CN114782420A - 基于人工智能系统的瓦楞纸箱施胶质量检测方法 - Google Patents

基于人工智能系统的瓦楞纸箱施胶质量检测方法 Download PDF

Info

Publication number
CN114782420A
CN114782420A CN202210682957.3A CN202210682957A CN114782420A CN 114782420 A CN114782420 A CN 114782420A CN 202210682957 A CN202210682957 A CN 202210682957A CN 114782420 A CN114782420 A CN 114782420A
Authority
CN
China
Prior art keywords
glue
lacking
influence
area
sizing
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.)
Granted
Application number
CN202210682957.3A
Other languages
English (en)
Other versions
CN114782420B (zh
Inventor
罗盼利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong Jinshi Packaging Printing Co ltd
Original Assignee
Nantong Jinshi Packaging Printing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nantong Jinshi Packaging Printing Co ltd filed Critical Nantong Jinshi Packaging Printing Co ltd
Priority to CN202210682957.3A priority Critical patent/CN114782420B/zh
Publication of CN114782420A publication Critical patent/CN114782420A/zh
Application granted granted Critical
Publication of CN114782420B publication Critical patent/CN114782420B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Making Paper Articles (AREA)

Abstract

本发明涉及人工智能领域，提供了一种基于人工智能系统的瓦楞纸箱施胶质量检测方法，包括：采集瓦楞纸板涂胶面图像；得到瓦楞的施胶连通域；得到所有施胶连通域的长轴方向；得到缺胶区域；得到缺胶影响区域；得到初始影响程度；得到修正后的影响程度；得到施胶质量；判断施胶质量是否合格。本发明实现对纸板施胶质量进行实时检测，且方法简单。

