【技術實現步驟摘要】
本專利技術涉及智能制造，尤其涉及一種線陣相機圖像拉伸矯正方法及裝置。
技術介紹
1、目前，在鋼板生產領域中，基于工業相機成像的金屬表面缺陷檢測系統已經得到了廣泛應用。工業相機主要分為線陣相機和面陣相機，線陣相機有著采集速度快，分辨率高，持續采集等優點。因此采用將線陣相機固定在鋼板上下表面進行數據采集的方式，然而由于鋼板運動速度不均勻，相機以固定幀率采集會使得與鋼板速度不匹配，導致采集到的金屬圖像在運動方向上存在拉伸問題，而圖像拉伸給后續的缺陷目標檢測和自動化缺陷處理帶來了很大的困難。
技術實現思路
1、本專利技術的目的就在于為了解決上述至少一個技術問題而提供一種線陣相機圖像拉伸矯正方法及裝置。
2、第一方面，本專利技術實施例提供了一種線陣相機圖像拉伸矯正方法，包括：基于線陣相機，獲取待矯正金屬表面圖像；所述待矯正金屬表面圖像為被非均勻拉伸的圖像；將所述待矯正金屬表面圖像進行圖像切片，得到多個待矯正切片；基于訓練好的圖像分類模型，分別對所述多個待矯正切片進行識別，得到每個待矯正切片對應的拉伸率；基于所述每個待矯正切片對應的拉伸率，分別對對應的待矯正切片進行插值拉伸矯正，得到多個矯正之后的切片；將所述多個矯正之后的切片進行拼接，得到所述待矯正金屬表面圖像對應的拉伸矯正后的金屬表面圖像。
3、進一步地，還包括：對預設圖像分類模型進行訓練，得到所述訓練好的圖像分類模型；所述預設圖像分類模型為深度學習模型。
4、進一步地，對預設圖像分類模型進行訓練，得到所
5、進一步地，基于所述不同拉伸率對應的圖像數據，得到訓練集和驗證集，包括：分別對不同拉伸率對應的圖像數據進行圖像切片，得到不同拉伸率對應的圖像切片集；所述圖像切片集中的圖像切片尺寸與所述待矯正切片的尺寸相同；將所述圖像切片集按照預設比例，劃分得到所述訓練集和所述驗證集。
6、進一步地，所述預設圖像分類模型包括resnet-18網絡模型。
7、第二方面，本專利技術實施例還提供了一種線陣相機圖像拉伸矯正裝置，包括：獲取模塊，切片模塊，識別模塊，矯正模塊和拼接模塊；其中，所述獲取模塊，用于基于線陣相機，獲取待矯正金屬表面圖像；所述待矯正金屬表面圖像為被非均勻拉伸的圖像；所述切片模塊，用于將所述待矯正金屬表面圖像進行圖像切片，得到多個待矯正切片；所述識別模塊，用于基于訓練好的圖像分類模型，分別對所述多個待矯正切片進行識別，得到每個待矯正切片對應的拉伸率；所述矯正模塊，用于基于所述每個待矯正切片對應的拉伸率，分別對對應的待矯正切片進行插值拉伸矯正，得到多個矯正之后的切片；所述拼接模塊，用于將所述多個矯正之后的切片進行拼接，得到所述待矯正金屬表面圖像對應的拉伸矯正后的金屬表面圖像。
8、進一步地，還包括：訓練模塊，用于對預設圖像分類模型進行訓練，得到所述訓練好的圖像分類模型；所述預設圖像分類模型為深度學習模型。
9、進一步地，所述訓練模塊，還用于：選擇過鋼圖像中均勻分布的數據作為原始數據；對所述原始數據進行圖像預處理，得到原始圖像；所述圖像預處理包括：去除背景干擾，鏡像；將所述原始圖像按照不同倍率拉伸，得到不同拉伸率對應的圖像數據；基于所述不同拉伸率對應的圖像數據，得到訓練集和驗證集；基于所述訓練集對預設圖像分類模型進行訓練，得到所述訓練好的圖像分類模型；基于所述驗證集，對所述訓練好的圖像分類模型進行驗證。
10、第三方面，本專利技術實施例還提供了一種電子設備，包括：存儲器、處理器和存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如上述第一方面所述的方法。
11、第四方面，本專利技術實施例還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令被處理器執行時實現如上述第一方面所述的方法。
12、本專利技術提供一種線陣相機圖像拉伸矯正方法及裝置，考慮到由于速度的變化，拉伸率會很快變化，因此對原始圖像進行切片處理，然后對切片在小范圍檢測拉伸率，可以有效處理速度變化較快的情況。本專利技術能夠處理因速度不均導致線陣相機圖像拉伸問題，且泛化性較好，效率高。
本文檔來自技高網...【技術保護點】
1.一種線陣相機圖像拉伸矯正方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，還包括：對預設圖像分類模型進行訓練，得到所述訓練好的圖像分類模型；所述預設圖像分類模型為深度學習模型。
3.根據權利要求2所述的方法，其特征在于，對預設圖像分類模型進行訓練，得到所述訓練好的圖像分類模型，包括：
4.根據權利要求3所述的方法，其特征在于，基于所述不同拉伸率對應的圖像數據，得到訓練集和驗證集，包括：
5.根據權利要求2所述的方法，其特征在于，所述預設圖像分類模型包括ResNet-18網絡模型。
6.一種線陣相機圖像拉伸矯正裝置，其特征在于，包括：獲取模塊，切片模塊，識別模塊，矯正模塊和拼接模塊；其中，
7.根據權利要求6所述的裝置，其特征在于，還包括：訓練模塊，用于對預設圖像分類模型進行訓練，得到所述訓練好的圖像分類模型；所述預設圖像分類模型為深度學習模型。
8.根據權利要求7所述的裝置，其特征在于，所述訓練模塊，還用于：
9.一種電子設備，其特征在于，包括：存儲器、處理器和存
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令被處理器執行時實現如權利要求1-5任一項所述的方法。
...【技術特征摘要】
1.一種線陣相機圖像拉伸矯正方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，還包括：對預設圖像分類模型進行訓練，得到所述訓練好的圖像分類模型；所述預設圖像分類模型為深度學習模型。
3.根據權利要求2所述的方法，其特征在于，對預設圖像分類模型進行訓練，得到所述訓練好的圖像分類模型，包括：
4.根據權利要求3所述的方法，其特征在于，基于所述不同拉伸率對應的圖像數據，得到訓練集和驗證集，包括：
5.根據權利要求2所述的方法，其特征在于，所述預設圖像分類模型包括resnet-18網絡模型。
6.一種線陣相機圖像拉伸矯正裝置，其特征在于，包括：獲取模塊，切片模塊...
【專利技術屬性】
技術研發人員：周鵬，李佳成，崔勇，胡云慶，顧畔，任曉，顧君斌，
申請(專利權)人：北京科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。