一种基于机器视觉的硅胶成型效果检测方法及系统技术方案

本发明专利技术提供一种基于机器视觉的硅胶成型效果检测方法及系统，在获取针对不少于一个目标硅胶制品的检测图像，以及在检测图像中确定出拟检测图像区域后对拟检测图像区域进行表征向量挖掘，得到拟检测图像区域的图像表征向量，接着基于图像表征向量，确定拟检测图像区域对应的图像分类和图像参变量，通过图像分类和图像参变量对拟检测图像区域进行按序排列，以选取得到不少于一个目标图像区域，然后对目标图像区域进行分块划分，基于分块划分后的图像分块的分块影响系数，在图像分块中识别出不少于一个异常图像点

【技术实现步骤摘要】
一种基于机器视觉的硅胶成型效果检测方法及系统


[0001]本申请涉及但不限于机器视觉
、
图像处理
，尤其涉及一种基于机器视觉的硅胶成型效果检测方法及系统
。

技术介绍

[0002]硅胶成型是一种广泛应用于制造业的技术，可用于生产各种零件
、
模具
、
密封件
、
电子元器件等
。
在硅胶成型过程中，成型效果的质量直接影响到产品的性能和可靠性，因此对硅胶成型效果的检测显得非常重要
。
硅胶成型制品的表面缺陷常见为以下几种
。
气泡：在硅胶成型过程中，由于气体在硅胶中可能会形成气泡，这些气泡可能分布在硅胶制品的表面，影响其外观和质量
。
痕迹或划痕：由于模具表面不光滑或其他原因，硅胶制品的表面可能出现痕迹或划痕，导致表面不平整
。
粘连或粘性：硅胶具有一定的粘性，如果在成型过程中没有适当的控制，硅胶制品的表面可能出现粘连现象，导致表面不平滑或有附着物
。
毛边或毛刺：在硅胶成型过程中，由于模具设计或制造不当，硅胶制品的边缘可能出现毛边或毛刺，影响外观和安全性
。
色差或变色：硅胶制品的颜色可能不均匀或出现变色现象，可能是由于材料配比
、
成型温度等因素引起的
。
模具印痕：硅胶制品的表面可能出现模具印痕，这是由于模具设计或制造问题导致的，可能会影响产品的外观和质量
。
举例来说，比如在生产硅胶密封圈时，如果模具表面不光滑或存在划痕，硅胶密封圈的表面可能出现划痕或凹凸不平的现象
。
又如在制造硅胶手机壳时，如果成型过程中没有适当控制气泡的形成，硅胶手机壳的表面可能会出现气泡，影响外观和质量
。
这些表面缺陷可能会影响硅胶制品的外观质量
、
功能性能和安全性能
。
因此，在硅胶成型效果检测中，需要对这些缺陷进行识别
、
评估和控制，以确保产品符合要求
。
[0003]目前，使用计算机视觉技术和深度学习算法，可以对硅胶制品的外观进行自动识别和分析
。
通过拍摄产品的照片或视频，并将其输入到训练有素的神经网络模型中，可以快速检测和识别表面缺陷
、
色差等问题，如何提高缺陷点检测的准确性是需要考虑的技术问题
。