Description

基于人工智能系统的瓦楞纸箱施胶质量检测方法
技术领域
本发明涉及人工智能领域，具体涉及一种基于人工智能系统的瓦楞纸箱施胶质量检测方法。
背景技术
所谓粘合强度是指剥离一个单位长度的瓦楞所需要的力，其大小会直接影响瓦楞纸箱的边压强度和成箱抗压强度，因此粘合强度是衡量纸箱质量的一个重要指标。瓦楞纸与卷纸的粘合强度不足会使纸箱分层，如出现假粘分层等问题，同时由于生产完成后这些缺陷在纸箱内部，不能直接观察到，需要结合其他仪器将纸板剥离开才能检测出来。其中瓦楞纸箱的施胶质量是影响粘合强度的重要因素之一，施胶过程即为将瓦楞纸与面纸或里纸粘合起来的过程，本发明基于图像处理技术，通过检测生产过程中的瓦楞纸箱的缺胶状况对施胶质量进行评估，可以及时发现生产过程中的缺胶现象，并根据所得施胶质量与粘合强度的关系，当施胶质量异常时会发出预警，由此减少粘度异常纸箱的出现。现有技术只是对缺胶进行检测，并没有对缺胶对纸箱质量的影响程度进行评估。
发明内容
为了克服上述现有技术的缺点，本发明提供一种基于人工智能系统的瓦楞纸箱施胶质量检测方法。
为达到上述目的，本发明采用如下技术方案，一种基于人工智能系统的瓦楞纸箱施胶质量检测方法，包括以下步骤：
采集瓦楞纸板涂胶面图像；
对涂胶面图像进行连通域分析，得到瓦楞的各个施胶连通域；
通过瓦楞的各个施胶连通域得到所有施胶连通域的长轴方向；
通过所有施胶连通域的长轴方向得到瓦楞的各个缺胶区域；
通过瓦楞的各个缺胶区域得到瓦楞的各个缺胶影响区域；
通过每一个缺胶影响区域和该缺胶影响区域与其他缺胶影响区域中心点之间的距离以及该缺胶影响区域的影响面积得到该缺胶影响区域与其他缺胶影响区域的初始影响程度；
通过每一个缺胶影响区域和该缺胶影响区域与其他缺胶影响区域的初始影响程度以及该缺胶影响区域与其他缺胶影响区域之间的距离得到该缺胶影响区域与其他缺胶影响区域修正后的的影响程度；
通过每一个缺胶影响区域和该缺胶影响区域与其他缺胶影响区域修正后的的影响程度以及缺胶区域的个数得到施胶质量；
将施胶质量与数据库中的标准施胶质量进行比较，当施胶质量小于标准施胶质量时，判断施胶质量不合格；当施胶质量大于或等于标准施胶质量时，判断施胶质量合格。
进一步的，所述的一种基于人工智能系统的瓦楞纸箱施胶质量检测方法，所述施胶质量的表达式为：
Figure DEST_PATH_IMAGE002
式中：
Figure DEST_PATH_IMAGE004
表示施胶质量，
Figure DEST_PATH_IMAGE006
表示第
Figure DEST_PATH_IMAGE008
个缺胶影响区域对第
Figure DEST_PATH_IMAGE010
个缺胶影响区域修正后的影响程度，
Figure 697478DEST_PATH_IMAGE010
表示第
Figure 279769DEST_PATH_IMAGE010
个缺胶影响区域，
Figure 126371DEST_PATH_IMAGE008
表示第
Figure 819521DEST_PATH_IMAGE008
个缺胶影响区域，
Figure DEST_PATH_IMAGE012
表示缺胶区域的个数。
进一步的，所述的一种基于人工智能系统的瓦楞纸箱施胶质量检测方法，缺胶影响区域与其他缺胶影响区域修正后的的影响程度的表达式为：
Figure DEST_PATH_IMAGE014
式中：
Figure DEST_PATH_IMAGE016
表示第
Figure 100592DEST_PATH_IMAGE008
个缺胶影响区域对第
Figure 853784DEST_PATH_IMAGE010
个缺胶影响区域的初始影响程度，
Figure DEST_PATH_IMAGE018
表示第
Figure 420638DEST_PATH_IMAGE010
个缺胶影响区域的中心点坐标，
Figure DEST_PATH_IMAGE020
表示第
Figure 104429DEST_PATH_IMAGE008
个缺胶影响区域的中心点坐标，
Figure DEST_PATH_IMAGE022
表示两个楞谷间的距离，
Figure DEST_PATH_IMAGE024
，
Figure DEST_PATH_IMAGE026
，
