激光清洗效果预览方法及装置与流程
本发明涉及激光应用技术领域，尤其涉及一种激光清洗效果预览方法及装置。
背景技术：
激光清洗技术是指采用高能激光束照射工件表面，使表面的污物、锈斑或涂层等发生瞬间蒸发或剥离，从而达到洁净化的工艺过程。激光清洗机理主要是基于物体表面污染物吸收激光能量后，或汽化挥发，或瞬间受热膨胀而克服表面对粒子的吸附力，使激光清洗能适应各种表面污物的清洗，对环境污染极小，也可以做到不损伤基体。
待清洗材质经过不同激光参数清洗后，会呈现出不同的清洗效果，通常情况下，当激光参数设置过小，需要多次激光清洗，才可能达到预期的效果，当激光参数设置过大，一次清洗后可能会损伤被清洗物的基底，这样势必会耗时耗成本。若能够在给定清洗参数和待清洗物体表面的图片后，实现清洗效果的预览，进一步根据预览结果调整参数的设置，则上述问题可以得到很好的解决。
因此，能否在没有任何先验知识的情况下，给定清洗参数和待清洗物体表面的图片后，实现清洗效果的预览是目前亟待解决的问题。
技术实现要素：
为了解决上述问题，本发明实施例提供一种激光清洗效果预览方法及装置。
第一方面，本发明实施例提供一种激光清洗效果预览方法，包括：获取待清洗区域图片；将所述待清洗区域图片及清洗参数，输入至预设的生成对抗网络模型，输出与清洗参数对应的预览图片；其中，所述生成对抗网络模型根据清洗前图片、相应清洗参数以及清洗前图片对应的清洗结果图片作为样本，进行训练后得到。
第二方面，本发明实施例提供一种激光清洗效果预览装置，包括：获取模块，用于获取待清洗区域图片；处理模块，用于将所述待清洗区域图片及清洗参数，输入至预设的生成对抗网络模型，输出与清洗参数对应的预览图片；其中，所述生成对抗网络模型根据清洗前图片、相应清洗参数以及清洗前图片对应的清洗结果图片作为样本，进行训练后得到。
第三方面，本发明实施例提供一种激光清洗系统，包括：激光清洗装置、还包括相机及计算机；所述相机与计算机连接，所述计算机与激光清洗装置连接；所述相机用于采集待清洗区域的图片；所述计算机包括本发明第二方面的激光清洗效果预览装置，用于输出与清洗参数对应的预览图片，并接收根据预览图片选取的清洗参数；所述激光清洗装置用于接收计算机发送的根据预览图片选取的清洗参数，并进行激光清洗。
第四方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现本发明第一方面激光清洗效果预览方法的步骤。
第五方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明第一方面激光清洗效果预览方法的步骤。
本发明实施例提供的激光清洗效果预览方法及装置，通过将待清洗区域图片及清洗参数，输入至预设的生成对抗网络模型，输出与清洗参数对应的预览图片，并且生成对抗网络模型根据清洗前图片、相应清洗参数以及清洗前图片对应的清洗结果图片作为样本，进行训练后得到，实现了根据待清洗区域图片及激光参数，生成清洗后的预览图片，从而有利于根据清洗后的预览图片评估当前清洗参数的合理性，进而避免激光参数设置的不合理导致耗时耗成本的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的激光清洗效果预览方法流程图；
图2为本发明实施例提供的激光清洗效果预览装置结构图；
图3为本发明实施例提供的一种电子设备的实体结构示意图；
图4为本发明实施例提供的激光清洗系统结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前激光清洗技术已成为传统清洗方法的补充和延伸，因其固有的许多优点展示了广阔的应用前景。激光清洗具有以下特点：
1、无接触，基材零损伤。因为清洗过程中没有直接的物理接触，所以不会对工件造成物理损坏。
2、适用性广，清洗效果好。激光方向性好，对工件部位可准确定位，从而进行可选择性作业，不受工件表面形貌限制，适应多种清洗对象；可以准确控制清洗过程，达到所需的清洗效果。
3、使用方便灵活，操作简单。激光清洗手持系列设备不仅可移动，携带也十分方便，工作头轻便，可长时间进行操作；自动化清洗设备可装置于运动平台、机器人等运动机构，实现稳定自动化清洗，操作简单。
4、绿色环保，性价比高。清洗过程中只消耗电能，长期清洗成本低廉。
