本發(fā)明涉及塑料制品檢測(cè)，具體涉及一種基于圖像識(shí)別的塑料制品檢測(cè)系統(tǒng)。

背景技術(shù)：

1、基于圖像識(shí)別的塑料制品檢測(cè)是一種利用計(jì)算機(jī)視覺技術(shù)對(duì)塑料制品進(jìn)行自動(dòng)化質(zhì)量檢查的方法。通過高分辨率攝像頭或掃描儀獲取塑料制品的圖像，并將這些圖像輸入到圖像識(shí)別系統(tǒng)中，系統(tǒng)使用深度學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)(cnn)等算法對(duì)圖像進(jìn)行處理、分析和特征提取。該系統(tǒng)能夠自動(dòng)檢測(cè)出塑料制品中的缺陷，如裂紋、氣泡、變形、色差或表面污染等問題?；趫D像識(shí)別的塑料制品檢測(cè)不僅提高了檢測(cè)效率，減少了人工干預(yù)，還能夠提供更高的準(zhǔn)確性和一致性，有助于及時(shí)發(fā)現(xiàn)生產(chǎn)過程中的質(zhì)量問題，從而保證產(chǎn)品的高標(biāo)準(zhǔn)質(zhì)量。

2、現(xiàn)有技術(shù)存在以下不足：

3、現(xiàn)有技術(shù)中，掃描儀通常以固定的光束寬度和焦距照射到塑料制品表面，光線反射后由傳感器捕捉并生成圖像數(shù)據(jù)。然而，當(dāng)塑料表面涂層不均勻，導(dǎo)致某些區(qū)域出現(xiàn)過度反射時(shí)，傳感器可能無法清晰地捕捉這些區(qū)域的細(xì)節(jié)，進(jìn)而引發(fā)一系列嚴(yán)重后果。這種過度反射可能導(dǎo)致傳感器過曝或光飽和，無法正常捕捉反射光的細(xì)節(jié)，從而導(dǎo)致圖像數(shù)據(jù)失真或缺失，無法準(zhǔn)確識(shí)別表面的潛在缺陷，如裂紋、氣泡、污點(diǎn)或刮痕等。結(jié)果，質(zhì)量檢測(cè)可能出現(xiàn)失敗，即便塑料制品存在嚴(yán)重缺陷，這些問題也無法及時(shí)發(fā)現(xiàn)。如果這些缺陷未被及時(shí)識(shí)別，可能會(huì)進(jìn)入批量生產(chǎn)環(huán)節(jié)，最終流入市場(chǎng)，造成不合格產(chǎn)品，甚至引發(fā)產(chǎn)品召回或質(zhì)量訴訟，給企業(yè)帶來巨大的經(jīng)濟(jì)損失和品牌聲譽(yù)危機(jī)。

4、在所述背景技術(shù)部分公開的上述信息僅用于加強(qiáng)對(duì)本公開的背景的理解，因此它可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種基于圖像識(shí)別的塑料制品檢測(cè)系統(tǒng)，通過引入深度學(xué)習(xí)模型和圖像分析技術(shù)，本方案顯著提高了塑料制品涂層不均勻的檢測(cè)精度。動(dòng)態(tài)分析表面紋理分異參考值和反射異質(zhì)性參考值，智能評(píng)估涂層狀態(tài)，并通過涂層一致性指數(shù)精準(zhǔn)劃分涂層均勻性。對(duì)于涂層不均勻的產(chǎn)品，系統(tǒng)能夠?qū)崟r(shí)調(diào)整掃描儀的光束寬度和焦距，確保圖像質(zhì)量并避免傳統(tǒng)方法的局限。這種智能化的檢測(cè)與調(diào)整策略提高了檢測(cè)效率、準(zhǔn)確性，降低了質(zhì)量風(fēng)險(xiǎn)和成本，以解決上述背景技術(shù)中的問題。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于圖像識(shí)別的塑料制品檢測(cè)系統(tǒng)，包括圖像采集模塊、數(shù)據(jù)存儲(chǔ)與特征提取模塊、特征分析與模型輸入模塊、智能評(píng)估與分類模塊、均質(zhì)涂層采集模塊以及異質(zhì)涂層調(diào)整模塊：

