一种基于人工智能的移印机产品缺陷检测方法及系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种基于人工智能的移印机产品缺陷检测方法及系统。该方法获得每个像素点包含纹理信息和颜色信息的特征信息。根据特征信息进行聚类，获得超像素块数量。根据特征信息拟合混合高斯模型。根据混合高斯模型中子高斯模型的参数获得超像素块种子点。根据像素点和超像素块种子点的特征信息，获得第一边权值和第二边权值，进一步结合超像素块数量构建分割约束条件。根据分割约束条件对产品图像进行分割，获得第一超像素块。标准产品图像中以同样分割方法获得第二超像素块，根据对应的第一超像素块和第二超像素块的差异确定缺陷程度。本发明专利技术通过优化超像素分割方法，准确获得每个缺陷位置和缺陷程度。度。度。

【技术实现步骤摘要】
一种基于人工智能的移印机产品缺陷检测方法及系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的移印机产品缺陷检测方法及系统。

技术介绍

[0002]移印机为工业成衣领域常用的印花设备，移印机以橡胶作为印刷头，塑胶作为印刷材料，在衣物上印刷各种图案。
[0003]由于塑胶作为印刷物料，在移印机内需要保持适当的温度以确保塑胶流动性。因为印刷头为具备弹性的橡胶做成的，如果对于塑胶材料的温度控制不当，会导致在印刷过程中在印刷衣物上的塑胶出现毛刺等缺陷。
[0004]对于缺陷区域可通过图像特征对缺陷进行判断，对于移印机产品而言，产品上对应的印花都有一个标准图像，可通过产品图像与标准图像进行对比判断缺陷。但是直接进行对比的话考虑到的特征较少，且有些区域缺陷程度不同，无法准确定位缺陷区域。

