机箱表面是否存在缺陷（诸如，锈蚀、凹陷、破损等）的移动设备。例如，移动检测设备可以是安装了表面检测仪的移动机器人。
53.步骤304，对于上述表面缺陷检测结果组中的每个表面缺陷检测结果，执行如下校验步骤：步骤3041，确定上述表面缺陷检测结果是否满足上述预设异常条件。
54.在一些实施例中，上述执行主体可以确定上述表面缺陷检测结果是否满足上述预设异常条件。
55.步骤3042，响应于确定上述表面缺陷检测结果满足上述预设异常条件，确定上述表面缺陷检测结果是否存在对应的异常外壳图像识别结果。
56.在一些实施例中，上述执行主体可以响应于确定上述表面缺陷检测结果满足上述预设异常条件，确定上述表面缺陷检测结果是否存在对应的异常外壳图像识别结果。实践中，上述执行主体可以确定所生成的各个异常外壳图像识别结果中是否存在与上述表面缺陷检测结果所对应的机箱表面相同的异常外壳图像识别结果。
57.步骤3043，响应于确定上述表面缺陷检测结果存在对应的异常外壳图像识别结果，确定上述表面缺陷检测结果所表征的缺陷结果是否与上述异常外壳图像识别结果所表征的缺陷结果一致。
58.在一些实施例中，上述执行主体可以响应于确定上述表面缺陷检测结果存在对应的异常外壳图像识别结果，确定上述表面缺陷检测结果所表征的缺陷结果是否与上述异常外壳图像识别结果所表征的缺陷结果一致。实践中，上述执行主体可以定上述表面缺陷检测结果所表征的缺陷结果是否与上述异常外壳图像识别结果所表征的缺陷结果相同。
59.步骤3044，响应于确定上述表面缺陷检测结果所表征的缺陷结果与上述异常外壳
图像识别结果所表征的缺陷结果一致，将上述表面缺陷检测结果确定为异常表面缺陷检测结果。
60.在一些实施例中，上述执行主体可以响应于确定上述表面缺陷检测结果所表征的缺陷结果与上述异常外壳图像识别结果所表征的缺陷结果一致，将上述表面缺陷检测结果确定为异常表面缺陷检测结果。
61.步骤303-304中的相关内容作为本公开的一个发明点，由此解决了背景技术提及的技术问题二“对电脑机箱外壳检测的方式单一，导致不能准确地检测出电脑机箱外壳的状态，容易造成异常电脑机箱外壳流出”。容易造成异常电脑机箱外壳流出的因素往往如下：对电脑机箱外壳检测的方式单一，导致不能准确地检测出电脑机箱外壳的状态，容易造成异常电脑机箱外壳流出。如果解决了上述因素，就能达到减少异常电脑机箱外壳的流出的效果。为了达到这一效果，首先，控制相关联的移动检测设备对上述目标机箱的每一表面进行表面缺陷检测，以生成表面缺陷检测结果，得到表面缺陷检测结果组。由此，可以进一步检测目标机箱的各个表面是否存在缺陷。接着，可以确定每个表面缺陷检测结果是否存在对应的异常外壳图像识别结果。由此，可以通过两种检测结果判断目标机箱的表面是否存在异常。然后，确定每一表面缺陷检测结果是否存在对应的异常外壳图像识别结果。由此，可以判断模型检测的缺陷结果是否与表面缺陷检测结果的检测结果一致，便于准确地检测出电脑机箱外壳的状态。最后，响应于确定上述表面缺陷检测结果所表征的缺陷结果与上述异常外壳图像识别结果所表征的缺陷结果一致，将上述表面缺陷检测结果确定为异常表面缺陷检测结果。由此，可以通过两种方式同时检测电脑机箱外壳的状态，以提高对电脑机箱外壳检测的准确率，减少异常电脑机箱外壳的流出。
62.可选地，响应于确定上述表面缺陷检测结果所表征的缺陷结果与上述异常外壳图像识别结果所表征的缺陷结果不一致，将上述预先训练的外壳图像识别模型确定为待训练外壳图像识别模型。
63.在一些实施例中，上述执行主体可以应于确定上述表面缺陷检测结果所表征的缺陷结果与上述异常外壳图像识别结果所表征的缺陷结果不一致，将上述预先训练的外壳图像识别模型确定为待训练外壳图像识别模型。
64.可选地，获取机箱外壳的训练样本集。
65.在一些实施例中，上述执行主体可以通过有线连接或无线连接的方式从终端设备中获取机箱外壳的训练样本集。其中，上述训练样本集中的训练样本包括样本外壳图像和对应上述样本外壳图像的标签。这里，样本外壳图像可以包括但不限于：破损外壳图像、锈蚀外壳图像、凹陷外壳图像。这里，对应上述样本外壳图像的标签可以包括但不限于：对应破损外壳图像的标签、对应锈蚀外壳图像的标签、对应凹陷外壳图像的标签。这里，对应破损外壳图像的标签可以是表示外壳破损的文字。这里，对应锈蚀外壳图像的标签可以是表示外壳锈蚀的文字。这里，对应凹陷外壳图像的标签可以是表示外壳凹陷的文字。
66.可选地，根据上述训练样本集，对上述待训练外壳图像识别模型进行训练，得到训练完成的外壳图像识别模型作为新的外壳图像识别模型。
67.在一些实施例中，根据上述训练样本集，上述执行主体可以通过以下步骤对上述待训练外壳图像识别模型进行训练，得到训练完成的外壳图像识别模型作为新的外壳图像识别模型：
第一步，确定上述待训练外壳图像识别模型的网络结构。例如，需要确定待训练外壳图像识别模型包括哪些层，层与层之间的连接顺序关系，以及每层都包括哪些神经元，每个神经元对应的权重（weight）和偏置项（bias），每层的激活函数等等。
68.第二步，将上述训练样本集包括的各个样本外壳图像作为上述待训练外壳图像识别模型的输入，将上述训练样本集包括的各个对应上述样本外壳图像的标签作为上述待训练外壳图像识别模型的期望输出，利用深度学习方法训练上述待训练外壳图像识别模型。
69.第三步，将训练得到的上述待训练外壳图像识别模型确定为上述训练完成的外壳图像识别模型。
70.由此，可以对外壳图像识别模型进行迭代更新，以增强外壳图像识别模型对外壳图像识别的准确率。
71.步骤305，将所确定的各个异常表面缺陷检测结果发送至维修终端，以提醒维修人员对上述目标机箱外壳进行维修。
72.在一些实施例中，上述执行主体可以将所确定的各个异常表面缺陷检测结果发送至维修终端，以提醒维修人员对上述目标机箱外壳进行维修。这里，维修终端可以指显示异常的机箱外壳的计算设备。
73.从图3可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的流程300可以通过两种方式同时检测电脑机箱外壳的状态，以提高对电脑机箱外壳检测的准确率，减少异常电脑机箱外壳的流出。
