本发明涉及小纳米颗粒定位，尤其涉及一种利用深度学习自动定位分析正带轴超小纳米颗粒方法及系统。
背景技术：
1、近年来，我国建筑工业化兴起，装配式建筑作为实现建筑工业化的主要措施得到了突飞猛进的发展。我国要加快建筑机器人研发和应用。加强新型传感、智能控制和优化、多机协同、人机协作等建筑机器人核心技术研究，研究编制关键技术标准，形成一批建筑机器人标志性产品。因此建设过程的智能化建设至关重要。装配式建筑施工主要依赖于机械为主的对各预制构件的组装，其中预制构件的吊装是整个流程的中心环节。吊装效率极大影响了施工效率，而吊装效率在一定程度上又取决于吊装顺序和吊装路径。
2、目前，对于建筑构件吊装一般通过传统经验的方法来进行，然而这种方法参与人员众多，智能化水平较低，具有较高的复杂性和不确定性，缺乏对于三维空间碰撞的考虑，或简单的将构件视为简单立方体块进行时间和空间路径的优化，导致吊装的效率较低。
技术实现思路
1、为了解决上述问题，本发明提供了一种利用深度学习自动定位分析正带轴超小纳米颗粒方法，可以提高建筑构件吊装的效率。
2、第一方面，本发明提供了一种利用深度学习自动定位分析正带轴超小纳米颗粒方法，包括：
3、获取待识别纳米颗粒图像，将所述待识别纳米颗粒图像输入至预配置的透射电镜中之后，将所述透射电镜的拍摄参数调整完毕后，以采集所述待识别纳米颗粒图像，得到小纳米颗粒图像；
4、对所述小纳米颗粒图像进行图像滤波，得到滤波图像，将所述滤波图像进行图像缩放，得到缩放图像，对所述缩放图像进行频谱转换，得到频谱转换图像；
5、对所述频谱转换图像进行频谱划分，得到频谱划分图像，对所述频谱划分图像进行小波分解，得到小波分解图像，提取所述小波分解图像的小波系数，根据所述小波系数对所述小波分解图像进行图像增强，得到增强图像；
6、将所述增强图像转换为图像向量，识别所述图像向量的向量特征，根据所述向量特征识别所述增强图像的图像信息，基于所述图像信息确定所述待识别纳米颗粒图像中纳米颗粒的位置，以对所述纳米颗粒进行拍摄，得到纳米颗粒照片。
7、在第一方面的一种可能实现方式中，所述将所述待识别纳米颗粒图像输入至预配置的透射电镜中之后，将所述透射电镜的拍摄参数调整完毕后，以采集所述待识别纳米颗粒图像，得到小纳米颗粒图像，包括：
8、识别所述待识别纳米颗粒图像的图像尺寸；
9、基于所述图像尺寸调整所述透射电镜的拍摄高度和电镜聚焦；
10、在所述拍摄高度和所述电镜聚焦调整完毕后，以采集所述待识别纳米颗粒图像，得到小纳米颗粒图像。
11、在第一方面的一种可能实现方式中，所述对所述小纳米颗粒图像进行图像滤波，得到滤波图像，包括：
12、构建所述小纳米颗粒图像的滤波窗口；
13、利用所述滤波窗口结合下述公式对所述小纳米颗粒图像进行图像滤波，得到滤波图像：
14、
15、其中，lp表示滤波图像，arg表示滤波窗口，m表示滤波窗口的水平宽度，v表示滤波窗口的垂直长度，(i，j)表示滤波窗口中对应所述小纳米颗粒图的像素坐标，δ(i，j)表示为(i，j)的复数相位，e表示一个常数，fk表示所述小纳米颗粒图中待滤波像素点在水平宽度方向上的相位频率，fl表示所述小纳米颗粒图中待滤波像素点在垂直高度方向上的相位频率。
16、在第一方面的一种可能实现方式中，所述对所述缩放图像进行频谱转换，得到频谱转换图像，包括：
17、将所述缩放图像转换为灰度图像；
18、对所述灰度图像进行图像填充，得到填充图像；
19、对所述填充图像进行傅里叶变换，得到频谱转换图像。
20、在第一方面的一种可能实现方式中，所述对所述频谱转换图像进行频谱划分，得到频谱划分图像，包括：
21、识别所述频谱转换图像的图像实部和图像虚部；
22、根据所述图像实部和所述图像虚部计算所述频谱转换图像的幅度谱；
23、根据所述幅度谱利用预设值的能量阈值对所述频谱转换图像进行频谱划分，得到频谱划分图像。
24、在第一方面的一种可能实现方式中，所述根据所述图像实部和所述图像虚部计算所述频谱转换图像的幅度谱，包括：
25、利用所述图像实部和所述图像虚部结合下述公式计算所述频谱转换图像的幅度谱：
26、u＝sqrt(a^2+b^2)
27、其中，u表示幅度谱，a表示图像实部，b表示图像虚部。
28、在第一方面的一种可能实现方式中，所述对所述频谱分级图像进行小波分解，得到小波分解图像，包括：
29、将所述频谱划分图转换为小波信号；
30、设置所述小波信号的分解层数；
31、利用预构建的小波基函数结合所述小波信号和所述分解层数将所述频谱划分图进行分解，得到小波分解图像。
