一种基于人工智能的纸盒缺陷检测方法与流程

1.本技术涉及图像传输领域，具体涉及一种基于人工智能的纸盒缺陷检测方法。


背景技术：

2.在纸盒生产过程中，由于瓦楞辊咬合压力不足等原因造成生产出的纸盒部分区域脱胶出现起泡现象，这种现象的存在会影响产品的质量和外观。本发明设计一种纸盒起泡检测方法，获取纸盒上的起泡区域，辅助纸盒生产工艺查询设备原因，让纸盒起泡现象得到有效解决。
3.由于纸盒起泡后改变光线的分布规律，即会存在迎光面出现亮化的现象，背光面存在暗化的现象，因而仅仅依靠单个阈值很难分割出起泡区域。同时起泡现象一般都没有清晰的边界，依靠边缘检测很难检测出起泡区域的边缘，因而也很难实现起泡区域的识别定位。除此之外，由于光线的纸盒图片会存在亮、暗变化，这也会干扰纸盒起泡区域精确定位。由于光线变化会的存在一定的规律性，而起泡区域不符合该灰度变化规律，因而基于此本发明提出一种能够精确检测不明显纸盒起泡区域，通过灰度熵值热图分割出起泡区域大概位置，遮挡该区域利用其他区域拟合灰度分布模型，通过对遮挡区域和非遮挡区域分别进行去拟合准确性验证，从而不断修正得到一个准确的光照模型，然后通过准确的灰度分布模型定位出准确的缺陷位置。


技术实现要素：

4.本发明提供一种基于人工智能的纸盒缺陷检测方法，解决纸盒起泡区域定位的问题，采用如下技术方案：s1：获取纸盒图片，进行灰度处理得到纸盒图片的灰度图，计算出灰度图中每个像素点的灰度熵，得到灰度图对应的灰度熵热图；s2：获取灰度熵热图中大于热度阈值的像素点在灰度图中对应的像素点集合，对像素点集合进行连通域处理，计算出连通域边界像素点灰度熵的对比度均值，将边界像素点灰度熵的对比度均值大于阈值的连通域作为可能起泡区域；s3：对可能起泡区域进行遮挡，得到遮挡区域和非遮挡区域，根据非遮挡区域的灰度信息，使用em算法拟合出初始混合高斯模型；s4：将遮挡区域和非遮挡区域均匀划分为多个矩形区域，用初始混合高斯模型中的每个单高斯模型拟合出每个矩形区域内的灰度分布，根据每个矩形区域内单高斯模型拟合出的灰度分布和该矩形区域内的实际灰度分布得到每个矩形区域对每个单高斯模型的响应度；s5：根据初始混合高斯模型拟合出每个矩形区域内的灰度分布和每个矩形区域的实际灰度分布差异计算出每个矩形区域中的拟合损失率；s6：根据遮挡区域和非遮挡区域内的每个矩形区域对每个单高斯模型的响应度和每个矩形区域的拟合损失率对每个单高斯模型在混合高斯模型中的权重进行调整；
s7：利用调整后的混合高斯模型拟合出遮挡区域和非遮挡区域的灰度分布和遮挡区域和非遮挡区域的实际灰度进行对比，得到混合高斯模型的拟合精度，若精度不达标，执行s4-s7，直到获得精度达标的混合高斯模型，若精度达标，则执行s8；s8：将满足拟合精度的混合高斯模型拟合得到的纸盒灰度图和实际纸盒灰度分布图作差，得到灰度差值，根据灰度差值确定起泡区域。
5.所述每个矩形区域对每个单高斯模型的响应度的计算方法为：遮挡区域内每个矩形区域对每个单高斯模型的响应度为：式中，为遮挡区域内第个矩形区域对第个单高斯模型的响应度，,、分别为中心坐标为的矩形区域的最小行坐标和最小列坐标，遮挡区域被划分为行列个矩形区域，为遮挡区域内的矩形区域的总个数，为第个高斯单模型拟合出的在遮挡区域内的第个矩形区域内的位置处的灰度值，为该矩形区域内的位置处的实际灰度值，，为单高斯模型总数；非遮挡区域内每个矩形区域对每个单高斯模型的响应度为：式中，为非遮挡区域内第个矩形区域对第个单高斯模型的响应度。
6.所述每个矩形区域中的拟合损失率的计算方法为：遮挡区域内每个矩形区域中的拟合损失率为：式中，为混合高斯模型在遮挡区域内第个矩形区域中的拟合损失率，为混合高斯模型拟合出第个矩形区域中在坐标位置处的灰度值，为该矩形
