[发明专利]一种使用机器手臂结合三维视觉的激光器打标方法

权利要求书

1.一种使用机器手臂结合三维视觉的激光器打标方法，其特征在于，包括以下步骤：

步骤一：收集大量实验桌上安装的摄像机采集的不同视角的实验数据，对实验视频及图片数据集进行实验器材类别标注，采用深度学习方法进行检测模型训练；

步骤二：根据实验步骤及内容，通过细分实验，将实验划分为不同阶段，并列举出每个阶段所有状态，将实验结合实验阶段及状态构建有向图评价模型，结合教学及考试大纲得分点要对评价模型赋予不同得分权值；

步骤三：前端通过实验桌上多个视角的摄像头获取实验桌面及实验者操作过程的同步视频数字信号，对数字信号进行解码，得到图像帧，对图像帧进行预处理；

步骤四：利用预先针对实验器材训练好的检测模型，通过深度学习目标检测算法，检测出实验桌上实验仪器，结合计算机视觉进行特定仪器状态的检测，检测实验人手部动作，结合手部动作及实验仪器状态等信息，识别出当前实验进度及状态，输入评价模型，通过评价模型给出实验最后得分，实现自动评分功能。

2.根据权利要求1所述的使用机器手臂结合三维视觉的激光器打标方法，其特征在于：步骤二中，具体实验方法如下：定义实验起始阶段为start节点，第一阶段为Stage_1，第一阶段Stage_1中有{Status1,1，Status1,2…,Status1,m₁}m₁个状态；第二阶段Stage_2中有{Status2,1，Status2,2…,Status2,m₂}m₂个状态；依次类推，第n-1阶段Stage_n-1中有{Statusn-1,1，Statusn-1,2…,Statusn-1,m_n-1}m_n-1个状态，结束点为end节点，随后将第i阶段，第j状态节点标记为s_i,j；定义由start到Stage_1的第m₁个状态节点的奖励权重为其中s_0,0为start节点，定义由start到Stage_1的奖励权重矩阵为：

由Stage_1到Stage_2的各个状态节点的权重奖励矩阵为：

在实际实验中，如果不存在从到的状态则为0；最后一层Stage_n-1到end节点的权重奖励矩阵为：其中s_n,0为end节点。

3.根据权利要求1所述的使用机器手臂结合三维视觉的激光器打标方法，其特征在于：步骤三中，图像预处理包括对进行图像等比例缩放，图像归一化等操作。