为了克服现有激光清洗技术中激光参数设置的不合理可能导致耗时耗成本的问题，本发明实施例提供一种激光清洗效果预览方法。根据待清洗区域及激光参数，生成清洗后的效果图。需要说明的是，以下发明实施例中的“多组”，如非特别说明，为两组及以上。
图1为本发明实施例提供的激光清洗效果预览方法流程图，如图1所示，本发明实施例提供一种激光清洗效果预览方法，包括：
101，获取待清洗区域图片。
在101中，可通过相机采集待清洗区域的图片，即待清洗区域图片。在激光头旁边安装一个相机，相机的功能是采集待清洗区域的图片，当我们要清洗某个区域时，用相机拍下该待清洗区域，将采集得到的图片传输给计算机。本发明实施例中是获取相机拍摄得到的待清洗区域的图片。
102，将所述待清洗区域图片及清洗参数，输入至预设的生成对抗网络模型，输出与清洗参数对应的预览图片。
在102中，预设的生成对抗网络模型是通过将清洗前图片、相应清洗参数以及清洗前图片对应的清洗结果图片作为样本，进行训练后得到。样本中的清洗前图片，已经根据对应的清洗参数进行清洗操作，得到清洗结果图片。将已知清洗结果图片的清洗前图片和对应的清洗参数的组合作为一个样本。建立生成对抗网络模型后，通过大量的此类样本进行训练，从而得到预设的生成对抗网络模型。其中，清洗参数可通过用户设置，也可通过计算机随机生成。
后续获取到的待清洗区域的图片，以及相应的清洗参数，输入至预设的生成对抗网络模型，能够快速准确得到与清洗参数对应的预览图片。通过生成对抗网络模型，实现根据待清洗区域的图片和清洗参数，获得待清洗区域使用对应的清洗参数进行清洗后的预览图片，从而有利于根据预览的图片决定该清洗参数是否合理。
本发明实施例提供的激光清洗效果预览方法，通过将待清洗区域图片及清洗参数，输入至预设的生成对抗网络模型，输出与清洗参数对应的预览图片，并且生成对抗网络模型根据清洗前图片、相应清洗参数以及清洗前图片对应的清洗结果图片作为样本，进行训练后得到，实现了根据待清洗区域图片及激光参数，生成清洗后的预览图片，从而有利于根据清洗后的预览图片评估当前清洗参数的合理性，进而避免激光参数设置的不合理导致耗时耗成本的问题。
基于上述实施例的内容，作为一种可选实施例，待清洗区域图片的清洗参数有多组，输出与清洗参数对应的预览图片之后，还包括：根据多组清洗参数对应的预览图片，选取满足预设条件的清洗参数，用于激光清洗。
本发明实施例中，将待清洗区域图片与多组激光清洗参数作为网络模型的输入，多组激光参数可以由计算机随机生成。将待清洗图片分别与每一激光清洗参数的组合输入预设的生成对抗网络模型，从而得到多个预览图片。根据多个预览图片，以及预览效果需满足的预设条件，从多组清洗参数中选取预览效果最好的清洗参数。将该清洗效果最好的清洗参数，输入激光清洗装置，实现激光清洗。
本发明实施例提供的激光清洗效果预览方法，根据多组清洗参数对应的预览图片，选取满足预设条件的清洗参数，用于激光清洗，从而快速确定较优的清洗参数，保证了清洗结果的准确性。
基于上述实施例的内容，作为一种可选实施例，上述生成对抗网络模型，具体为：多条件的生成对抗网络模型(multi-conditionalgenerativeadversarialnetwork，mc-gan)。该网络模型以附加的辅助信息作为多重条件，可以根据特定参数将清洗前的区域图像转换为相应的清洗后图像。
基于上述实施例的内容，作为一种可选实施例，将所述待清洗区域图片及清洗参数，输入至预设的生成对抗网络模型，输出与清洗参数对应的预览图片，包括：将待清洗区域图片和清洗参数输入至所述生成对抗网络模型的下采样层，利用所述下采样层对所述将待清洗区域图片和所述清洗参数进行特征提取，输出所述待清洗区域图片和所述清洗参数对应的二维特征向量；将所述二维特性向量输入至所述生成对抗网络模型的残差网络层；将所述残差网络层的输出结果输入上采样层，输出与清洗参数对应的预览图片。
具体地，将所述待清洗区域图片及清洗参数，输入生成对抗网络模型的处理流程可通过如下方法实现：
首先，将待清洗区域图片及清洗参数的参数集的组合从网络的输入层输输入，通过下采样层对待清洗区域图片及清洗参数的参数集的组合进行特征提取。其次，将提取的特征输入生成对抗网络模型的残差网络层，残差网络层可由多个残差网络模块构成。然后，将残差网络层的输出结果输入至下采样层，从而得到与清洗参数对应的预览图片。
本发明实施例提供的激光清洗效果预览方法，通过预设的生成对抗网络模型的下采样层提取特征，输入残差网络层后，通过上采用层生成预览图片，保证了所生成预览图片的准确性。
