CN113781473A - 壳状膜片的压膜清晰度检测方法、装置、设备及介质 - Google Patents
壳状膜片的压膜清晰度检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113781473A CN113781473A CN202111145831.4A CN202111145831A CN113781473A CN 113781473 A CN113781473 A CN 113781473A CN 202111145831 A CN202111145831 A CN 202111145831A CN 113781473 A CN113781473 A CN 113781473A
- Authority
- CN
- China
- Prior art keywords
- detected
- image
- acquiring
- contour
- gap
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000003825 pressing Methods 0.000 title claims abstract description 46
- 238000000016 photochemical curing Methods 0.000 claims abstract description 56
- 238000001723 curing Methods 0.000 claims abstract description 31
- 238000009826 distribution Methods 0.000 claims description 55
- 238000001514 detection method Methods 0.000 claims description 43
- 239000013598 vector Substances 0.000 claims description 34
- 238000003860 storage Methods 0.000 claims description 25
- 238000005520 cutting process Methods 0.000 claims description 17
- 238000009499 grossing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000004519 manufacturing process Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 7
- 238000007731 hot pressing Methods 0.000 description 6
- 239000012528 membrane Substances 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 238000003475 lamination Methods 0.000 description 5
- 239000000047 product Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008713 feedback mechanism Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000011179 visual inspection Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000007723 die pressing method Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种壳状膜片的压膜清晰度检测方法、装置、设备及介质，方法包括：获取包括矫治器组件的底面的待检测图像，矫治器组件包括光固化模具及压膜成型于光固化模具外部的壳状膜片，壳状膜片于底面处形成靠近光固化模具的待检测边缘；获取待检测图像中对应光固化模具的底部外轮廓的第一轮廓以及对应待检测边缘的第二轮廓之间的间隙；根据间隙判断壳状膜片的压膜清晰度。本发明基于图像识别的方式，获取到待检测图像中对应光固化模具的底部外轮廓的第一轮廓以及对应待检测边缘的第二轮廓，根据第一轮廓与第二轮廓之间的间隙可更加直观地判断压膜清晰度，本发明基于视觉的壳状膜片的压模清晰度检测方法，实现了压模不清晰的高效识别。
Description
【技术领域】
本发明涉及医疗器械领域，具体涉及壳状膜片的压膜清晰度检测方法、装置、设备及介质。
【背景技术】
由于美观、便捷以及利于清洁等优点，基于高分子材料的壳状牙齿正畸矫治器(如隐形矫治器)越来越受欢迎。壳状牙齿正畸矫治器是利用变形产生的回弹力把牙齿从一个布局重新定位到另一布局。
壳状牙齿正畸矫治器(以下简称：矫治器)生产过程通常需要经历如下流程：光固化模具成型->利用光固化模具对矫治器压膜->矫治器裁剪、脱壳->矫治器研磨、清洗->矫治器分拣、包装。
在矫治器的压膜阶段，由于环境因素和压膜机参数的影响，会发生压制不清晰的情况，压模不清晰的矫治器属于瑕疵品，不利于佩戴从而影响最终的矫治效果，需要被识别出来，并在大量出现时给出反馈，对相应的压膜设备做出维护。
目前常见的压膜清晰度检测方法主要是在生产过程中操作工人和质检人员进行目视检查，然而，目前的检测方法存在如下问题：
(1)由于产量的需求、质量控制的要求和人数限制，目视检查非常繁重，给操作工人和质检人员带来巨大的工作压力；
(2)压模清晰度目视检查受到操作工人和质检人员的主观因素(如视力、经验、疲劳程度等)影响，无法形成客观统一的评价标准，不利于质量控制。
【发明内容】
本发明的多个方面提供一种壳状膜片的压膜清晰度检测方法、装置、设备及介质，用以有效检测壳状膜片的压膜清晰度。
本发明的一方面，提供一种壳状膜片的压膜清晰度检测方法，包括：
获取包括矫治器组件的底面的待检测图像，所述矫治器组件包括光固化模具及压膜成型于所述光固化模具外部的壳状膜片，所述壳状膜片于底面处形成靠近所述光固化模具的待检测边缘；
获取所述待检测图像中对应所述光固化模具的底部外轮廓的第一轮廓以及对应所述待检测边缘的第二轮廓之间的间隙；