74.进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种机箱外壳检测装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
75.如图4所示，一些实施例的机箱外壳检测装置400包括：控制单元401和识别单元402。其中，控制单元401，被配置成控制相关联的摄像装置拍摄目标机箱外壳的每一表面的外壳区域图像，得到外壳区域图像组，其中，上述外壳区域图像组中的外壳区域图像包括外壳灰度区域图像和对应上述外壳灰度图像的外壳点云区域图像；识别单元402，被配置成对于上述外壳区域图像组包括的每个外壳灰度区域图像，执行如下处理步骤：对上述外壳灰度区域图像中的目标外壳区域进行标注，以生成标注外壳灰度区域图像；对上述标注外壳灰度区域图像中的标注的目标外壳区域进行边缘检测处理，得到对应上述目标外壳区域的外壳轮廓；从上述外壳灰度区域图像中识别出上述外壳轮廓对应的外壳灰度轮廓图；基于上述外壳灰度轮廓图和对应上述外壳灰度区域图像的外壳点云区域图像，生成外壳点云轮廓图；将上述外壳点云轮廓图输入至预先训练的外壳图像识别模型中，得到外壳图像识别结果。
76.可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。
77.下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备（例如图1中的计算设备101）500的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda（个人数字助理）、pad（平板电脑）、pmp（便携式多媒体播放器）等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图5
示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
78.如图5所示，电子设备500可以包括处理装置（例如中央处理器、图形处理器等）501，其可以根据存储在只读存储器（rom）502中的程序或者从存储装置508加载到随机访问存储器（ram）503中的程序而执行各种适当的动作和处理。在ram 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、rom502以及ram 503通过总线504彼此相连。输入/输出（i/o）接口505也连接至总线504。
79.通常，以下装置可以连接至i/o接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器（lcd）、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
80.特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从rom502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。
81.需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、光纤、便携式紧凑磁盘只读存储器（cd-rom）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf（射频）等等，或者上述的任意合适的组合。
82.在一些实施方式中，客户端、服务器可以利用诸如http（hypertext transfer protocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“lan”），广域网（“wan”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网
络），以及任何当前已知或未来研发的网络。
83.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：控制相关联的摄像装置拍摄目标机箱外壳的每一表面的外壳区域图像，得到外壳区域图像组，其中，上述外壳区域图像组中的外壳区域图像包括外壳灰度区域图像和对应上述外壳灰度图像的外壳点云区域图像；对于上述外壳区域图像组包括的每个外壳灰度区域图像，执行如下处理步骤：对上述外壳灰度区域图像中的目标外壳区域进行标注，以生成标注外壳灰度区域图像；对上述标注外壳灰度区域图像中的标注的目标外壳区域进行边缘检测处理，得到对应上述目标外壳区域的外壳轮廓；从上述外壳灰度区域图像中识别出上述外壳轮廓对应的外壳灰度轮廓图；基于上述外壳灰度轮廓图和对应上述外壳灰度区域图像的外壳点云区域图像，生成外壳点云轮廓图；将上述外壳点云轮廓图输入至预先训练的外壳图像识别模型中，得到外壳图像识别结果。
84.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（lan）或广域网（wan）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
85.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
86.描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括控制单元和识别单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，控制单元还可以被描述为“控制相关联的摄像装置拍摄目标机箱外壳的每一表面的外壳区域图像，得到外壳区域图像组，其中，上述外壳区域图像组中的外壳区域图像包括外壳灰度区域图像和对应上述外壳灰度图像的外壳点云区域图像的单元”。
87.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（fpga）、专用集成电路（asic）、专用标准产品（assp）、片上系统（soc）、复杂可编程逻辑设备（cpld）等等。
88.以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。