[发明专利]一种激光投线仪的出射激光线检测方法

权利要求书

1.一种激光投线仪的出射激光线检测方法，其特征在于，包括以下步骤：

步骤S1、选取检测合格的激光投线仪作为标准投线仪，并将标准投线仪在多种环境特征下进行出射激光线的数据采集得到多个表征激光线出射特征的出射特征数据，以及获取表征特征环境的环境特征数据；

步骤S2、基于出射特征数据和环境特征数据进行神经网络的卷积训练得到表征出射特征和环境特征映射关系的出射预测模型；

步骤S3、对待检测激光投线仪进行出射光线的数据采集得到待检测出射特征数据，并将待检测激光投线仪的检测环境特征进行数据提取得到待检测环境特征数据，将待检测环境特征数据输入至出射预测模型得到预测出射特征数据；

步骤S4、将预测出射特征数据与待检测出射特征数据进行相似度量化得到待检测激光投线仪的质量评估值，并根据所述质量评估值对待检测激光投线仪进行质量评估和等级分类；

所述选取检测合格的激光投线仪作为标准投线仪，包括：

将检测环境设置为标准试验环境，将多个激光投线仪在标准试验环境下进行出射激光线的数据采集得到多个出射激光线图像，并依次在每个出射激光线图像中提取出激光线位置特征数据、激光线轮廓特征数据作为表征激光线出射特征的出射特征数据；

将多个激光投线仪按出射特征数据利用Kmeans++进行聚类分簇得到多组投线仪簇，并在多组投线仪簇内中选取包含激光投线仪数量最多的一组投线仪簇作为标准投线仪簇，将标准投线仪簇中的激光投线仪标记为标准投线仪；

所述将标准投线仪在多种环境特征下进行出射激光线的数据采集得到多个表征激光线出射特征的出射特征数据，包括：

将检测环境依次设置为多种实际使用环境，将标准投线仪在每个检测环境下进行出射激光线的数据采集得到多个出射激光线标准图像，并依次在每个出射激光线标准图像中提取出激光线位置特征数据、激光线轮廓特征数据作为标准投线仪的出射特征数据；

所述基于出射特征数据和环境特征数据进行神经网络的卷积训练得到表征出射特征和环境特征映射关系的出射预测模型，包括：

将环境特征数据作为BP神经网络的输入项，将出射特征数据作为BP神经网络的输出项，将BP神经网络基于所述输入项和输出项进行网络卷积训练得到所述出射预测模型，所述出射预测模型的模型表达式为：

；

式中，X为环境特征数据的模型标识符，S为出射特征数据的模型标识符，BP为BP神经网络的模型标识符。

2.根据权利要求1所述的一种激光投线仪的出射激光线检测方法，其特征在于：所述对待检测激光投线仪进行出射光线的数据采集得到待检测出射特征数据，包括：

设置检测环境为任一实际使用环境，对待检测激光投线仪在检测环境下进行出射激光线的数据采集得到待检测激光投线仪的出射激光线图像，并在待检测激光投线仪的出射激光线图像中提取出待检测激光投线仪的激光线位置特征数据、激光线轮廓特征数据作为待检测出射特征数据。

3.根据权利要求2所述的一种激光投线仪的出射激光线检测方法，其特征在于：所述将待检测激光投线仪的检测环境特征进行数据提取得到待检测环境特征数据，包括：

对待检测激光投线仪的任一实际使用环境进行检测环境特征的数据提取得到待检测环境特征数据。

4.根据权利要求3所述的一种激光投线仪的出射激光线检测方法，其特征在于，所述将预测出射特征数据与待检测出射特征数据进行相似度量化得到待检测激光投线仪的质量评估值，包括：

利用欧几里得距离计算出射特征数据与待检测出射特征数据的相似度，所述相似度量化公式为：

；

式中，J为预测出射特征数据与待检测出射特征数据的相似度，Y为预测出射特征数据的向量形式，Z为待检测出射特征数据的向量形式，|Y-Z|为Y与Z的欧几里得距离；

将出射特征数据与待检测出射特征数据的相似度作为待检测激光投线仪的质量评估值。