[发明专利]基于机器学习的激光除锈方法及装置在审
申请号: | 201811230398.2 | 申请日: | 2018-10-22 |
公开(公告)号: | CN109460782A | 公开(公告)日: | 2019-03-12 |
发明(设计)人: | 李婷;孙汉英;李本涖;钟翊铭;钟李朵;郑列文;吕鑫 | 申请(专利权)人: | 西安云鑫电子科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;H04L29/08;H04N7/18;B23K26/352 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 710065 陕西省西安市*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 除锈 激光处理参数 预处理图像 基于机器 激光 参数计算模型 待处理图像 控制激光器 机器学习算法 激光除锈装置 预处理 存储介质 电子终端 有效结合 学习 | ||
1.一种基于机器学习的激光除锈方法,其特征在于,包括:
获取待处理图像;
对所述待处理图像进行预处理以获取预处理图像;
利用已训练的参数计算模型对所述预处理图像进行处理以获取激光处理参数;
根据所述激光处理参数控制激光器进行除锈。
2.根据权利要求1所述的基于机器学习的激光除锈方法,其特征在于,在根据所述激光处理参数控制激光器进行除锈后,所述方法还包括:
获取所述待处理图像对应的当前图像;
对所述当前图像进行预处理以获取第二预处理图像;
对比所述预处理图像和第二预处理图像以获取除锈结果。
3.根据权利要求2所述的基于机器学习的激光除锈方法,其特征在于,所述方法还包括:
判断所述除锈结果是否满足预设条件;
在判断所述除锈结果满足所述预设条件时,结束除锈操作;或者
在判断所述除锈结果不满足所述预设条件时,利用所述已训练的参数计算模块对所述第二预处理图像进行处理以获取激光处理参数,以便于根据所述激光处理参数控制所述激光器进行除锈。
4.根据权利要求1所述的基于机器学习的激光除锈方法,其特征在于,训练所述参数计算模型,包括:
获取待处理锈蚀图像集合及对应的除锈结果图像集合;
对所述待处理锈蚀图像集合及对应的所述除锈结果图像集合中各图像进行灰度处理,并建立待处理锈蚀灰度图像与对应的除锈结果灰度图像的映射关系;
以所述待处理锈蚀图像集合及对应的所述除锈结果图像集合作为入参训练原始机器学习模型以获取参数计算模型。
5.根据权利要求1所述的基于机器学习的激光除锈方法,其特征在于,所述对所述待处理图像进行预处理以获取预处理图像包括:
对所述待处理图像进行灰度处理以得到预处理图像。
6.一种基于机器学习的激光除锈装置,其特征在于,包括:
图像采集模块,用于获取待处理图像;
图像处理模块,用于对所述待处理图像进行预处理以获取预处理图像;
参数计算模块,用于利用已训练的参数计算模型对所述预处理图像进行处理以获取激光处理参数;
操作执行模块,用于根据所述激光处理参数控制激光器进行除锈。
7.根据权利要求6所述的基于机器学习的激光除锈装置,其特征在于,所述装置还包括:
结果判断模块,用于判断所述除锈结果是否满足预设条件。
8.根据权利要求6所述的基于机器学习的激光除锈装置,其特征在于,所述装置还包括:
模型训练模块,用于获取待处理锈蚀图像集合及对应的除锈结果图像集合;对所述待处理锈蚀图像集合及对应的所述除锈结果图像集合中各图像进行灰度处理,并建立待处理锈蚀灰度图像与对应的除锈结果灰度图像的映射关系;以及以所述待处理锈蚀图像集合及对应的所述除锈结果图像集合作为入参训练原始机器学习模型以获取参数计算模型。
9.一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现根据权利要求1至7中任一项所述的基于机器学习的激光除锈方法。
10.一种电子终端,其特征在于,包括:
处理器;以及存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至7中任一项所述的基于机器学习的激光除锈方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安云鑫电子科技有限公司,未经西安云鑫电子科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811230398.2/1.html,转载请声明来源钻瓜专利网。