CN117437235B - 基于图像处理的塑料薄膜质量检测方法 - Google Patents
基于图像处理的塑料薄膜质量检测方法 Download PDFInfo
- Publication number
- CN117437235B CN117437235B CN202311768424.8A CN202311768424A CN117437235B CN 117437235 B CN117437235 B CN 117437235B CN 202311768424 A CN202311768424 A CN 202311768424A CN 117437235 B CN117437235 B CN 117437235B
- Authority
- CN
- China
- Prior art keywords
- plastic film
- image data
- expressed
- index
- ith
- 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.)
- Active
Links
- 239000002985 plastic film Substances 0.000 title claims abstract description 447
- 229920006255 plastic film Polymers 0.000 title claims abstract description 447
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 title claims abstract description 25
- 238000012937 correction Methods 0.000 claims abstract description 24
- 238000007405 data analysis Methods 0.000 claims abstract description 10
- 238000011157 data evaluation Methods 0.000 claims abstract description 7
- 238000013441 quality evaluation Methods 0.000 claims description 59
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000002834 transmittance Methods 0.000 claims description 21
- 238000012797 qualification Methods 0.000 claims description 20
- 239000000126 substance Substances 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 16
- 230000007547 defect Effects 0.000 claims description 12
- 230000000704 physical effect Effects 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000001303 quality assessment method Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000003908 quality control method Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了基于图像处理的塑料薄膜质量检测方法,具体涉及图像数据处理技术领域,包括塑料薄膜图像获取、塑料薄膜图像特征采集、塑料薄膜图像数据处理、塑料薄膜图像数据分析、塑料薄膜图像数据评估、塑料薄膜异常校正,本发明通过采集塑料薄膜图像的基本信息,计算得到塑料薄膜表面质量指数、塑料薄膜性能匹配指数和塑料薄膜外观合格指数,进而得到塑料薄膜质量评估系数,与预设的评估系数进行对比,提取检测不合格的塑料薄膜质量评估系数,计算得到塑料薄膜异常矫正系数,从而通过对数据的分析和挖掘,判断塑料薄膜在特定的应用环境下产品质量是否合格,综合评估塑料薄膜的质量,提高产品质量和生产效率。
Description
技术领域
本发明涉及图像数据处理技术领域,更具体地说,本发明涉及基于图像处理的塑料薄膜质量检测方法。
背景技术
塑料薄膜被广泛应用于食品、药品、电子产品等多个领域,其质量直接关系到产品的安全性和可靠性,通过合适的质量检测手段,可以减少不合格产品的数量和返工率,提高生产效率和产品质量,降低生产成本和资源浪费,因此,企业应该重视质量检测工作,不断提高产品质量。
随着科技的发展,通过数字化图像处理技术,可以对塑料薄膜的表面缺陷进行自动识别和分类,从而为塑料薄膜的质量评估提供重要的支持,可以确保塑料薄膜的质量符合相关标准和要求,避免因质量问题而带来的安全隐患和使用风险。
但是其在实际使用时,仍旧存在一些缺点,如塑料薄膜的生产质量参差不齐,现有的塑料薄膜质量检测图像处理方法往往需要人工干预或手动设置参数,导致自动化程度不足,缺乏智能化的质量评估方法,导致了检测效率低下;
在塑料薄膜质量检测过程中,现有的方法往往只关注数据本身的异常程度,忽略了其他潜在因素对检测结果的影响,导致异常情况无法及时发现和处理,从而使检测结果的准确性小。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供基于图像处理的塑料薄膜质量检测方法,用于解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
步骤S01:塑料薄膜图像获取:使用高倍显微镜和摄像装置,对塑料薄膜进行高倍显微镜下的图像数据采集,获取塑料薄膜图像数据。
步骤S02:塑料薄膜图像特征采集:用于采集塑料薄膜图像的基本信息,其中基本信息包括塑料薄膜表面特征采集单元、塑料薄膜性能信息采集单元和塑料薄膜外观信息采集单元。
步骤S03:塑料薄膜图像数据处理:用于接收塑料薄膜图像特征传输的基本信息,根据塑料薄膜表面特征采集单元计算得到塑料薄膜表面质量指数,根据塑料薄膜性能信息采集单元计算得到塑料薄膜性能匹配指数,根据塑料薄膜外观信息采集单元计算得到塑料薄膜外观合格指数。
步骤S04:塑料薄膜图像数据分析:用于获取塑料薄膜图像数据的塑料薄膜表面质量指数、塑料薄膜性能匹配指数和塑料薄膜外观合格指数,计算得到塑料薄膜质量评估系数。
