CN117197588A - 基于温度识别的塑料包装控制预警方法 - Google Patents
基于温度识别的塑料包装控制预警方法 Download PDFInfo
- Publication number
- CN117197588A CN117197588A CN202311450324.0A CN202311450324A CN117197588A CN 117197588 A CN117197588 A CN 117197588A CN 202311450324 A CN202311450324 A CN 202311450324A CN 117197588 A CN117197588 A CN 117197588A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- frame difference
- adjacent frame
- difference result
- function
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000002159 abnormal effect Effects 0.000 claims abstract description 212
- 238000010586 diagram Methods 0.000 claims abstract description 118
- 230000005856 abnormality Effects 0.000 claims abstract description 32
- 230000008859 change Effects 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000004806 packaging method and process Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 9
- 239000000463 material Substances 0.000 claims description 8
- 230000035939 shock Effects 0.000 claims description 7
- 239000011343 solid material Substances 0.000 claims description 3
- 238000001816 cooling Methods 0.000 abstract description 16
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000005315 distribution function Methods 0.000 description 3
- 239000002826 coolant Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
Landscapes
- Radiation Pyrometers (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及基于温度识别的塑料包装控制预警方法,包括:获取若干帧塑料包装冷却时的红外灰度图像;通过帧差法获取塑料包装冷却时的红外灰度图像的相邻帧差结果图;获取相邻帧差结果图中所有异常区域的伪异常参数;根据伪异常参数对异常区域进行分类,完成对塑料包装是否进行预警的判断。本发明消除由塑料包装的结构性异常对预警结果引起的误判。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及基于温度识别的塑料包装控制预警方法。
背景技术
塑料包装的控制中,预警主要是为了监测塑料包装的温度情况,便于及时发现异常,避免因温度过高或过低而导致塑料包装质量下降、变形或损坏等问题。当塑料包装制造过程中温度异常升高或降低时,可能会导致塑料包装内部结构变化,形成气泡、缺陷、变形等问题,进而影响到包装的密封性和稳定性。在现有技术中,使用帧差法对不同时间段的红外温度图像进行差异分析,根据塑料包装的一般冷却过程和满足的逻辑,得到不同时间段红外图像应具有的形式,并判断是否满足一般逻辑,起到塑料包装预警效果。
