密度估计方法、装置、电子设备及存储介质
阅读说明：本技术 密度估计方法、装置、电子设备及存储介质 (Density estimation method, density estimation device, electronic equipment and storage medium ) 是由 陈海波 李宗剑 于 2020-12-30 设计创作，主要内容包括：本申请提供了一种密度估计方法、装置、电子设备及存储介质,该方法用于估计目标液体的密度,所述目标液体容置于容器中,所述方法包括：获取所述目标液体的2D图像信息；获取第一组液体标本的2D图像信息和成分标注数据；根据第一组液体标本的2D图像信息和成分标注数据,使用深度学习的方式训练得到液体成分模型；根据所述目标液体的2D图像信息和所述液体成分模型,确定所述目标液体的成分；根据所述目标液体的成分,获取所述目标液体的密度。由于液体是一种特殊的物质,取放不太方便,与仪器设备接触又容易沾染杂质,上述方法,通过计算机视觉技术,匹配出对应的成分,根据成分评估得出密度；这种方法无需接触液体,检测效率高,而且准确度高。(The application provides a density estimation method, a device, an electronic device and a storage medium, the method is used for estimating the density of a target liquid, the target liquid is contained in a container, and the method comprises the following steps: acquiring 2D image information of the target liquid; acquiring 2D image information and component labeling data of a first group of liquid samples; training to obtain a liquid component model by using a deep learning mode according to the 2D image information and the component marking data of the first group of liquid samples; determining the composition of the target liquid according to the 2D image information of the target liquid and the liquid composition model; and acquiring the density of the target liquid according to the composition of the target liquid. Because the liquid is a special substance, the taking and the placing are not convenient, and the liquid is easy to be polluted by impurities when contacting with instrument equipment, the method matches corresponding components through a computer vision technology, and the density is obtained according to component evaluation; the method has the advantages of no need of contacting liquid, high detection efficiency and high accuracy.)
技术领域
本申请涉及计算机视觉技术和工业检测技术领域，尤其涉及密度估计方法、装置、电子设备及计算机可读存储介质。
背景技术
计算机视觉技术作为一门综合性的学科，目前在军事，农业，生活等各个领域有所的应用，尤其给生产领域带来的利益颇为广泛，因此越来越被重视，相关的技术也在日益改进和发展。
比如，视觉技术在工业生产过程中对各种产品的在线检测有很多应用。而这些应用多涉及固态器件，在对液体的检测方面，仅限于检测液体的质量，或者检测液体中所含的杂质。在估计液体的密度，以至于获取液体的质量方面的方法尚未出现。
液体是一种特殊的物质，取放需要有容器承载，人工检测需要借助仪器设备，这样不利于保证液体的纯度，而且有些特殊情况，当液体存在于不便于操作检测的时候要想得知它的密度比较困难。本发明旨在解决上述问题，可以高效率得到精确的液体的密度信息。
发明内容
本申请的目的在于提供密度估计方法、装置、电子设备及存储介质，高效率得到精确的液体的密度信息。
本申请的目的采用以下技术方案实现：
第一方面，本申请提供了一种密度估计方法，用于估计目标液体的密度，所述目标液体容置于容器中，所述方法包括：获取所述目标液体的2D图像信息；获取第一组液体标本的2D图像信息和成分标注数据；根据第一组液体标本的2D图像信息和成分标注数据，使用深度学习的方式训练得到液体成分模型；根据所述目标液体的2D图像信息和所述液体成分模型，确定所述目标液体的成分；根据所述目标液体的成分，获取所述目标液体的密度。该技术方案的有益效果在于，由于液体是一种特殊的物质，取放不太方便，与仪器设备接触又容易沾染杂质，而通过计算机视觉技术，获得目标液体的2D图像，识别液体的成分，在目标成分库中匹配得到对应的成分，然后根据得到的成分，评估得出密度；这种方法无需接触液体，检测效率高，而且准确度高；在获取液体成分模型时，先获取大量液体标本的2D图像信息和成分标注数据，训练深度学习模型，得到液体成分模型，再根据所述目标液体的2D图像信息和液体成分模型，确定所述目标液体的成分。