区域在坐标位置处的实际灰度值；非遮挡区域内每个矩形区域中的拟合损失率为：式中，为混合模型在非遮挡区域内第个矩形区域中的拟合损失率。
7.所述对每个单高斯模型在混合高斯模型中的权重进行调整的方法为：式中，表示混合高斯模型中第个高斯模型调整后的权重值，为以为中心的第个矩形区域的损失率，表示以 为中心的第个矩形区域对第个高斯模型的响应度，为遮挡区域和非遮挡区域包含的矩形区域总数，若第个矩形区域为遮挡区域，则为，为，若第个矩形区域为非遮挡区域，则为，为，为混合高斯模型中第个高斯模型的原来权重值。
8.所述拟合精度的计算方法为：式中，为拟合精度，表示非遮挡区域的总行数，表示非遮挡地区的总列数，表示非遮挡区域在第个矩形区域内坐标位置处的拟合灰度值，表示非遮挡区域内第个矩形区域内坐标处的实际灰度值，表示遮挡区域在第个矩形区域内坐标位置处的拟合灰度值，表示遮挡区域在第个矩形区域内坐标位置的实际灰度值，，，分别表示遮挡区域的最小行、列数，分别表示遮挡区域的最大行列数。
9.所述根据灰度差值确定起泡区域的方法如下：将灰度差值的区域作为起泡区域，其中表示拟合精度。
10.本发明的有益效果是：通过灰度熵值热图分割出起泡区域大概位置，遮挡该区域利用其他区域拟合灰度
分布模型，通过对遮挡区域和非遮挡区域分别进行去拟合准确性验证，从而不断修正得到一个准确的光照模型，然后通过准确的灰度分布模型定位出准确的缺陷位置，基于人工智能，能够精确检测不明显纸盒起泡区域。
附图说明
11.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。
12.图1是本发明的一种基于人工智能的纸盒缺陷检测方法的流程示意图；图2是本发明的一种基于人工智能的纸盒缺陷检测方法中的起泡的纸盒的示意图。
具体实施方式
13.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。
14.本发明的一种基于人工智能的纸盒缺陷检测方法的实施例，如图1所示，包括：s1：获取纸盒图片，进行灰度处理得到纸盒图片的灰度图，计算出灰度图中每个像素点的灰度熵，得到灰度图对应的灰度熵热图；该步骤的目的是，采集纸盒图像，并进行灰度处理获取到灰度图中每个像素点的熵，通过熵反映每个像素点周围的灰度变化程度特征，得到灰度图对应的灰度熵分布热图。
15.具体步骤如下：（1）获取纸盒灰度图像：a.采集纸盒图像：由于纸盒正面图像更利于起泡定位识别，因而需在纸盒移动至相机正下方时采集一张完整的纸盒图片，如图2所示。
16.b.分割出纸盒区域：由于采集到的纸盒图像可能会包含其他背景图像，同时纸盒拥有较明显的颜色特征，因而可利用颜色阈值分割出纸盒区域，根据经验纸盒的颜色在r颜色通道的取值区间为，在g通道里的取值区间为，b颜色通道的取值区间为。利用上述阈值分割出三通道颜色值均属于上述取值区间的像素区域，该区域即为纸盒区域。
17.c.灰度化处理：单通道的纸盒图片检测效率更高，实现更为简单，因而将纸盒区域图片从rgb颜色空间转化至灰度空间，得到灰度图像。
18.(2)生成灰度熵热图：以灰度像素中的位置的像素为中心，构建一个的窗口，获取窗口内的，且在图像上的所有像素的灰度值，根据这些灰度值计算窗口内的灰度值的熵，称为该像素
的灰度熵，用于表示该像素周围的灰度变化程度特征。同理获取所有像素的灰度熵值，构成一个灰度熵分布热图，用与表示每个像素周围的灰度变化程度特征，将计算得到的灰度熵图片转化为灰度熵热图。
19.s2：获取灰度熵热图中大于热度阈值的像素点在灰度图中对应的像素点集合，对像素点集合进行连通域处理，计算出连通域边界像素点灰度熵的对比度均值，将边界像素点灰度熵的对比度均值大于阈值的连通域作为可能起泡区域；该步骤的目的是通过灰度熵热图分割出大概的起泡区域，由于缺陷区域灰度变化较大，且会存在突变现象，而光线一般具有渐变特征，因而灰度熵热图中热度突变性较大且热度较高区域存在起泡的可能性较高。
