【技术实现步骤摘要】
本专利技术涉及机器视觉领域，更具体的，涉及基于机器视觉的包装袋生产分析方法、系统及存储介质。
技术介绍
1、随着工业自动化和机器视觉技术的发展，对包装袋生产过程进行实时监控和分析的需求日益增强。然而，现有的生产监控系统大多依赖于人工检查，无法对复杂的生产流程进行实时、精准的分析。特别对包装袋生产过程的位置偏移、机器视觉分析较为薄弱，因此，本专利技术提出一种基于机器视觉的包装袋生产分析方法、系统及存储介质，旨在解决上述问题。
技术实现思路
1、本专利技术克服了现有技术的缺陷，提出了基于机器视觉的包装袋生产分析方法、系统及存储介质。
2、本专利技术第一方面提供了一种基于机器视觉的包装袋生产分析方法，包括：
3、在一个预设生产周期内，获取一个生产工序对应的生产包装袋的图像数据，并标记为第一图像数据；
4、基于所述第一图像数据并进行图像区域划分与包装袋区域识别，提取每个图像子区域的特征数据；
5、基于所述特征数据进行基于预设聚类算法的聚类分析，形成多组聚类特征组，基于所述聚类特征组选取定位特征数据；
6、获取所述一个预设生产周期内的环境数据，基于所述环境数据进行基于线性回归的变化预测，得到环境预测数据；
7、基于所述环境预测数据对第一图像数据进行图像变换分析，生成预测图像数据；
8、基于所述预测图像数据进行基于预设聚类算法的聚类分析与特征选取，得到多个预设生产周期的定位特征数据。
9、本方案中，
10、基于预设图像采集装置，获取一个生产工序对应的生产视频数据；
11、将所述生产视频数据进行关键帧提取，得到关键图像帧；
12、将所述关键图像帧进行基于预设清晰度的图像筛选，得到第一图像数据。
13、本方案中，所述基于所述第一图像数据并进行图像区域划分与包装袋区域识别，提取每个图像子区域的特征数据，具体为：
14、将所述第一图像数据进行图像降噪、平滑、标准化预处理；
15、将所述第一图像数据导入基于cnn的图像识别模型进行包装袋识别区域识别，得到包装袋区域图像与背景区域图像；
16、基于所述包装袋区域图像的图像大小，划分出m个子区域图像与对应m个相对位置参数；
17、根据所述m个子区域图像进行基于色彩、纹理、轮廓的特征提取，得到m份特征数据。
18、本方案中，所述基于所述特征数据进行基于预设聚类算法的聚类分析，形成多组聚类特征组，基于所述聚类特征组选取定位特征数据，具体为：
19、从m份特征数据中获取其中一份特征数据，将所述特征数据作为一份样品数据进行基于dbscan聚类算法的分析，得到多个聚类特征组；
20、每个聚类特征组包括预设数据量的特征数据；
21、将一个聚类特征组中特征数据融合为一个整体特征数据并作为识别特征数据；
22、基于多个聚类特征组形成多个识别特征数据；
23、通过图像识别模型，以识别特征数据作为当前识别数据，以第一图像数据作为识别结果，计算分析出识别特征数据的识别率，并得到多个识别率；
24、将识别率高于预设识别率的识别特征数据所对应的聚类特征组进行标记，得到高特征数据组；
25、将高特征数据组中的所有特征数据进行特征融合得到定位特征数据；
26、基于m份特征数据，得到m个定位特征数据。
27、本方案中，所述获取所述一个预设生产周期内的环境数据，基于所述环境数据进行基于线性回归的变化预测，得到环境预测数据，具体为：
28、获取所述一个预设生产周期内的环境数据，所述环境数据包括光照强度；
29、获取一个预设结束生产周期内的第二环境数据，基于所述环境数据与第二环境数据；
30、基于时间顺序，将环境数据与第二环境数据进行数据序列化，分别形成第一序列数据与第二序列数据；
31、以第一序列数据为基础数据，以第二序列数据作为目标数据，基于lstm预测算法进行n个预设生产周期的数据预测，得到n个序列数据；
32、将所述n个序列数据进行解析，得到n个预设生产周期的对应的n个预测环境数据。
33、本方案中，所述基于所述环境预测数据对第一图像数据进行图像变换分析，生成预测图像数据具体为：
34、基于所述n个预测环境数据，进行基于图像亮度参数变换的分析，得到n个图像亮度变化参数；
35、基于所述n个图像亮度变化参数对，第一图像数据进行图像变换，得到n个变换图像数据；
36、所述预测图像数据即预测图像数据。
37、本方案中，所述基于所述预测图像数据进行基于预设聚类算法的聚类分析与特征选取，得到多个预设生产周期的定位特征数据，具体为：
38、选取一个变换图像数据进行特征提取与预设聚类算法的聚类分析，得到对应的预测定位特征数据；
39、分析所有变换图像数据得到n个预测定位特征数据；
40、将所述n个预测定位特征数据作为n个预设生产周期的对应定位特征数据。
41、本专利技术第二方面还提供了一种基于机器视觉的包装袋生产分析系统，该系统包括：存储器、处理器，所述存储器中包括基于机器视觉的包装袋生产分析程序，所述基于机器视觉的包装袋生产分析程序被所述处理器执行时实现如下步骤：
