本發(fā)明涉及工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)處理，具體涉及一種基于工業(yè)物聯(lián)網(wǎng)的圖像識別結果優(yōu)化方法、系統(tǒng)、設備及介質。

背景技術：

1、隨著工業(yè)物聯(lián)網(wǎng)（industrial?internet?of?things,?iiot）的蓬勃興起，圖像識別技術已成為推動工業(yè)生產智能化、高效化的關鍵力量，它不僅能夠實現(xiàn)生產過程的實時監(jiān)控與精準控制，還能大幅提升產品質量與生產效率。

2、然而在復雜的工業(yè)環(huán)境中，圖像采集面臨著諸多挑戰(zhàn)，如光照不均、陰影干擾、設備抖動等，這些因素嚴重影響著圖像質量，尤其是表面圖像中的邊緣輪廓部分，其細節(jié)和清晰度極易受損，而邊緣輪廓部分是識別物體形狀、尺寸、位置等關鍵信息的基礎，一旦邊緣輪廓圖像質量受損，將嚴重影響后續(xù)圖像分析和識別的準確性。

3、例如，在精密制造領域，微小的邊緣偏差都可能導致產品不合格；在質量檢測環(huán)節(jié)，模糊的輪廓可能導致缺陷被誤判或漏檢。

4、而現(xiàn)有圖像識別的處理方法，采取一種“一刀切”的策略，即對整個圖像進行統(tǒng)一的亮度調整、對比度增強或去噪處理，這種方法雖然能夠在一定程度上改善圖像的整體觀感，但卻忽略了圖像中不同區(qū)域，特別是邊緣輪廓部分的特殊性；同時，這種做法不僅浪費了大量的算力資源，還對于邊緣輪廓的精細優(yōu)化往往不到位，難以滿足工業(yè)檢測對高精度和高可靠性的要求。

技術實現(xiàn)思路

1、針對現(xiàn)有技術中的缺陷，本發(fā)明提供一種基于工業(yè)物聯(lián)網(wǎng)的圖像識別結果優(yōu)化方法、系統(tǒng)、設備及介質。

2、一種基于工業(yè)物聯(lián)網(wǎng)的圖像識別結果優(yōu)化方法，包括：獲取工業(yè)物聯(lián)網(wǎng)中圖像生成節(jié)點的表面圖像，并提取表面圖像中的邊緣輪廓圖像；對邊緣輪廓圖像進行去噪分割處理并生成多個連續(xù)的第一圖像塊，并基于增強模型分別對多個第一圖像塊進行增強處理并生成多個第二圖像塊，其中，所述第一圖像塊和所述第二圖像塊均包括多個像素點；基于評估模型分別計算第一圖像塊和第二圖像塊的第一清晰度指標和第二清晰度指標，并根據(jù)多個第一清晰度指標分別獲取多個連續(xù)的第一圖像塊的多個波動指標，并根據(jù)第一清晰度指標和第二清晰度指標獲取優(yōu)化度指標；判斷波動指標是否超過第一閾值，若波動指標超過第一閾值，則根據(jù)波動指標獲取待處理的第一圖像塊并對待處理的第一圖像塊進行優(yōu)化處理；若波動指標不超過第一閾值，則判斷優(yōu)化度指標是否超過第二閾值，若優(yōu)化度指標超過第二閾值，則根據(jù)優(yōu)化度指標獲取待處理的第一圖像塊并對待處理的第一圖像塊進行優(yōu)化處理。

3、進一步的，對邊緣輪廓圖像進行去噪分割處理并生成多個連續(xù)的第一圖像塊包括：對邊緣輪廓圖像采用濾波器進行去噪處理并生成去噪后圖像；對去噪后圖像進行連續(xù)性檢測，并根據(jù)檢測完成的去噪后圖像獲取分割窗口；根據(jù)分割窗口對去噪后圖像進行依次分割并生成多個連續(xù)的第一圖像塊。

4、進一步的，基于增強模型分別對多個第一圖像塊進行增強處理并生成多個第二圖像塊中的增強模型表示為：

5、；其中，為第b個第二圖像塊，為第b個第一圖像塊，為混合系數(shù)，為鄰域窗口，為鄰域窗口內坐標處的像素點，表示為第b個第二圖像塊在處相隔的像素點的像素值，為鄰域窗口中像素點的數(shù)量。

6、進一步的，基于評估模型計算第一圖像塊的第一清晰度指標中的評估模型表示為：

7、；基于評估模型計算第二圖像塊的第二清晰度指標中的評估模型表示為：

8、；其中，為第b個第一圖像塊的第一清晰度指標，為第b個第二圖像塊的第二清晰度指標，為第b個第一圖像塊中第k個像素點在x方向上的梯度值，為第b個第一圖像塊中第k個像素點在y方向上的梯度值，為第b個第二圖像塊中第k個像素點在x方向上的梯度值，為第b個第二圖像塊中第k個像素點在y方向上的梯度值，為第一圖像塊或第二圖像塊中像素點的數(shù)量。