32、在第一方面的一种可能实现方式中，所述根据所述小波系数对所述小波分解图像进行图像增强，得到增强图像，包括：
33、利用下述公式计算所述分解图像中小波系数的均方差：
34、
35、其中，gf表示均方差，m表示小波分解图像的数量，xi表示第i个小波分解图像的小波系数值，xj表示第j个小波分解图像的小波系数值。
36、将所述均方差在预设阈值范围内对应的小波分解图像进行图像归类，得到归类图像，利用下述公式计算所述归类图像的梯度值：
37、
38、其中，t表示梯度值，h表示归类图像的长度，e表示归类图像宽度，s(i，j)归类图像第s个像素点，δxs(i，j)表示所述第s个像素点在归类图像中的水平方向的梯度，δys(i，j)表示所述第s个像素点在归类图像中的垂直方向的梯度；
39、基于所述梯度值对所述小波分解图像进行图像增强，得到增强图像。
40、第二方面，本发明提供了一种利用深度学习自动定位分析正带轴超小纳米颗粒系统，所述系统包括：
41、图相采集模块，用于获取待识别纳米颗粒图像，将所述待识别纳米颗粒图像输入至预配置的透射电镜中之后，将所述透射电镜的拍摄参数调整完毕后，以采集所述待识别纳米颗粒图像，得到小纳米颗粒图像；
42、图像转换模块，用于对所述小纳米颗粒图像进行图像滤波，得到滤波图像，将所述滤波图像进行图像缩放，得到缩放图像，对所述缩放图像进行频谱转换，得到频谱转换图像；
43、图相增强模块，用于对所述频谱转换图像进行频谱划分，得到频谱划分图像，对所述频谱划分图像进行小波分解，得到小波分解图像，提取所述小波分解图像的小波系数，根据所述小波系数对所述小波分解图像进行图像增强，得到增强图像；
44、图像拍摄模块，用于将所述增强图像转换为图像向量，识别所述图像向量的向量特征，根据所述向量特征识别所述增强图像的图像信息，基于所述图像信息确定所述待识别纳米颗粒图像中纳米颗粒的位置，以对所述纳米颗粒进行拍摄，得到纳米颗粒照片。
45、与现有技术相比，本方案的技术原理及有益效果在于：
46、本发明实施例通过通过所述获取待识别纳米颗粒图像可以通过对所述待识别纳米颗粒图像进行一系列处理后识别出所述待识别纳米颗粒图像中的纳米颗粒位置，并进行定位追踪进而拍摄出高清图像，并将所述待识别纳米颗粒图像输入至预配置的透射电镜中之后，将所述透射电镜的拍摄参数调整完毕后可以得到合适的图像拍摄参数，进一步地，本发明实施例通过对所述小纳米颗粒图像进行图像滤波，得到滤波图像可以降低图像受到的噪声干扰，使得图像信息更容易识别读取，以及对所述缩放图像进行频谱转换，得到频谱转换图像可以将图像转换为信号领域数据，便于图像的处理，并通过对所述频谱转换图像进行频谱划分，得到频谱分级图像可以将图像进行频谱级别划分，从而使得图像的信息更有层次感，更加容易识别，进一步地，本发明实施例通过将所述增强图像转换为图像向量可以将图像信息转换为数学计算方式，以便于识别图像的特征，以及识别所述图像向量的向量特征可以识别所述增强图像中物体的信息。本发明实施例提出的一种利用深度学习自动定位分析正带轴超小纳米颗粒方法及系统，可以可以筛选定位出正带轴颗粒的图像。
1.一种利用深度学习自动定位分析正带轴超小纳米颗粒方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述待识别纳米颗粒图像输入至预配置的透射电镜中之后，将所述透射电镜的拍摄参数调整完毕后，以采集所述待识别纳米颗粒图像，得到小纳米颗粒图像，包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述小纳米颗粒图像进行图像滤波，得到滤波图像，包括：
4.根据权利要求1所述的方法，其特征在于，所述对所述缩放图像进行频谱转换，得到频谱转换图像，包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述频谱转换图像进行频谱划分，得到频谱划分图像，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述图像实部和所述图像虚部计算所述频谱转换图像的幅度谱，包括：
7.根据权利要求1所述的方法，其特征在于，所述对所述频谱分级图像进行小波分解，得到小波分解图像，包括：
8.根据权利要求1所述的方法，其特征在于，所述根据所述小波系数对所述小波分解图像进行图像增强，得到增强图像，包括：
9.根据权利要求1所述的方法，其特征在于，所述识别所述图像向量的向量特征，包括：
10.一种利用深度学习自动定位分析正带轴超小纳米颗粒系统，其特征在于，所述系统包括：
