本發(fā)明涉及數(shù)據(jù)處理，尤其涉及一種基于人工智能的噴砂設備運行軌跡數(shù)據(jù)智慧監(jiān)測系統(tǒng)。

背景技術：

1、目前的大型鋼結構件的噴砂作業(yè)主要以人為操作為主，人工噴砂效率低，噴砂質(zhì)量差，尤其是對操作工人的健康會產(chǎn)生嚴重影響，因此，采用自動、智能化的噴砂設備（例如噴砂機器人）代替人工進行噴砂作業(yè)將成為未來噴砂行業(yè)的主要發(fā)展趨勢。

2、智能噴砂設備需要提前設置運行軌跡，以完成自動化的噴砂作業(yè)。其中，合理的路徑規(guī)劃能夠幫助智能噴砂設備選擇最短、最有效的路徑進行作業(yè)，能夠減少大量冗余運動，不僅可以縮短噴砂時間，還能有效減少能耗和設備磨損，從而提高整體的噴砂作業(yè)效率。

3、現(xiàn)有技術中，通常采用蟻群算法獲取最近噴砂路徑，但是噴砂工件的表面環(huán)境復雜，傳統(tǒng)的蟻群算法在遍歷大型工件時，計算量和時間消耗很大，導致噴砂運行軌跡的計算效率差，且僅考慮最近噴砂路徑，對工件的實際表面情況特征結合的較少，從而使得獲取的噴砂路徑質(zhì)量低。

4、因此，如何提高利用蟻群算法獲取的噴砂路徑的質(zhì)量，以提高智能噴砂設備的作業(yè)效率成為亟需解決的問題。

技術實現(xiàn)思路

1、有鑒于此，本發(fā)明實施例提供了一種基于人工智能的噴砂設備運行軌跡數(shù)據(jù)智慧監(jiān)測系統(tǒng)，以解決如何提高利用蟻群算法獲取的噴砂路徑的質(zhì)量，以提高智能噴砂設備的作業(yè)效率的問題。

2、本發(fā)明實施例中提供了一種基于人工智能的噴砂設備運行軌跡數(shù)據(jù)智慧監(jiān)測系統(tǒng)，包括存儲器、處理器以及存儲在所述存儲器中并在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如下步驟：

3、獲取待噴砂大型工件的表面結構圖像，對所述表面結構圖像中的可噴涂區(qū)域和障礙物區(qū)域進行標記區(qū)分，得到目標圖像，根據(jù)柵格法和預設的噴砂直徑，獲取所述目標圖像對應的柵格圖像；

4、根據(jù)所述柵格圖像中的障礙物區(qū)域，獲取對所述柵格圖像進行分塊時的自適應分塊大小，根據(jù)所述自適應分塊大小，將所述柵格圖像劃分為多個分塊區(qū)域，使用蟻群算法獲取所有分塊區(qū)域間的第一最優(yōu)路徑；

5、針對任一分塊區(qū)域，分別獲取所述分塊區(qū)域中每兩個相鄰柵格之間的區(qū)域生長標準值，根據(jù)所述區(qū)域生長標準值對所述分塊區(qū)域進行區(qū)域生長，得到所述分塊區(qū)域中的至少一個生長區(qū)域，使用所述蟻群算法分別獲取所有生長區(qū)域間的第二最優(yōu)路徑和每個所述生長區(qū)域的第三最優(yōu)路徑；

6、根據(jù)所述第一最優(yōu)路徑以及每個所述分塊區(qū)域?qū)牡诙顑?yōu)路徑和第三最優(yōu)路徑，對所述待噴砂大型工件進行噴砂作業(yè)。

7、優(yōu)選的，所述根據(jù)所述柵格圖像中的障礙物區(qū)域，獲取對所述柵格圖像進行分塊時的自適應分塊大小，包括：

8、針對所述柵格圖像中的任一障礙物區(qū)域，統(tǒng)計所述障礙物區(qū)域的邊長數(shù)量，計算所述障礙物區(qū)域的最小外接矩形和所述障礙物區(qū)域之間的面積比值，將所述邊長數(shù)量的倒數(shù)和所述面積比值的乘積作為權重，基于所述權重，對所述障礙物區(qū)域中的每個邊長的平方進行加權求和，得到所述障礙物區(qū)域的邊長特征值；

