快速处理和检测幅材型材料中的不均匀因素制造技术

本公开涉及计算机化检测系统，所述系统用于检测所述不均匀缺陷的存在并提供表征每个类型不均匀缺陷的严重性的输出。描述了增大所述检测系统吞吐量的技术。描述了大大缩短检测期望为基本上均匀的给定数量材料所需平均时间的算法和硬件方法。本文所述的技术涉及选择动态选择要计算的图像特征，方法是首先以基本特征组开始，然后根据需要仅触发额外的特征计算，直到所述特征足以用来计算每个类型不均匀缺陷的严重性。提取的特征数和所述特征的提取顺序均实时动态确定，以降低与所述特征提取相关联的成本。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及自动检测系统，例如用于检测移动幅材的计算机化系统。
技术介绍
已经证明用于分析移动幅材的计算机化检测系统对现代制造操作至关重要。产品线的目标是生产完全均匀并且不具有可变性的材料。然而，不均匀性是幅材型材料制造过程中的常见问题。这可由许多过程变量或配方误差导致。因此，配置基于成像的检测系统变得日益常见，该检测系统能够根据光学检测传感器(如摄像机)捕获的数字图像对制成品的质量进行自动分类。在最简单的情况下，一些检测系统应用了通常称为“分类器”的算法，该算法尝试对每个捕获的数字图像(即，“样本”)指定评级，从而指示样本或其部分是合格的还是不合格的。这些检测系统通常尝试辨识“点”缺陷，其中每个缺陷局限在制成材料的单个区域内。然而，可能存在称为“不均匀”缺陷或“不均匀因素”的其他类型缺陷，其中幅材在较大区域上表现出不均匀可变性。此类不均匀因素的例子包括杂色、颤动、带和条纹。按照定义，诸如此类的不均匀缺陷是分散的而非局部的。因此，相对于局部的点缺陷，计算机化检测系统对此类缺陷的检测和定量可能更难。尝试检测制成材料中的不均匀因素时，检测系统通常会收集并处理样本图像，以提取表征具体不均匀因素的特征。基于这些特征，检测系统应用一个或多个分类器以生成不均匀因素的严重性评估。特征提取可为计算密集型并且可为检测流程的限制因素。例如，在此步骤中，包含几百万像素的高分辨率图像将被缩小，通过可能涉及过滤、形态学、时间、光谱或统计处理的例程变成或许不超过50个代表性数字(或特征)。所得数字随后成为评估基础产品质量的依据。将数百万像素的值缩减成数十个信息化数字需要的时间可能很长，因此，即使是现代计算机，也无法实时执行以获得快速生产率。一个方法是购买更多更昂贵的计算机，但此解决方案可能使检测系统的成本过高，并且带来数据分布和结果汇总方面的额外实施问题。
技术实现思路
总体来讲，本公开描述了计算机化检测系统，该系统用于检测不均匀缺陷的存在并提供表征每个缺陷的严重性的输出。描述了增大设计用于检测并分类制造幅材中特定图形的检测系统的吞吐量的技术。描述了大大缩短检测期望为基本上均匀的给定数量材料所需平均时间的算法和硬件方法。这样，该技术可以显著提高生产率。本文所述的算法技术涉及动态(即，在线)确定要计算哪些图像特征，方法是首先从基本特征组开始，然后根据需要仅触发额外特征的计算。在一个实施例中，描述了用于在制造幅材时实时检测幅材并计算不均匀缺陷严重性的在线计算机化检测系统。该检测系统包含用来存储模型的存储器，其中模型定义了用于实时选择从幅材的样本图像提取哪些特征的动态触发链。计算机会执行软件以处理从当前正在制造的制造幅材捕获的样本图像，从而提取第一个特征组。软件应用该模型动态触发选择额外的特征组以从样本图像中提取，直到所提取的特征足以用来计算幅材的不均匀缺陷的严重级别。在另一个实施例中，描述了用于在制造幅材时实时检测幅材并计算不均匀缺陷严重性的方法。该方法包括使用在线计算机化检测系统接收从正在制造的幅材捕获的图像、使用该检测系统处理图像以提取第一个特征组、以及使用该检测系统处理第一个特征组以确定是否能够计算出幅材的不均匀缺陷的严重级别。