根据所述间隙判断所述壳状膜片的压膜清晰度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤“获取包括矫治器组件的底面的待检测图像”具体包括：
获取所述矫治器组件的底面图像；
利用预先训练得到的后牙区目标检测模型，对所述底面图像进行目标检测；
响应于从所述底面图像中检测到的后牙区，从所述底面图像中裁剪出包括后牙区的待检测图像。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤“从所述底面图像中裁剪出包括后牙区的待检测图像”具体包括：
从所述底面图像中裁剪出分别对应两个后牙区的两个待检测图像。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤“获取所述待检测图像中对应所述光固化模具的底部外轮廓的第一轮廓以及对应所述待检测边缘的第二轮廓之间的间隙”具体包括：
获取所述待检测图像中对应所述光固化模具的底部外轮廓的第一轮廓以及对应所述待检测边缘的第二轮廓之间的平均间隙。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤“获取所述待检测图像中对应所述光固化模具的底部外轮廓的第一轮廓以及对应所述待检测边缘的第二轮廓之间的平均间隙”具体包括：
获取所述待检测图像中对应所述光固化模具的底部外轮廓的第一轮廓；
获取所述待检测图像中对应所述待检测边缘的第二轮廓；
计算所述第一轮廓与所述第二轮廓每一相应点之间的间隙；
计算多个间隙的平均值而得到平均间隙。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤“获取所述待检测图像中对应所述光固化模具的底部外轮廓的第一轮廓”具体包括：
根据所述待检测图像获取显示所述光固化模具的底部外轮廓的第一掩膜；
平滑处理所述第一掩膜的边缘而得到第二掩膜；
去除所述第二掩膜内部的非连通区域而得到第三掩膜；
根据所述第三掩膜得到对应所述光固化模具的底部外轮廓的第一轮廓。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤“获取所述待检测图像中对应所述待检测边缘的第二轮廓”具体包括：
于所述第一轮廓处选取间隔分布的多个目标点；
获取每一目标点的远离所述光固化模具的法向量；
获取每一目标点沿着对应的法向量的灰度梯度分布曲线；
获取每一灰度梯度分布曲线的峰值点；
连接多个峰值点而得到对应所述待检测边缘的第二轮廓。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤“获取每一目标点沿着对应的法向量的灰度梯度分布曲线”具体包括：
获取每一目标点沿着对应的法向量的灰度分布曲线；
平滑处理所述灰度分布曲线而得到平滑灰度分布曲线；
根据所述平滑灰度分布曲线得到对应的灰度梯度分布曲线。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤“获取每一灰度梯度分布曲线的峰值点”具体包括：
利用寻峰算法，获取每一灰度梯度分布曲线上大于峰值阈值的峰值点。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤“计算所述第一轮廓与所述第二轮廓每一相应点之间的间隙”具体包括：
计算所述第一轮廓上每一目标点与对应的峰值点之间的间隙。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤“根据所述间隙判断所述壳状膜片的压膜清晰度”具体包括：
判断平均间隙与间隙阈值的大小；
若不大于，则判断所述壳状膜片处于压膜清晰状态；
若大于，则判断所述壳状膜片处于压膜不清晰状态。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤“获取包括矫治器组件的底面的待检测图像”具体包括：
采用仰视拍照的方式，对矫治器组件的底面进行图像采集，得到包括矫治器组件的底面的待检测图像。
本发明的另一方面，提供一种壳状膜片的压膜清晰度检测装置，包括：
第一获取模块，用于获取包括矫治器组件的底面的待检测图像，所述矫治器组件包括光固化模具及压膜成型于所述光固化模具外部的壳状膜片，所述壳状膜片于底面处形成靠近所述光固化模具的待检测边缘；
第二获取模块，用于获取所述待检测图像中对应所述光固化模具的底部外轮廓的第一轮廓以及对应所述待检测边缘的第二轮廓之间的间隙；
确定模块，用于根据所述间隙判断所述壳状膜片的压膜清晰度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第一获取模块具体用于：
获取所述矫治器组件的底面图像；
所述装置还包括：
检测模块，用于利用预先训练得到的后牙区目标检测模型，对所述底面图像进行目标检测；
裁剪模块，用于响应于从所述底面图像中检测到的后牙区，从所述底面图像中裁剪出包括后牙区的待检测图像。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述裁剪模块具体用于：从所述底面图像中裁剪出分别对应两个后牙区的两个待检测图像。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第二获取模块具体用于：
获取所述待检测图像中对应所述光固化模具的底部外轮廓的第一轮廓以及对应所述待检测边缘的第二轮廓之间的平均间隙。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第二获取模块具体用于：
获取所述待检测图像中对应所述光固化模具的底部外轮廓的第一轮廓；以及获取所述待检测图像中对应所述待检测边缘的第二轮廓；
所述装置还包括：
计算模块，用于计算所述第一轮廓与所述第二轮廓每一相应点之间的间隙；以及计算多个间隙的平均值而得到平均间隙。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第二获取模块具体用于：
根据所述待检测图像获取显示所述光固化模具的底部外轮廓的第一掩膜；
平滑处理所述第一掩膜的边缘而得到第二掩膜；
去除所述第二掩膜内部的非连通区域而得到第三掩膜；
根据所述第三掩膜得到对应所述光固化模具的底部外轮廓的第一轮廓。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第二获取模块具体用于：
