[發明專利]基于人工智能及圖像處理的塑料薄膜質量檢測方法

有效

• 申請號: 202111597014.2
• 申請日: 2021-12-24
• 公開（公告）號: CN113989279B
• 公開（公告）日: 2022-03-22
• 發明（設計）人: 王振
• 申請（專利權）人: 武漢華康龍興工貿有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T5/00;G06N3/04;G06N3/08
• 代理公司: 武漢開元知識產權代理有限公司 42104
• 代理人: 黃行軍

本發明涉及塑料薄膜質量檢測領域，具體涉及一種基于人工智能及圖像處理的塑料薄膜質量檢測方法，包括：獲取塑料薄膜表面圖像；根據各像素點的特征信息對薄膜表面圖像進行區域劃分，得到各劃分子塊；對劃分的各子塊進行高斯模型擬合，得到各子塊的特征向量；建立瑕疵提取模型，得到各子塊兩兩之間的特征向量差異度；根據特征向量差異度對所有子塊進行類別歸屬，得到所有歸屬類別；統計各類別中子塊的數量，得到正常薄膜和瑕疵區域；獲取瑕疵區域二值圖及其對應的基準圖像；構建神經網絡，將基準圖像輸入該網絡，獲取待檢測塑料薄膜的質量等級。上述方法用于對塑料薄膜進行質量檢測，通過上述方法可有效提高質量檢測的準確度和效率。

技術領域

本發明涉及塑料薄膜質量檢測領域，具體涉及一種基于人工智能及圖像處理的塑料薄膜質量檢測方法。

背景技術

薄膜因其質輕、成本低、耐老化等特點被廣泛應用于各個領域。常見的塑料薄膜缺陷主要有：穿孔、碳點、色皺、褶皺、異物等。當薄膜表面出現大量瑕疵區域時，將會影響薄膜后續使用時的密封效果，導致薄膜使用壽命降低，薄膜生產效率低下等問題。因此對塑料薄膜進行質量檢測必不可少。

傳統對于生產出來的塑料薄膜表面的瑕疵檢測多是操作人員進行目視檢測，根據操作人員的已有經驗對檢測的缺陷進行判斷，從而確定塑料薄膜的質量等級。

然而，上述方法工作量大，檢測效率較低，存在人為主觀性，瑕疵識別準確率低，且操作人員在進行檢測時很難做到對薄膜表面的全面檢測。因此，亟需一種方法用于提高對塑料薄膜質量檢測的準確性和效率。

發明內容

本發明提供了一種基于人工智能及圖像處理的塑料薄膜質量檢測方法，包括：獲取塑料薄膜表面圖像；根據各像素點的特征信息對薄膜表面圖像進行區域劃分，得到各劃分子塊；對劃分的各子塊進行高斯模型擬合，得到各子塊的特征向量；建立瑕疵提取模型，得到各子塊兩兩之間的特征向量差異度；根據特征向量差異度對所有子塊進行類別歸屬，得到所有歸屬類別；統計各類別中子塊的數量，得到正常薄膜和瑕疵區域；獲取瑕疵區域二值圖及其對應的基準圖像；構建神經網絡，將基準圖像輸入該網絡，獲取待檢測塑料薄膜的質量等級，相比于現有技術，本發明通過相機采集設備對薄膜表面進行圖像采集，對圖像進行處理分析，構建瑕疵區域提取模型，識別薄膜表面的瑕疵區域，并對瑕疵區域進行特征參數提取，對薄膜表面的質量進行檢測評估。該方法可實現非接觸性對塑料薄膜進行表面質量檢測，同時基于薄膜表面的缺陷特征對薄膜質量進行準確評估，能有效避免人為檢測評估的主觀性，本發明具有檢測速度快、效率高、準確性高等有益效果。

為達到上述目的，本發明采用以下技術方案，一種基于人工智能及圖像處理的塑料薄膜質量檢測方法，包括：

采集待檢測的塑料薄膜表面圖像。

對塑料薄膜表面圖像進行預處理，獲取高質量的塑料薄膜表面圖像。

根據各像素點的特征信息對塑料薄膜表面圖像進行局部同類型區域劃分，得到各劃分子塊。

對劃分后的各子塊進行高斯模型擬合，得到各子塊的特征向量。

根據各子塊的特征向量建立瑕疵提取模型，得到各子塊兩兩之間的特征向量差異度。

根據各子塊兩兩之間的特征向量差異度對所有子塊進行類別歸屬，得到所有歸屬類別。

對各歸屬類別中子塊的數量進行排序，得到正常薄膜區域和瑕疵區域。

利用得到的正常薄膜區域和瑕疵區域獲取瑕疵區域提取二值圖。

將瑕疵區域提取二值圖與待檢測塑料薄膜表面的RGB圖像進行相乘操作得到待檢測塑料薄膜所對應的基準圖像。

構建神經網絡，將基準圖像作為神經網絡的輸入，神經網絡輸出為待檢測薄膜的質量等級，根據輸出的質量等級完成對塑料薄膜質量的檢測。