在一些可选的实施例中，所述根据所述目标液体的成分，获取所述目标液体的密度，包括：当所述目标液体的成分是单一成分时，获取所述成分对应的密度作为所述目标液体的密度；当所述目标液体的成分不是单一成分时，根据所述成分和液体密度模型，获取所述目标液体的密度。该技术方案的有益效果在于，当所述目标液体的成分的单一成分时，直接获取所述成分对应的密度作为所述目标液体的密度；当所述目标液体成分不单一时，可以采用多传感器融合技术，例如采用光谱共焦的传感器对液体所含物质内部结构进行检测，同时结合深度学习模型对内部结构进行成分判定，并根据每种成分所占液体的比重对该成分所对应的密度进行权重处理，得到折算后的统一密度数值。
在一些可选的实施例中，获取所述液体密度模型的方法包括：获取第二组液体标本的成分和密度标注数据；根据第二组液体标本的成分和密度标注数据，使用深度学习的方式训练得到所述液体密度模型。该技术方案的有益效果在于，获取大量液体标本的成分和密度标注数据，进而通过深度学习的方式得到液体密度模型，为后续的密度估计提供方便，也节约了工作时间。
在一些可选的实施例中，所述方法还包括：获取所述容器的图像信息；根据所述容器的图像信息，获取所述目标液体的体积；根据所述目标液体的密度和体积，获取所述目标液体的质量。该技术方案的有益效果在于，通过图像信息获取目标液体的体积，从而根据密度和体积计算目标液体的质量。
在一些可选的实施例中，所述容器的图像信息是采用CT技术得到的。该技术方案的有益效果在于，通过CT技术获得所述容器的图像信息，即根据CT影像断层扫描参数获得容器的断层图像数据，从而得到目标液体的体积。
第二方面，本申请提供了一种密度估计装置，用于估计目标液体的密度，所述目标液体容置于容器中，所述装置包括：2D获取模块，用于获取所述目标液体的2D图像信息；成分获取模块，包括：第一标本获取单元，用于获取第一组液体标本的2D图像信息和成分标注数据；第一模型训练单元，用于根据第一组液体标本的2D图像信息和成分标注数据，使用深度学习的方式训练得到液体成分模型；成分确定单元，用于根据所述目标液体的2D图像信息和所述液体成分模型，确定所述目标液体的成分；密度获取模块，用于根据所述目标液体的成分，获取所述目标液体的密度。
在一些可选的实施例中，所述密度获取模块包括：第一密度获取单元，用于当所述目标液体的成分是单一成分时，获取所述成分对应的密度作为所述目标液体的密度；第二密度获取单元，用于当所述目标液体的成分不是单一成分时，根据所述成分和液体密度模型，获取所述目标液体的密度。
在一些可选的实施例中，所述装置还包括密度模型获取模块，所述密度模型获取模块包括：第二标本获取单元，用于获取第二组液体标本的成分和密度标注数据；第二模型训练单元，用于根据第二组液体标本的成分和密度标注数据，使用深度学习的方式训练得到所述液体密度模型。
在一些可选的实施例中，所述装置还包括：容器图像获取模块，用于获取所述容器的图像信息；体积获取模块，用于根据所述容器的图像信息，获取所述目标液体的体积；质量获取模块，用于根据所述目标液体的密度和体积，获取所述目标液体的质量。
在一些可选的实施例中，所述容器的图像信息是采用CT技术得到的。
第三方面，本申请提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项方法的步骤。
第四方面，本申请提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项方法的步骤。
附图说明
下面结合附图和实施例对本申请进一步说明。
图1是本申请实施例提供的一种密度估计方法的流程示意图；
图2是本申请实施例提供的一种确定目标液体成分的流程示意图；
图3是本申请实施例提供的一种获取目标液体密度的示意图；
图4是本申请实施例提供的一种使用深度学习的方式得到液体密度模型的流程示意图；
图5是本申请实施例提供的一种获取目标液体质量的流程示意图；
图6是本申请实施例提供的一种密度估计装置的结构示意图；
图7是本申请实施例提供的一种成分获取模块的结构示意图；
图8是本申请实施例提供的一种密度获取模块的结构示意图；
图9是本申请实施例提供的一种密度估计装置的结构示意图；
图10是本申请实施例提供的一种密度模型获取模块的结构示意图；
图11是本申请实施例提供的一种密度估计装置的结构示意图；
图12是本申请实施例提供的一种电子设备的结构示意图；
图13是本申请实施例提供的一种用于实现密度估计方法的程序产品的结构示意图。
具体实施方式
下面，结合附图以及具体实施方式，对本申请做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
参见图1，本申请实施例提供了一种密度估计方法，用于估计目标液体的密度，所述目标液体容置于容器中，所述方法包括步骤S101～S103。
其中，目标液体非特指某种液体，其可以是单一成分的液体，也可以是多种成分的液体。
步骤S101：获取所述目标液体的2D图像信息。
步骤S102：根据所述目标液体的2D图像信息，获取所述目标液体的成分。
步骤S103：根据所述目标液体的成分，获取所述目标液体的密度。
参见图2，在具体实施中，步骤S102可以包括步骤S201～S203。
步骤S201：获取第一组液体标本的2D图像信息和成分标注数据。
步骤S202：根据第一组液体标本的2D图像信息和成分标注数据，使用深度学习的方式训练得到液体成分模型。
步骤S203：根据所述目标液体的2D图像信息和所述液体成分模型，确定所述目标液体的成分。
本申请实施例的上述步骤，先获取大量液体标本的2D图像信息和成分标注数据，训练深度学习模型，得到液体成分模型；再根据所述目标液体的2D图像信息和液体成分模型，确定所述目标液体的成分。
在具体实施中，参见图3，步骤S103可以包括步骤S301～S302。
步骤S301：当所述目标液体的成分是单一成分时，获取所述成分对应的密度作为所述目标液体的密度。
步骤S302：目标液体的成分不是单一成分时，根据所述成分和液体密度模型，获取所述目标液体的密度。
本申请实施例的上述步骤，当所述目标液体的成分的单一成分时，直接获取所述成分对应的密度作为所述目标液体的密度；当所述目标液体成分不单一时，可以采用多传感器融合技术，例如采用光谱共焦的传感器对液体所含物质内部结构进行检测，同时结合深度学习模型对内部结构进行成分判定，并根据每种成分所占液体的比重对该成分所对应的密度进行权重处理，得到折算后的统一密度数值。