Figure DEST_PATH_IMAGE028
为第
Figure 833482DEST_PATH_IMAGE008
个缺胶区域在长轴方向的长度。
进一步的，所述的一种基于人工智能系统的瓦楞纸箱施胶质量检测方法，缺胶影响区域与其他缺胶影响区域的初始影响程度的表达式为：
Figure DEST_PATH_IMAGE030
式中：
Figure DEST_PATH_IMAGE032
表示第
Figure 888786DEST_PATH_IMAGE008
个缺胶影响区域的影响面积。
进一步的，所述的一种基于人工智能系统的瓦楞纸箱施胶质量检测方法，得到所有施胶连通域的长轴方向的方法为：
通过各施胶连通域的像素点坐标和PCA算法得到两个主成分方向；
将特征值最大的主成分方向作为各施胶连通域的第一主成分方向；
该第一主成分方向为各施胶连通域的长轴方向；
将所有施胶连通域的众数长轴方向作为所有施胶连通域的长轴方向。
进一步的，所述的一种基于人工智能系统的瓦楞纸箱施胶质量检测方法，得到瓦楞的各个缺胶影响区域的方法为：
通过所有施胶连通域的长轴方向确定各施胶连通域的长轴长度；
利用各施胶连通域的长轴长度得到长度异常区域；
利用长度异常区域得到每一个缺胶区域；
通过每一个缺胶区域得到每一个缺胶区域在长轴方向上的长度；
通过每一个缺胶区域在长轴方向上的长度和两个楞峰之间的距离得到各个缺胶影响区域。
进一步的，所述的一种基于人工智能系统的瓦楞纸箱施胶质量检测方法，所述数据库包括不同的粘合强度及不同粘合强度对应的施胶质量。
本发明的有益效果是：本发明计算其他缺胶影响区域对当前缺胶影响区域的初始影响程度，接着对初始影响程度进行修正，最后计算施胶质量，通过得到的施胶质量和数据库判断施胶质量，可以对纸板施胶质量进行实时检测，方便工作人员及时发现生产异常，减少资源浪费。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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为本实施例1的一种流程示意图；
图2为本实施例2的一种系统结构示意图；
图3为卷纸宽度示意图；
图4为缺胶影响区域示意图；
图中：201、相机；202、中控台；203、声光报警器。
具体实施方式
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，所描述的实施例仅仅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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
本实施例针对的具体场景为：两个瓦楞辊之间相互挤压使瓦楞成型，成型的瓦楞纸芯会碰到另一个带胶水的辊轮，就会将瓦楞纸芯一面粘上胶水，在转动过程中正好粘在，从另一辊轮上引出的卷纸上，实现瓦楞纸芯与里纸、面纸的粘合。本发明通过伸缩臂固定相机，伸缩臂进入瓦楞纸芯与卷纸之间的间隙，使相机光心正对瓦楞纸，然后采集施胶后的瓦楞纸表面图像，根据瓦楞纸表面的施胶状况判断缺胶区域对纸箱质量的影响程度，进而对施胶质量进行评估。
本发明的一种基于人工智能系统的瓦楞纸箱施胶质量检测方法的实施例，如图1所示，包括：
采集瓦楞纸板涂胶面图像。
瓦楞纸箱的粘合剂一般使用的是玉米淀粉，为保证其粘度，在实际加工过程中需要保持一个较高的温度，常规相机在高温环境下工作会缩短相机寿命，因此使用更耐热的工业相机采集施胶后的图像。
由于粘合剂中包含水分，因而图像中楞峰区域的颜色会加深（涂胶位置在每一个楞峰上），而其他区域颜色相近，因此施胶区域与周边区域存在较大梯度。
根据相机与施胶后瓦楞纸的相对位置，结合瓦楞纸宽度，根据相机成像原理，调节相机焦距，使得相机视野范围内可包含整个瓦楞纸宽度的图像，则相机采集的图像长度即为瓦楞纸（卷纸）宽度。
相机采集瓦楞纸施胶后的图像，则此时图像的长度对应卷纸宽度，图像的宽度对应卷纸的长度，根据图像中的宽度，可求得图像中采集的卷纸实际长度
Figure DEST_PATH_IMAGE034
，如图3所示：
根据客户所需要的纸箱尺寸计算出所需纸板的面积和尺寸，目标纸板的长为
Figure DEST_PATH_IMAGE036
