基于深度学习的塑料篷布质量综合评估方法与流程

本发明涉及塑料篷布质量评估，尤其涉及基于深度学习的塑料篷布质量综合评估方法。

背景技术：

1、塑料篷布质量评估技术领域包含塑料篷布材料性能检测、外观缺陷识别、结构稳定性分析、加工一致性判定以及成品质量分级等功能。核心内容是将原料配比、挤出成膜、织造复合、涂覆贴合、热合成型和成品检验等环节所形成的质量状态，通过指标采集、比对和判定，使其在统一的质量评价体系下集中表述，并生成厚度均匀性、表面平整度、拉伸性能、撕裂性能、耐候性能及防水性能等质量分析报告。该领域系统性地包括数据采集（如表面图像采集、生产过程记录、检测数据录入）、数据预处理（如图像标注、指标量化、去噪处理）、数据特征提取（如卷积特征提取、缺陷区域识别）、数据分析（如多项指标关联分析、单项结果加权比对）以及输出成品等级判定与评估服务。

2、其中，基于深度学习的塑料篷布质量综合评估方法，所针对的技术事项涵盖在塑料篷布质量评估过程中，对外观缺陷识别、物理性能指标整合、检测结果统一判定和多项质量信息综合分析进行处理；具体方式包括对各来源数据进行预处理（例如对篷布表面图像进行缺陷样本标注、对厚度与克重数据进行归一化、对质量类别进行预设划分），然后分别对这些数据进行识别与关联（例如识别划伤、破洞、褶皱等缺陷区域，关联拉伸强度、撕裂强度、剥离强度等指标，统计防水值与耐折次数），最后运用深度学习机制来调整各检测项的权重或评估策略，使得评估模型自适应选择参与判定的质量依据及评估逻辑。

3、现有技术依赖人工抽检或单一物理指标测定，在多工序复合或外观纹理复杂条件下，难以对表面缺陷分布与内部性能衰减的耦合规律进行有效表达，缺乏基于深度特征聚合的异常识别机制，难以构建连续的质量空间关联关系，检测记录仅用于静态指标对齐，未结合生产工艺波动趋势建立质量稳定性判断，导致过程监控记录与成品表现数据之间缺乏动态对应逻辑，评估内容多以单项判定执行，缺乏对多源检测指标的精细融合方法，视觉检测信息与物理实测数据在细节判定上存在逻辑偏移，影响最终评估结果的分类精度与质量判定的客观完整性。

技术实现思路

1、为了解决现有技术存在的技术问题，本发明实施例提供了基于深度学习的塑料篷布质量综合评估方法。所述技术方案如下：

2、基于深度学习的塑料篷布质量综合评估方法，包括以下步骤：

3、s1：获取塑料篷布生产线上形成的外观缺陷图像记录，按固定采样窗口划分为连续图像块，提取每个图像块内的缺陷特征位置并按行列坐标重排，形成块级质量描绘结果，按生产走料顺序串接所有块级质量描绘结果，生成缺陷分布特征图谱集；

4、s2：根据所述缺陷分布特征图谱集比对相邻图像块的特征响应差异，筛选出响应值超出质量判别阈值的图像组，依据篷布表面纹理的物理衔接关系整理为连续区域，将连续区域打上异常关联标记，生成关键质量监控区域带；

5、s3：获取生产过程中传感器采集的物理性能监测记录并按生产批次时间串接工艺轨迹，提取工艺参数波动趋势一致的生产片段并叠加对应的生产工序标识，将生产片段的工序位置与关键质量监控区域带的空间位置进行对应整合，生成生产质量关联区间序列；

6、s4：基于所述生产质量关联区间序列与关键质量监控区域带，提取位置重合的工艺监测片段，逐一汇总对应的表面图像特征与物理性能测定内容，将同一位置的监测内容组合成评估基础条目，生成质量评估候选特征集。

7、作为本发明的进一步方案，所述缺陷分布特征图谱集包括缺陷像素坐标分布、图像块序列、缺陷类型索引，所述关键质量监控区域带包括异常区域连续标识、评估优先级标记、工序匹配序列，所述生产质量关联区间序列包括工艺参数波动信息、连续批次编号、物理指标对应关系，所述质量评估候选特征集包括评估条目索引、视觉与物理数据配对结果、工序重叠片段列表。

8、作为本发明的进一步方案，所述s1的获取步骤为：

9、s101：获取塑料篷布在生产线采集设备作业时形成的表面图像记录，并按相机触发扫描顺序依次定位每帧图像中包含的像素灰度数据，依据预设的检测区域掩膜配置参数集，对图像帧进行有效检测范围的裁切，按连续采集顺序拆分为多个图像块片段，对每个片段的表面位置索引数据进行编号处理，得到图像位置裁切序列；

10、s102：根据所述图像位置裁切序列中各图像块片段的表面索引范围，对片段内的像素点逐一提取其特征响应值，并识别位于局部区域内的特征密集点群，通过比对每组像素坐标的横向与纵向偏置关系对其执行响应序列更新操作，输出特征点位序结构；

11、s103：对所述特征点位序结构中各图像块片段的坐标序列调用其采集时间戳顺序进行时序连接操作，将多个片段对应的特征序列依时间先后接入连续检测通道，得到缺陷分布特征图谱集。

