(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210627279.0 (22)申请日 2022.06.06 (65)同一申请的已公布的文献号 申请公布号 CN 114708264 A (43)申请公布日 2022.07.05 (73)专利权人 广东工业大 学 地址 510060 广东省广州市越秀区东 风东 路729号大院 (72)发明人 杨祖元　陈君航　李陵江　李珍妮　 谢胜利　孙为军　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 黄忠 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/762(2022.01) G06V 10/77(2022.01)(56)对比文件 CN 112686842 A,2021.04.20 CN 113108725 A,2021.07.13 CN 111627008 A,2020.09.04 CN 106886793 A,2017.0 6.23 CN 110108754 A,2019.08.09 CN 111743510 A,2020.10.09 CN 111527373 A,2020.08.1 1 US 878583 5 B1,2014.07.2 2 US 2021124161 A1,2021.04.2 9 CN 102663763 A,2012.09.12 CN 111191719 A,2020.0 5.22 康建翊等.利用通用多媒体技 术的激光 光斑 测量方法的研究. 《激光杂志》 .201 1,第32卷(第4 期), (续) 审查员 唐嘉 (54)发明名称 一种光斑质量判别方法、 装置、 设备和存储 介质 (57)摘要 本申请公开了一种光斑质量判别方法、 装 置、 设备和存储介质， 通过一组正常光斑图像和 一组待检测光斑图像获取正常光斑图像矩 阵和 混合光斑图像矩阵； 对正常光斑图像矩阵进行分 解得到多层特征矩阵； 将多层特征矩阵中具有光 斑纹理特征的目标层特征矩 阵作为先验约束构 建基于先验约束的分解模型， 通过该分解模型对 混合光斑图像矩阵进行分解得到系数矩阵； 将系 数矩阵聚类成若干类别， 并提取每个类别的聚类 中心； 计算各类别下的各待检测光斑图像对应的 系数、 各正 常光斑图像对应的系数与对应聚类中 心的距离， 通过距离判别各待检测光斑图像的质 量， 改善了现有技术在有背景光影响的情况下， 难以准确提取光斑轮廓信息， 从而影 响光斑质量 检测结果。 [转续页] 权利要求书2页 说明书8页 附图2页 CN 114708264 B 2022.08.12 CN 114708264 B (56)对比文件 纪超.温室果蔬采摘机 器人视觉信息获取方 法及样机系统研究. 《中国优秀博硕士学位 论文 全文数据库(博士) 农业科技 辑》 .2014,(第08 期), 栗茂林等.基 于聚类优化的非负矩阵分解方 法及其应用. 《中国机 械工程》 .2018,第2 9卷(第6 期), Huixin Fan等.Hyperspect ral image denoising with bilinear low rank matrix factorizati on. 《Signal Proces sing》 .2019,第 163卷 Hong Lu等.Com munity Detecti on in Complex Netw orks Usi ng Nonnegative Matrix Factorizati on and Density-Based Clusteri ng Algorithm. 《Neural Proces sing Letters》 .2020,2/2 页 2[接上页] CN 114708264 B1.一种光斑质量判别方法， 其特 征在于， 包括： 通过一组正常光斑图像获取正常光斑图像矩阵， 通过该组正常光斑图像和一组待检测 光斑图像获取混合 光斑图像矩阵； 对所述正常光斑图像矩阵进行分解， 得到所述正常光斑图像矩阵的多层特征矩阵， 并 基于先验知识从所述多层特 征矩阵中提取 具有光斑纹 理特征的目标层特 征矩阵； 将所述目标层特征矩阵作为先验约束构建基于先验约束的分解模型， 并通过所述基于 先验的分解模型对所述混合光斑图像矩阵进 行分解， 得到所述混合光斑图像矩阵的系数矩 阵， 所述系数矩阵中的系数包括待检测光斑图像对应的系数和正常光斑图像对应的系数； 对所述系数矩阵中的系数进行聚类， 将所述系数矩阵聚类成若干类别， 并提取每个类 别的聚类中心； 计算各类别下的各待检测光斑图像对应的系数、 各正常光斑图像对应的系数与对应的 聚类中心的距离， 通过距离判别各待检测光斑图像的质量。 2.根据权利要求1所述的光斑质量判别方法， 其特征在于， 所述基于先验约束的分解模 型为： ； 式中， Y为 混合光斑图像矩阵， Ui为混合光斑图像矩阵的第 i层特征矩阵， l为混合光斑图 像矩阵的特征矩阵总层数， V为混合光斑图像矩阵的系数矩阵， A为正常光斑图像矩阵的目 标层特征矩阵， Us为混合光斑图像矩阵的目标层特 征矩阵， 为约束参数。 3.根据权利要求1所述的光斑质量判别方法， 其特征在于， 所述计算各类别下的各待检 测光斑图像对应的系 数、 各正常光斑图像对应的系 数与对应的聚类中心的距离， 通过距离 判别各待检测光斑图像的质量， 包括： 通过计算各类别下的各正常光斑图像对应的系数与对应类别的聚类中心的距离确定 各类别的距离阈值； 计算各类别下的各待检测光斑图像对应的系数与对应 类别的聚类中心的距离； 当待检测光斑图像对应的系数与该待检测光斑图像所在类别的聚类中心的距离小于 或等于该待检测光斑图像所在类别的距离阈值时， 则判定该待检测光斑图像为正常光斑图 像； 当待检测光斑图像对应的系数与该待检测光斑图像所在类别的聚类中心的距离大于 该待检测光斑图像所在类别的距离阈值时， 则判定该待检测光斑图像为非正常光斑图像。 4.根据权利要求1所述的光斑质量判别方法， 其特征在于， 所述通过一组正常光斑图像 获取正常光斑图像矩阵， 通过该组正常光斑图像和一组待检测光斑图像获取混合光斑图像 矩阵， 包括： 将一组正常光斑图像采用矩阵的方式进行表示并进行归一化处理， 得到正常光斑图像 矩阵； 将该组正常光斑图像和一组待检测光斑图像采用矩阵的方式进行表示并进行归一化 处理， 得到混合 光斑图像矩阵。 5.一种光斑质量判别装置， 其特 征在于， 包括： 获取单元， 用于通过一组正常光斑图像获取正常光斑图像矩阵， 通过该组正常光斑图权　利　要　求　书 1/2 页 2 CN 114708264 B 3