，由于卷纸较长，所以在后续过程中对粘合完成后的大型纸板进一步切割。
则要得到一个纸板需要相机至少采集的次数为
Figure DEST_PATH_IMAGE038
，当
Figure DEST_PATH_IMAGE040
（
Figure 70500DEST_PATH_IMAGE036
对
Figure 557982DEST_PATH_IMAGE034
取余）成立时，将相机每
Figure DEST_PATH_IMAGE042
次采集的图像进行图像拼接，即每次拼接的图像采集次数组合为：
Figure DEST_PATH_IMAGE044
否则每次拼接的图像采集次数组合为：
Figure DEST_PATH_IMAGE046
以所得拼接图像的的左下角为原点建立直角坐标系。
对涂胶面图像进行连通域分析，得到瓦楞的各个施胶连通域。
对所得图像使用Seed Filling（种子填充法）进行连通域分析，得到具有不同标签号的连通域，则所得各个连通域即为瓦楞的施胶区域。
通过瓦楞的各个施胶连通域得到所有施胶连通域的长轴方向。
本发明不需要实时采集图像，当前视野内旋转移动出相机采集范围后再次采集图像，直到系统检测到异常时停止。
缺胶区域对纸箱影响程度，需要综合考虑各个缺胶区域所处的位置，缺胶区域各自的影响区域，其他缺胶影响区域对当前缺胶影响区域的影响，以及所有缺胶影响区域的共同影响等方面。
当缺胶影响区域面积越大，对施胶质量的影响程度也越大，以此首先需要提取出各个缺胶区域。
根据各个连通域内的像素点坐标信息，利用PCA算法获得这些数据的主成分方向，由于坐标为二维数据，可获得两个主成分方向，每个主成分方向都是一个二维的单位向量，每个主成分方向对应一个特征值；本发明获取特征值最大的主成分方向，作为第一主成分方向，表示数据分布范围最广的方向，该方向即为各个连通域的长轴方向。
由于施胶区域位于楞峰上，而楞峰在图像中的方向是一致的，所以存在多个连通区域的长轴方向一致的情况，则统计所有单位向量及其对应的个数，将众数所对应的方向修正为所有连通区域的长轴方向。
通过所有施胶连通域的长轴方向得到瓦楞的各个缺胶区域。
根据所有连通域的长轴方向，得到各个连通区域的长轴长度，当长轴长度小于图像的长度（对应瓦楞纸在图像中的宽度）时，认为其为长度异常区域。
对于长度异常区域长轴方向上经过的其他连通域认为其为一个整体，长轴方向对应的行像素中不属于连通域的连续像素点集合认为其为缺胶区域，记第
Figure 810715DEST_PATH_IMAGE010
个缺胶区域的在长轴方向上长度为
Figure DEST_PATH_IMAGE048
，所有缺胶区域的个数为
Figure 62967DEST_PATH_IMAGE012
。
通过瓦楞的各个缺胶区域得到瓦楞的各个缺胶影响区域。
由于相邻楞峰之间存在间隙，所以单个缺胶区域影响的区域为楞峰上的缺胶区域以及与两侧楞形峰谷所组成的矩形区域，该矩形区域称为缺胶影响区域，两个楞峰之间的距离记为
Figure 184507DEST_PATH_IMAGE022
(可测量),则该楞峰两侧的楞谷之间的距离也是
Figure 475680DEST_PATH_IMAGE022
，故第
Figure 100697DEST_PATH_IMAGE010
个缺胶区域的单独影响区域的面积，即缺胶影响区域的影响面积
Figure DEST_PATH_IMAGE050
可表示为：
Figure DEST_PATH_IMAGE052
式中：
Figure 176712DEST_PATH_IMAGE050
表示第
Figure 723231DEST_PATH_IMAGE010
个缺胶区域的单独影响区域的面积，即为第
Figure 319560DEST_PATH_IMAGE010
个缺胶影响区域的影响面积。
通过每一个缺胶影响区域和该缺胶影响区域与其他缺胶影响区域中心点之间的距离以及该缺胶影响区域的影响面积得到该缺胶影响区域与其他缺胶影响区域的初始影响程度。
当缺胶区域分布较为集中时，其影响程度大于分布较为分散时的影响程度，因此各个缺胶区域的位置分布情况对各个缺胶区域也存在影响，即缺胶区域之间也存在影响。
根据各个缺胶影响区域的中心点坐标之间的距离分配初始影响权重，其中第
