(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111451764.9 (22)申请日 2021.12.01 (71)申请人 安徽信息 工程学院 地址 241000 安徽省芜湖市湾沚区永和路1 号 (72)发明人 李梦　张振东　杨晓琪　崔雨杰　 赵心地　 (74)专利代理 机构 芜湖创启知识产权代理事务 所(普通合伙) 34181 代理人 周锟 (51)Int.Cl. G06V 10/74(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01)G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种监督学习算法图像融合的零件分类方 法、 系统 (57)摘要 本发明实施例提供一种监督学习算法图像 融合的零件分类方法、 系统， 包括： 获取待分类处 理的零件对应的预处理图像和该零件的标准模 板图像； 确定反映预处理图像与标准模板图像的 灰度匹配关系对应的灰度匹配结果和几何匹配 关系对应的几何匹配结果； 获取利用K ‑means聚 类算法在先处理得到的零件归类相关的分类模 型； 其中， 分类模型被配置为以灰度匹配结果与 几何匹配结果为输入， 且以零件的分类结果为输 出； 以及根据分类模型确定与几何匹配结果和几 何匹配结果对应的待分类处理的零件的分类结 果。 本发明可以建立多模板匹配的图像处理机 制， 更全面准确的获得被测对象的轮廓特征， 且 能够实现零件的聚类分类 。 权利要求书2页 说明书8页 附图5页 CN 114140628 A 2022.03.04 CN 114140628 A 1.一种监督学习算法图像融合的零件分类方法， 其特征在于， 所述监督学习算法图像 融合的零件分类方法包括： 获取待分类处 理的零件 对应的预处 理图像和该零件的标准模板图像； 确定反映所述预处理图像与所述标准模板图像的灰度匹配关系对应的灰度匹配结果 和几何匹配关系对应的几何匹配结果； 获取利用K ‑means聚类算法在先处理得到的零件归类相关的分类模型； 其中， 所述分类 模型被配置为以所述灰度匹配结果与几何匹配结果为输入， 且以零件的分类结果为输出； 以及 根据所述分类模型确定与所述几何匹配结果和所述几何匹配结果对应的待分类处理 的零件的分类结果。 2.根据权利要求1所述的监督学习算法图像融合的零件分类方法， 其特征在于， 所述标 准模板图像的获取 方法包括： 获取模板零件的原 始图像； 以及 对所述原始图像依次进行灰度化处理、 二值化处理以及降噪处理， 以获得所述标准模 板图像。 3.根据权利要求1所述的监督学习算法图像融合的零件分类方法， 其特征在于， 所述确 定反映所述预处 理图像与所述标准模板图像的灰度匹配关系对应的灰度匹配结果包括： 获取所述预处 理图像与所述标准模板图像中相应区域的当前归一 化相关值； 根据预设定的归一化相关值与灰度匹配结果的对应关系， 确定当前归一化相关值相对 应的当前 灰度匹配结果。 4.根据权利要求1所述的监督学习算法图像融合的零件分类方法， 其特征在于， 确定反 映所述预处 理图像与所述标准模板图像的几何匹配关系对应的几何匹配结果包括： 获取所述标准模板图像的边缘曲线及其对应的各边缘像素， 计算所述各边缘像素的灰 度梯度方向角， 将所有具有相同的梯度方向角的边缘像素对应的极坐标归为一组构成标准 模板图像的梯度表； 以及 从所述梯度表中索引具有所述预处理图像的梯度角度值的边缘像素相对中心点的极 坐标， 计算匹配区域的中心 坐标， 选择所述预 处理图像相对于的匹配区域， 获取所述预 处理 图像与所述标准模板图像的几何匹配结果。 5.一种监督学习算法图像融合的零件分类系统， 其特征在于， 所述监督学习算法图像 融合的零件分类系统包括： 图像获取单元， 用于获取待分类处理 的零件对应的预处理图像和该零件的标准模板图 像； 匹配结果确定单元， 用于确定反映所述预处理图像与 所述标准模板图像的灰度匹配关 系对应的灰度匹配结果和几何匹配关系对应的几何匹配结果； 模型获取单元， 用于获取利用K ‑means聚类算法在先处理得到的零件归类相 关的分类 模型； 其中， 所述分类模型被配置为以所述灰度匹配结果与几何匹配结果为输入， 且以零件 的分类结果 为输出； 以及 结果确定单元， 用于根据所述分类模型确定与 所述几何匹配结果和所述几何匹配结果 对应的待分类处 理的零件的分类结果。权　利　要　求　书 1/2 页 2 CN 114140628 A 26.根据权利要求5所述的监督学习算法图像融合的零件分类系统， 其特征在于， 所述图 像获取单元包括： 原始图像获取模块， 用于获取模板零件的原 始图像； 以及 图像处理模块， 用于对所述原始图像依次进行灰度化处理、 二值化处理以及降噪处理， 以获得所述标准模板图像。 7.根据权利要求5所述的监督学习算法图像融合的零件分类系统， 其特征在于， 所述匹 配结果确定单元用于确定反 映所述预处理图像与所述标准模板图像的灰度匹配关系对应 的灰度匹配结果包括： 归一化相关值获取模块， 用于获取所述预处理图像与 所述标准模板图像中相应区域的 当前归一 化相关值； 匹配结果确定模块， 用于根据预设定的归一化相关值与灰度匹配结果的对应关系， 确 定当前归一 化相关值相对应的当前 灰度匹配结果。 8.根据权利要求5所述的监督学习算法图像融合的零件分类系统， 其特征在于， 所述匹 配结果确定单元用于确定反 映所述预处理图像与所述标准模板图像的几何匹配关系对应 的几何匹配结果包括： 梯度表构成单元， 用于获取所述标准模板 图像的边缘曲线及其对应的各边缘像素， 计 算所述各边缘像素的灰度梯度方向角， 将所有具有相同的梯度方向角的边缘像素对应的极 坐标归为 一组构成标准模板图像的梯度表； 以及 匹配结果获取单元， 用于从所述梯度表中索引具有所述预处理图像的梯度角度值的边 缘像素相对中心点的极坐标， 计算匹配区域的中心坐标， 选择所述预处理图像相对于的匹 配区域， 获取 所述预处 理图像与所述标准模板图像的几何匹配结果。 9.一种机器可读存储介质， 该机器可读存储介质上存储有指令， 其特征在于， 该指令用 于使得机器执行上述权利要求 1‑4中任意一项 所述的监督学习算法图像融合的零件分类方 法。 10.一种处理器， 其特征在于， 用于运行程序， 其中， 所述程序被运行时用于执行： 如上 述权利要求1 ‑4中任意一项所述的监 督学习算法图像融合的零件分类方法。权　利　要　求　书 2/2 页 3 CN 114140628 A 3