一种运用于AI电子秤的影像强光抑制运算系统的制作方法

一种运用于ai电子秤的影像强光抑制运算系统
技术领域
1.本发明涉及ai电子秤领域，具体为一种运用于ai电子秤的影像强光抑制运算系统。


背景技术：

2.电子秤是衡器的一种，是利用胡克定律或力的杠杆平衡原理测定物体质量的工具，按结构原理可分为机械秤、电子秤、机电结合秤三大类，ai电子秤是在称重的同时对电子秤的物品进行识别，实现了收银称重一体化，但是ai电子秤在识别物品过程中会受到外界光亮的干扰你，导致物品识别不准确或无法识别物品，为此，我们提出一种运用于ai电子秤的影像强光抑制运算系统。


技术实现要素：

3.本发明所要解决的技术问题在于ai电子秤在识别物品过程中会受到外界光亮的干扰你，导致物品识别不准确或无法识别物品。
4.本发明采用以下技术方案解决上述技术问题：提供了一种运用于ai电子秤的影像强光抑制运算系统，包括控制模块，所述控制模块的信号端口连接有图像采集模块、图像处理模块、物品匹配模块，其中：
5.所述控制模块用于处理图像采集模块、图像处理模块、物品匹配模块传回的信息，并做出回应；
6.所述图像采集模块用于拍摄称重物品；
7.所述图像处理模块用于处理图像采集模块拍摄的图像，使图像更加清晰；所述物品匹配模块用于读取图像的特征，并将读取的特征与原图像对比，判断所称量的物品种类；
8.所述控制模块通过电信号与图像采集模块相连接，所述图像采集模块和图像处理模块之间通过电信号相连接。
9.优选的，所述控制模块包括计算机和服务器，所述计算机和服务器之间通过网络信号连接。
10.优选的，所述图像采集模块包括摄像区块、照明灯区块，所述照明灯区块为调节亮度的lde灯，所述摄像区块与照明灯区块之间通过电线连接，所述摄像区块与照明灯区块均与计算机相连接。
11.优选的，所述图像处理模块包括抑光处理区块、清晰度增强区块(32)，所述抑光处理区块用于抑制强光点直接照射造成的光晕偏大，视频图像模糊，能自动分辨强光点，并对强光点附近区域进行补偿以获得更清晰的图像。
12.优选的，所述抑光处理区块为从图像采集模块中读取两组图像，并从两幅图像的相同位置读取灰度值，进行线性加权合成图像，具体步骤为：
13.一、获取两组源图像g1(x,y)和g2(x,y)；
14.二、计算图像的平均灰度值t；
15.三、输入tmin、tmax；
16.四、将t与输入的两个边界值比较，当t《tmin时权值a1＝{g1(x,y) g2(x,y)}/(4/tmin),a2＝1-a1；当t》tmax时，a2＝[256-(g1(x,y) g2(x,y))/2]/2(256-tmax)；a1＝1-a2，当t在tmin和tmax之间时a1＝a2＝0.5；
[0017]
五、输出合成图；
[0018]
所述tmin＝32；tmax＝192；所述平均灰度值计算公式为：t＝{g1(x,y) g2(x,y)}/2，所述a1、a2为g1(x,y)和g2(x,y)的权值。
[0019]
优选的，所述清晰度增强区块为通过计算机对抑光处理区块合成的图形进行处理，除去图形中的模糊部分使图形的特征更加明显，所述清晰度增强区块所使用的算法为神经网络算法。
[0020]
优选的，所述物品匹配模块(4)包括特征读取区块(41)、特征比对区块(42)，所述特征读取区块(41)用于读取图像中的显著图像特点，所述图像特点包括图像常用属性、图像基本特征、图像的统计特征、姿态估计问题。
[0021]
优选的，所述图像常用属性包括图像基本属性、色阶、颜色，所述基本属性包括图形亮度、对比度、色彩饱和度、清晰度，所述色阶包括曝光、高光、阴影，所述颜色包括色温色调，所述图像基本特征包括颜色特征、纹理特征、形状特征、空间关系特征，所述图像的统计特征包括直观性特征、会读统计特征、变换系数特征、代数特征。
[0022]
优选的，所述特征对比区块与服务器网络连接，所述特征比对区块是将特征读取区块中的图像特点与服务器存储的图像进行匹配，判断出图片内物品的种类，所述服务器内储存的信息包括图片特点，图像内产品名称，产品种类。