于所述第一轮廓处选取间隔分布的多个目标点；
获取每一目标点的远离所述光固化模具的法向量；
获取每一目标点沿着对应的法向量的灰度梯度分布曲线；
获取每一灰度梯度分布曲线的峰值点；
连接多个峰值点而得到对应所述待检测边缘的第二轮廓。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第二获取模块具体用于：
获取每一目标点沿着对应的法向量的灰度分布曲线；
平滑处理所述灰度分布曲线而得到平滑灰度分布曲线；
根据所述平滑灰度分布曲线得到对应的灰度梯度分布曲线。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第二获取模块具体用于：
利用寻峰算法，获取每一灰度梯度分布曲线上大于峰值阈值的峰值点。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述计算模块具体用于：
计算所述第一轮廓上每一目标点与对应的峰值点之间的间隙。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述确定模块具体用于：
判断平均间隙与间隙阈值的大小；
若不大于，则判断所述壳状膜片处于压膜清晰状态；
若大于，则判断所述壳状膜片处于压膜不清晰状态。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第一获取模块具体用于：
采用仰视拍照的方式，对矫治器组件的底面进行图像采集，得到包括矫治器组件的底面的待检测图像。
本发明的另一方面，提供一种设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述一方面所提供的方法。
本发明的另一方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述一方面所提供的方法。
由上述技术方案可知，本发明一实施例能够基于图像识别的方式，获取到待检测图像中对应光固化模具的底部外轮廓的第一轮廓以及对应待检测边缘的第二轮廓，通过计算可获取到第一轮廓与第二轮廓之间的间隙，并根据间隙可更加直观地判断压膜清晰度，本实施例的基于视觉的壳状膜片的压模清晰度检测方法，实现了压模不清晰的高效识别，从而得到的优势有：(1)利用计算机和相关视觉硬件高效完成压模清晰度判断，减轻操作工人和质检人员的工作负荷，从而提高生产效率，助力产能提升；(2)基于间隙的判断标准更加客观统一，有效控制产品的出厂质量，有助于形成完善的质量追溯及相关反馈机制；(3)检测效率高、速度较快，人工成本较低，且检测准确率较高，在复杂生产环境下可靠。
【附图说明】
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的壳状膜片的压膜清晰度检测方法的流程示意图；
图2为本发明一实施例的矫治器组件的底面图像示意图；
图3是本发明一实施例的目标检测框选中底面图像中的后牙区的示意图；
图4是本发明一实施例的裁剪得到的待检测图像的示意图；
图5是本发明一实施例的第一掩膜的示意图；
图6是本发明一实施例的第二掩膜的示意图；
图7是本发明一实施例的具有第一边缘的第二掩膜的示意图；
图8是本发明一实施例的第三掩膜的示意图；
图9是本发明一实施例的具有位于第一轮廓处的多个目标点及法向量的示意图；
图10是本发明一实施例的灰度分布曲线示意图；
图11是本发明一实施例的平滑灰度分布曲线示意图；
图12是本发明一实施例的灰度梯度分布曲线示意图；
图13是本发明一实施例的得到的第二轮廓的示意图；
图14是本发明一实施例的平均间隙的曲线图；
图15是本发明另一实施例的壳状膜片的压膜清晰度检测装置的结构示意图；
图16是适于用来实现本发明实施例的示例性计算机系统/服务器的框图。
【具体实施方式】
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本发明保护的范围。
需要说明的是，本发明实施例中所涉及的终端可以包括但不限于手机、个人数字助理(Personal Digital Assistant，PDA)、无线手持设备、平板电脑(Tablet Computer)、个人电脑(Personal Computer，PC)、MP3播放器、MP4播放器、可穿戴设备(例如，智能眼镜、智能手表、智能手环等)等。
图1为本发明一实施例的壳状膜片的压膜清晰度检测方法的流程示意图，方法包括步骤：
101、获取包括矫治器组件的底面的待检测图像，矫治器组件包括光固化模具及压膜成型于光固化模具外部的壳状膜片，壳状膜片于底面处形成靠近光固化模具的待检测边缘；
一般的，需要先使用扫描仪对患者的口腔进行扫描，得到牙齿的数字三维模型，而后针对不同的治疗阶段生成对应的牙模的理论模型(数字化牙模，非实体)，并利用光固化材料打印得到对应的实体牙模，实体牙模固化后便形成了光固化模具。
而后，将预热后的热压膜压制在光固化模具上，此时，光固化模具表面附着的热压膜便成为了壳状膜片，前述的矫治器组件即为壳状膜片与光固化模具结合在一起的半成品，在后续工序中，经过打标、切割、脱模等工序，最终成为成品的矫治器。
另外，“壳状膜片于底面处形成靠近光固化模具的待检测边缘”是指热压膜在压制的过程中形成与光固化模具相互匹配的主体部分，以及连接主体部分的折边，折边与主体部分的交界线即为待检测边缘，待检测边缘位于矫治器组件的底面处，且成像于待检测图像中。
102、获取待检测图像中对应光固化模具的底部外轮廓的第一轮廓以及对应待检测边缘的第二轮廓之间的间隙；
这里，当壳状膜片压制于光固化模具上时，在矫治器组件的底面，会形成对应光固化模具的内圈轮廓及对应壳状膜片的外圈轮廓，外圈轮廓与内圈轮廓之间具有一定的间隙，内圈轮廓即为光固化模具的底部外轮廓，外圈轮廓即为壳状膜片的待检测边缘。
103、根据间隙判断壳状膜片的压膜清晰度。
这里，当热压膜的压制过程顺利完成时，壳状膜片的主体部分与光固化模具之间应当是完全匹配的，即此时的第一轮廓与第二轮廓各个对应点之间的间隙应当是保持一致或在一定的误差范围内的，后续裁剪得到的矫治器可与患者牙颌完美匹配；而当热压膜的压制过程出现问题时，第一轮廓与第二轮廓各个对应点之间的间隙会出现过大或过小的现象，后续裁剪得到的矫治器无法与患者牙颌完美匹配。