使用帧差法分析塑料包装冷却过程中不同时间段的红外图像,得到不同局部区域的温度变化量。根据温度变化量判断不同局部区域冷却值是否满足包装的逻辑结构,即处于包装边缘的局部区域其冷却速度大于包装中心。若不满此逻辑,那么判定此局部区域温度变化存在异常。但由于包装本身结构较复杂的基本原因,使得某个局部区域其不同帧的温度变化量不满足一般包装的温度冷却经验,使得根据上述方法判断出的结果存在误差,导致本身不存在温度异常的区域误判为异常。
发明内容
本发明提供基于温度识别的塑料包装控制预警方法,以解决现有的问题。
本发明的基于温度识别的塑料包装控制预警方法采用如下技术方案:
本发明一个实施例提供了基于温度识别的塑料包装控制预警方法,该方法包括以下步骤:
获取塑料包装冷却时的若干帧红外灰度图像;
根据塑料包装冷却时的若干帧红外灰度图像获取相邻帧差结果图;
根据相邻帧差结果图获取相邻帧差结果图中每一行的原函数;根据相邻帧差结果图中每一行的原函数获取相邻帧差结果图中每一行的原函数的预测函数;根据相邻帧差结果图中每一行的原函数和相邻帧差结果图中每一行的原函数的预测函数获取相邻帧差结果图中每一行的目标函数;根据相邻帧差结果图中每一行的目标函数得到相邻帧差结果图中每一行上的所有异常点,根据相邻帧差结果图中每一行上的所有异常点得到相邻帧差结果图中所有异常区域;获取相邻帧差结果图中所有异常区域的特征离散函数;获取相邻帧差结果图中所有异常区域的特征离散函数的激增点;获取相邻帧差结果图中所有异常区域的特征离散函数的激峰;根据相邻帧差结果图中所有异常区域的特征离散函数的激增点和相邻帧差结果图中所有异常区域的特征离散函数的激峰得到相邻帧差结果图中所有异常区域的伪异常参数;根据伪异常参数对异常区域进行分类,完成对塑料包装是否进行预警的判断。
优选的,所述根据塑料包装冷却时的若干帧红外灰度图像获取相邻帧差结果图,包括的具体步骤如下:
对于若干帧塑料包装冷却时的红外灰度图像,将任意相邻两帧的塑料包装冷却时的红外灰度图像进行图像做差操作,得到塑料包装冷却时的红外灰度图像的相邻帧差结果图,记为相邻帧差结果图。
优选的,所述根据相邻帧差结果图获取相邻帧差结果图中每一行的原函数,包括的具体步骤如下:
将相邻帧差结果图中任意一行上的所有像素点的列坐标作为该原函数的自变量,将相邻帧差结果图中任意一行上的像素点灰度值作为所述原函数的函数值,得到相邻帧差结果图中任意一行的原函数;所述原函数为离散函数。
优选的,所述根据相邻帧差结果图中每一行的原函数获取相邻帧差结果图中每一行的原函数的预测函数,包括的具体步骤如下:
预设一个参数,对于相邻帧差结果图中每一行的原函数,对该原函数进行采样步长为/>的采样,进而得到该原函数所有采样点,将所有采样点进行最小二乘法拟合得到所述原函数的预测函数。
优选的,所述根据相邻帧差结果图中每一行的原函数和相邻帧差结果图中每一行的原函数的预测函数获取相邻帧差结果图中每一行的目标函数,包括的具体步骤如下:
将相邻帧差结果图中每一行的原函数和相邻帧差结果图中每一行的原函数的预测函数做差,得到相邻帧差结果图中每一行的差值函数,并将差值函数归一化,将归一化后的相邻帧差结果图中每一行的差值函数记为目标函数。
优选的,所述根据相邻帧差结果图中每一行的目标函数得到相邻帧差结果图中每一行上的所有异常点,根据相邻帧差结果图中每一行上的所有异常点得到相邻帧差结果图中所有异常区域,包括的具体步骤如下:
对于相邻帧差结果图中任意一行的目标函数,将目标函数中函数值大于阈值所对应的像素点记为异常点,进而得到相邻帧差结果图中每一行上的所有异常点;若相邻帧差结果图中相邻行上都存在着异常点,则将相邻帧差结果图中相邻行上的所有异常点组成的区域记为异常区域;若相邻帧差结果图中相邻行中的其中一个行存在着异常点,另一个行不存在着异常点,则相邻帧差结果图中相邻行上的所有异常点不能构成异常区域。
优选的,所述获取相邻帧差结果图中所有异常区域的特征离散函数,包括的具体步骤如下:
对于相邻帧差结果图中任意一个异常区域,获取所述异常区域的质心和所有边缘异常点的位置,将所有边缘异常点中距离所述异常区域的质心最远的边缘异常点作为希尔伯特曲线的起始点,获得所述异常区域的希尔伯特曲线;将希尔伯特曲线作为所述异常区域的特征离散函数,自变量为异常区域的每一个异常点,函数值为异常区域的每一个异常点对应的特征信息,所述特征信息为多维向量,所述多维向量包括异常点的梯度幅值和异常点的灰度值。