[0023]
与现有技术相比，本发明提供了一种运用于ai电子秤的影像强光抑制运算系统，具备以下有益效果：
[0024]
该一种运用于ai电子秤的影像强光抑制运算系统，通过摄像区块能够对称重物品进行拍摄，并将拍摄后的图像传送至计算机上，通过计算机可以调整照明灯区块的亮度，以保证摄像区块拍摄的图片的亮度，减少因外界两端变化对摄像区块拍摄的图像的影响，计算机接收到的图片会传送至图像处理模块上的抑光处理区块内进行处理，抑光处理区块根据公式t＝{g1(x,y) g2(x,y)}/2，计算出平均灰度值t，根据t的大小应用不同的公式计算出权值，然后根据权值合成图像，以抑制图片中的强光，使图片中的物品的特征更加凸显，方便特征读取区块读取图片特征，然后在对合成后的图像进行清晰度处理，以更显图像特征，然后通过特征读取区块读取图像的特征，然后通过特征比对区块将读取到的图像与服务器中的图像进形对比，以找到称重物品的具体信息，方便计算机对称重物品进行结算，本发明能够对图像中的强光进行抑制，降低明亮区域的曝光度，将强光部分弱化，使暗光部分变亮，达到光线平衡，使得到的图像更加清晰，使物品识别更加准确。
附图说明
[0025]
图1为本发明关系图。
[0026]
图中：1、控制模块；2、图像采集模块；21、摄像区块；22、照明灯区块；3、图像处理模块；31、抑光处理区块；32、清晰度增强区块；4、物品匹配模块；41、特征读取区块；42、特征比对区块。
具体实施方式
[0027]
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。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
[0028]
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0029]
此外，术语“水平”、“竖直”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
[0030]
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0031]
请参阅图1，一种运用于ai电子秤的影像强光抑制运算系统，包括控制模块1，控制模块1的信号端口连接有图像采集模块2、图像处理模块3、物品匹配模块4，其中：
[0032]
控制模块1用于处理图像采集模块2、图像处理模块3、物品匹配模块4传回的信息，并做出回应；
[0033]
图像采集模块2用于拍摄称重物品；
[0034]
图像处理模块3用于处理图像采集模块2拍摄的图像，使图像更加清晰；物品匹配模块4用于读取图像的特征，并将读取的特征与原图像对比，判断所称量的物品种类；
[0035]
控制模块1通过电信号与图像采集模块2相连接，图像采集模块2和图像处理模块3之间通过电信号相连接。
[0036]
本实施例中，控制模块1包括计算机和服务器，计算机和服务器之间通过网络信号连接。
[0037]
具体的，通过计算机能够方便强光抑制算法的计算，通过服务器能够方便图片特征的对比，方便物品的称量和结算。
[0038]
本实施例中，图像采集模块2包括摄像区块21、照明灯区块22，照明灯区块22为调节亮度的lde灯，摄像区块21与照明灯区块22之间通过电线连接，摄像区块21与照明灯区块22均与计算机相连接。
[0039]
具体的，通过摄像区块21能够对称重物品进行拍摄，并将拍摄后的图像传送至计算机上，通过计算机可以调整照明灯区块22的亮度，以保证摄像区块21拍摄的图片的亮度。
[0040]
本实施例中，图像处理模块3包括抑光处理区块31、清晰度增强区块32，抑光处理区块31用于抑制强光点直接照射造成的光晕偏大，视频图像模糊，能自动分辨强光点，并对
