技術特征：

1.一種基于圖像識別的塑料制品檢測系統，其特征在于，包括圖像采集模塊、數據存儲與特征提取模塊、特征分析與模型輸入模塊、智能評估與分類模塊、均質涂層采集模塊以及異質涂層調整模塊：

2.根據權利要求1所述的一種基于圖像識別的塑料制品檢測系統，其特征在于，從數據集合中提取有助于識別涂層不均勻的關鍵特征，提取的特征包括紋理變化和表面反射光梯度，在檢測窗口下，對提取的紋理變化和表面反射光梯度進行分析，分別生成表面紋理分異參考值和表面反射異質性參考值，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域的變化程度，表面反射異質性參考值量化了塑料制品表面不同區域反射光強度的差異性，具體表現為表面反射率的不均勻分布。

3.根據權利要求2所述的一種基于圖像識別的塑料制品檢測系統，其特征在于，在檢測窗口下，對紋理變化進行分析，生成表面紋理分異參考值的具體步驟如下：

4.根據權利要求2所述的一種基于圖像識別的塑料制品檢測系統，其特征在于，在檢測窗口下，對表面反射光梯度進行分析，生成表面反射異質性參考值的具體步驟如下：

5.根據權利要求2所述的一種基于圖像識別的塑料制品檢測系統，其特征在于，獲取到對提取的關鍵特征進行分析后生成的表面紋理分異參考值和表面反射異質性參考值后，將表面紋理分異參考值和表面反射異質性參考值輸入至預先學習好的深度學習模型中，通過深度學習模型生成涂層一致性指數，通過涂層一致性指數對塑料制品表面的涂層狀態進行智能化評估。

6.根據權利要求5所述的一種基于圖像識別的塑料制品檢測系統，其特征在于，將生成的涂層一致性指數與預先設定的涂層一致性指數參考閾值進行比對分析，對塑料制品表面狀態進行劃分，劃分步驟如下：

7.根據權利要求6所述的一種基于圖像識別的塑料制品檢測系統，其特征在于，對于被判斷為異質涂層的塑料制品，根據深度學習模型評估結果，動態調整掃描儀的光束寬度和焦距具體步驟如下：

技術總結
本發明公開了一種基于圖像識別的塑料制品檢測系統，涉及塑料制品檢測技術領域，包括圖像采集模塊、數據存儲與特征提取模塊、特征分析與模型輸入模塊、智能評估與分類模塊、均質涂層采集模塊以及異質涂層調整模塊：圖像采集模塊，首先，使用掃描儀以預設的光束寬度和焦距照射塑料制品表面，捕捉高質量的表面圖像。本發明通過引入深度學習和圖像分析技術，本方案顯著提升了塑料制品涂層不均勻的檢測精度。系統動態分析表面紋理和反射異質性，智能評估涂層一致性，并根據涂層狀態調整光束寬度和焦距，確保高質量圖像。此智能化檢測和調整策略有效提高檢測效率與準確性，降低質量風險和生產成本，突破傳統方法的局限。

技術研發人員：姚曉彤,苑龍山,王振,盧飛
受保護的技術使用者：徐州聚西廷新型材料科技有限公司
技術研發日：
技術公布日：2025/4/28