[发明专利]一种立体图像采集装置

权利要求书

1.一种立体图像采集装置，其特征在于，包括依次连接的CCD相机(100)、图像预处理模块(200)、图像分割模块(300)、特征抽取模块(400)、数据预处理模块(500)、神经网络学习模块(600)以及神经网络检测模块(700)；

所述CCD相机(100)用于获取产品的原始图像，并发送至所述图像预处理模块(200)；

所述图像预处理模块(200)用于对所述CCD相机(100)获取到的原始图像进行灰度级修正处理和噪声平滑处理，并发送至所述图像分割模块(300)；

所述图像分割模块(300)用于对修正、平滑处理后的图像进行分割，并发送至所述特征抽取模块(400)；

所述特征抽取模块(400)用于对分割后的图像的灰度进行度量，产生相应的特征向量，并发送至所述数据预处理模块(500)；

所述数据预处理模块(500)用于将特征向量归一化到0至1之间，并输入至所述神经网络学习模块(600)；

所述神经网络学习模块(600)用于根据原始图像获取归一化后的特征向量，并生成相应的输入网络模式；

所述神经网络检测模块(700)用于对输入网络模式进行识别和分类，以区分合格产品和不合格产品。

2.根据权利要求1所述的立体图像采集装置，其特征在于，还包括伺服机械手(800)；所述伺服机械手(800)连接所述数据预处理模块(500)，用于接收归一化到0至1之间后的特征向量；所述伺服机械手(800)还连接所述CCD相机(100)，用于根据接收到的特征向量控制所述CCD相机(100)的拍摄角度。

3.根据权利要求1所述的立体图像采集装置，其特征在于，所述图像分割模块(300)用于根据阈值分割法对修正、平滑处理后的图像进行分割；其中，图像分割模块(300)先根据修正、平滑处理后的图像选取相应的灰度级阈值，再将修正、平滑处理后的图像中的每个像素灰度和灰度级阈值进行比较，并在像素灰度高于阈值时分配以最大灰度，在像素灰度低于阈值时分配以最小灰度，从而形成相应的二值图像，实现图像分割。

4.根据权利要求3所述的基于检测产品特性的图像处理与检测系统，其特征在于，所述特征抽取模块(400)用于从二值图像和原始图像中抽取相关于灰度信息的特征，并生成相应的矩形区域，然后从矩形区域中提取背景光亮度值和矩形区域光斑的大小，产生相应的特征向量，并发送至所述数据预处理模块(500)。

5.根据权利要求1至4中任一项所述的基于检测产品特性的图像处理与检测系统，其特征在于，所述数据预处理模块(500)用于根据S函数将特征向量归一化到0至1之间，并输入至所述神经网络学习模块(600)；其中，S函数为f(x)＝1/(1+e^-x)。

6.根据权利要求1至4中任一项所述的基于检测产品特性的图像处理与检测系统，其特征在于，所述神经网络学习模块(600)用于根据原始图像获取归一化后的特征向量确定BP神经网络的最佳结构，其中，确定BP神经网络的最佳结构的方式为依次确定输入层节点数、输出层节点数以及隐含层节点数；

所述神经网络学习模块(600)还用于根据确定的输入层节点数、输出层节点数以及隐含层节点数生成相应的输入网络模式。

7.根据权利要求6所述的基于检测产品特性的图像处理与检测系统，其特征在于，在所述BP神经网络的最佳结构中，特征向量为4维，输入层节点数为4个，隐含层节点数估算方法为

其中，N_H为最佳隐含层节点数；N_I为输入层节点数；N_O为输出层节点数；N_P为训练样本数。

8.根据权利要求6所述的基于检测产品特性的图像处理与检测系统，其特征在于，在所述BP神经网络的最佳结构中，还根据反向传播法来产生新的权值和阈值，所述反向传播法为：

ΔW(k+1)＝(1-mc)·α+mc·ΔW(k)；

Δθ(k+1)＝(1-mc)·d+mc·Δθ(k)；

其中，ΔW为新的权值，Δθ为新的阈值，α、d分别为系数，k为训练次数，mc为动量因子。