9、獲取所述柵格圖像中的每個障礙物區(qū)域的邊長特征值，對所有邊長特征值進行累加，得到所述柵格圖像中的障礙物分布特征值，根據(jù)所述障礙物分布特征值，獲取對所述柵格圖像進行分塊時的自適應分塊大小。

10、優(yōu)選的，所述根據(jù)所述障礙物分布特征值，獲取對所述柵格圖像進行分塊時的自適應分塊大小，包括：

11、在所述柵格圖像中的每個障礙物區(qū)域的邊長中，獲取最大邊長和最小邊長，計算所述最大邊長和所述最小邊長之間的邊長差值，獲取預設倍數(shù)的所述障礙物分布特征值與所述邊長差值的乘積值，對所述乘積值和所述最小邊長的和進行取整操作，對應得到自適應分塊大小。

12、優(yōu)選的，所述使用蟻群算法獲取所有分塊區(qū)域間的第一最優(yōu)路徑，包括：

13、分別獲取每個所述分塊區(qū)域的重心，利用蟻群算法獲取所有重心之間的最近路徑作為所有分塊區(qū)域間的第一最優(yōu)路徑。

14、優(yōu)選的，所述分別獲取所述分塊區(qū)域中每兩個相鄰柵格之間的區(qū)域生長標準值，包括：

15、針對所述分塊區(qū)域中的任一柵格，根據(jù)所述柵格在所述表面結構圖像中對應的所有像素點的灰度值，獲取所述柵格對應的材質(zhì)特征值，根據(jù)所述柵格在所述表面結構圖像中對應的每個像素點的鄰域像素點的灰度值，獲取所述柵格對應的區(qū)域粗糙特征值；

16、對于所述分塊區(qū)域中的任意兩個相鄰的柵格，分別計算所述兩個相鄰的柵格之間的材質(zhì)特征值的第一差值絕對值和區(qū)域粗糙特征值的第二差值絕對值，分別對所述第一差值絕對值和所述第二差值絕對值進行歸一化處理，對應得到第一歸一化值和第二歸一化值，根據(jù)所述第一歸一化值和所述第二歸一化值的均值，得到所述兩個相鄰的柵格之間的區(qū)域生長標準值。

17、優(yōu)選的，所述根據(jù)所述柵格在所述表面結構圖像中對應的所有像素點的灰度值，獲取所述柵格對應的材質(zhì)特征值，包括：

18、計算所述柵格在所述表面結構圖像中對應的所有像素點的灰度值均值，作為所述柵格對應的材質(zhì)特征值。

19、優(yōu)選的，所述根據(jù)所述柵格在所述表面結構圖像中對應的每個像素點的鄰域像素點的灰度值，獲取所述柵格對應的區(qū)域粗糙特征值，包括：

20、針對所述柵格在所述表面結構圖像中對應的任一像素點，在所述像素點的預設鄰域范圍內(nèi)的像素點中，獲取在所述柵格內(nèi)存在的像素點作為目標像素點，獲取所述像素點分別與每個所述目標像素點之間的灰度差值絕對值，得到差值絕對值總和；

21、對所述柵格在所述表面結構圖像中對應的每個像素點的差值絕對值總和進行累加，得到所述柵格對應的區(qū)域粗糙特征值。

22、優(yōu)選的，所述根據(jù)所述區(qū)域生長標準值對所述分塊區(qū)域進行區(qū)域生長，得到所述分塊區(qū)域中的至少一個生長區(qū)域，包括：

23、以所述分塊區(qū)域的左上角的第一個柵格為初始種子點，以兩個相鄰的柵格之間的區(qū)域生長標準值小于或等于預設的標準值閾值為生長準則，對所述分塊區(qū)域進行區(qū)域生長，得到所述分塊區(qū)域中的至少一個生長區(qū)域。

