(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210880935.8 (22)申请日 2022.07.26 (65)同一申请的已公布的文献号 申请公布号 CN 114937042 A (43)申请公布日 2022.08.23 (73)专利权人 海门市腾飞橡塑厂 地址 226000 江苏省南 通市海门市余 东镇 龙水口村6组 (72)发明人 卓健鹏　 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/50(2022.01)G06V 10/764(2022.01) G06V 10/77(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 114419025 A,202 2.04.29 CN 113538433 A,2021.10.2 2 CN 107085846 A,2017.08.2 2 US 2008/0218610 A1,20 08.09.11 审查员 狄希 (54)发明名称 基于机器视觉的塑料制品质量评估方法 (57)摘要 本发明涉及人工智能领域， 具体涉及一种基 于机器视觉的塑料制品质量评估方法， 包括： 获 取待测塑料件 图像； 对塑料件进行判断， 得到可 能存在缺陷的塑料件图像； 对塑料件图像进行区 域划分， 得到各小区域存在缺陷的初始概率； 根 据偏移程度对初始概率进行修正， 得到各小区域 存在缺陷修正后的概率； 对修正后的概率进行排 序， 根据概率较大区域中像素点的主成分方向得 到各缺陷区域； 获取各缺陷区域的发白程度； 根 据各缺陷区域的发白程度及各缺陷区域中心点 到塑料件边缘点的最小距离， 得到发白缺陷对塑 料件的综合影 响程度； 根据综合影 响程度对待测 塑料件进行质量评估。 上述方法用于塑料制品的 质量评估， 通过上述方法可提高质量评估的准确 度。 权利要求书2页 说明书8页 附图4页 CN 114937042 B 2022.10.04 CN 114937042 B 1.一种基于 机器视觉的塑料制品质量评估方法， 其特 征在于， 包括： 获取待测塑料件图像； 设置阈值， 根据灰度集中程度对待测塑料件进行判断： 当灰度集中程度大于等于阈值 时， 该待测塑料件不存在缺陷； 当灰度集中程度小于阈值时， 该待测塑料件可能存在缺陷， 需要进行下一步检测； 对可能存在缺陷的塑料件图像进行区域等分， 根据 各小区域的灰度级和整个塑料件图 像的灰度级得到各小区域存在缺陷的初始概 率； 根据各小区域中各灰度级相对于整个塑料件图像灰度级的偏移程度对初始概率进行 修正， 得到各小区域存在缺陷修 正后的概 率； 对各小区域存在缺陷修正后的概率进行排序， 将修正后缺陷概率最大的小区域作为主 要受力区域； 利用PCA算法得到主要受力区域中特征值最大的主成分方向， 将该主成分方向上经过 的各个相邻小区域进行合并， 得到第一 缺陷区域和剩余小区域； 对剩余小区域的存在缺陷修正后的概率重新进行排序， 获取剩余小区域中修正后缺陷 概率最大值； 当剩余小区域的修正后 缺陷概率最大值大于等于修正后缺陷概率阈值 时， 将最大值对 应的小区域作为新的主要受力区域， 按照得到第一缺陷区域的方法得到第二缺陷区域和剩 余小区域， 依 次直到剩余小区域的修正后缺陷概率最大值小于修正后缺陷概率阈值， 得到 所有缺陷区域； 计算各缺陷区域的发白程度， 根据 各缺陷区域的发白程度及各缺陷区域中心点到塑料 件边缘点的最小距离， 得到发白缺陷对塑料件的综合影响程度； 所述发白缺陷对塑料件的综合影响程度的表达式如下： 式中， 为发白缺陷对塑料件的综合影响程度， 为缺陷区域的总个数， 为第 个缺陷 区域中心点到塑料件边 缘点的最小距离， 为第 个缺陷区域的发白程度； 根据发白缺陷对塑料件的综合影响程度对待测塑料件进行质量评估； 所述根据发白缺 陷对塑料件的综合影响程度对待测塑料件进行质量评估， 包括： 将发白缺陷对塑料件的综合影响程度与建立的影响程度 ‑塑料件质量数据库进行对 比， 对待测塑料件进行质量评估。 2.根据权利要求1所述的一种基于机器视觉的塑料制品质量评估方法， 其特征在于， 所 述灰度集中程度是按照如下 方式得到： 获取待测塑料件灰度直方图； 获取灰度直方图的各 灰度级及各 灰度级的占比； 对各灰度级及其对应占比进行加权平均， 得到平均后的灰度级； 根据各灰度级与平均后的灰度级的方差得到待测塑料件的灰度集中程度。 3.根据权利要求1所述的一种基于机器视觉的塑料制品质量评估方法， 其特征在于， 所权　利　要　求　书 1/2 页 2 CN 114937042 B 2述各小区域存在缺陷的初始概 率是按照如下 方式得到： 对待测塑料件图像进行区域 等分， 得到各个小区域； 将各个小区域图像灰度化处 理， 获取各个小区域归一 化后的灰度直方图； 根据各小区域的灰度级和整个塑料件图像的灰度级， 计算得到各小区域存在缺陷的初 始概率。 4.根据权利要求1所述的一种基于机器视觉的塑料制品质量评估方法， 其特征在于， 所 述各小区域存在缺陷修 正后的概 率的表达式如下： 式中， 为第 个小区域中存在缺陷修正后的概率，   为第 个小区域中存在缺陷的初 始概率， 为第 个小区域中的灰度级个数， 为第 个小区域内的第 个灰度级， 为整个 图像中占比最大的灰度级。 5.根据权利要求1所述的一种基于机器视觉的塑料制品质量评估方法， 其特征在于， 所 述第一缺陷区域是按照如下 方式得到： 对各小区域存在缺陷修正后的概率进行排序， 得到缺陷概率最大的小区域即为主要受 力区域； 利用PCA算法获得主 要受力区域中像素点的主成分方向； 将像素点的主成分方向中特征值最大的主成分方向作为缺陷的分布方向， 将分布方向 上经过的各相邻小区域进行合并， 得到第一 缺陷区域。 6.根据权利要求1所述的一种基于机器视觉的塑料制品质量评估方法， 其特征在于， 所 述各缺陷区域的发白程度是按照如下 方式得到： 计算各缺陷区域中各个小区域中心点到整个缺陷区域中心点的距离； 将组成各缺陷区域的各个小区域存在缺陷修正后的概率， 以各个小区域中心点到整个 缺陷区域中心点的距离的e的负指数次方为权重， 进 行加权求和， 得到各缺陷区域的发白程 度。权　利　要　求　书 2/2 页 3 CN 114937042 B 3