3、圖像采集模塊，首先，使用掃描儀以預(yù)設(shè)的光束寬度和焦距照射塑料制品表面，捕捉高質(zhì)量的表面圖像；

4、數(shù)據(jù)存儲(chǔ)與特征提取模塊，采集到的表面圖像被存儲(chǔ)并組織成一個(gè)結(jié)構(gòu)化的數(shù)據(jù)集合，并從數(shù)據(jù)集合中提取有助于識(shí)別涂層不均勻的關(guān)鍵特征；

5、特征分析與模型輸入模塊，在檢測(cè)窗口下，對(duì)提取的關(guān)鍵特征進(jìn)行分析，并將經(jīng)過分析后的關(guān)鍵特征輸入至預(yù)先學(xué)習(xí)好的深度學(xué)習(xí)模型中，通過深度學(xué)習(xí)模型對(duì)塑料制品表面的涂層狀態(tài)進(jìn)行智能化評(píng)估；

6、智能評(píng)估與分類模塊，基于深度學(xué)習(xí)模型評(píng)估結(jié)果將塑料制品表面狀態(tài)劃分為均質(zhì)涂層和異質(zhì)涂層兩類；

7、均質(zhì)涂層采集模塊，對(duì)于被判斷為均質(zhì)涂層的塑料制品，掃描儀繼續(xù)以原設(shè)定的光束寬度和焦距進(jìn)行表面狀態(tài)數(shù)據(jù)的采集；

8、異質(zhì)涂層調(diào)整模塊，對(duì)于被判斷為異質(zhì)涂層的塑料制品，根據(jù)深度學(xué)習(xí)模型評(píng)估結(jié)果，動(dòng)態(tài)調(diào)整掃描儀的光束寬度和焦距。

9、優(yōu)選的，從數(shù)據(jù)集合中提取有助于識(shí)別涂層不均勻的關(guān)鍵特征，提取的特征包括紋理變化和表面反射光梯度，在檢測(cè)窗口下，對(duì)提取的紋理變化和表面反射光梯度進(jìn)行分析，分別生成表面紋理分異參考值和表面反射異質(zhì)性參考值，表面紋理分異參考值量化了塑料制品表面紋理在空間分布和局部區(qū)域的變化程度，表面反射異質(zhì)性參考值量化了塑料制品表面不同區(qū)域反射光強(qiáng)度的差異性，具體表現(xiàn)為表面反射率的不均勻分布。

10、優(yōu)選的，在檢測(cè)窗口下，對(duì)紋理變化進(jìn)行分析，生成表面紋理分異參考值的具體步驟如下：

11、在檢測(cè)窗口下，首先對(duì)塑料制品表面的圖像數(shù)據(jù)進(jìn)行紋理特征提取，通過局部區(qū)域的紋理分析，提取出該區(qū)域的紋理模式數(shù)據(jù)，根據(jù)提取到的紋理特征，計(jì)算圖像中每個(gè)區(qū)域的紋理差異，計(jì)算表達(dá)式如下：

12、

13、，式中，是圖像中區(qū)域i在第k個(gè)紋理特征維度上的值，是圖像中區(qū)域j在第k個(gè)紋理特征維度上的值，α是差異度量的調(diào)節(jié)因子，n是紋理特征總數(shù)，代表了區(qū)域i和區(qū)域j在第k個(gè)紋理特征維度上的差異，d(ti,tj)是紋理差異；

14、基于紋理差異度量的結(jié)果，計(jì)算圖像中不同區(qū)域的紋理差異，并通過權(quán)重因子對(duì)差異度進(jìn)行加權(quán)，計(jì)算表達(dá)式如下：

15、

16、，式中，δi是區(qū)域紋理差異度，βj是鄰域區(qū)域的權(quán)重因子，是區(qū)域j的權(quán)重因子，是鄰域區(qū)域集合，是集合，表示與區(qū)域i相鄰的區(qū)域集合；