Figure 64662DEST_PATH_IMAGE010
个缺胶影响区域的中心点坐标为
Figure 704722DEST_PATH_IMAGE018
，第
Figure 784542DEST_PATH_IMAGE008
个缺胶影响区域的中心点坐标为
Figure 964988DEST_PATH_IMAGE020
，其他缺胶影响区域对当前缺胶影响区域的初始影响程度与两区域之间的距离以及其他缺胶影响区域面积有关，则第
Figure 502280DEST_PATH_IMAGE008
个缺胶影响区域对第
Figure 326623DEST_PATH_IMAGE010
个缺胶影响区域的初始影响程度
Figure 644472DEST_PATH_IMAGE016
的表达式为：
Figure DEST_PATH_IMAGE030A
通过每一个缺胶影响区域和该缺胶影响区域与其他缺胶影响区域的初始影响程度以及该缺胶影响区域与其他缺胶影响区域之间的距离得到该缺胶影响区域与其他缺胶影响区域修正后的的影响程度；
如图4所示，其中缺胶影响区域用矩形表示，直线表示楞峰，则对于缺胶影响区域A，当其他缺胶影响区域的面积（B和C的面积）相同时，距离A越近，对应缺胶影响区域对A的影响程度较大；当其他缺胶影响区域（C和D）到A的距离相同时，面积越大，对应缺胶影响区域对A的影响程度越大。
考虑到上述情况中，存在面积较大但距离较远以及面积较小但距离较近的缺胶影响区域对A的初始影响程度相同的情况，如上图中的D,E，但在实际情况中，缺胶影响区域分布越近对纸箱的质量影响越大，因此还需要根据整个缺胶影响区域的连通程度对缺胶影响区域之间的影响程度进行修正，修正后的结果记为
Figure 441658DEST_PATH_IMAGE006
:
Figure DEST_PATH_IMAGE054
式中：
Figure DEST_PATH_IMAGE056
，
Figure 223669DEST_PATH_IMAGE022
为两个楞谷间的距离，
Figure 953334DEST_PATH_IMAGE028
为缺胶区域在长轴方向的长度；
Figure DEST_PATH_IMAGE058
表示第
Figure 679850DEST_PATH_IMAGE008
个缺胶影响区域的四个顶点(当
Figure DEST_PATH_IMAGE060
分别取不同值时)，
Figure DEST_PATH_IMAGE062
表示选取这四个顶点到第
Figure 93776DEST_PATH_IMAGE010
个缺胶影响区域中心位置的欧式距离的最小值。
通过每一个缺胶影响区域和该缺胶影响区域与其他缺胶影响区域修正后的的影响程度以及缺胶区域的个数得到施胶质量。
同一纸板内的所有缺胶影响区域影响程度进行累加，得到所有缺胶影响区域的综合影响程度，则纸板的施胶质量
Figure 605660DEST_PATH_IMAGE004
可表示为：
Figure DEST_PATH_IMAGE002A
式中：
Figure 693178DEST_PATH_IMAGE004
表示施胶质量，
Figure 923302DEST_PATH_IMAGE006
表示第
Figure 701771DEST_PATH_IMAGE008
个缺胶影响区域对第
Figure 333740DEST_PATH_IMAGE010
个缺胶影响区域修正后的影响程度，
Figure 719722DEST_PATH_IMAGE010
表示第
Figure 187875DEST_PATH_IMAGE010
个缺胶影响区域，
Figure 317505DEST_PATH_IMAGE008
表示第
Figure 787670DEST_PATH_IMAGE008
个缺胶影响区域，
Figure 610132DEST_PATH_IMAGE012
表示缺胶区域的个数。
相互影响程度越大施胶质量越差，当图像中无缺胶区域时，其相互影响程度为0，对应的施胶质量为1。
将施胶质量与数据库中的标准施胶质量进行比较，当施胶质量小于标准施胶质量时，判断施胶质量不合格；当施胶质量大于标准施胶质量时，判断施胶质量合格。