20.具体步骤如下：（1）利用热度阈值分割出熵值大于的像素点集合，根据经验通常取0.8。
21.（2）然后将该像素集合进行连通化处理，计算连通域边界上像素的灰度熵的对比度，求出连通域边界灰度熵对比度均值，此处熵值对比度计算方法同图像灰度对比度计算方法相同，属于常规技术，对各连通域灰度熵均值进行阈值化处理，筛选出的连通域，将该连通域认为起泡区域（大概位置），根据经验通常取1.5。
22.s3：对可能起泡区域进行遮挡，得到遮挡区域和非遮挡区域，根据非遮挡区域的灰度信息，使用em算法拟合出初始混合高斯模型；该步骤的目的是，排除可能起泡区域的影响，基于正常区域（非遮挡区域）的像素点灰度值，用拟合出混合高斯模型。
23.其中，对可能起泡区域进行遮挡处理的原因是：防止由于未完全遮挡起泡区域的光线变化的规律干扰获取准确的光线变化模型。
24.其中，对可能起泡区域进行遮挡处理的方法为：（1）利用cv库里的boundingrect（）函数获得起泡区域连通域的外接矩形；（2）为了将起泡区域完全遮挡，采用一个较连通域外界矩形大一点的矩形来遮挡起泡区域连通域，因而，采用长度，宽的矩形来遮挡起泡区域，此处分别表示上述步骤获得的起泡区域的外界矩形的长，宽。
25.其中，初始高斯混合模型为：公式中，表示单高斯模型，此处表示单高斯模型的权重，各初始权重均取，，表示该混合高斯模型中单高斯混合模型的个数，本实施例中=10，、可通过em算法计算得到，为期望值，为协方差。
26.s4：将遮挡区域和非遮挡区域均匀划分为多个矩形区域，用初始混合高斯模型中的每个单高斯模型拟合出每个矩形区域内的灰度分布，根据每个矩形区域内单高斯模型拟
合出的灰度分布和该矩形区域内的实际灰度分布得到每个矩形区域对每个单高斯模型的响应度；该步骤的目的是，对灰度图划分为多个均匀的矩形区域，根据初始高斯混合模型，并使用混合高斯模型包含的单高斯模型拟合出灰度图中的每个矩形区域内的灰度分布，根据单高斯拟合的灰度和实际灰度差异，得到每个矩形区域对每个单高斯模型的响应度。
27.其中，划分矩形区域的方法为：由于在不同区域内光线呈不同的分布规律，不同单一高斯混合模型对不同区域的描述精度不同。因而先将非遮挡区域灰度图像均匀划为分行列的矩形区域块，本实施例中，把非遮挡区域灰度图划分为的矩形块，遮挡区域也均匀划分为的矩形块，当遮挡区域小于50时，以实际尺度为准。
28.其中，每个矩形区域对单高斯模型的响应度计算方法为：若该矩形区域在遮挡区域内，则该矩形区域对每个单高斯模型的响应度为：式中，为遮挡区域内第个矩形区域对第个单高斯模型的响应度，,、分别为中心坐标为的矩形区域的最小行坐标和最小列坐标，遮挡区域被划分为行列个矩形区域，为遮挡区域内的矩形区域的总个数，为第个高斯单模型拟合出的在遮挡区域内的第个矩形区域内的位置处的灰度值，为该矩形区域内的位置处的实际灰度值，，为单高斯模型总数，表示该矩形区域对各单高斯模型的平均分布差异，表示该矩形区域对第个单高斯模型的分布差异，该分布差异越大，说明第个高斯模型对该矩形区域的灰度分布拟合效果越好，即说明该矩形区域对第个单高斯模型的响应度越大，响应度通过第个单高斯模型对该矩形区域的分布差异与各高斯模型的平均分布差异
的比值来体现，第个高斯模型的相对与平均分布差异越大，说明该区域灰度分布对第个高斯模型的响应度越高。（由于遮挡区域是缺陷区域，其不符合光线的变化，因而其分布差异越大，说明该区域对该高斯模型的响应度越大。该相应计算方式与非遮挡区域的响应度计算方式相反）。
