[發明專利]一種基于人工智能的塑料薄膜檢測方法

在審

• 申請號: 202210494702.4
• 申請日: 2022-05-07
• 公開（公告）號: CN114894792A
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 陳春輝
• 申請（專利權）人: 陳春輝
• 主分類號: G01N21/84
• 分類號: G01N21/84;G01N21/88;G01B11/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于人工智能的塑料薄膜檢測方法，其特點在于：包括以下工序：

步驟S1：熔融塑料顆粒；

步驟S2：吹塑成塑料薄膜；

步驟S3：通過圖像采集設備采集相同批次塑料薄膜樣品的圖像信息；

步驟S4：對圖像信息進行質檢，判斷塑料薄膜是否合規；

步驟S5：將不合規的塑料薄膜回收處理。

2.如權利要求1的一種基于人工智能的塑料薄膜檢測方法，其特點在于：對圖像信息的進行質檢，具體如下：

S100：得到樣品中全部塑料薄膜中瑕疵點的總面積；

S200：依照樣品的總面積和瑕疵點的總面積得到瑕疵點率；

S300：獲取樣品的密度，依照樣品的瑕疵點率和密度得到質量評估指標；

S400：得到任意兩個不同樣品所對應的質量評估指標之間的距離，依照距離將全部樣品分為不同組別，相同組別中的質量評估指標近似，其中每組中包括多個樣品；

S500：得到各類中每個樣品的平均長度；

S600：基于相同組別，運算任意一個樣品的平均長度相對于其他樣品的平均長度的差異得到各樣品的可信任程度；

S700：以每個樣品的可信任程度作為重要程度與相應的瑕疵點率進行加權求和并取平均數得到相應組別的整體瑕疵點率；

S800：將整體瑕疵點率與預定瑕疵點率臨界值進行比較，以判定相應組別是否合規。

3.如權利要求2的一種基于人工智能的塑料薄膜檢測方法，其特點在于：

步驟S300包括：

質量評估指標的運算方法：

A＝e^φtanh(F*γ)；

其中，A為質量評估指標，e為自然常數，γ為調節參數，F為樣品的密度，Q為樣品的瑕疵點率，Q_i為歷史瑕疵點率的最大值；調節參數F_i表示歷史密度的最大值。

4.如權利要求3的一種基于人工智能的塑料薄膜檢測方法，其特點在于：

步驟S600包括：

S610：運算任意兩個樣品之間的長度差異，任意一個樣品與其他全部樣品之間的長度差異的總和為差異；

S620：上述可信任程度與差異為負相關關系，可信任程度的運算方法為：

η＝1+ΔJ_g；

其中，E_g為第g個樣品的可信任程度，ΔJ_g為第g個樣品與該組別中其他全部樣品之間的差異。

5.如權利要求4的一種基于人工智能的塑料薄膜檢測方法，其特點在于：

步驟S500包括：

上述得到各類中每個樣品的平均長度的方法包括：

S510：通過圖像采集設備對塑料薄膜進行尺寸分析；

S520：得到的該樣品中每個塑料薄膜的長度數據；

S530：依照每個塑料薄膜的長度數據運算樣品的平均長度。

6.如權利要求5的一種基于人工智能的塑料薄膜檢測方法，其特點在于：

步驟S500包括：

S540：得到任意一個樣品中瑕疵點總數值；

S550：依照該瑕疵點總數值與瑕疵點總面積的比數得到瑕疵點數值比例，建立X軸為樣品記號、Y軸為瑕疵點數值比例的二維坐標軸；

S560：依照每個樣品與瑕疵點數值比例的對應關系在坐標軸中標點得到多個散點；

S570：擬合散點得到相應的擬合曲線，運算任意一個實際散點與擬合曲線之間的距離得到相應的殘差；

S580：全部散點與擬合曲線之間的殘差構成殘差序列，運算殘差序列的平均數；

S590：將與平均數之間的差異最大的百分之九的殘差篩除，相應的在該組別中篩除該殘差所對應的樣品，更迭組別中所包含的樣品參數。

7.如權利要求6的一種基于人工智能的塑料薄膜檢測方法，其特點在于：

步驟S800包括：

將第g個樣品的瑕疵點率記為Q_g、第s個組別的整體瑕疵點率記為Q^(s)，則有：

β＝E_g*Q_g；

預定瑕疵點率臨界值，在第s個組別的整體瑕疵點率Q^(s)小于等于預定瑕疵點率臨界值，說明該組別中各樣品均為合規樣品，相對應的總體也合規，否則，說明相應的組別不合規，也即該組別中的全部樣品均不合規，相應總體也不合規。