17、結(jié)合所有區(qū)域紋理差異度δi，生成表面紋理分異參考值，計(jì)算表達(dá)式如下：

18、

19、，式中，itexture是表面紋理分異參考值，m是區(qū)域總數(shù)，λi是區(qū)域i的調(diào)節(jié)因子。

20、優(yōu)選的，在檢測(cè)窗口下，對(duì)表面反射光梯度進(jìn)行分析，生成表面反射異質(zhì)性參考值的具體步驟如下：

21、在檢測(cè)窗口下，通過掃描儀采集塑料制品表面的反射光數(shù)據(jù)，得到每個(gè)采樣點(diǎn)的反射光強(qiáng)度值，通過計(jì)算相鄰像素點(diǎn)的光強(qiáng)度變化，得到光梯度，計(jì)算表達(dá)式如下：

22、

23、，式中，r(x,y)是表面反射光強(qiáng)度值，是反射光強(qiáng)度梯度，是反射光強(qiáng)度在x方向上的變化率，是反射光強(qiáng)度在y方向上的變化率；

24、通過計(jì)算每個(gè)像素點(diǎn)的光梯度，得到每個(gè)局部區(qū)域的反射不均勻度，計(jì)算表達(dá)式如下：

25、

26、，式中，l(x,y)是局部光反射不均勻性度量，θ是靈敏度系數(shù)，是非線性放大系數(shù)；

27、在計(jì)算了每個(gè)像素點(diǎn)的局部反射不均勻性度量l(x,y)后，對(duì)整個(gè)檢測(cè)窗口內(nèi)的各個(gè)局部區(qū)域進(jìn)行匯總，以得到全局反射異質(zhì)性度量，計(jì)算表達(dá)式如下：

28、

29、，式中，ω(x,y)是像素權(quán)重，是梯度衰減因子，γ是衰減系數(shù)，ireflect是表面反射異質(zhì)性參考值。

30、優(yōu)選的，獲取到對(duì)提取的關(guān)鍵特征進(jìn)行分析后生成的表面紋理分異參考值和表面反射異質(zhì)性參考值后，將表面紋理分異參考值和表面反射異質(zhì)性參考值輸入至預(yù)先學(xué)習(xí)好的深度學(xué)習(xí)模型中，通過深度學(xué)習(xí)模型生成涂層一致性指數(shù)，通過涂層一致性指數(shù)對(duì)塑料制品表面的涂層狀態(tài)進(jìn)行智能化評(píng)估。

31、優(yōu)選的，將生成的涂層一致性指數(shù)與預(yù)先設(shè)定的涂層一致性指數(shù)參考閾值進(jìn)行比對(duì)分析，對(duì)塑料制品表面狀態(tài)進(jìn)行劃分，劃分步驟如下：

32、若涂層一致性指數(shù)大于等于預(yù)先設(shè)定的涂層一致性指數(shù)參考閾值，則當(dāng)前塑料制品表面處于不均勻狀態(tài)，則將其劃分為異質(zhì)涂層；

33、若涂層一致性指數(shù)小于預(yù)先設(shè)定的涂層一致性指數(shù)參考閾值，則當(dāng)前塑料制品表面處于均勻狀態(tài)，則將其劃分為均質(zhì)涂層。

34、優(yōu)選的，對(duì)于被判斷為異質(zhì)涂層的塑料制品，根據(jù)深度學(xué)習(xí)模型評(píng)估結(jié)果，動(dòng)態(tài)調(diào)整掃描儀的光束寬度和焦距具體步驟如下：

35、若當(dāng)前檢測(cè)的塑料制品被劃分為異質(zhì)涂層，則根據(jù)模型評(píng)估結(jié)果動(dòng)態(tài)調(diào)整掃描儀的參數(shù)，以確保在涂層不均勻區(qū)域能夠捕捉到更多細(xì)節(jié)，根據(jù)深度學(xué)習(xí)模型的評(píng)估結(jié)果，動(dòng)態(tài)調(diào)整的光束寬度和焦距將依據(jù)涂層不均勻的程度進(jìn)行細(xì)化和優(yōu)化，計(jì)算表達(dá)式如下：

36、beam_width_dynamic＝f(cci,beam_width_init)，

37、focus_dynamic＝f(cci,focus_init)

38、，式中，beam_width_dynamic是調(diào)整后的光束寬度，beam_width_init是初始光束寬度，focus_dynamic是調(diào)整后的焦距值，focus_init是初始焦距，cci是涂層一致性指數(shù)；