使用剥离器以及压缩试验仪等仪器检测同类型纸板（正常纸板或缺胶纸板）的粘合强度，纸板剥开后，用水浸湿纸板的施胶区域，然后使用上述方法进行施胶质量的计算，在此过程中，设置施胶质量计算公式中的
Figure DEST_PATH_IMAGE064
，由此建立施胶质量以及粘合强度数据库。
根据上述所得施胶质量在数据库中查找标准施胶质量，当施胶质量低于标准值时，认为施胶质量不合标准，发出警报；当施胶质量大于标准施胶质量时，判断施胶质量合格。
本发明计算其他缺胶影响区域对当前缺胶影响区域的初始影响程度，接着对初始影响程度进行修正，最后计算施胶质量，通过得到的施胶质量和数据库判断施胶质量，可以对纸板施胶质量进行实时检测，方便工作人员及时发现生产异常，减少资源浪费。
至此，本实施例完成。
实施例2
本发明的一种基于人工智能系统的瓦楞纸箱施胶质量检测系统的实施例，如图2所示，包括：
相机201、中控台202、声光报警器203，相机201、中控台202和声光报警器203之间通过通讯连接。
相机201设置在瓦楞纸芯与卷纸之间的间隙，使相机光心正对瓦楞纸，然后采集施胶后的瓦楞纸表面图像，将相机采集的图像进行压缩加密，发送给中控台202。
中控台202对相机发送的图像进行解压解密，接着对图像进行处理：
对图片进行拼接得到瓦楞纸板涂胶面图像；
对涂胶面图像进行连通域分析，得到瓦楞的各个施胶连通域；
通过瓦楞的各个施胶连通域得到所有施胶连通域的长轴方向；
通过所有施胶连通域的长轴方向得到瓦楞的各个缺胶区域；
通过瓦楞的各个缺胶区域得到瓦楞的各个缺胶影响区域；
通过每一个缺胶影响区域和该缺胶影响区域与其他缺胶影响区域中心点之间的距离以及该缺胶影响区域的影响面积得到该缺胶影响区域与其他缺胶影响区域的初始影响程度；
通过每一个缺胶影响区域和该缺胶影响区域与其他缺胶影响区域的初始影响程度以及该缺胶影响区域与其他缺胶影响区域之间的距离得到该缺胶影响区域与其他缺胶影响区域修正后的的影响程度；
通过每一个缺胶影响区域和该缺胶影响区域与其他缺胶影响区域修正后的的影响程度以及缺胶区域的个数得到施胶质量。
将施胶质量与数据库中的标准施胶质量进行比较，当施胶质量小于标准施胶质量时，判断施胶质量不合格；当施胶质量大于或等于标准施胶质量时，判断施胶质量合格。
中控台202将施胶质量与数据库中的标准施胶质量进行比较，当施胶质量小于标准施胶质量时，判断施胶质量不合格，控制声光报警器203发出警报；当施胶质量大于或等于标准施胶质量时，判断施胶质量合格，声光报警器203不发出警报。
本发明计算其他缺胶影响区域对当前缺胶影响区域的初始影响程度，接着对初始影响程度进行修正，最后计算施胶质量，通过得到的施胶质量和数据库判断施胶质量，可以对纸板施胶质量进行实时检测，方便工作人员及时发现生产异常，减少资源浪费。
至此，本实施例完成。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于人工智能系统的瓦楞纸箱施胶质量检测方法，其特征在于，包括：
采集瓦楞纸板涂胶面图像；
对涂胶面图像进行连通域分析，得到瓦楞的各个施胶连通域；
通过瓦楞的各个施胶连通域得到所有施胶连通域的长轴方向；
通过所有施胶连通域的长轴方向得到瓦楞的各个缺胶区域；
通过瓦楞的各个缺胶区域得到瓦楞的各个缺胶影响区域；
通过每一个缺胶影响区域和该缺胶影响区域与其他缺胶影响区域中心点之间的距离以及该缺胶影响区域的影响面积得到该缺胶影响区域与其他缺胶影响区域的初始影响程度；
通过每一个缺胶影响区域和该缺胶影响区域与其他缺胶影响区域的初始影响程度以及该缺胶影响区域与其他缺胶影响区域之间的距离得到该缺胶影响区域与其他缺胶影响区域修正后的的影响程度；
通过每一个缺胶影响区域和该缺胶影响区域与其他缺胶影响区域修正后的的影响程度以及缺胶区域的个数得到施胶质量；
将施胶质量与数据库中的标准施胶质量进行比较，当施胶质量小于标准施胶质量时，判断施胶质量不合格；当施胶质量大于或等于标准施胶质量时，判断施胶质量合格。
2.根据权利要求1所述的一种基于人工智能系统的瓦楞纸箱施胶质量检测方法，其特征在于，所述施胶质量的表达式为：
Figure 696033DEST_PATH_IMAGE002
式中：
Figure DEST_PATH_IMAGE003
表示施胶质量，
Figure 354417DEST_PATH_IMAGE004
表示第
