[发明专利]一种工业图像识别方法、装置、服务器及存储介质

权利要求书

1.一种工业图像识别方法，其特征在于，包括：

获取待识别的图像，所述图像的图像内容表征当前工业生产过程；

确定与所述当前工业生产过程处理的物体的当前属性匹配的预处理规则；根据所述预处理规则对所述图像进行预处理得到目标图像；

其中，若所述预处理规则为第一处理规则，所述第一处理规则为：图像均衡化法；

所述图像均衡化法具体为：

通过概率密度函数表示图像灰度级分布，所述概率密度函数为：

其中，Pr(r^k)为概率密度函数，r^k为离散灰度级，且0≤r^k≤1，k为像素灰度级数，像素灰度级在[0,1]之间，当像素灰度级数为0时，，表示所述图像的颜色为白，当像素灰度级数为1时，表示所述图像的颜色为黑，k＝0,1,2,...,n-1，n^k为图像中出现r^k灰度级的像素数，n为所述图像中的像素总数；

由公式(1)得到图像均衡化的函数，所述图像均衡化的函数的具体计算公式如下：

其中，S_i为所述图像均衡化的函数，，r^k为离散灰度级，且0≤r^k≤1，k为像素灰度级数数，k＝0,1,2,...,n-1，为概率中的频数，n^k为所述图像中出现r^k灰度级的像素数，n为所述图像中的像素总数；

对所述目标图像进行识别得到所述图像的识别结果，所述识别结果表征所述当前工业生产过程的生产状态；

所述对所述目标图像进行识别得到所述图像的识别结果，包括：

调用预训练的图像识别模型，所述图像识别模型是以待训练图像识别模型预测出的目标图像样本的生产状态趋近于所述目标图像样本的标定生产状态为训练目标对所述待训练图像识别模型进行训练得到的；

所述图像识别模型为新轻量级网络模型，其中，利用可分离卷积技术实现卷积层得到所述新轻量级网络模型；

将所述目标图像输入至所述图像识别模型得到所述图像的识别结果；

所述确定与所述当前工业生产过程处理的物体的当前属性匹配的预处理规则，包括：

获取所述当前工业生产过程处理的物体的当前属性；

检测所述物体的当前属性是否表征所述物体处于第一状态，所述第一状态为静态或固体离散状态；

若所述物体的当前属性表征所述物体处于所述第一状态，确定预处理规则为第一预处理规则；

若所述物体的当前属性表征所述物体不处于所述第一状态，检测所述物体的当前属性是否表征所述物体处于第二状态，所述第二状态为运动状态或流体连续状态；

若所述物体的当前属性表征所述物体处于所述第二状态，确定预处理规则为第二预处理规则；

所述第二预处理规则为光流法。

2.根据权利要求1所述的方法，其特征在于，所述待训练图像识别模型的模型结构由至少一层构成，所述至少一层包括：第一可分离卷积层、第一归一化层和第一激活层、第一最大池化层、第二可分离卷积层、第二归一化层和第二激活层、第二最大池化层、第三可分离卷积层、第三激活层、第四可分离卷积层、第四激活层、第五可分离卷积层、第三归一化层和第五激活层，以及全连接层。

3.根据权利要求2所述的方法，其特征在于，所述待训练图像识别模型预测目标图像样本的生产状态的过程包括：

将所述目标图像样本输入至所述第一可分离卷积层，并依次经过所述第一归一化层和第一激活层、第一最大池化层、第二可分离卷积层、第二归一化层和第二激活层、第二最大池化层、第三可分离卷积层、第三激活层、第四可分离卷积层、第四激活层、第五可分离卷积层、第三归一化层和第五激活层，以及全连接层预测得到所述目标图像样本的生产状态。

4.根据权利要求1所述的方法，其特征在于，还包括：：

确定待识别视频中最近预设数量个图像的识别结果；

检测所确定的识别结果中表征同一生产状态最多的目标识别结果；

将所述目标识别结果确定为所述预设数量个图像中每个所述图像的识别结果。