参见图4，获取所述液体密度模型的方法可以包括步骤S401～步骤S402。
步骤S401：获取第二组液体标本的成分和密度标注数据。
步骤S402：根据第二组液体标本的成分和密度标注数据，使用深度学习的方式训练得到所述液体密度模型。
本申请实施例的上述步骤，获取大量液体标本的成分和密度标注数据，进而通过深度学习的方式得到液体密度模型，为后续的密度估计提供方便，也节约了工作时间。
参见图5，在具体实施中，所述方法还包括步骤S501～S502。
步骤S501：获取所述容器的图像信息。
步骤S502：根据所述容器的图像信息，获取所述目标液体的体积。
步骤S503：根据所述目标液体的密度和体积，获取所述目标液体的质量。
本申请实施例的上述步骤，通过图像信息获取目标液体的体积，从而根据密度和体积计算目标液体的质量。
在具体实施中，所述容器的图像信息是采用CT技术得到的。通过CT技术获得所述容器的图像信息，即根据CT影像断层扫描参数获得容器的断层图像数据，从而得到目标液体的体积。
由于液体是一种特殊的物质，取放不太方便，与仪器设备接触又容易沾染杂质，本申请实施例通过计算机视觉技术，获得目标液体的2D图像，采用大数据分析的方式，训练深度学习模型得到液体成分模型，使用液体成分模型识别液体的成分和所占液体的比重，然后根据得到的成分，结合比重，评估得出密度；这种方法无需接触液体，检测效率高，而且准确度高。
参见图6，本申请实例还提供了一种密度估计装置，其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。
所述装置包括：2D获取模块101，用于获取所述目标液体的2D图像信息；成分获取模块102，用于根据所述目标液体的2D图像信息，获取所述目标液体的成分；密度获取模块103，用于根据所述目标液体的成分，获取所述目标液体的密度。
参见图7，在具体实施中，所述成分获取模块102可以包括：第一标本获取单元201，用于获取第一组液体标本的2D图像信息和成分标注数据；第一模型训练单元202，用于根据第一组液体标本的2D图像信息和成分标注数据，使用深度学习的方式训练得到液体成分模型；成分确定单元203，用于根据所述目标液体的2D图像信息和所述液体成分模型，确定所述目标液体的成分。
参见图8，在具体实施中，所述密度获取模块103可以包括：第一密度获取单元301，用于当所述目标液体的成分是单一成分时，获取所述成分对应的密度作为所述目标液体的密度；第二密度获取单元302，用于当所述目标液体的成分不是单一成分时，根据所述成分和液体密度模型，获取所述目标液体的密度。
参见图9和图10，在具体实施中，所述装置还可以包括密度模型获取模块104，所述密度模型获取模块104包括：第二标本获取单元401，用于获取第二组液体标本的成分和密度标注数据；第二模型训练单元402，用于根据第二组液体标本的成分和密度标注数据，使用深度学习的方式训练得到所述液体密度模型。
参见图11，在具体实施中，所述装置还可以包括：容器图像获取模块105，用于获取所述容器的图像信息；体积获取模块106，用于根据所述容器的图像信息，获取所述目标液体的体积；质量获取模块107，用于根据所述目标液体的密度和体积，获取所述目标液体的质量。
在一具体实施中，所述容器的图像信息是采用CT技术得到的。
参见图12，本申请实施例还提供了一种电子设备200，电子设备200包括至少一个存储器210、至少一个处理器220以及连接不同平台系统的总线230。
存储器210可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)211和/或高速缓存存储器212，还可以进一步包括只读存储器(ROM)213。
其中，存储器210还存储有计算机程序，计算机程序可以被处理器220执行，使得处理器220执行本申请实施例中密度估计方法的步骤，其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。
存储器210还可以包括具有一组(至少一个)程序模块215的程序/实用工具214，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
相应的，处理器220可以执行上述计算机程序，以及可以执行程序/实用工具214。
总线230可以为表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信，还可与一个或者多个能够与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质用于存储计算机程序，所述计算机程序被执行时实现本申请实施例中密度估计方法的步骤，其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。
图13示出了本实施例提供的用于实现上述方法的程序产品300，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品300不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品300可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言诸如Java、C++等，还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本申请从使用目的上，效能上，进步及新颖性等观点进行阐述，其设置有的实用进步性，已符合专利法所强调的功能增进及使用要件，本申请以上的说明及附图，仅为本申请的较佳实施例而已，并非以此局限本申请，因此，凡一切与本申请构造，装置，特征等近似、雷同的，即凡依本申请专利申请范围所作的等同替换或修饰等，皆应属本申请的专利申请保护的范围之内。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：堆积物整体体积的检测方法、装置及电子设备