优选的,所述获取相邻帧差结果图中所有异常区域的特征离散函数的激增点,包括的具体步骤如下:
预设参数,对于相邻帧差结果图中第/>个异常区域的特征离散函数,将第/>个异常区域的特征离散函数中相邻两个异常点的特征信息的欧氏距离记为相邻两个异常点的特征差值;若相邻两个异常点的特征差值超过/>,则将相邻两个异常点均记为激增点,进而得到第/>个异常区域的特征离散函数上所有激增点。
优选的,所述获取相邻帧差结果图中所有异常区域的特征离散函数的激峰,包括的具体步骤如下:
预设参数,获取第/>个异常区域的特征离散函数的均值和所有波峰的函数值,将每个波峰到函数均值的距离记为第一距离,将第一距离大于/>的波峰记为激峰。
优选的,所述根据相邻帧差结果图中所有异常区域的特征离散函数的激增点和相邻帧差结果图中所有异常区域的特征离散函数的激峰得到相邻帧差结果图中所有异常区域的伪异常参数;根据伪异常参数对异常区域进行分类,完成对塑料包装是否进行预警的判断,包括的具体步骤如下:
预设两个参数和一个阈值/>,对第/>个异常区域进行大津阈值分割得到最佳阈值,将异常区域中灰度值小于最佳阈值的异常点的灰度值赋值为0,否则,赋值为1;获取阈值分割后灰度值为0的异常点总数量,将第/>个异常区域的所有异常点总数量与第/>个异常区域阈值分割后灰度值为0的异常点总数量的差值记为第一差值;将第/>个异常区域的特征离散函数自变量总数与第/>个异常区域的特征离散函数上的激增点总数的差值记为第二差值;若第/>个异常区域阈值分割后灰度值为0的异常点总数量与第一差值的比值等于第/>个异常区域的特征离散函数上的激增点总数与第二差值的比值,且第/>个异常区域的特征离散函数的激峰小于等于阈值/>,则将第/>个异常区域的伪异常参数记为/>;反之,将第/>个异常区域的伪异常参数记为/>;同理,获得相邻帧差结果图中所有异常区域的伪异常参数;
将相邻帧差结果图中所有异常区域的伪异常参数为的异常区域,记为结构性异常;将相邻帧差结果图中所有异常区域的伪异常参数为/>的异常区域,记为材料性异常;其中,结构性异常为塑料包装结构引起的局部区域温度变化量异常,此类为正常的温度变化,不需要进行预警;材料性异常为塑料包装本实材料引起的温度变化异常,此类为异常温度变化,需要进行预警。
本发明的技术方案的有益效果是:对于塑料包装,通过分析相邻两帧差值结果图,得到塑料包装的温度异常区域。但会因为塑料包装本身结构的复杂性,使得通过此帧差法得到温度异常区域,实际上为塑料包装的凸起部分或凹陷部分,在通过注射冷却剂冷却的过程中,其接触面较大,那么温度变化量与其周围的会产生明显不同,从而导致结果的误判。本发明结合差值温度异常区域的异常点空间分布规律,得到每个异常区域的伪异常参数,并通过伪异常参数的值得到异常区域分类结果,消除由塑料包装的结构性异常对预警结果引起的误判。
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为本发明基于温度识别的塑料包装控制预警方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的基于温度识别的塑料包装控制预警方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的基于温度识别的塑料包装控制预警方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于温度识别的塑料包装控制预警方法的步骤流程图,该方法包括以下步骤:
步骤S001:获取若干帧塑料包装冷却时的红外灰度图像。
需要说明的是,制造塑料包装的过程中,在冷却阶段,为了防止局部区域温度变化异常,导致塑料包装本身形成气泡、缺陷及变形等问题,需要对塑料包装温度进行实时监控并预警。通过使用红外相机获取不同帧的塑料包装的红外图像,进而获取温度数据,利用帧差法分析不同帧之间的温度变化量,起到实时监测的作用。
具体的,每间隔0.5s通过红外相机采集一帧塑料包装冷却时的红外图像,进而得到若干帧塑料包装冷却时的红外图像;再对若干帧塑料包装冷却时的红外图像进行灰度化操作得到若干帧塑料包装冷却时的红外灰度图像。