也就是说，本实施例的第一轮廓与第二轮廓之间的间隙可用于表征壳状膜片的压膜清晰度。
需要说明的是，101～103的执行主体的部分或全部可以为位于本地终端即服务提供商的终端设备的应用，或者还可以为设置在位于本地终端的应用中的插件或软件开发工具包(Software Development Kit，SDK)等功能单元，或者还可以为位于网络侧服务器中的处理引擎，或者还可以为位于网络侧的分布式系统，本实施例对此不进行特别限定。
可以理解的是，所述应用可以是安装在终端上的本地程序(nativeApp)，或者还可以是终端上的浏览器的一个网页程序(webApp)，本实施例对此不进行特别限定。
本实施例中，能够基于图像识别的方式，获取到待检测图像中对应光固化模具的底部外轮廓的第一轮廓以及对应待检测边缘的第二轮廓，通过计算可获取到第一轮廓与第二轮廓之间的间隙，并根据间隙可更加直观地判断压膜清晰度，本实施例的基于视觉的壳状膜片的压模清晰度检测方法，实现了压模不清晰的高效识别，从而得到的优势有：(1)利用计算机和相关视觉硬件高效完成压模清晰度判断，减轻操作工人和质检人员的工作负荷，从而提高生产效率，助力产能提升；(2)基于间隙的判断标准更加客观统一，有效控制产品的出厂质量，有助于形成完善的质量追溯及相关反馈机制；(3)检测效率高、速度较快，人工成本较低，且检测准确率较高，在复杂生产环境下可靠。
下面，结合图2至图14，详细说明本实施例的壳状膜片的压膜清晰度检测方法的流程。
在本实施例的一个可能的实现方式中，结合图2，在步骤101中，可以采用仰视拍照的方式，对矫治器组件200的底面进行图像采集，得到包括矫治器组件200的底面的待检测图像，本实施例对此不进行特别限定。
在具体实现中，可以将光固化模具201及壳状膜片202配合形成的矫治器组件200放置于载台上，采用同轴光源，调整光源的明暗和色彩，调整工业相机的光圈、焦距等，采用仰视拍照的方式，对矫治器组件200进行图像采集，使得工业相机采集的矫治器组件200的底面的灰度图像的清晰度达到最佳，得到待检测图像，以便提高后续轮廓获取过程及判断过程的准确性。
在步骤101中，“获取包括矫治器组件200的底面的待检测图像”包括：
结合图2，获取矫治器组件200的底面图像S；
这里，底面图像S包括光固化模具201的整个底面以及壳状膜片202的至少部分底面(至少包括壳状膜片202的整个待检测边缘2021)。
结合图3，利用预先训练得到的后牙区目标检测模型，对底面图像S进行目标检测；
这里，后牙区目标检测模型可以基于深度学习的方式获取，例如可通过神经网络实现，但不以此为限，通过后牙区目标检测模型对底面图像S中的后牙区进行目标检测，并用目标检测框S2选中底面图像S中的后牙区。
本实施例根据健壮可靠的目标检测模型，可有效处理特殊情况和识别困难的情况。
结合图4，响应于从底面图像S中检测到的后牙区，从底面图像S中裁剪出包括后牙区的待检测图像S1。
这里，可以以目标检测框S2的中心位置为中心，按照目标检测框S2大小的1.0～1.2倍的预设尺寸扩充比例，从底面图像S中裁剪出大于后牙区的目标检测框S2且小于底面图像S的区域图像作为待检测图像S1，如此，待检测图像S1可以包括完整的后牙区，又可以对后牙区进行较大程度的扩大，从而基于该待检测图像S1进行后续轮廓识别时，可以得到准确的识别结果，有助于提高压膜清晰度检测的准确性。
需要说明的是，由于后牙区相对较容易出现压膜不清晰的问题，可利用后牙区的压膜清晰度来表征整个牙颌区域的压膜清晰度，但不以此为限。
另外，在剪裁过程中，具体是从底面图像S中裁剪出分别对应两个后牙区的两个待检测图像S1，后续以其中一个后牙区的待检测图像S1为例进行说明。
在步骤102中，具体是获取待检测图像S1中对应光固化模具201的底部外轮廓2011的第一轮廓L1以及对应待检测边缘2021的第二轮廓L2之间的平均间隙。
步骤102包括：
获取待检测图像S1中对应光固化模具201的底部外轮廓2011的第一轮廓L1；
具体包括：
1021、结合图5，根据待检测图像S1获取显示光固化模具201的底部外轮廓2011的第一掩膜300；
这里，可以利用漫水填充法(FloodFill)或滤波法得到第一掩膜300。
1022、结合图6，平滑处理第一掩膜300的边缘而得到第二掩膜301；
这里，第一掩膜300的边缘包括对应光固化模具201的底部外轮廓2011的边缘及第一掩膜300内部的边缘，利用高斯平滑处理方式，可得到边缘较为平滑的第二掩膜301。
1023、结合图7及图8，去除第二掩膜301内部的非连通区域3011而得到第三掩膜302；
这里，“非连通区域3011”是指与第二掩膜301的外边缘不连续且位于第二掩膜301内部的区域，非连通区域3011的存在会影响到后续的第一轮廓L1的获取过程，故需要去除该些非连通区域3011。
具体的，在本实施例中，结合图7，先利用边缘检测算法获取第二掩膜301的第一边缘3012，第一边缘3012包括第二掩膜301的外边缘及非连通区域3011的边缘。
第一边缘3012的表达方式为二值图，即对应第一边缘3012的区域的值为255，其余区域的值为0，定义水平方向为宽度方向，竖直方向为高度方向，第二掩膜301中的每个点具有位于高度方向的高度坐标u和位于宽度方向的宽度坐标v，对应每一个高度坐标u，得到值为255的最小和最大宽度坐标(vmin,vmax)，将位于vmin和vmax之间的点均赋值为255，即可消除第二掩膜301内部的非连通区域3011而得到第三掩膜302(参图8)。
1024、根据第三掩膜302得到对应光固化模具201的底部外轮廓2011的第一轮廓L1。
这里，可采用轮廓拟合的方式获取第一轮廓L1。
步骤102还包括：
获取待检测图像S1中对应待检测边缘2021的第二轮廓L2；
具体包括：
1025、结合图9，于第一轮廓L1处选取间隔分布的多个目标点P；
这里，多个目标点P可等间距分布，但也可以不等间距，例如，第一轮廓L1中较为平坦区域的相邻目标点P的间距较大，第一轮廓L1中较为曲折区域的相邻目标点P的间距较小，但不以此为限。
1026、获取每一目标点P的远离光固化模具201的法向量Z；
这里，以需要获取法向量Z的目标点P为起点，该目标点P相邻两侧的两个点为参考点(参考点可为相邻的其他目标点P，也可为随机选取的点)，连接起点与两个参考点而得到两个参考向量，分别获取两个参考向量的参考法向量，并将两个参考法向量归一化，而后获取两个参考法向量的平均向量(例如依据平行四边形法则)，该平均向量即为以目标点P为起点的法向量Z。