Figure DEST_PATH_IMAGE005
个缺胶影响区域对第
Figure 35059DEST_PATH_IMAGE006
个缺胶影响区域修正后的影响程度，
Figure 137007DEST_PATH_IMAGE006
表示第
Figure 113053DEST_PATH_IMAGE006
个缺胶影响区域，
Figure 106286DEST_PATH_IMAGE005
表示第
Figure 421861DEST_PATH_IMAGE005
个缺胶影响区域，
Figure DEST_PATH_IMAGE007
表示缺胶区域的个数。
3.根据权利要求1所述的一种基于人工智能系统的瓦楞纸箱施胶质量检测方法，其特征在于，缺胶影响区域与其他缺胶影响区域修正后的的影响程度的表达式为：
Figure DEST_PATH_IMAGE009
式中：
Figure 645775DEST_PATH_IMAGE010
表示第
Figure 296068DEST_PATH_IMAGE005
个缺胶影响区域对第
Figure 843724DEST_PATH_IMAGE006
个缺胶影响区域的初始影响程度，
Figure DEST_PATH_IMAGE011
表示第
Figure 498959DEST_PATH_IMAGE006
个缺胶影响区域的中心点坐标，
Figure 5027DEST_PATH_IMAGE012
表示第
Figure 627769DEST_PATH_IMAGE005
个缺胶影响区域的中心点坐标，
Figure DEST_PATH_IMAGE013
表示两个楞谷间的距离，
Figure 166067DEST_PATH_IMAGE014
，
Figure DEST_PATH_IMAGE015
，
Figure 672878DEST_PATH_IMAGE016
为第
Figure 349847DEST_PATH_IMAGE005
个缺胶区域在长轴方向的长度。
4.根据权利要求1所述的一种基于人工智能系统的瓦楞纸箱施胶质量检测方法，其特征在于，缺胶影响区域与其他缺胶影响区域的初始影响程度的表达式为：
Figure 709153DEST_PATH_IMAGE018
式中：
Figure DEST_PATH_IMAGE019
表示第
Figure 801874DEST_PATH_IMAGE005
个缺胶影响区域的影响面积。
5.根据权利要求1所述的一种基于人工智能系统的瓦楞纸箱施胶质量检测方法，其特征在于，得到所有施胶连通域的长轴方向的方法为：
通过各施胶连通域的像素点坐标和PCA算法得到两个主成分方向；
将特征值最大的主成分方向作为各施胶连通域的第一主成分方向；
该第一主成分方向为各施胶连通域的长轴方向；
将所有施胶连通域的众数长轴方向作为所有施胶连通域的长轴方向。
6.根据权利要求5所述的一种基于人工智能系统的瓦楞纸箱施胶质量检测方法，其特征在于，得到瓦楞的各个缺胶影响区域的方法为：
通过所有施胶连通域的长轴方向确定各施胶连通域的长轴长度；
利用各施胶连通域的长轴长度得到长度异常区域；
利用长度异常区域得到每一个缺胶区域；
通过每一个缺胶区域得到每一个缺胶区域在长轴方向上的长度；
通过每一个缺胶区域在长轴方向上的长度和两个楞峰之间的距离得到各个缺胶影响区域。
7.根据权利要求1所述的一种基于人工智能系统的瓦楞纸箱施胶质量检测方法，其特征在于，所述数据库包括不同的粘合强度及不同粘合强度对应的施胶质量。
CN202210682957.3A 2022-06-17 2022-06-17 基于人工智能系统的瓦楞纸箱施胶质量检测方法 Active CN114782420B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210682957.3A CN114782420B (zh) 2022-06-17 2022-06-17 基于人工智能系统的瓦楞纸箱施胶质量检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210682957.3A CN114782420B (zh) 2022-06-17 2022-06-17 基于人工智能系统的瓦楞纸箱施胶质量检测方法