至此,获得若干帧塑料包装冷却时的红外灰度图像。
步骤S002:通过帧差法获取塑料包装冷却时的红外灰度图像的相邻帧差结果图。
需要说明的是,对于塑料包装,在其冷却阶段内,根据塑料包装不同的区域位置,其温度变化量也会不同;因为对于塑料包装边缘处,其在冷却过程中与冷却剂的接触面积是最大的,所以相应地其冷却速度也是最快的,越靠近中间,其温度变化越缓慢。按照这个逻辑,可以通过不同帧之间的差值量化处温度变化。
具体的,对于若干帧塑料包装冷却时的红外灰度图像,将任意相邻两帧的塑料包装冷却时的红外灰度图像进行图像做差操作,得到塑料包装冷却时的红外灰度图像的相邻帧差结果图,记为相邻帧差结果图,其中,对于图像做差过程中,若存在图像同一位置的两像素点灰度值做差的结果小于0,则将该位置的像素点灰度值记为0。
至此,获得塑料包装冷却时的红外灰度图像的相邻帧差结果图。
步骤S003:获取相邻帧差结果图中所有异常区域的伪异常参数。
1. 获取相邻帧差结果图中所有异常区域。
需要说明的是,对于塑料包装,在其冷却阶段内,根据塑料包装不同的区域位置,其温度变化量也会不同,不同区域的温度变化量满足越靠近边缘处其温度变化量越大,越靠近塑料包装的中心区域,其温度变化量越小;若存在不满足该变化的区域,则说明该区域存在异常,因此通过对相邻帧差结果图使用预测函数与原函数相比较的方法得到温度变化异常区域。
预设一个参数和一个阈值/>,其中本实施例以/>和/>为例进行叙述,本实施例不进行具体限定,其中/>和/>根据具体实施情况而定。
具体的,根据相邻帧差结果图中任意一行上像素点,获取相邻帧差结果图中任意一行的原函数方法为,将相邻帧差结果图中任意一行上的所有像素点作为该原函数的自变量,将相邻帧差结果图中任意一行上的像素点灰度值作为该原函数的函数值,进而得到相邻帧差结果图中任意一行的原函数;同理,得到相邻帧差结果图中每一行的原函数。
获取相邻帧差结果图中每一行的预测函数具体方法为:对于相邻帧差结果图中每一行的原函数,对该原函数进行采样步长为的采样,进而得到该原函数所有采样点,将所有采样点进行最小二乘法拟合得到该原函数的预测函数;同理,获得相邻帧差结果图中每一行的原函数的预测函数。
需要说明的是,所述原函数为5次多项式,本实施例不进行具体限定;其中,原函数为连续分布函数,对连续分布函数进行离散化得到预测函数,离散化方法为:以每一行上的所有像素点的列坐标作为预测函数的自变量,连续分布函数上在每个自变量下对应函数值作为预测函数的函数值。
将相邻帧差结果图中每一行的原函数和相邻帧差结果图中每一行的原函数的预测函数做差,得到相邻帧差结果图中每一行的差值函数,并将其归一化,将归一化后的相邻帧差结果图中每一行的差值函数记为目标函数;同理,获得相邻帧差结果图中每一行的目标函数。
对于相邻帧差结果图中任意一行的目标函数,将目标函数中函数值大于阈值所对应的像素点记为异常点,进而得到相邻帧差结果图中每一行上的所有异常点;若相邻帧差结果图中相邻行上都存在着异常点,则将相邻帧差结果图中相邻行上的所有异常点组成的区域记为异常区域;若相邻帧差结果图中相邻行上一个存在着异常点,另一个行不存在着异常点,则相邻帧差结果图中相邻行上的所有异常点不能构成异常区域;例如,第3、4、5都存在异常点,第2和第6行不存在异常点;那么第3、4、5都存在异常点构成的区域记为一个异常区域;同理,获得相邻帧差结果图中所有异常区域。
至此,获得相邻帧差结果图中所有异常区域。
2.获取相邻帧差结果图中所有异常区域的伪异常参数。
需要说明的是,相邻帧差结果图中异常区域,是由塑料包装本身结构导致,或是由塑料包装本身材料问题导致,所以可以分类为:结构性异常和材料性异常;结构性异常其周围温度变化具有整体性,即变化空间范围内温度变化趋势较为固定,要么为缓慢增加,要么为瞬间激增;材料性异常表现为温度没有任何征兆地出现异常,即不满足激增后的规整性,也不满足缓慢增加至异常;因此可以通过对异常区域的温度变化趋势与空间分布之间二者构成的新变量伪异常参数,用以区分结构性异常和材料性异常。