42、在一个预设生产周期内，获取一个生产工序对应的生产包装袋的图像数据，并标记为第一图像数据；
43、基于所述第一图像数据并进行图像区域划分与包装袋区域识别，提取每个图像子区域的特征数据；
44、基于所述特征数据进行基于预设聚类算法的聚类分析，形成多组聚类特征组，基于所述聚类特征组选取定位特征数据；
45、获取所述一个预设生产周期内的环境数据，基于所述环境数据进行基于线性回归的变化预测，得到环境预测数据；
46、基于所述环境预测数据对第一图像数据进行图像变换分析，生成预测图像数据；
47、基于所述预测图像数据进行基于预设聚类算法的聚类分析与特征选取，得到多个预设生产周期的定位特征数据。
48、本方案中，所述在一个预设生产周期内，获取一个生产工序对应的生产包装袋的图像数据，并标记为第一图像数据，具体为：
49、基于预设图像采集装置，获取一个生产工序对应的生产视频数据；
50、将所述生产视频数据进行关键帧提取，得到关键图像帧；
51、将所述关键图像帧进行基于预设清晰度的图像筛选，得到第一图像数据。
52、本专利技术第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括基于机器视觉的包装袋生产分析程序，所述基于机器视觉的包装袋生产分析程序被处理器执行时，实现如上述任一项所述的基于机器视本文档来自技高网...
【技术保护点】
1.一种基于机器视觉的包装袋生产分析方法，其特征在于，包括：
2.根据权利要求1所述的一种基于机器视觉的包装袋生产分析方法，其特征在于，所述在一个预设生产周期内，获取一个生产工序对应的生产包装袋的图像数据，并标记为第一图像数据，具体为：
3.根据权利要求1所述的一种基于机器视觉的包装袋生产分析方法，其特征在于，所述基于所述第一图像数据并进行图像区域划分与包装袋区域识别，提取每个图像子区域的特征数据，具体为：
4.根据权利要求3所述的一种基于机器视觉的包装袋生产分析方法，其特征在于，所述基于所述特征数据进行基于预设聚类算法的聚类分析，形成多组聚类特征组，基于所述聚类特征组选取定位特征数据，具体为：
5.根据权利要求4所述的一种基于机器视觉的包装袋生产分析方法，其特征在于，所述获取所述一个预设生产周期内的环境数据，基于所述环境数据进行基于线性回归的变化预测，得到环境预测数据，具体为：
6.根据权利要求5所述的一种基于机器视觉的包装袋生产分析方法，其特征在于，所述基于所述环境预测数据对第一图像数据进行图像变换分析，生成预测图像
7.根据权利要求6所述的一种基于机器视觉的包装袋生产分析方法，其特征在于，所述基于所述预测图像数据进行基于预设聚类算法的聚类分析与特征选取，得到多个预设生产周期的定位特征数据，具体为：
8.一种基于机器视觉的包装袋生产分析系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于机器视觉的包装袋生产分析程序，所述基于机器视觉的包装袋生产分析程序被所述处理器执行时实现如下步骤：
9.根据权利要求8所述的一种基于机器视觉的包装袋生产分析系统，其特征在于，所述在一个预设生产周期内，获取一个生产工序对应的生产包装袋的图像数据，并标记为第一图像数据，具体为：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于机器视觉的包装袋生产分析程序，所述基于机器视觉的包装袋生产分析程序被处理器执行时，实现如权利要求1至7中任一项所述的基于机器视觉的包装袋生产分析方法的步骤。
...【技术特征摘要】
1.一种基于机器视觉的包装袋生产分析方法，其特征在于，包括：
2.根据权利要求1所述的一种基于机器视觉的包装袋生产分析方法，其特征在于，所述在一个预设生产周期内，获取一个生产工序对应的生产包装袋的图像数据，并标记为第一图像数据，具体为：
3.根据权利要求1所述的一种基于机器视觉的包装袋生产分析方法，其特征在于，所述基于所述第一图像数据并进行图像区域划分与包装袋区域识别，提取每个图像子区域的特征数据，具体为：
4.根据权利要求3所述的一种基于机器视觉的包装袋生产分析方法，其特征在于，所述基于所述特征数据进行基于预设聚类算法的聚类分析，形成多组聚类特征组，基于所述聚类特征组选取定位特征数据，具体为：
5.根据权利要求4所述的一种基于机器视觉的包装袋生产分析方法，其特征在于，所述获取所述一个预设生产周期内的环境数据，基于所述环境数据进行基于线性回归的变化预测，得到环境预测数据，具体为：
6.根据权利要求5所述的一种基于机器视觉的包装袋生产分析方法，其特征在于，...
【专利技术属性】
技术研发人员：郑永斌，
申请(专利权)人：嘉利胶袋制品深圳有限公司，
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。