Publications (2)

Publication Number Publication Date
CN114782420A true CN114782420A (zh) 2022-07-22
CN114782420B CN114782420B (zh) 2022-09-09

Family

ID=82421110

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210682957.3A Active CN114782420B (zh) 2022-06-17 2022-06-17 基于人工智能系统的瓦楞纸箱施胶质量检测方法

Country Status (1)

Country Link
CN (1) CN114782420B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN206983377U (zh) * 2017-07-28 2018-02-09 寻乌县天源包装有限公司 一种具有涂胶监测装置的粘箱机
US20180079162A1 (en) * 2015-08-31 2018-03-22 Fosber S.P.A. Plant and method for producing corrugated cardboard with gluing defect detector
CN112455083A (zh) * 2020-11-18 2021-03-09 江西优选时代包装有限公司 一种用于印刷包装生产的涂胶装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180079162A1 (en) * 2015-08-31 2018-03-22 Fosber S.P.A. Plant and method for producing corrugated cardboard with gluing defect detector
CN206983377U (zh) * 2017-07-28 2018-02-09 寻乌县天源包装有限公司 一种具有涂胶监测装置的粘箱机
CN112455083A (zh) * 2020-11-18 2021-03-09 江西优选时代包装有限公司 一种用于印刷包装生产的涂胶装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
纸箱网: "《瓦楞纸箱涂胶缺陷检查系统分析》", 《HTTP://NEWS.PACK.CN/SHOW-358419.HTML》 *

Also Published As

Publication number Publication date
CN114782420B (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
EP1664749B1 (en) Apparatus and method for automated web inspection
CN102007367B (zh) 幅材上的优先缺陷标记
CN110473179B (zh) 一种基于深度学习的薄膜表面缺陷检测方法、系统及设备
CN106770332A (zh) 一种基于机器视觉的电子模切料缺陷检测实现方法
CN103180724A (zh) 对用于检测幅材型材料中可变性的不均匀度严重性进行连续制图
CN113758932B (zh) 一种基于深度学习的锂电池膈膜缺陷视觉检测方法
CN108875823B (zh) 基于证据衡量标准下证据的组合方法
US20230251752A1 (en) Roll Map for Electrode Coating Process and Roll Map Creation Method and System
CN116703890B (zh) 极耳缺陷的检测方法和系统
Okarma et al. Color independent quality assessment of 3D printed surfaces based on image entropy
CN114782420B (zh) 基于人工智能系统的瓦楞纸箱施胶质量检测方法
JP2010122122A (ja) 分散性評価装置およびその方法
CN1670513B (zh) 用于检测片状材料的装置和方法
CN111738963B (zh) 一种基于深度自学习的烟包包装外观检测方法
CN114519696A (zh) 基于光学智能化的pvc热收缩膜检测方法及系统
JPH08189904A (ja) 表面欠陥検出装置
CN115937555A (zh) 一种基于标准化流模型的工业缺陷检测算法
CN115498371A (zh) 一种基于锂电池极耳间距的分片系统及方法
CN115668290A (zh) 使用深度学习来检查片材物品
CN108960028B (zh) 基于图像分析的拥堵程度判断系统
CN115294142B (zh) 一种用于化纤纸管的质量检测方法
WO2023038017A1 (ja) 欠点分類システム
CN116703918B (zh) 一种基于神经网络模型的药品包装盒质量检测方法及系统
CN113949853B (zh) 具备环境适应调整能力的投影系统
CN115471505B (zh) 基于视觉识别的封箱机智能调控方法

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
GR01 Patent grant
GR01 Patent grant