1027、获取每一目标点P沿着对应的法向量Z的灰度梯度分布曲线；
具体的，包括如下步骤：
结合图10，获取每一目标点P沿着对应的法向量Z的灰度分布曲线；
结合图11，平滑处理灰度分布曲线而得到平滑灰度分布曲线；
结合图12，根据平滑灰度分布曲线得到对应的灰度梯度分布曲线。
这里，通过对平滑灰度分布曲线做差分运算得到对应的灰度梯度分布曲线，灰度梯度分布曲线用于表征沿着法向量Z的灰度变化程度，即梯度值越小，表征灰度变化程度越小。
1028、获取每一灰度梯度分布曲线的峰值点P1；
这里，压膜成型的壳状膜片202的待检测边缘2021实质是个弧形边缘，待检测边缘2021与光固化模具201的底部外轮廓2011之间并非紧密贴合，而是具有一定的间隙，此时，从成型的待检测图像S1来看，在一些情况下，底部外轮廓2011显示为黑圈，待检测边缘2021与光固化模具201的底部外轮廓2011之间的间隙显示为白色区域(由于壳状膜片202的反光作用)，待检测边缘2021处又会显示为黑圈，而在待检测边缘2021远离光固化模具201的一侧，由于壳状膜片202的反光作用，又会显示为白色区域，黑圈和白色区域的灰度值不同，在灰度梯度分布曲线上显示的梯度值也不同，除去目标点P之外的梯度值的峰值点P1即为灰度变化最大的点，该峰值点P1对应待检测边缘2021的点。
在实际操作中，可利用寻峰算法，获取每一灰度梯度分布曲线上大于峰值阈值的峰值点P1，如此，可过滤掉一些存在干扰的小的峰值点，其中，峰值阈值为根据经验获取的预设值。
1029、结合图13，连接多个峰值点P1而得到对应待检测边缘2021的第二轮廓L2。
当获取到第一轮廓L1及第二轮廓L2之后，步骤102还包括：
计算第一轮廓L1与第二轮廓L2每一相应点之间的间隙；
这里，具体可以是计算第一轮廓L1上每一目标点P与对应的峰值点P1之间的间隙，峰值点P1正好位于对应的目标点P的法向量Z上。
计算多个间隙的平均值而得到平均间隙。
这里，结合图14，为计算得到的平均间隙的曲线图。
具体的，可以根据工业相机的坐标系与参考坐标系之间的对应关系，得到第一轮廓L1及第二轮廓L2上各个点在参考坐标系中的坐标位置，进而得到平均间隙的曲线图。
步骤103具体包括：
1031、判断平均间隙与间隙阈值的大小；
1032、若不大于，则判断壳状膜片处于压膜清晰状态；
1033、若大于，则判断壳状膜片处于压膜不清晰状态。
这里，可预先获取大量处于压膜清晰状态以及压膜不清晰状态的样本，根据该些样本得到一个间隙阈值，用于与平均间隙进行比较判断。
需要说明的是，通过平均间隙来判断压膜清晰度可大大简化计算流程，当然，在其他实施例中，也可通过判断每个法向量Z处的间隙是否符合标准来判断压膜清晰度，或者是通过其他值来判断压膜清晰度。
图15为本发明另一实施例提供的壳状膜片的压膜清晰度检测装置的结构示意图。
本实施例的壳状膜片的压膜清晰度检测装置包括第一获取模块501、第二获取模块502及确定模块503。
其中，第一获取模块501用于获取包括矫治器组件的底面的待检测图像，矫治器组件包括光固化模具及压膜成型于光固化模具外部的壳状膜片，壳状膜片于底面处形成靠近光固化模具的待检测边缘；第二获取模块502用于获取待检测图像中对应光固化模具的底部外轮廓的第一轮廓以及对应待检测边缘的第二轮廓之间的间隙；确定模块503用于根据间隙判断壳状膜片的压膜清晰度。
需要说明的是，本实施例所提供的压膜清晰度检测装置的部分或全部可以为位于本地终端的应用，或者还可以为设置在位于本地终端的应用中的插件或软件开发工具包(Software Development Kit，SDK)等功能单元，或者还可以为位于网络侧服务器中的搜索引擎，或者还可以为位于网络侧的分布式系统，本实施例对此不进行特别限定。
可以理解的是，所述应用可以是安装在终端上的本地程序(nativeApp)，或者还可以是终端上的浏览器的一个网页程序(webApp)，本实施例对此不进行特别限定。
本实施例中，能够基于图像识别的方式，获取到待检测图像中对应光固化模具的底部外轮廓的第一轮廓以及对应待检测边缘的第二轮廓，通过计算可获取到第一轮廓与第二轮廓之间的间隙，并根据间隙可更加直观地判断压膜清晰度，本实施例的基于视觉的壳状膜片的压模清晰度检测装置，实现了压模不清晰的高效识别，从而得到的优势有：(1)利用计算机和相关视觉硬件高效完成压模清晰度判断，减轻操作工人和质检人员的工作负荷，从而提高生产效率，助力产能提升；(2)基于间隙的判断标准更加客观统一，有效控制产品的出厂质量，有助于形成完善的质量追溯及相关反馈机制；(3)检测效率高、速度较快，人工成本较低，且检测准确率较高，在复杂生产环境下可靠。
可选地，在本实施例的一个可能的实现方式中，第一获取模块501具体用于：
采用仰视拍照的方式，对矫治器组件的底面进行图像采集，得到包括矫治器组件的底面的待检测图像。
可选地，在本实施例的一个可能的实现方式中，第二获取模块502具体用于：
获取待检测图像中对应光固化模具的底部外轮廓的第一轮廓以及对应待检测边缘的第二轮廓之间的平均间隙。
可选地，在本实施例的一个可能的实现方式中，第一获取模块501具体用于：获取矫治器组件的底面图像；
装置还包括检测模块504及裁剪模块505，检测模块504用于利用预先训练得到的后牙区目标检测模型，对底面图像进行目标检测；裁剪模块505用于响应于从底面图像中检测到的后牙区，从底面图像中裁剪出包括后牙区的待检测图像。
可选地，在本实施例的一个可能的实现方式中，裁剪模块505具体用于：从底面图像中裁剪出分别对应两个后牙区的两个待检测图像。
可选地，在本实施例的一个可能的实现方式中，第二获取模块502具体用于：获取待检测图像中对应光固化模具的底部外轮廓的第一轮廓；以及获取待检测图像中对应待检测边缘的第二轮廓；
装置还包括计算模块506，计算模块506用于计算第一轮廓与第二轮廓每一相应点之间的间隙；以及计算多个间隙的平均值而得到平均间隙。
可选地，在本实施例的一个可能的实现方式中，第二获取模块502具体用于：
根据待检测图像获取显示光固化模具的底部外轮廓的第一掩膜；
平滑处理第一掩膜的边缘而得到第二掩膜；
去除第二掩膜内部的非连通区域而得到第三掩膜；
根据第三掩膜得到对应光固化模具的底部外轮廓的第一轮廓。
可选地，在本实施例的一个可能的实现方式中，第二获取模块502具体用于：
于第一轮廓处选取间隔分布的多个目标点；