12、作为本发明的进一步方案，所述s2的获取步骤为：

13、s201：基于所述缺陷分布特征图谱集中的相邻片段数据，按序对比各片段中对应的特征点位信息，检索横向与纵向方向上的特征响应数值差，并与预设的质量偏移对照范围进行逐项差异确认操作，对所有差异超出质量判别阈值的片段进行筛出处理，获取异常特征索引列；

14、s202：调用所述异常特征索引列中的片段编号，按生产方向提取相邻编号的数据帧，识别所有编号连续排列且位于同一检测区域范围内的片段组合，判断其在序列中出现的连续次数是否超过区域连通性基准值，对满足序列连续规则的片段组合输出编号集，得到异常片段链集合列表；

15、s203：根据所述异常片段链集合列表中的编号数据，在篷布表面纹理数据中对各链条所对应区域执行物理位置匹配操作，并按照表面经纬结构衔接关系将位置连续的片段链统一归组，并赋予关键属性标识信息，获取关键质量监控区域带。

16、作为本发明的进一步方案，所述s3的获取步骤为：

17、s301：获取塑料篷布生产设备在运行过程中形成的物理性能监测记录，并按时间顺序对所有记录依序排列成工艺数据帧序列，针对该序列逐条提取参数波动信息并对波动向量的方向变化执行趋势判断操作，通过比对相邻波动向量间斜率符号的稳定性确认趋势保持一致的工艺区段，并对这些区段附加对应的工序位置标识编码，得到趋势标识工艺段列；

18、s302：调用所述趋势标识工艺段列中的工序位置标识编码，对每个工艺段的编码数据进行顺序检索，并依照工艺段在流水线中的排列顺序提取连续编号的工艺段，通过序列连续性判断操作确认编号变化幅度在工艺连续基准值范围内的工艺段集合，并输出这些工艺段的工序位置序列，得到连续生产工序空间列；

19、s303：根据所述连续生产工序空间列中的工序位置序列，对应关键质量监控区域带内各片段的工序位置数据，针对二者在同一流水线索引系下的坐标执行一一对照操作，由对应关系提取工艺空间连续序列在关键质量监控区域带中的位置区段，并按照生产顺序排列输出序列，获取生产质量关联区间序列。

20、作为本发明的进一步方案，所述s4的获取步骤为：

21、s401：基于所述生产质量关联区间序列与关键质量监控区域带，调用生产质量关联区间中各片段的工序位置索引信息，对其在流水线索引系下与关键质量监控区域带中位置编号进行位置对照，对坐标编号一致的数据帧执行筛查操作，提取全部工序位置存在重叠的片段内容，得到工序重合片段列表；

22、s402：根据所述工序重合片段列表中的编号集合，依次提取对应片段在表面图像特征集锦中所关联的视觉描绘内容与在物理指标数据集中对应的实测指标内容，将具备相同工序索引的两类监测内容按编号顺序进行数据聚集并压缩为评估条目结构，获取视物双模评估条目集；

23、s403：调用所述视物双模评估条目集中的工序编号信息，依照生产流转索引顺序排列所有评估条目结构，按照编号变化趋势组织条目序列，输出具备连续工序编号特征的评估条目数据集，获取质量评估候选特征集。

24、作为本发明的进一步方案，所述方法还包括：

25、s5：调用所述质量评估候选特征集中的视觉描绘内容与实测指标内容，在相同工序位置上将多条视觉特征描绘叠加压缩为单条质量变化线，在对应位置将实测指标内容贴合到质量变化线周围，按生产顺序重排所有质量片段，生成篷布质量综合评估报告；

26、所述篷布质量综合评估报告包括压缩特征线结构、贴合性能指标层、统一工序评估片段。

27、作为本发明的进一步方案，所述s5的获取步骤为：

28、s501：调用所述质量评估候选特征集中的视觉描绘内容，在相同工序编号下对所有条目的特征线数据按编号顺序提取多维响应值，并沿生产方向依序堆叠处理所有同位线段的质量演化路径，压缩形成评估单元结构，获取压缩质量演化线集；

29、s502：根据所述压缩质量演化线集中的路径位置索引，调用对应编号下的实测指标内容，在各条路径两侧定位指标变动界限值，并对每条指标边界与质量演化路径线进行紧邻贴合处理，输出由指标边界与质量线构成的组合项结构，得到性能贴合评估条目列；

30、s503：调用所述性能贴合评估条目列中的编号顺序信息，按连续工序走向提取全部组合条目，并依照编号在生产轴线中的排列顺序构建连续质量评估结构，整合全部组合条目形成连续序列，获取篷布质量综合评估报告。

31、本发明实施例提供的技术方案带来的有益效果至少包括：

32、本发明中，通过将篷布图像数据依采集顺序切分为连续图像块并构建分布图谱，可在表面结构中形成具有顺序特征的缺陷信息集合，通过响应差异比对与异常片段链组合，构造具有生产逻辑的质量波动序列，通过工艺参数趋势与工序位置对应，建立生产轨迹与外观缺陷带之间的稳定关联关系，通过评估位置的视觉特征与物理指标组合，生成具备同步工序基准的评估条目，通过质量演化线压缩与物理指标贴附操作，串联多源监测数据形成统一评估结构，增强了视觉信息与物理实测数据在质量判定过程中的匹配完整度与评价客观性。