[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

说明书

本发明公开了一种基于多光源表面图像的粗糙度等级预测方法及装置，所述方法包括：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。本发明结合了白光与激光的成像特点，可以更好地提取样品表面纹理特征，实现对样品表面粗糙度的精准检测，提高了粗糙度等级预测的准确率。

技术领域

本发明涉及图像分类和人工智能技术领域，特别涉及一种基于多光源表面图像的粗糙度等级预测方法及装置。

背景技术

检测样品表面粗糙度最准确的方法是触针法。而触针法虽然检测精度高，但是触针法在检测的过程中会在样品表面留下划痕，造成样品表面粗糙度发生变化。光学显微镜(原子力显微镜、共聚焦显微镜)由于其非接触、检测精度高和非破坏性的特点，而被用来高精度的粗糙度检测。但光学显微镜由于价格比较高，不利于工业上的应用。

近年来，随着机器学习和人工智能的发展，基于计算机视觉的粗糙度检测方法得到了快速的发展。基于计算机视觉的粗糙度检测方法主要分为传统的特征提取方法和深度学习方法两类。传统的特征提取的方法主要对获取的图片手工的提取出特征。手工提取特征的方法会受到人为因素的影响，不利于粗糙度的检测。深度学习的方法可以自动的提取图片中的特征信息，解决了人为因素的干扰，但目前现有技术中，尤其对同种加工方式下表面纹理相似的表面粗糙度检测，粗糙度成像高度特征不明显，造成检测精度较低。

发明内容

本发明提供了一种基于多光源表面图像的粗糙度等级预测方法及装置，以解决现有技术由于粗糙度成像高度特征不明显，造成检测精度较低的技术问题。

为解决上述技术问题，本发明提供了如下技术方案：

一方面，本发明提供了一种基于多光源表面图像的粗糙度等级预测方法，该基于多光源表面图像的粗糙度等级预测方法包括：

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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，所述分类网络为由全连接层构成的分类层。

另一方面，本发明还提供了一种基于多光源表面图像的粗糙度等级预测装置，该基于多光源表面图像的粗糙度等级预测装置包括：