[发明专利]用于检测幅材型材料中的不均匀因素的系统

说明书

相关专利申请的交叉引用

本专利申请要求提交于2011年2月24日的美国临时专利申请No.61/446,404的权益，该专利申请的公开内容以引用方式全文并入本文。

技术领域

本发明涉及自动化检测系统，例如用于检测移动幅材的计算机化系统。

背景技术

已经证明用于分析移动幅材的计算机化检测系统对现代制造操作至关重要。生产线的目标是生产完全均匀并且不具有可变性的材料。然而，不均匀性是幅材型材料制造过程中的常见问题。这可由许多过程变量或配方误差导致。因此，配置基于成像的检测系统变得日益常见，该检测系统能够根据光学检测传感器（如摄像机）捕获的数字图像对制成品的质量进行自动分类。在最简单的情况下，一些检测系统应用了通常称为“分类器”的算法，该算法尝试对每个捕获的数字图像（即，“样品”）分配评级，从而指示样品或其部分是合格的还是不合格的。

这些检测系统通常尝试辨识“点”缺陷，其中每个缺陷局限在制成材料的单个区域内。然而，可能存在称为“不均匀”缺陷或“图形”的其他类型缺陷，其中幅材在较大区域上表现出不均匀可变性。此类不均匀因素的例子包括杂色、颤动、条带和条纹。按照定义，诸如此类的不均匀型缺陷是分散的而非局部的。因此，相对于局部的点缺陷，计算机化检测系统对此类缺陷的检测和定量可能更难。

尝试检测制成材料中的不均匀缺陷时，检测系统通常会收集并处理样本图像，以提取表征具体不均匀因素的特征。基于这些特征，检测系统应用一个或多个分类器以生成不均匀因素的严重性评估。特征提取可为计算密集型并且可为检测流程的限制因素。例如，在此步骤中，包含几百万像素的高分辨率图像将被缩小，通过可能涉及过滤、形态学、时间、光谱或统计处理的例程变成或许不超过50个代表性数字（或特征）。所得数字随后成为评估基础产品质量的依据。将数百万像素的值缩减成数十个信息化数字需要的时间可能很长，因此，即使是现代计算机，也无法实时执行以获得快速生产率。一个方法是购买更多更昂贵的计算机，但此解决方案可能使检测系统的成本过高，并且带来数据分布和结果汇总方面的额外实施问题。

发明内容

概括地讲，该公开描述了用于解决制成材料中不均匀因素的总体计算机化系统。例如，该系统包括一种计算机化评级工具，该计算机化评级工具可帮助用户有效和一致地为代表给定产品样品的大型数字图像集合分配专家评级（即，标签）。此外，评级软件可开发一种模型，该模型允许计算机化检测系统在制成幅材中实时地检测不均匀缺陷的存在，并以连续的数值范围提供表征每个缺陷的严重级别的输出。即，计算机化检测系统利用该专家评级作为实时应用的训练数据，以检测不均匀缺陷，例如图形的存在，并提供表征每个缺陷的严重性的输出。此外，该技术可以提供实时输出，所述实时输出提供不均匀度严重性的连续制图。换句话讲，计算机化检测系统可以提供更连续的样品分级，而非局限于离散等级标签，例如“合格”或“不合格”、或“1”、“3”或“5”。此外，描述了增大设计用于检测并分类制造幅材中特定图形的检测系统的吞吐量的技术。描述了大大缩短检测期望为基本上均匀的给定数量材料所需平均时间的算法和硬件方法。本文所述的算法技术涉及动态（即，在线）确定要计算哪些图像特征，方法是首先从基本特征组开始，然后根据需要仅触发额外特征的计算。在一些实施例中，在图形处理单元(GPU)中执行计算，可优化所述图形处理单元，用于许多图像处理例程。这样，该技术可以显著提高生产率。

在一个实施例中，方法包括，在计算机上执行评级软件，以自动地将不均匀缺陷的离散等级标签分配至多个训练图像中的每一个并计算基于分配至所述训练样本的等级标签的分类模型。该评级软件从用户接收仅针对训练图像的子集的输入，并基于该输入计算所有剩下的训练图像的等级标签。该方法还包括，使用流水线图像处理单元(GPU)的硬件组件实时处理从制成幅材捕获的样本图像，所述流水线图像处理单元整合在计算机化检测系统中，以从图像并行地提取第一多个特征；并根据分类模型，用计算机化检测系统从第一多个特征计算幅材的样本图像的不均匀缺陷的严重级别。