步骤S05:塑料薄膜图像数据评估:用于获取塑料薄膜质量评估系数,与预设的塑料薄膜质量评估系数进行对比,并处理。
步骤S06:塑料薄膜异常校正:用于提取检测不合格的塑料薄膜质量评估系数,通过塑料薄膜异常矫正模型计算得到塑料薄膜异常矫正系数。
优选的,所述塑料薄膜图像获取的具体步骤为:
S001:准备设备:准备好高倍显微镜和摄像装置,确保设备处于工作状态,并能够获取清晰的塑料薄膜图像;
S002:准备待检测塑料薄膜:将待检测塑料薄膜放置在图像采集台面,确保塑料薄膜平整、无折痕;
S003:显微镜参数调整:调整高倍显微镜的焦距和光圈,对高倍显微镜进行实时拍摄;
S004:采集图像:打开摄像装置,调整摄像装置的参数,进行塑料薄膜图像的采集;
S005:图像数据保存:将采集到的塑料薄膜图像数据保存至计算机,并对塑料薄膜图像数据依次标记为1、2……n。
优选的,所述塑料薄膜图像特征采集的具体采集方式为:
塑料薄膜表面特征采集单元:用于通过塑料薄膜的图像数据采集表面瑕疵数、塑料薄膜厚度、塑料薄膜面积,分别标记为、/>、/>,其中i=1、2……n,i表示为第i个塑料薄膜图像数据的编号;
塑料薄膜性能信息采集单元:用于采集塑料薄膜图像数据的物理性能集合,标记为,其中/>、/>、/>、/>分别表示为拉伸强度、断裂伸长率、热收缩率、硬度,其中i=1、2……n,i表示为第i个塑料薄膜图像数据的编号;
采集塑料薄膜图像数据的化学性能集合,标记为,其中/>、/>、/>、/>分别表示为腐蚀性、耐油性、阻燃性、耐药品性,其中i=1、2……n,i表示为第i个塑料薄膜图像数据的编号;
塑料薄膜外观信息采集单元:用于通过色差计采集塑料薄膜图像数据的色差,通过透光率测试仪采集塑料薄膜图像数据的透光率,通过雾度测量仪采集塑料薄膜图像数据的雾度,分别标记为、/>、/>,其中i=1、2……n,i表示为第i个塑料薄膜图像数据的编号。
优选的,所述表面瑕疵数包括但不限于气泡、斑点、条纹、凹坑、孔洞个数。
优选的,所述塑料薄膜表面质量指数的计算公式为:
,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜表面质量指数,/>表示为第i个塑料薄膜图像数据的塑料薄膜面积,/>表示为第i个塑料薄膜图像数据的表面瑕疵数,/>表示为第i个塑料薄膜图像数据的塑料薄膜厚度,/>表示为瑕疵密度的补偿系数,/>为瑕疵体积密度的补偿系数,/>、/>由管理人员设置。
优选的,所述塑料薄膜性能匹配指数的计算公式为:
,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜性能匹配指数,/>表示为第i个塑料薄膜图像数据的物理性能集合,/>表示为预设的标准物理性能集合,/>表示为第i个塑料薄膜图像数据的化学性能集合,/>表示为预设的标准化学性能集合,/>表示为物理性能匹配的影响因子,表示为化学性能匹配的影响因子。
优选的,所述塑料薄膜外观合格指数具体步骤为:
S001:从企业数据库中提取塑料薄膜的可允许色差,标记为,由公式:,得到塑料薄膜色差稳定指数,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜色差稳定指数,/>表示为第i个塑料薄膜图像数据的色差;
S002:从企业数据库中提取塑料薄膜的可允许透光率,标记为,由公式:,得到塑料薄膜透光率稳定指数,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜透光率稳定指数,/>表示为第i个塑料薄膜图像数据的透光率;
S003:从企业数据库中提取塑料薄膜的可允许雾度,标记为,由公式:,得到塑料薄膜雾度稳定指数,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜雾度稳定指数,/>表示为第i个塑料薄膜图像数据的雾度;
S004:分析塑料薄膜外观合格指数的计算公式为:,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜外观合格指数,/>表示为塑料薄膜色差稳定指数的补偿系数,/>表示为塑料薄膜透光率稳定指数的补偿系数,/>表示为塑料薄膜雾度稳定指数的补偿系数,/>、/>、/>由管理人员设置。
优选的,所述塑料薄膜质量评估系数的计算公式为:
,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜质量评估系数,/>表示为第i个塑料薄膜图像数据的塑料薄膜表面质量指数,/>表示为第i个塑料薄膜图像数据的塑料薄膜性能匹配指数,/>表示为第i个塑料薄膜图像数据的塑料薄膜外观合格指数。
优选的,所述塑料薄膜图像数据评估的具体评估方式为:
获取塑料薄膜质量评估系数,与预设的塑料薄膜质量评估系数进行对比,若某个塑料薄膜图像数据的塑料薄膜质量评估系数小于预设的塑料薄膜质量评估系数,则表明该塑料薄膜的质量检测不合格,应立即获取不合格的塑料薄膜图像编号,并通知安全管理人员,反之则表明该塑料薄膜的质量检测无异常现象。
优选的,所述塑料薄膜异常校正具体步骤为:
S001:计算每个不合格塑料薄膜质量评估系数与预设的塑料薄膜质量评估系数的差值程度,标记为,其中/>=1、2……/>,/>表示为第/>个不合格的编号;
S002:由公式:,得到差值程度均值/>,其中/>表示为不合格总数,由公式:/>,得到塑料薄膜质量评估系数均值/>,其中n表示为塑料薄膜图像总数;
S003:由公式:,其中/>表示为第/>个不合格的塑料薄膜异常矫正系数,/>表示为不合格总数,/>表示为第/>个不合格的差值程度,表示为差值程度均值,/>表示为塑料薄膜质量评估系数均值。
本发明的技术效果和优点:
1、本发明提供基于图像处理的塑料薄膜质量检测方法,通过塑料薄膜图像获取得到塑料薄膜的图像数据,进一步通过采集塑料薄膜图像的基本信息,根据塑料薄膜表面特征采集单元计算得到塑料薄膜表面质量指数,根据塑料薄膜性能信息采集单元计算得到塑料薄膜性能匹配指数,根据塑料薄膜外观信息采集单元计算得到塑料薄膜外观合格指数,进而得到塑料薄膜质量评估系数,与预设的塑料薄膜质量评估系数进行对比,若某个塑料薄膜图像数据的塑料薄膜质量评估系数小于预设的塑料薄膜质量评估系数,则表明该塑料薄膜的质量检测不合格,应立即获取不合格的塑料薄膜图像编号,并通知安全管理人员,反之则表明该塑料薄膜的质量检测无异常现象,通过对数据的分析和挖掘,判断塑料薄膜在特定的应用环境下产品质量是否合格,性能是否符合要求,结合算法进行数据分析,综合评估塑料薄膜的质量,有助于提高产品质量控制效率;
