[发明专利]一种基于多光源表面图像的粗糙度等级预测方法及装置

权利要求书

1.一种基于多光源表面图像的粗糙度等级预测方法，其特征在于，包括：

获取待测样品的第一表面图像和第二表面图像；其中，所述第一表面图像为在白光光源下拍摄的图像，所述第二表面图像为在激光光源下拍摄的图像；

利用第一特征提取网络提取所述第一表面图像的特征，得到第一特征信息；利用第二特征提取网络提取所述第二表面图像的特征，得到第二特征信息；

将所述第一特征信息和所述第二特征信息进行融合，得到融合特征信息；

将所述融合特征信息输入分类网络，得到所述待测样品的表面粗糙度等级。

2.如权利要求1所述的基于多光源表面图像的粗糙度等级预测方法，其特征在于，所述获取待测样品的第一表面图像和第二表面图像，包括：

保持待测样品的位置不变，分别使用白光和激光垂直打在所述待测样品表面的同一位置上，并对白光下的待测样品和激光下的待测样品的表面同一位置分别进行拍摄，以得到待测样品表面同一位置的第一表面图像和第二表面图像。

3.如权利要求1所述的基于多光源表面图像的粗糙度等级预测方法，其特征在于，所述第一特征提取网络和第二特征提取网络均为链式通道注意力网络。

4.如权利要求1所述的基于多光源表面图像的粗糙度等级预测方法，其特征在于，将所述第一特征信息和所述第二特征信息进行融合，包括：

将所述第一特征信息和所述第二特征信息使用concat的形式进行融合。

5.如权利要求1所述的基于多光源表面图像的粗糙度等级预测方法，其特征在于，所述分类网络为由全连接层构成的分类层。

6.一种基于多光源表面图像的粗糙度等级预测装置，其特征在于，包括：

样品表面图像获取模块，用于获取待测样品的第一表面图像和第二表面图像；其中，所述第一表面图像为在白光光源下拍摄的图像，所述第二表面图像为在激光光源下拍摄的图像；

特征提取模块，用于利用第一特征提取网络提取所述样品表面图像获取模块获取的第一表面图像的特征，得到第一特征信息；利用第二特征提取网络提取所述样品表面图像获取模块获取的第二表面图像的特征，得到第二特征信息；

特征信息融合模块，用于将所述特征提取模块提取的第一特征信息和第二特征信息进行融合，得到融合特征信息；

表面粗糙度等级预测模块，用于将所述特征信息融合模块输出的融合特征信息输入分类网络，得到所述待测样品的表面粗糙度等级。

7.如权利要求6所述的基于多光源表面图像的粗糙度等级预测装置，其特征在于，所述样品表面图像获取模块具体用于：

保持待测样品的位置不变，分别使用白光和激光垂直打在所述待测样品表面的同一位置上，并对白光下的待测样品和激光下的待测样品的表面同一位置分别进行拍摄，以得到待测样品表面同一位置的第一表面图像和第二表面图像。

8.如权利要求6所述的基于多光源表面图像的粗糙度等级预测装置，其特征在于，所述第一特征提取网络和第二特征提取网络均为链式通道注意力网络。

9.如权利要求6所述的基于多光源表面图像的粗糙度等级预测装置，其特征在于，所述特征信息融合模块具体用于：

将所述第一特征信息和所述第二特征信息使用concat的形式进行融合。

10.如权利要求6所述的基于多光源表面图像的粗糙度等级预测装置，其特征在于，所述分类网络为由全连接层构成的分类层。