进一步需要说明的是,结构性异常特征变化趋势要么稳定增加,要么激增;材料性异常特征变化趋势非规整。为了将二维图像降至一维数据处理,本实施例采用希尔伯特曲线对相邻帧差结果图进行降维操作,因为相邻帧差结果图中相邻的坐标点在希尔伯特曲线中也是相邻的,即希尔伯特曲线上相邻的点对应于相邻帧差结果图中相邻的像素。这就保持了此场景下相邻帧差结果图中的局部性,使得离原来位置较近的像素在希尔伯特曲线中也是接近的。由于希尔伯特曲线具有这种邻近性的特点,它能够将相邻帧差结果图中相邻的像素映射到曲线上的相邻点,从而实现降维。在希尔伯特曲线上,可以使用更少的点来表示相邻帧差结果图,而不会丢失太多的信息。降维后的希尔伯特曲线表达形式可以用较少的坐标点来表示,这就实现了对相邻帧差结果图的降维。
预设三个参数和一个阈值/>,其中本实施例以/>和为例进行叙述,本实施例不进行具体限定,其中/>和/>根据具体实施情况而定。
具体的,对于相邻帧差结果图中任意一个异常区域,获取所述异常区域的质心和所有边缘异常点的位置,将所有边缘异常点中距离所述异常区域的质心最远的边缘异常点作为希尔伯特曲线的起始点,获得所述异常区域的希尔伯特曲线;将希尔伯特曲线构成特征离散函数,自变量为异常区域的每一个异常点,函数值为异常区域的每一个异常点对应的特征信息,所述特征信息为多维向量,所述多维向量包括异常点的梯度幅值和异常点的灰度值;同理,获得相邻帧差结果图中所有异常区域的特征离散函数;同理,获得相邻帧差结果图中所有异常区域的特征离散函数。其中,希尔伯特曲线为现有技术,此处不做过多赘述。
对于相邻帧差结果图中第个异常区域的特征离散函数,将第/>个异常区域的特征离散函数中相邻两个异常点的特征信息的欧氏距离记为相邻两个异常点的特征差值;若相邻两个异常点的特征差值超过/>,则将相邻两个异常点记为激增点,进而得到第/>个异常区域的特征离散函数上所有激增点;获取第/>个异常区域的特征离散函数的均值和所有波峰的函数值,将所有波峰到函数的均值的距离记为第一距离,将第一距离大于/>的波峰记为激峰;对第/>个异常区域进行大津阈值分割得到最佳阈值,将异常区域中灰度值小于最佳阈值的异常点的灰度值赋值为0,否则,赋值为1,获取阈值分割后灰度值为0的异常点总数量,将第/>个异常区域的所有异常点总数量与第/>个异常区域阈值分割后灰度值为0的异常点总数量的差值记为第一差值;将第/>个异常区域的特征离散函数自变量总数与第/>个异常区域的特征离散函数上的激增点总数的差值记为第二差值;若第/>个异常区域阈值分割后灰度值为0的异常点总数量与第一差值的比值等于第/>个异常区域的特征离散函数上的激增点总数与第二差值的比值,且第/>个异常区域的特征离散函数的激峰小于等于阈值/>,则将第/>个异常区域的伪异常参数记为/>;反之,将第/>个异常区域的伪异常参数记为/>。同理,获得相邻帧差结果图中所有异常区域的伪异常参数。
至此,获得相邻帧差结果图中所有异常区域的伪异常参数。
步骤S004:根据伪异常参数对异常区域进行分类,完成对塑料包装是否进行预警的判断。
具体的,将相邻帧差结果图中所有异常区域的伪异常参数为的异常区域,记为结构性异常;将相邻帧差结果图中所有异常区域的伪异常参数为/>的异常区域,记为材料性异常。
至此,完成对相邻帧差结果图中所有异常区域的分类,得到最终分类结果。
根据最终分类结果,其中结构性异常为塑料包装结构引起的局部区域温度变化量异常,此类为正常的温度变化,不需要进行预警操作;材料性异常为塑料包装本实材料引起的温度变化异常,此类为异常温度变化,需要进行预警操作。
通过上述操作,可以防止因为温度异常变化引起包装本身产生气泡、缺陷及形变等。
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 (10)
1.基于温度识别的塑料包装控制预警方法,其特征在于,该方法包括以下步骤:
获取塑料包装冷却时的若干帧红外灰度图像;
根据塑料包装冷却时的若干帧红外灰度图像获取相邻帧差结果图;
根据相邻帧差结果图获取相邻帧差结果图中每一行的原函数;根据相邻帧差结果图中每一行的原函数获取相邻帧差结果图中每一行的原函数的预测函数;根据相邻帧差结果图中每一行的原函数和相邻帧差结果图中每一行的原函数的预测函数获取相邻帧差结果图中每一行的目标函数;根据相邻帧差结果图中每一行的目标函数得到相邻帧差结果图中每一行上的所有异常点,根据相邻帧差结果图中每一行上的所有异常点得到相邻帧差结果图中所有异常区域;获取相邻帧差结果图中所有异常区域的特征离散函数;获取相邻帧差结果图中所有异常区域的特征离散函数的激增点;获取相邻帧差结果图中所有异常区域的特征离散函数的激峰;根据相邻帧差结果图中所有异常区域的特征离散函数的激增点和相邻帧差结果图中所有异常区域的特征离散函数的激峰得到相邻帧差结果图中所有异常区域的伪异常参数;根据伪异常参数对异常区域进行分类,完成对塑料包装是否进行预警的判断。