2、本发明提供基于图像处理的塑料薄膜质量检测方法,通过提取检测不合格的塑料薄膜质量评估系数,通过塑料薄膜异常矫正模型计算得到塑料薄膜异常矫正系数,通过对塑料薄膜图像数据的实时监控和异常检测,可以及时发现并处理质量问题,有助于提高产品质量和生产效率,减少废品和损失。
附图说明
图1为本发明的方法步骤流程连接示意图。
图2为本发明的塑料薄膜图像特征采集结构示意图。
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。
请参阅图1所示,本发明提供基于图像处理的塑料薄膜质量检测方法,包括塑料薄膜图像获取、塑料薄膜图像特征采集、塑料薄膜图像数据处理、塑料薄膜图像数据分析、塑料薄膜图像数据评估、塑料薄膜异常校正。
所述塑料薄膜图像获取与塑料薄膜图像特征采集连接,塑料薄膜图像特征采集与塑料薄膜图像数据处理连接,塑料薄膜图像数据处理与塑料薄膜图像数据分析连接,塑料薄膜图像数据分析与塑料薄膜图像数据评估连接,塑料薄膜图像数据评估与塑料薄膜异常校正连接。
所述步骤S01:塑料薄膜图像获取:使用高倍显微镜和摄像装置,对塑料薄膜进行高倍显微镜下的图像数据采集,获取塑料薄膜图像数据,通过获取塑料薄膜图像数据,为了进行表面缺陷检测和质量控制。
在一种可能的设计中,所述塑料薄膜图像获取的具体步骤为:
S001:准备设备:准备好高倍显微镜和摄像装置,确保设备处于工作状态,并能够获取清晰的塑料薄膜图像;
S002:准备待检测塑料薄膜:将待检测塑料薄膜放置在图像采集台面,确保塑料薄膜平整、无折痕;
S003:显微镜参数调整:调整高倍显微镜的焦距和光圈,对高倍显微镜进行实时拍摄;
S004:采集图像:打开摄像装置,调整摄像装置的参数,进行塑料薄膜图像的采集;
S005:图像数据保存:将采集到的塑料薄膜图像数据保存至计算机,并对塑料薄膜图像数据依次标记为1、2……n。
请参阅图2所示,所述步骤S02:塑料薄膜图像特征采集:用于采集塑料薄膜图像的基本信息,其中基本信息包括塑料薄膜表面特征采集单元、塑料薄膜性能信息采集单元和塑料薄膜外观信息采集单元,并将基本信息传输至下一步骤,通过获取塑料薄膜图像数据,可以清晰地提取塑料薄膜表面的细节和特征,为后续的数据分析提供更全面、更准确的数据支持。
在一种可能的设计中,所述塑料薄膜图像特征采集的具体采集方式为:
塑料薄膜表面特征采集单元:用于通过塑料薄膜的图像数据采集表面瑕疵数、塑料薄膜厚度、塑料薄膜面积,分别标记为、/>、/>,其中i=1、2……n,i表示为第i个塑料薄膜图像数据的编号;
塑料薄膜性能信息采集单元:用于采集塑料薄膜图像数据的物理性能集合,标记为,其中/>、/>、/>、/>分别表示为拉伸强度、断裂伸长率、热收缩率、硬度,其中i=1、2……n,i表示为第i个塑料薄膜图像数据的编号;
采集塑料薄膜图像数据的化学性能集合,标记为,其中/>、/>、/>、/>分别表示为腐蚀性、耐油性、阻燃性、耐药品性,其中i=1、2……n,i表示为第i个塑料薄膜图像数据的编号;
塑料薄膜外观信息采集单元:用于通过色差计采集塑料薄膜图像数据的色差,通过透光率测试仪采集塑料薄膜图像数据的透光率,通过雾度测量仪采集塑料薄膜图像数据的雾度,分别标记为、/>、/>,其中i=1、2……n,i表示为第i个塑料薄膜图像数据的编号。
进一步地,所述表面瑕疵数包括但不限于气泡、斑点、条纹、凹坑、孔洞个数。
所述步骤S03:塑料薄膜图像数据处理:用于接收塑料薄膜图像特征传输的基本信息,根据塑料薄膜表面特征采集单元计算得到塑料薄膜表面质量指数,根据塑料薄膜性能信息采集单元计算得到塑料薄膜性能匹配指数,根据塑料薄膜外观信息采集单元计算得到塑料薄膜外观合格指数,通过对数据的分析和挖掘,判断塑料薄膜在特定的应用环境下产品质量是否合格,性能是否符合要求。
在一种可能的设计中,所述塑料薄膜表面质量指数的计算公式为:
,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜表面质量指数,/>表示为第i个塑料薄膜图像数据的塑料薄膜面积,/>表示为第i个塑料薄膜图像数据的表面瑕疵数,/>表示为第i个塑料薄膜图像数据的塑料薄膜厚度,/>表示为瑕疵密度的补偿系数,/>为瑕疵体积密度的补偿系数,/>、/>由管理人员设置。
在一种可能的设计中,所述塑料薄膜性能匹配指数的计算公式为:
,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜性能匹配指数,/>表示为第i个塑料薄膜图像数据的物理性能集合,/>表示为预设的标准物理性能集合,/>表示为第i个塑料薄膜图像数据的化学性能集合,/>表示为预设的标准化学性能集合,/>表示为物理性能匹配的影响因子,表示为化学性能匹配的影响因子。
在一种可能的设计中,所述塑料薄膜外观合格指数具体步骤为:
S001:从企业数据库中提取塑料薄膜的可允许色差,标记为,由公式:,得到塑料薄膜色差稳定指数,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜色差稳定指数,/>表示为第i个塑料薄膜图像数据的色差;
S002:从企业数据库中提取塑料薄膜的可允许透光率,标记为,由公式:,得到塑料薄膜透光率稳定指数,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜透光率稳定指数,/>表示为第i个塑料薄膜图像数据的透光率;
S003:从企业数据库中提取塑料薄膜的可允许雾度,标记为,由公式:,得到塑料薄膜雾度稳定指数,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜雾度稳定指数,/>表示为第i个塑料薄膜图像数据的雾度;
S004:分析塑料薄膜外观合格指数的计算公式为:,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜外观合格指数,/>表示为塑料薄膜色差稳定指数的补偿系数,/>表示为塑料薄膜透光率稳定指数的补偿系数,/>表示为塑料薄膜雾度稳定指数的补偿系数,/>、/>、/>由管理人员设置。
所述步骤S04:塑料薄膜图像数据分析:用于获取塑料薄膜图像数据的塑料薄膜表面质量指数、塑料薄膜性能匹配指数和塑料薄膜外观合格指数,计算得到塑料薄膜质量评估系数,利用算法进行数据分析,综合评估塑料薄膜的质量,有助于提高产品质量控制效率。
在一种可能的设计中,所述塑料薄膜质量评估系数的计算公式为:
,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜质量评估系数,/>表示为第i个塑料薄膜图像数据的塑料薄膜表面质量指数,/>表示为第i个塑料薄膜图像数据的塑料薄膜性能匹配指数,/>表示为第i个塑料薄膜图像数据的塑料薄膜外观合格指数。