技术实现思路

[0005]为了解决上述技术问题，本专利技术的目的在于提供一种基于人工智能的移印机产品缺陷检测方法及系统，所采用的技术方案具体如下：
[0006]本专利技术提出了一种基于人工智能的移印机产品缺陷检测方法，所述方法包括：
[0007]获取产品图像；获取所述产品图像中的噪声信息；结合所述噪声信息获得所述产品图像中每个像素点的纹理信息，以所述产品图像中每个像素点的所述纹理信息和颜色信息作为特征信息；
[0008]根据所述特征信息进行聚类，获得多个聚类簇；以所述聚类簇的数量作为超像素块数量；
[0009]根据像素点的所述特征信息进行高斯拟合，获得混合高斯模型；所述混合高斯模型中子高斯模型的数量与所述超像素块数量相等；根据所述子高斯模型的参数获得多个超像素块种子点；
[0010]根据所述特征信息的差异获得所述产品图像中像素点与像素点间的第一边权值；根据所述特征信息的差异和所述超像素块种子点对应的所述子高斯模型的参数获得像素点与所述超像素块种子点的第二边权值；根据所述第一边权值、所述第二边权值和所述超像素块数量构建分割约束条件；根据所述分割约束条件对所述产品图像进行超像素分割，获得多个第一超像素块；
[0011]获得标准产品图像中的多个第二超像素块；所述第二超像素块与所述第一超像素块的分割方法相同；根据对应的所述第一超像素块和所述第二超像素块的差异获得缺陷程度。
[0012]进一步地，所述获取产品图像后还包括：
[0013]将所述产品图像输入高动态范围渲染网络中进行图像增强。
[0014]进一步地，所述获取所述产品图像中的噪声信息包括：
[0015]根据所述产品图像中像素点的像素值进行聚类，将未被归为簇内的像素点作为噪声点；获得所述噪声点的平均像素值信息作为所述噪声信息。
[0016]进一步地，所述结合所述噪声信息获得所述产品图像中每个像素点的纹理信息，以所述产品图像中每个像素点的所述纹理信息和颜色信息作为特征信息包括：
[0017]将所述噪声信息灰度化，获得噪声阈值；根据所述噪声阈值利用LTP算子获得所述产品图像中每个像素点的所述纹理信息；根据所述产品图像中每个像素点的像素值获得所述颜色信息。
[0018]进一步地，所述根据所述子高斯模型参数获得多个超像素块种子点包括：
[0019]获取每个所述子高斯模型的模型均值和模型权重和模型均值；以与每个所述模型均值最相似的所述特征信息对应的像素点作为所述超像素块种子点。
[0020]进一步地，所述根据所述特征信息的差异获得所述产品图像中像素点与像素点间的第一边权值包括：
[0021]根据第一边权值公式获得所述第一边权值；所述第一边权值公式包括：
[0022][0023]其中，为第a个像素点与第b个像素点之间的所述第一边权值；F
a
为第a个像素点的所述特征信息，F
b
为第b个像素点的所述特征信息。
[0024]进一步地，所述根据所述特征信息的差异获得像素点与所述超像素块种子点的第二边权值包括：
[0025]根据第二边权值公式获得所述第二边权值；所述第二边权值公式包括：
[0026][0027]其中，为第c个像素点与第k个所述超像素块种子点的所述第二边权值，α
k
为第k个所述超像素块种子点对应的所述子高斯模型的所述模型权值，β为数据调整参数；F
c
为第c个像素点的所述特征信息，F
k
第k个所述超像素块种子点的所述特征信息。
[0028]进一步地，所述根据所述第一边权值、所述第二边权值和所述超像素块数量构建分割约束条件包括：
[0029][0030]其中，E(L)为所述分割约束条件，H为第k个所述超像素种子点对应的超像素区域内像素点的个数；K为所述超像素块个数，为第k个所述超像素种子点与对应的所述超像素区域内第c个像素点的所述第二边权值，A为由属于不同所述超像素区域的相邻像素点构成的集合，为第a个像素点与第b个像素点之间的所述第一边权值，第a个像素点与第b个像素点为所述相邻像素点。
[0031]进一步地，所述根据对应的所述第一超像素块和所述第二超像素块的差异获得缺陷程度包括：
[0032]获得每个第一超像素块在所述产品图像中的面积占比；以所述第一超像素块与所述第二超像素块的差异和所述面积占比的乘积作为每个所述第一超像素块对应位置处的缺陷程度。
[0033]本专利技术还提出了一种基于人工智能的移印机产品缺陷检测系统，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，所述处理器执行所述计算机程序时实现任意一项所述一种基于人工智能的移印机产品缺陷检测方法的步骤。
[0034]本专利技术具有如下有益效果：
[0035]1.本专利技术实施例结合纹理信息和颜色信息作为图像的特征信息。通过特征信息获得超像素分割所需分割的超像素块数量和超像素种子点位置。根据超像素块数量和超像素块种子点进行超像素块分割，获得特征信息一致的第一超像素块。通过对标准图像进行相同的操作，获得与第一超像素块对应的第二超像素块。通过第一超像素块和第二超像素块的差异精确的获得每个缺陷的位置和缺陷程度。
[0036]2.本专利技术实施例考虑到超像素块内特征信息均一致，因此使用混合高斯模型对像素点的特征信息进行拟合，表现出特征信息的分布情况。通过每个子高斯模型的参数确定种子点的位置，方便后续的超像素块分割，并提高准确性。
附图说明
[0037]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和优点，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的介绍，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的前提下，还可以根据这些附图获得其它附图。
[0038]图1为本专利技术一个实施例所提供的一种基于人工智能的移印机产品缺陷检测方法流程图。
具体实施方式
[0039]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的移印机产品缺陷检测方法，其特征在于，所述方法包括：获取产品图像；获取所述产品图像中的噪声信息；结合所述噪声信息获得所述产品图像中每个像素点的纹理信息，以所述产品图像中每个像素点的所述纹理信息和颜色信息作为特征信息；根据所述特征信息进行聚类，获得多个聚类簇；以所述聚类簇的数量作为超像素块数量；根据像素点的所述特征信息进行高斯拟合，获得混合高斯模型；所述混合高斯模型中子高斯模型的数量与所述超像素块数量相等；根据所述子高斯模型的参数获得多个超像素块种子点；根据所述特征信息的差异获得所述产品图像中像素点与像素点间的第一边权值；根据所述特征信息的差异和所述超像素块种子点对应的所述子高斯模型的参数获得像素点与所述超像素块种子点的第二边权值；根据所述第一边权值、所述第二边权值和所述超像素块数量构建分割约束条件；根据所述分割约束条件对所述产品图像进行超像素分割，获得多个第一超像素块；获得标准产品图像中的多个第二超像素块；所述第二超像素块与所述第一超像素块的分割方法相同；根据对应的所述第一超像素块和所述第二超像素块的差异获得缺陷程度。2.根据权利要求1所述的一种基于人工智能的移印机产品缺陷检测方法，其特征在于，所述获取产品图像后还包括：将所述产品图像输入高动态范围渲染网络中进行图像增强。3.根据权利要求1所述的一种基于人工智能的移印机产品缺陷检测方法，其特征在于，所述获取所述产品图像中的噪声信息包括：根据所述产品图像中像素点的像素值进行聚类，将未被归为簇内的像素点作为噪声点；获得所述噪声点的平均像素值信息作为所述噪声信息。4.根据权利要求1所述的一种基于人工智能的移印机产品缺陷检测方法，其特征在于，所述结合所述噪声信息获得所述产品图像中每个像素点的纹理信息，以所述产品图像中每个像素点的所述纹理信息和颜色信息作为特征信息包括：将所述噪声信息灰度化，获得噪声阈值；根据所述噪声阈值利用LTP算子获得所述产品图像中每个像素点的所述纹理信息；根据所述产品图像中每个像素点的像素值获得所述颜色信息。5.根据权利要求1所述的一种基于人工智能的移印机产品缺陷检测方法，其特征在于，所述根据所述子高斯模型参数获得多个超像素块种子点包括：获取每个所述子高斯模型的模型均值和模型权重和模型均值；以与每个所述模型均值最相似的所述特征信息对应的像素点作为所述超像素...

【专利技术属性】
技术研发人员：李克晶，袁燕卫，
申请(专利权)人：南通飞旋智能科技有限公司，
类型：发明
国别省市：