获取每一目标点的远离光固化模具的法向量；
获取每一目标点沿着对应的法向量的灰度梯度分布曲线；
获取每一灰度梯度分布曲线的峰值点；
连接多个峰值点而得到对应待检测边缘的第二轮廓。
可选地，在本实施例的一个可能的实现方式中，第二获取模块502具体用于：
获取每一目标点沿着对应的法向量的灰度分布曲线；
平滑处理灰度分布曲线而得到平滑灰度分布曲线；
根据平滑灰度分布曲线得到对应的灰度梯度分布曲线。
可选地，在本实施例的一个可能的实现方式中，第二获取模块502具体用于：
利用寻峰算法，获取每一灰度梯度分布曲线上大于峰值阈值的峰值点。
可选地，在本实施例的一个可能的实现方式中，计算模块506具体用于：
计算第一轮廓上每一目标点与对应的峰值点之间的间隙。
可选地，在本实施例的一个可能的实现方式中，确定模块503具体用于：
判断平均间隙与间隙阈值的大小；
若不大于，则判断壳状膜片处于压膜清晰状态；
若大于，则判断壳状膜片处于压膜不清晰状态。
图16示出了适于用来实现本发明实施例的示例性计算机系统/服务器600的框图。图16显示的计算机系统/服务器600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图16所示，计算机系统/服务器600以通用计算设备的形式表现。计算机系统/服务器600的组件可以包括但不限于：一个或者多个处理器601，用于存储一个或多个程序的存储装置602，连接不同系统组件(包括存储装置602和处理器601)的总线603。
总线603表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机系统/服务器600典型地包括多种计算机可读存储介质。这些介质可以是任何能够被计算机系统/服务器600访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置602可以包括易失性存储器形式的计算机可读存储介质，例如随机存取存储器(RAM)6021和/或高速缓存存储器6022。计算机系统/服务器600可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机可读存储介质。仅作为举例，计算机可读存储介质604可以用于读写不可移动的、非易失性磁介质(图16未显示，通常称为“硬盘驱动器”)。尽管图16中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线603相连。存储装置602可以包括至少一个程序，该程序具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块605的程序/实用工具606，可以存储在例如存储装置602中，这样的程序模块605包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块605通常执行本发明所描述的实施例中的功能和/或方法。
计算机系统/服务器600也可以与一个或多个外部设备607(例如键盘、指向设备、显示器608等)通信，还可与一个或者多个使得用户能与该计算机系统/服务器600交互的设备通信，和/或与使得该计算机系统/服务器600能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口609进行。并且，计算机系统/服务器600还可以通过网络适配器610与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器610通过总线603与计算机系统/服务器600的其它模块通信。应当明白，尽管图中未示出，可以结合计算机系统/服务器600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器601通过运行存储在存储装置602中的程序，从而执行各种功能应用以及数据处理，例如实现图1所对应的实施例所提供的压膜清晰度检测方法。
本发明另一实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现图1所对应的实施例所提供的压膜清晰度检测方法。
具体来说，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或页面组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理器中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一个计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (26)
1.一种壳状膜片的压膜清晰度检测方法，其特征在于，包括：
获取包括矫治器组件的底面的待检测图像，所述矫治器组件包括光固化模具及压膜成型于所述光固化模具外部的壳状膜片，所述壳状膜片于底面处形成靠近所述光固化模具的待检测边缘；
获取所述待检测图像中对应所述光固化模具的底部外轮廓的第一轮廓以及对应所述待检测边缘的第二轮廓之间的间隙；
根据所述间隙判断所述壳状膜片的压膜清晰度。
2.根据权利要求1所述的方法，其特征在于，步骤“获取包括矫治器组件的底面的待检测图像”具体包括：
获取所述矫治器组件的底面图像；
利用预先训练得到的后牙区目标检测模型，对所述底面图像进行目标检测；
响应于从所述底面图像中检测到的后牙区，从所述底面图像中裁剪出包括后牙区的待检测图像。
3.根据权利要求2所述的方法，其特征在于，步骤“从所述底面图像中裁剪出包括后牙区的待检测图像”具体包括：
从所述底面图像中裁剪出分别对应两个后牙区的两个待检测图像。
4.根据权利要求1所述的方法，其特征在于，步骤“获取所述待检测图像中对应所述光固化模具的底部外轮廓的第一轮廓以及对应所述待检测边缘的第二轮廓之间的间隙”具体包括：
获取所述待检测图像中对应所述光固化模具的底部外轮廓的第一轮廓以及对应所述待检测边缘的第二轮廓之间的平均间隙。
5.根据权利要求4所述的方法，其特征在于，步骤“获取所述待检测图像中对应所述光固化模具的底部外轮廓的第一轮廓以及对应所述待检测边缘的第二轮廓之间的平均间隙”具体包括：
获取所述待检测图像中对应所述光固化模具的底部外轮廓的第一轮廓；
获取所述待检测图像中对应所述待检测边缘的第二轮廓；
计算所述第一轮廓与所述第二轮廓每一相应点之间的间隙；
计算多个间隙的平均值而得到平均间隙。