强光点附近区域进行补偿以获得更清晰的图像。
[0041]
抑光处理区块31为从图像采集模块2中读取两组图像，并从两幅图像的相同位置读取灰度值，进行线性加权合成图像，具体步骤为：
[0042]
一、获取两组源图像g1(x,y)和g2(x,y)；
[0043]
二、计算图像的平均灰度值t；
[0044]
三、输入tmin、tmax；
[0045]
四、将t与输入的两个边界值比较，当t《tmin时权值a1＝{g1(x,y) g2(x,y)}/(4/tmin),a2＝1-a1；当t》tmax时，a2＝[256-(g1(x,y) g2(x,y))/2]/2(256-tmax)；a1＝1-a2，当t在tmin和tmax之间时a1＝a2＝0.5；
[0046]
五、输出合成图；
[0047]
tmin＝32；tmax＝192；平均灰度值计算公式为：t＝{g1(x,y) g2(x,y)}/2，a1、a2为g1(x,y)和g2(x,y)的权值。
[0048]
具体的，计算机接收到的图片会传送至图像处理模块3上的抑光处理区块31内进行处理，抑光处理区块31根据公式t＝{g1(x,y) g2(x,y)}/2，计算出平均灰度值t，根据t的大小应用不同的公式计算出权值，然后根据权值合成图像，以抑制图片中的强光，使图片中的物品的特征更加凸显，方便读取图片特征。
[0049]
本实施例中，清晰度增强区块32为通过计算机对抑光处理区块31合成的图形进行处理，除去图形中的模糊部分使图形的特征更加明显，清晰度增强区块32所使用的算法为神经网络算法。
[0050]
具体的，通过清晰度增强区块32能对合成后的图像进行清晰度处理，以更显图像特征。
[0051]
本实施例中，物品匹配模块4包括特征读取区块41、特征比对区块42，特征读取区块4用于读取图像中的显著图像特点，图像特点包括图像常用属性、图像基本特征、图像的统计特征、姿态估计问题。
[0052]
图像常用属性包括图像基本属性、色阶、颜色，基本属性包括图形亮度、对比度、色彩饱和度、清晰度，色阶包括曝光、高光、阴影，颜色包括色温色调，图像基本特征包括颜色特征、纹理特征、形状特征、空间关系特征，图像的统计特征包括直观性特征、会读统计特征、变换系数特征、代数特征。
[0053]
具体的，通过特征读取区块41能够将重新生成的图片的详细特征读取出料，使图片的特征具体的显现出料，使图片的特征以数据的形式显示出来，方便数据的后续对比。
[0054]
本实施例中，特征对比区块42与服务器网络连接，特征比对区块42是将特征读取区块41中的图像特点与服务器存储的图像进行匹配，判断出图片内物品的种类，服务器内储存的信息包括图片特点，图像内产品名称，产品种类。
[0055]
具体的，通过特征读取区块41能读取图像的特征，然后通过特征比对区块42将读取到的图像与服务器中的图像进形对比，以找到称重物品的具体信息，方便计算机对称重物品进行结算。
[0056]
需要说明的是，通过摄像区块21能够对称重物品进行拍摄，并将拍摄后的图像传送至计算机上，通过计算机可以调整照明灯区块22的亮度，以保证摄像区块21拍摄的图片的两端，计算机接收到的图片会传送至图像处理模块3上的抑光处理区块31内进行处理，抑
光处理区块31根据公式t＝{g1(x,y) g2(x,y)}/2，计算出平均灰度值t，根据t的大小应用不同的公式计算出权值，然后根据权值合成图像，以抑制图片中的强光，然后在对合成后的图像进行清晰度处理，以更显图像特征，然后通过特征读取区块41读取图像的特征，然后通过将读取到的图像与服务器中的图像进项对比已找到称重物品的具体信息，然后根据称重物品的重量计算出购买物品的总价，方便计算机进行结算。
[0057]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0058]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。