该方法还包括在确定无法从第一个特征组计算出的严重级别时，应用模型来动态选择第二个特征组以从图像中提取、使用检测系统处理图像以提取第二个特征组、以及使用检测系统处理第二个特征组来确定是否可以计算出幅材的不均匀缺陷的严重级别。该方法还包括，确定可从第一个特征组和第二个特征组计算出的严重级别时，使用检测系统来计算幅材的不均匀缺陷的严重级别。本文所述的技术适用于许多产品线，包括在幅材上生产的任何材料。该技术应用范围广泛，可用于均匀度为重要因素的众多产品。一些例子包括光学膜、窗膜和磨料。本专利技术的一个或多个实施例的细节在附图和以下具体实施方式中说明。通过具体实施方式和附图以及权利要求书，本专利技术的其他特征、目标和优点将显而易见。附图说明图1为示出了示例性幅材制造和转换系统的框图，其中可在该系统中应用本文所述的技术。图2为示出了示例性幅材制造厂中检测系统的示例性实施例的框图。图3为示出了本文所述系统的示例性操作的流程图。图4为示出了示例性动态系统架构的流程图，其中特征提取模型通过使用得自连续较大特征组的结果实时构建“最佳特征组”，从而触发额外特征的计算。图5示出了 ROC空间中三步序列的性能。图6为示出了基线随机法和贪心优化法之间区别的柱状图。图7和图8为不出基于I旲拟研究的性能结果的图。具体实施例方式图1为示出示例性系统2的框图，其中可以应用本文所述的技术。幅材制造厂6A-6N (幅材制造厂6)表示生产和运输幅材卷7形式的幅材的制造地点。幅材制造厂6可以按地理位置分布，该幅材制造厂中的每一个可以包括一条或多条生产线。通常，幅材卷7可由任何制造厂6制造，并可在幅材制造厂之间运输以进行额外的处理。成品幅材卷10运输到转换位点8A-8N (转换位点8)以转换成产品12A-12N (产品12)。如图1所示，转换控制系统4、幅材制造厂6A-6M (幅材制造厂6)和转换位点8A-8N (转换位点8)通过计算机网络9互连，以交换与幅材制造相关的信息(例如缺陷信息)并转换成产品12。通常，幅材卷7、10可以包含制造幅材，其可以是在一个方向具有固定尺寸并且在正交方向上具有预定或待定长度的任何片状材料。幅材的实例包括但不限于金属、纸张、织物、非织物、玻璃、聚合物膜、柔性电路或它们的组合。金属可以包括例如钢或铝等材料。织物一般包括各种布。非织物包括例如纸张、过滤介质或绝缘材料等材料。膜包括例如透明和不透明的聚合物膜，包括层压材料和涂覆膜。转换位点8可接纳来自幅材制造厂6的成品幅材卷10，并将成品幅材卷10转换成各个片材，所述各个片材可组装到用于销售至客户14A-14N (客户14)的产品12内。转换系统可根据多种标准(例如与产品相关的等级水平)确定将给定成品幅材卷10转换成何种产品14。也就是说，可以根据每个片材所符合的特定等级水平选择应将哪个片材组装到哪个产品12中。根据本文所述的技术，转换位点8也可接收成品幅材卷10中的与异常有关的数据，即，可能的缺陷。最终，转换位点8可将成品幅材卷10转换成各个片材，所述各个片材可组装到用于销售至客户14A-14N (客户14)的产品12内。为了生产准备转换成用于组装到产品12中的各个片材的成品幅材卷10，非成品幅材卷7可能需要经多条生产线的处理，这些生产线可位于一个幅材制造厂内，例如幅材制造厂6A内，也可位于多个制造厂内。每一个加工过程通常使用幅材卷作为原料卷，利用卷将幅材送入制备工艺中。完成每个制造过程后，幅材通常再次卷绕成幅材卷7并转移至不同产品线或运送至不同制造厂，在那里进行退绕、加工并再次卷绕成卷。不断重复该过程，直至最终生产出成品幅材卷10。对于多个应用，用于幅材卷7中的每一个的幅材可具有多个涂层，所述涂层是在一个或多个幅材制造厂6的一条或多条生产线处涂覆的。