6.根据权利要求5所述的方法，其特征在于，步骤“获取所述待检测图像中对应所述光固化模具的底部外轮廓的第一轮廓”具体包括：
根据所述待检测图像获取显示所述光固化模具的底部外轮廓的第一掩膜；
平滑处理所述第一掩膜的边缘而得到第二掩膜；
去除所述第二掩膜内部的非连通区域而得到第三掩膜；
根据所述第三掩膜得到对应所述光固化模具的底部外轮廓的第一轮廓。
7.根据权利要求5所述的方法，其特征在于，步骤“获取所述待检测图像中对应所述待检测边缘的第二轮廓”具体包括：
于所述第一轮廓处选取间隔分布的多个目标点；
获取每一目标点的远离所述光固化模具的法向量；
获取每一目标点沿着对应的法向量的灰度梯度分布曲线；
获取每一灰度梯度分布曲线的峰值点；
连接多个峰值点而得到对应所述待检测边缘的第二轮廓。
8.根据权利要求7所述的方法，其特征在于，步骤“获取每一目标点沿着对应的法向量的灰度梯度分布曲线”具体包括：
获取每一目标点沿着对应的法向量的灰度分布曲线；
平滑处理所述灰度分布曲线而得到平滑灰度分布曲线；
根据所述平滑灰度分布曲线得到对应的灰度梯度分布曲线。
9.根据权利要求7所述的方法，其特征在于，步骤“获取每一灰度梯度分布曲线的峰值点”具体包括：
利用寻峰算法，获取每一灰度梯度分布曲线上大于峰值阈值的峰值点。
10.根据权利要求7所述的方法，其特征在于，步骤“计算所述第一轮廓与所述第二轮廓每一相应点之间的间隙”具体包括：
计算所述第一轮廓上每一目标点与对应的峰值点之间的间隙。
11.根据权利要求4所述的方法，其特征在于，步骤“根据所述间隙判断所述壳状膜片的压膜清晰度”具体包括：
判断平均间隙与间隙阈值的大小；
若不大于，则判断所述壳状膜片处于压膜清晰状态；
若大于，则判断所述壳状膜片处于压膜不清晰状态。
12.根据权利要求1所述的方法，其特征在于，步骤“获取包括矫治器组件的底面的待检测图像”具体包括：
采用仰视拍照的方式，对矫治器组件的底面进行图像采集，得到包括矫治器组件的底面的待检测图像。
13.一种壳状膜片的压膜清晰度检测装置，其特征在于，包括：
第一获取模块，用于获取包括矫治器组件的底面的待检测图像，所述矫治器组件包括光固化模具及压膜成型于所述光固化模具外部的壳状膜片，所述壳状膜片于底面处形成靠近所述光固化模具的待检测边缘；
第二获取模块，用于获取所述待检测图像中对应所述光固化模具的底部外轮廓的第一轮廓以及对应所述待检测边缘的第二轮廓之间的间隙；
确定模块，用于根据所述间隙判断所述壳状膜片的压膜清晰度。
14.根据权利要求13所述的装置，其特征在于，所述第一获取模块具体用于：
获取所述矫治器组件的底面图像；
所述装置还包括：
检测模块，用于利用预先训练得到的后牙区目标检测模型，对所述底面图像进行目标检测；
裁剪模块，用于响应于从所述底面图像中检测到的后牙区，从所述底面图像中裁剪出包括后牙区的待检测图像。
15.根据权利要求14所述的装置，其特征在于，所述裁剪模块具体用于：从所述底面图像中裁剪出分别对应两个后牙区的两个待检测图像。
16.根据权利要求13所述的装置，其特征在于，所述第二获取模块具体用于：
获取所述待检测图像中对应所述光固化模具的底部外轮廓的第一轮廓以及对应所述待检测边缘的第二轮廓之间的平均间隙。
17.根据权利要求16所述的装置，其特征在于，所述第二获取模块具体用于：
获取所述待检测图像中对应所述光固化模具的底部外轮廓的第一轮廓；以及获取所述待检测图像中对应所述待检测边缘的第二轮廓；
所述装置还包括：
计算模块，用于计算所述第一轮廓与所述第二轮廓每一相应点之间的间隙；以及计算多个间隙的平均值而得到平均间隙。
18.根据权利要求17所述的装置，其特征在于，所述第二获取模块具体用于：
根据所述待检测图像获取显示所述光固化模具的底部外轮廓的第一掩膜；
平滑处理所述第一掩膜的边缘而得到第二掩膜；
去除所述第二掩膜内部的非连通区域而得到第三掩膜；
根据所述第三掩膜得到对应所述光固化模具的底部外轮廓的第一轮廓。
19.根据权利要求17所述的装置，其特征在于，所述第二获取模块具体用于：
于所述第一轮廓处选取间隔分布的多个目标点；
获取每一目标点的远离所述光固化模具的法向量；
获取每一目标点沿着对应的法向量的灰度梯度分布曲线；
获取每一灰度梯度分布曲线的峰值点；
连接多个峰值点而得到对应所述待检测边缘的第二轮廓。
20.根据权利要求19所述的装置，其特征在于，所述第二获取模块具体用于：
获取每一目标点沿着对应的法向量的灰度分布曲线；
平滑处理所述灰度分布曲线而得到平滑灰度分布曲线；
根据所述平滑灰度分布曲线得到对应的灰度梯度分布曲线。
21.根据权利要求19所述的装置，其特征在于，所述第二获取模块具体用于：
利用寻峰算法，获取每一灰度梯度分布曲线上大于峰值阈值的峰值点。
22.根据权利要求19所述的装置，其特征在于，所述计算模块具体用于：
计算所述第一轮廓上每一目标点与对应的峰值点之间的间隙。
23.根据权利要求16所述的装置，其特征在于，所述确定模块具体用于：
判断平均间隙与间隙阈值的大小；
若不大于，则判断所述壳状膜片处于压膜清晰状态；
若大于，则判断所述壳状膜片处于压膜不清晰状态。
24.根据权利要求13所述的装置，其特征在于，所述第一获取模块具体用于：
采用仰视拍照的方式，对矫治器组件的底面进行图像采集，得到包括矫治器组件的底面的待检测图像。
25.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1～12中任一所述的方法。
26.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～12中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111145831.4A CN113781473A (zh) | 2021-09-28 | 2021-09-28 | 壳状膜片的压膜清晰度检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111145831.4A CN113781473A (zh) | 2021-09-28 | 2021-09-28 | 壳状膜片的压膜清晰度检测方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113781473A true CN113781473A (zh) | 2021-12-10 |
