[发明专利]铝塑膜制造中基于机器视觉的智能瑕疵识别方法

说明书

本发明涉及一种铝塑膜制造中基于机器视觉的智能瑕疵识别方法。适用于产品质量检测领域。本发明所采用的技术方案是：一种铝塑膜制造中基于机器视觉的智能瑕疵识别方法，其特征在于：获取产品图像，检测出产品图像中铝塑膜上的瑕疵；对每个检测到的瑕疵图片输入智能分类器识别每个瑕疵的类别；根据铝塑膜上识别出的瑕疵的类别和数量给产品做打分判等，输出等级信息；所述智能分类器识别每个瑕疵的类别，包括：提取瑕疵特征，特征包含平均灰阶值、最小灰阶、最大灰阶、瑕疵面积、瑕疵周长、长轴短轴比、形状、LBP特征和Haar特征；基于瑕疵特征构建一个高维向量，将高维向量输入KNN分类器，分类器经过运算，给出类别编号。

技术领域

本发明涉及一种铝塑膜制造中基于机器视觉的智能瑕疵识别方法。适用于产品质量检测领域。

背景技术

铝塑膜应用于高端产品的包装，具有良好的防护性能。铝塑膜的设计制造要求高，需要对产品的质量进行严格控制。其质量控制涉及表面质量和膜层厚度控制，涉及针孔，划痕，起皱，脏污，气泡，杂物，凹凸点等瑕疵的检测控制。目前，传统量测方式是需要产线低速运行，用千分尺手工量测厚度，用人眼的方式检测各种缺陷，检测精度低，速度慢；影响产品的产量和质量。

发明内容

本发明要解决的技术问题是：针对上述存在的问题，提供一种铝塑膜制造中基于机器视觉的智能瑕疵识别方法，以实时在线检测铝塑膜状况。

本发明所采用的技术方案是：一种铝塑膜制造中基于机器视觉的智能瑕疵识别方法，其特征在于：

获取产品图像，检测出产品图像中铝塑膜上的瑕疵；

对每个检测到的瑕疵图片输入智能分类器识别每个瑕疵的类别；

根据铝塑膜上识别出的瑕疵的类别和数量给产品做打分判等，输出等级信息；

所述智能分类器识别每个瑕疵的类别，包括：

提取瑕疵特征，特征包含平均灰阶值、最小灰阶、最大灰阶、瑕疵面积、瑕疵周长、长轴短轴比、形状、LBP特征和Haar特征；

基于瑕疵特征构建一个高维向量，将高维向量输入KNN分类器，分类器经过运算，给出类别编号。

所述检测出产品图像中铝塑膜上的瑕疵，包括：

对产品图像做高斯平滑滤波器处理，根据灰阶度差异，计算出瑕疵点像素，汇总出检测结果。

一种铝塑膜制造中基于机器视觉的智能瑕疵识别装置，其特征在于，包括：

瑕疵检测模块，用于获取产品图像，检测出产品图像中铝塑膜上的瑕疵；

瑕疵分类模块，用于对每个检测到的瑕疵图片输入智能分类器识别每个瑕疵的类别；

瑕疵判等模块，用于根据铝塑膜上识别出的瑕疵的类别和数量给产品做打分判等，输出等级信息；

所述智能分类器识别每个瑕疵的类别，包括：

提取瑕疵特征，特征包含平均灰阶值、最小灰阶、最大灰阶、瑕疵面积、瑕疵周长、长轴短轴比、形状、LBP特征和Haar特征；

基于瑕疵特征构建一个高维向量，将高维向量输入KNN分类器，分类器经过运算，给出类别编号。

所述检测出产品图像中铝塑膜上的瑕疵，包括：

对产品图像做高斯平滑滤波器处理，根据灰阶度差异，计算出瑕疵点像素，汇总出检测结果。

一种存储介质，其上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现所述铝塑膜制造中基于机器视觉的智能瑕疵识别方法的步骤。