29.若该矩形区域在非遮挡区域内，则该矩形区域对每个单高斯模型的响应度为：式中，为非遮挡区域内第个矩形区域对第个单高斯模型的响应度，表示该区域对各单高斯模型的平均分布差异，表示该区域对第个单高斯模型的分布差异，该分布差异越大，说明第个高斯模型对该区域的灰度分布拟合效果越差，即说明该矩形区域对第个单高斯模型的响应度越差，响应度通过第个高斯模型对该矩形区域拟合的灰度分布差异与各高斯模型拟合的平均分布差异的比值来体现，第个高斯模型的相对与平均分布差异越小，说明该矩形区域灰度分布对第个高斯模型的响应度越高。
30.s5：根据初始混合高斯模型拟合出每个矩形区域内的灰度分布和每个矩形区域的实际灰度分布差异计算出每个矩形区域中的拟合损失率；该步骤的目的是，利用混合高斯模型进行去拟合验证，判断各区域的拟合效果,使用混合高斯模型拟合每个矩形区域内的灰度值，判断与该区域内实际灰度值的差异，分析得到拟合损失率；其中，遮挡区域内每个矩形区域中的拟合损失率计算方法为：
式中，为混合高斯模型在遮挡区域内第个矩形区域中的拟合损失率，为混合高斯模型拟合出第个矩形区域中在坐标位置处的灰度值，为该矩形区域在坐标位置处的实际灰度值；其中，非遮挡区域内每个矩形区域中的拟合损失率的计算方法为：式中，为混合模型在非遮挡区域内第个矩形区域中的拟合损失率；其中，表示该区域的灰度均值，表示该混合高斯模型对该区域的拟合损失量，越大，说明拟合效果越差。
31.s6：根据遮挡区域和非遮挡区域内的每个矩形区域对每个单高斯模型的响应度和每个矩形区域的拟合损失率对每个单高斯模型在混合高斯模型中的权重进行调整；该步骤的目的是，对高斯混合模型里面包含的单高斯模型的权重进行调整，提高混合高斯模型的拟合精度。
32.其中，对每个单高斯模型在混合高斯模型中的权重进行调整的方法为：式中，表示混合高斯模型中第个高斯模型调整后的权重值，为以为中心的第个矩形区域的损失率，表示以 为中心的第个矩形区域对第个高斯模型的响应度，为遮挡区域和非遮挡区域包含的矩形区域总数，若第个矩形区域为遮挡区域，则为，为，若第个矩形区域为非遮挡区域，则为，为，为混合高斯模型中第个高斯模型的原来权重值。
33.s7：利用调整后的混合高斯模型拟合出遮挡区域和非遮挡区域的灰度分布和遮挡
区域和非遮挡区域的实际灰度进行对比，得到混合高斯模型的拟合精度，若精度不达标，执行s4-s7，直到获得精度达标的混合高斯模型，若精度达标，则执行s8；该步骤的目的是判断s6调整后的混合高斯模型是否满足拟合精度标准，如果不满足需要不断调整直至符合标准为止。
34.其中，混合高斯模型的拟合精度的计算方法为：式中，为拟合精度，表示非遮挡区域的总行数，表示非遮挡地区的总列数，表示非遮挡区域在第个矩形区域内坐标位置处的拟合灰度值，表示非遮挡区域内第个矩形区域内坐标处的实际灰度值，表示遮挡区域在第个矩形区域内坐标位置处的拟合灰度值，表示遮挡区域在第个矩形区域内坐标位置的实际灰度值，，，分别表示遮挡区域的最小行、列数，分别表示遮挡区域的最大行列数；表示非遮挡区域的拟合灰度分布与实际灰度分布差异量，该值越大说明拟合精度越差；表示遮挡区域的拟合灰度分布与实际灰度分布的拟合偏差，该值越大说明拟合精度越差，表示遮挡区域的对比度均值。
35.其中，判断拟合精度是否达标的方法为：当，说明拟合精度达到设定要求，执行s8，否则说明拟合精度不达标，执行s4-s7直到满足精度为止；为拟合精度标准，经验值取10。
36.s8：将满足拟合精度的混合高斯模型拟合得到的纸盒灰度图和实际纸盒灰度分布图作差，得到灰度差值，根据灰度差值确定起泡区域。
37.该步骤的目的是，根据调整后的高斯混合模型拟合出纸盒灰度分布，与实际灰度分布对比差异，得到起泡区域。
38.其中，根据灰度差值确定起泡区域具体方法为：将最终的混合高斯模型拟合出的灰度分布与实际灰度分布做差得到灰度差值，判
断该灰度差值,该处表示拟合精度，得到的该区域即为起泡区域。
39.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。