[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

说明书

本发明涉及人工智能技术领域，具体涉及一种表面光滑的注塑PC板的质量分类方法及系统。该方法包括：获取多帧注塑PC板的初始图像及其每行像素的排列熵，得到对应的排列熵序列；利用遗忘算法对排列熵序列进行融合得到融合序列，根据融合序列确定疑似异常行，相邻的多个疑似异常行为一个疑似异常区域；选取候选图像，以候选图像中任意像素点为中心像素点，得到以对比度为像素值的对比度图像；根据对比度图像获取疑似边缘散点，获取边缘概率；根据排列熵均值以及边缘概率获取异常区域；根据疑似异常区域以及异常区域对注塑PC板进行质量分类。能够有效避免光照以及注塑PC板中脏污区域的影响，提高对剐蹭缺陷区域检测的准确性。

技术领域

本发明涉及人工智能技术领域，具体涉及一种表面光滑的注塑PC板的质量分类方法及系统。

背景技术

注塑PC板在成型过程中，可能由于压力或者模板的因素，使得注塑PC板的表面出现剐蹭的情况。

现有的基于计算机视觉对剐蹭缺陷的检测，往往是通过阈值分割的方法进行，采用自适应双峰法阈值分割得到目标二值图像，再利用定面积阈值分割得到目标高亮区域二值图像，然后提取目标高亮区域的红绿蓝三通道的平均值、灰度值以及灰度值的标准差，输入SVM模型中对其光泽度进行判定。利用该方法极易受光照以及注塑PC板本身的颜色影响，导致对剐蹭缺陷的检测并不准确。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种表面光滑的注塑PC板的质量分类方法及系统，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种表面光滑的注塑PC板的质量分类方法，该方法包括：

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。

优选的，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。

优选的，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。

优选的，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。

优选的，所述根据所述疑似边缘散点获取边缘概率的步骤，包括：