本发明专利技术涉及人工智能领域，具体涉及一种基于计算机视觉的纸杯原材料质量检测方法，包括：获取淋膜纸灰度图；获取像素点的纹理向量；获取第1区域，包括：得到八邻域像素点与初始中心点的一致率；根据一致率对八邻域像素点进行第一轮合并；计算新增像素点八邻域像素点与初始中心点所在区域的一致率；根据新增像素点八邻域像素点与初始中心点所在区域的一致率对新增像素点八邻域像素点进行第二轮合并；不断重复第二轮计算和合并的步骤，得到第1区域；按照得到第1区域的方法对剩余像素点进行迭代划分，得到所有不同淋膜厚度区域；根据不同淋膜厚度区域对淋膜纸质量进行评估。该方法用于检测淋膜纸质量，可提高淋膜纸质量检测的准确度。度。度。
【技术实现步骤摘要】
基于计算机视觉的纸杯原材料质量检测方法
[0001]本专利技术涉及人工智能领域，具体涉及一种基于计算机视觉的纸杯原材料质量检测方法。
技术介绍
[0002]制造热饮纸杯通常使用PE淋膜纸，PE淋膜纸为将塑料粒子通过流延机涂覆在纸张表面的复合材料，可以防油、防水、热合。若PE淋膜纸上淋膜不均匀，则制成的纸杯在淋膜较薄的地方可能存在漏水缺陷，因此在进行纸杯制作前，需对使用的PE淋膜纸进行质量检测。
[0003]现有的用于对PE淋膜纸质量检测手段主要是通过人工抽查的方式和阈值分割的方式。其中，人工抽查方式主要是根据操作人员已有经验对淋膜纸的厚度进行检测；阈值分割方式是根据图像灰度对淋膜纸中厚度不一致的区域进行分割。
[0004]然而，由于用于制作纸杯的PE淋膜纸淋膜厚的区域与淋膜薄的区域差别很小，人工抽查容易漏检误检；根据图像灰度进行阈值分割淋膜厚度不一致区域的方法受PE淋膜纸上纹理及光线干扰，准确率较低。因此，亟需一种方法提高对PE淋膜纸质量检测的准确度和效率。
技术实现思路
[0005]本专利技术提供了一种基于计算机视觉的纸杯原材料质量检测方法，包括：获取淋膜纸灰度图；获取像素点的纹理向量；获取第1区域，包括：得到八邻域像素点与初始中心点的一致率；根据一致率对八邻域像素点进行第一轮合并；计算新增像素点八邻域像素点与初始中心点所在区域的一致率；根据新增像素点八邻域像素点与初始中心点所在区域的一致率对新增像素点八邻域像素点进行第二轮合并；不断重复第二轮计算和合并的步骤，得到第1区域；按照得到第1区域的方法对剩余像素点进行迭代划分，得到所有不同淋膜厚度区域；根据不同淋膜厚度区域对淋膜纸质量进行评估，相比于现有技术，通过对PE淋膜纸图像进行分析得到像素点的纹理向量，根据每个像素点及其八邻域像素点的纹理特征对图像中的像素点进行迭代合并，得到不同淋膜厚度的区域，最后根据不同淋膜厚度区域对PE淋膜纸进行质量评估，本专利技术基于像素点的特征信息对图像进行区域分割，有效提高了区域分割的准确性，从而提高对PE淋膜纸质量检测的准确度和效率。
[0006]为达到上述目的，本专利技术采用以下技术方案，一种基于计算机视觉的纸杯原材料质量检测方法，包括：S1：获取PE淋膜纸灰度图像。
[0007]S2：根据像素点的灰度值获取灰度图像中每个像素点的纹理向量。
[0008]S3：获取第1厚度区域，包括：S301：选取纹理向量中纹理亮度最大的像素点作为初始中心点，计算得到初始中心点八邻域内像素点与初始中心点所在区域的一致率。
[0009]S302：根据一致率对初始中心点八邻域内像素点进行合并，得到所有新增像素点
和剩余像素点。
[0010]S303：分别以每个新增像素点为中心点，计算所有新增像素点八邻域内未划分区域像素点与初始中心点所在区域的一致率。