所述步骤S05:塑料薄膜图像数据评估:用于获取塑料薄膜质量评估系数,与预设的塑料薄膜质量评估系数进行对比,并处理,通过对比分析可以了解当前塑料薄膜的质量水平是否符合预设的标准,有助于提高生产效率。
在一种可能的设计中,所述塑料薄膜图像数据评估的具体评估方式为:
获取塑料薄膜质量评估系数,与预设的塑料薄膜质量评估系数进行对比,若某个塑料薄膜图像数据的塑料薄膜质量评估系数小于预设的塑料薄膜质量评估系数,则表明该塑料薄膜的质量检测不合格,应立即获取不合格的塑料薄膜图像编号,并通知安全管理人员,反之则表明该塑料薄膜的质量检测无异常现象。
所述步骤S06:塑料薄膜异常校正:用于提取检测不合格的塑料薄膜质量评估系数,通过塑料薄膜异常矫正模型计算得到塑料薄膜异常矫正系数,通过对塑料薄膜图像数据的实时监控和异常检测,可以及时发现并处理质量问题,有助于提高产品质量和生产效率,减少废品和损失。
在一种可能的设计中,所述塑料薄膜异常校正具体步骤为:
S001:计算每个不合格塑料薄膜质量评估系数与预设的塑料薄膜质量评估系数的差值程度,标记为,其中/>=1、2……/>,/>表示为第/>个不合格的编号;
S002:由公式:,得到差值程度均值/>,其中/>表示为不合格总数,由公式:/>,得到塑料薄膜质量评估系数均值/>,其中n表示为塑料薄膜图像总数;
S003:由公式:,得到塑料薄膜异常矫正系数,其中/>表示为第/>个不合格的塑料薄膜异常矫正系数,/>表示为不合格总数,/>表示为第/>个不合格的差值程度,/>表示为差值程度均值,/>表示为塑料薄膜质量评估系数均值。
在本实施例中,需要具体说明的是,本发明通过塑料薄膜图像获取得到塑料薄膜的图像数据,进一步通过采集塑料薄膜图像的基本信息,根据塑料薄膜表面特征采集单元计算得到塑料薄膜表面质量指数,根据塑料薄膜性能信息采集单元计算得到塑料薄膜性能匹配指数,根据塑料薄膜外观信息采集单元计算得到塑料薄膜外观合格指数,进而得到塑料薄膜质量评估系数,与预设的塑料薄膜质量评估系数进行对比,若某个塑料薄膜图像数据的塑料薄膜质量评估系数小于预设的塑料薄膜质量评估系数,则表明该塑料薄膜的质量检测不合格,应立即获取不合格的塑料薄膜图像编号,并通知安全管理人员,反之则表明该塑料薄膜的质量检测无异常现象,通过对数据的分析和挖掘,判断塑料薄膜在特定的应用环境下产品质量是否合格,性能是否符合要求,结合算法进行数据分析,综合评估塑料薄膜的质量,有助于提高产品质量控制效率。
本发明提供基于图像处理的塑料薄膜质量检测方法,通过提取检测不合格的塑料薄膜质量评估系数,通过塑料薄膜异常矫正模型计算得到塑料薄膜异常矫正系数,通过对塑料薄膜图像数据的实时监控和异常检测,可以及时发现并处理质量问题,有助于提高产品质量和生产效率,减少废品和损失。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,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 (3)
1.基于图像处理的塑料薄膜质量检测方法,其特征在于,包括:
步骤S01:塑料薄膜图像获取:使用高倍显微镜和摄像装置,对塑料薄膜进行高倍显微镜下的图像数据采集,获取塑料薄膜图像数据;
步骤S02:塑料薄膜图像特征采集:用于采集塑料薄膜图像的基本信息,其中基本信息包括塑料薄膜表面特征采集单元、塑料薄膜性能信息采集单元和塑料薄膜外观信息采集单元;
所述塑料薄膜图像特征采集的具体采集方式为:
塑料薄膜表面特征采集单元:用于通过塑料薄膜的图像数据采集表面瑕疵数、塑料薄膜厚度、塑料薄膜面积,分别标记为、/>、/>,其中i=1、2……n,i表示为第i个塑料薄膜图像数据的编号;
塑料薄膜性能信息采集单元:用于采集塑料薄膜图像数据的物理性能集合,标记为,其中/>、/>、/>、/>分别表示为拉伸强度、断裂伸长率、热收缩率、硬度,其中i=1、2……n,i表示为第i个塑料薄膜图像数据的编号;
采集塑料薄膜图像数据的化学性能集合,标记为,其中、/>、/>、/>分别表示为腐蚀性、耐油性、阻燃性、耐药品性,其中i=1、2……n,i表示为第i个塑料薄膜图像数据的编号;
塑料薄膜外观信息采集单元:用于通过色差计采集塑料薄膜图像数据的色差,通过透光率测试仪采集塑料薄膜图像数据的透光率,通过雾度测量仪采集塑料薄膜图像数据的雾度,分别标记为、/>、/>,其中i=1、2……n,i表示为第i个塑料薄膜图像数据的编号;
步骤S03:塑料薄膜图像数据处理:用于接收塑料薄膜图像特征传输的基本信息,根据塑料薄膜表面特征采集单元计算得到塑料薄膜表面质量指数,根据塑料薄膜性能信息采集单元计算得到塑料薄膜性能匹配指数,根据塑料薄膜外观信息采集单元计算得到塑料薄膜外观合格指数;
所述塑料薄膜表面质量指数的计算公式为:
,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜表面质量指数,/>表示为第i个塑料薄膜图像数据的塑料薄膜面积,/>表示为第i个塑料薄膜图像数据的表面瑕疵数,/>表示为第i个塑料薄膜图像数据的塑料薄膜厚度,/>表示为瑕疵密度的补偿系数,/>为瑕疵体积密度的补偿系数,/>、/>由管理人员设置;
所述塑料薄膜性能匹配指数的计算公式为:
,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜性能匹配指数,/>表示为第i个塑料薄膜图像数据的物理性能集合,/>表示为预设的标准物理性能集合,/>表示为第i个塑料薄膜图像数据的化学性能集合,/>表示为预设的标准化学性能集合,/>表示为物理性能匹配的影响因子,/>表示为化学性能匹配的影响因子;
所述塑料薄膜外观合格指数具体步骤为:
S001:从企业数据库中提取塑料薄膜的可允许色差,标记为,由公式:,得到塑料薄膜色差稳定指数,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜色差稳定指数,/>表示为第i个塑料薄膜图像数据的色差;
S002:从企业数据库中提取塑料薄膜的可允许透光率,标记为,由公式:,得到塑料薄膜透光率稳定指数,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜透光率稳定指数,/>表示为第i个塑料薄膜图像数据的透光率;
S003:从企业数据库中提取塑料薄膜的可允许雾度,标记为,由公式:,得到塑料薄膜雾度稳定指数,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜雾度稳定指数,/>表示为第i个塑料薄膜图像数据的雾度;
