【技術實現步驟摘要】
本專利技術涉及數據處理，特別是指一種點膠機運行狀態實時監測方法及系統。
技術介紹
1、在預測點膠機運行狀態方面，傳統技術中的閾值判斷方法雖然簡單易行，但確實存在一些局限性和挑戰，可能影響其準確性和泛化能力。具體來說：
2、首先，閾值判斷方法通常側重于對單個特征的評估，可能未能全面考慮多個特征之間的相互作用和關聯。在實際應用中，點膠機的運行狀態往往受多個特征共同影響，而這些特征之間的關聯性對于準確評估運行狀態至關重要。因此，僅依賴單個特征的閾值判斷可能無法全面反映點膠機的真實狀態。
3、其次，點膠機在運行過程中可能會受到各種因素的影響，導致其狀態發生動態變化。閾值判斷方法基于固定的閾值進行判定，可能難以靈活應對這種變化。
技術實現思路
1、本專利技術要解決的技術問題是提供一種點膠機運行狀態實時監測方法及系統，可以提高預測精度和可靠性。
2、為解決上述技術問題，本專利技術的技術方案如下：
3、第一方面，一種點膠機運行狀態實時監測方法，所述方法包括：
4、將攝像頭的參數空間映射為對應的搜索空間，每個螞蟻將根據自己的位置和移動規則在解空間中搜索；
5、每只螞蟻根據當前位置的信息素濃度和啟發式信息選擇下一個位置，在每個新位置上，通過評估函數評估攝像頭的影像捕獲質量；
6、在所有螞蟻完成一次搜索后，根據各自對應的表現更新全局信息素分布，進行多次迭代，直到達到預設的迭代次數，以得到最終配置的攝像頭參數，以使攝像頭
7、從點膠影像中提取關鍵特征，并將關鍵特征與預定拓撲數據中的特征進行匹配，以得到匹配結果；
8、根據匹配結果，計算匹配特征之間的相似度得分，根據相似度得分，將點膠機的運行狀態進行分類，以得到分類結果；
9、將分類結果連同對應的點膠影像、關鍵特征和相似度得分保存為數據集；
10、使用數據集對預測模型進行訓練，以得到訓練后的預測模型；
11、根據訓練后的預測模型，以及實時捕獲的點膠影像，預測點膠機的實時的運行狀態。
12、進一步的，每只螞蟻代表一組配置的攝像頭參數。
13、進一步的，每只螞蟻根據當前位置的信息素濃度和啟發式信息選擇下一個位置，包括：
14、對于每只螞蟻，遍歷當前位置的所有相鄰位置，對于每個相鄰位置，計算其概率，其中，概率的計算公式為：
15、；
16、其中，表示螞蟻從當前位置移動到相鄰位置的選擇概率；表示從位置到位置的信息素濃度；表示從位置到位置的信息素濃度；和表示啟發式信息；、和表示權重；和表示環境因子；表示當前位置的所有相鄰位置集合，其中，，是位置在過去迭代中被選擇的頻率，是所有相鄰位置中的最大選擇頻率；，是位置在過去迭代中被選擇的頻率；表示當前螞蟻所在的位置；表示螞蟻從當前位置選擇的下一個位置；表示在當前位置的所有相鄰位置的一個特定位置；，表示從位置到位置的電源消耗；表示所有相鄰路徑中環境條件度量的最大值；，表示從位置到位置的電源消耗；
17、根據概率，選擇一個相鄰位置作為螞蟻的下一個移動目標。
18、進一步的，評估函數的計算公式為：
19、；
20、其中，表示在位置上的影像捕獲質量評分；表示在位置上的圖像分辨率；表示在位置上的對比度；表示在位置上的色彩飽和度；表示系數。
21、進一步的，從點膠影像中提取關鍵特征，包括：
22、對捕獲的點膠影像進行預處理，以得到預處理后影像；
23、使用sobel算子計算預處理后影像中每個像素點的梯度強度和方向，梯度強度表示像素點處邊緣的可能性，梯度方向表示邊緣的方向；
24、沿著梯度方向，比較當前像素點的梯度強度與其相鄰像素點的梯度強度；
25、將梯度強度高于第一閾值的像素點標記為確定邊緣，將梯度強度低于第二閾值的像素點丟棄；對于梯度強度位于兩個第一閾值和第二閾值之間的像素點，如果與確定邊緣相連，則將其視為邊緣，否則丟棄；
26、根據邊緣，在二值化的邊緣圖像上搜索輪廓，并篩選出代表點膠點的輪廓；