技术实现思路

[0004]有鉴于此，本申请实施例至少提供一种基于机器视觉的硅胶成型效果检测方法及系统
。
[0005]本申请实施例的技术方案是这样实现的：一方面，本申请实施例提供一种基于机器视觉的硅胶成型效果检测方法，应用于计算机设备，所述方法包括：获取针对不少于一个目标硅胶制品的检测图像，并在所述检测图像中确定出拟检测图像区域；对所述拟检测图像区域进行表征向量挖掘，得到所述拟检测图像区域的图像表征向量；
基于所述图像表征向量，确定所述拟检测图像区域对应的图像分类和图像参变量，所述图像分类用以表征所述检测图像的分类结果，所述图像参变量用以表征所述拟检测图像区域在所述图像分类中的影响系数；通过所述图像分类和图像参变量对所述拟检测图像区域进行按序排列，以选取得到不少于一个目标图像区域；对所述目标图像区域进行分块划分，基于分块划分后的图像分块的分块影响系数，在所述图像分块中识别出不少于一个异常图像点，所述分块影响系数用以表征所述图像分块在所述目标图像区域中的影响系数
。
[0006]在一些实施例中，所述通过所述图像分类和图像参变量对所述拟检测图像区域进行按序排列，以选取得到不少于一个目标图像区域，包括：基于所述图像分类对所述拟检测图像区域进行分类，得到每一图像分类对应的拟检测图像区域集合；通过所述图像参变量对所述拟检测图像区域集合中的拟检测图像区域进行按序排列；基于按序排列信息对所述拟检测图像区域集合中的拟检测图像区域进行筛选，得到不少于一个目标图像区域
。
[0007]在一些实施例中，所述基于按序排列信息对所述拟检测图像区域集合中的拟检测图像区域进行筛选，得到不少于一个目标图像区域，包括：基于按序排列信息，在所述拟检测图像区域集合中选取得到排列序号不大于预设排列序号阈值的拟检测图像区域，得到不少于一个无意义拟检测图像区域；在所述拟检测图像区域集合中对所述无意义拟检测图像区域进行删除，得到不少于一个目标图像区域
。
[0008]在一些实施例中，所述基于分块划分后的图像分块的分块影响系数，在所述图像分块中识别出不少于一个异常图像点，包括：确定所述目标图像区域的图像数量，得到第一图像数量；基于所述第一图像数量，确定分块划分后的每一图像分块的分块影响系数；通过所述分块影响系数和所述图像分类，在所述图像分块中选取得到不少于一个异常图像点；所述在所述检测图像中确定出拟检测图像区域，包括：在所述检测图像中确定得到初始图像区域，并在所述初始图像区域中选取得到目标像素点；基于所述目标像素点的像素点类型，在预设转换像素点集合中选取得到所述目标像素点对应的转换像素点；在所述初始图像区域中将所述目标像素点转换成所述转换像素点，得到拟检测图像区域
。
[0009]在一些实施例中，所述基于所述第一图像数量，确定分块划分后的每一图像分块的分块影响系数，包括：在所述目标图像区域中确定出包含所述图像分块的图像数量，得到第二图像数量；
基于所述第一图像数量和第二图像数量获取每一所述图像分块的出现率和区分度；将所述出现率和区分度进行相乘，得到所述图像分块的分块影响系数；所述通过所述分块影响系数和所述图像分类，在所述图像分块中选取得到不少于一个异常图像点，包括：在所述目标图像区域中选取得到每一图像分类对应的图像区域，并确定所述图像区域的图像数量，得到第三图像数量；在所述图像分块中识别出突出区域，基于所述第三图像数量和突出区域获取每一所述图像分块的置信度，所述置信度用以表征所述图像分块具有特定图像分类的目标图像区域中的可能性；基于所述分块影响系数和置信度，在所述图像分块中选取得到不少于一个异常图像点
。
[0010]在一些实施例中，所述基于所述第三图像数量和突出区域获取每一所述图像分块的置信度，包括：基于所述第三图像数量获取所述每一图像分块的概率密度函数，得到分块概率密度函数；通过所述突出区域
、
第一图像数量和第三图像数量获取所述突出区域的概率密度函数，得到突出概率密度函数；将所述分块概率密度函数和突出概率密度函数进行相乘，得到所述图像分块的置信度；所述基于所述分块影响系数和置信度，在所述图像分块中选取得到不少于一个异常图像点，包括：基于所述置信度对所述图像分块进行删除，得到删除后图像分块；通过所述分块影响系数对所述删除后图像分块进行按序排列；基于按序排列信息，在所述删除后图像分块中选取得到不少于一个异常图像点
。