基于上述实施例的内容，作为一种可选实施例，将所述待清洗区域图片及清洗参数输入至预设的生成对抗网络模型之前，还包括：将每个清洗前图片、清洗参数和清洗结果图片的组合作为一个训练样本，从而得到多个训练样本，利用多个训练样本对生成对抗网络模型进行训练。
将待清洗区域图片及清洗参数，输入至预设的生成对抗网络模型之前，还需对该神经网络进行训练，从而得到能够根据清洗区域图片和对应参数,获得预览图片的预设神经网络模型，具体步骤如下：
首先，获取多个有确定清洗结果的样本，并获取该多个样本中每个样本对应的清洗前图片及所用的清洗参数，将清洗结果图片作为生成对抗网络模型训练的判别标准。
其次，将每个清洗前图片、清洗前图片对应的清洗参数和清洗参数对应的清洗结果图片的组合作为一个训练样本，从而得到多个训练样本。将每一样本中清洗前图片和清洗前图片对应的清洗参数输入至构建的生成对抗网络模型，根据输出的结果，以及将样本的清洗结果图片作为生成对抗网络模型训练的判别标准，调整生成对抗网络模型的相关参数，实现对生成对抗网络模型的训练过程，从而得到上述预设的生成对抗网络模型。
本发明实施例提供的激光清洗效果预览方法，获取每个清洗前图片样本、每个清洗前图片对应的清洗参数和清洗参数对应的清洗结果图片，从而得到多个训练样本，利用多个训练样本对生成对抗网络模型进行训练，从而对于输入该生成对抗网络模型的待清洗区域图片和清洗参数，能够得到准确的预览图片。
基于上述实施例的内容，作为一种可选实施例，利用多个训练样本对生成对抗网络模型进行训练，包括：将任意一个样本的清洗前图片以及清洗参数的组合，输入至所述生成对抗网络模型，通过所述生成对抗网络模型的生成器生成预览图片；利用所述生成对抗网络模型的判别器判断生成的预览图片为清洗结果图片的概率；若所述判别器判断生成器生成的预览图片为清洗结果图片的概率为1/2，则所述生成对抗网络模型训练完成。
在对生成对抗网络模型进行训练时，n个样本中清洗前的图片记为：
训练目标是对清洗前后的区域建立一个映射函数：
生成器g在给定xpre和p的条件下，生成预览图片xpost。判别器d在输入预览图片xpost或者g(xpre,p,z)后，分辨输入的图片是真实输入还是由生成器生成的。
在判别器进行判别时，将清洗前图片和清洗后图片的组合输入至生成对抗网络模型的判别器，判别器中包括卷积层，卷积层包括多个卷积网络，用于对清洗前图片和清洗后图片的组合进行特征提取，最终判别器输出清洗后的图片为生成器生成的概率。
通过多次训练，调整参数去逼近映射函数f，使得判别器d无法区分输入的清洗后图片是真实输入的图片还是由生成器生成的图片，即判断生成器生成的预览图片为清洗结果图片的概率为1/2，则网络训练完成。
网络训练好，生成器就可以由输入的参数与清洗前的图片来生成预览的图片，如下：
xv＝g(xpre,p,z)。
图2为本发明实施例提供的激光清洗效果预览装置结构图，如图2所示，该激光清洗效果预览装置包括：获取模块201和处理模块202。其中，获取模块201用于获取待清洗区域图片；处理模块202用于将所述待清洗区域图片及清洗参数，输入至预设的生成对抗网络模型，输出与清洗参数对应的预览图片；其中，所述生成对抗网络模型根据清洗前图片、相应清洗参数以及清洗前图片对应的清洗结果图片作为样本，进行训练后得到。
可通过相机采集待清洗区域的图片，即待清洗区域图片。在激光头旁边安装一个相机，相机的功能是采集待清洗区域的图片，当我们要清洗某个区域时，用相机拍下该待清洗区域，将采集得到的图片传输给计算机。本发明实施例中获取模块201获取相机拍摄得到的待清洗区域的图片。
预设的生成对抗网络模型是通过将清洗前图片、相应清洗参数以及清洗前图片对应的清洗结果图片作为样本，进行训练后得到。样本中的清洗前图片，已经根据对应的清洗参数进行清洗操作，得到清洗结果图片。将已知清洗结果图片的清洗前图片和对应的清洗参数的组合作为一个样本。建立生成对抗网络模型后，通过大量的此类样本进行训练，从而得到预设的生成对抗网络模型。其中，清洗参数可通过用户设置，也可通过计算机随机生成。
后续获取到的待清洗区域的图片，以及相应的清洗参数，输入至处理模块202中，处理模块202中有预设的生成对抗网络模型，能够快速准确得到与清洗参数对应的预览图片。通过生成对抗网络模型，实现根据待清洗区域的图片和清洗参数，获得待清洗区域使用对应的清洗参数进行清洗后的预览图片，从而根据预览的图片决定该清洗参数是否合理。