27、根據點膠點的輪廓，在預處理后影像上檢測關鍵點；
28、將關鍵點周圍的區域劃分為若干個子區域，對于每個子區域內的像素，計算其梯度方向和梯度幅值；
29、根據梯度方向和梯度幅值，為每個子區域構建一個梯度直方圖，將所有子區域的梯度直方圖拼接起來，形成一個長向量，所述長向量被用作關鍵點的特征描述子，以表示關鍵點的關鍵特征。
30、進一步的，將關鍵特征與預定拓撲數據中的特征進行匹配，以得到匹配結果，包括：
31、遍歷當前圖像中的每個關鍵特征，計算當前關鍵特征與預定特征之間的歐式距離；
32、將歐式距離存儲在一個距離矩陣中，矩陣的行代表當前圖像的關鍵特征，列代表預定特征集中的特征；
33、對于距離矩陣中的每一行，找出歐式距離對應的列索引，列索引指示了預定特征集中與當前關鍵特征匹配的特征；
34、根據列索引，將當前圖像的關鍵特征與預定拓撲數據中的特征建立匹配對，其中，每個匹配對包含當前圖像中的一個關鍵特征和預定特征集中與之匹配的特征。
35、進一步的，根據匹配結果，計算匹配特征之間的相似度得分，包括：
36、從匹配對中分別提取出當前圖像的特征向量和預定拓撲數據的特征向量；
37、為每個維度的特征分配一個權重，設w是權重向量，則加權點積計算為：
38、，其中，是第個特征的權重，和分別是當前圖像的特征向量和預定拓撲數據的特征向量的第個元素；
39、計算加權模長，加權模長計算為：
40、；
41、；
42、將加權點積除以兩個加權模長的乘積，得到相似度得分：
43、；
44、其中，表示加權點積；表示交互項，；表示相似度得分；表示特征的維度總數；表示偏差項；表示第個特征和第個特征之間的交互權重；表示調節系數；表示正則化參數；表示自然對數的底；是當前圖像的特征向量的第個元素；和表示索引。
45、第二方面，一種點膠機運行狀態實時監測系統，應用于所述的方法中，包括：
46、搜索模塊，用于將攝像頭的參數空間映射為對應的搜索空間，每個螞蟻將根據自己的位置和移動規則在解空間中搜索；每只螞蟻根據當前位置的信息素濃度和啟發式信息選擇下一個位置，在每個新位置上，通過評估函數評估攝像頭的影像捕獲質量；
47、處理模塊，用于在所有螞蟻完成一次搜索后，根據各自對應的表現更新全局信息素分布，進行多次迭代，直到達到預設的迭代次數，以得到最終配置的攝像頭參數，以使攝像頭根據最終配置的攝像頭參數，捕獲黏膠點在基板上形成的點膠影像；
48、匹配模塊，用于從點膠影像中提取關鍵特征，并將關鍵特征與預本文檔來自技高網...
【技術保護點】
1.一種點膠機運行狀態實時監測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的一種點膠機運行狀態實時監測方法，其特征在于，每只螞蟻代表一組配置的攝像頭參數。
3.根據權利要求2所述的一種點膠機運行狀態實時監測方法，其特征在于，每只螞蟻根據當前位置的信息素濃度和啟發式信息選擇下一個位置，包括：
4.根據權利要求3所述的一種點膠機運行狀態實時監測方法，其特征在于，評估函數的計算公式為：
5.根據權利要求4所述的一種點膠機運行狀態實時監測方法，其特征在于，從點膠影像中提取關鍵特征，包括：
6.根據權利要求5所述的一種點膠機運行狀態實時監測方法，其特征在于，將關鍵特征與預定拓撲數據中的特征進行匹配，以得到匹配結果，包括：
7.根據權利要求6所述的一種點膠機運行狀態實時監測方法，其特征在于，根據匹配結果，計算匹配特征之間的相似度得分，包括：
8.一種點膠機運行狀態實時監測系統，其特征在于，應用于如權利要求1至7任一項所述的方法中，包括：
9.一種計算設備，其特征在于，包括：
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。