[0011]S304：根据所有新增像素点八邻域内未划分区域像素点与初始中心点所在区域的一致率对新增像素点八邻域内未划分区域像素点进行合并，得到所有新增像素点及剩余像素点。
[0012]S305：不断重复步骤S303
‑
S304，直到无新增像素点，得到第1厚度区域和剩余像素点。
[0013]S4：在剩余像素点中选取纹理亮度最大的像素点作为新的初始中心点，按照得到第1厚度区域的方法得到第2厚度区域和剩余像素点，依次直到所有像素点完成划分，得到所有不同淋膜厚度的区域。
[0014]S5：根据不同淋膜厚度区域对PE淋膜纸质量进行评估。
[0015]进一步的，所述一种基于计算机视觉的纸杯原材料质量检测方法，所述灰度图像中每个像素点的纹理向量是按照如下方式获取：设置滑窗大小，对灰度图像进行滑窗检测，得到每个窗口内所有像素点的灰度值序列。
[0016]获取灰度值序列中的上四分位数、下四分位数、极大值和极小值。
[0017]计算灰度值序列中处于极大值和上四分位数之间的灰度值的均值，得到每个窗口中心像素点的纹理亮度。
[0018]计算灰度值序列中处于极小值和下四分位数之间的灰度值的均值，得到每个窗口中心像素点的底色亮度。
[0019]计算纹理亮度与底色亮度的差值，得到每个窗口中心像素点的纹理清晰度。
[0020]将纹理亮度、底色亮度和纹理清晰度作为纹理向量的三个分量，得到灰度图像中每个像素点的纹理向量。
[0021]进一步的，所述一种基于计算机视觉的纸杯原材料质量检测方法，所述得到初始中心点八邻域内像素点与初始中心点所在区域的一致率的过程如下：计算初始中心点与其八邻域内像素点的纹理向量之间的余弦相似度，得到初始中心点与其八邻域内像素点的相似度和相似度序列。
[0022]根据相似度和相似度序列计算得到初始中心点八邻域内像素点与初始中心点所在区域的一致率，一致率的表达式如下：式中，为初始中心点八邻域内第个像素点与初始中心点所在区域的一致率，为像素点与初始中心点的相似度，为初始中心点八邻域内第个像素点在图像中的序号，为像素点与初始中心点的相似度，为初始中心点八邻域内像素点的个数，为相似度序列，为相似度序列中最大值。
[0023]进一步的，所述一种基于计算机视觉的纸杯原材料质量检测方法，所述对初始中心点八邻域内像素点进行合并的过程如下：设置阈值，判断初始中心点八邻域内各像素点与初始中心点所在区域的一致率与阈值之间的关系。
[0024]当初始中心点八邻域内各像素点与初始中心点所在区域的一致率大于阈值，则将该像素点合并到初始中心点所属区域。
[0025]当初始中心点八邻域内各像素点与初始中心点所在区域的一致率不大于阈值，则该像素点不进行合并。
[0026]进一步的，所述一种基于计算机视觉的纸杯原材料质量检测方法，所述所有新增像素点八邻域内未划分区域像素点与初始中心点所在区域的一致率是按照如下方式得到：计算所有新增像素点八邻域内未划分区域像素点与其对应新增像素点之间的相似度。
[0027]计算新增像素点八邻域内未划分区域的像素点到初始中心点的方向角度，统计每个方向上包含的已划分区域的像素点，得到每个方向上像素点序列。
[0028]根据每个方向上的像素点序列，得到每个方向上的像素点纹理向量序列。
[0029]根据纹理向量序列中的纹理亮度、纹理清晰度和底色亮度，计算得到每个方向纹理向量序列中各个像素点的分布。
[0030]根据每个方向纹理向量序列中各个像素点的分布，得到每个方向上像素点的纹理向量变化情况。
