[发明专利]一种表面光滑的注塑PC板的质量分类方法及系统在审
| 申请号: | 202111486613.7 | 申请日: | 2021-12-07 |
| 公开(公告)号: | CN114155230A | 公开(公告)日: | 2022-03-08 |
| 发明(设计)人: | 程良畅 | 申请(专利权)人: | 江苏普立特科技有限公司 |
| 主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T5/50;G06T7/90;G06V20/70;G06V10/764;G06Q10/06;G06K9/62 |
| 代理公司: | 江苏长德知识产权代理有限公司 32478 | 代理人: | 汤小权 |
| 地址: | 223800 江苏省宿*** | 国省代码: | 江苏;32 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 表面 光滑 注塑 pc 质量 分类 方法 系统 | ||
1.一种表面光滑的注塑PC板的质量分类方法及系统,其特征在于,该方法包括以下步骤:
获取多帧注塑PC板的初始图像;
获取每帧所述初始图像中每行像素的排列熵,得到每帧所述初始图像对应的排列熵序列;
利用遗忘算法对多帧所述初始图像所对应的排列熵序列进行融合得到融合序列,在所述融合序列中融合值大于预设阈值时,确定大于预设阈值的融合值所对应的行为疑似异常行,相邻的多个疑似异常行为一个疑似异常区域;
选取疑似异常行与其相邻正常行排列熵差异最大的初始图像为候选图像,以所述候选图像中任意像素点为中心像素点,获取所述中心像素点邻域内的对比度为所述中心像素点的像素值,得到对比度图像;根据所述对比度图像获取疑似边缘散点,根据所述疑似边缘散点获取边缘概率;
获取每个所述疑似异常区域的排列熵均值,根据所述排列熵均值以及所述边缘概率获取异常区域;
根据所述疑似异常区域以及所述异常区域对所述注塑PC板进行质量分类。
2.根据权利要求1所述的方法,其特征在于,所述利用遗忘算法对多帧所述初始图像所对应的排列熵序列进行融合得到融合序列的步骤,包括:
获取待融合初始图像与前一帧融合图像之间的相关性;
根据所述初始图像之间的相关性、当前帧初始图像的排列熵序列以及前一帧的融合序列进行融合获取当前帧的融合序列。
3.根据权利要求2所述的方法,其特征在于,所述获取待融合初始图像与前一帧融合图像之间的相关性步骤,还包括:
两帧所述初始图像对应的排列熵序列融合时,所述相关性为遗忘算法的衰减系数;
多帧所述初始图像对应的排列熵序列融合时,所述相关性的均值为遗忘算法的衰减系数。
4.根据权利要求1所述的方法,其特征在于,所述获取所述中心像素点邻域内的对比度为所述中心像素点的像素值的步骤,包括:
以所述中心像素点及其邻域像素点构建窗口,获取所述窗口的灰度共生矩阵,根据所述灰度共生矩阵获取所述窗口的对比度,所述对比度为所述中心像素点的像素值。
5.根据权利要求1所述的方法,其特征在于,所述根据所述疑似边缘散点获取边缘概率的步骤,包括:
根据所述疑似边缘散点拟合疑似缺陷边界,获取所述疑似边缘散点的数量与所述疑似缺陷边界像素点数量的比值,所述比值为所述边缘概率。
6.根据权利要求1所述的方法,其特征在于,所述根据所述排列熵均值以及所述边缘概率获取异常区域的步骤,包括:
根据所述边缘概率获取非边缘概率,所述排列熵均值与所述非边缘概率的乘积为剐蹭概率,所述剐蹭概率大于预设阈值时,所述疑似异常区域为异常区域。
7.根据权利要求1所述的方法,其特征在于,所述获取多帧注塑PC板的初始图像的步骤,包括:
获取多帧光照下注塑PC板的俯视图像,将所述俯视图像输入语义分割网络中获取语义分割图像,将所述语义分割图像作为遮罩与所述俯视图像相乘,得到注塑PC板的初始图像。
8.根据权利要求1所述的方法,其特征在于,所述选取疑似异常行与其相邻正常行排列熵差异最大的初始图像为候选图像的步骤,包括:
获取每帧所述初始图像中疑似异常行排列熵的均值,计算所述均值与其相邻正常行的排列熵之间的差值得到所述初始图像的差值序列,以所述差值序列最大时对应的所述初始图像为所述候选图像。
9.一种表面光滑的注塑PC板的质量分类系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1~8任意一项所述方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏普立特科技有限公司,未经江苏普立特科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111486613.7/1.html,转载请声明来源钻瓜专利网。