2.根据权利要求1所述基于温度识别的塑料包装控制预警方法,其特征在于,所述根据塑料包装冷却时的若干帧红外灰度图像获取相邻帧差结果图,包括的具体步骤如下:
对于若干帧塑料包装冷却时的红外灰度图像,将任意相邻两帧的塑料包装冷却时的红外灰度图像进行图像做差操作,得到塑料包装冷却时的红外灰度图像的相邻帧差结果图,记为相邻帧差结果图。
3.根据权利要求1所述基于温度识别的塑料包装控制预警方法,其特征在于,所述根据相邻帧差结果图获取相邻帧差结果图中每一行的原函数,包括的具体步骤如下:
将相邻帧差结果图中任意一行上的所有像素点的列坐标作为该原函数的自变量,将相邻帧差结果图中任意一行上的像素点灰度值作为所述原函数的函数值,得到相邻帧差结果图中任意一行的原函数;所述原函数为离散函数。
4.根据权利要求1所述基于温度识别的塑料包装控制预警方法,其特征在于,所述根据相邻帧差结果图中每一行的原函数获取相邻帧差结果图中每一行的原函数的预测函数,包括的具体步骤如下:
预设一个参数,对于相邻帧差结果图中每一行的原函数,对该原函数进行采样步长为的采样,进而得到该原函数所有采样点,将所有采样点进行最小二乘法拟合得到所述原函数的预测函数。
5.根据权利要求1所述基于温度识别的塑料包装控制预警方法,其特征在于,所述根据相邻帧差结果图中每一行的原函数和相邻帧差结果图中每一行的原函数的预测函数获取相邻帧差结果图中每一行的目标函数,包括的具体步骤如下:
将相邻帧差结果图中每一行的原函数和相邻帧差结果图中每一行的原函数的预测函数做差,得到相邻帧差结果图中每一行的差值函数,并将差值函数归一化,将归一化后的相邻帧差结果图中每一行的差值函数记为目标函数。
6.根据权利要求1所述基于温度识别的塑料包装控制预警方法,其特征在于,所述根据相邻帧差结果图中每一行的目标函数得到相邻帧差结果图中每一行上的所有异常点,根据相邻帧差结果图中每一行上的所有异常点得到相邻帧差结果图中所有异常区域,包括的具体步骤如下:
对于相邻帧差结果图中任意一行的目标函数,将目标函数中函数值大于阈值所对应的像素点记为异常点,进而得到相邻帧差结果图中每一行上的所有异常点;若相邻帧差结果图中相邻行上都存在着异常点,则将相邻帧差结果图中相邻行上的所有异常点组成的区域记为异常区域;若相邻帧差结果图中相邻行中的其中一个行存在着异常点,另一个行不存在着异常点,则相邻帧差结果图中相邻行上的所有异常点不能构成异常区域。
7.根据权利要求1所述基于温度识别的塑料包装控制预警方法,其特征在于,所述获取相邻帧差结果图中所有异常区域的特征离散函数,包括的具体步骤如下:
对于相邻帧差结果图中任意一个异常区域,获取所述异常区域的质心和所有边缘异常点的位置,将所有边缘异常点中距离所述异常区域的质心最远的边缘异常点作为希尔伯特曲线的起始点,获得所述异常区域的希尔伯特曲线;将希尔伯特曲线作为所述异常区域的特征离散函数,自变量为异常区域的每一个异常点,函数值为异常区域的每一个异常点对应的特征信息,所述特征信息为多维向量,所述多维向量包括异常点的梯度幅值和异常点的灰度值。
8.根据权利要求7所述基于温度识别的塑料包装控制预警方法,其特征在于,所述获取相邻帧差结果图中所有异常区域的特征离散函数的激增点,包括的具体步骤如下:
预设参数,对于相邻帧差结果图中第/>个异常区域的特征离散函数,将第/>个异常区域的特征离散函数中相邻两个异常点的特征信息的欧氏距离记为相邻两个异常点的特征差值;若相邻两个异常点的特征差值超过/>,则将相邻两个异常点均记为激增点,进而得到第/>个异常区域的特征离散函数上所有激增点。
9.根据权利要求1所述基于温度识别的塑料包装控制预警方法,其特征在于,所述获取相邻帧差结果图中所有异常区域的特征离散函数的激峰,包括的具体步骤如下:
预设参数,获取第/>个异常区域的特征离散函数的均值和所有波峰的函数值,将每个波峰到函数均值的距离记为第一距离,将第一距离大于/>的波峰记为激峰。