24、優(yōu)選的，所述使用所述蟻群算法分別獲取所有生長區(qū)域間的第二最優(yōu)路徑和每個所述生長區(qū)域的第三最優(yōu)路徑，包括：

25、獲取每個所述生長區(qū)域的重心，利用所述蟻群算法獲取所有重心之間的最近路徑作為所有生長區(qū)域間的第二最優(yōu)路徑；

26、針對任一生長區(qū)域，利用所述蟻群算法獲取所述生長區(qū)域中所有柵格間的最近路徑作為所述生長區(qū)域的第三最優(yōu)路徑。

27、優(yōu)選的，所述根據(jù)所述第一最優(yōu)路徑以及每個所述分塊區(qū)域?qū)牡诙顑?yōu)路徑和第三最優(yōu)路徑，對所述待噴砂大型工件進行噴砂作業(yè)，包括：

28、在對所述待噴砂大型工件進行噴砂作業(yè)時，基于所述第一最優(yōu)路徑，獲取第一個遍歷的分塊區(qū)域，基于所述第一個遍歷的分塊區(qū)域的第二最優(yōu)路徑，獲取所述第一個遍歷的分塊區(qū)域中的第一個遍歷的生長區(qū)域，基于所述第一個遍歷的生長區(qū)域的第三最優(yōu)路徑，對所述第一個遍歷的生長區(qū)域進行噴砂作業(yè)；

29、在所述第一個遍歷的生長區(qū)域的噴砂作業(yè)完成之后，基于所述第一個遍歷的分塊區(qū)域的第二最優(yōu)路徑，獲取所述第一個遍歷的分塊區(qū)域中的第二個遍歷的生長區(qū)域，基于所述第二個遍歷的生長區(qū)域的第三最優(yōu)路徑，對所述第二個遍歷的生長區(qū)域進行噴砂作業(yè)，依次類推，直至所述第一個遍歷的分塊區(qū)域的噴砂作業(yè)完成；

30、基于所述第一最優(yōu)路徑，獲取第二個遍歷的分塊區(qū)域，按照所述第一個遍歷的分塊區(qū)域的噴砂作業(yè)方法，對所述第二個遍歷的分塊區(qū)域進行噴砂作業(yè)，直至所有分塊區(qū)域的噴砂作業(yè)完成。

31、本發(fā)明實施例與現(xiàn)有技術相比存在的有益效果是：

32、本發(fā)明獲取待噴砂大型工件的表面結構圖像，對所述表面結構圖像中的可噴涂區(qū)域和障礙物區(qū)域進行標記區(qū)分，得到目標圖像，根據(jù)柵格法和預設的噴砂直徑，獲取所述目標圖像對應的柵格圖像；根據(jù)所述柵格圖像中的障礙物區(qū)域，獲取對所述柵格圖像進行分塊時的自適應分塊大小，根據(jù)所述自適應分塊大小，將所述柵格圖像劃分為多個分塊區(qū)域，使用蟻群算法獲取所有分塊區(qū)域間的第一最優(yōu)路徑；針對任一分塊區(qū)域，分別獲取所述分塊區(qū)域中每兩個相鄰柵格之間的區(qū)域生長標準值，根據(jù)所述區(qū)域生長標準值對所述分塊區(qū)域進行區(qū)域生長，得到所述分塊區(qū)域中的至少一個生長區(qū)域，使用所述蟻群算法分別獲取所有生長區(qū)域間的第二最優(yōu)路徑和每個所述生長區(qū)域的第三最優(yōu)路徑；根據(jù)所述第一最優(yōu)路徑以及每個所述分塊區(qū)域?qū)牡诙顑?yōu)路徑和第三最優(yōu)路徑，對所述待噴砂大型工件進行噴砂作業(yè)。其中，通過結合柵格圖像中障礙物區(qū)域的分布特征，將噴砂設備劃分為三層噴砂路徑軌跡，分別為柵格圖像中所有分塊區(qū)域間的第一最優(yōu)路徑、每個分塊區(qū)域中所有生長區(qū)域間的第二最優(yōu)路徑以及每個生長區(qū)域的第三最優(yōu)路徑，進而基于這三層噴砂路徑軌跡進行待噴砂大型工件的噴砂作業(yè)，避免了蟻群算法在面對大量柵格時計算量高的問題，以獲取噴砂質(zhì)量更優(yōu)的噴砂路徑，使得局部噴砂作業(yè)更加細致，提高了噴砂作業(yè)的效率。