39、根據(jù)對(duì)涂層不均勻性的評(píng)估，通過調(diào)整光束寬度和焦距，掃描儀更精細(xì)地捕捉表面狀態(tài)信息，在這一過程中，調(diào)整的幅度將依據(jù)實(shí)際的表面涂層特性和目標(biāo)區(qū)域的涂層不均勻程度，調(diào)整規(guī)則公式如下：

40、δbeam_width＝a·(cciref-cci)，

41、δfocus＝b·(cciref-cci)

42、，式中，δbeam_width是光束寬度的調(diào)整量，a是光束寬度調(diào)整比例因子，cciref是涂層一致性指數(shù)參考閾值，δfocus是焦距的調(diào)整量，b是焦距調(diào)整比例因子；

43、為確保調(diào)整后參數(shù)的最優(yōu)使用，掃描儀在捕捉新數(shù)據(jù)時(shí)，動(dòng)態(tài)調(diào)整的光束寬度和焦距將依據(jù)預(yù)設(shè)規(guī)則和反饋機(jī)制進(jìn)行迭代優(yōu)化，保證每次采集都能獲得最佳的圖像質(zhì)量，計(jì)算表達(dá)式如下：

44、data_quality＝f(beam_width_dynamic,focus_dynamic)

45、，式中，data_quality是數(shù)據(jù)質(zhì)量。

46、在上述技術(shù)方案中，本發(fā)明提供的技術(shù)效果和優(yōu)點(diǎn)：

47、本發(fā)明通過引入深度學(xué)習(xí)模型和圖像分析技術(shù)，顯著提高了塑料制品涂層不均勻的檢測(cè)精度。在傳統(tǒng)的掃描儀檢測(cè)方法中，由于光束固定，焦距不變，涂層不均勻引起的過度反射和光飽和問題會(huì)影響傳感器捕捉細(xì)節(jié)，導(dǎo)致圖像數(shù)據(jù)失真或缺失，進(jìn)而使?jié)撛谌毕轃o法及時(shí)識(shí)別。而本方案通過動(dòng)態(tài)分析表面紋理分異參考值和表面反射異質(zhì)性參考值，這兩項(xiàng)關(guān)鍵特征能夠量化涂層的均勻性和反射光的差異性。通過深度學(xué)習(xí)模型對(duì)這些特征進(jìn)行智能化評(píng)估，模型可以根據(jù)涂層一致性指數(shù)對(duì)涂層狀態(tài)進(jìn)行精準(zhǔn)劃分，確保在涂層不均勻的區(qū)域，能夠進(jìn)行更為細(xì)致和專業(yè)的分析。這種智能化檢測(cè)不僅彌補(bǔ)了傳統(tǒng)方法的局限，還能提前識(shí)別和標(biāo)記潛在的涂層缺陷，確保不合格產(chǎn)品不會(huì)進(jìn)入生產(chǎn)環(huán)節(jié)，從而大幅降低質(zhì)量風(fēng)險(xiǎn)和降低產(chǎn)品召回的可能性。

48、本發(fā)明對(duì)于涂層不均勻的塑料制品，深度學(xué)習(xí)模型能夠?qū)崟r(shí)分析涂層一致性指數(shù)，并根據(jù)模型評(píng)估結(jié)果動(dòng)態(tài)調(diào)整掃描儀的光束寬度和焦距。這種智能化的調(diào)整過程意味著，當(dāng)檢測(cè)到涂層存在不均勻現(xiàn)象時(shí)，掃描儀能夠自動(dòng)縮小光束寬度和調(diào)整焦距，從而對(duì)涂層不均勻的細(xì)節(jié)進(jìn)行精確捕捉。這種策略有效避免了傳統(tǒng)固定參數(shù)掃描的弊端，尤其是在面對(duì)過度反射或飽和區(qū)域時(shí)，能夠以更合適的光學(xué)設(shè)置確保圖像數(shù)據(jù)的完整性和高質(zhì)量。此外，智能化的光束和焦距調(diào)整策略也提升了生產(chǎn)線的檢測(cè)效率，避免了不必要的重復(fù)檢查，從而節(jié)約了時(shí)間和成本。通過這種動(dòng)態(tài)調(diào)整，系統(tǒng)能夠高效地應(yīng)對(duì)不同塑料制品的涂層狀態(tài)，保持高精度和高速度的同時(shí)確保檢測(cè)的準(zhǔn)確性。