10.根据权利要求1所述基于温度识别的塑料包装控制预警方法,其特征在于,所述根据相邻帧差结果图中所有异常区域的特征离散函数的激增点和相邻帧差结果图中所有异常区域的特征离散函数的激峰得到相邻帧差结果图中所有异常区域的伪异常参数;根据伪异常参数对异常区域进行分类,完成对塑料包装是否进行预警的判断,包括的具体步骤如下:
预设两个参数和一个阈值/>,对第/>个异常区域进行大津阈值分割得到最佳阈值,将异常区域中灰度值小于最佳阈值的异常点的灰度值赋值为0,否则,赋值为1;获取阈值分割后灰度值为0的异常点总数量,将第/>个异常区域的所有异常点总数量与第/>个异常区域阈值分割后灰度值为0的异常点总数量的差值记为第一差值;将第/>个异常区域的特征离散函数自变量总数与第/>个异常区域的特征离散函数上的激增点总数的差值记为第二差值;若第/>个异常区域阈值分割后灰度值为0的异常点总数量与第一差值的比值等于第/>个异常区域的特征离散函数上的激增点总数与第二差值的比值,且第/>个异常区域的特征离散函数的激峰小于等于阈值/>,则将第/>个异常区域的伪异常参数记为/>;反之,将第/>个异常区域的伪异常参数记为/>;同理,获得相邻帧差结果图中所有异常区域的伪异常参数;
将相邻帧差结果图中所有异常区域的伪异常参数为的异常区域,记为结构性异常;将相邻帧差结果图中所有异常区域的伪异常参数为/>的异常区域,记为材料性异常;其中,结构性异常为塑料包装结构引起的局部区域温度变化量异常,此类为正常的温度变化,不需要进行预警;材料性异常为塑料包装本实材料引起的温度变化异常,此类为异常温度变化,需要进行预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311450324.0A CN117197588B (zh) | 2023-11-02 | 2023-11-02 | 基于温度识别的塑料包装控制预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311450324.0A CN117197588B (zh) | 2023-11-02 | 2023-11-02 | 基于温度识别的塑料包装控制预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117197588A true CN117197588A (zh) | 2023-12-08 |
CN117197588B CN117197588B (zh) | 2024-03-05 |
Family
ID=89000146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311450324.0A Active CN117197588B (zh) | 2023-11-02 | 2023-11-02 | 基于温度识别的塑料包装控制预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117197588B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082464A (zh) * | 2022-08-22 | 2022-09-20 | 南通翡利达液压科技有限公司 | 除尘机焊接过程中焊缝数据的识别方法及系统 |
CN116205910A (zh) * | 2023-04-27 | 2023-06-02 | 四川省港奇电子有限公司 | 一种电源适配器用注塑温度自适应学习调控系统 |
CN116416577A (zh) * | 2023-05-06 | 2023-07-11 | 苏州开普岩土工程有限公司 | 一种用于施工监控系统的异常识别方法 |
-
2023
- 2023-11-02 CN CN202311450324.0A patent/CN117197588B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082464A (zh) * | 2022-08-22 | 2022-09-20 | 南通翡利达液压科技有限公司 | 除尘机焊接过程中焊缝数据的识别方法及系统 |