本发明实施例提供的装置实施例是为了实现上述各方法实施例的，具体流程和详细内容请参照上述方法实施例，此处不再赘述。
本发明实施例提供的激光清洗效果预览装置，通过将待清洗区域图片及清洗参数，输入至预设的生成对抗网络模型，输出与清洗参数对应的预览图片，并且生成对抗网络模型根据清洗前图片、相应清洗参数以及清洗前图片对应的清洗结果图片作为样本，进行训练后得到，实现了根据待清洗区域及激光参数，生成清洗后的效果图，从而避免激光参数设置的不合理导致耗时耗成本的问题。
图3为本发明实施例提供的一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)301、通信接口(communicationsinterface)302、存储器(memory)303和总线304，其中，处理器301，通信接口302，存储器303通过总线304完成相互间的通信。通信接口302可以用于电子设备的信息传输。处理器301可以调用存储器303中的逻辑指令，以执行包括如下的方法：获取待清洗区域图片；将所述待清洗区域图片及清洗参数，输入至预设的生成对抗网络模型，输出与清洗参数对应的预览图片；其中，所述生成对抗网络模型根据清洗前图片、相应清洗参数以及清洗前图片对应的清洗结果图片作为样本，进行训练后得到。
此外，上述的存储器303中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明上述各方法实施例的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种激光清洗系统，图4为本发明实施例提供的激光清洗系统结构图，如图4所示，该系统包括：激光清洗装置403、相机401及计算机402；相机401与计算机402连接，计算机402与激光清洗装置403连接；相机401用于采集待清洗区域的图片；计算机402包括上述装置实施例的激光清洗效果预览装置，用于输出与清洗参数对应的预览图片，并接收根据预览图片选取的清洗参数；激光清洗装置403用于接收计算机402发送的根据预览图片选取的清洗参数，并进行激光清洗。
该系统包括三部分：第一部分是图像采集的相机401，可以是集成相机功能的摄像头模块；第二部分为计算机402，可提供激光参数生成，通过输入的图像与不同的参数，生成不同的清洗效果预览，并可接收选择输入，选择输入用于选择一幅最优的清洗效果图以及对应的激光参数；第三部分是激光清洗装置403。利用激光头上的相机采集得到待清洗区域图片，送入计算机402，计算得到预览图片后，可接收用户的参数选择，根据相应的激光参数控制激光头对待清洗区域进行清洗。
相机401：相机401的位置可根据需求设置，如在激光头旁边安装一个相机，相机的功能是采集待清洗区域的图片。
计算机402：可在合理范围内，生成多组激光清洗参数。计算机402中包括上述实施例的激光清洗效果预览装置，能够利用已训练好的深度网络模型来计算得到相应清洗后的效果图以及对应的激光参数。若将相机401设置于激光头附近，在清洗之前，利用激光头上的相机401采集得到待清洗区域图片。紧接着将采集得到的清洗前图片和我们期望的清洗参数作为深度网络的输入，深度网络模型的输出是相应的与清洗参数对应的清洗后的效果图。
激光清洗装置403：计算机401将选择的效果较好的预览图对应的清洗参数发送给激光清洗装置403，激光清洗装置403将计算机401发送的激光清洗参数作用于激光头来对该区域进行清洗。
本发明实施例提供的激光清洗系统，可以先验的得到激光清洗效果，实时的调整参数，得出最优的清洗效果以及对应的激光参数。计算出的最优参数能一次性清洗得到我们期望的清洗效果，有效地减少对同一区域的清洗次数，并且不会对清洗区域基底造成伤害，从而实现真正意义上的省时省成本。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法，例如包括：获取待清洗区域图片；将所述待清洗区域图片及清洗参数，输入至预设的生成对抗网络模型，输出与清洗参数对应的预览图片；其中，所述生成对抗网络模型根据清洗前图片、相应清洗参数以及清洗前图片对应的清洗结果图片作为样本，进行训练后得到。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
- 还没有人留言评论。精彩留言会获得点赞！