[0031]根据所有新增像素点的一致率、每个方向上像素点的纹理向量变化情况和所有新增像素点八邻域内未划分区域像素点与其对应新增像素点之间的相似度，得到所有新增像素点八邻域内未划分区域像素点与初始中心点所在区域的一致率。
[0032]进一步的，所述一种基于计算机视觉的纸杯原材料质量检测方法，所述所有新增像素点八邻域内未划分区域像素点与初始中心点所在区域的一致率的表达式如下：式中，为第轮新增的第个像素点八邻域内第个未划分区本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于计算机视觉的纸杯原材料质量检测方法，其特征在于，包括：S1：获取PE淋膜纸灰度图像；S2：根据像素点的灰度值获取灰度图像中每个像素点的纹理向量；S3：获取第1厚度区域，包括：S301：选取纹理向量中纹理亮度最大的像素点作为初始中心点，计算得到初始中心点八邻域内像素点与初始中心点所在区域的一致率；S302：根据一致率对初始中心点八邻域内像素点进行合并，得到所有新增像素点和剩余像素点；S303：分别以每个新增像素点为中心点，计算所有新增像素点八邻域内未划分区域像素点与初始中心点所在区域的一致率；S304：根据所有新增像素点八邻域内未划分区域像素点与初始中心点所在区域的一致率对新增像素点八邻域内未划分区域像素点进行合并，得到所有新增像素点及剩余像素点；S305：不断重复步骤S303
‑
S304，直到无新增像素点，得到第1厚度区域和剩余像素点；S4：在剩余像素点中选取纹理亮度最大的像素点作为新的初始中心点，按照得到第1厚度区域的方法得到第2厚度区域和剩余像素点，依次直到所有像素点完成划分，得到所有不同淋膜厚度的区域；S5：根据不同淋膜厚度区域对PE淋膜纸质量进行评估。2.根据权利要求1所述的一种基于计算机视觉的纸杯原材料质量检测方法，其特征在于，所述灰度图像中每个像素点的纹理向量是按照如下方式获取：设置滑窗大小，对灰度图像进行滑窗检测，得到每个窗口内所有像素点的灰度值序列；获取灰度值序列中的上四分位数、下四分位数、极大值和极小值；计算灰度值序列中处于极大值和上四分位数之间的灰度值的均值，得到每个窗口中心像素点的纹理亮度；计算灰度值序列中处于极小值和下四分位数之间的灰度值的均值，得到每个窗口中心像素点的底色亮度；计算纹理亮度与底色亮度的差值，得到每个窗口中心像素点的纹理清晰度；将纹理亮度、底色亮度和纹理清晰度作为纹理向量的三个分量，得到灰度图像中每个像素点的纹理向量。3.根据权利要求1所述的一种基于计算机视觉的纸杯原材料质量检测方法，其特征在于，所述得到初始中心点八邻域内像素点与初始中心点所在区域的一致率的过程如下：计算初始中心点与其八邻域内像素点的纹理向量之间的余弦相似度，得到初始中心点与其八邻域内像素点的相似度和相似度序列；根据相似度和相似度序列计算得到初始中心点八邻域内像素点与初始中心点所在区域的一致率，一致率的表达式如下：式中，为初始中心点八邻域内第个像素点与初始中心点所在区域的一致
率，为像素点与初始中心点的相似度，为初始中心点八邻域内第个像素点在图像中的序号，为像素点与初始中心点的相似度，为初始中心点八邻域内像素点的个数，为相似度序列，为相似度序列中最大值。4.根据权利要求1所述的一种基于计算机视觉...
【专利技术属性】
技术研发人员：张扬，
申请(专利权)人：武汉霖杉工贸有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。