S004:分析塑料薄膜外观合格指数的计算公式为:,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜外观合格指数,/>表示为塑料薄膜色差稳定指数的补偿系数,/>表示为塑料薄膜透光率稳定指数的补偿系数,/>表示为塑料薄膜雾度稳定指数的补偿系数,/>、/>、/>由管理人员设置;
步骤S04:塑料薄膜图像数据分析:用于获取塑料薄膜图像数据的塑料薄膜表面质量指数、塑料薄膜性能匹配指数和塑料薄膜外观合格指数,计算得到塑料薄膜质量评估系数;
所述塑料薄膜质量评估系数的计算公式为:
,其中/>表示为第i个塑料薄膜图像数据的塑料薄膜质量评估系数,/>表示为第i个塑料薄膜图像数据的塑料薄膜表面质量指数,/>表示为第i个塑料薄膜图像数据的塑料薄膜性能匹配指数,/>表示为第i个塑料薄膜图像数据的塑料薄膜外观合格指数;
步骤S05:塑料薄膜图像数据评估:用于获取塑料薄膜质量评估系数,与预设的塑料薄膜质量评估系数进行对比,并处理;
步骤S06:塑料薄膜异常校正:用于提取检测不合格的塑料薄膜质量评估系数,通过塑料薄膜异常矫正模型计算得到塑料薄膜异常矫正系数;
所述塑料薄膜异常校正具体步骤为:
S001:计算每个不合格塑料薄膜质量评估系数与预设的塑料薄膜质量评估系数的差值程度,标记为,其中/>=1、2……/>,/>表示为第/>个不合格的编号;
S002:由公式:,得到差值程度均值/>,其中/>表示为不合格总数,由公式:/>,得到塑料薄膜质量评估系数均值/>,其中n表示为塑料薄膜图像总数;
S003:其中塑料薄膜异常矫正模型为:,其中表示为第/>个不合格的塑料薄膜异常矫正系数,/>表示为不合格总数,/>表示为第/>个不合格的差值程度,/>表示为差值程度均值,/>表示为塑料薄膜质量评估系数均值。
2.根据权利要求1所述的基于图像处理的塑料薄膜质量检测方法,其特征在于:所述塑料薄膜图像获取的具体步骤为:
S001:准备设备:准备好高倍显微镜和摄像装置,确保设备处于工作状态,并能够获取清晰的塑料薄膜图像;
S002:准备待检测塑料薄膜:将待检测塑料薄膜放置在图像采集台面,确保塑料薄膜平整、无折痕;
S003:显微镜参数调整:调整高倍显微镜的焦距和光圈,对高倍显微镜进行实时拍摄;
S004:采集图像:打开摄像装置,调整摄像装置的参数,进行塑料薄膜图像的采集;
S005:图像数据保存:将采集到的塑料薄膜图像数据保存至计算机,并对塑料薄膜图像数据依次标记为1、2……n。
3.根据权利要求2所述的基于图像处理的塑料薄膜质量检测方法,其特征在于:所述塑料薄膜图像数据评估的具体评估方式为:
获取塑料薄膜质量评估系数,与预设的塑料薄膜质量评估系数进行对比,若某个塑料薄膜图像数据的塑料薄膜质量评估系数小于预设的塑料薄膜质量评估系数,则表明该塑料薄膜的质量检测不合格,应立即获取不合格的塑料薄膜图像编号,并通知安全管理人员,反之则表明该塑料薄膜的质量检测无异常现象。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311768424.8A CN117437235B (zh) | 2023-12-21 | 2023-12-21 | 基于图像处理的塑料薄膜质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311768424.8A CN117437235B (zh) | 2023-12-21 | 2023-12-21 | 基于图像处理的塑料薄膜质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117437235A CN117437235A (zh) | 2024-01-23 |
CN117437235B true CN117437235B (zh) | 2024-03-12 |
Family
ID=89550219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311768424.8A Active CN117437235B (zh) | 2023-12-21 | 2023-12-21 | 基于图像处理的塑料薄膜质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117437235B (zh) |
Citations (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5815198A (en) * | 1996-05-31 | 1998-09-29 | Vachtsevanos; George J. | Method and apparatus for analyzing an image to detect and identify defects |
WO2003025554A2 (en) * | 2001-09-19 | 2003-03-27 | Tripath Imaging, Inc. | Method quantitative video-microscopy and associated system and computer software program product |
JP2004039804A (ja) * | 2002-07-02 | 2004-02-05 | Iisen Chin | 結晶薄膜品質監視制御システム及び方法 |
JP2006195365A (ja) * | 2005-01-17 | 2006-07-27 | Fuji Photo Film Co Ltd | 液晶表示装置、さらにそれに用いる光学補償シート、及び偏光板 |
WO2008102484A1 (ja) * | 2007-02-20 | 2008-08-28 | Mitsubishi Heavy Industries, Ltd. | 膜質評価方法およびその装置ならびに薄膜デバイスの製造システム |
WO2012023567A1 (ja) * | 2010-08-19 | 2012-02-23 | 大同化成工業株式会社 | タッチパネル用粘着剤組成物に用いるアクリル系高分子化合物 |
CN106249406A (zh) * | 2016-08-30 | 2016-12-21 | 喻阳 | 改善色彩感知和矫正色盲色弱视觉的人工智能透镜及设计方法 |
WO2017008320A1 (zh) * | 2015-07-13 | 2017-01-19 | 武汉华星光电技术有限公司 | 一种多晶硅薄膜的质量检测方法和系统 |