CN116205910A (zh) * | 2023-04-27 | 2023-06-02 | 四川省港奇电子有限公司 | 一种电源适配器用注塑温度自适应学习调控系统 |
CN116416577A (zh) * | 2023-05-06 | 2023-07-11 | 苏州开普岩土工程有限公司 | 一种用于施工监控系统的异常识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117197588B (zh) | 2024-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112241699B (zh) | 物体缺陷类别识别方法、装置、计算机设备和存储介质 | |
Wang et al. | Distributed defect recognition on steel surfaces using an improved random forest algorithm with optimal multi-feature-set fusion | |
CN116664559B (zh) | 基于机器视觉的内存条损伤快速检测方法 | |
CN113724231B (zh) | 一种基于语义分割和目标检测融合模型的工业缺陷检测方法 | |
CN114581388A (zh) | 接触网零部件缺陷检测方法及装置 | |
CN117253024B (zh) | 一种基于机器视觉的工业盐质检管控方法及系统 | |
Kuo et al. | Automated defect inspection system for CMOS image sensor with micro multi-layer non-spherical lens module | |
CN113516619B (zh) | 一种基于图像处理技术的产品表面瑕疵识别方法 | |
CN113807378A (zh) | 训练数据增量方法、电子装置与计算机可读记录介质 | |
CN114187289A (zh) | 一种基于计算机视觉的塑料制品缩坑检测方法及系统 | |
Hua et al. | Pedestrian-and vehicle-detection algorithm based on improved aggregated channel features | |
CN116188468A (zh) | 一种hdmi线缆传输分拣智能控制系统 | |
CN115345894A (zh) | 一种焊缝射线检测图像分割方法 | |
CN117314901B (zh) | 一种尺度自适应的芯片检测神经网络系统 | |
CN117522864B (zh) | 基于机器视觉的欧松板表面瑕疵检测方法 | |
CN117197588B (zh) | 基于温度识别的塑料包装控制预警方法 | |
CN116776647B (zh) | 一种复合镍铜铝散热底板的性能预测方法及系统 | |
Zhang et al. | Automated defect recognition of C-SAM images in IC packaging using Support Vector Machines | |
KR20230006822A (ko) | 비정상 웨이퍼 이미지 분류 | |
CN112330706A (zh) | 矿井人员安全帽分割方法和装置 | |
CN116030056A (zh) | 一种钢表面裂缝的检测方法及系统 | |
CN110751623A (zh) | 基于联合特征的缺陷检测方法、装置、设备及存储介质 | |
CN112581472B (zh) | 一种面向人机交互的目标表面缺陷检测方法 | |
Cateni et al. | Fuzzy inference systems applied to image classification in the industrial field | |
CN117115172B (zh) | 一种基于机器视觉的阿胶品质检测方法及系统 |
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 |