就第一制备工艺而言，涂层通常涂覆至基础幅材的暴露表面，或者就后续制备工艺而言，涂层通常涂覆至先前涂覆的涂层。涂层的例子包括粘合剂、硬涂层、低粘附力背面涂层、金属化涂层、中密度涂层、导电或不导电涂层，或者它们的组合。在一个给本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】2010.11.12 US 61/413,2501.一种用于在制造幅材时实时检测幅材并计算不均匀缺陷严重性的方法，所述方法包括: 使用在线计算机化检测系统接收从正在制造的幅材捕获的图像； 使用所述检测系统处理所述图像以提取第一个特征组； 使用所述检测系统通过模型处理所述第一个特征组，从而根据所述模型来动态选择第二个特征组以从所述图像中提取； 根据所述模型确定，如果所述第二个特征组提取自所述图像，相对于所述不均匀缺陷，错误分级所述图像的预期成本降低量； 当所述预期成本降低量超过阈值时，使用所述检测系统处理所述图像以提取所述第二个特征组；和 使用从所述图像提取的所述第一个特征组和第二个特征组，通过所述检测系统计算所述幅材的所述不均匀缺陷的严重级别。2.根据权利要求1所 述的方法，其中所述模型包括Markov模型，所述模型定义一个或多个动态触发链来控制选择所述第二个特征组以及任意额外的特征组以从所述图像中提取。3.根据权利要求2所述的方法，还包括: 定义指定分类器系列的当前状态矢量； 使用由所述第一个特征组中的至少一个特征参数化的条件分布根据所述当前状态矢量来计算未来状态矢量的预测，其中所述条件分布代表所述Markov模型的所述动态触发的转换函数；和 根据所计算出的转换函数从全部特征组中动态选择所述第二个特征组。4.根据权利要求3所述的方法，其中动态选择所述第二个特征组包括选择所述第二个特征组，以最小化与选择所述全部特征组中的任一个相关联的总预期成本。5.根据权利要求1所述的方法，还包括: 通过所述模型使用所述检测系统处理所述第二个特征组，从而根据所述模型动态选择第三个特征组以从所述图像中提取； 根据所述模型确定，如果所述第三个特征组提取自所述图像，相对于所述不均匀缺陷，错误分级所述图像的第二预期成本降低量； 当所述第二预期成本降低量超过阈值时，使用所述检测系统处理所述图像以提取所述第三个特征组；和 使用从所述图像提取的所述第一个特征组、所述第二个特征组和所述第三个特征组，通过所述检测系统计算所述幅材的所述不均匀缺陷的严重级别。6.根据权利要求1所述的方法，其中计算所述严重级别包括应用一个或多个分类器以确定是否能够确定所述不均匀缺陷的等级标签。7.根据权利要求1所述的方法，还包括: 在使用所述在线计算机化检测系统接收所述图像之前，在计算机上执行软件，通过利用相应训练图像的像素值计算每个所述训练图像的数字描述符，来提取多个训练图像的每一个的特征，其中已对每个所述图像指定所述训练图像中存在的不均匀缺陷的一组离散等级标签中的一个；和使用评级软件处理所述训练图像的所述数字描述符，从而根据对所述训练图像指定的所述离散等级标签计算所述训练图像的连续等级， 其中，使用所述在线计算机化检测系统处理计算所述严重级别包括根据所述连续等级计算所述不均匀缺陷的严重级别。8.根据权利要求1所述的方法，还包括呈现用户界面，用于向用户输出所述严重级别。9.根据权利要求8所述的方法，其中呈现用户界面包括更新图表，从而用曲线图表示随时间推移所述幅材的所述不均匀缺陷的严重级别。10.根据权利要求8所述的方法，还包括: 接收来自所述用户...

【专利技术属性】
技术研发人员：埃文·J·瑞博尼克，肯尼斯·G·布里顿，约翰·A·拉姆瑟恩，德里克·H·贾斯蒂斯，吉列尔莫·萨皮罗，
申请(专利权)人：三M创新有限公司，
类型：
国别省市：