CN106918597A (zh) * | 2015-12-25 | 2017-07-04 | 中国人民银行印制科学技术研究所 | 薄膜质量检测方法和薄膜质量检测系统 |
CN106918603A (zh) * | 2015-12-25 | 2017-07-04 | 中国人民银行印制科学技术研究所 | 光谱检测方法及系统 |
WO2018072769A1 (de) * | 2016-10-18 | 2018-04-26 | Reifenhauser Gmbh & Co. Kg Maschinenfabrik | Verfahren zum indirekten ableiten einer systematischen abhängigkeit zwischen einer einstellgrösse und einer optischen eigenschaft einer folienbahn, verfahren zum anpassen der qualität einer folienbahn |
WO2018072775A1 (de) * | 2016-10-18 | 2018-04-26 | Reifenhäuser GmbH & Co. KG Maschinenfabrik | Verfahren und datenerfassungsgerät zum bereitstellen, abrufen und nutzen eines datenelements im rahmen eines prozesses zum herstellen einer bahnware aus kunststoff |
JP2018095937A (ja) * | 2016-12-15 | 2018-06-21 | 三菱重工機械システム株式会社 | 電極状態評価装置、成膜装置及び電極状態評価方法 |
WO2019099415A1 (en) * | 2017-11-14 | 2019-05-23 | Kateeva, Inc. | Systems and methods for profiling material layers on a substrate |
WO2019174165A1 (zh) * | 2017-03-24 | 2019-09-19 | 南通伊仕生物技术股份有限公司 | hCG周期检测试纸、试剂盒及其制备方法、应用 |
WO2020131864A1 (en) * | 2018-12-18 | 2020-06-25 | Pathware Inc. | Computational microscopy based-system and method for automated imaging and analysis of pathology specimens |
CN111967031A (zh) * | 2020-08-13 | 2020-11-20 | 合肥安时智造科技有限公司 | 一种数据交易式传输方法 |
CN112465382A (zh) * | 2020-12-08 | 2021-03-09 | 安徽九天印务有限公司 | 一种食品用塑料薄膜智能化生产管理系统 |
TW202130667A (zh) * | 2020-01-08 | 2021-08-16 | 日商理研科技股份有限公司 | B級塗膜形成用塗料、b級塗膜、b級塗膜積層膜、成型體和b級塗膜的製造方法 |
CN113989279A (zh) * | 2021-12-24 | 2022-01-28 | 武汉华康龙兴工贸有限公司 | 基于人工智能及图像处理的塑料薄膜质量检测方法 |
CN113981415A (zh) * | 2021-10-25 | 2022-01-28 | 晶澳太阳能有限公司 | 管式pecvd系统的流量计异常工作的确定方法及装置 |
CN115018844A (zh) * | 2022-08-09 | 2022-09-06 | 南通三信塑胶装备科技股份有限公司 | 一种基于人工智能的塑料薄膜质量评估方法 |
WO2022252348A1 (zh) * | 2021-06-01 | 2022-12-08 | 浙江工商大学 | 基于旋转目标和改进注意力机制的薄膜划痕瑕疵检测方法 |
CN116167640A (zh) * | 2022-12-08 | 2023-05-26 | 南京贝迪新材料科技股份有限公司 | 一种lcp薄膜生产质量检测数据分析方法及系统 |
CN116503393A (zh) * | 2023-06-26 | 2023-07-28 | 深圳市创智捷科技有限公司 | 基于图像处理的线路板等离子纳米镀膜质量检测方法 |
CN116611745A (zh) * | 2023-07-20 | 2023-08-18 | 山东富力包装材料股份有限公司 | 一种基于智能制造的塑料薄膜质量评价方法及系统 |
CN116630974A (zh) * | 2023-05-17 | 2023-08-22 | 广东智云城建科技有限公司 | 一种建筑图像数据的快速标记处理方法及系统 |
JP2023118131A (ja) * | 2022-02-14 | 2023-08-24 | 東レ株式会社 | ポリプロピレンフィルム、積層体、包装材、梱包体、およびその製造方法 |
CN116740063A (zh) * | 2023-08-14 | 2023-09-12 | 山东众志电子有限公司 | 基于机器视觉的玻璃纤维丝生产质量检测方法 |
CN116735558A (zh) * | 2023-06-21 | 2023-09-12 | 上海名序科技有限公司 | 一种钙钛矿电池薄膜的检测装置及其评估方法 |
CN116883394A (zh) * | 2023-09-06 | 2023-10-13 | 山东融泽新材料有限公司 | 一种基于图像数据处理的金刚石质量检测方法 |
CN116992388A (zh) * | 2023-09-25 | 2023-11-03 | 广东德怡电子科技有限公司 | 基于数据分析的薄膜开关测试数据处理方法 |
CN117152648A (zh) * | 2023-10-30 | 2023-12-01 | 泰州爱贝文化传媒有限公司 | 一种基于增强现实的辅助教学识图装置 |
CN117218114A (zh) * | 2023-11-06 | 2023-12-12 | 山东滨州安惠绳网集团有限责任公司 | 一种基于图像数据处理的网状织物缺陷快速检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021178731A1 (en) * | 2020-03-04 | 2021-09-10 | Karl Denninghoff | Neurological movement detection to rapidly draw user attention to search results |