9、進一步的，根據(jù)多個第一清晰度指標分別獲取多個連續(xù)的第一圖像塊的多個波動指標表示為：

10、；其中，為第個第一圖像塊的波動指標，為第個第一圖像塊的相鄰第一圖像塊數(shù)量，為第個第一圖像塊的第一清晰度指標。

11、進一步的，根據(jù)波動指標獲取待處理的第一圖像塊并對待處理的第一圖像塊進行優(yōu)化處理包括：篩選出波動指標超過第一閾值的第一圖像塊，并將篩選出的第一圖像塊作為待處理的第一圖像塊；在邊緣輪廓圖像中將待處理的第一圖像塊替換為對應的第二圖像塊。

12、進一步的，則根據(jù)優(yōu)化度指標獲取待處理的第一圖像塊并對待處理的第一圖像塊進行優(yōu)化處理包括：篩選出優(yōu)化度指標超過第二閾值的第一圖像塊，并將篩選出的第一圖像塊作為待處理的第一圖像塊；在邊緣輪廓圖像中將待處理的第一圖像塊替換為對應的第二圖像塊。

13、還提供了一種基于工業(yè)物聯(lián)網(wǎng)的圖像識別結果優(yōu)化系統(tǒng)，系統(tǒng)包括依次通信連接的服務平臺、管理平臺和傳感網(wǎng)絡平臺，所述管理平臺包括：圖像獲取模塊，用于獲取工業(yè)物聯(lián)網(wǎng)中圖像生成節(jié)點的表面圖像，并提取表面圖像中的邊緣輪廓圖像；圖像處理模塊，用于對邊緣輪廓圖像進行去噪分割處理并生成多個連續(xù)的第一圖像塊，并基于增強模型分別對多個第一圖像塊進行增強處理并生成多個第二圖像塊，其中，所述第一圖像塊和所述第二圖像塊均包括多個像素點；計算管理模塊，用于基于評估模型分別計算第一圖像塊和第二圖像塊的第一清晰度指標和第二清晰度指標，并根據(jù)多個第一清晰度指標分別獲取多個連續(xù)的第一圖像塊的多個波動指標，并根據(jù)第一清晰度指標和第二清晰度指標獲取優(yōu)化度指標；第一判斷與優(yōu)化模塊，用于判斷波動指標是否超過第一閾值，若波動指標超過第一閾值，則根據(jù)波動指標獲取待處理的第一圖像塊并對待處理的第一圖像塊進行優(yōu)化處理；第二判斷與優(yōu)化模塊，用于當波動指標不超過第一閾值，則判斷優(yōu)化度指標是否超過第二閾值，若優(yōu)化度指標超過第二閾值，則根據(jù)優(yōu)化度指標獲取待處理的第一圖像塊并對待處理的第一圖像塊進行優(yōu)化處理。

14、還提供了一種電子設備，包括：存儲器，其上存儲有計算機程序；處理器，用于執(zhí)行所述存儲器中的所述計算機程序，以實現(xiàn)上述基于工業(yè)物聯(lián)網(wǎng)的圖像識別結果優(yōu)化方法。

15、還提供了一種非臨時性計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現(xiàn)上述基于工業(yè)物聯(lián)網(wǎng)的圖像識別結果優(yōu)化方法。

16、本發(fā)明的有益效果體現(xiàn)在：

17、整個基于工業(yè)物聯(lián)網(wǎng)的圖像識別結果優(yōu)化方法中，通過精準地提取工業(yè)物聯(lián)網(wǎng)中圖像生成節(jié)點的表面圖像及其邊緣輪廓圖像，為后續(xù)的圖像增強、質量評估和優(yōu)化提供了堅實的基礎，確保了處理對象的準確性和有效性；進一步的，采用去噪分割技術，有效地去除了圖像中的噪聲干擾，并將圖像分割成多個易于管理的小塊，便于后續(xù)處理；進一步的，利用增強處理技術對圖像塊進行初步改善，主要目的是為了更準確地進行后續(xù)的優(yōu)化判斷，同時也在一定程度上提升了圖像塊的清晰度與對比度，為可能的優(yōu)化處理提供了更好的起點；更重要的是，通過評估模型計算清晰度指標，并獲取波動指標和優(yōu)化度指標，該方案能夠精確地評估圖像塊的質量及其變化情況，為優(yōu)化處理提供科學的判斷依據(jù)；最后，根據(jù)指標的比較結果，方案能夠有針對性地選擇需要優(yōu)化的圖像塊，并利用之前增強處理的結果輔助進行進一步優(yōu)化，既避免了不必要的資源浪費，又確保了優(yōu)化處理的精準性和高效性，避免了“一刀切”策略帶來的資源浪費和精度不足等問題。