[0011]在一些实施例中，所述基于所述图像表征向量，确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于机器视觉的硅胶成型效果检测方法，其特征在于，应用于计算机设备，所述方法包括：获取针对不少于一个目标硅胶制品的检测图像，并在所述检测图像中确定出拟检测图像区域；对所述拟检测图像区域进行表征向量挖掘，得到所述拟检测图像区域的图像表征向量；基于所述图像表征向量，确定所述拟检测图像区域对应的图像分类和图像参变量，所述图像分类用以表征所述检测图像的分类结果，所述图像参变量用以表征所述拟检测图像区域在所述图像分类中的影响系数；通过所述图像分类和图像参变量对所述拟检测图像区域进行按序排列，以选取得到不少于一个目标图像区域；对所述目标图像区域进行分块划分，基于分块划分后的图像分块的分块影响系数，在所述图像分块中识别出不少于一个异常图像点，所述分块影响系数用以表征所述图像分块在所述目标图像区域中的影响系数
。2.
根据权利要求1所述的基于机器视觉的硅胶成型效果检测方法，其特征在于，所述通过所述图像分类和图像参变量对所述拟检测图像区域进行按序排列，以选取得到不少于一个目标图像区域，包括：基于所述图像分类对所述拟检测图像区域进行分类，得到每一图像分类对应的拟检测图像区域集合；通过所述图像参变量对所述拟检测图像区域集合中的拟检测图像区域进行按序排列；基于按序排列信息对所述拟检测图像区域集合中的拟检测图像区域进行筛选，得到不少于一个目标图像区域
。3.
根据权利要求2所述的基于机器视觉的硅胶成型效果检测方法，其特征在于，所述基于按序排列信息对所述拟检测图像区域集合中的拟检测图像区域进行筛选，得到不少于一个目标图像区域，包括：基于按序排列信息，在所述拟检测图像区域集合中选取得到排列序号不大于预设排列序号阈值的拟检测图像区域，得到不少于一个无意义拟检测图像区域；在所述拟检测图像区域集合中对所述无意义拟检测图像区域进行删除，得到不少于一个目标图像区域
。4.
根据权利要求1至3任一项所述的基于机器视觉的硅胶成型效果检测方法，其特征在于，所述基于分块划分后的图像分块的分块影响系数，在所述图像分块中识别出不少于一个异常图像点，包括：确定所述目标图像区域的图像数量，得到第一图像数量；基于所述第一图像数量，确定分块划分后的每一图像分块的分块影响系数；通过所述分块影响系数和所述图像分类，在所述图像分块中选取得到不少于一个异常图像点；所述在所述检测图像中确定出拟检测图像区域，包括：在所述检测图像中确定得到初始图像区域，并在所述初始图像区域中选取得到目标像素点；
基于所述目标像素点的像素点类型，在预设转换像素点集合中选取得到所述目标像素点对应的转换像素点；在所述初始图像区域中将所述目标像素点转换成所述转换像素点，得到拟检测图像区域
。5.
根据权利要求4所述的基于机器视觉的硅胶成型效果检测方法，其特征在于，所述基于所述第一图像数量，确定分块划分后的每一图像分块的分块影响系数，包括：在所述目标图像区域中确定出包含所述图像分块的图像数量，得到第二图像数量；基于所述第一图像数量和第二图像数量获取每一所述图像分块的出现率和区分度；将所述出现率和区分度进行相乘，得到所述图像分块的分块影响系数；所述通过所述分块影响系数和所述图像分类，在所述图像分块中选取得到不少于一个异常图像点，包括：在所述目标图像区域中选取得到每一图像分类对应的图像区域，并确定所述图像区域的图像数量，得到第三图像数量；在所述图像分块中识别出突出区域，基于所述第三图像数量和突出区域获取每一所述图像分块的置信度，所述置信度用以表征所述图像分块具有特定图像分类的目标图像区域中的可能性；基于所述分块影响系数和置信度，在所述图像分块中选取得到不少于一个异常图像点
。6.
根据权利要求5所述的基于机器视觉的硅胶成型效果检测方法，其特征在于，所述基于所述第三图像数量和突出区域获取每一所述图像分块的置信度，包括：基于所述第三图像数量获取所述每一图像分块的概率密度函数，得到分块概率密度函数；通过所述突出区域
、
第一图像数量和第三图像数量获取所述突出区域的概率密度函数，得到突出概率密度函数；将所述分块概率密度函数和突出概率密度函数进行相乘，得到所述图像分块的...

【专利技术属性】
技术研发人员：杨尊锦，张海彬，陈玉玲，
申请(专利权)人：深圳市富邦新材科技有限公司，
类型：发明
国别省市：