US20210344851A1 (en) * | 2020-05-04 | 2021-11-04 | Rebellion Photonics, Inc. | Apparatuses, systems, and methods for thermal imaging |
-
2023
- 2023-12-21 CN CN202311768424.8A patent/CN117437235B/zh active Active
Patent Citations (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5815198A (en) * | 1996-05-31 | 1998-09-29 | Vachtsevanos; George J. | Method and apparatus for analyzing an image to detect and identify defects |
WO2003025554A2 (en) * | 2001-09-19 | 2003-03-27 | Tripath Imaging, Inc. | Method quantitative video-microscopy and associated system and computer software program product |
JP2004039804A (ja) * | 2002-07-02 | 2004-02-05 | Iisen Chin | 結晶薄膜品質監視制御システム及び方法 |
JP2006195365A (ja) * | 2005-01-17 | 2006-07-27 | Fuji Photo Film Co Ltd | 液晶表示装置、さらにそれに用いる光学補償シート、及び偏光板 |
WO2008102484A1 (ja) * | 2007-02-20 | 2008-08-28 | Mitsubishi Heavy Industries, Ltd. | 膜質評価方法およびその装置ならびに薄膜デバイスの製造システム |
WO2012023567A1 (ja) * | 2010-08-19 | 2012-02-23 | 大同化成工業株式会社 | タッチパネル用粘着剤組成物に用いるアクリル系高分子化合物 |
WO2017008320A1 (zh) * | 2015-07-13 | 2017-01-19 | 武汉华星光电技术有限公司 | 一种多晶硅薄膜的质量检测方法和系统 |
CN106918597A (zh) * | 2015-12-25 | 2017-07-04 | 中国人民银行印制科学技术研究所 | 薄膜质量检测方法和薄膜质量检测系统 |
CN106918603A (zh) * | 2015-12-25 | 2017-07-04 | 中国人民银行印制科学技术研究所 | 光谱检测方法及系统 |
CN106249406A (zh) * | 2016-08-30 | 2016-12-21 | 喻阳 | 改善色彩感知和矫正色盲色弱视觉的人工智能透镜及设计方法 |
WO2018072769A1 (de) * | 2016-10-18 | 2018-04-26 | Reifenhauser Gmbh & Co. Kg Maschinenfabrik | Verfahren zum indirekten ableiten einer systematischen abhängigkeit zwischen einer einstellgrösse und einer optischen eigenschaft einer folienbahn, verfahren zum anpassen der qualität einer folienbahn |
WO2018072775A1 (de) * | 2016-10-18 | 2018-04-26 | Reifenhäuser GmbH & Co. KG Maschinenfabrik | Verfahren und datenerfassungsgerät zum bereitstellen, abrufen und nutzen eines datenelements im rahmen eines prozesses zum herstellen einer bahnware aus kunststoff |
JP2018095937A (ja) * | 2016-12-15 | 2018-06-21 | 三菱重工機械システム株式会社 | 電極状態評価装置、成膜装置及び電極状態評価方法 |
WO2019174165A1 (zh) * | 2017-03-24 | 2019-09-19 | 南通伊仕生物技术股份有限公司 | hCG周期检测试纸、试剂盒及其制备方法、应用 |
WO2019099415A1 (en) * | 2017-11-14 | 2019-05-23 | Kateeva, Inc. | Systems and methods for profiling material layers on a substrate |
WO2020131864A1 (en) * | 2018-12-18 | 2020-06-25 | Pathware Inc. | Computational microscopy based-system and method for automated imaging and analysis of pathology specimens |
TW202130667A (zh) * | 2020-01-08 | 2021-08-16 | 日商理研科技股份有限公司 | B級塗膜形成用塗料、b級塗膜、b級塗膜積層膜、成型體和b級塗膜的製造方法 |
CN111967031A (zh) * | 2020-08-13 | 2020-11-20 | 合肥安时智造科技有限公司 | 一种数据交易式传输方法 |
CN112465382A (zh) * | 2020-12-08 | 2021-03-09 | 安徽九天印务有限公司 | 一种食品用塑料薄膜智能化生产管理系统 |
WO2022252348A1 (zh) * | 2021-06-01 | 2022-12-08 | 浙江工商大学 | 基于旋转目标和改进注意力机制的薄膜划痕瑕疵检测方法 |