Family
ID=78854230
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111145831.4A Pending CN113781473A (zh) | 2021-09-28 | 2021-09-28 | 壳状膜片的压膜清晰度检测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113781473A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105046705A (zh) * | 2015-07-13 | 2015-11-11 | 浙江工业大学 | 一种基于模糊理论的裂纹边缘检测方法 |
| FR3027504A1 (fr) * | 2014-10-27 | 2016-04-29 | H 43 | Procede de controle du positionnement de dents |
| CN106023168A (zh) * | 2016-05-12 | 2016-10-12 | 广东京奥信息科技有限公司 | 一种视频监控中边缘检测的方法及装置 |
| CN108784878A (zh) * | 2018-06-15 | 2018-11-13 | 北京缔佳医疗器械有限公司 | 一种牙模成型匹配精度检测方法及检测装置 |
| CN108898610A (zh) * | 2018-07-20 | 2018-11-27 | 电子科技大学 | 一种基于mask-RCNN的物体轮廓提取方法 |
-
2021
- 2021-09-28 CN CN202111145831.4A patent/CN113781473A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3027504A1 (fr) * | 2014-10-27 | 2016-04-29 | H 43 | Procede de controle du positionnement de dents |
| CN105046705A (zh) * | 2015-07-13 | 2015-11-11 | 浙江工业大学 | 一种基于模糊理论的裂纹边缘检测方法 |
| CN106023168A (zh) * | 2016-05-12 | 2016-10-12 | 广东京奥信息科技有限公司 | 一种视频监控中边缘检测的方法及装置 |
| CN108784878A (zh) * | 2018-06-15 | 2018-11-13 | 北京缔佳医疗器械有限公司 | 一种牙模成型匹配精度检测方法及检测装置 |
| CN108898610A (zh) * | 2018-07-20 | 2018-11-27 | 电子科技大学 | 一种基于mask-RCNN的物体轮廓提取方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107941808B (zh) | 基于机器视觉的3d打印成型质量检测系统及方法 | |
| CN106875381B (zh) | 一种基于深度学习的手机外壳缺陷检测方法 | |
| CN110634140B (zh) | 一种基于机器视觉的大直径管状物定位及内壁缺陷检测方法 | |
| US10013803B2 (en) | System and method of 3D modeling and virtual fitting of 3D objects | |
| CN110458831B (zh) | 一种基于深度学习的脊柱侧弯图像处理方法 | |
| CN114494210B (zh) | 基于图像处理的塑料膜生产缺陷检测方法及系统 | |
| CN110659647A (zh) | 印章图像识别方法及装置、智能发票识别设备和存储介质 | |
| CN108830780B (zh) | 图像处理方法及装置、电子设备、存储介质 | |
| EP3497618B1 (en) | Independently processing plurality of regions of interest | |
| CN113379734A (zh) | 质量检测方法、装置、设备及计算机可读存储介质 | |
| CN103217108B (zh) | 一种眼镜架几何参数检测方法 | |
| CN107592449B (zh) | 三维模型建立方法、装置和移动终端 | |
| CN113962306A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
| US11908150B2 (en) | System and method for mobile 3D scanning and measurement | |
| WO2019061659A1 (zh) | 人脸图像眼镜去除方法、装置及存储介质 | |
| CN113780201B (zh) | 手部图像的处理方法及装置、设备和介质 | |
| CN113128376A (zh) | 基于图像处理的皱纹识别方法、皱纹识别装置及终端设备 | |
| CN110874572B (zh) | 一种信息检测方法及装置、存储介质 | |
| CN107316281B (zh) | 图像处理方法、装置和终端设备 | |
| CN113781473A (zh) | 壳状膜片的压膜清晰度检测方法、装置、设备及介质 | |
| CN114998571B (zh) | 基于固定尺寸标志物的图像处理及颜色检测方法 | |
| WO2021139447A1 (zh) | 一种宫颈异常细胞检测装置及方法 | |
| CN109214398B (zh) | 一种从连续图像中量测杆体位置的方法和系统 | |
| CN115937320B (zh) | 一种手机壳打磨用视觉定位方法 | |
| Srivastava | Method of determining dynamic distance of an object from camera devices using ML and its applications |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |