基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法技术方案

本发明专利技术涉及人工智能领域，具体涉及基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法。包括获取瓦楞纸板压线区域图像；对压线区域图像进行边缘检测得到边缘线区域；对边缘线区域进行聚类得到边缘簇区域，获取各缺失边缘区域高斯滤波前后的平均灰度梯度；计算各缺失边缘区域的最优标准差；提取各缺失边缘区域像素点的灰度梯度进行升序排序得到各缺失边缘区域的灰度梯度集合；确定各缺失边缘区域的低灰度梯度阈值；根据每个缺失边缘的低灰度梯度阈值和灰度梯度集合对缺失边缘进行检测。本发明专利技术通过对缺失边缘对边缘检测算法进行优化，并且能够提高边缘检测的精度和泛化能力，排除噪声边缘的影响，还能够减少重复检测调节的过程。还能够减少重复检测调节的过程。还能够减少重复检测调节的过程。

Optimization method of corrugated box line pressing defect detection based on artificial intelligence system

【技术实现步骤摘要】
基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法


[0001]本专利技术涉及人工智能领域，具体涉及基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法。

技术介绍

[0002]随着市场对指向精度及包装速度要求的不断提高，大量的包装纸箱采用张开箱体可自动封底的折叠式异性结构，模切成型已经成为纸箱生产的主流。压痕工艺是利用压线刀或压线模对瓦楞纸板压出压线，由于自动纸箱包装是通过机械手完成的，所以压线的好坏决定了纸箱在包装后的质量好坏。
[0003]对于压线过程中存在的深浅不一的压线和压线附近产生的干扰折痕或者在瓦楞纸板搬运到压线机的过程中，因受力不均匀产生的折痕都会对机械手在自动包装的过程中造成错误识别，导致瓦楞纸箱出现残次品。
[0004]现有技术中主要是通过人工对包装后的瓦楞纸箱进行检测，筛除残次品或者压线存在缺陷的瓦楞纸板；通过人工完成对瓦楞纸箱的残次品和缺陷进行检测需要大量的人工参与，生产效率低，还可能出现误检的现象；而通过canny算法进行边缘检测的方法，不仅会存在噪声边缘的影响，还会导致部分边缘的缺失，也会出现误检的问题。

技术实现思路

[0005]本专利技术提供基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法，以解决现有的因人工检测效率低，而canny算法存在的噪声边缘的干扰和部分边缘缺失的问题。
[0006]本专利技术的基于图像处理的瓦楞纸箱压线缺陷检测优化方法采用如下技术方案，包括以下步骤：获取瓦楞纸板压线区域图像；利用canny边缘检测算法对压线区域图像进行边缘检测得到压线区域图像的边缘线区域；对得到的边缘线区域进行聚类得到若干边缘簇区域，获取相邻两个边缘簇区域在经过边缘检测中的高斯滤波过程前后的平均灰度梯度；提取相邻两个边缘簇区域之间缺失边缘区域，利用每相邻两个边缘簇区域获取平均灰度梯度的差值及该两个边缘簇区域之间各边缘的欧氏距离计算出相邻两个边缘簇区域之间的缺失边缘区域的最优标准差；提取缺失边缘区域中每个像素点的灰度梯度，并对缺失边缘区域中像素点的灰度梯度进行升序排序得到该缺失边缘区域的灰度梯度集合，得到每个缺失边缘区域的灰度梯度集合；根据每个缺失边缘区域的高斯滤波标准差与最优标准差的差值和灰度梯度集合长度得到低灰度梯度阈值的位置，根据得到的每个低灰度梯度阈值在对应的灰度梯度集合中的位置确定每个缺失边缘区域的低灰度梯度阈值；
根据每个缺失边缘的高斯滤波最优标准差和低灰度梯度阈值对每个缺失边缘区域进行压线检测。
[0007]获取压线区域图像的边缘线区域的方法为：对压线区域图像进行灰度化处理，然后对得到的灰度图像利用高斯滤波器进行平滑图像处理；计算图像中每个像素点的梯度强度和方向，采用非极大值抑制算法消除边缘检测带来的杂散响应；利用双阈值分割算法确定真实边缘和噪声边缘，抑制孤立的弱边缘完成边缘检测得到压线区域图像的边缘线区域。
[0008]所述计算每个边缘簇区域的最优标准差的过程如下：获取高斯滤波后相邻的两个边缘簇区域之间各边缘的欧氏距离，相邻两边缘簇区域之间的缺失边缘的最优标准差的计算公式如下：式中：为相邻两边缘簇区域之间的缺失边缘的最优标准差，为与缺失边缘区域相邻的两个边缘簇区域的平均灰度梯度，为与缺失边缘区域相邻的两个边缘簇区域高斯滤波后的平均灰度梯度，为与该缺失边缘相邻的两个边缘簇区域之间各边缘的欧氏距离。
[0009]所述相邻的两个边缘簇区域之间各边缘的欧氏距离为：分别获取两个边缘簇内的边缘线，一个边缘簇的每条边缘线到另一个边缘簇内的每条边缘线之间的距离为相邻的两个边缘簇区域之间各边缘的欧氏距离。
[0010]所述获取缺失边缘区域的灰度梯度集合的方法为：将与缺失边缘相邻的边缘簇区域内的边缘像素点的梯度方向作为指导方向，沿指导方向的垂直方向对缺失边缘区域进行滑窗处理并提取缺失边缘区域的像素点的灰度梯度；分别进行四个方向上的灰度梯度提取，选择四个方向中灰度梯度的最大值作为该像素点的灰度梯度，得到缺失边缘区域中所有像素点的灰度梯度；对所有像素点的灰度梯度进行升序排序得到缺失边缘区域的灰度梯度集合。
[0011]所述得到低灰度梯度阈值的位置，根据低灰度梯度阈值的位置确定每个缺失边缘区域的低灰度梯度阈值的方法为：式中：为低灰度梯度阈值的灰度梯度集合索引长度，为缺失边缘的灰度梯度集合长度，为高斯滤波调节前的标准差，为高斯滤波调节后缺失边缘区域的最优标准差，为主成分调节参数；
得到的低灰度梯度阈值的灰度梯度集合索引长度即为该缺失边缘区域的最优灰度梯度阈值在灰度梯度集合中的位数，该位数在缺失边缘区域灰度梯度集合中对应的灰度梯度即为该缺失边缘区域的最优灰度梯度。
[0012]所述确定主成分调节参数的方法为：获取利用初始阈值进行边缘检测保留下来的边缘像素点，对保留下来的边缘像素点进行聚类，根据聚类簇中边缘像素点的灰度梯度方向的垂直方向向量进行主成分分析，获取方向一致的数量最多的像素点方向作为主成分方向，主成分方向的像素点与聚类簇中所有像素点的比值即为主成分调节参数。
[0013]所述对每个缺失边缘区域进行压线检测的方法是：根据各缺失边缘区域的低灰度梯度阈值分别对对应的缺失边缘区域进行边缘检测；对边缘检测得到的每个缺失边缘区域所有边缘像素点进行主成分分析，将不满足主成分方向的边缘像素点筛除，只保留主成分方向上的边缘像素点，得到所有缺失边缘区域的压线边缘；得到的初始检测的边缘线区域中的压线边缘与所有缺失边缘区域中的压线边缘的总和作为最终的边缘检测结果，完成瓦楞纸箱压线缺陷检测的优化过程。
[0014]本专利技术的有益效果是：本专利技术采用基于图像处理的方法对瓦楞纸箱压线方法进行优化，能够避免人为检测需要大量人力物力的问题，还能提高检测效率，通过结合图像特征对高斯滤波函数的标准差自适应调节和对双阈值优化分割能够提高边缘检测的精度。
[0015]（1）基于本申请所述利用边缘检测算法能够得到压线区域的真实边缘、伪边缘和缺失边缘，相较于现有技术有益效果在于能够利用伪边缘和缺失边缘对边缘检测算法进行优化。
[0016]（2）基于本申请所述结合图像特征对高斯滤波函数的标准差自适应调节和对双阈值优化分割，相较于现有技术有益效果在于能够提高边缘检测的精度和泛化能力，排除噪声边缘的影响。
附图说明
[0017]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本专利技术的基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法的算法流程图。
具体实施方式
[0019]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法，其特征在于：包括以下步骤：获取瓦楞纸板压线区域图像；利用canny边缘检测算法对压线区域图像进行边缘检测得到压线区域图像的边缘线区域；对得到的边缘线区域进行聚类得到若干边缘簇区域，获取相邻两个边缘簇区域在经过边缘检测中的高斯滤波过程前后的平均灰度梯度；提取相邻两个边缘簇区域之间缺失边缘区域，利用每相邻两个边缘簇区域获取平均灰度梯度的差值及该两个边缘簇区域之间各边缘的欧氏距离计算出相邻两个边缘簇区域之间的缺失边缘区域的最优标准差；提取缺失边缘区域中每个像素点的灰度梯度，并对缺失边缘区域中像素点的灰度梯度进行升序排序得到该缺失边缘区域的灰度梯度集合，得到每个缺失边缘区域的灰度梯度集合；根据每个缺失边缘区域的高斯滤波标准差与最优标准差的差值和灰度梯度集合长度得到低灰度梯度阈值的位置，根据得到的每个低灰度梯度阈值在对应的灰度梯度集合中的位置确定每个缺失边缘区域的低灰度梯度阈值；根据每个缺失边缘的高斯滤波最优标准差和低灰度梯度阈值对每个缺失边缘区域进行压线检测。2.根据权利要求1所述的基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法，其特征在于：获取压线区域图像的边缘线区域的方法为：对压线区域图像进行灰度化处理，然后对得到的灰度图像利用高斯滤波器进行平滑图像处理；计算图像中每个像素点的梯度强度和方向，采用非极大值抑制算法消除边缘检测带来的杂散响应；利用双阈值分割算法确定真实边缘和噪声边缘，抑制孤立的弱边缘完成边缘检测得到压线区域图像的边缘线区域。3.根据权利要求1所述的基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法，其特征在于：所述计算每个边缘簇区域的最优标准差的过程如下：获取高斯滤波后相邻的两个边缘簇区域之间各边缘的欧氏距离，相邻两边缘簇区域之间的缺失边缘的最优标准差的计算公式如下：式中：为相邻两边缘簇区域之间的缺失边缘的最优标准差，为与缺失边缘区域相邻的两个边缘簇区域的平均灰度梯度，为与缺失边缘区域相邻的两个边缘簇区域高斯滤波后的平均灰度梯度，为与该缺失边缘相邻的两个边缘簇区域之间各边缘的欧氏距离。4.根据权利要求1或3所述的基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法，其
特征在于：所述相邻的两个边缘簇区域之间各边缘的欧氏距离为：分别获取两个边缘簇内的边缘线，一个边缘簇的每条边缘...

【专利技术属性】
技术研发人员：罗盼利，
申请(专利权)人：南通金石包装印刷有限公司，
类型：发明
国别省市：