CN113981415A (zh) * | 2021-10-25 | 2022-01-28 | 晶澳太阳能有限公司 | 管式pecvd系统的流量计异常工作的确定方法及装置 |
CN113989279A (zh) * | 2021-12-24 | 2022-01-28 | 武汉华康龙兴工贸有限公司 | 基于人工智能及图像处理的塑料薄膜质量检测方法 |
JP2023118131A (ja) * | 2022-02-14 | 2023-08-24 | 東レ株式会社 | ポリプロピレンフィルム、積層体、包装材、梱包体、およびその製造方法 |
CN115018844A (zh) * | 2022-08-09 | 2022-09-06 | 南通三信塑胶装备科技股份有限公司 | 一种基于人工智能的塑料薄膜质量评估方法 |
CN116167640A (zh) * | 2022-12-08 | 2023-05-26 | 南京贝迪新材料科技股份有限公司 | 一种lcp薄膜生产质量检测数据分析方法及系统 |
CN116630974A (zh) * | 2023-05-17 | 2023-08-22 | 广东智云城建科技有限公司 | 一种建筑图像数据的快速标记处理方法及系统 |
CN116735558A (zh) * | 2023-06-21 | 2023-09-12 | 上海名序科技有限公司 | 一种钙钛矿电池薄膜的检测装置及其评估方法 |
CN116503393A (zh) * | 2023-06-26 | 2023-07-28 | 深圳市创智捷科技有限公司 | 基于图像处理的线路板等离子纳米镀膜质量检测方法 |
CN116611745A (zh) * | 2023-07-20 | 2023-08-18 | 山东富力包装材料股份有限公司 | 一种基于智能制造的塑料薄膜质量评价方法及系统 |
CN116740063A (zh) * | 2023-08-14 | 2023-09-12 | 山东众志电子有限公司 | 基于机器视觉的玻璃纤维丝生产质量检测方法 |
CN116883394A (zh) * | 2023-09-06 | 2023-10-13 | 山东融泽新材料有限公司 | 一种基于图像数据处理的金刚石质量检测方法 |
CN116992388A (zh) * | 2023-09-25 | 2023-11-03 | 广东德怡电子科技有限公司 | 基于数据分析的薄膜开关测试数据处理方法 |
CN117152648A (zh) * | 2023-10-30 | 2023-12-01 | 泰州爱贝文化传媒有限公司 | 一种基于增强现实的辅助教学识图装置 |
CN117218114A (zh) * | 2023-11-06 | 2023-12-12 | 山东滨州安惠绳网集团有限责任公司 | 一种基于图像数据处理的网状织物缺陷快速检测方法 |
Non-Patent Citations (2)
Title |
---|
Quality assessment and circularity potential of recovery systems for household plastic waste;Eriksen, M. K等;《Journal of Industrial Ecology》;20181102;第23卷(第1期);156-168 * |
塑料软包装印品墨层厚度检测;庄严严;《中国优秀硕士学位论文全文数据库 工程科技I辑》;20230115(第1期);024-1553 * |
Also Published As
Publication number | Publication date |
---|---|
CN117437235A (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112036755B (zh) | 一种建筑工程质量检测的监管方法及系统 | |
CN108241574A (zh) | 一种基于测试管理工具qc对软件测试缺陷进行分析的方法及系统 | |
CN116500086B (zh) | 一种基于深度学习的铜复铝散热底板生产评价方法及系统 | |
CN116611747B (zh) | 一种基于云计算的资源信息智能管理系统 | |
CN115587893B (zh) | 一种基于互联网金融的期货交易监管系统 | |
CN117790086B (zh) | 一种双米标电线电缆切割计量标识的方法 | |
CN117437235B (zh) | 基于图像处理的塑料薄膜质量检测方法 | |
CN117152119A (zh) | 一种基于图像处理的型材瑕疵视觉检测方法 | |
CN117371337B (zh) | 一种基于数字孪生的水利模型构建方法及系统 | |
CN113987031A (zh) | 一种电力大数据的数据异常判别方法 | |
CN117348574A (zh) | 涂料生产线的智能化控制系统及方法 | |
CN111065106B (zh) | 移动通信网络中基于异常检测和核密度估计kde的指标突变小区检测方法 | |
CN115965625B (zh) | 一种基于视觉识别的仪表检测装置及其检测方法 | |
CN116756372A (zh) | 一种烟支缺陷检测方法及装置 | |
CN113706178A (zh) | 一种产品检验过程的监督方法 | |
CN110868586A (zh) | 一种摄像头缺陷自动化检测方法 | |
CN116748352B (zh) | 一种金属弯管机加工参数监测控制方法、系统及存储介质 | |
CN111627018A (zh) | 一种基于双流神经网络模型的钢板表面缺陷分类方法 | |
CN116935308B (zh) | 基于车辆情景ai智能识别的洗车机安全监控系统及方法 | |
CN117406161B (zh) | 一种计量装置量值偏离度预警方法、系统、设备及介质 | |
CN117665224B (zh) | 一种用于食品检测的智能实验室管理方法 | |
CN117436770B (zh) | 基于bim的建筑工程建设管理方法及系统 | |
CN110599030B (zh) | 一种基于正反特征库加权匹配的电力风险预警方法 | |
CN112766316A (zh) | 一种区块链金融的目标图像辨识传输方法及系统 | |
CN118014949A (zh) | 一种x射线图像质量评估系统、方法和训练方法 |
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 |